Theo TechCrunch, Anthropic đã công bố một bài đăng trên blog nhằm giải đáp các thắc mắc cơ bản về cách thức gắn watermark (nhãn đóng dấu ẩn) lên văn bản do chatbot Claude tạo ra. Các câu hỏi lớn được đặt ra bao gồm: Watermark hoạt động như thế nào? Liệu có thể xóa nó bằng cách chỉnh sửa không? Và điều này ảnh hưởng thế nào đến mã nguồn (code)?
Người dùng Claude đã thảo luận sôi nổi về động thái này kể từ khi Anthropic tiết lộ kế hoạch gắn watermark nhằm tuân thủ Bộ quy tắc minh bạch của Đạo luật AI từ EU, trong đó yêu cầu các công ty AI phải có hệ thống giúp nhận diện nội dung do AI tạo ra.
Trên Reddit, một số người dùng cho rằng đây là một ‘âm mưu’ chống lại những người dùng Claude vô tội, trong khi những người khác phản bác rằng lý do duy nhất để phản đối là muốn lừa dối người khác. Theo Business Insider, hàng chục người dùng trên X đã tuyên bố hủy đăng ký gói trả phí của Claude vì lý do này.
Trong bài đăng mới, Anthropic giải thích cơ chế gắn watermark: khi thực hiện các lựa chọn ‘ít rủi ro’ — chẳng hạn như chọn giữa từ ‘overcast’ (u ám) và ‘grey’ (xám) để mô tả thời tiết — Claude có thể tạo ra một mẫu hình (pattern) trong câu trả lời. Mẫu hình này hoàn toàn ẩn đối với người đọc thông thường, nhưng có thể bị phát hiện bởi bất kỳ ai sở hữu mã khóa giải mã nó.
Anthropic khẳng định: ‘Watermark không ảnh hưởng đến chất lượng đầu ra của Claude. Đối với người đọc, một phản hồi có watermark hoàn toàn không khác biệt so với phản hồi không có watermark.’
Cụ thể hơn, Anthropic đang áp dụng giải pháp SynthID-Text do đội ngũ Google DeepMind phát triển từ năm 2024 và có kế hoạch phát hành một API để phát hiện watermark này. Hãng cũng lưu ý phương pháp này khác biệt hoàn toàn so với các công cụ phát hiện AI của bên thứ ba (như Pangram) vốn chỉ tìm kiếm các dấu hiệu hành văn đặc trưng.
Về câu hỏi liệu có thể chỉnh sửa văn bản để xóa watermark hay không, Anthropic cho biết: ‘Chỉnh sửa nhẹ có thể sẽ không xóa hoàn toàn watermark, nhưng một bản viết lại hoàn toàn — nơi mọi từ ngữ đều bị thay thế — sẽ làm được điều đó.’ Tuy nhiên, trong trường hợp viết lại hoàn toàn, văn bản đó khó có thể coi là do AI tạo ra nữa.
Đối với văn bản chỉ được Claude biên tập hoặc sửa lỗi (proofread), việc phát hiện watermark sẽ phụ thuộc vào độ dài văn bản và mức độ can thiệp của Claude. Nếu chỉ chỉnh sửa nhẹ, hầu hết từ ngữ vẫn là của tác giả là con người, do đó watermark gần như không có chỗ để bám vào.
Đối với mã nguồn (code), watermark sẽ xuất hiện ít hơn vì mô hình cần ưu tiên tạo ra code hoạt động được, do đó không có nhiều sự lựa chọn linh hoạt giữa các từ ngữ tương đương. Tuy nhiên, watermark vẫn có thể được chèn vào các phần như chú thích (comments) trong code mà không gây ảnh hưởng đến hiệu năng hoạt động của mã nguồn.
Cuối cùng, Anthropic tiết lộ Claude không phải là chatbot duy nhất thực hiện việc này, vì các nhà phát triển mô hình AI lớn khác cũng đã ký vào cùng một Bộ quy tắc ứng xử và sẽ triển khai hệ thống watermark của riêng họ.
Nguồn: TechCrunch
