Công nghệ thủy ấn ẩn trên mô hình Claude của Anthropic hoạt động thế nào để xác thực AI?

Nhằm tuân thủ các quy định pháp lý khắt khe và nâng cao tính minh bạch cho trí tuệ nhân tạo, Anthropic vừa công bố kế hoạch áp dụng công nghệ thủy ấn (watermark) ẩn vào các văn bản được tạo bởi chuỗi mô hình Claude. Giải pháp kỹ thuật này giúp đánh dấu nguồn gốc nội dung AI mà không chèn ký tự lạ, không làm gián đoạn trải nghiệm đọc, đồng thời giữ nguyên tốc độ xử lý và chi phí sử dụng của người dùng.

Cơ chế tạo dấu vân tay bằng thuật toán xác suất từ ngữ

Công nghệ thủy ấn văn bản của Anthropic dựa trên phương pháp SynthID-Text do Google DeepMind nghiên cứu và công bố trên tạp chí Nature vào năm 2024. Thay vì can thiệp vào văn bản sau khi hoàn tất, giải pháp này can thiệp trực tiếp vào quá trình mô hình ngôn ngữ lớn (LLM) dự đoán và lựa chọn từ tiếp theo (token) dựa trên ngữ cảnh phía trước.

Trong các trường hợp Claude có nhiều lựa chọn từ ngữ đồng nghĩa hoặc có giá trị ngữ nghĩa tương đương, hệ thống sẽ sử dụng một khóa bí mật kết hợp với chuỗi từ vừa xuất hiện để đưa ra quyết định chọn từ. Thay vì chọn ngẫu nhiên theo phân phối xác suất thông thường, sự kết hợp này tạo ra một mẫu thống kê mang tính đặc trưng xuyên suốt toàn bộ văn bản.

Đối với độc giả thông thường, câu văn hoàn toàn tự nhiên và không thể nhận ra sự khác biệt. Tuy nhiên, đơn vị nắm giữ khóa xác thực có thể quét chuỗi lựa chọn từ ngữ và tính toán xác suất toán học để xác định liệu văn bản đó có phải do Claude khởi tạo hay không. Do không phát sinh thêm bất kỳ token nào, công nghệ này hoàn toàn không làm gia tăng độ trễ phản hồi hay chi phí tính toán.

Giới hạn kỹ thuật và các trường hợp ngoại lệ

Mặc dù mang lại giải pháp minh bạch hóa hiệu quả, Anthropic cũng công bố rõ ràng các rào cản kỹ thuật của công nghệ này. Do dựa trên sự biến thiên xác suất chọn từ, thủy ấn ngầm hoạt động kém hiệu quả hoặc không thể áp dụng trong các trường hợp sau:

• Văn bản quá ngắn: Mẫu thống kê không đủ dung lượng để tính toán xác suất tin cậy.
• Nội dung có tính chính xác tuyệt đối: Các câu trả lời chỉ có duy nhất một cách viết đúng, mã nguồn (code) hoặc dữ liệu kỹ thuật cố định.
• Chỉnh sửa văn bản có sẵn: Trường hợp người dùng chỉ nhờ Claude sửa lỗi chính tả, ngữ pháp hoặc dấu câu trên văn bản do con người viết.

Bên cạnh đó, dấu hiệu này chỉ giúp xác định sự tham gia của Claude trong quá trình tạo nội dung, chứ không thể phân biệt mô hình đã viết toàn bộ hay chỉ đóng vai trò biên tập. Nếu văn bản bị con người hoặc một hệ thống AI khác viết lại hoàn toàn khiến cấu trúc từ ngữ thay đổi, thủy ấn ngầm cũng sẽ bị mất hiệu lực.

Lộ trình triển khai API và tích hợp chuẩn C2PA cho hình ảnh

Việc triển khai thủy ấn ngầm là bước đi chiến lược của Anthropic nhằm tuân thủ Đạo luật AI của Liên minh châu Âu (EU), sau khi công ty cùng khoảng 190 đơn vị công nghệ khác ký kết Bộ quy tắc thực hành về tính minh bạch AI. Kế hoạch này được áp dụng trên phạm vi toàn cầu do rào cản kỹ thuật trong việc phân vùng địa lý tính năng.

Trong thời gian tới, Anthropic sẽ phát hành giao diện lập trình ứng dụng (API) riêng cho phép các tổ chức và nhà phát triển kiểm tra, xác thực dấu thủy ấn trong văn bản. Bên cạnh văn bản, đối với các tệp hình ảnh do Claude xử lý hoặc tạo ra như PNG, JPG hay SVG, Anthropic sử dụng tiêu chuẩn C2PA để nhúng thông tin xác thực trực tiếp vào metadata của tệp. Công ty cũng cam kết bổ sung công nghệ thủy ấn cho tất cả mô hình AI ra mắt trước ngày 2/8 trong các đợt cập nhật sắp tới.

Lê Nhân