Claude กับ "ลายน้ำที่มองไม่เห็น" สามารถลบได้หรือไม่ - ข้อถกเถียงใหม่ในยุค AI ที่ Charles Hoskinson ผู้ก่อตั้ง Cardano ได้ยกขึ้นมา

ทำให้ข้อความที่สร้างโดย AI สามารถแยกแยะจากข้อความที่มนุษย์เขียนได้

ในมุมมองแรก อาจดูเหมือนเป็นระบบที่น่ายินดีในยุคที่ข้อมูลเท็จและเนื้อหาที่สร้างโดย AI มีมากมาย แต่ถ้าหาก "ลายน้ำ" นั้นมองไม่เห็นด้วยตาของมนุษย์ และอาจยังคงอยู่ในข้อความที่ใช้ AI เพียงเล็กน้อย เรื่องราวก็ไม่ง่ายอย่างที่คิด

ในเดือนสิงหาคม 2026 Charles Hoskinson ผู้ร่วมก่อตั้ง Cardano ที่รู้จักกันดี ได้เปิดตัวโครงการโอเพนซอร์ส "Anthropies" เพื่อเอาลายน้ำและข้อมูลที่มาจาก AI "Claude" ของ Anthropic ออก

นี่ไม่ใช่แค่การเปิดตัวเครื่องมือที่สะดวก แต่เป็นการเรียกร้องให้เกิดการถกเถียงที่ใหญ่ขึ้นเกี่ยวกับความโปร่งใสของ AI และสิทธิ์ของบริษัท AI ในการทิ้ง "ลายน้ำ" ไว้ในเนื้อหาที่ผู้ใช้สร้างขึ้น

"ลายน้ำที่มองไม่เห็น" ของ Claude

สิ่งสำคัญในการเข้าใจเหตุการณ์นี้คือระบบลายน้ำที่ Claude นำมาใช้

เมื่อพูดถึง "ลายน้ำ" หลายคนอาจนึกถึงโลโก้ที่แสดงอยู่ที่มุมของภาพ หรือวิธีการฝังข้อความลับในบทความ

แต่ระบบที่ Anthropic ใช้นั้นแตกต่างออกไปอย่างมาก

ไม่มีการเพิ่มตัวอักษรพิเศษในบทความ แต่แทนที่จะเป็นเช่นนั้น AI จะสร้างบทความโดยมีรูปแบบทางสถิติใน "การเลือกคำ"

ตัวอย่างเช่น เมื่อเขียนต่อไป มีคำที่มีความหมายเหมือนกันหลายคำ เช่น "สำคัญ" "จำเป็น" "ขาดไม่ได้" ที่สามารถเลือกใช้ได้

AI ทั่วไปจะเลือกคำถัดไปตามความน่าจะเป็นที่กำหนด แต่ในระบบลายน้ำจะใช้กฎตามกุญแจลับเพื่อให้มีแนวโน้มทางสถิติในตัวเลือกนั้น

มนุษย์ไม่สามารถแยกแยะความแตกต่างได้เมื่ออ่านบทความ

แต่ผู้ที่มีกุญแจสามารถวิเคราะห์บทความที่ยาวพอสมควรเพื่อประเมินทางสถิติว่า "Claude อาจมีส่วนร่วมในการสร้างบทความนี้"

ตามที่ Anthropic กล่าว วิธีนี้อิงจากแนวทางของ Google DeepMind ที่ศึกษา SynthID Text

สิ่งสำคัญคือ ลายน้ำนี้ไม่ได้ซ่อนอยู่ใน "ข้อมูลด้านหลังตัวอักษร" แต่ฝังอยู่ในภาษาของบทความเอง

ไม่สามารถลบออกได้ง่ายๆ โดยการลบตัวอักษรพิเศษหรือข้อมูลเมตาจากไฟล์ข้อความ

เบื้องหลัง EU AI Act

หนึ่งในเหตุผลหลักที่ Anthropic นำเทคโนโลยีนี้มาใช้คือกฎระเบียบ AI ของสหภาพยุโรป "EU AI Act"

