Przejdź do treści

Wikipedia sprząta treści pisane przez AI. Skąd się je bierze i co z tego wynika

Adam Marzec
Okładka Wikipedia: nagłówek WIKIPEDIA SPRZATA AI, karty NOWE ART. 15-16%, PROJEKT OD 2023 i PROBLEM NR 1 PRZYPISY; pieczątka ODCZYT 27.10

—

Najważniejsze informacje

CoStan na 27.10.2026
ProjektWikiProject AI Cleanup, ochotniczy, działa od 2023 (IEEE 21.10.2026)
Pomiar skali (Pangram)koniec 2025: ok. 20% nowych artykułów i szkiców oflagowanych; początek 2026: 15-16%
Wiarygodność pomiaruzero fałszywych trafień na treści sprzed ChatGPT = „conservative lower bound”
Zakazangielska Wikipedia zakazała LLM-om generowania artykułów
Główny problemprzypisy: prawdziwe źródło, niepasująca treść („extremely commonplace”)
NarzędziaAI source verifier (wolontariusze), Paste Check (WMF)
Skąd treść„the vast majority… submitted by beginner editors”

Skąd się wzięła czystka

Początek był amatorski w najlepszym sensie. Lebleu: „It was around December 2023. A few other editors and I were chatting on Wikipedia’s Discord server, and we had all seen very strange articles with the same odd characteristics. They repeated phrases like „stands as a testament” or „rich cultural heritage.” They sometimes had conclusion sections, or sections called „Why is this important?””. Te znaki rozpoznawcze ChatGPT z lat 2023-2024 były, jej słowami, „very easy to spot”. Wtedy padła decyzja o stworzeniu oficjalnego projektu, żeby „more people could deal with this”.

Dwa lata później znaki są inne. „By 2025, the signs of AI writing were becoming subtler and more structural. For example, AI loves the „rule of three,” negative parallelisms, and other structures of speech that aren’t conclusive by themselves but become meaningful as they accumulate”. Do tego kryteria spoza tekstu: „If someone writes five articles of thousands of words each in 5 minutes, there is reason to suspect AI”. Czyli diagnostyka przeniosła się z fraz na rytm pracy konta, co jest zgodne z tym, co sami obserwujemy przy redagowaniu tekstów: pojedyncze zdanie nie ma fingerprintu, konsekwencja ma. Jest tu i ironia zawodowa: „rule of three”, paralelizmy negacji i puentowanie co akapit to dokładnie te wzorce, które nasz styl redakcyjny wypluwa z naszych własnych tekstów i które teachery AI-u z innych redakcji opisują tak samo; Wikipedia doszła do tego samego kodu źródłowego od strony detekcji. Jeśli maszyna ma ulubione struktury, człowiek piszący świadomie unika ich nie dlatego, że ukrywa pochodzenie tekstu, tylko dlatego, że te struktury są wskazówką lenistwa, nie rzemiosła.

Problem, który boli najmocniej: przypisy

Najciekawsza część wywiadu dotyczy nie tekstu, a cytowań. Halucynowane przypisy, czyli całkiem zmyślone źródła, są „much rarer today because of retrieval-augmented generation”, mówi Lebleu. W ich miejsce przyszedł problem subtelniejszy: „More often, it finds a real source but gets its content completely wrong. AI citations that don’t actually support what is being written are extremely commonplace”. Prawdziwe źródło, nieprawdziwe poparcie. Dla encyklopedii, której cała wartość siedzi w weryfikowalności, to gorszy defekt niż fantazjowanie, bo nie widać go gołym okiem.

