AI uBlock Origin Blacklist

Персональный список для uBlock Origin, блокирующий ИИ-контент-фермы. Pull request'ы приветствуются.

Установка

Вы можете нажать сюда, чтобы автоматически подписаться на этот список. Эта ссылка работает только если у вас установлен uBlock Origin.

Также можно импортировать следующий URL как сторонний список в uBlock Origin.

https://raw.githubusercontent.com/alvi-se/ai-ublock-blacklist/master/list.txt

Зачем?

Во время серфинга ~~иногда~~ в большинстве случаев я натыкаюсь на сайты, текст которых написан генеративным ИИ. Эти сайты не предоставляют полезной информации, имеют посредственный контент и забиты рекламой и реферальными ссылками для заработка. Поэтому, когда я нахожу такие сайты, я добавляю их сюда.

Основная идея проста: если бы я хотел, чтобы на мой вопрос ответил ИИ, я бы спросил ИИ. Если я ищу что-то в интернете, это значит, что я хочу ответ, написанный человеком. У человека есть опыт, мнения, идеи, креативность и много другой информации, которой он хочет поделиться в сети. У ИИ этого нет.

Более того, ИИ-контент может быть опасным: статьи на контент-фермах никем не проверяются перед публикацией, так как они генерируются массово. ИИ может галлюцинировать, когда пишет об опасных темах: он может предложить вам замкнуть цепь на вашей плате. Или выполнить опасные команды на вашем ПК, например rm -rf /. Или смешать отбеливатель и нашатырный спирт (НЕ ДЕЛАЙТЕ ЭТОГО). ИИ-генерированный контент ненадёжен, и если никто не проверяет публикуемое, его нужно блокировать.

Как уже говорил, я добавляю страницы по мере серфинга, поэтому каждая запись добавляется вручную. Я не рассматриваю использование автоматических инструментов просто потому, что алгоритму трудно понять, сгенерирована ли страница ИИ или нет, особенно с учётом правил, которые я написал ниже. Можно возразить, что этот список бесполезен, потому что он слишком короток. Однако, поскольку эти сайты занимаются SEO, чтобы появляться первыми в поисковых системах, вы будете встречать один и тот же сайт не раз, особенно по схожим запросам. Я обнаружил, что этот список блокирует сайты уже с первого дня его написания, даже с очень небольшим количеством записей.

Тем не менее, в моих записях есть некоторая предвзятость. Например, поскольку я гражданин Италии, вы найдёте много итальянских сайтов. Это ещё одна причина, почему pull request'ы приветствуются.

Как добавлять сайты

Если вы не технический пользователь и не знаете, как работает GitHub, просто сообщите о подозрительных сайтах, создав issue, нажав сюда.

Если вы хотите создать pull request, вот как добавить сайт в список. Сначала попытайтесь определить масштаб ИИ-спамера. Обычно это будет домен, но я также встречал много блогов на Medium или dev.to. Эти платформы не следует блокировать целиком, а только конкретный блог, который спамит.

Допустим, вы хотите добавить запись example.com/@slopUser. Просто добавьте строку в файл list.txt следующим образом:

||example.com/@slopUser^$doc

Весь домен example.com содержит ИИ-мусор? Добавьте только домен:

||example.com^$doc

Если вы действительно ненавидите ИИ и у вас много свободного времени, вы можете провести небольшое исследование сайта, который нашли. Большинство таких контент-ферм создаются людьми или организациями, продающими SEO и цифровой маркетинг. Если вы найдёте источник, возможно, вы также найдёте другие контент-фермы, которые они создали. Если найдёте, добавьте их в конец файла.

Как добавляются сайты

У контент-ферм есть некоторые закономерности, по которым их можно распознать. Вот те, что я понял. Конечно, это не строгие правила.

Излишнее введение и заключение: это, вероятно, самый простой способ обнаружить контент-фермы. Часто введение бывает раздражающе вычурным. Например, вы нажимаете на какую-то инструкцию по использованию определённой функции во Flutter. Статья будет начинаться с введения о самом Flutter, примерно так:

В современном быстро меняющемся цифровом ландшафте пользователи ожидают, что приложения будут быстрыми, красивыми и единообразными на всех устройствах, к которым они прикасаются.

