ИИ меняет язык интернета: что показал анализ 490 тысяч веб-страниц
Более трети англоязычных веб-страниц, опубликованных после выхода ChatGPT, содержат тексты, которые, вероятно, были написаны или существенно отредактированы с помощью ИИ. К такому выводу пришёл Pew Research Center — американский исследовательский центр, проанализировавший около 490 тысяч текстов из веб-архива Common Crawl. Исследователи также обнаружили, что вместе с ростом доли ИИ-текстов в интернете стали чаще встречаться характерные слова, обороты и знаки препинания.
Для исследования собрали страницы за последние пять лет — как до появления ChatGPT в ноябре 2022 года, так и после него. Затем тексты проверили с помощью Open Pangram — модели, которая по совокупности языковых признаков оценивает вероятность значительного участия ИИ в создании текста.
В случайной выборке из 10 тысяч страниц, доступных в июле 2026 года, такие признаки нашли на 10% страниц. Но в эту выборку входили и старые материалы, созданные задолго до массового распространения генеративного ИИ. Среди страниц, появившихся после запуска ChatGPT, показатель составил 35%.
Признаки участия ИИ распределены по интернету неравномерно. Среди проверенных страниц в доменной зоне .com их обнаружили у 9,4%, а в .org — у 4,6%. Для образовательных и государственных доменов показатель составил около 1%.
Исследователи также зафиксировали изменения в языке веб-страниц. По сравнению с 2023 годом длинное тире стало встречаться примерно вдвое чаще, оксфордская запятая — на 63% чаще, а конструкция «это не просто X, это Y» — почти втрое чаще. Однако авторы подчёркивают: отдельное слово или знак препинания ничего не доказывает — детектор оценивает множество языковых признаков одновременно.
У исследования есть несколько ограничений. Детектор может принять человеческий текст за созданный с участием ИИ или, наоборот, не распознать машинное вмешательство. Кроме того, анализ охватывал только англоязычные страницы из Common Crawl, а доля страниц ничего не говорит об их аудитории: множество автоматически созданных материалов может получить меньше читателей, чем одна популярная статья.
В более ранней работе исследователи из Имперского колледжа Лондона, Internet Archive и Стэнфордского университета также оценили долю новых ИИ-публикаций в 35%. Обе команды использовали материалы Common Crawl и детектор Pangram, поэтому совпадение результатов нельзя считать полностью независимым подтверждением. Соавтор первой работы Йонаш Долежал сказал, что его поразила скорость происходящего: всего за три года ИИ начал определять заметную часть цифровой среды, которую люди создавали десятилетиями.
При этом команда Долежала не нашла статистически значимых доказательств того, что распространение ИИ-текстов уже снизило точность информации в интернете или привело все публикации к единому стилю. Однако созданные с участием ИИ страницы оказались на 33% более похожими друг на друга по смыслу, а показатель позитивной тональности у них был на 107% выше.
Поэтому исследование не доказывает наступление «мёртвого интернета», где машины пишут исключительно для других машин. Оно показывает более приземлённое изменение: новую англоязычную веб-страницу уже нельзя по умолчанию считать полностью написанной человеком, а поисковые системы и будущие модели всё чаще работают с материалами, которые уже прошли через генеративный ИИ.