斯坦福大学研究团队在Cell Press旗下《Patterns》期刊发表最新研究，通过对Newswire、PRWeb和PRNewswire等主流平台的英语文本进行系统分析，发现人工智能生成内容已深度渗透正式书面交流场景。该研究采用名为"分布式语言模型量化框架"的统计模型，通过语言特征分布分析特定时间段内AI生成文本的占比，但目前该方法仅适用于英语语料。
研究团队对2023年海量文本数据进行抽样分析，包括68.7万份消费者投诉、53.7万篇企业新闻稿、3.04亿条招聘信息以及1.6万篇联合国官方文稿。结果显示，约24%的企业新闻稿、18%的消费者投诉、14%的联合国新闻稿以及近10%的招聘信息存在显著AI生成特征。这些文本或直接由大模型生成，或经过深度编辑修改。
数据对比显示，教育水平较低地区的投诉文本中AI使用率达19.9%，高于教育水平较高地区的17.4%。在招聘领域，中小企业和初创公司表现尤为突出，约10%-15%的招聘公告带有明显AI生成痕迹。研究人员指出，这种差异可能与资源获取能力和写作效率需求有关。
该统计模型通过分析词汇选择、句式结构、语义连贯性等语言特征，建立AI生成文本的识别标准。但研究团队特别说明，检测结果仅反映文本中AI参与的程度，不能等同于全文由AI独立完成。目前的技术手段仍无法精确区分人类修改与AI原创的界限。
随着生成式AI技术的持续进化，其文本生成能力与人类写作风格的界限日益模糊。研究人员提醒，未来识别文本中AI参与度的难度将不断增加，这对内容真实性核查和学术诚信管理提出了新挑战。当前研究仅覆盖英语文本，其他语种的AI渗透情况仍有待进一步探索。
