Placebo Failures in Domain-Stratified Interrupted Time Series of Mean Lexical Diversity on the Post-2022 Web: A Methodological Caution on Common Crawl MATTR/MTLD Break- point Identification (with Secondary LLM-Associated Vocabulary Markers)
تُثبت هذه الدراسة المنهجية أن الادعاءات بحدوث انخفاض في متوسط التنوع المعجمي عبر الويب الإنجليزي بعد عام 2022 ليست قوية، حيث تكشف اختبارات "البلاتسيبو" عن نقاط انكسار زائفة في مجالات متعددة، بينما تظل التحليلات المتبقية الصالحة إحصائياً ضعيفة وغير حاسمة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تترك كل تقنية اتصالات رئيسية أثراً على كيفية حديثنا وكتابتنا. فعندما وصلت المطبعة، قامت بتوحيد قواعد الإملاء والنحو. وعندما سيطرت الإنترنت، سرعت من انتشار العامية والجمل القصيرة. والآن، دخلت قوة جديدة على الخط: الذكاء الاصطناعي الذي يكتب نيابة عنا. إن نماذج اللغة الكبيرة هذه لا تنقل اللغة البشرية فحسب، بل تولدها بكميات هائلة، وغالباً ما تفضل الخيارات اللفظية الشائعة والآمنة والمتوقعة على تلك النادرة أو غير المألوفة. وهذا يثير سؤالاً بسيطاً ولكنه عميق حول مستقبل التعبير البشري: إذا كانت الآلات تكتب جزءاً كبيراً من النصوص على الشبكة المفتوحة، فهل ستصبح اللغة نفسها أبسط، وأقل تنوعاً، وأكثر نمطية؟
لطالما اشتبه الباحثون في أن هذا قد يحدث. ففي الاختبارات المنضبطة، غالباً ما تستخدم النصوص المولدة حاسوبياً كلمات متميزة أقل مما يكتبه البشر. وتشير بعض الدراسات إلى أنه مع استخدام الناس لهذه الأدوات لصقل مسوداتهم الخاصة، قد تنزاح كتابتهم نحو أسلوب مشترك ومتوسط، مما يفقدها تعقيدها الفريد. ومع ذلك، فإن إثبات ذلك على الإنترنت الحقيقي الفوضوي أمر صعب. فالويب مكان فوضوي حيث تتغير دورات الأخبار، واتجاهات الإعلانات، وقواعد المنصات باستمرار. ولإيجاد إشارة للتأثير الاصطناعي، يجب على العلماء التمييز بين التحول الحقيقي الناتج عن الذكاء الاصطناعي وبين الضجيج الطبيعي للإنترنت. عليهم أن يعرفوا ما إذا كانت اللغة تتغير حقاً أم أنهم يشاهدون مجرد خدعة ضوئية.
وضعت دراسة جديدة هدفاً للإجابة على ذلك عبر معاملة الإنترنت كآلة زمن. جمع الباحثون مجموعة ضخمة من صفحات الويب باللغة الإنجليزية من أرشيف عام معروف باسم "Common Crawl"، تغطي الفترة من أوائل عام 2020 إلى أواخر عام 2024. وهذا الجدول الزمني أمر بالغ الأهمية لأنه يتضمن الوقت قبل وبعد إصدار روبوت دردشة شهير في نوفمبر 2022، وهي لحظة يُشار إليها غالباً كبداية لتبني الذكاء الاصطناعي على نطاق واسع. قسم الفريق الويب إلى "أحياء" مختلفة لمعرفة ما إذا كان التأثير يختلف باختلاف السياق؛ حيث نظروا في المواقع الإخبارية، والمدونات الشخصية، ومنتديات النقاش العامة، وصفحات التجارة عبر الإنترنت. ولكل من هذه المجموعات، قاموا بقياس شيئين محددين: عدد الكلمات المختلفة التي ظهرت في النص (التنوع المعجمي) وكيفية ترتيب تلك الكلمات. كما بحثوا عن مجموعة محددة من الكلمات التي أصبحت شائعة مع نماذج الذكاء الاصطناعي، مثل "delve" (يتعمق)، و"tapestry" (نسيج)، و"landscape" (مشهد/تضاريس)، ليروا ما إذا كانت هذه العلامات ترتفع في وتيرة تكرارها.
