近年來(lái)，生成式人工智能在文本、圖像、音樂(lè)等領(lǐng)域大放異彩。然而，隨著生成式人工智能變得越來(lái)越強(qiáng)大，人們?cè)絹?lái)越難以鑒別AI生成的內(nèi)容。

近日，Google DeepMind 研究團(tuán)隊(duì)在《Nature》上發(fā)表的封面文章提供了一種文本水印方案，可以提高AI生成文本的檢測(cè)精度。

AI生成內(nèi)容檢測(cè)的必要性

在文本、圖像和音樂(lè)中，AI生成的文本是最難以檢測(cè)的。因?yàn)楝F(xiàn)有的圖像和音樂(lè)生成技術(shù)尚未像文本生成技術(shù)一樣發(fā)達(dá)，AI生成的圖像和音樂(lè)往往有某些非自然的視覺(jué)或聽(tīng)覺(jué)特征。AI生成的內(nèi)容在整體上效果較好，但具體到細(xì)節(jié)就顯得不夠自然。在圖像和音樂(lè)中，也可以人工添加人類難以發(fā)現(xiàn)的水印，在后期檢測(cè)中通過(guò)水印篩選出AI生成的作品。

然而在文本中難以直接添加人類不可見(jiàn)的水印，這是因?yàn)槲谋九c圖像和音樂(lè)不同，每一個(gè)文字都是完全可見(jiàn)的。同時(shí)，可用于訓(xùn)練AI的文本數(shù)據(jù)也遠(yuǎn)多于圖像和音樂(lè)。在龐大的、基于人類寫(xiě)作的語(yǔ)料庫(kù)的訓(xùn)練之下，AI已經(jīng)非常擅長(zhǎng)模擬人類的表達(dá)方式和語(yǔ)言習(xí)慣，甚至能夠調(diào)整文本的風(fēng)格和語(yǔ)氣，這使得AI生成的文本難以直接檢測(cè)。

盡管AI生成的文本與人類創(chuàng)作的文本難以分辨，但AI生成的內(nèi)容可能帶有事實(shí)性的錯(cuò)誤，并不能保證可靠性。無(wú)法辨別來(lái)源的內(nèi)容可能會(huì)導(dǎo)致虛假信息的傳播，也帶來(lái)了學(xué)術(shù)作弊、版權(quán)爭(zhēng)議等種種問(wèn)題。

比如，在“杭州取消機(jī)動(dòng)車依尾號(hào)限行”假新聞事件中，網(wǎng)友用AI技術(shù)生成的“假新聞”行文嚴(yán)謹(jǐn)、語(yǔ)氣措辭得當(dāng)，也基本符合官方通報(bào)的格式，導(dǎo)致了錯(cuò)誤信息大規(guī)模傳播。美國(guó)科技新聞網(wǎng)站CNET在三個(gè)月之內(nèi)上線了70多篇用AI技術(shù)生成的新聞報(bào)道，卻被發(fā)現(xiàn)其中存在大量基礎(chǔ)性錯(cuò)誤，包括計(jì)算錯(cuò)誤、金融概念誤解等，不得不暫時(shí)叫停AI項(xiàng)目重新審核。

為了避免AI技術(shù)的濫用，我們需要一種方法辨別文本是否由AI生成。

主流檢測(cè)方法：事前與事后檢測(cè)

檢測(cè)AI生成的文本是一個(gè)分類問(wèn)題，我們的主要目標(biāo)是區(qū)分一個(gè)文本片段是由AI生成的還是由人類創(chuàng)作的。通常一個(gè)文本檢測(cè)器對(duì)于一個(gè)給定的文本片段會(huì)給出一個(gè)評(píng)分，當(dāng)這個(gè)評(píng)分超過(guò)閾值時(shí)，這個(gè)片段被認(rèn)為是AI生成的，反之則是人類創(chuàng)作的。

文本檢測(cè)框架

（圖片來(lái)源：根據(jù)參考文獻(xiàn)1翻譯）

現(xiàn)有的主流檢測(cè)方法可以分為兩大類：事前檢測(cè)和事后檢測(cè)。事前檢測(cè)可以進(jìn)一步分為基于水印的檢測(cè)和基于檢索的檢測(cè)。事后檢測(cè)可以分為基于零樣本學(xué)習(xí)的檢測(cè)和基于訓(xùn)練的檢測(cè)。

主流檢測(cè)方法分類

（圖片來(lái)源：根據(jù)參考文獻(xiàn)1翻譯）

1. 事前檢測(cè)

