同時作為內容消費者和內容創作者，最煩的兩件事一個是：文章明明是AI寫的，寫得還不怎麼樣，作者還不承認用了AI，說：手搓的，真辛苦，求求大家點贊關注轉發。
嘿！我還真沒辦法拿出證據。
另一個是：文章真是我辛辛苦苦手搓的，剛發出來，後台就有評論：用AI寫的吧。
嘿！我還真沒辦法拿出證據。
8月2日，歐盟《人工智慧法案》第50條的透明度義務正式生效，要求生成式AI的提供方給合成內容加上機器可讀的標記，並讓它能被檢測出來。違規最高罰1500萬歐元，或全球年營業額的3%。
配套的《AI生成內容透明度行為準則》6月發佈，7月通過適格性評估，簽署機構接近190家。
Anthropic在其中，並公佈了Claude的做法：8月2日之後發佈的模型，從上線那天起，生成文字將會包含嵌入式水印，而生成的檔案則會在支援的情況下包含數位簽名及來源中繼資料。
01. 為什麼要給文字打水印？
在此之前，關於「這段話是不是AI寫的」，所有爭論都建立在感覺之上。
破折號多、排比工整、愛寫「不僅僅是……更是」，會讓人感到有AI味。寫作者被質疑之後，除了重複說明這是自己寫的，拿不出任何證據。
本月有出版社開始在版權頁印上禁止將本書用於人工智慧訓練的字樣，負責人對媒體承認，真出了事也很難維權，但要表明態度。
大量沒有任何說明的AI內容正在流向普通讀者。搜尋結果裡，公眾號裡，電商詳情頁裡，新書的腰封和正文裡，都能看到AI的影子。
村上春樹尚未引進的新作，二手平台上已經出現AI中譯本電子書，標價1.78元。買的人未必在意譯者是誰，但他應該知道自己買的是什麼。
有人打過一個比方：大量使用AI生成卻不加標註的書，近乎以鴨腿冒充鵝腿。
上上個月，新出版的《飯圈紀實：愛、資料和權力》一書陷入AI爭議。
這種認知鴻溝，恰如深海魚與飛鳥的對話——前者在高壓黑暗中守護微光，後者在晴空下卻無從想像那束光的份量。
當棉花娃娃的臀部弧度成為情感寄託的聖物，當必勝客餐桌淪為愛的祭壇，「為愛買單」的浪漫敘事暴露出其殘酷本質——情感被量化成氪金資料，親密被異化為商務指標。——節選自《飯圈紀實》
不過，作者馬中紅的回覆是：「實事求是地講，我們就沒有用AI寫作。」她稱，「我們做了那麼多田野調查，我相信凡是讀過這本書的人，自己會有判斷。」
很多讀者對 AI 內容的接受度，其實比輿論顯示的高得多。工具書、說明文、客服回覆，只要有用，誰寫的沒那麼要緊。
我們要的就是一個態度。
國內高校推行論文AI率檢測之後，《荷塘月色》《流浪地球》這類作品被機器判為高AI率，一度成為笑談。
寫於1927年的散文能被判成機器生成，說明過去的判斷方式存在一定問題。
目前，水印提供了一條不同的路徑，它可以告訴你這段文字有沒有經過某個模型。
02. Claude是如何標記AI生成的內容的？
Claude用了兩種手段，一種針對文字，一種針對檔案。
第一種是嵌入式水印。模型生成文字時，把一層不可感知的訊號織進文字本身。你看不見它，它也不改變句子的意思、質量和可讀性。因為長在文字裡，複製貼上到別處它會跟著走，經過一部分編輯之後可能仍然留存。
水印加在模型層，這意味著它與具體產品無關。無論文字來自API、Claude應用、Claude Code還是Claude Cowork，無論直接呼叫還是通過AWS、Google Cloud訪問，標記都在。
第二種是簽名溯源中繼資料。Claude生成.svg、.png、.jpg這類檔案時，會附上一段簽過名的中繼資料，遵循C2PA標準。它記錄檔案經過Claude處理，同時具備防篡改能力。
