ChatGPT ਤੋਂ ਬਾਅਦ ਵੈੱਬ ਕੰਟੈਂਟ ਦਾ ਇੱਕ ਤਿਹਾਈ ਹਿੱਸਾ AI ਲੇਖਕਤਾ ਦੇ ਸੰਕੇਤ ਦਿਖਾ ਰਿਹਾ ਹੈ

Pew Research ਦੇ ਇੱਕ ਨਵਤਮ ਅਧਿਐਨ ਨੇ ਡਿਜੀਟਲ ਲੈਂਡਸਕੇਪ ਵਿੱਚ ਇੱਕ ਵੱਡੇ ਬਦਲਾਅ ਦਾ ਖੁਲਾਸਾ ਕੀਤਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਪਤਾ ਲੱਗਾ ਹੈ ਕਿ ਨਵੇਂ ਵੈੱਬ ਕੰਟੈਂਟ ਦਾ ਇੱਕ ਵੱਡਾ ਹਿੱਸਾ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ Large Language Models (LLMs) ਕੰਟੈਂਟ ਵਰਕਫਲੋ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਰਹੇ ਹਨ, ਮਨੁੱਖੀ ਅਤੇ ਮਸ਼ੀਨ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਟੈਕਸਟ ਵਿਚਕਾਰ ਦੀ ਸੀਮਾ ਤੇਜ਼ੀ ਨਾਲ ਧੁੰਦਲੀ ਹੋ ਰਹੀ ਹੈ।

AI-ਨਿਰਮਿਤ ਕੰਟੈਂਟ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਵਾਧਾ

ਇੰਟਰਨੈੱਟ 'ਤੇ generative AI ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਮਾਪਣ ਲਈ, Pew Research ਨੇ Common Crawl ਵੈੱਬ ਆਰਕਾਈਵ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਲਗਭਗ 500,000 ਅੰਗਰੇਜ਼ੀ-ਭਾਸ਼ਾ ਦੇ ਵੈੱਬ ਪੇਜਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ। Open Pangram ਦੀ ਡਿਟੈਕਸ਼ਨ ਟੈਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਅਧਿਐਨ ਦਾ ਉਦੇਸ਼ ਮਨੁੱਖ ਦੁਆਰਾ ਲਿਖੇ ਗਏ ਅਤੇ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਟੈਕਸਟ ਵਿਚਕਾਰ ਅੰਤਰ ਕਰਨਾ ਸੀ।

ਹਾਲਾਂਕਿ ਜੁਲਾਈ 2026 ਦੇ 10,000 ਪੇਜਾਂ ਦੇ ਇੱਕ ਰੈਂਡਮ ਸੈਂਪਲ ਨੇ 10% AI ਲੇਖਕਤਾ ਦਰ ਦਿਖਾਈ, ਪਰ ਇਹ ਅੰਕੜਾ generative AI ਦੇ ਬੂਮ ਤੋਂ ਪਹਿਲਾਂ ਪ੍ਰਕਾਸ਼ਿਤ ਪੁਰਾਣੇ ਕੰਟੈਂਟ ਦੇ ਸ਼ਾਮਲ ਹੋਣ ਕਾਰਨ ਵਿਗੜਿਆ ਹੋਇਆ ਸੀ। ਹਾਲਾਂਕਿ, ਜਦੋਂ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਡੇਟਾ ਸੈੱਟ ਨੂੰ ਫਿਲਟਰ ਕਰਕੇ ਨਵੰਬਰ 2022 ਵਿੱਚ ChatGPT ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਬਾਅਦ ਪ੍ਰਕਾਸ਼ਿਤ ਪੇਜਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ, ਤਾਂ ਇਹ ਅੰਕੜੇ ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਗਏ। ਅਧਿਐਨ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਕਿ ਇਸ ਨਵੇਂ ਯੁੱਗ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਸਾਰੇ ਵੈੱਬ ਪੇਜਾਂ ਦਾ ਇੱਕ ਤਿਹਾਈ ਤੋਂ ਵੱਧ (35%) ਹਿੱਸਾ AI ਦੁਆਰਾ ਲਿਖਿਆ ਗਿਆ ਜਾਂ "ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਸੰਪਾਦਿਤ" (substantially edited) ਹੋਣ ਦੇ ਮਹੱਤਵਪੂਰਨ ਸੰਕੇਤ ਦਿਖਾਉਂਦਾ ਹੈ।

ਡੋਮੇਨ ਵਿੱਚ ਅੰਤਰ ਅਤੇ "ਬੋਟ ਲੂਪ"

