研究称超三成新网页由AI生成

皮尤研究中心近日发布的一项新研究显示，自ChatGPT于2022年11月发布以来，网络上新发布的网页中已有超过三分之一带有明显的AI创作痕迹。这一发现再次印证了生成式AI工具正在深刻改变互联网内容生产的生态格局。

研究团队利用Common Crawl网络档案，收集了过去约五年间近五十万个英文网页样本，时间跨度从ChatGPT发布前两年一直延伸到2026年7月。为了识别AI写作的痕迹，皮尤研究中心采用了Open Pangram的检测技术，对网页内容是否由AI生成或经过大量AI编辑进行判定。

在2026年7月收集的1万个随机网页样本中，约10%的网页表现出“显著的AI创作迹象”。然而皮尤研究中心指出，随机样本中不可避免地包含大量在AI写作工具出现之前就已发布的旧网页，这些网页自然不可能由AI生成。为了更准确地反映当前网络内容的AI参与程度，研究团队过滤掉旧网页，仅聚焦于ChatGPT发布后新发布的页面。结果发现，在这一过滤后的样本中，超过三分之一（35%）的网页显示出AI创作痕迹。

从域名维度深入分析，研究发现了显著差异。使用.com域名的网页中，AI创作迹象的出现率约为.edu或.gov域名的10倍——后两者的AI创作比例均约为1%。而.org域名的AI创作比例则为4.6%。这一数据表明，商业性网站更倾向于借助AI工具生产内容，而教育机构和政府网站则相对保守。

值得注意的是，皮尤研究中心的这项研究发布恰逢互联网基础设施提供商Cloudflare报告称，机器人网络流量已超越人类网络流量——这一里程碑到来的时间比该公司此前的估计更早。虽然两项研究的关注点不同，Cloudflare关注的是谁在浏览网页，而皮尤研究关注的是网页内容本身，但两者共同描绘出一个令人深思的图景：大量机器人在阅读由其他机器人编写的网页。

研究人员也承认，这项分析并非完美无瑕。Pangram系统与其他AI检测工具一样，存在将非AI撰写的内容误判为AI生成的可能。但在大规模样本分析层面，这些数据至少在方向上具有参考价值。

此外，皮尤研究中心还发现，一些被认为是AI写作特征的表达方式近年来也在不断增加，例如使用破折号、牛津逗号，以及“不是X，而是Y”这类句式结构。这些语言学特征的变化，从侧面反映了AI生成内容对互联网写作风格的潜在影响。

随着生成式AI工具在内容创作领域的普及，如何准确识别与标注AI生成内容，已成为学术界和产业界共同关注的课题。皮尤研究中心的这项研究，为理解AI在互联网内容生态中的渗透程度提供了重要的量化参考。