索引低质量的书籍可能意味着语言研究工具Ngram也会得到垃圾结果。

插图：The Verge

谷歌图书（Google Books）对已出版的材料进行索引，并已成为学术界必不可少的工具，它已经开始对低质量的书籍进行索引，这可能会影响其语言跟踪工具Ngram的信息。

404Media报道称，谷歌图书收录了几本人工智能可能写的书。该出版物使用“截至我上次知识更新”一词搜索了 Google Books，这是 ChatGPT 等聊天机器人使用的常用短语。您可以在 Google 图书中搜索特定的句子或术语，它通常会发回带有这些短语的书面作品。

它发现，在搜索的前几页中，大多数书籍都是关于人工智能的作品，但散布在这些结果中的是那些没有谈论这项技术的书，似乎是由机器人写的。

404Media表示，它找到的书籍，如Tristin McIver的《Bears， Bulls， and Wolves： Stock Trading for the Twenty-Year-Old》，看起来像是这些在维基百科上搜集有关金融事件的信息，并且确实包含了“截至我上次知识更新”这句话。其他关于 Twitter 等主题的书籍仍然包含 2021 年的信息，当时一些 AI 模型最后一次获得训练数据。

谷歌图书（Google Books）的大部分数据都支持其Ngram查看器，Ngram查看器是一种研究工具，用于跟踪语言随时间的变化。Ngram 从书面作品中获取信息，以展示语言使用是如何演变的。

Google Books 扫描并索引了可追溯到 1500 年代的书面作品，Ngram 最后一次更新其引用的数据是在 2019 年。尽管 Ngram 并不完美，但许多语言学家和其他学者都使用该工具进行研究收集。

谷歌告诉404Media，最近在Google Books上的作品不会出现在Ngram的结果中，但这些作品可能会出现在未来的数据更新中。

原文标题：Google Books reportedly indexing bad AI-written works

原文链接：https://www.theverge.com/2024/4/5/24122077/google-books-ai-indexing-ngram

作者：Emilia David

编译：LCR