Nghiên cứu của Pew: Hơn một phần ba số trang web mới có dấu vết của AI
Một nghiên cứu của Trung tâm Nghiên cứu Pew tiết lộ rằng 35% số trang web được tạo ra sau khi ChatGPT ra mắt vào tháng 11 năm 2022 có dấu hiệu được tạo hoặc chỉnh sửa nhiều bởi AI. Các nhà nghiên cứu đã phân tích một mẫu các trang web tiếng Anh từ kho lưu trữ Common Crawl bằng công cụ phát hiện AI Open Pangram. Sự bùng nổ nhanh chóng của nội dung do AI tạo ra có thể ảnh hưởng lớn đến chất lượng dữ liệu web, kết quả của các công cụ tìm kiếm và việc huấn luyện các mô hình AI trong tương lai, vốn có nguy cơ bị "sụp đổ mô hình" (model collapse) nếu huấn luyện trên dữ liệu do AI tạo ra. Điều này cũng làm nổi bật sự chuyển dịch hướng tới một hệ sinh thái web ngày càng bị chi phối bởi nội dung tự động. Nghiên cứu cho thấy các tên miền thương mại `.com` có khả năng chứa nội dung do AI tạo ra cao gấp khoảng 10 lần so với các tên miền chính phủ `.gov` và giáo dục `.edu` (vốn chỉ ở mức khoảng 1%). Ngoài ra, một số dấu hiệu phong cách như dấu phẩy Oxford và các cấu trúc câu đặc trưng đã trở nên phổ biến hơn đáng kể trong nội dung web gần đây.
## KIẾN THỨC NỀN
Common Crawl là một tổ chức phi lợi nhuận duy trì một kho lưu trữ dữ liệu thu thập thông tin web khổng lồ và mở, được các nhà nghiên cứu và công ty AI sử dụng rộng rãi để huấn luyện các mô hình ngôn ngữ lớn. Open Pangram là một công cụ phát hiện AI mã nguồn mở được thiết kế để nhận diện văn bản do máy tạo ra, mặc dù giống như tất cả các công cụ phát hiện AI khác, nó vẫn có nguy cơ nhận diện sai.