alvi-se/ai-ublock-blacklistSiti web che ho personalmente trovato e che sono generati interamente da IA. Pull request benvenute.
Una lista personale per uBlock Origin che blocca le fattorie di contenuti AI. Le pull request sono benvenute.
Puoi cliccare qui per iscriverti automaticamente a questa lista. Questo link funziona solo se hai installato uBlock Origin.
In alternativa, importa il seguente URL come lista di terze parti in uBlock Origin.
https://raw.githubusercontent.com/alvi-se/ai-ublock-blacklist/master/list.txtDurante la navigazione capita a volte la maggior parte delle volte di imbattersi in siti web il cui testo è scritto da AI generativa. Questi siti non forniscono informazioni utili, hanno contenuti mediocri e sono pieni di pubblicità e link di affiliazione per guadagnare. Quindi, quando trovo questo tipo di sito, lo inserisco qui.
L'idea chiave è semplice: se volessi che la mia domanda ricevesse risposta dall'AI, la chiederei all'AI. Se cerco online, significa che voglio una risposta scritta da una persona. Una persona ha esperienza, opinioni, idee, creatività e molte altre informazioni che potrebbe voler condividere con il web. L'AI no.
Inoltre, i contenuti AI possono anche essere pericolosi: gli articoli nelle fattorie di contenuti non vengono controllati da nessuno prima della pubblicazione, poiché vengono generati massivamente. Un'AI potrebbe allucinare quando scrive di argomenti pericolosi: potrebbe suggerirti di cortocircuitare il tuo circuito stampato. Oppure di eseguire comandi pericolosi sul tuo PC come rm -rf /. O di mescolare candeggina e ammoniaca (NON FARE QUESTE COSE). I contenuti generati dall'AI non sono affidabili e, se nessuno controlla ciò che viene pubblicato, devono essere bloccati.
Come ho detto, aggiungo pagine mentre navigo, quindi ogni voce viene aggiunta manualmente. Non sto considerando l'uso di strumenti automatizzati semplicemente perché è difficile per un algoritmo capire se una pagina è generata dall'AI o meno, specialmente con le linee guida che ho scritto di seguito. Si potrebbe obiettare che questa lista è inutile perché è troppo corta. Tuttavia, poiché questi siti fanno SEO per apparire primi nei motori di ricerca, incontrerai lo stesso sito più di una volta, specialmente per ricerche correlate tra loro. Ho scoperto che questa lista blocca i siti fin dal primo giorno in cui ho iniziato a scriverla, anche con pochissime voci.
Tuttavia, c'è effettivamente un certo bias nelle mie voci. Ad esempio, essendo cittadino italiano, troverai molti siti italiani. Questo è un altro motivo per cui le pull request sono benvenute.
Se non sei un utente tecnico e non sai come funziona GitHub, segnala i tuoi sospetti creando un'issue, cliccando qui.
Se vuoi creare una pull request, ecco come aggiungere un sito web alla lista. Innanzitutto, cerca di trovare l'ambito dello spammer AI. Di solito sarà un dominio, ma ho trovato anche molti blog Medium o blog dev.to. Queste piattaforme non dovrebbero essere bloccate completamente, ma solo il blog che sta spammando.
Supponiamo che tu voglia aggiungere la voce example.com/@slopUser, basta aggiungere una riga al file list.txt come segue:
||example.com/@slopUser^$doc
L'intero dominio example.com ospita immondizia AI, dici? Aggiungi solo il dominio:
||example.com^$doc
Se odi davvero l'AI e hai molto tempo da spendere, sei il benvenuto a fare qualche ricerca sul sito che hai trovato. La maggior parte di queste fattorie di contenuti sono costruite da persone o organizzazioni che vendono SEO e marketing digitale. Se trovi la fonte, potresti anche trovare altre fattorie di contenuti che hanno creato. Se lo fai, aggiungile in fondo al file.
Le fattorie di contenuti hanno alcuni pattern che le rendono riconoscibili. Ecco quelli che ho capito. Ovviamente, non sono regole rigide.
Introduzione e conclusione superflue: questo è probabilmente il modo più semplice per individuare le fattorie di contenuti. Spesso l'introduzione è anche fastidiosamente barocca. Ad esempio, clicchi su una guida su come usare una funzionalità specifica in Flutter. L'articolo inizierebbe dando un'introduzione su Flutter stesso come la seguente:
Nel panorama digitale odierno in rapida evoluzione, gli utenti si aspettano che le app siano veloci, belle e coerenti su ogni dispositivo che toccano.
