一项最新调查显示，在ChatGPT发布后上线的网页中，35%存在AI生成或深度编辑痕迹。

据IT媒体TechRadar当地时间25日报道，Pew Research基于Common Crawl项目数据，对约49万条英文网页进行分析，并从中随机抽取1万页复核。结果显示，整体样本中有9.6%的页面可识别出AI生成或深度编辑痕迹。

这项研究使用的是Common Crawl收录的英文网页档案，覆盖2021年至2026年7月间采集的页面。研究团队随后在2026年7月从中随机抽取1万页，进一步核查是否存在AI参与写作或编辑的迹象。由于样本中包含大量AI工具普及前就已存在的早期页面，因此整体占比也受到这部分旧内容影响。

从总体结果看，全部样本中有9.6%的页面出现AI生成或深度编辑痕迹。若仅统计2022年11月ChatGPT发布后的页面，这一比例则升至35%。Pew Research据此认为，近年来网页内容在写作和编辑环节引入AI的情况正在快速增加。

不同域名之间的差异也较为明显。在此次抽样复核样本中，相关痕迹主要集中在商业性质更强的.com域名页面；美国教育机构常用的.edu域名页面占比约为1%，政府机构常用的.gov域名页面约为0.8%，.org域名页面约为4.6%。这表明，商业网站对AI工具的使用相对更为活跃。

除页面占比外，Pew Research还对约49万条英文网页进行了进一步分析，以梳理更常见于AI文本的语言模式。数据显示，2023年后发布的页面中，长破折号（em dash）的使用频率约为此前的两倍，Oxford comma的使用频率增加了63%。

研究还发现，一些更常见于AI文本的词汇使用明显上升，包括delve（“深入探究”）、interplay（“相互作用”）和testament（“证据/佐证”）等，这些词在2023年后的页面中使用频率均升至两倍以上。同时，“not only X but also Y”这类句式的使用频率在同期也接近增至3倍。

不过，Pew Research强调，不能仅凭上述特征就断定某篇文章由AI生成。因为无论是长破折号还是Oxford comma，在人工写作中同样十分常见。研究团队指出，相较于单篇文本中的个别词汇或标点，更需要结合大规模文本中的词汇选择和句式结构统计模式，才能更准确地判断内容是否经过AI生成或深度编辑。

这项研究也显示出AI内容检测的局限性：仅依赖个别标点、词汇或句式，很难清晰区分人工写作与AI生成文本。但从大规模网页样本的统计结果来看，AI特有的语言模式正在整个网络内容中变得更加明显。

此外，不同类型网站在AI使用上的分化也日益清晰。商业网站更容易出现AI使用痕迹，而教育机构和政府机构网站的相关比例仍处于较低水平。在AI内容与人工内容越来越难区分的背景下，如何建立更可靠的内容可信度判断标准，正成为新的议题。