基于水印的檢測(cè)是指在AI生成的文本中隱藏某些信息以便后續(xù)檢測(cè)。但由于文本的離散性，在文本中添加水印比在圖像和音樂(lè)中添加水印困難很多。常用的方法是讓AI生成的文本使用特定的語(yǔ)言風(fēng)格或者偏向性地使用某些特定的詞匯，但這樣可能會(huì)降低AI生成文本的質(zhì)量。

基于檢索的方法是指AI服務(wù)的提供者將用戶通過(guò)AI生成的文本保存在數(shù)據(jù)庫(kù)中。當(dāng)需要檢測(cè)目標(biāo)文本是否由AI生成時(shí)，將目標(biāo)文本與數(shù)據(jù)庫(kù)中的文本進(jìn)行匹配，如果相似度較高，則很可能是AI生成的。但這種方法需要保存用戶數(shù)據(jù)，可能帶來(lái)隱私泄露的問(wèn)題。

2. 事后檢測(cè)

基于零樣本學(xué)習(xí)的檢測(cè)是指不需要進(jìn)行任何的訓(xùn)練，僅根據(jù)AI生成文本的特點(diǎn)來(lái)檢測(cè)一段文本是否是AI生成的。通常AI生成的文本傾向于使用常見(jiàn)的詞匯，句子的長(zhǎng)度和結(jié)構(gòu)也更加統(tǒng)一。而人類創(chuàng)作的文本則顯得更加隨心所欲，每一句的水平也參差不齊。與人類相比，AI在記憶細(xì)節(jié)上能力較強(qiáng)而在邏輯推理上能力較弱。利用這些特點(diǎn)可以在一定程度上區(qū)分AI生成的文本和人類創(chuàng)作的文本。

基于訓(xùn)練的檢測(cè)是指使用人類創(chuàng)作的文本和AI生成的文本構(gòu)建一個(gè)數(shù)據(jù)集，用這個(gè)數(shù)據(jù)集訓(xùn)練一個(gè)分類器來(lái)識(shí)別AI生成的文本。但這需要收集足夠的數(shù)據(jù)用于訓(xùn)練，并且隨著AI能力的進(jìn)步，這樣的區(qū)分也變得越來(lái)越困難。

可以看到，事后檢測(cè)比事前檢測(cè)要困難許多。為了高精度地篩選出AI生成的文本，在事前AI生成文本時(shí)就添加水印是一個(gè)很好的解決方案。

Google DeepMind的突破：SynthID-Text水印技術(shù)

Google DeepMind 研究團(tuán)隊(duì)提出了一種新的水印生成方案，稱為SynthID-Text。它基于之前的水印生成組件，但使用了一種新的“錦標(biāo)賽采樣”方法。SynthID-Text可以非扭曲（保留文本質(zhì)量）或者扭曲（以犧牲文本質(zhì)量為代價(jià)提升水印的可檢測(cè)性）地添加水印。在扭曲和非扭曲設(shè)置下，與現(xiàn)有的最佳方法相比，SynthID-Text都提升了水印的檢出率。

水印生成框架

（圖片來(lái)源：根據(jù)參考文獻(xiàn)2翻譯）

上圖中展示了大語(yǔ)言模型生成文本的原理以及之前水印生成的框架。大語(yǔ)言模型的文本生成是基于上下文的，它會(huì)根據(jù)輸入的文本序列計(jì)算下一個(gè)詞匯的分布，然后從這個(gè)分布中抽樣出下一個(gè)詞匯。

一個(gè)生成式的水印方案通常包含三個(gè)部分：一個(gè)隨機(jī)數(shù)生成器、一個(gè)采樣算法以及一個(gè)評(píng)分函數(shù)。水印生成的過(guò)程是：首先使用隨機(jī)數(shù)生成器根據(jù)前面的文本以及水印鍵生成一個(gè)隨機(jī)數(shù)，然后采樣算法利用這個(gè)隨機(jī)數(shù)從詞匯的分布中抽樣出下一個(gè)詞匯。給出一段文本以及一個(gè)水印鍵，評(píng)分函數(shù)提供一個(gè)分?jǐn)?shù)來(lái)量化當(dāng)前文本中含有水印的可能性，當(dāng)分?jǐn)?shù)超過(guò)一個(gè)閾值時(shí)就認(rèn)為這段文本中含有水印。

