ChatGPT 출시 이전 콘텐츠만 검색해주는 브라우저 확장 프로그램 'Slop Evader'

Who Should Read

AI 생성 콘텐츠가 섞인 검색 결과에 피로감을 느끼는 개발자, 또는 신뢰할 수 있는 기술 문서나 원본 자료를 찾아야 하는 리서처.

Core Mechanics

• Slop Evader는 Google Search API를 이용해 2022년 11월 30일(ChatGPT 공개일) 이전에 게시된 콘텐츠만 필터링해서 보여주는 브라우저 확장 프로그램이다. Chrome과 Firefox에서 설치 가능.
• 핵심 아이디어는 단순하다. ChatGPT 이후 인터넷에 AI 생성 텍스트·이미지·영상이 급증했으니, 아예 그 이전 시점으로 검색 범위를 잘라버리자는 것.
• 사실 별도 확장 프로그램 없이도 Google에서 'before:2022' 같은 검색 연산자를 쓰면 동일한 효과를 얻을 수 있다. Mojeek 같은 독립 검색엔진도 before: 문법을 지원한다.
• 이 프로젝트는 Tega Brain이라는 아티스트의 작품으로, Pioneer Works 전시에도 출품됐다. 기술 도구이면서 동시에 AI 오염에 대한 문화적 논평이기도 하다.
• 커뮤니티에서는 'low-background token'이라는 개념이 언급됐다. 2차대전 이후 핵실험 이전에 제조된 저방사능 강철(low-background steel)처럼, AI 오염 이전의 텍스트 데이터가 희소한 자원이 될 수 있다는 비유.
• 실제로 ChatGPT가 할루시네이션한 답변을 메모리에 저장하고, 출처를 묻자 AI가 생성한 가짜 기사를 근거로 제시하는 순환 오염 사례가 댓글에서 보고됐다.
• 검색 품질 저하는 AI 이전부터 이미 진행 중이었다는 지적도 많았다. SEO 스팸, 광고 배치 확대, YouTube식 추천 로직의 일반 검색 적용 등이 기존 문제로 꼽혔다.

Evidence

• 여러 댓글에서 'before: 검색 연산자로 똑같이 할 수 있는데 왜 확장 프로그램이 필요하냐'는 실용적 반론이 나왔다. Google, Mojeek 등 대부분의 검색엔진이 before: 문법을 지원한다는 점이 언급됐다.
• 'low-background token' 개념이 큰 반향을 얻었다. Latent Space 뉴스레터의 swyx가 처음 비유한 것으로, 핵실험 이전 강철처럼 AI 오염 전 텍스트가 희소 자원이 된다는 아이디어. 다만 인간이 만든 토큰이 AI 토큰보다 꼭 더 높은 신호를 가지는지는 불분명하다는 자성도 있었다.
• 한 댓글러는 ChatGPT로 리서치하다가 할루시네이션 → 메모리 저장 → AI 생성 기사로 자기 인용하는 순환 오염을 직접 경험했다고 보고. 특히 웹에 잘 정리되지 않은 엣지 케이스 주제에서 이런 일이 자주 발생한다고 했다.
• AI 슬롭 문제가 과장됐다는 반론도 있었다. 'AI 생성 텍스트는 기존 SEO 스팸 콘텐츠 팜을 대체한 것일 뿐이고, 검색 위생만 잘 지키면 문제 없다'는 의견. Kagi 같은 유료 검색엔진으로 SEO 사이트를 차단하면 된다는 대안도 제시됐다.
• Cyberpunk 2077의 '구 인터넷/신 인터넷' 설정처럼 인간 전용 인터넷이 필요해질 수 있다는 SF적 사고실험도 나왔다. 물리적 신원 확인(meatspace verification)으로 인간성을 지속 검증하는 네트워크를 상상하는 댓글이었다.

