Σημαντική αύξηση της παρουσίας περιεχομένου που έχει πιθανότατα γραφτεί ή υποστεί ουσιαστική επεξεργασία με τεχνητή νοημοσύνη καταγράφει νέα ανάλυση του Pew Research Center. Στο 35% των σελίδων του δείγματος του Ιουλίου 2026 που είχαν ανιχνεύσιμη ημερομηνία δημοσίευσης και είχαν δημοσιευθεί μετά τη διάθεση του ChatGPT εντοπίστηκαν σημαντικές ενδείξεις χρήσης AI.
Στο πλήρες τυχαίο δείγμα των 10.000 αγγλόφωνων ιστοσελίδων του Ιουλίου 2026, το αντίστοιχο ποσοστό ήταν 10%. Το υψηλότερο 35% αφορά μόνο τις σελίδες με ανιχνεύσιμη ημερομηνία δημοσίευσης μετά τις 30 Νοεμβρίου 2022, ένα υποσύνολο που αντιστοιχεί περίπου στο 10%-15% των σελίδων κάθε δείγματος και το οποίο, όπως διευκρινίζει το Pew, δεν αποτελεί τυχαίο δείγμα του συνόλου του web.
Τι μέτρησε η έρευνα
Για την ανάλυση, το Pew χρησιμοποίησε δεδομένα από το αρχείο Common Crawl και επέλεξε τυχαία 10.000 αγγλόφωνες σελίδες από καθένα από τα 49 crawls που πραγματοποιήθηκαν μεταξύ Ιανουαρίου 2021 και Ιουλίου 2026, συγκεντρώνοντας συνολικά 490.000 ιστοσελίδες. Επειδή στο Common Crawl περιλαμβάνονται δημόσια προσβάσιμες σελίδες, ιστοτόποι πίσω από paywall ή σύνδεση χρήστη είναι πιθανό να υποεκπροσωπούνται.
Τα κείμενα αναλύθηκαν με το editlens_Llama-3.2-3B, ανοικτό μοντέλο ανίχνευσης της Pangram. Για την έρευνα, βαθμολογία 0,2 ή υψηλότερη θεωρήθηκε ότι αντιστοιχεί σε ουσιαστικές ενδείξεις συγγραφής ή επεξεργασίας με AI. Το Pew επισημαίνει ότι τα μοντέλα ανίχνευσης λειτουργούν πιθανοτικά και ότι η ταξινόμηση μιας μεμονωμένης σελίδας δεν πρέπει να αντιμετωπίζεται ως οριστικό συμπέρασμα για την προέλευση του κειμένου.
Η ομάδα εξέτασε επίσης 62.370 σελίδες με το εμπορικό μοντέλο Pangram 3.3. Τα δύο μοντέλα συμφώνησαν στο 96% των περιπτώσεων, ενώ τα συνολικά ποσοστά που παρήγαγαν ήταν σχετικά κοντά. Το Pew σημειώνει ακόμη ότι το ανοικτό μοντέλο φαίνεται να εμφανίζει υψηλότερο ποσοστό ψευδώς θετικών αποτελεσμάτων σε σελίδες πριν από την εποχή του ChatGPT, γι’ αυτό και οι εκτιμήσεις για το 2021 και το 2022 πρέπει να αντιμετωπίζονται ως προσεγγιστικές.
Μεγαλύτερη παρουσία στα .com
Η παρουσία ενδείξεων AI κατανέμεται άνισα ανάμεσα στις βασικές κατηγορίες domains. Στα δείγματα του 2026, περίπου μία στις δέκα σελίδες .com εμφάνιζε σχετικές ενδείξεις, ποσοστό περίπου διπλάσιο από το 4,6% στα .org και περίπου δεκαπλάσιο από τα επίπεδα που καταγράφονταν στα .edu και .gov, τα οποία βρίσκονταν γύρω στο 1%.
Η διαφορά έχει διευρυνθεί σε σχέση με την περίοδο κατά την οποία κυκλοφόρησε το ChatGPT, όταν τα γλωσσικά μοτίβα που μπορεί να συνδέονται με συγγραφή από AI εμφανίζονταν σε παρόμοια επίπεδα στις τέσσερις κατηγορίες. Στον εξαμηνιαίο μέσο όρο που παρουσιάζει το Pew για το πρώτο εξάμηνο του 2026, τα ποσοστά διαμορφώθηκαν σε 9,35% για τα .com, 4,59% για τα .org, 1,03% για τα .edu και 0,76% για τα .gov.
Πώς αλλάζει η γλώσσα του web
Το Pew εντόπισε επίσης αύξηση χαρακτηριστικών που εμφανίζονται συχνότερα σε κείμενα AI. Σε σύγκριση με δείγμα του 2023, οι em dashes εμφανίζονται περίπου δύο φορές συχνότερα, η χρήση Oxford comma έχει αυξηθεί κατά 63%, ενώ λέξεις όπως «delve», «interplay» και «testament» έχουν υπερδιπλασιαστεί.
Η συχνότητα του λεγόμενου «negative parallelism», της δομής «it’s not just X, it’s Y», έχει σχεδόν τριπλασιαστεί, αν και παραμένει σχετικά σπάνια. Τα ίδια χαρακτηριστικά χρησιμοποιούνται και από ανθρώπους και κανένα τους δεν αποτελεί από μόνο του απόδειξη χρήσης AI. Τα μοντέλα ανίχνευσης εξετάζουν και πιο σύνθετα στατιστικά μοτίβα στην επιλογή λέξεων και στη δομή των προτάσεων.
Η έρευνα, επομένως, καταγράφει μια μεταβολή σε μεγάλες συλλογές κειμένων και όχι έναν ασφαλή τρόπο εξακρίβωσης της προέλευσης κάθε μεμονωμένης σελίδας. Το 35% αφορά συγκεκριμένο υποσύνολο χρονολογημένων σελίδων που δημοσιεύθηκαν μετά το ChatGPT, ενώ το ευρύτερο τυχαίο δείγμα του Ιουλίου 2026 τοποθετεί το ποσοστό των σελίδων με σημαντικές ενδείξεις AI στο 10%.
