Um em cada três sites criados após ChatGPT tem sinais de IA

Resumo

• A pesquisa da Pew Research Center revelou que um em cada três sites criados após o lançamento do ChatGPT em 2022 contém sinais de inteligência artificial, principalmente nos textos publicados
• Os textos produzidos com IA apresentam características como uso excessivo de travessões, vírgulas desnecessárias e linguagem rebuscada
• De acordo com a Cloudflare, o tráfego de robôs na Internet já superou o de humanos.

O lançamento do ChatGPT em 2022 foi um marco para as inteligências artificiais, que estão cada vez mais presentes em diferentes tipos de conteúdo pela Internet. Uma pesquisa da Pew Research Center traz números para embasar esse argumento: desde a chegada do modelo da OpenAI, um em cada três sites registrados traz IA em algum nível, principalmente nos textos publicados.

O levantamento considerou links recentes e registrou muitos conteúdos com cacoetes de linguagem bastante comuns nas respostas dadas pelos LLMs. Entre eles estão o uso massivo de travessão (–), a chamada vírgula de Oxford, que é desnecessária para a compreensão do texto, assim como a presença de termos rebuscados demais para certas situações.

De acordo com o site TechCrunch, que repercutiu o estudo, esses dados chegam pouco após outra pesquisa, esta do Cloudflare, destacar que o tráfego de robôs na Internet superou o de humanos, algo que aconteceu antes do previsto pela plataforma. Ou seja: mais IAs estão fazendo buscas online e lendo conteúdos escritos também por inteligência artificial.

Recorte maior também chama a atenção

A pesquisa da Pew Research Center levantou informações relevantes quanto ao uso de IA na Internet nos últimos anos. De um total de 10 mil páginas que circulam hoje, pelo menos 10% foram produzidas com uso de IA em algum nível. Vale reforçar que esse é o universo total, considerando também páginas anteriores a 2022, quando o ChatGPT foi liberado ao público. Considerando um recorte mais recente, 35% das publicações trazem inteligência artificial na sua construção.

Outros dados destacados pela Pew mostram uma presença 10% maior de IA em domínios ".com", mas textos com cacoetes dos LLMs também podem ser encontrados em slugs com ".edu" e ".gov", sites normalmente relacionados a plataformas de educação ou do governo dos Estados Unidos. Domínios com ".org" foram analisados também, registrando 4,6% de produções feitas com inteligência artificial.

É importante destacar que a análise foi realizada considerando apenas conteúdos em inglês. Os links foram levantados pela plataforma Common Crawl e a identificação de IA foi feita utilizando o Open Pangram. Segundo o TechCrunch, a ferramenta pode apresentar erros de detecção, mas nada que impeça uma análise a nível "macro", com um grande volume de páginas.

Características dos textos de IA

As publicações feitas com inteligência artificial têm alguns detalhes que evidenciam o uso da ferramenta. Os textos trazem alguns cacoetes bastante comuns na geração de respostas de IA: um certo exagero no uso de travessões (–), vírgulas desnecessárias e resoluções rasas como "é isso, logo, não é aquilo".

Vale reforçar que alguns desses vícios são comuns em determinadas produções, como nos próprios textos jornalísticos – eu, particularmente, gosto bastante do uso de travessão para organizar certas ideias. Da mesma forma, artigos científicos e publicações acadêmicas também contam com cacoetes do tipo, além de circularem bastante certas ideias para entregar o máximo de detalhes numa explicação, por exemplo.

A diferença está nos cenários em que esses vícios aparecem, normalmente sendo utilizados de maneira desnecessária. A pesquisa da Pew aponta o aumento da frequência desses trejeitos linguísticos como evidência: um uso de vírgulas facultativas 63% maior nos textos, o dobro de palavras comuns em respostas de IA e três vezes mais paralelismo negativo nos textos.

Mais uma evidência de AI Slop nos dias de hoje

Os casos de AI Slop têm sido cada vez mais frequentes na Internet – e não só por aqui. O TB noticiou recentemente os problemas que Consultores Legislativos enfrentam no Congresso dos Estados Unidos ao perder a maior parte do seu tempo revisando projetos de lei com erros clássicos de IA. Da mesma forma, redes sociais como o LinkedIn vêm tentando contornar a situação com uma distribuição menor de posts feitos com IA.

As próprias empresas de inteligência artificial têm conhecimento da presença massiva de conteúdos produzidos por seus modelos na Internet, e utilizam livros impressos lançados antes de 2022 como fonte para treinar suas IAs em um volume cada vez maior. Soma-se a isso a pesquisa da Cloudflare, destacando o tráfego de bots nas pesquisas online superando as buscas humanas.

Um em cada três sites criados após ChatGPT tem sinais de IA