How to Apply

• 기술 문서나 튜토리얼을 검색할 때 AI 생성 콘텐츠가 의심되면, 검색어에 'before:2022-11-30'을 추가해서 ChatGPT 이전 자료만 필터링할 수 있다. 확장 프로그램 설치 없이도 바로 적용 가능.
• LLM으로 리서치할 때 할루시네이션 순환 오염을 방지하려면, ChatGPT가 제시하는 출처 URL을 반드시 직접 방문해서 실제 존재하는 페이지인지, 내용이 일치하는지 교차 검증하는 습관을 들여야 한다.
• 검색 품질이 중요한 업무라면 Kagi(유료)나 Mojeek(독립 크롤러 기반) 같은 대안 검색엔진을 시도해보고, SEO 스팸 도메인을 블록리스트에 추가하는 방식으로 검색 위생을 관리할 수 있다.
• AI 이미지 오염이 없는 이미지 검색이 필요하면 same.energy를 활용할 수 있다. 몇 년 전 개발이 중단됐지만 아직 작동하며, 크롤링 시점 특성상 AI 생성 이미지가 포함되지 않았다.

Code Example

# Google 검색에서 ChatGPT 이전 콘텐츠만 검색하는 방법
# 별도 확장 프로그램 없이 before: 연산자 사용
https://www.google.com/search?q=your+search+term+before%3A2022-11-30

# Mojeek에서도 동일하게 사용 가능
https://www.mojeek.com/search?q=your+search+term+before%3A2022-11-30

Terminology

관련 논문

• Mindwalk – 코딩 에이전트 세션을 코드베이스 3D 맵 위에서 재생하는 시각화 도구

  Claude Code나 Codex 같은 AI 코딩 에이전트가 세션 중 코드베이스의 어떤 파일을 탐색하고 수정했는지를 3D 지도 형태로 시각화해서 재생해주는 로컬 도구다. 에이전트가 작업을 어떻게 이해했는지 한눈에 파악할 수 있다.

• Ghost Font: 사람은 읽을 수 있지만 AI는 읽기 어려운 안티-AI 폰트 실험

  움직임(모션)을 이용해 글자를 표현해서 AI 모델이 정적 이미지 분석으로는 메시지를 해독하지 못하게 막는 실험적 프로젝트인데, 커뮤니티에서는 이미 GPT-5.6, Claude Opus 등으로 해독에 성공한 사례가 속출해 실효성 논쟁이 뜨겁다.

• GPT-5.6, Grok 4.5, Claude, Muse Spark 등 12개 모델이 동일한 앱 4개를 빌드한 결과 비교

  12개 LLM 모델에게 레이캐스터 미로, 루빅스 큐브, 계산기, Game of Life 앱을 각각 5번씩 만들게 해서 성공률·비용·속도를 비교한 실전 벤치마크다. GPT-5.6 Sol이 전반적으로 가장 일관된 결과를 냈고, Grok 4.5는 가성비 면에서 눈에 띄었다.

• Databricks가 수백만 라인 실제 코드베이스로 Coding Agent를 벤치마킹한 결과

  Databricks가 자사 실제 코드베이스를 기반으로 여러 AI 코딩 에이전트의 성능과 비용을 직접 측정했고, 모델 토큰 가격과 실제 태스크 비용이 전혀 다르다는 점, 그리고 오픈소스 모델이 이제 최상위 수준에 도달했다는 점을 확인했다.

• Reasoning에서 Uncertainty 추정하기: LLM의 다국어 및 교차언어 MCQA 성능 대규모 연구

  LLM이 저자원 언어 질문을 받을 때 영어로 추론하게 하면 불확실성 추정 성능이 고자원 언어 수준으로 올라온다.

• LLM-as-a-Verifier: 범용 Verification 프레임워크

  LLM의 토큰 확률 분포를 활용해 discrete 점수 대신 continuous 점수를 뽑아내면, 추가 학습 없이 코딩·로봇·의료 에이전트 평가 정확도를 SOTA로 끌어올릴 수 있다.

Related Resources

• https://tegabrain.com/Slop-Evader
• https://www.latent.space/i/139368545/the-concept-of-low-back
• https://en.wikipedia.org/wiki/Low-background_steel
• https://www.gally.net/miscellaneous/hn-em-dash-user-leaderboard
• https://same.energy