Anthropic ने AI पारदर्शिता बढ़ाने और उभरते नियमों का पालन करने के लिए अपने Claude मॉडल परिवार में आधिकारिक तौर पर टेक्स्ट वॉटरमार्किंग (text watermarking) लागू करना शुरू कर दिया है। हालांकि कंपनी निर्बाध एकीकरण (seamless integration) का वादा करती है, लेकिन भाषाई सटीकता पर इसके प्रभाव और पता लगाने योग्य AI लेखकत्व (AI authorship) के कानूनी निहितार्थों को लेकर एक बहस छिड़ गई है।

स्टेल्थ वॉटरमार्किंग की कार्यप्रणाली

Anthropic का दृष्टिकोण Google DeepMind की SynthID-Text कार्यप्रणाली पर आधारित है। पारंपरिक वॉटरमार्किंग के विपरीत, जो दृश्य लेबल या छिपे हुए Unicode वर्णों को डाल सकती है, यह प्रणाली Large Language Model (LLM) के संभाव्यता स्तर (probabilistic level) पर काम करती है। यह टोकन चयन के दौरान उपयोग किए जाने वाले रैंडमनेस स्रोत (randomness source) में सूक्ष्म बदलाव करके काम करती है। विशिष्ट शब्दों के चयन की संभावना को समायोजित करके, यह प्रणाली एक सांख्यिकीय रूप से पता लगाने योग्य पैटर्न बनाती है जिसे टेक्स्ट के दृश्य स्वरूप को बदले बिना विशेष सॉफ्टवेयर द्वारा पहचाना जा सकता है।

Anthropic का दावा है कि इस प्रक्रिया का Claude के आउटपुट की रचनात्मकता या पठनीयता पर कोई मापने योग्य प्रभाव नहीं पड़ता है। उच्च-सटीकता वाले वातावरण में जोखिमों को कम करने के लिए, कंपनी का कहना है कि तथ्य-प्रधान अनुच्छेदों (fact-heavy passages) में वॉटरमार्किंग "विरल" (sparser) होती है, जहाँ शब्दावली अर्थ संबंधी आवश्यकता (semantic necessity) के कारण सीमित होती है।

भाषाई आलोचना: सटीकता बनाम पैटर्निंग

Anthropic के आश्वासनों के बावजूद, Daring Fireball के जॉन ग्रुबर जैसे प्रमुख तकनीकी आलोचकों का तर्क है कि "अदृश्य" (imperceptible) होने का दावा त्रुटिपूर्ण है। इस तर्क का मूल अर्थ संबंधी सूक्ष्मता (semantic nuance) पर आधारित है: कोई भी दो पर्यायवाची शब्द पूरी तरह से एक-दूसरे के स्थान पर उपयोग नहीं किए जा सकते। यदि वॉटरमार्किंग एल्गोरिदम सांख्यिकीय पैटर्न बनाए रखने के लिए किसी विशिष्ट टोकन को प्राथमिकता देता है, तो यह वॉटरमार्क के लिए सांख्यिकीय रूप से "सही" शब्द के पक्ष में अधिक सटीक शब्द को छोड़ सकता है।

ग्रुबर का सुझाव है कि इससे टेक्स्ट की गुणवत्ता में सूक्ष्म गिरावट आ सकती है। उन्होंने उल्लेख किया कि SynthID जैसे सिस्टम को मान्य करने के लिए उपयोग किए जाने वाले वर्तमान मेट्रिक्स—जैसे कि उपयोगकर्ता की "thumbs-up/down" रेटिंग—अपर्याप्त हैं। एक उपयोगकर्ता "overcast" के बजाय "grey" चुनने के लिए मॉडल को दंडित करने की संभावना कम है, भले ही बाद वाला बेहतर शैलीगत गहराई (stylistic depth) प्रदान करता हो, जिसका अर्थ है कि टेक्स्ट की "गुणवत्ता" उन तरीकों से कम हो सकती है जिन्हें मानक बेंचमार्क पकड़ने में विफल रहते हैं।