ข้อกำหนดเกี่ยวกับความโปร่งใสที่มีผลบังคับใช้ตั้งแต่วันที่ 2 สิงหาคม 2026 กำหนดให้ผู้ให้บริการ AI ต้องมีมาตรการเพื่อให้สามารถตรวจจับเนื้อหาที่สร้างหรือแก้ไขโดย AI ได้

ไม่เพียงแต่ข้อความเท่านั้น แต่ยังรวมถึงภาพ เสียง และวิดีโอด้วย

ด้วยความสามารถของ AI ที่พัฒนาอย่างรวดเร็ว การแยกแยะระหว่างเนื้อหาที่มนุษย์สร้างขึ้นและเนื้อหาที่ AI สร้างขึ้นจึงยากขึ้น

อย่างไรก็ตาม กฎระเบียบไม่ได้หมายความว่า "ทุกสิ่งที่มีการใช้ AI ต้องแสดงว่าเป็นเนื้อหาที่สร้างโดย AI"

แนวทางของคณะกรรมาธิการยุโรปแสดงข้อยกเว้นสำหรับการแก้ไขมาตรฐาน และซอร์สโค้ดบางอย่างก็ไม่อยู่ภายใต้ข้อบังคับการทำเครื่องหมาย

นอกจากนี้ ระบบที่มีอยู่ในตลาดก่อนวันที่ 2 สิงหาคม 2026 จะมีช่วงการเปลี่ยนผ่านจนถึงวันที่ 2 ธันวาคม 2026 สำหรับข้อบังคับการทำเครื่องหมายและการตรวจจับ

ดังนั้น การเข้าใจว่า "EU บังคับให้ทุกการใช้ AI ต้องมีลายน้ำ" จึงไม่ถูกต้อง

แต่แน่นอนว่า ทิศทางที่กำลังเพิ่มขึ้นสำหรับผู้ให้บริการ AI รายใหญ่คือการทำให้เนื้อหาที่สร้างโดย AI สามารถระบุได้โดยเครื่องจักร

"Anthropies" ที่ Hoskinson เปิดตัว

และนี่คือที่มาของ Anthropies

Hoskinson ประกาศใน X ของเขาว่าเขากำลังสร้างระบบใหม่ที่สามารถใช้ร่วมกับ LLM หลายตัวเพื่อเอาลายน้ำของ Anthropic ออก

โครงการนี้ถูกเผยแพร่บน GitHub และใช้ใบอนุญาต Apache 2.0

"ร่องรอยของ Claude" ที่ Anthropies พยายามจัดการสามารถแบ่งออกเป็น 3 ประเภทหลัก

ประเภทแรกคือลายน้ำทางสถิติที่ฝังอยู่ในบทความ

ประเภทที่สองคือ Content Credentials ในรูปแบบ C2PA ที่แนบมากับไฟล์ภาพ

ประเภทที่สามคือข้อมูลการระบุที่แนบมากับข้อความคอมมิทใน Git เช่น "Co-Authored-By: Claude"

ทั้งสามประเภทนี้ดูเหมือนกัน แต่มีลักษณะทางเทคนิคที่แตกต่างกันอย่างมาก

ข้อมูล C2PA และการระบุใน Git เป็นข้อมูลเมตาหรือข้อความที่สามารถจัดการได้ง่ายกว่า

ในขณะที่ลายน้ำทางสถิติมีอยู่ในตัวเลือกคำของบทความเอง จึงไม่สามารถลบเฉพาะส่วนลายน้ำได้ง่ายๆ

ทำไมต้อง "เขียนใหม่ด้วย AI อื่น"

สิ่งที่น่าสนใจที่สุดใน Anthropies คือแนวคิดเกี่ยวกับลายน้ำในบทความ

ถ้าลายน้ำมีอยู่ในรูปแบบการเลือกคำ การทำลายรูปแบบนั้นจำเป็นต้องเปลี่ยนบทความเอง

ดังนั้น Anthropies จึงใช้แนวคิดในการสร้างบทความใหม่ด้วยโมเดลอื่น

โครงการนี้แยกการลบข้อมูลเมตาที่รู้จักออกจากการเปลี่ยนโครงสร้างและการแสดงออกของบทความ

