O lançamento do ChatGPT em 2022 marcou um ponto de virada para as inteligências artificiais, que se tornaram cada vez mais proeminentes em diversos tipos de conteúdo na internet. Uma investigação conduzida pelo Pew Research Center forneceu dados para sustentar essa afirmação, revelando que, desde a introdução do modelo da OpenAI, um em cada três sites registrados contém elementos de IA em algum grau, especialmente nos textos publicados.
Este levantamento analisou links recentes e identificou uma quantidade significativa de conteúdos que exibem características linguísticas muito comuns nas respostas geradas por Grandes Modelos de Linguagem (LLMs). Entre essas características estão o emprego excessivo de travessões (–), o uso da vírgula de Oxford, considerada desnecessária para a clareza textual, e a inserção de vocabulário excessivamente rebuscado para o contexto específico.
Conforme reportado pelo TechCrunch, que deu repercussão ao estudo, esses achados surgem logo após outra pesquisa realizada pela Cloudflare, a qual apontou que o tráfego de robôs na internet ultrapassou o de usuários humanos, um evento que ocorreu antes do previsto pela plataforma. Isso sugere que há um aumento no número de IAs realizando pesquisas online e consumindo materiais redigidos por inteligência artificial.
A pesquisa do Pew Research Center detalhou o uso de IA na web nos últimos anos. Dos dez mil domínios monitorados atualmente, pelo menos 10% foram produzidos com alguma contribuição de IA. É importante notar que este dado abrange o universo total, incluindo páginas anteriores à liberação do ChatGPT em 2022. Contudo, ao focar em um período mais recente, constatou-se que 35% das publicações incorporam inteligência artificial em sua criação.
Outros dados apresentados pelo Pew indicam uma prevalência 10% maior de IA em domínios com a extensão “.com”. No entanto, textos com marcas de LLMs também foram detectados em domínios “.edu” e “.gov”, que geralmente estão associados a instituições de ensino ou órgãos governamentais dos Estados Unidos. Domínios “.org” também foram examinados, registrando 4,6% de produções feitas com auxílio de inteligência artificial.
Ressalta-se que a análise foi restrita a conteúdos em língua inglesa. Os links foram coletados através da plataforma Common Crawl, e a detecção de IA foi efetuada utilizando a ferramenta Open Pangram. Embora o TechCrunch tenha mencionado que a ferramenta pode cometer erros de detecção, isso não impede uma avaliação em escala macro, dada a vasta quantidade de páginas analisadas.
As publicações geradas por IA possuem particularidades que sinalizam o uso da tecnologia. Os textos frequentemente apresentam vícios comuns na geração de respostas de IA, como o exagero no uso de travessões (–), vírgulas supérfluas e conclusões superficiais, exemplificadas por frases como “é isso, logo, não é aquilo”.
É relevante mencionar que alguns desses padrões são comuns em certos tipos de produção, como em artigos jornalísticos – o autor expressa preferência pelo uso de travessões para estruturar ideias. Da mesma forma, artigos científicos e publicações acadêmicas também podem conter tais vícios, além de tenderem a detalhar muito as explicações para fornecer o máximo de informação.
A distinção reside nos contextos onde esses vícios aparecem, sendo usualmente empregados de modo desnecessário. O estudo do Pew aponta o crescimento da frequência dessas peculiaridades linguísticas como prova: houve um aumento de 63% no uso de vírgulas opcionais nos textos, o dobro de palavras comuns em respostas de IA e três vezes mais paralelismo negativo.
Os casos de AI Slop têm se tornado mais frequentes na internet, e não apenas neste cenário. O TB noticiou recentemente os desafios enfrentados por Consultores Legislativos no Congresso dos Estados Unidos, que gastam grande parte do tempo corrigindo projetos de lei com falhas típicas de IA. Paralelamente, redes sociais como o LinkedIn estão buscando mitigar essa situação reduzindo a proporção de publicações geradas por IA.
As próprias empresas de inteligência artificial estão cientes da presença maciça de conteúdo produzido por seus modelos na web e utilizam livros impressos lançados antes de 2022 como material de treinamento para suas IAs em volumes crescentes. A isso soma-se a pesquisa da Cloudflare, que destaca o tráfego de bots superando as buscas humanas.