AI ਕੰਟੈਂਟ ਦਾ ਪ੍ਰਸਾਰ ਵੈੱਬ 'ਤੇ ਇੱਕਸਾਰ ਨਹੀਂ ਹੈ। ਅਧਿਐਨ ਨੇ ਵੱਖ-ਵੱਖ top-level domains (TLDs) ਵਿਚਕਾਰ ਇੱਕ ਵੱਡਾ ਅੰਤਰ ਦਰਸਾਇਆ ਹੈ, ਜੋ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਵਪਾਰਕ ਹਿੱਤ AI ਲਿਖਣ ਵਾਲੇ ਟੂਲਜ਼ ਨੂੰ ਸਭ ਤੋਂ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾਉਣ ਲਈ ਪ੍ਰੇਰਿਤ ਕਰ ਰਹੇ ਹਨ।

ਡੇਟਾ ਅਨੁਸਾਰ, .com ਡੋਮੇਨ ਵਾਲੇ URLs ਵਿੱਚ AI ਲੇਖਕਤਾ ਦੀ ਦਰ ਅਕਾਦਮਿਕ ਜਾਂ ਸਰਕਾਰੀ ਸਾਈਟਾਂ ਨਾਲੋਂ ਲਗਭਗ 10 ਗੁਣਾ ਜ਼ਿਆਦਾ ਹੈ। ਖਾਸ ਤੌਰ 'ਤੇ, .edu ਅਤੇ .gov ਡੋਮੇਨਾਂ ਵਿੱਚ AI ਲੇਖਕਤਾ ਦੀ ਦਰ ਸਿਰਫ 1% ਸੀ, ਜਦੋਂ ਕਿ .org ਡੋਮੇਨ 4.6% 'ਤੇ ਸੀ। ਇਹ ਰੁਝਾਨ ਇੱਕ ਵਪਾਰਕ ਬਣ ਚੁੱਕੇ ਵੈੱਬ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਰਵਾਇਤੀ ਸੰਪਾਦਕੀ ਨਿਗਰਾਨੀ ਦੀ ਬਜਾਏ ਗਤੀ ਅਤੇ ਪੈਮਾਨੇ (ਜੋ ਅਕਸਰ LLMs ਰਾਹੀਂ ਪ੍ਰਾਪਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ) ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ।

AI ਕੰਟੈਂਟ ਵਿੱਚ ਇਹ ਵਾਧਾ Cloudflare ਦੁਆਰਾ ਦੱਸੀ ਗਈ ਇੱਕ ਚਿੰਤਾਜਨਕ ਮੀਲ ਪੱਥਰ ਦੇ ਨਾਲ ਆ ਰਿਹਾ ਹੈ: ਬੋਟ ਟ੍ਰੈਫਿਕ ਨੇ ਅਧਿਕਾਰਤ ਤੌਰ 'ਤੇ ਮਨੁੱਖੀ ਵੈੱਬ ਟ੍ਰੈਫਿਕ ਨੂੰ ਪਿੱਛੇ ਛੱਡ ਦਿੱਤਾ ਹੈ। ਇਹ ਇੱਕ ਸੰਭਾਵੀ "dead internet" ਫੀਡਬੈਕ ਲੂਪ ਬਣਾਉਂਦਾ ਹੈ, ਜਿੱਥੇ ਬੋਟਸ ਲਗਾਤਾਰ ਅਜਿਹੇ ਕੰਟੈਂਟ ਨੂੰ ਬ੍ਰਾਊਜ਼ ਅਤੇ ਸਕ੍ਰੈਪ ਕਰ ਰਹੇ ਹਨ ਜੋ ਖੁਦ ਦੂਜੇ ਬੋਟਸ ਦੁਆਰਾ ਲਿਖਿਆ ਗਿਆ ਸੀ।

ਭਾਸ਼ਾਈ ਸੰਕੇਤ ਅਤੇ ਡਿਟੈਕਸ਼ਨ ਚੁਣੌਤੀਆਂ

ਅਧਿਐਨ ਨੇ ਕੁਝ ਖਾਸ ਭਾਸ਼ਾਈ ਪੈਟਰਨਾਂ ਦੀ ਵੀ ਪਛਾਣ ਕੀਤੀ ਹੈ ਜੋ AI-ਨਿਰਮਿਤ ਟੈਕਸਟ ਲਈ "ਸੰਕੇਤ" (tells) ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹਨ। ਜਿਵੇਂ-ਜਿਵੇਂ LLMs ਵਧੇਰੇ ਸੋਫਿਸਟਿਕੇਟਿਡ ਹੋ ਗਏ ਹਨ, ਉਹਨਾਂ ਦੇ ਸ਼ੈਲੀਗਤ ਫਿੰਗਰਪ੍ਰਿੰਟ ਵਧੇਰੇ ਅਨੁਮਾਨਯੋਗ ਹੋ ਗਏ ਹਨ। ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਕੁਝ ਖਾਸ ਵਾਕ-ਰਚਨਾਵਾਂ ਦੀ ਵਧਦੀ ਵਰਤੋਂ ਨੋਟ ਕੀਤੀ ਹੈ, ਜਿਵੇਂ ਕਿ:

