Anthropic च्या नवीन Claude मॉडेल्समध्ये प्रत्येक तयार केलेल्या मजकुरात एक अदृश्य वॉटरमार्क (watermark) समाविष्ट केला जातो. २ ऑगस्ट रोजी अपडेट केलेल्या डॉक्युमेंटेशनमध्ये जाहीर करण्यात आलेल्या या बदलामुळे, शब्दांची निवड आणि वाक्यांची रचना यामध्ये थेट एक सांख्यिकीय सिग्नल (statistical signal) समाविष्ट केला जातो—हा कोणताही दृश्य टॅग किंवा मेटाडेटा फील्ड नाही.
वॉटरमार्क म्हणजे काय
वॉटरमार्क म्हणजे भाषेमध्ये विणलेला एक सूक्ष्म नमुना (pattern) आहे. मॉडेलला विशिष्ट समानार्थी शब्द, विरामचिन्हांची मांडणी किंवा वाक्यांच्या लयीकडे वळवून, Anthropic एक असा 'फिंगरप्रिंट' तयार करते जो सामान्य कॉपी-पेस्ट आणि किरकोळ संपादनानंतरही टिकून राहतो. केवळ मोठ्या प्रमाणावर पुनर्लेखन (rewriting), भाषांतराचे अनेक टप्पे किंवा मानवी मजकुराशी मोठ्या प्रमाणात मिसळल्यास हा सिग्नल नष्ट होऊ शकतो.
वॉटरमार्क मजकुराच्या आत असल्याने, तो मजकुरासोबत कुठेही जाऊ शकतो—मग ते Claude.ai वेब UI असो, API असो, Claude Code असो किंवा Anthropic च्या मॉडेल्सवर अवलंबून असलेले AWS किंवा Google Cloud वरील उपयोजन (deployments) असो.
संपादन केल्यानंतरही तो कसा टिकून राहतो
सामान्य 'ह्युमन-इन-द-लूप' (human-in-the-loop) वर्कफ्लो—जसे की प्रूफरीडिंग, टोन बदलणे किंवा काही शब्दांच्या जागी समानार्थी शब्द वापरणे—वॉटरमार्क पुसून टाकत नाहीत. Anthropic च्या डॉक्युमेंटेशननुसार, असे छोटे बदल "सिग्नल काढून टाकत नाहीत," याचा अर्थ असा की एखाद्या रिव्ह्यूअरने मजकुरात बदल केल्यानंतरही तो Claude ने तयार केलेला असल्याचे ओळखता येईल.
अधिक आक्रमक बदल हा नमुना मोडू शकतात:
- वाक्यांचे शून्यापासून पुनर्लेखन करणे
- मजकुराचे वारंवार दुसऱ्या भाषेत भाषांतर करून पुन्हा मूळ भाषेत आणणे
- मानवी लेखनाने लिहिलेले मोठे परिच्छेद समाविष्ट करणे
या कृतींसाठी वेळ किंवा श्रम लागतात आणि यामुळे मूळ आउटपुटची गुणवत्ता किंवा मूळ उद्देश कमी होऊ शकतो.
डेव्हलपर वर्कफ्लोवर होणारा परिणाम
जे डेव्हलपर्स आराखडे (outlines), कोड कमेंट्स किंवा मार्केटिंग कॉपी तयार करण्यासाठी Claude वर अवलंबून असतात, त्यांना आता अनुपालनाचा (compliance) एक नवीन अडथळा निर्माण झाला आहे. AI-निर्मित मजकुरासाठी पारदर्शकता अनिवार्य करणारा EU AI Act, Anthropic च्या या पावलासाठी कायदेशीर पार्श्वभूमी प्रदान करतो, ज्यामुळे हा वॉटरमार्क प्रभावीपणे एक नियामक सुरक्षा कवच (regulatory safeguard) बनतो.