Скорее всего, ни один человек не написал бы такое введение для объяснения конкретной функции. Оно может подходить для общего разговора о Flutter (хотя всё равно слишком вычурно), но не для суперспецифического кода, который поймут только опытные разработчики. Если я пишу такую статью, я предполагаю, что читатель уже знает, что такое Flutter!
[тема]: Исчерпывающее руководство / Пошаговое руководство / Полное руководство: LLM любят эти клише для заголовков туториалов и руководств.
Нет / мало ссылок на внешние ресурсы
Нет источников и ссылок: то же самое, но для источников фактов. Это очень важно проверять, особенно для статей о (псевдо)науке, политике и контенте, который может распространять дезинформацию.
Реферальные ссылки везде: контент-фермы существуют только для заработка. Лично я видел сайты, бесстыдно размещающие советы по покупкам в навигационных панелях или подвалах.
Ссылка на продукт компании: сайт принадлежит компании, которая продаёт какой-то продукт или услугу. Страница будет выглядеть примерно так: «Как решить [проблему]» -> купите наш продукт.
Блог со сотнями тысяч статей: особенно если они опубликованы за очень короткий промежуток времени. Многие блоги с ИИ-мусором публикуют десятки или сотни статей в день, в основном одним и тем же автором.
Галлюцинации: контент откровенно неверен.
Дата после ноября 2022 года: хайп вокруг ИИ начался с выпуска ChatGPT в ноябре 2022 года. Конечно, это слабое правило, но оно дополняет все остальные. Однако даты легко подделываются.
Нет / мало изображений, видео, не-текстового медиа: эти страницы автоматически генерируются и публикуются, и сложно сгенерировать другой контент для размещения на странице.
Изображения, логотипы, сгенерированные ИИ: обычно это баннер статьи или логотип блога.
Плохое форматирование текста

Google Dorks

Поскольку пользователи ИИ достаточно глупы, чтобы копировать ответы LLM без чтения, LLM иногда выдает себя, например, во введении к контенту. Ниже приведены некоторые Google Dorks для поиска 100% ИИ-генерированных страниц. Такие страницы будут добавлены в список uBlock целиком, со всем доменом. Dorks легко генерировать, попросив LLM сгенерировать наивный контент, например, с помощью промпта «Напиши статью для моего блога о собаках». LLM ответит введением типа «Sure! Here's an article about». Возьмите эту фразу и ищите её в кавычках.

# Английский
"Sure! Here's an article about"

# Итальянский
"Certo! Ecco un articolo"

(Экспериментально) Таблицы обратных ссылок SEO

Когда SEO-маркетологи рекламируют себя, они иногда публикуют Google Таблицы, в которых перечисляют сайты, которыми управляют. Это в основном для продажи обратных ссылок: когда на ваш сайт ссылаются многие другие, поисковые системы склонны считать его более надёжным и повышают его рейтинг. Или, по крайней мере, так говорят те, кто продаёт обратные ссылки. Я не эксперт по SEO, поэтому на самом деле не знаю, работает ли это. Однако я заметил, что сайты, перечисленные в этих таблицах, в основном ИИ-мусор. Это может быть эффективным способом массово добавлять сайты в список. Однако это увеличивает вероятность ложных срабатываний: нет гарантии, что сайты действительно являются ИИ-мусором. Issue 31 показывает наглядный пример, когда популярные сайты были случайно добавлены в список.

Что я предлагаю — скачать таблицу и проанализировать её, чтобы найти потенциальные ложные срабатывания и удалить их из списка. Вот несколько способов анализа таблицы:

Сравните её со списком Tranco, как сделано в issue 31. Если сайт имеет слишком высокий рейтинг, это может быть ложным срабатыванием.
Отсортируйте по трафику/цене: в таблицах также указан трафик сайта. Чем популярнее сайт, тем дороже обратная ссылка с него. Если у сайта особенно высокий трафик по сравнению с другими, его лучше проверить.

ai-ublock-blacklist

Популярное