कानूनी निहितार्थ और निशानों की "चिपकने वाली" प्रकृति

यह रोलआउट पेशेवर क्षेत्रों, विशेष रूप से कानून के लिए महत्वपूर्ण जटिलताएं पेश करता है। Artificial Lawyer के अनुसार, हालांकि अधिकांश क्लाइंट AI सहायता के प्रति उदासीन हैं, लेकिन AI की भागीदारी साबित करने की क्षमता उन मामलों में एक देनदारी (liability) बन जाती है जहाँ न्यायाधीश या क्लाइंट द्वारा AI के उपयोग पर स्पष्ट रूप से रोक लगाई गई हो।

एक महत्वपूर्ण तकनीकी चुनौती इन वॉटरमार्क्स की "निरंतरता" (persistence) है। चूंकि निशान टेक्स्ट में ही समाहित होते हैं, इसलिए वे दस्तावेजों में फैल सकते हैं। एक मानव-लिखित अनुबंध जिसमें AI-जनरेटेड क्लॉज शामिल है, वह उस वॉटरमार्क को आगे ले जाएगा, जिससे भविष्य के टेम्पलेट्स दूषित होने की संभावना है। इसके अलावा, जैसे-जैसे कानूनी पेशेवर कई LLMs का उपयोग करेंगे, दस्तावेजों में अंततः विभिन्न प्रदाताओं के ओवरलैपिंग वॉटरमार्क हो सकते हैं, जो पारदर्शिता ऑडिट के लिए एक फोरेंसिक दुस्वप्न (forensic nightmare) पैदा कर सकते हैं।

अनुपालन और बाईपास

यह कदम काफी हद तक EU AI Act का अनुपालन करने की आवश्यकता से प्रेरित है, हालांकि Anthropic क्षेत्रीय विखंडन (regional fragmentation) से बचने के लिए इस फीचर को वैश्विक स्तर पर लागू कर रहा है। 2 अगस्त के बाद जारी किए गए सभी Claude मॉडल पहले से ही वॉटरमार्किंग का समर्थन करते हैं, और पुराने मॉडलों को भी इसमें शामिल करने की योजना है। हालांकि, सिस्टम की प्रभावकारिता विवादास्पद बनी हुई है; Declaude जैसे टूल का उपयोग पहले से ही पैराफ्रेसिंग (paraphrasing) के माध्यम से इन निशानों को हटाने के लिए किया जा रहा है, जो यह सुझाव देता है कि हालांकि वॉटरमार्किंग नियामकों को संतुष्ट कर सकती है, लेकिन यह जानबूझकर किए जाने वाले बाईपास को रोकने में संघर्ष कर सकती है।

मुख्य बातें

  • संभाव्यता आधारित पहचान (Probabilistic Detection): Anthropic एक SynthID-शैली की विधि का उपयोग करता है जो दृश्य वर्ण जोड़ने के बजाय टोकन चयन की रैंडमनेस को बदल देता है, जिससे वॉटरमार्क सांख्यिकीय रूप से पता लगाने योग्य लेकिन दृश्य रूप से छिपा हुआ रहता है।
  • गुणवत्ता से समझौता (Quality Trade-offs): आलोचकों का तर्क है कि वॉटरमार्क पैटर्न बनाए रखने के लिए विशिष्ट शब्दों के चयन को मजबूर करने से स्वाभाविक रूप से अर्थ संबंधी सटीकता और शैलीगत सूक्ष्मता का बलिदान होता है।
  • कानूनी देनदारी (Legal Liability): वॉटरमार्क्स की "चिपकने वाली" प्रकृति का अर्थ है कि AI-जनरेटेड टेक्स्ट भविष्य के दस्तावेजों में पता लगाने योग्य पैटर्न ले जा सकता है, जिससे लॉ फर्मों और अत्यधिक विनियमित उद्योगों के लिए पारदर्शिता का जोखिम पैदा होता है।