连年来，生成式东说念主工智能在文本、图像、音乐等规模大放异彩。可是，跟着生成式东说念主工智能变得越来越坚硬，东说念主们越来越难以鉴别 AI 生成的内容。

近日，Google DeepMind 守护团队在《当然》（Nature）上发表的封面著作提供了一种文本水印决策，不错提高 AI 生成文本的检测精度。

图库版权图片，转载使用可能激励版权纠纷

AI 生成内容检测的必要性

在文本、图像和音乐中，AI 生成的文本是最难以检测的。因为现存的图像和音乐生成技巧尚未像文本生成技巧相似发达，AI 生成的图像和音乐频频有某些非当然的视觉或听觉特征。AI 生成的内容在合座上成果较好，但具体到细节就显得不够当然。在图像和音乐中，也不错东说念主工添加东说念主类难以发现的水印，在后期检测中通过水印筛选出 AI 生成的作品。

可是在文本中难以径直添加东说念主类不可见的水印，这是因为文本与图像和音乐不同，每一个翰墨都是皆备可见的。同期，可用于教师 AI 的文本数据也远多于图像和音乐。在繁多的、基于东说念主类写稿的语料库的教师之下，AI 一经相配擅长模拟东说念主类的抒发方式和话语风气，甚而不祥转机文本的作风和口吻，这使得 AI 生成的文本难以径直检测。

尽管 AI 生成的文本与东说念主类创作的文本难以分辨，但 AI 生成的内容可能带有事实性的失实，并不成保证可靠性。无法鉴别起原的内容可能会导致不实信息的传播，也带来了学术舞弊、版权争议等各种问题。

比如，在"杭州取消灵活车依尾号限行"假新闻事件中，网友用 AI 技巧生成的"假新闻"行文严谨、口吻措辞适应，也基本合适官方通报的格局，导致了失实信息大限制传播。好意思国科技新闻网站 CNET 在三个月之内上线了 70 多篇用 AI 技巧生成的新闻报说念，却被发现其中存在大都基础性失实，包括盘算推算失实、金融认识污蔑等，不得不暂时叫停 AI 样貌再行审核。

为了幸免 AI 技巧的花消，咱们需要一种要道鉴别文本是否由 AI 生成。

主流检测要道：事先与过后检测

检测 AI 生成的文本是一个分类问题，咱们的主要指标是分歧一个文本片断是由 AI 生成的照旧由东说念主类创作的。无间一个文本检测器关于一个给定的文本片断会给出一个评分，当这个评分超越阈值时，这个片断被觉得是 AI 生成的，反之则是东说念主类创作的。

文本检测框架（图片起原：字据参考文件   [ 1 ]   翻译）

现存的主流检测要道不错分为两大类：事先检测和过后检测。事先检测不错进一步分为基于水印的检测和基于检索的检测。过后检测不错分为基于零样本学习的检测和基于教师的检测。

主流检测要道分类（图片起原：字据参考文件   [ 1 ]   翻译）

1

事先检测

基于水印的检测是指在 AI 生成的文本中守密某些信息以便后续检测。但由于文本的龙套性，在文本中添加水印比在图像和音乐中添加水印贫苦许多。常用的要道是让 AI 生成的文本使用特定的话语作风或者偏向性地使用某些特定的词汇，但这么可能会缩小 AI 生成文本的质料。

基于检索的要道是指 AI 就业的提供者将用户通过 AI 生成的文本保存在数据库中。当需要检测指标文本是否由 AI 生成时，将指标文本与数据库中的文本进行匹配，如若相似度较高，则很可能是 AI 生成的。但这种要道需要保存用户数据，可能带来隐秘泄露的问题。

2

过后检测

基于零样本学习的检测是指不需要进行任何的教师，仅字据 AI 生成文本的特质来检测一段文本是否是 AI 生成的。无间 AI 生成的文本倾向于使用常见的词汇，句子的长度和结构也愈加长入。而东说念主类创作的文本则显得愈加运用自若，每一句的水平也狼藉不皆。与东说念主类比拟，AI 在牵挂细节上才智较强而在逻辑推理上才智较弱。诓骗这些特质不错在一定进度上分歧 AI 生成的文本和东说念主类创作的文本。

基于教师的检测是指使用东说念主类创作的文本和 AI 生成的文本构建一个数据集，用这个数据集教师一个分类器来识别 AI 生成的文本。但这需要网络有余的数据用于教师，何况跟着 AI 才智的超越，这么的分歧也变得越来越贫苦。

不错看到，过后检测比事先检测要贫苦许多。为了高精度地筛选出 AI 生成的文本，在事先 AI 生成文本时就添加水印是一个很好的惩处决策。

Google DeepMind 的卤莽：

SynthID-Text 水印技巧

Google DeepMind 守护团队建议了一种新的水印生成决策，称为 SynthID-Text。它基于之前的水印生成组件，但使用了一种新的"锦标赛采样"要道。SynthID-Text 不错非扭曲（保留文骨子量）或者扭曲（以抛弃文骨子量为代价晋升水印的可检测性）地添加水印。在扭曲和非扭曲拓荒下，与现存的最好要道比拟，SynthID-Text 都晋升了水印的检出率。

