比年来人妖 telegram，生成式东说念主工智能在文本、图像、音乐等鸿沟大放异彩。但是，跟着生成式东说念主工智能变得越来越刚劲，东说念主们越来越难以鉴别 AI 生成的内容。

近日，Google DeepMind 洽商团队在《当然》（Nature）上发表的封面著述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时代尚未像文本生成时代不异推崇，AI 生成的图像和音乐通常有某些非当然的视觉或听觉特征。AI 生成的内容在举座上后果较好，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。

但是在文本中难以平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，每一个笔墨都是透澈可见的。同期，可用于磨练 AI 的文本数据也远多于图像和音乐。在庞大的、基于东说念主类写稿的语料库的磨练之下，AI 一经特等擅长模拟东说念主类的抒发容颜和话语俗例，致使或者调理文本的作风和口吻，这使得 AI 生成的文本难以平直检测。

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无理，并不成保证可靠性。无法辩别起首的内容可能会导致作假信息的传播，也带来了学术舞弊、版权争议等各样问题。

比如，在"杭州取消活泼车依尾号限行"假新闻事件中，网友用 AI 时代生成的"假新闻"行文严谨、口吻措辞稳当，也基本合乎官方通报的体式，导致了无理信息大范畴传播。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 时代生成的新闻报说念，却被发现其中存在大都基础性无理，包括缠绵无理、金融见解诬告等，不得不暂时叫停 AI 名堂重新审核。

为了幸免 AI 时代的奢侈，咱们需要一种要领辩别文本是否由 AI 生成。

主流检测要领：预先与过后检测人妖 telegram

检测 AI 生成的文本是一个分类问题，咱们的主要方针是分离一个文本片断是由 AI 生成的如故由东说念主类创作的。通常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，这个片断被以为是 AI 生成的，反之则是东说念主类创作的。

文本检测框架（图片起首：证据参考文件   [ 1 ]   翻译）

现存的主流检测要领不错分为两大类：预先检测和过后检测。预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磨练的检测。

主流检测要领分类（图片起首：证据参考文件   [ 1 ]   翻译）

1

预先检测

基于水印的检测是指在 AI 生成的文本中覆盖某些信息以便后续检测。但由于文本的闹翻性，在文本中添加水印比在图像和音乐中添加水印艰巨好多。常用的要领是让 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，但这么可能会裁减 AI 生成文本的质料。

基于检索的要领是指 AI 作事的提供者将用户通过 AI 生成的文本保存在数据库中。当需要检测方针文本是否由 AI 生成时，将方针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。但这种要领需要保存用户数据，可能带来心事知道的问题。

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磨练，仅证据 AI 生成文本的脾气来检测一段文本是否是 AI 生成的。通常 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合资。而东说念主类创作的文本则显得愈加予求予取，每一句的水平也散乱不皆。与东说念主类比拟，AI 在牵记细节上能力较强而在逻辑推理上能力较弱。期骗这些脾气不错在一定进程上分离 AI 生成的文本和东说念主类创作的文本。

基于磨练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，用这个数据集磨练一个分类器来识别 AI 生成的文本。但这需要网罗弥散的数据用于磨练，况且跟着 AI 能力的高出，这么的分离也变得越来越艰巨。

不错看到，过后检测比预先检测要艰巨许多。为了高精度地筛选出 AI 生成的文本，在预先 AI 生成文本时就添加水印是一个很好的处罚决策。

Google DeepMind 的率性：

SynthID-Text 水印时代

Google DeepMind 洽商团队提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"要领。SynthID-Text 不错非扭曲（保留文本体量）或者扭曲（以就义文本体量为代价耕种水印的可检测性）地添加水印。在扭曲和非扭曲援手下，与现存的最好要领比拟，SynthID-Text 都耕种了水印的检出率。

水印生成框架（图片起首：证据参考文件   [ 2 ]   翻译）

上图中展示了空话语模子生成文本的旨趣以及之前水印生成的框架。空话语模子的文本生成是基于高下文的，它会证据输入的文本序列缠绵下一个词汇的散播，然后从这个散播中抽样出下一个词汇。

一个生成式的水印决策通常包含三个部分：一个立时数生成器、一个采样算法以及一个评分函数。水印生成的经过是：率先使用立时数生成器证据前边的文本以及水印键生成一个立时数，然后采样算法期骗这个立时数从词汇的散播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面前文本中含有水印的可能性，当分数超越一个阈值时就以为这段文本中含有水印。

锦标赛采样（图片起首：证据参考文件 [ 2 ] 翻译）

SynthID-Text 提议了一种新的"锦标赛采样"要领，上图是锦标赛采样要领的一个例子。当向模子输入" ... 我最心爱的热带生果是"时，模子缠绵出下一个词汇的散播，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。在不加水印的平方生成中，模子会按这个概率直接采样出下一个词汇。

在锦标赛采样中，模子先证据立时数种子生成三个立时的水印函数，然后再从词汇的散播中采样出八个词汇，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戒指："芒果"。

在锦标赛采样中，词汇是证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换采样要领结束的，它会转换模子输出下一个词汇的散播，这看起来不可幸免地会影响生成文本的质料。但是，由于采样要领中使用了立时数种子，尽管在某一立时数种子下词汇的散播会被转换，但在对所有立时数种子进行平均后不错取得和原始散播交流的戒指。SynthID-Text   不错在顺应的成就下幸免影响词汇的散播从而保证文本的质料，也不错以蚀本一部分质料为代价提高水印的检出概率。

SynthID-Text 要领在 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。测试戒指标明 SynthID-Text 在添加水印的同期并不会裁减文本的质料。同期，SynthID-Text 不会产生太多的时候和缠绵支拨，不错被大范畴地应用于分娩膨大之中。

结语

过后检测文本是否由 AI 生成口角常艰巨的。跟着 AI 能力的增强，过后检测会变得越来越艰巨，检测和反检测将会是无终点的时代竞赛。水印要领提供了一种可能的处罚决策，但这需要空话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脱逃检测。这些问题都有待进一步处罚。

曩昔，跟着生成式东说念主工智能的普及，如何检测 AI 生成的内容会变得越来越弥留。SynthID-Text 诠释了水印时代在文本生成中大范畴应用的可能性，但水印时代面对的艰巨也证实检测并不仅仅一个时代问题。处罚这个问题还需要各方共同英勇，酿成有关的行业尺度以及法律门径，从而鼓动 AI 走在为东说念主类作事的正轨之上。

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.

筹划制作

出品丨科普中国

作家丨王琛 中国科学院缠绵时代洽商地点读博士

审核丨于旸 腾讯玄武履行室崇敬东说念主

监制丨中国科普博览

责编丨钟艳平

审校丨徐来 林林

有关推选

1.石头竟然长出了头发？！不外真比拟你思的更可怕……

2."多喝水"简直有效！最新洽商表示：多喝水有助于减肥、治愈肾结石……

3.为什么女性总爱喊疼？真不是矫强，而是……

4.冬天必吃的至人菜！养分好吃还抗癌，搭理我一定要试试

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恢复"转载"

点亮"在看"

沿途涨常识！

人妖 telegram