Na to społeczność odpowiada narzędziami, z których każde ma własne zastrzeżenie. Wolontariusz zbudował „AI source verifier”, sprawdzający, czy źródła na stronie pasują do twierdzeń, a Lebleu od razu dopowiada: „Since it is itself an AI model, there is no guarantee that it will be correct every time”. Wikimedia Foundation pracuje nad Paste Check, narzędziem flagującym tekst wklejony prosto z chatbota. I pojawia się zjawisko z innej strony: „we’ve seen Claude sometimes say, „I can’t write a Wikipedia article; it would go against Wikipedia’s policies””. Lebleu ocenia refusale z zimną głową: pomogłyby ludziom używającym komercyjnych modeli bez znajomości techniki, „because there are still open-weight models that can be tweaked to avoid restrictions”.

Skala: dolna granica 15-16 procent

Liczby z pomiaru Pangramem wymagają ostrożnego czytania, i Lebleu sama je kotwiczy. Test narzędzia na zawartości Wikipedii sprzed ChatGPT nie dał fałszywych trafień, więc wynik „provides a very conservative lower bound”. Na tej podstawie pod koniec 2025 nowo tworzone artykuły i szkice były oflagowane w około 20 procentach, na początku 2026 w 15-16 procentach. Przyczyny spadku nie są jasne: „we don’t yet know whether that’s because our recent policies have had an effect or because models are getting more powerful and Pangram hasn’t had time to adapt”.

Do tego dochodzi struktura zjawiska: „The vast majority of AI-generated content is submitted by beginner editors”. Stąd wysiłek edukacyjny w powitaniach, pomocy edycyjnej i poradach; zakaz jest widoczny tam, gdzie nowi zaczynają, bo tam problem żyje.

Kontrowersja, która zostanie z nami

Ostatnie pytanie wywiadu dotyka rzeczy większej niż sprzątanie. Zakaz pisania przez LLM-y początkowo był „for very practical reasons: We were flooded with AI content, we didn’t have good tools, and we needed to put a stop to it”. Ale od tego czasu, jak mówi Lebleu, „it has taken on a more philosophical dimension”: Wikipedia stała się „the last good place on the internet”, czysty korpus pisany ludźmi jest „a precious resource that isn’t replicated anywhere else”, i co ciekawe, „Even AI companies find that interesting”, bo czysty ludzki tekst to cenny materiał treningowy.

Dyskusja pod sprawą na Hacker News pokazuje obie strony tej kwestii. clarionbell: „There will be a point in the future, possibly near future, when AI will be capable of reliably producing encyclopedic content, and we’ll have tools to verify that the content produced passes reasonable standards. Today is not the day. Especially not regarding the verification.” Z drugiej strony yreg przypomina o hierarchii źródeł: „Wikipedia is a tertiary source. Its editors are parroting secondary sources… There’s no reason why LLMs couldn’t be good at that. I would rather be worried about the quality of all the primary and secondary sources going forward.”

Nasza lektura tej wymiany jest taka: spór nie dotyczy tego, czy maszyna kiedyś napisze rzetelne hasło, tylko tego, kto odpowiada za błąd. Encyklopedia z redakcją odpowiada przez proces; generacja maszynowa rozmywa odpowiedzialność między twórcę modelu, autora promptu i edytora, który nie sprawdził. Dopóki ten rozdział nie zostanie rozwiązany instytucjonalnie, czystka będzie miała rację bytu.

Polskiego odpowiednika tych regulacji nie odczytaliśmy w tej fali; stan zasad AI na pl-wiki pozostaje u nas nieodczytany i piszemy to wprost, bo temat zasługuje na osobny odczyt w rewizji. Warto przy tym pamiętać o skali: angielska Wikipedia z zakazem i projektem czystki to największy korpus encyklopedyczny świata, więc to, co tam ustalono o przypisach, detekcji i odpowiedzialności, będzie najpewniej punktem odniesienia dla mniejszych wersji językowych, w tym polskiej, niezależnie od tego, co tam formalnie postanowiono. Więcej o tym, czemu teksty maszynowe są dla czytelnika trudne do przeżucia, pisaliśmy w osobnym tekście o zrozumiałości treści AI.

Źródła

Powiązane artykuły