水印生成框架（图片起原：字据参考文件   [ 2 ]   翻译）

上图中展示了谎言语模子生成文本的旨趣以及之前水印生成的框架。谎言语模子的文本生成是基于高下文的，它会字据输入的文本序列盘算推算下一个词汇的散布，然后从这个散布中抽样出下一个词汇。

一个生成式的水印决策无间包含三个部分：一个当场数生成器、一个采样算法以及一个评分函数。水印生成的经过是：当先使用当场数生成器字据前边的文本以及水印键生成一个当场数，然后采样算法诓骗这个当场数从词汇的散布中抽样出下一个词汇。给出一段文本以及一个水印键，评分函数提供一个分数来量化刻下文本中含有水印的可能性，当分数超越一个阈值时就觉得这段文本中含有水印。

锦标赛采样（图片起原：字据参考文件 [ 2 ] 翻译）

SynthID-Text 建议了一种新的"锦标赛采样"要道，上图是锦标赛采样要道的一个例子。当向模子输入" ... 我最可爱的热带生果是"时，模子盘算推算出下一个词汇的散布，其中"芒果"的概率是 0.5，"荔枝"的概率是 0.3，"木瓜"的概率是 0.15，"榴莲"的概率是 0.05。在不加水印的平日生成中，模子会按这个概直露接采样出下一个词汇。

在锦标赛采样中，模子先字据当场数种子生成三个当场的水印函数，然后再从词汇的散布中采样出八个词汇，将这八个词汇两两组合后进行竞赛，在每一轮竞赛中，由一个水印函数决定每一双组合中的胜出者。经过三轮竞赛后，最终的胜出者便是模子的输出适度："芒果"。

在锦标赛采样中，词汇是字据水印函数的偏好采样得出的。因此添加水印的文本会在水印函数上有更高的评分。在检测时只需要评估每个词汇在对应的水印函数下的评分，再将评分加和就不错取得这段文本包含水印的可能性。

水印的添加是通过转变采样要道终结的，它会转变模子输出下一个词汇的散布，这看起来不可幸免地会影响生成文本的质料。可是，由于采样要道中使用了当场数种子，尽管在某一当场数种子下词汇的散布会被转变，但在对所有当场数种子进行平均后不错取得和原始散布交流的适度。SynthID-Text   不错在适应的成立下幸免影响词汇的散布从而保证文本的质料，也不错以赔本一部分质料为代价提高水印的检出概率。

SynthID-Text 要道在 Google DeepMind 推出的 Gemini 东说念主工智能模子上经过了两千万次用户测试。测试适度标明 SynthID-Text 在添加水印的同期并不会缩小文本的质料。同期，SynthID-Text 不会产生太多的时刻和盘算推算支出，不错被大限制地应用于出产现实之中。

结语

过后检测文本是否由 AI 生成瑕瑜常贫苦的。跟着 AI 才智的增强，过后检测会变得越来越贫苦，检测和反检测将会是无特殊的技巧竞赛。水印要道提供了一种可能的惩处决策，但这需要谎言语模子的提供者在生成时就预先加入水印。如若用户使用的模子莫得主动加入水印，就难以在过后进行检测。此外，用户还不错使用开源模子，或者对添加了水印的文本进行二次裁剪来逃走检测。这些问题都有待进一步惩处。

改日，跟着生成式东说念主工智能的普及，奈何检测 AI 生成的内容会变得越来越垂危。SynthID-Text 解说了水印技巧在文本生成中大限制应用的可能性，但水印技巧靠近的贫苦也诠释检测并不仅仅一个技巧问题。惩处这个问题还需要各方共同戮力，造成关连的行业圭表以及法律限定，从而鼓动 AI 走在为东说念主类就业的正轨之上。

参考文件

[ 1 ] Ghosal S S, Chakraborty S, Geiping J, et al. Towards possibilities & impossibilities of ai-generated text detection: A survey [ J ] . arXiv preprint arXiv:2310.15264, 2023.

[ 2 ] Dathathri, S., See, A., Ghaisas, S., Huang, P. S., McAdam, R., Welbl, J., ... & Kohli, P. ( 2024 ) . Scalable watermarking for identifying large language model outputs. Nature, 634 ( 8035 ) , 818-823.

筹备制作

出品丨科普中国

作家丨王琛 中国科学院盘算推算技巧守护场地读博士

审核丨于旸 腾讯玄武实验室进展东说念主

监制丨中国科普博览

责编丨钟艳平

审校丨徐来 林林

关连推选

1.石头果然长出了头发？！不外真比拟你思的更可怕……

2."多喝水"果然有效！最新守护知道：多喝水有助于减肥、调理肾结石……

3.为什么女性总爱喊疼？真不是矫强，而是……

4.冬天必吃的巨人菜！养分好吃还抗癌，理睬我一定要试试

5.为什么我不建议你，凡事都和伴侣"掏心掏肺"？

本文封面图片及文内图片来自版权图库

转载使用可能激励版权纠纷

原创图文转载请后台回话"转载"

点亮"在看"

全部涨常识！

开云体育(中国)官方网站