Một nhà nghiên cứu vừa chia sẻ trên Hacker News dự án huấn luyện model có khả năng nhận diện nội dung web do AI tạo ra, với điểm đặc biệt là chỉ dựa vào cấu trúc (structure) của trang web thay vì phân tích nội dung văn bản.
Phương pháp này khai thác một quan sát thú vị: nội dung do AI tạo ra thường có những đặc điểm cấu trúc HTML khác biệt so với nội dung do con người viết và dàn trang. Bằng cách phân tích các pattern trong cách tổ chức thẻ HTML, bố cục trang, và cấu trúc DOM, model có thể phân biệt được trang web có nội dung AI-generated mà không cần đọc hiểu ngữ nghĩa của văn bản.
Dự án được công bố dưới dạng bài nghiên cứu trên arXiv thông qua nền tảng arXivLabs – framework cho phép cộng tác viên phát triển và chia sẻ các tính năng mới trực tiếp trên website arXiv, tuân thủ các giá trị về tính mở, cộng đồng và quyền riêng tư dữ liệu người dùng.
Cách tiếp cận dựa trên cấu trúc có một số ưu điểm đáng chú ý: nó có thể hoạt động đa ngôn ngữ mà không cần huấn luyện riêng cho từng ngôn ngữ, đồng thời khó bị đánh lừa hơn so với các phương pháp phát hiện AI dựa trên phân tích văn bản truyền thống.
Đối với cộng đồng AI và web Việt Nam, nghiên cứu này mở ra hướng tiếp cận mới trong việc kiểm soát chất lượng nội dung trực tuyến – một vấn đề ngày càng cấp bách khi nội dung do AI tạo ra đang tràn ngập internet với tốc độ chóng mặt.
Nguồn: Hacker News — Biên dịch & tổng hợp: danhbaai.com