ЖИ-дің жаңа вебтің үштен бірін қазірдің өзінде бақылайды: зерттеудің таңғалдырарлық сандары
Генеративті нейрожелілерді веб-контентке енгізу ауқымы әдеттегіден әлдеқайда тереңірек болып шықты. Менің жаңа деректерге жасаған талдауым көрсеткендей: барлық қолданыстағы веб-парақшалардың шамамен 10%-ы синтетикалық мәтіннің айқын іздерін тасымалдайды. Алайда бұл — айсбергтің тек ұшы ғана; қазіргі LLM дәуіріне дейін жасалған «тарихқа дейінгі» контентті сүзіп тастасақ, көрініс шынымен алаңдатарлық болады.
ChatGPT дәуірі контент нарығын түбегейлі өзгертті
Мен атап өткім келетін негізгі қорытынды: 2022 жылдың қарашасынан кейін (ChatGPT іске қосылған сәт) жарияланған материалдар арасында ИИ-авторлық үлесі 33%-дан асады. Бұл енді энтузиастардың эксперименттері емес, жүйелі құбылыс. Салыстыру үшін, өткен жылдардың мұрасын қамтитын жалпы деректер массивінде бұл көрсеткіш 10%-ға дейін жұқарады — ескі веб-архитектура технологияларды енгізудің нақты жылдамдығын жай ғана бүркемелейді.
Домендік аймақтар бойынша таралу менің синтетиканың коммерциялануы туралы көптен бергі болжамымды растайды. .com аймағында әрбір оныншы парақшада (10%) ИИ-генерация белгілері бар, ал .org-та бұл көрсеткіш екі есе төмен — 4,6%. Білім беру (.edu) және үкіметтік (.gov) ресурстар тек 1% көрсетеді — онда әлі де қол еңбегі басым, бұл фактілерді тексеру талаптарын ескере отырып, заңды құбылыс.
Әдіснама және шындық
Мынаны түсіну маңызды: зерттеу генеративті модельдерге тән тілдік үлгілерді талдауға негізделген, тікелей өңдеу тарихына қол жеткізуге емес. Бұл — нақты есеп емес, бағалау көрсеткіші. Дегенмен, Common Crawl арқылы жиналған 10 000 парақшадан тұратын іріктеменің статистикалық маңыздылығы деректердің репрезентативтілігі туралы айтуға мүмкіндік береді.
Ерекше қызығушылық тудыратын жайт — коммерциялық платформалардың SEO-мәтіндер, тауар сипаттамалары және анықтамалық материалдар жасау үшін ИИ-ді барынша белсенді пайдалануы. Бұл болашақта жалпы веб-контентке деген сенімді құнсыздандыруы мүмкін «ақпараттық шудың» әсерін тудырады.
Менің үкімім: біз ақпарат өндірісіндегі тектоникалық ығысуды бақылап отырмыз. Қазірдің өзінде жаңа вебтің үштен бірі — синтетика, және бұл процесс қайтымсыз. Мәселе оның тоқтай ма, жоқ па емес, іздеу алгоритмдері мен реттеушілердің жаңа шындыққа қаншалықты тез бейімделетінінде. Anthropic компаниясының Claude үшін енгізгені сияқты контентті таңбалау — ақпараттық кеңістік гигиенасына жасалған алғашқы қадам ғана.