Jak zbadano internet?

Naukowcy przeanalizowali 490 000 anglojęzycznych stron pochodzących z 49 zbiorów Common Crawl — niekomercyjnego archiwum internetu — zebranych od stycznia 2021 r. do lipca 2026 r. Teksty stron przepuszczono przez Open Pangram, narzędzie wykorzystujące model uczenia maszynowego do szacowania, czy treść została prawdopodobnie napisana lub w znacznym stopniu zredagowana przez AI.

Najbardziej przejrzysty obraz sytuacji daje losowa próba z lipca 2026 r.: jedna na dziesięć stron przekroczyła próg uznany przez Pew za istotny sygnał udziału AI. Wynik dla datowanych stron po 30 listopada 2022 r. pokazuje natomiast, jak silnie zmienił się internet po upowszechnieniu generatywnej sztucznej inteligencji — ale nie jest pełnym spisem całej nowej zawartości sieci.

Największy wzrost w domenach komercyjnych

Sygnały AI nie rozkładały się równomiernie między typami domen. W 2026 r. występowały na około 10 proc. stron z końcówką .com, podczas gdy w domenie .org odsetek wynosił 4,6 proc. Dla stron .edu i .gov było to po około 1 proc.

Przed premierą ChatGPT różnice między tymi czterema grupami domen były znacznie mniejsze. Późniejsze rozjechanie się wyników jest zgodne z tezą, że komercyjni wydawcy internetu szybciej wdrażali AI do produkcji treści. Samo badanie nie rozstrzyga jednak, dlaczego poszczególne typy domen różniły się pod tym względem.

Po czym rozpoznać styl kojarzony z AI?

Pew prześledził także cechy językowe i interpunkcyjne, które po premierze ChatGPT zaczęły pojawiać się częściej. Wśród nich znalazły się:

• pauza em dash (—), często używana do rozdzielania części zdania;
• przecinek oksfordzki, czyli przecinek przed „and” w angielskich wyliczeniach;
• słowa takie jak „delve”, „interplay”, „tapestry” i „testament”;
• tak zwany negatywny paralelizm, czyli konstrukcje w rodzaju „to nie tylko X, ale także Y”.

Częstotliwość tych markerów rosła w badanym zbiorze wraz z upływem czasu. Nie są one jednak odciskiem palca AI. Człowiek może użyć pauzy em dash albo któregoś z wymienionych słów bez pomocy chatbota, a tekst wygenerowany z udziałem AI nie musi zawierać wszystkich tych elementów.

Dlaczego wynik 35 proc. trzeba czytać ostrożnie?

Najważniejsze ograniczenie dotyczy samej technologii wykrywania. Pew uznał wynik detektora na poziomie co najmniej 0,2 za znaczący sygnał użycia AI, jednocześnie zaznaczając, że takie narzędzia mogą błędnie klasyfikować pojedyncze dokumenty. Metoda jest więc bardziej użyteczna przy badaniu dużego, losowo dobranego zbioru niż przy wydawaniu werdyktu na temat konkretnego artykułu.

„Autorstwo AI” nie oznacza tu wyłącznie tekstu wygenerowanego automatycznie od początku do końca. W badaniu mieści się całe spektrum udziału człowieka i maszyny — od pomocy przy pisaniu po znaczącą redakcję gotowego materiału. To rozróżnienie ma znaczenie dla wydawców, badaczy i czytelników próbujących ocenić, jak powstała dana treść.

Internet tworzony i odwiedzany przez automaty

Wyniki Pew opisują przede wszystkim sposób produkcji i styl treści internetowych. Osobne dane oparte na pomiarach Cloudflare wskazywały, że w czerwcu 2026 r. systemy automatyczne odpowiadały za około 57 proc. aktywności w tej sieci, a ludzie za około 43 proc. Nie jest to pomiar całego internetu ani dowód, że strony oznaczone przez Pew zostały napisane przez te same boty.

Oba zestawy danych wskazują jednak na szerszą zmianę. Internet jest coraz częściej tworzony przy pomocy AI, przeszukiwany i przetwarzany przez automatyczne systemy, a następnie konsumowany w środowisku, w którym ludzie nie są już jedyną istotną publicznością. Dane pokazują więc wyraźną transformację sposobu, w jaki powstaje i działa sieć — ale nie pozwalają rozstrzygnąć autorstwa każdej pojedynczej strony.

