同时作为内容消费者和内容创作者，最烦的两件事一个是：文章明明是 AI 写的，写得还不咋地，作者还不承认用了 AI，说：手搓的，真辛苦，求求大家点赞关注转发。
嘿！我还真没办法拿出证据。
另一个是：文章真是我辛辛苦苦手搓的，刚发出来，后台就有评论：用 AI 写的吧。
嘿！我还真没办法拿出证据。
图源：@哥叫鱼烧你记住
8 月 2 日，欧盟《人工智能法案》第 50 条的透明度义务正式生效，要求生成式 AI 的提供方给合成内容加上机器可读的标记，并让它能被检测出来。违规最高罚 1500 万欧元，或全球年营业额的 3%。
配套的《AI 生成内容透明度行为准则》 6 月发布，7 月通过适格性评估，签署机构接近 190 家。
Anthropic 在其中，并公布了 Claude 的做法：8 月 2 日之后发布的模型，从上线那天起，生成文本将会包含嵌入式水印，而生成的文件则会在支持的情况下包含数字签名及来源元数据。
https://support.claude.com/en/articles/16266773-how-claude-marks-ai-generated-content
为什么要给文字打水印？
在此之前，关于「这段话是不是 AI 写的」，所有争论都建立在感觉之上。
破折号多、排比工整、爱写「不仅仅是……更是」，会让人感到有 AI 味。写作者被质疑之后，除了重复说明这是自己写的，拿不出任何证据。
本月有出版社开始在版权页印上禁止将本书用于人工智能训练的字样，负责人对媒体承认，真出了事也很难维权，但要表明态度。
大量没有任何说明的 AI 内容正在流向普通读者。搜索结果里，公众号里，电商详情页里，新书的腰封和正文里，都能看到 AI 的影子。
村上春树尚未引进的新作，二手平台上已经出现 AI 中译本电子书，标价 1.78 元。买的人未必在意译者是谁，但他应该知道自己买的是什么。
有人打过一个比方：大量使用AI生成却不加标注的书，近乎以鸭腿冒充鹅腿。
上上个月，新出版的《饭圈纪实：爱、数据和权力》一书陷入 AI 争议。
这种认知鸿沟，恰如深海鱼与飞鸟的对话——前者在高压黑暗中守护微光，后者在晴空下却无从想象那束光的分量。当棉花娃娃的臀部弧度成为情感寄托的圣物，当必胜客餐桌沦为爱的祭坛，「为爱买单」的浪漫叙事暴露出其残酷本质——情感被量化成氪金数据，亲密被异化为商务指标。 ——节选自《饭圈纪实》
不过，作者马中红的回复是：「实事求是地讲，我们就没有用 AI 写作。」她称，「我们做了那么多田野调查，我相信凡是读过这本书的人，自己会有判断。」
很多读者对 AI 内容的接受度，其实比舆论显示的高得多。工具书、说明文、客服回复，只要有用，谁写的没那么要紧。
图源：小红书@岚笙
我们要的就是一个态度。
国内高校推行论文 AI 率检测之后，《荷塘月色》《流浪地球》这类作品被机器判为高 AI 率，一度成为笑谈。
写于 1927 年的散文能被判成机器生成，说明过去的判断方式存在一定问题。
目前，水印提供了一条不同的路径，它可以告诉你这段文字有没有经过某个模型。
Claude 是如何标记 AI 生成的内容的？
Claude 用了两种手段，一种针对文本，一种针对文件。
第一种是嵌入式水印。模型生成文本时，把一层不可感知的信号织进文字本身。你看不见它，它也不改变句子的意思、质量和可读性。因为长在文字里，复制粘贴到别处它会跟着走，经过一部分编辑之后可能仍然留存。
水印加在模型层，这意味着它与具体产品无关。无论文本来自 API、Claude 应用、Claude Code 还是 Claude Cowork，无论直接调用还是通过 AWS、Google Cloud 访问，标记都在。
