皮尤研究：ChatGPT 之后上线的英文网页，35% 带明显 AI 痕迹

皮尤研究中心分析了近 50 万个英文网页，得到一个不太好看的比例：整体来看 10% 的页面有明显的 AI 撰写痕迹，而如果只看 ChatGPT 发布之后新上线的页面，这个数字是 35%。

更有意思的是他们用来判断的特征。研究列了几项统计上的偏移：破折号的使用频率大约翻了一倍，牛津逗号增加了 63%，聊天机器人偏爱的那批高频词出现率翻倍。这些都不是内容层面的判断，是纯粹的书写习惯计量——人类写作里这些标点和词的分布是相对稳定的，突然整体位移，来源基本只有一个。

域名后缀之间的差距也很明显。.com 站点的 AI 痕迹大约是 .org 的两倍，是 .edu 和 .gov 的十倍。这个梯度符合直觉：商业站要跑量，教育和政府站的内容生产是另一套流程和另一套问责机制。

研究发布的时间点也值得说一句。最近一年”死互联网理论”的讨论声量一直在涨，核心担忧是网上越来越多的内容不是人写给人看的，而是机器写给机器排的。皮尤这份数据不能证明那个理论，但确实给了它一个可引用的量化锚点。

对做内容的人来说，这份研究的实际用处可能在反向：既然特征这么可数，那些特征就是需要主动规避的清单。破折号少用、句式别太整齐、别把段落长度做得一样齐——不是为了骗检测器，是因为读者对”这段是机器写的”这件事的直觉，恰好也是从这些地方来的。

另一个没被讨论的问题是训练数据。如果新增网页里三分之一带机器痕迹，下一代模型的语料就会大量吃进上一代模型的输出。这个循环跑几轮之后会发生什么，目前谁也没有可靠答案。