コンテンツポリシー

何が起きたのか Pew Research Center の Data Labs が2026年8月20日、「How Much of the Internet Is Written With AI?」と題した調査結果を公開しました（Pew Research Center 2026-08-20）。中心の数字は2つです。2026年7月に収集した英語ウェブページ1万件のランダムサンプルのうち10%が「AI著者性の明確な兆候（significant signs of AI authorship）」を示し、HTMLから公開日を検出でき、その日付がChatGPT公開後だったページに限ると、その割合は3分の1を超える、というものです。 後者の具体値は35%です。これは報道が丸めた数字ではなく、Pew の方法論ページ本文に明記されています（Pew Research Center methodology 2026-08-20）。TechCrunch はこの35%を見出しに取りました（TechCrunch 2026-08-20）。Decrypt も2026年8月22日に、TechCrunch とは別媒体として同じ Pew 調査の数値群（10%・35%・490,000ページ・.com 9.35%など）を報じています（Decrypt 2026-08-22）。 見出しとしては「ウェブの3分の1がAI製」で流通しています。ただし10%と35%は同じ母集団の数字ではなく、後者を支える分母は前者よりはるかに小さい。そして両方とも、Open Pangram という確率的な検出モデルが出したスコアを、0.2という閾値で切った結果です。順に分解します。 調査の設計：49万ページ、49回のクロール 方法論ページに手順が明記されています（Pew Research Center methodology 2026-08-20）。 2021年1月から2026年7月までに作成された Common Crawl の49回のクロールそれぞれから、英語ページを1万件ずつランダム抽出。合計490,000ページ 判定には Pangram が公開した open-weight モデル editlens_Llama-3.2-3B を使用 モデルは0から1のスコアを出力する。0が完全に人間執筆、1が完全にAI生成 スコアが0.2以上のページを「AI著者性または編集の意味のある兆候を含む」と分類 この0.2という閾値は、商用モデル Pangram 3.3 の結果に近づくよう較正して選ばれた 使われたモデルの素性も追えます。Pangram は2026年3月24日に Open Pangram を公開しており、ICLR 2026の論文で発表した EditLens 技術をベースにした open-weight 版です。ライセンスは CC BY-NC-SA 4.0 で商用利用不可、提供されるのは30億パラメータの editlens_Llama-3.2-3B（QLoRA、系列長1,024）と3.55億パラメータの editlens_roberta-large の2つです（Pangram 2026-03-24）。 ...

何が起きたのか 英語版Wikipediaが、LLM（大規模言語モデル）による記事の執筆・書き換えを原則禁止するガイドラインを正式に採択した。RfC（Request for Comment、合意形成のための投票プロセス）は2026年3月20日にクローズし、賛成44・反対2という圧倒的多数で成立した（Medianama、2026年3月報道）。 ガイドラインのページ名は「Wikipedia:Writing articles with large language models」（WP:NEWLLM）で、Wikipediaの用語では「content guideline」に分類される。正式な「policy」（方針）ではないが、編集者は原則としてこれに従うことが求められる。 最終提案を起草した管理者Chaotic Enby氏は、「過去の提案が頓挫したのは、編集者が禁止に反対したからではなく、文言が曖昧すぎる・厳格すぎるという具体的な異議があったから」と説明している（Medianama、2026年3月報道）。 ガイドラインの中身──何が禁止で、何が許されるのか ガイドラインの核心は明確だ。「LLMを使って記事コンテンツを生成・書き換えることを禁止する」（“the use of LLMs to generate or rewrite article content is prohibited”）。 ただし、2つの例外が認められている。 1. 推敲（Copyediting） 編集者自身が書いた文章の誤字脱字修正にLLMを使うことは許可される。ただし、LLMが「依頼以上のことをして、引用元が裏付けない形でテキストの意味を変えてしまう」リスクがあると注意書きされている。出力の人間によるレビューが必須だ。 2. 翻訳 他言語版Wikipediaの記事を英語に翻訳する際の補助としてLLMを使える。ただし、Wikipedia:LLM-assisted translationの別ガイドラインに従う必要がある。 重要な制約として、AIを使った編集の最終責任は常に人間の編集者が負う。「AIが書いたから間違っていても仕方ない」は通用しない。 なぜ今、禁止に踏み切ったのか 背景には、AIが生成する情報の構造的なリスクがある。 ハルシネーションの連鎖 LLMが統計的パターンに基づいてもっともらしい虚偽を生成する現象は広く知られている。問題は、そのハルシネーションがWikipediaに掲載されると、AI企業がWikipediaをスクレイピングし、次のモデルの学習データに取り込んでしまう点だ。誤情報が循環する「フィードバックループ」が生まれる。 検証可能性の欠如 Wikipediaの根幹原則の一つに「検証可能性」（Verifiability）がある。すべての記述に信頼できる出典が必要だが、LLMは適切な出典を示さないことが多い。架空のISBN・DOIを生成するケースも報告されている。 著作権リスク LLMがトレーニングデータに含まれる著作物をほぼそのまま出力するリスクも指摘されている。WikipediaはCC BY-SAライセンスで公開されており、著作権侵害コンテンツの混入はライセンス体系全体を脅かす。 WikiProject AI Cleanup──ボランティアによる監視体制 Wikipediaのコミュニティは、ガイドライン採択以前からAI生成コンテンツの排除に取り組んできた。その中心がWikiProject AI Cleanupだ。 このプロジェクトはフランス語版Wikipediaの編集者Ilyas Lebleu氏が創設し、2023年後半から活動している（404 Media報道）。2025年8月にはAI生成テキストの検出リストを公開し、500件以上の記事にレビュータグを付けた。 プロジェクトが特定した「AIの書き方の癖」には以下のようなものがある。 「stands as a testament」「delve」「fostering」「pivotal」といった特定語彙の多用 「underscoring」を含む定型的な表層分析パターン（2024〜2025年に特に多発） Markdown形式の残留（###ヘッダーなど） 無効なISBN・DOIの生成 ただし、ガイドラインは文体的な特徴だけでは制裁の根拠にならないと明記している。AI検出ツール（GPTZeroなど）のエラー率が高いこと、人間の編集者がたまたまLLM的な文体で書く可能性があることが理由だ。制裁の判断には、コンテンツポリシーへの準拠状況と編集履歴の総合的な評価が求められる。 トラフィック減少──数字で見るWikipediaの「危機」 このガイドライン採択の背景には、AIによるWikipediaの「ただ乗り」問題がある。 Wikimedia財団が2025年10月に公表したデータ（TechCrunch、2025年10月18日報道）によると、Wikipediaの人間によるページビューは2024年比で8%減少した。2022年初頭からの累計では、1日あたりの訪問数が約1億6,500万から約1億2,800万へ、約23%減少している。 ChatGPTが引用するソースのうち、**Wikipediaは上位10サイト中47.9%**を占める（Search Engine Journal報道）。AI検索がWikipediaの情報を吸い上げ、ユーザーにWikipediaを訪問させずに回答を返している構図だ。 さらに、2025年4月時点でWikipediaのマルチメディア帯域幅需要は2024年1月比で50%増加し、そのうち少なくとも65%がボットによるスクレイピングだった（Wikimedia財団発表）。 Wikimedia財団の対応──有料API「Wikimedia Enterprise」 Wikimedia財団はAI企業に対し、無断スクレイピングをやめて有料API「Wikimedia Enterprise」を使うよう求めている（TechCrunch、2025年11月10日報道）。 ...