यावर मात करण्यासाठी तीन रणनीती समोर आल्या आहेत:
- Translation chains (भाषांतर साखळी) – वॉटरमार्क विस्कळीत करण्यासाठी Claude चे आउटपुट अनेक भाषांतरांच्या प्रक्रियेतून फिरवा. ही पद्धत वेळखाऊ आहे आणि यामुळे भाषांतराच्या चुका होऊ शकतात.
- Manual retyping (मॅन्युअल रीटायपिंग) – लपलेला नमुना काढून टाकण्यासाठी मजकूर हाताने टाईप करा. हे काम करते परंतु मोठ्या प्रमाणात मजकुरासाठी हे शक्य नाही.
- Full rewriting (पूर्ण पुनर्लेखन) – कल्पना किंवा संरचनेसाठी Claude चा वापर करा आणि त्यानंतर प्रत्येक वाक्य स्वतः लिहा. यामुळे सर्जनशीलता टिकून राहते आणि अंतिम मजकुरात वॉटरमार्क राहत नाही; अतिरिक्त लेखनाच्या कामामुळे डेव्हलपर्स याला सर्वात व्यावहारिक दृष्टिकोन मानतात.
प्रत्येक पद्धतीमध्ये वेग, खर्च आणि मूळ मॉडेल आउटपुटची अचूकता (fidelity) यांचा समतोल साधावा लागतो.
फॉल्स पॉझिटिव्ह आणि शोधण्याचे द्वंद्व
एक चिंताजनक बाब म्हणजे वॉटरमार्कचे सांख्यिकीय स्वरूप मानवी लेखनाशी मिळतेजुळते असू शकते. Claude सार्वजनिकरित्या उपलब्ध असलेल्या मजकुरातून शिकतो, त्यामुळे त्याचे शैलीगत फिंगरप्रिंट्स कधीकधी मानवी लेखकांच्या शैलीची नक्कल करतात. त्यामुळे वॉटरमार्क शोधणारी साधने मानवी मजकूर चुकीच्या पद्धतीने AI-निर्मित म्हणून वर्गीकृत करू शकतात—हा एक 'फॉल्स पॉझिटिव्ह' (false positive) प्रकार असेल, ज्यामुळे नको असलेले अनुपालन पुनरावलोकन (compliance reviews) सुरू होऊ शकते.
Anthropic स्वतःचे डिटेक्शन टूल विकसित करत आहे, परंतु ते अद्याप प्रदर्शित केलेले नाही. व्हॅलिडेटरशिवाय, डेव्हलपर्स हे तपासू शकत नाहीत की त्यांचा निवडलेला वर्कफ्लो यशस्वीरित्या वॉटरमार्क काढून टाकतो की नाही किंवा त्यांचा मजकूर चुकीच्या पद्धतीने फ्लॅग केला जाईल का.
पुढे काय पाहावे
- Anthropic च्या डिटेक्टरचे प्रकाशन – एकदा उपलब्ध झाले की, टीम्स त्यांच्या वर्कफ्लोची अधिकृत मानकांशी तुलना (benchmark) करू शकतील.
निष्कर्ष
Anthropic चा अदृश्य वॉटरमार्क "तयार करा आणि प्रकाशित करा" (generate-and-publish) कडून "तयार करा आणि बारकाईने तपासा" (generate-and-scrutinize) कडे वळण्यास भाग पाडतो. AI-लेखक (AI-authorship) फ्लॅग्सपासून दूर राहण्यासाठी डेव्हलपर्सना भाषांतर पाइपलाइन, मॅन्युअल रीटायपिंग किंवा पूर्ण पुनर्लेखन यामध्ये गुंतवणूक करायची की नाही, याचा निर्णय घ्यावा लागेल; आणि हे करताना त्यांना फॉल्स पॉझिटिव्हचा धोकाही पत्करावा लागेल, ज्यामुळे मानवी काम चुकून मशीन-निर्मित म्हणून लेबल केले जाऊ शकते.