Pew研究近49万网页：ChatGPT发布后，AI参与内容快速扩散

检测到的语言特征意味着什么

Open Pangram评估的是一组更常出现在AI文本中的语言模式，而不是某种不可伪造的“作者指纹”。Pew列举的相关例子包括：破折号使用增加、牛津逗号使用增加、偏向AI文本的词汇，以及“否定式对举”结构——例如“不是……而是……”这类表达。

这些特征只能提供概率上的判断。人类作者同样可能使用破折号、牛津逗号或类似句式；另一方面，AI生成的内容也可能经过人工大幅修改。因此，研究结果更准确的表述是“显示出AI创作或实质性AI编辑迹象”，而不是确定有多少网页完全由AI写成。

AI检测工具本身也存在误判问题。即使一些工具在特定测试中表现较好，也可能出现假阳性——把人写的内容判为AI生成——或假阴性；外部评估结果还会受到文本类型、篇幅以及所测试模型的影响。

研究有哪些局限

• Common Crawl主要收录公开可访问的网页，因此付费墙后或必须登录才能访问的网站可能代表性不足。
• 只有约10%至15%的样本网页包含可用的发布日期字段，所以“35%”这一比例来自一个非随机的、有日期信息的子集。
• 研究对象是英语网页文本，不包括图片、视频、非英语内容，也不能直接代表整个互联网。

这对互联网意味着什么

Pew的研究显示，互联网正在发生的变化不只是“网上出现了AI内容”，而是越来越多新近发布的公开文本已经受到AI介入。这意味着，网页内容的生产方式正在从单纯的人工作业，转向人和AI共同参与的模式。

这一变化也与Cloudflare报告的另一项趋势同时出现：2026年5月，其网络上的非人类流量超过了人类流量。不过，Cloudflare统计的是自动化请求和机器人流量，并不等于AI生成文本的比例，二者不能混为一谈。

放在一起看，这些发现指向一个越来越由自动化系统生产、抓取和访问的网络。但它们并不能证明AI已经取代了人类作者，也不能证明人类整体上已经不再使用互联网。