การลบการระบุใน Git สามารถทำได้โดยการลบส่วนที่กำหนด แต่สำหรับบทความภาษาธรรมชาติ จำเป็นต้องเขียนใหม่ด้วยโมเดลที่ต่างจากที่สร้างลายน้ำ

ในทางกลับกัน หากขอให้โมเดลต้นทาง "ลบลายน้ำและเขียนใหม่" บทความที่สร้างใหม่อาจมีลายน้ำแบบเดิมอีกครั้ง

นี่แสดงถึงความยากลำบากพื้นฐานของเทคโนโลยีลายน้ำของ AI

"ลายน้ำที่ลบได้" มีความหมายหรือไม่

คำถามที่พบบ่อยใน SNS คือประเด็นนี้

"ถ้าสามารถลบได้โดยการเปลี่ยนแปลงบทความด้วย AI อื่น จะสามารถป้องกันการใช้ในทางที่ไม่ดีได้จริงหรือ?"

ในความเป็นจริง Anthropic เองก็ไม่ได้อธิบายว่าลายน้ำเป็นสิ่งที่ครอบคลุมทุกอย่าง

หากมีการแก้ไขเพียงเล็กน้อย ลักษณะทางสถิติอาจยังคงอยู่ แต่ถ้าเขียนใหม่ทั้งหมด สัญญาณอาจหายไป

นอกจากนี้ ในบทความสั้นๆ จำนวนการเลือกคำที่เป็นวัสดุสำหรับการตัดสินใจนั้นน้อยลง ทำให้ความสามารถในการตรวจจับลดลงเมื่อเทียบกับบทความยาว

เช่นเดียวกันกับโค้ดโปรแกรมหรือบทความที่เขียนข้อเท็จจริงอย่างเคร่งครัด

ในที่ที่มีคำตอบที่จำกัด AI มีโอกาสน้อยที่จะเลือกคำอื่น ทำให้พื้นที่ในการฝังรูปแบบทางสถิติลดลง

ใน SNS มีการวิจารณ์ว่า "ถ้าข้อมูลที่มาของภาพสูญหายจากการถ่ายภาพหน้าจอหรือการเข้ารหัสใหม่ และสัญญาณของบทความลดลงจากการพาราเฟรสอย่างมาก จะไม่สามารถป้องกันผู้ใช้ที่มีเจตนาร้ายได้ แต่จะส่งผลกระทบต่อผู้ใช้ทั่วไปเท่านั้น"

ในทางกลับกัน มีความเห็นว่า "ถึงแม้จะไม่สามารถป้องกันการใช้ในทางที่ผิดได้ทั้งหมด แต่ก็ยังมีความหมาย"

เนื้อหาที่สร้างโดย AI ที่โพสต์ในอินเทอร์เน็ตจำนวนมากไม่จำเป็นต้องถูกแก้ไขเพื่อเอาลายน้ำออก

การตรวจจับเพียงบางส่วนของกรณีที่คัดลอกผลลัพธ์การสร้างและโพสต์เกือบทั้งหมดก็สามารถใช้เป็นวัสดุในการแยกแยะสแปมจำนวนมากหรือเนื้อหาคุณภาพต่ำได้

ความกังวลที่โดดเด่นใน SNS "บทความที่มนุษย์เขียนจะเป็นอย่างไร?"

อีกประเด็นหนึ่งที่ได้รับความสนใจอย่างมากใน SNS คือการจัดการ "เมื่อให้ Claude ตรวจสอบบทความที่เขียนเอง"

ตัวอย่างเช่น หากมนุษย์เขียนรายงานตั้งแต่ต้นจนจบและให้ Claude ปรับปรุงการแสดงออกเพื่อให้อ่านง่ายขึ้น

หากเกิดรูปแบบทางสถิติในส่วนที่ AI เปลี่ยนแปลง เมื่อมีการตรวจสอบในภายหลัง อาจถูกตัดสินว่าเป็น "บทความที่ Claude มีส่วนร่วม"

สิ่งสำคัญที่นี่คือ การตัดสินว่า "Claude มีส่วนร่วม" ไม่เหมือนกับการตัดสินว่า "Claude เขียนบทความนี้"

Anthropic ก็ได้ชี้แจงความแตกต่างนี้อย่างชัดเจน

ลายน้ำสามารถบอกได้ว่า Claude อาจมีส่วนร่วมในบทความ แต่ไม่ใช่หลักฐานที่ยืนยันว่าใครเป็นผู้เขียน

อย่างไรก็ตาม หากผลการตัดสินใจนี้ถูกนำไปใช้ในโรงเรียน บริษัท การจ้างงาน หรือการตีพิมพ์ อาจเป็นปัญหาสำหรับผู้ใช้

ใน SNS มีการตอบสนองว่า "การที่บทความที่มนุษย์เขียนถูกมองว่าเป็น 'บทความ AI' เพียงเพราะผ่านการตรวจสอบจาก Claude นั้นไม่ยุติธรรม"

อย่างไรก็ตาม Anthropic อธิบายว่าในบทความที่มีการแก้ไขเพียงเล็กน้อย เช่น ไวยากรณ์หรือเครื่องหมายวรรคตอน คำที่ Claude เลือกจะน้อย ทำให้ลายน้ำไม่เพียงพอที่จะคงอยู่

แนวทางของ EU ยังมีข้อยกเว้นสำหรับการแก้ไขมาตรฐาน

ดังนั้น "การแก้ไขเพียงตัวอักษรเดียวด้วย Claude จะไม่ถูกตัดสินว่าเป็นการสร้างโดย AI เสมอไป"

ปัญหาคือ ขอบเขตระหว่าง "การแก้ไขมาตรฐาน" และ "การสร้างโดย AI อย่างแท้จริง" นั้นมักจะไม่ชัดเจนในสถานการณ์การใช้งานจริง

เสียงที่ยินดีต้อนรับความโปร่งใส

แน่นอนว่ามีความคิดเห็นที่ประเมินลายน้ำในเชิงบวกไม่น้อย

ใน SNS มีความคิดเห็นว่า ระบบที่สามารถยืนยันทางเทคนิคว่าเนื้อหาถูกสร้างโดย AI จะมีความจำเป็นในอนาคตของอินเทอร์เน็ต

เมื่อบทความ ภาพ หรือวิดีโอที่สร้างโดย AI เข้าใกล้ระดับที่ไม่สามารถแยกแยะจากผลงานของมนุษย์ได้ วิธีการที่ผู้ชมสามารถตัดสินแหล่งที่มาของเนื้อหาจึงมีความสำคัญ

เมื่อพิจารณาถึงข้อมูลเท็จทางการเมือง โฆษณาปลอม ข่าวปลอม รีวิวปลอม และเนื้อหา SEO ที่สร้างโดย AI จำนวนมาก การมีเทคโนโลยีที่สามารถยืนยัน "ความเป็นไปได้ที่สร้างโดย AI" มีความหมายในเชิงสาธารณะ

หากบริษัท AI ไม่ทำอะไรเลย ความสามารถในการติดตามแหล่งที่มาของเนื้อหาจะลดลง

ในแง่นี้ ผู้ใช้บางคนมองว่าความพยายามของ Anthropic เป็น "การก้าวไปข้างหน้าเพื่อเพิ่มความโปร่งใส"

บางโพสต์เสนอว่าถึงแม้จะไม่ใช่เทคโนโลยีการตรวจจับที่สมบูรณ์ การสามารถแยกแยะเนื้อหา AI ที่เผยแพร่จำนวนมากโดยไม่ต้องแก้ไขก็อาจช่วยปรับปรุงคุณภาพข้อมูลของอินเทอร์เน็ตโดยรวมได้

"ความเป็นเจ้าของ" ที่ Hoskinson ตั้งคำถาม

การมอง Anthropies เป็นเพียงเครื่องมือในการลบลายน้ำทางเทคนิคอาจทำให้เข้าใจเจตนาของโครงการนี้เพียงครึ่งเดียว

เพราะสิ่งที่ Hoskinson เน้นย้ำคือปัญหาเกี่ยวกับ "ความเป็นเจ้าของ" และ "การระบุ" ของเนื้อหาที่สร้างโดย AI