• em dashes ਅਤੇ Oxford commas ਦੀ ਵੱਧ ਤੋਂ ਵੱਧ ਵਰਤੋਂ।
• "It’s not X, it’s Y" ਵਰਗੇ ਲੈਅਬੱਧ ਵਾਕਾਂਸ਼ ਪੈਟਰਨ।
• ਪੜ੍ਹਨਯੋਗਤਾ ਲਈ ਅਨੁਕੂਲਿਤ ਖਾਸ ਸ਼ੈਲੀਗਤ ਰੁਝਾਨ, ਪਰ ਮਨੁੱਖੀ ਸੂਖਮਤਾ (nuance) ਦੀ ਕਮੀ।

ਹਾਲਾਂਕਿ ਅਧਿਐਨ ਇਹ ਮੰਨਦਾ ਹੈ ਕਿ Pangram ਵਰਗੇ AI ਡਿਟੈਕਸ਼ਨ ਟੂਲ ਅਟੁੱਟ ਨਹੀਂ ਹਨ ਅਤੇ ਉਹਨਾਂ ਵਿੱਚ ਗਲਤ ਨਤੀਜੇ (false positives) ਹੋ ਸਕਦੇ ਹਨ, ਪਰ ਡੇਟਾ ਦਾ ਪੈਮਾਨਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਇਹ ਖੋਜਾਂ ਦਿਸ਼ਾ ਦੇ ਹਿਸਾਬ ਨਾਲ ਸਹੀ ਹਨ। ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਸੰਸਥਾਪਕਾਂ ਲਈ, ਇਹ ਇੱਕ ਅਹਿਮ ਚੁਣੌਤੀ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ: ਜਿਵੇਂ-ਜਿਵੇਂ ਵੈੱਬ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਨਾਲ ਭਰਿਆ ਜਾ ਰਿਹਾ ਹੈ, ਭਵਿੱਖ ਦੇ ਮਾਡਲਾਂ ਲਈ ਟ੍ਰੇਨਿੰਗ ਸੈੱਟਾਂ ਦੀ ਗੁਣਵੱਤਾ ਨੂੰ ਬਣਾਈ ਰੱਖਣਾ ਵਧੇਰੇ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ।

ਮੁੱਖ ਨੁਕਤੇ

• ਕੰਟੈਂਟ ਨਿਰਮਾਣ ਵਿੱਚ ਵੱਡਾ ਬਦਲਾਅ: ChatGPT ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਬਾਅਦ ਪ੍ਰਕਾਸ਼ਿਤ 35% ਵੈੱਬ ਪੇਜ AI ਲੇਖਕਤਾ ਜਾਂ ਭਾਰੀ AI ਸੰਪਾਦਨ ਦੇ ਸਪੱਸ਼ਟ ਸੰਕੇਤ ਦਿਖਾਉਂਦੇ ਹਨ।
• ਵਪਾਰਕ ਦਬਦਬਾ: .com ਡੋਮੇਨ AI ਕੰਟੈਂਟ ਦੇ ਮੁੱਖ ਚਾਲਕ ਹਨ, ਜੋ .edu ਅਤੇ .gov ਡੋਮੇਨਾਂ ਨਾਲੋਂ 10 ਗੁਣਾ ਜ਼ਿਆਦਾ ਹਨ।
• ਬੋਟ ਈਕੋਸਿਸਟਮ: AI-ਲਿਖੇ ਕੰਟੈਂਟ ਵਿੱਚ ਵਾਧਾ ਬੋਟ ਟ੍ਰੈਫਿਕ ਦੇ ਮਨੁੱਖੀ ਟ੍ਰੈਫਿਕ ਨੂੰ ਪਿੱਛੇ ਛੱਡਣ ਦੇ ਸਮਾਨ ਸਮੇਂ 'ਤੇ ਹੋ ਰਿਹਾ ਹੈ, ਜੋ ਕਿ ਮਸ਼ੀਨ-ਪ੍ਰਧਾਨ ਵੈੱਬ ਈਕੋਸਿਸਟਮ ਵੱਲ ਬਦਲਾਅ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ।