编者按：本文来自微信公众号 刘润（ID：runliu-pub），作者：景九，创业邦经授权转载。
这两天有个消息，让很多用AI写东西的人，心里咯噔一下：
Claude，要给自己输出的文字加“隐形水印”了。
毕竟今天，很多人已经习惯让AI帮自己干活了。比如，润色一封邮件，整理资料，把框架给它，生成文章初稿。
因此，当水印打在AI输出的文字上时，很多人心里就犯了嘀咕：
这水印怎么加的？其他AI会不会也加？我的工作，会不会因此被否定，甚至压价？
我做了一些研究，有了一些基本的看法，和你分享：
以后，AI直出的东西，可能越来越容易识别了。所以我们每个人，必须要学会输出更多判断了。
为什么这么说？
首先我们要搞清楚，Claude的水印，是怎么一回事。
要知道，用户会把大模型生成的文字，发到各个软件、平台。所以，如果你的水印，是通过格式和字体完成的，那根本留不住。
但Claude的水印，不藏在文字格式里，藏在用词选择里。
什么意思呢？
抛开那些复杂的技术细节，简单说，就是：
大模型生成文本，本质是根据概率，猜测下一个词是什么。于是，它会经常遇到这种情况：想表达一个意思，有好几个词可以选择。
比如，你让它写：这事看起来______。
后面，可以接“不好办”，也可以接“很困难”，还可以接“没头绪”。很难说哪一个比另一个更好。
当几个词都说得通时，模型的选择，就带着随机性。这也是为什么，你让大模型输出回答一个问题，每次说法都不同。
而Claude的水印，就是在这个随机过程里，埋下规律。
如何理解呢？
Anthropic在官方博客里，打了这么一个巧妙的比方：
想象你玩大富翁。下一回合走几步，你要靠掷骰子。
但现在，假设官方把骰子换成了圆周率。你下一回合到底走几步，直接按照圆周率小数点后的数字来。
对你来说，每次的步数依然随机。但只要官方事后拿着圆周率（密钥）去核对你的步数轨迹，就能知道这段话，可能是你用Claude生成的。
所以，所谓“打水印”和“检测水印”，描述的就是这么一个过程：
输出文字时，在选择具体表述的地方，不断用密钥算出该用哪个词语。检查文字时，用密钥验证本该随机出现的词语们，是否符合规律。
符合的次数够多，就能判断：这段文字，可能来自Claude。
嗯。这个水印，听起来确实不太好规避。
因为，想让水印无法被识别，基本只能靠打乱重写。
比如，你得把“这事不好办”，改成“要推进这事，阻力不小”。把“这方案得重新考虑”，改成“这路子不能继续走下去了”。
而无论是网友们提到的去除格式，或者截图后再转成文字，改掉的都是载体，没有改掉选词。所以，只要原来的文字保留够多，规律就还在。
Anthropic自己的说法也是：
轻微编辑，未必能去掉水印。逐字级的大幅重写，才可以破坏它。
说到这里，很多人就开始关心另一个问题了：
这是Claude的一次尝试，还是以后越来越多大模型的选择？
我试着查了一些资料，发现后者的可能性，其实并不小。
为什么？最直接的原因，是监管的要求。
Claude这次“打水印”的决定，就是个例子。
一开始新闻出来，很多网友的第一反应，就是这家公司又要“作妖”了。比如，打水印的目的，是为了以后起诉别人蒸馏自己。
但这次，它打水印的直接原因，是应对欧盟法律。
8月2日，欧盟《人工智能法案》第50条正式生效，要求提供生成式大模型的公司，给生成的内容，加上机器可读的标记，让它可被检测。
换句话说，“水印”的目的，是当Claude生成的文字，被复制进邮件、文档和各种平台之后，它还能证明这段文字来自自己的模型。
而且，这还不是Anthropic一家的动作。
Google，在很早就做了文字水印技术。OpenAI，也在给图片、音频加来源标识，未来，还会扩展到文字。国内也一样。去年9月的《人工智能生成合成内容标识办法》，也要求AI内容打好标记。
当然，这不意味着从明天开始，所有大模型的每句话，都能被查出来。不同公司会用不同的方法，标识也会有自己的边界。
可有一件事，确实正在变得越来越清楚：
AI直出的内容，正在从看不出来，走向能查得到。
那问题就回来了。
如果一段文字，越来越容易被看出有AI参与，我们的工作，会不会因此被否定，甚至被压价？
首先，你的交付有水印，不等于你没有努力。
检测到水印，最多只能说明：Claude参与过这段文字。至于这段文字，是它凭空生成，还是润色你的已有文字，分辨不出来。
Anthropic自己也承认，它分不清2种情况：
1）你只输入：帮我写一份英文方案。Claude从头到尾写完。
2）你花两天访谈客户、查资料、定框架，自己写出中文初稿。只是因为要给海外客户看，你才把文章交给Claude，翻成英文。
可问题是，客户却不一定会把这件事，分得这么清。
当他们看到一份交付，带着AI参与的痕迹，确实可能会问：既然机器也能写，为什么还要花这么多钱请你？
怎么办呢？
这就要求，我们不能只交付文字，还要交付判断。
比如一份行业报告。大模型可以写出2000字的总结。可哪些数据值得相信，问题在哪，下一步应该投钱还是观察，仍然需要你的结论。
老板需要的，是你把信息理顺，做出更好的选择。
比如方案。大模型能很快写10种框架，但客户需要的，是你告诉他：这10种方向，哪条路最值得走，为什么，走错了会付什么代价。
客户愿意付钱的，是你把机会和风险，给他讲明白。
以后，我们都要学会输出更多判断了。
过去，堆叠文字本身也是一种劳动。但随着AI到来，这件事正在变得越来越容易，也越来越便宜。
所以，如果一段文字只是在重复已有信息，堆出一份通用答案，那么它就越容易由工具完成，价格自然就会被压低。
水印会让文字的生产，越来越透明。可决定交付值不值钱的，不是有没有工具参与，而是有没有帮人，作出更好的选择。
AI让通用答案变得廉价，但你对具体问题的理解，永远值钱。
本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
