ChatGPT-க்கு பிந்தைய இணைய உள்ளடக்கத்தில் மூன்றில் ஒரு பங்கு AI மூலம் எழுதப்பட்டதற்கான அறிகுறிகளைக் காட்டுகிறது

Pew Research மேற்கொண்ட ஒரு புரட்சிகரமான ஆய்வு, டிஜிட்டல் உலகில் ஏற்பட்டுள்ள ஒரு மிகப்பெரிய மாற்றத்தை வெளிப்படுத்தியுள்ளது. புதிய இணைய உள்ளடக்கங்களில் கணிசமான ஒரு பகுதி செயற்கை நுண்ணறிவால் (AI) உருவாக்கப்படுவதை இது கண்டறிந்துள்ளது. Large Language Models (LLMs) உள்ளடக்க உருவாக்க முறைகளில் ஒருங்கிணைக்கப்படுவதால், மனிதர்களால் உருவாக்கப்பட்ட மற்றும் இயந்திரங்களால் உருவாக்கப்பட்ட உரைக்கு இடையிலான எல்லை வேகமாக மங்கி வருகிறது.

AI-ஆல் உருவாக்கப்பட்ட உள்ளடக்கத்தின் அதிகரிப்பு

இணையத்தில் generative AI-ன் தாக்கத்தை அளவிடுவதற்காக, Pew Research நிறுவனம் Common Crawl இணையக் காப்பகத்தைப் பயன்படுத்தி சுமார் 5,00,000 ஆங்கில மொழி இணையப் பக்கங்களை ஆய்வு செய்தது. Open Pangram-ன் கண்டறியும் தொழில்நுட்பத்தைப் பயன்படுத்தி, மனிதர்களால் எழுதப்பட்ட மற்றும் AI உதவியுடன் உருவாக்கப்பட்ட உரையை வேறுபடுத்திக் காட்ட இந்த ஆய்வு முயன்றது.

ஜூலை 2026-லிருந்து எடுக்கப்பட்ட 10,000 பக்கங்களின் ஒரு மாதிரி ஆய்வு 10% AI எழுத்து விகிதத்தைக் காட்டினாலும், generative AI எழுச்சிக்கு முன்னதாக வெளியிடப்பட்ட பழைய உள்ளடக்கங்கள் இதில் சேர்க்கப்பட்டதால் இந்த எண்ணிக்கை மாறுபட்டிருந்தது. இருப்பினும், நவம்பர் 2022-ல் ChatGPT அறிமுகப்படுத்தப்பட்ட பிறகு வெளியிடப்பட்ட பக்கங்களை மட்டும் ஆராய்ச்சியாளர்கள் வடிகட்டியபோது, இந்த எண்ணிக்கை அதிகரித்தது. இந்த சமீபத்திய காலத்தில் வெளியிடப்பட்ட அனைத்து இணையப் பக்கங்களில் மூன்றில் ஒரு பங்கிற்கும் மேலானவை (35%), AI மூலம் எழுதப்பட்ட அல்லது "பெரிதும் திருத்தப்பட்ட" (substantially edited) குறிப்பிடத்தக்க அறிகுறிகளைக் கொண்டுள்ளன என்று இந்த ஆய்வு கண்டறிந்துள்ளது.

டொமைன் வேறுபாடுகள் மற்றும் "பாட் லூப்" (Bot Loop)

இணையம் முழுவதும் AI உள்ளடக்கத்தின் பரவல் சீராக இல்லை. பல்வேறு top-level domains (TLDs)-களுக்கு இடையே உள்ள தெளிவான வேறுபாட்டை இந்த ஆய்வு சுட்டிக்காட்டியுள்ளது. வணிக ரீதியான நலன்களே AI எழுத்து கருவிகளின் தீவிரமான பயன்பாட்டைத் தூண்டுகின்றன என்பதை இது உணர்த்துகிறது.

தரவுகளின்படி, .com டொமைன் கொண்ட URLs-களில் AI எழுத்து விகிதம் கல்வி அல்லது அரசாங்க இணையதளங்களை விட சுமார் 10 மடங்கு அதிகமாக உள்ளது. குறிப்பாக, .edu மற்றும் .gov டொமைன்கள் வெறும் 1% AI எழுத்து விகிதத்தைக் காட்டின, அதே சமயம் .org டொமைன்கள் 4.6% ஆக இருந்தன. இந்த போக்கு, பாரம்பரிய ஆசிரியர் மேற்பார்வையை விட, LLM-கள் மூலம் பெறப்படும் வேகம் மற்றும் அளவை (scale) முன்னிறுத்தும் ஒரு வணிகமயமாக்கப்பட்ட இணையத்தை நோக்கிச் செல்கிறது.

