Візуалізація тижня: скільки текстів в інтернеті мають ознаки AI
Привіт, спільното!
DOU запускає нову щотижневу рубрику про візуалізацію даних. Раз на тиждень будемо ділитися графіком, картою, дашбордом, інфографікою або інтерактивним матеріалом, який показує дані у цікавій візуальній формі.
Робите власні візуалізації або побачили десь цікавий варіант? Покажіть їх спільноті! Це може бути зображення, скриншот, гіфка або коротке відео. Тематика не обмежена — можливо, це серйозна інфографіка для робочого проєкту, або ж візуалізація щорічних витрат на авокадо 🥑
Щоб запропонувати візуалізацію, створіть окремий топік із позначкою «Візуалізація тижня» або напишіть Маші 🤗
А тепер — дивимось візуалізацію цього тижня!
Скільки згенерованих або відредагованих AI текстів в інтернеті
У новому випуску рубрики «Візуалізація тижня» дивимось на матеріал Pew Research Center про те, скільки контенту в англомовному інтернеті вже написано не людьми або не лише людьми.
Щоб дослідити це питання, дослідники використали відкритий архів вебсторінок Common Crawl та зібрали 490 тисяч випадкових сторінок за останні п’ять років — починаючи за кілька років до випуску ChatGPT.
Далі текст сторінок проаналізували за допомогою Open Pangram — інструменту, який шукає статистичні ознаки авторства або редактури AI, визначаючи мовні закономірності, слова, фрази та лінгвістичні особливості, які частіше використовуються штучним інтелектом, ніж людьми. Детальніше про методологію можна почитати тут.
У липневій вибірці 2026 року лише близько 10% усіх сторінок мали суттєві ознаки AI-авторства. Втім, автори зазначають, що в інтернеті багато поєднання нового та старого контенту, який просто не міг бути створений сучасними чатботами.
Якщо ж дивитися лише на сторінки, для яких вдалося визначити дату публікації та які були опубліковані після запуску ChatGPT, частка значно вища — понад третина у липні 2026 року мала ознаки написання або редагування AI.
AI-тексти поширені нерівномірно — у 2026 році серед .com-доменів близько 10% сторінок мали ознаки AI-авторства, серед .org — 4,6%, а серед .edu і .gov — приблизно по 1%. Тобто комерційний веб виявився значно більш синтетичним, ніж освітні чи державні сайти.
Також дослідники звернули увагу на мовні маркери, які стали частіше траплятися після поширення згенерованих текстів — довгі тире, гарвардську кому, типову лексику на кшталт delve, interplay, testament, а також конструкції типу «це не просто ..., це ....». Самі по собі ці ознаки не доводять, що текст написаний AI, але на великих масивах допомагають побачити, як змінюється мова вебу.
Нагадаю, у минулих випусках рубрики ми дивились візуалізацію, як змінювалась інтенсивність обстрілів України та дашборди про весілля.
2 коментарі
Додати коментар Підписатись на коментаріВідписатись від коментарівМені складно стало читати Dou, бо раніше у кожного автора був свій стиль, а тепер кожен пише однаково і в кожній статті купа води типу «Алгоритм не намагається зрозуміти всю картинку — він відповідає на сім простих запитань.»
З одного боку — сумно. З іншого — ще сумніше, що грамотність та здатність до підсилювальних конструкцій — це ознака Generative AI.