Jak zbadano internet?

Naukowcy przeanalizowali 490 000 anglojęzycznych stron pochodzących z 49 zbiorów Common Crawl — niekomercyjnego archiwum internetu — zebranych od stycznia 2021 r. do lipca 2026 r. Teksty stron przepuszczono przez Open Pangram, narzędzie wykorzystujące model uczenia maszynowego do szacowania, czy treść została prawdopodobnie napisana lub w znacznym stopniu zredagowana przez AI.

Najbardziej przejrzysty obraz sytuacji daje losowa próba z lipca 2026 r.: jedna na dziesięć stron przekroczyła próg uznany przez Pew za istotny sygnał udziału AI. Wynik dla datowanych stron po 30 listopada 2022 r. pokazuje natomiast, jak silnie zmienił się internet po upowszechnieniu generatywnej sztucznej inteligencji — ale nie jest pełnym spisem całej nowej zawartości sieci.

Największy wzrost w domenach komercyjnych

Sygnały AI nie rozkładały się równomiernie między typami domen. W 2026 r. występowały na około 10 proc. stron z końcówką .com, podczas gdy w domenie .org odsetek wynosił 4,6 proc. Dla stron .edu i .gov było to po około 1 proc.

Przed premierą ChatGPT różnice między tymi czterema grupami domen były znacznie mniejsze. Późniejsze rozjechanie się wyników jest zgodne z tezą, że komercyjni wydawcy internetu szybciej wdrażali AI do produkcji treści. Samo badanie nie rozstrzyga jednak, dlaczego poszczególne typy domen różniły się pod tym względem.

Po czym rozpoznać styl kojarzony z AI?

Pew prześledził także cechy językowe i interpunkcyjne, które po premierze ChatGPT zaczęły pojawiać się częściej. Wśród nich znalazły się:

• pauza em dash (—), często używana do rozdzielania części zdania;
• przecinek oksfordzki, czyli przecinek przed „and” w angielskich wyliczeniach;
• słowa takie jak „delve”, „interplay”, „tapestry” i „testament”;
• tak zwany negatywny paralelizm, czyli konstrukcje w rodzaju „to nie tylko X, ale także Y”.

Częstotliwość tych markerów rosła w badanym zbiorze wraz z upływem czasu. Nie są one jednak odciskiem palca AI. Człowiek może użyć pauzy em dash albo któregoś z wymienionych słów bez pomocy chatbota, a tekst wygenerowany z udziałem AI nie musi zawierać wszystkich tych elementów.

Dlaczego wynik 35 proc. trzeba czytać ostrożnie?

Najważniejsze ograniczenie dotyczy samej technologii wykrywania. Pew uznał wynik detektora na poziomie co najmniej 0,2 za znaczący sygnał użycia AI, jednocześnie zaznaczając, że takie narzędzia mogą błędnie klasyfikować pojedyncze dokumenty. Metoda jest więc bardziej użyteczna przy badaniu dużego, losowo dobranego zbioru niż przy wydawaniu werdyktu na temat konkretnego artykułu.

„Autorstwo AI” nie oznacza tu wyłącznie tekstu wygenerowanego automatycznie od początku do końca. W badaniu mieści się całe spektrum udziału człowieka i maszyny — od pomocy przy pisaniu po znaczącą redakcję gotowego materiału. To rozróżnienie ma znaczenie dla wydawców, badaczy i czytelników próbujących ocenić, jak powstała dana treść.

Internet tworzony i odwiedzany przez automaty

Wyniki Pew opisują przede wszystkim sposób produkcji i styl treści internetowych. Osobne dane oparte na pomiarach Cloudflare wskazywały, że w czerwcu 2026 r. systemy automatyczne odpowiadały za około 57 proc. aktywności w tej sieci, a ludzie za około 43 proc. Nie jest to pomiar całego internetu ani dowód, że strony oznaczone przez Pew zostały napisane przez te same boty.

Oba zestawy danych wskazują jednak na szerszą zmianę. Internet jest coraz częściej tworzony przy pomocy AI, przeszukiwany i przetwarzany przez automatyczne systemy, a następnie konsumowany w środowisku, w którym ludzie nie są już jedyną istotną publicznością. Dane pokazują więc wyraźną transformację sposobu, w jaki powstaje i działa sieć — ale nie pozwalają rozstrzygnąć autorstwa każdej pojedynczej strony.