AI உள்ளடக்கத்தின் இந்த அதிகரிப்பு, Cloudflare அறிக்கையிட்ட ஒரு கவலைக்குரிய மைல்கல்லுடன் இணைந்து நிகழ்கிறது: பாட் (bot) போக்குவரத்து அதிகாரப்பூர்வமாக மனித இணையப் போக்குவரத்தை மிஞ்சிவிட்டது. இது ஒரு சாத்தியமான "dead internet" பின்னூட்டச் சுழற்சியை (feedback loop) உருவாக்குகிறது, இதில் பாட்கள் மற்ற பாட்களால் எழுதப்பட்ட உள்ளடக்கங்களை அதிக அளவில் தேடிப் பார்ப்பதும் மற்றும் சேகரிப்பதும் (scraping) நடைபெறுகிறது.

மொழியியல் அடையாளங்கள் மற்றும் கண்டறியும் சவால்கள்

AI-ஆல் உருவாக்கப்பட்ட உரையை அடையாளம் காண உதவும் குறிப்பிட்ட மொழியியல் முறைகளையும் இந்த ஆய்வு கண்டறிந்துள்ளது. LLM-கள் மிகவும் நுணுக்கமானவையாகி வருவதால், அவற்றின் பாணி அடையாளங்கள் (stylistic fingerprints) மிகவும் கணிக்கக்கூடியதாகிவிட்டன. ஆராய்ச்சியாளர்கள் பின்வரும் குறிப்பிட்ட வாக்கிய அமைப்புகளின் அதிகரிப்பைக் கவனித்தனர்:

• em dashes மற்றும் Oxford commas ஆகியவற்றின் அதிகப்படியான பயன்பாடு.
• "It’s not X, it’s Y" போன்ற தாள லயமான சொற்றொடர் முறைகள்.
• வாசிப்பதற்கு எளிதாக இருக்கும் வகையில் மேம்படுத்தப்பட்ட, ஆனால் மனித உணர்வுகளற்ற (human nuance) குறிப்பிட்ட பாணிப் போக்குகள்.

Pangram போன்ற AI கண்டறியும் கருவிகள் பிழையற்றவை அல்ல மற்றும் தவறான முடிவுகளைத் (false positives) தரக்கூடும் என்பதை இந்த ஆய்வு ஒப்புக்கொண்டாலும், தரவுகளின் அளவு இந்த கண்டுபிடிப்புகள் சரியான திசையை நோக்கி இருப்பதை உணர்த்துகிறது. டெவலப்பர்கள் மற்றும் நிறுவனர்களுக்கு (founders), இது ஒரு முக்கியமான சவாலை எடுத்துக்காட்டுகிறது: இணையம் செயற்கை தரவுகளால் (synthetic data) நிரப்பப்படும்போது, எதிர்கால மாதிரிகளுக்கான (models) பயிற்சித் தொகுப்புகளின் (training sets) தரத்தைப் பராமரிப்பது கடினமாகிவிடும்.

முக்கியக் குறிப்புகள்

• உள்ளடக்க உருவாக்கத்தில் மிகப்பெரிய மாற்றம்: ChatGPT அறிமுகப்படுத்தப்பட்டதிலிருந்து வெளியிடப்பட்ட இணையப் பக்கங்களில் 35%, AI எழுத்து அல்லது அதிகப்படியான AI திருத்தங்களின் தெளிவான அறிகுறிகளைக் காட்டுகின்றன.
• வணிக ஆதிக்கம்: .edu மற்றும் .gov டொமைன்களை விட 10 மடங்கு அதிகமாக .com டொமைன்கள் AI உள்ளடக்கத்தின் முதன்மைத் தூண்டுகோலாக உள்ளன.
• பாட் சுற்றுச்சூழல் அமைப்பு: AI மூலம் எழுதப்பட்ட உள்ளடக்கத்தின் உயர்வு, மனிதப் போக்குவரத்தை பாட் போக்குவரத்து மிஞ்சுவதோடு ஒத்துப்போகிறது, இது இயந்திரங்களால் ஆதிக்கம் செலுத்தப்படும் இணையச் சூழலை நோக்கி ஒரு மாற்றத்தைக் குறிக்கிறது.