استخدم الباحثون طريقة تسمى "السلاسل الزمنية المتقطعة"، وهي في الأساس وسيلة لتتبع خط اتجاه عبر الزمن لمعرفة ما إذا كان هناك شيء مفاجئ يحدث في تاريخ معين. توقعوا أنه إذا كان الذكنا الاصطناعي يعيد تشكيل الويب، فإن خطوط الاتجاه للتنوع اللفظي ستظهر انخفاضاً حاداً مباشرة بعد نوفمبر 2022. كما أجروا فحصاً صارماً لضمان سلامة منهجيتهم؛ فقبل النظر في البيانات الحقيقية، اختبروا نظامهم على تواريخ وهمية في الماضي. فإذا ادعى النظام وجود تغيير مفاجئ في تاريخ لم يحدث فيه شيء، فهذا يعني أن المنهج كان شديد الحساسية ومن المرجح أن يعطي إنذارات كاذبة. هذه الخطوة حيوية لأن الإنترنت مليء بالارتفاعات والانخفاضات العشوائية التي لا علاقة لها بالذكاء الاصطناعي.
جاءت نتائج هذا الاستقصاء الدقيق هادئة بشكل مفاجئ. فعندما نظر الباحثون في البيانات الحقيقية، لم يجدوا انخفاضاً قوياً وذا دلالة إحصائية في تنوع الكلمات كما توقع الكثيرون. وفي الواقع، عندما طبقوا قواعدهم الصارمة لما يعتبر اكتشافاً صالحاً، كانت الأدلة المتبقية غير حاسمة؛ فقد كانت البيانات صاخبة جداً لتأكيد حدوث تغيير، ولكنها أيضاً غير كافية لإثبات عدم حدوثه. المجموعات الوحيدة التي أظهرت تراجعاً محتملاً كانت صغيرة وضعيفة إحصائياً، مما يعني أن البيانات كانت صاخبة جداً للقول بيقين عما إذا كان قد حدث تغيير. وتذكر الدراسة صراحة أنه لا يوجد "فراغ معلوماتي ذو قوة" (informative powered null) متبقٍ، مما يعني أنها لا تستطيع استبعاد انخفاض تنوع اللغة بشكل قاطع، ولا يمكنها تأكيد ذلك أيضاً. حتى اختبارات "العنصر الوهمي" (placebo)، التي عملت كمجموعة ضابطة، أظهرت أن المنهج يمكن أن يخطئ بسهولة في اعتبار ضجيج الإنترنت العشوائي اتجاهاً حقيقياً. فعلى سبيل المثال، رصد النظام في فئة الأخبار تحولاً كبيراً في تاريخ وهمي في عام 2021، مما أثبت أن المنهج لم يكن قوياً بما يكفي للوثوق بالنتائج الحقيقية دون مزيد من الإثبات.
وجدت الدراسة بعض الإشارات إلى أن المفردات المرتبطة بالذكاء الاصطناعي أصبحت أكثر شيوعاً قليلاً، لا سيما في الكتابة التجارية والإخبارية. ومع ذلك، كان هذا الارتفاع طفيفاً ولم يصمد أمام الاختبارات الإحصائية الصارمة المستخدمة لاستبعاد المصادفة. وهذا يشير إلى أنه بينما قد يترك الذكاء الاصطناعي بصمة أسلوبية خافتة، إلا أنه لم يتسبب بعد في جعل اللغة أبسط أو أكثر نمطية بشكل يمكن قياسه بوضوح. وخلص الباحثون إلى أن فكرة حدوث انخفاض مفاجئ وواسع النطاق في تعقيد اللغة عقب إطلاق أدوات الذكاء الاصطناعي لا تدعمها البيانات من هذه الفترة، لكن غياب الإشارة الواضحة يعود إلى محدودية البيانات وليس دليلاً قاطعاً على عدم حدوث شيء. ويبدو أن لغة الويب، على الأقل في السنوات التي أعقبت طفرة الذكاء الاصطناعي مباشرة، قد احتفظت بتنوعها، رغم أن الدراسة لا يمكنها تأكيد ذلك بيقين مطلق.
هذا لا يعني أن للذكاء الاصطناعي أي تأثير على اللغة، بل يعني أن تأثيره أصعب في الكشف عنه من مجرد انخفاض بسيط في تنوع الكلمات. تسلط الدراسة الضوء على صعوبة قياس مثل هذه التغييرات في نظام بيئي حي ومتفاعل مثل الإنترنت. وأشار الباحثون إلى أن بياناتهم كانت محدودة بعدد المستندات التي يمكنهم معالجتها وبالطريقة المحددة التي تُجمع بها أرشيفات الإنترنت. كما أكدوا أن نتائجهم خاصة بالفترة الزمنية التي درسوها وأنواع المواقع التي فحصوها. لم يجدوا "دليلاً دامغاً" يثبت أن الذكاء الاصطناعي قد جعل الكتابة البشرية متجانسة، لكنهم لم يثبتوا أيضاً أنه لن يفعل ذلك أبداً. إن قصة كيفية تغيير الذكاء الاصطناعي للغة لا تزال تُكتب، وتعمل هذه الدراسة كتحذير: قد تكون التغييرات دقيقة، ومعقدة، ومن السهل الخلط بينها وبين الضجيج الطبيعي للعالم الرقمي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.