海外メディアTechCrunchによると、現地時間20日、ピュー・リサーチ・センターが発表した研究で、2022年11月にChatGPTが登場して以降に公開されたウェブページのうち、3分の1超にAI生成の痕跡がある可能性が示された。この結果は他の研究とも一致しており、近年新たに追加された大量のウェブページが、AIによって直接生成されたか、AIによる「大幅な改変」を受けていることを示している。
この研究が発表される少し前、インターネットインフラサービス事業者のCloudflareは、ボットによるネットワークトラフィックが人間によるアクセスをすでに上回っており、従来の予測よりも早くその状態に達したと指摘していた。
ピュー・リサーチ・センターの今回の研究は、「インターネット上でどのようなコンテンツがアクセスされているのか」に焦点を当てている。研究結果によると、大量のウェブページが、ボットがボットの生成したコンテンツを読むという循環を形成している可能性がある。
研究にあたり、ピュー・リサーチ・センターはCommon Crawlのウェブアーカイブを利用し、過去約5年間に公開された英語のウェブページ約50万件を収集した。その後、研究者はOpen Pangramの技術を使い、これらのウェブページがAIによって執筆された、またはAIによる大幅な修正を受けた可能性があるかを判定した。
2026年7月に無作為抽出した1万件のウェブページのサンプルでは、約10%のページに明確なAI生成の兆候が見られた。
ピュー・リサーチ・センターは、無作為抽出したサンプルには必然的に比較的早い時期に公開されたウェブページも含まれるが、これらのページが公開された時点ではAI文章作成ツールはまだ登場していなかったため、AIによって生成された可能性はないと指摘している。
そこで、AIがインターネット上のコンテンツに与えた影響をより正確に評価するため、ピュー・リサーチ・センターはChatGPT公開前の古いウェブページをさらに除外し、ChatGPT登場後に新たに追加されたコンテンツだけを分析した。
この調整後のサンプルでは、35%のウェブページにAI生成の兆候が見られた。ドメインの種類別に見ると、.comサイトでAI生成の兆候が見られた割合は、.eduおよび.govサイトの約10倍だった。後者2種類のサイトでは、AI生成コンテンツの割合はいずれも約1%だった。.orgサイトの割合は4.6%だった。
ピュー・リサーチ・センターは、この分析には限界があることを認めている。他のAI検出ツールと同様に、Pangramにも誤判定の可能性があり、人間が執筆したウェブページをAI生成と判定する場合がある。ただし、大規模なサンプルに基づく限り、研究結果は全体的な傾向を反映していると考えられる。
また、一般的にAI文章作成の特徴と見なされるいくつかの表現も、近年より一般的になっていることが分かった。例えば、ダッシュ、オックスフォード・コンマ、「これはXではなく、Yだ」という構文などである。
注：オックスフォード・コンマ（Oxford Comma）はシリアル・コンマ（Serial Comma）とも呼ばれ、英語の文章で3つ以上の項目を列挙する際、最後から2番目の項目と接続詞（andやorなど）の間に置くコンマを指す。例えば「A, B, and C」では、Bの後にあるコンマがオックスフォード・コンマである。