第二种是签名溯源元数据。Claude 生成 .svg、.png、.jpg 这类文件时，会附上一段签过名的元数据，遵循 C2PA 标准。它记录文件经过 Claude 处理，同时具备防篡改能力。
检测方面，Anthropic 说会让用户和第三方查验这两类标记，技术文档随后发布。
以上是好消息的部分。也值得注意的是以下列出的局限：
检出水印，不等于内容是 AI 写的。人们经常拿模型做校对、翻译、摘要、格式转换，原始的想法、文字、数据可能完全来自人，但输出带了标记。
检出水印，也不等于你看到的还是当时那段文字。被标记的内容可能已经被改写、被节选、被拼进别的材料里了。
没检出，不代表没用过 AI。旧模型不带水印；文字被大幅改写、复述、翻译过或者段落太短，样本不够，会导致检测不出来；文件的元数据在格式转换、重新保存、截图之后会被抹掉；某些平台、功能或文件类型本来就不支持某一类标记。
所以一次检测结果，最强也只能说明：这段内容可能经过 Claude 处理。
因而，不要把「可能经过处理」自动压缩成「是 AI 写的」，然后对这段文字带有偏见。
标记之后
今年多所学校第一次把 AI 率结果和答辩资格绑定，阈值从 15% 到 40% 不等。麻烦在于，不同平台对同一篇文章给出的结果能差二十多个百分点，原创内容被误判的情况时有发生。
为了过线，有学生把学术论文改得越来越口语化。
电商和社交平台上，「降 AI 率」成了明码标价的生意，几十到几百元不等，有商家这一项服务的累计销量超过 4000 件。
已经有甲方在合同里写明交付物的 AI 生成比例上限，下一步大概就是把水印检测写进验收流程。
那么可以推想的是，同一家公司，人力资源在推 AI 培训，交付那边却要求成果不能有 AI 痕迹。员工夹在中间，陷入两难。
他最后只能把模型的输出打开，另起一个文档，一句一句重新组织一遍。为洗掉痕迹花掉的时间，可能已经超过使用工具省下的时间。
有人把模型当打字机，有人当资料员，有人当一个会抬杠的对手，用来检验自己的论证。
现在，这几种用法都会技术留痕。
反对一刀切，不等于所有用法都不值得尊重。市面上确实堆着大量粗制滥造的 AI 内容，写的人自己都没读第二遍。这些东西该被批评，只是批评的理由应该是它烂，而不是它出自 AI 之手。
「纯人类手搓」正在变成一种身份标签，甚至一种溢价。手工有它的价值，但把手工当成唯一的价值，也是一种偷懒。
大幅改写会让信号散掉，翻译一轮再翻回来同理，截图转文字能抹掉元数据，格式转换和重新保存也可以，换一个不带水印的模型更省事。这些操作的成本，全都低于重新写一遍。
「降 AI 率」这门生意不会消失，它只会升级工具。既然阈值是硬性的，把文本喂给另一个模型洗一遍就是最经济的解法。
公道地说，抬高成本本身仍然有意义。锁挡不住职业的贼，挡的是顺手的人。水印大概也是这个作用：让顺手抄一段变得麻烦，让批量灌水的内容农场留下把柄，让出版方在把 AI 翻译当人工翻译卖之前多犹豫犹豫。
当一个人知道自己每一次调用都会留下痕迹，他会把模型的回答当草稿，手动重写一遍；把重要的东西留给自己，把不重要的丢给机器；或者在需要署名的场合干脆不用。
也有相反的可能。标记普及之后，人们对于用了 AI 这件事或许会脱敏。
或许以后，没标记的东西才可疑。
水印能回答的问题其实很窄，它回答不了这段文字背后有没有人在负责。
署名的意义是「出了事你可以来找我」。一篇有人认真核对过事实、想清楚了逻辑、愿意承担后果的文章，中间用了多少工具，读者其实不那么关心。
水印落进文字里，只是把一个很旧的问题重新问了一遍。谁写的，从来没有谁负责重要。
我们正在招募伙伴
简历投递邮箱hr@ifanr.com
✉️ 邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）
富通优配提示：文章来自网络，不代表本站观点。
