AI生成内容模型崩溃

Ethan Smith 团队做了一项严谨研究来验证这个问题，方法是：用经过验证的 AI 内容检测器（先用生成内容和 Common Crawl 历史真人内容做校准，误报率约 8%，判定其足够准确），分别检测 Google 搜索结果页和 ChatGPT 引用来源的内容构成。

核心发现：

1. 纯 AI 生成内容目前并不能赢：Google 搜索结果中约 10%-12% 是 AI 生成，ChatGPT 引用来源中约 90% 不是 AI 生成——相关性分析也印证了同一结论。人工辅助（AI-assisted，人类编辑把关）的内容会继续是主流，但 100% 无人把关的 AI 生成内容效果不好。
2. 意外发现——全网 AI 生成内容占比已超过人类原创内容：对过去五年 Common Crawl 十万个 URL 抽样分析显示，AI 生成内容比例已经反超人类创作内容。
3. "如果 AI 内容真的有效，系统会自我坍缩"的推演：作者用 2007 年 programmatic SEO/spam 的亲身经历做类比——当年他和同行靠"互相抓取内容、拼凑重组"做出上亿张自动页面，一度奏效，随后被 Google 算法（Panda 等）连根拔起，整个品类的公司随即消失。作者判断同样的事会发生在 AI 生成内容上：如果它真的有效，所有人都会去做，内容会迅速从"大部分是 AI 生成"滑向"几乎全部是 AI 生成"；届时 Google 本质上会变成"给 ChatGPT 生成内容做索引的搜索引擎"，其存在的意义就会消失（正如 2007 年 Google 直接砍掉比价网站品类，自己做电商结果一样）。
4. "衍生物的衍生物"导致的 wisdom-of-crowd 崩塌（对应学术界的 Model Collapse）：作者团队进一步测试——如果不断把 AI 生成内容喂给 RAG、再让 LLM 总结这些总结、循环往复会发生什么。结论是：LLM 本质是在总结"群体智慧"（例如"最好吃的冰淇淋口味是什么"本应有成千上万种真实意见，取平均往往比单一最佳个体的判断更好）；但一旦不断递归总结衍生内容，多样性会持续收窄，最终收敛到单一"标准答案"（例子：最终只会说"是香草，而且只有香草"），丧失群体智慧本该提供的多样性和准确性。这与学术界关于"用模型自身生成数据训练核心模型会导致模型崩塌（Model Collapse）、产生大量幻觉"的研究结论相呼应，只是这里验证的是 RAG 检索层而非核心模型训练层。