錦標(biāo)賽采樣

（圖片來(lái)源：根據(jù)參考文獻(xiàn)2翻譯）

SynthID-Text提出了一種新的“錦標(biāo)賽采樣”方法，上圖是錦標(biāo)賽采樣方法的一個(gè)例子。當(dāng)向模型輸入“...我最喜歡的熱帶水果是”時(shí)，模型計(jì)算出下一個(gè)詞匯的分布，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，“榴蓮”的概率是0.05。在不加水印的正常生成中，模型會(huì)按這個(gè)概率直接采樣出下一個(gè)詞匯。在錦標(biāo)賽采樣中，模型先根據(jù)隨機(jī)數(shù)種子生成三個(gè)隨機(jī)的水印函數(shù)，然后再?gòu)脑~匯的分布中采樣出八個(gè)詞匯，將這八個(gè)詞匯兩兩組合后進(jìn)行競(jìng)賽，在每一輪競(jìng)賽中，由一個(gè)水印函數(shù)決定每一對(duì)組合中的勝出者。經(jīng)過(guò)三輪競(jìng)賽后，最終的勝出者就是模型的輸出結(jié)果：“芒果”。

在錦標(biāo)賽采樣中，詞匯是根據(jù)水印函數(shù)的偏好采樣得出的。因此添加水印的文本會(huì)在水印函數(shù)上有更高的評(píng)分。在檢測(cè)時(shí)只需要評(píng)估每個(gè)詞匯在對(duì)應(yīng)的水印函數(shù)下的評(píng)分，再將評(píng)分加和就可以得到這段文本包含水印的可能性。

水印的添加是通過(guò)改變采樣方法實(shí)現(xiàn)的，它會(huì)改變模型輸出下一個(gè)詞匯的分布，這看起來(lái)不可避免地會(huì)影響生成文本的質(zhì)量。然而，由于采樣方法中使用了隨機(jī)數(shù)種子，盡管在某一隨機(jī)數(shù)種子下詞匯的分布會(huì)被改變，但在對(duì)所有隨機(jī)數(shù)種子進(jìn)行平均后可以得到和原始分布相同的結(jié)果。SynthID-Text可以在適當(dāng)?shù)呐渲孟卤苊庥绊懺~匯的分布從而保證文本的質(zhì)量，也可以以損失一部分質(zhì)量為代價(jià)提高水印的檢出概率。

SynthID-Text方法在Google DeepMind推出的Gemini 人工智能模型上經(jīng)過(guò)了兩千萬(wàn)次用戶測(cè)試。測(cè)試結(jié)果表明SynthID-Text在添加水印的同時(shí)并不會(huì)降低文本的質(zhì)量。同時(shí)，SynthID-Text不會(huì)產(chǎn)生太多的時(shí)間和計(jì)算開(kāi)銷，可以被大規(guī)模地應(yīng)用于生產(chǎn)實(shí)踐之中。

結(jié)語(yǔ)

事后檢測(cè)文本是否由AI生成是非常困難的。隨著AI能力的增強(qiáng)，事后檢測(cè)會(huì)變得越來(lái)越困難，檢測(cè)和反檢測(cè)將會(huì)是無(wú)止境的技術(shù)競(jìng)賽。水印方法提供了一種可能的解決方案，但這需要大語(yǔ)言模型的提供者在生成時(shí)就預(yù)先加入水印。如果用戶使用的模型沒(méi)有主動(dòng)加入水印，就難以在事后進(jìn)行檢測(cè)。此外，用戶還可以使用開(kāi)源模型，或者對(duì)添加了水印的文本進(jìn)行二次編輯來(lái)逃脫檢測(cè)。這些問(wèn)題都有待進(jìn)一步解決。

未來(lái)，隨著生成式人工智能的普及，如何檢測(cè)AI生成的內(nèi)容會(huì)變得越來(lái)越重要。SynthID-Text證明了水印技術(shù)在文本生成中大規(guī)模應(yīng)用的可能性，但水印技術(shù)面臨的困難也說(shuō)明檢測(cè)并不只是一個(gè)技術(shù)問(wèn)題。解決這個(gè)問(wèn)題還需要各方共同努力，形成相關(guān)的行業(yè)標(biāo)準(zhǔn)以及法律法規(guī)，從而推動(dòng)AI走在為人類服務(wù)的正軌之上。

參考文獻(xiàn)：

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.

出品：科普中國(guó)

作者：王?。ㄖ袊?guó)科學(xué)院計(jì)算技術(shù)研究所在讀博士）

監(jiān)制：中國(guó)科普博覽