加密新闻

生成式神经网络在网页内容中的普及程度远比人们普遍认为的要深远。我对最新数据的分析显示：现有网页中约有10%带有明显的合成文本痕迹。然而这只是冰山一角——如果过滤掉现代LLM时代之前创建的“史前”内容，情况将变得真正令人担忧。

ChatGPT时代颠覆了内容市场

我想强调的关键结论是：在2022年11月（ChatGPT发布之时）之后发布的材料中，AI创作的比例超过33%。这已不再是爱好者的实验，而是一种系统性现象。相比之下，在包括过去多年遗产在内的整体数据中，这一指标被稀释至10%——旧的网络架构只是掩盖了技术应用的真实速度。

按域名区域的分布证实了我长期以来关于合成内容商业化的假设。在.com区域，每十页中有一页（10%）带有AI生成的迹象，而在.org区域这一比例低至4.6%。教育（.edu）和政府（.gov）资源仅显示1%——那里仍然以人工为主，考虑到事实核查的要求，这合乎逻辑。

方法论与现实

重要的是要理解：该研究基于对生成模型特有语言模式的分析，而非直接访问编辑历史。这是一种评估指标，而非精确统计。尽管如此，通过Common Crawl收集的10,000页样本的统计显著性足以说明数据的代表性。

特别有趣的是，商业平台最积极地利用AI创建SEO文本、商品描述和参考资料。这产生了“信息噪音”效应，从长远来看可能削弱对整体网页内容的信任。

我的结论：我们正在目睹信息生产中的结构性转变。如今已有三分之一的新网络内容是合成内容，且这一进程不可逆转。问题不在于它是否会停止，而在于搜索算法和监管机构将如何快速适应这一新现实。像Anthropic为Claude引入的那种内容标记，只是迈向信息空间卫生的第一步。