Probabilmente, nessun essere umano scriverebbe una tale introduzione per spiegare una funzionalità specifica. Potrebbe andare bene per parlare in generale di Flutter (ancora troppo barocca però), ma non per un codice super specifico che può essere capito solo da sviluppatori esperti. Se scrivo un articolo del genere, suppongo che il lettore sappia già cos'è Flutter!
[argomento]: Una Guida Completa/Una Guida Passo-Passo/Guida Definitiva: i LLM amano queste frasi ad effetto per i titoli di tutorial e guide.
Nessun/pochi link a contenuti esterni
Nessuna fonte e riferimento: come sopra, ma per fonti su fatti. Questo è molto importante da verificare, specialmente per articoli su (pseudo)scienza, politica e contenuti che potrebbero diffondere disinformazione.
Link di affiliazione ovunque: le fattorie di contenuti esistono solo per fare soldi. Ho visto personalmente siti che mettono sfacciatamente consigli di acquisto nelle barre di navigazione o nei piè di pagina.
Riferimento al prodotto dell'azienda: il sito è di proprietà di un'azienda che vende qualche prodotto o servizio. La pagina sarà probabilmente del tipo "Come risolvere [problema]" -> acquista il nostro prodotto.
Blog con centinaia di migliaia di articoli: specialmente quando pubblicati in un lasso di tempo molto breve. Molti blog AI slop pubblicano decine o centinaia di articoli al giorno, per lo più dello stesso autore.
Allucinazioni: il contenuto è palesemente sbagliato.
Data successiva a novembre 2022: l'hype dell'AI è iniziato con il rilascio di ChatGPT a novembre 2022. Una linea guida debole, certamente, ma si aggiunge a tutte le altre. Le date possono però essere facilmente falsificate.
Nessuna/poche immagini, video, media non testuali: queste pagine vengono generate e pubblicate automaticamente, ed è difficile generare altri tipi di contenuti da inserire nella pagina.
: di solito è il banner dell'articolo o il logo del blog.
Poiché gli utenti di AI sono abbastanza stupidi da copiare-incollare le risposte dei LLM senza leggerle, il LLM a volte si rivela, ad esempio nell'introduzione del contenuto.
I seguenti sono alcuni Google Dorks per trovare pagine generate al 100% dall'AI. Tali pagine avranno il loro intero dominio inserito nella lista uBlock.
I Dorks possono essere facilmente generati chiedendo a un LLM di generare contenuti ingenui, ad esempio con il prompt Generate an article for my blog about dogs.
Il LLM risponderà con un'introduzione come Sure! Here's an article about. Prendi questa frase e cercala tra virgolette.
# Inglese
"Sure! Here's an article about"
# Italiano
"Certo! Ecco un articolo"
Quando i marketer SEO si pubblicizzano, a volte pubblicano fogli di calcolo Google in cui elencano i siti web che controllano. Questo serve principalmente per vendere backlink: quando il tuo sito è linkato da molti altri, i motori di ricerca tendono a considerarlo più affidabile e quindi ne aumentano il ranking. O almeno, questo è ciò che dicono le persone che vendono backlink. Non sono un esperto SEO, quindi non so se funzioni realmente. Tuttavia, ho notato che i siti elencati in questi fogli di calcolo sono per lo più AI slop. Questo può essere un modo efficace per aggiungere massivamente siti alla lista. Tuttavia, aumenta le probabilità di falsi positivi: non c'è garanzia che i siti siano effettivamente AI slop. L'issue 31 mostra un chiaro esempio in cui siti web popolari sono stati accidentalmente aggiunti alla lista.
Quello che suggerisco è di scaricare il foglio di calcolo e analizzarlo, per trovare potenziali falsi positivi e rimuoverli dalla lista. Ecco alcuni modi per analizzare il foglio di calcolo:
Formattazione del testo scadente
Caratteri Markdown non renderizzati: il testo non ha formattazione e presenta sintassi Markdown.
Post lungo, con contenuti inutili o fuori contesto: a un certo punto l'articolo può iniziare a parlare di un altro argomento, correlato a quello originale ma irrilevante.
Sempre in cima ai risultati dei motori di ricerca: stanno ovviamente abusando della SEO.
Blog che sa tutto: lo stesso blog appare nel motore di ricerca per argomenti completamente diversi.
Contenuti vaghi: molti titoli, ciascuno con un breve contenuto che non fornisce informazioni utili.
Informazioni di contatto non professionali o mancanti: hanno comprato un dominio, perché usano Gmail per i contatti?
Pagina "chi siamo" vaga o mancante
Contenuti entusiasti dell'AI: se qualcuno ama ChatGPT lo userà per tutto. Quindi se ti imbatti in un blog devoto all'AI, è al 100% generato dall'AI.