皮尤研究：三分之一新网页有AI痕迹

皮尤研究中心近日发布的一项研究显示，自2022年11月ChatGPT问世以来，互联网上新增的网页中，超过三分之一可能带有AI生成痕迹。这一结论来自对Common Crawl网页存档中近50万个英文网页的分析，研究团队借助Open Pangram工具来识别内容是否可能由AI编写或大幅修改。

在2026年7月随机抽取的1万个网页样本中，约10%的网页呈现出明显的AI创作迹象。但考虑到随机样本中包含许多早于ChatGPT发布的旧页面，这些页面不可能由AI生成，因此研究人员将分析范围收窄至ChatGPT问世后的新增内容。调整后的样本显示，35%的网页存在AI创作痕迹，比例相当可观。

从域名类型来看，.com网站中AI创作迹象的比例约为.edu和.gov网站的10倍，后两类网站的比例均约为1%，而.org网站的比例则为4.6%。这一差异反映出商业网站更倾向于使用AI工具生成内容，而教育、政府及非营利组织则相对保守。

研究还发现，一些通常被视为AI写作特征的表达方式近年来显著增多，例如破折号、牛津逗号，以及“这不是X，而是Y”这类句式。牛津逗号，又称连续逗号，是指在英语列表中的连接词前使用的逗号，如“A, B, and C”中B后面的逗号。这类语言特征的大规模出现，进一步佐证了AI对网络文本风格的深层影响。

皮尤研究中心同时承认，该分析存在一定局限。与其他AI检测工具类似，Pangram也可能存在误判，将人工编写的网页识别为AI生成。不过，从大规模样本来看，研究结果仍能反映整体趋势，即AI生成内容正在快速渗透互联网内容生态。

值得注意的是，就在这项研究发布前不久，互联网基础设施服务商Cloudflare指出，机器人产生的网络流量已经超过人工访问流量，比此前预测来得更早。两项研究相互印证，呈现出一种令人担忧的图景：大量网页可能正在形成一种由机器人阅读机器人生成内容的循环。这不仅影响信息质量，也可能对搜索引擎索引效率、内容可信度以及用户获取真实信息的能力带来潜在挑战。