皮尤研究中心周四发布的一项新研究显示，ChatGPT发布后上线的网页中，超过三分之一存在由AI撰写的迹象。该报告印证了此前多项研究的结论——互联网上越来越多的新网页正在由AI"撰写"或"大量编辑"。
这份报告发布时间也恰好与互联网基础设施提供商Cloudflare的报告相近。Cloudflare近期披露，网络爬虫流量已超过人类用户流量，且这一里程碑的到来比该公司预期的还要提前。
皮尤研究中心的数据关注的不是谁在浏览互联网，而是互联网上存在什么内容。数据显示，大量网络流量实际上是机器人在阅读由其他机器人生成的网页。
为完成这份报告，皮尤研究中心使用了Common Crawl网络存档，收集了近五年内约50万个英文网页，时间跨度从ChatGPT于2022年11月发布前的几年开始。随后，皮尤使用Open Pangram的技术检测其中有多少网页可能由AI撰写或经过AI大量编辑。
在2026年7月采集的1万个网页随机样本中，约10%呈现出"明显的AI创作特征"。
不过，皮尤指出，随机样本中不可避免地会包含较老的网页——这些页面发布于AI写作工具出现之前，因此不可能是AI创作的。
为了更准确地评估当前网络中AI生成内容的比例，皮尤过滤掉了较早发布的网页，仅保留ChatGPT发布之后上线的内容。
在这一筛选后的数据集中，超过三分之一（35%）的网页显示出AI创作迹象。
进一步分析各域名类型，皮尤发现，.com域名中AI创作内容的比例约为.edu或.gov域名的10倍（后两者的AI创作比例均约为1%）。此外，.org域名的AI创作比例仅为4.6%。
当然，这一分析并非无懈可击。与其他AI检测工具一样，Pangram也可能将人工撰写的内容误判为AI所写。但从整体规模来看，这些数据至少在趋势上应当是可信的。
此外，皮尤还发现，其他一些被认为是AI写作特征的语言习惯近年来也有所增加，例如破折号的使用、牛津逗号的普及，以及"不是X，而是Y"这类句式的频繁出现。
Q&A
Q1：皮尤研究中心是如何判断一个网页是否由AI撰写的？
A：皮尤研究中心使用了Common Crawl网络存档收集网页样本，并借助Open Pangram的AI检测技术进行分析。该技术通过识别AI写作的语言特征来判断内容是否由AI撰写或经过AI大量编辑。不过，AI检测工具并非完全准确，存在误判的可能性，但从大规模数据来看，整体趋势方向应当是可信的。
Q2：为什么.com域名的AI内容比例远高于.edu和.gov域名？
A：研究数据显示，.com域名中AI创作内容的比例约为.edu或.gov域名的10倍。这可能与不同域名的使用目的有关：商业网站更倾向于利用AI批量生成内容以提升效率或降低成本，而教育机构和政府机构通常对内容质量和来源有更严格的要求，因此AI使用率相对较低。
Q3：除AI检测外，还有哪些迹象表明网络内容的AI化程度在上升？
A：皮尤研究中心发现，一些典型的AI写作语言习惯在网络上的出现频率也在逐年增加，包括破折号的使用、牛津逗号的普及，以及"不是X，而是Y"这类固定句式的频繁出现。这些语言特征通常被认为是AI生成文本的常见标志。