檢測方面，Anthropic說會讓使用者和第三方查驗這兩類標記，技術文件隨後發佈。
以上是好消息的部分。也值得注意的是以下列出的侷限：
檢出水印，不等於內容是AI寫的。人們經常拿模型做校對、翻譯、摘要、格式轉換，原始的想法、文字、資料可能完全來自人，但輸出帶了標記。
檢出水印，也不等於你看到的還是當時那段文字。被標記的內容可能已經被改寫、被節選、被拼進別的材料裡了。
沒檢出，不代表沒用過AI。舊模型不帶水印；文字被大幅改寫、複述、翻譯過或者段落太短，樣本不夠，會導致檢測不出來；檔案的中繼資料在格式轉換、重新保存、截圖之後會被抹掉；某些平台、功能或檔案類型本來就不支援某一類標記。
所以一次檢測結果，最強也只能說明：這段內容可能經過Claude處理。
因而，不要把「可能經過處理」自動壓縮成「是AI寫的」，然後對這段文字帶有偏見。
03. 標記之後
今年多所學校第一次把AI率結果和答辯資格繫結，閾值從15%到40%不等。麻煩在於，不同平台對同一篇文章給出的結果能差二十多個百分點，原創內容被誤判的情況時有發生。
為了過線，有學生把學術論文改得越來越口語化。
電商和社交平台上，「降AI率」成了明碼標價的生意，幾十到幾百元不等，有商家這一項服務的累計銷量超過4000件。
已經有甲方在合同裡寫明交付物的AI生成比例上限，下一步大概就是把水印檢測寫進驗收流程。
那麼可以推想的是，同一家公司，人力資源在推AI培訓，交付那邊卻要求成果不能有AI痕跡。員工夾在中間，陷入兩難。
他最後只能把模型的輸出打開，另起一個文件，一句一句重新組織一遍。為洗掉痕跡花掉的時間，可能已經超過使用工具省下的時間。
有人把模型當打字機，有人當資料員，有人當一個會抬槓的對手，用來檢驗自己的論證。
現在，這幾種用法都會技術留痕。
反對一刀切，不等於所有用法都值得尊重。市面上確實堆著大量粗製濫造的AI內容，寫的人自己都沒讀第二遍。這些東西該被批評，只是批評的理由應該是它爛，而不是它出自AI之手。
「純人類手搓」正在變成一種身份標籤，甚至一種溢價。手工有它的價值，但把手工當成唯一的價值，也是一種偷懶。
大幅改寫會讓訊號散掉，翻譯一輪再翻回來同理，截圖轉文字能抹掉中繼資料，格式轉換和重新保存也可以，換一個不帶水印的模型更省事。這些操作的成本，全都低於重新寫一遍。
「降AI率」這門生意不會消失，它只會升級工具。既然閾值是硬性的，把文字喂給另一個模型洗一遍就是最經濟的解法。
公道地說，抬高成本本身仍然有意義。鎖擋不住職業的賊，擋的是順手的人。水印大概也是這個作用：讓順手抄一段變得麻煩，讓批次灌水的內容留下把柄，讓出版方在把AI翻譯當人工翻譯賣之前多猶豫猶豫。
當一個人知道自己每一次呼叫都會留下痕跡，他會把模型的回答當草稿，手動重寫一遍；把重要的東西留給自己，把不重要的丟給機器；或者在需要署名的場合乾脆不用。
也有相反的可能。標記普及之後，人們對於用了AI這件事或許會脫敏。
或許以後，沒標記的東西才可疑。
水印能回答的問題其實很窄，它回答不了這段文字背後有沒有人在負責。
署名的意義是「出了事你可以來找我」。一篇有人認真核對過事實、想清楚了邏輯、願意承擔後果的文章，中間用了多少工具，讀者其實不那麼關心。
水印落進文字裡，只是把一個很舊的問題重新問了一遍。誰寫的，從來沒有誰負責重要。 (創業邦)