Третина од новите веб-страници ги пишува машина: на .gov и .edu тоа е еден отсто, на .com десет пати повеќе

Едно истражување на американскиот центар Pew Research ја измерило работата што сите ја претпоставуваа, но никој не ја броеше: колку од интернетот повеќе не го пишува човек. Одговорот, за страниците објавени по ноември 2022 година, кога излезе ChatGPT, е 35 отсто. Секоја трета нова страница на мрежата носи јасни траги дека ја составила или темелно ја преработила машина.

Методот е доволно едноставен за да се провери. Од архивата Common Crawl биле извлечени околу половина милион страници на англиски јазик од последниве пет години, намерно земени и од периодот пред ChatGPT да постои. Потоа низ нив била пуштена алатката на Open Pangram, која проценува дали текстот е машински. Во случајна проба од 10.000 страници собрани во јули годинава, 10 отсто покажале значајни знаци на вештачко авторство. Но тука се и стари страници, напишани кога вакви алатки немаше. Кога Pew ги отстранил постарите и останале само оние по ChatGPT, бројката скокнала на споменатите 35 отсто.

Каде живее машинскиот текст

Разделбата по домени е делот што кажува најмногу. Комерцијалните .com адреси покажуваат вештачко авторство околу десет пати почесто од .edu и .gov, кои се држат на околу еден отсто. Организациите со .org се на 4,6 отсто. Со други зборови: таму каде што текстот се пишува за да се продаде нешто или да се фати клик, машината веќе ја презеде смената. Таму каде што некој потпишува со свое име и институција, сè уште не.

Извештајот доаѓа неколку недели откако Cloudflare соопшти дека сообраќајот од ботови го надминал оној од луѓе, и тоа побрзо отколку што самата компанија предвидуваше. Составете ги двете мерења и добивате слика која е потешка отколку што звучи: ботови што читаат страници напишани од други ботови. Човекот во таа размена е сè повеќе изборен.

Pew сама признава дека мерењето не е совршено. Pangram, како и секоја алатка за детекција, знае погрешно да означи човечки текст како машински. Но на скала од половина милион страници, насоката тешко се доведува во прашање, дури и ако точната бројка се помести за неколку проценти.

Интересен е и списокот на ситни навики што пораснале со годините: подолгите црти, оксфордската запирка, конструкцијата „не е Х, туку У”. Ништо од тоа само по себе не е доказ. Но кога цела мрежа почнува да пишува со ист ритам и исти маниризми, разликата меѓу десет извори и еден извор станува козметичка.

Прашањето што останува не е технолошко. Ако третина од новото на интернет го составила машина обучена врз постарото на интернет, што точно ќе учат следните модели? И кога некој следната година ќе бара одговор на нешто банално, дали ќе го најде она што некој навистина го знаел, или само она што добро се римува со сè друго напишано во меѓувреме?