Anthropic gắn watermark ẩn cho Claude, chưa đầy 24 giờ sau đã có công cụ tuyên bố gỡ được

Đầu tuần này, Anthropic công bố mọi nội dung do Claude tạo ra sẽ mang một dấu hiệu ẩn để phân biệt với nội dung do con người viết, nhằm tuân thủ quy định minh bạch của Liên minh châu Âu có hiệu lực từ ngày 2/8. Tin tức nhanh chóng lan rộng trên các báo công nghệ lớn. Chưa đầy 24 giờ sau khi câu chuyện nổ ra, một lập trình viên người Pháp tên Guillaume Meyer đã đăng tải lên GitHub công cụ có tên watermarks-remover, tuyên bố có thể xóa dấu vết AI khỏi văn bản do Claude, Gemini và OpenAI tạo ra. Công cụ lập tức thu hút sự chú ý, tăng từ vài chục lên hơn 3.000 lượt gắn sao chỉ trong chưa đầy một ngày.

Dấu hiệu mà Anthropic gắn vào Claude không phải ký tự ẩn kiểu khoảng trắng vô hình như nhiều người tưởng. Nó là một tín hiệu được cài vào ngay trong cách Claude chọn từng từ khi viết câu, mắt thường không thấy được và không làm thay đổi nội dung. Vì dấu hiệu nằm sẵn trong câu chữ nên khi người dùng copy đoạn văn sang chỗ khác, dấu hiệu vẫn đi theo, kể cả khi văn bản đã qua vài lần chỉnh sửa nhẹ. Với file ảnh do Claude tạo ra, Anthropic dùng cách khác: gắn kèm một đoạn thông tin xác thực nguồn gốc theo chuẩn quốc tế C2PA, tương tự tem chống hàng giả gắn trên sản phẩm.

Watermarks-remover được đóng gói dưới dạng một tiện ích cho các trợ lý AI, dùng miễn phí và cho phép tự do sử dụng lại. Công cụ hoạt động theo hai hướng chính. Hướng thứ nhất là dọn sạch những ký tự ẩn còn sót lại trong văn bản, việc này làm rất tốt và có thể kiểm chứng được. Hướng thứ hai mới là phần khó, nhắm thẳng vào tín hiệu ẩn trong cách chọn từ của Claude. Để làm được điều này, công cụ phải viết lại gần như toàn bộ câu chữ bằng một mô hình AI khác, với hy vọng làm loãng tín hiệu gốc.

Chính Guillaume Meyer cũng thừa nhận trong tài liệu đi kèm công cụ rằng cách thứ hai chỉ mang tính "cố gắng hết sức", không có gì đảm bảo. Muốn xóa sạch dấu hiệu, gần như phải viết lại toàn bộ đoạn văn chứ không chỉ đảo vài câu, và việc viết lại này chắc chắn làm giảm chất lượng, giọng văn so với bản gốc do Claude viết. Anh đặt câu hỏi ngược lại chính người dùng công cụ của mình: nếu đằng nào cũng phải cho một AI khác viết lại từ đầu, thì bỏ tiền dùng một mô hình cao cấp như Claude ngay từ đầu để làm gì. Với watermark trên ảnh, công cụ không hề đụng đến, chỉ cung cấp tùy chọn ước tính xem một tấm ảnh có khả năng mang dấu hiệu hay không, chứ không xóa được.

Một cây bút công nghệ độc lập tên Pasquale Pillitteri đã thử tải công cụ về và đọc trực tiếp mã nguồn thay vì chỉ tin vào lời quảng cáo. Kết quả cho thấy watermarks-remover xử lý ký tự ẩn kỹ hơn hẳn một công cụ đối thủ khác, nhưng lại mắc lỗi mới: bộ lọc hoạt động quá tay, làm hỏng luôn cả emoji và tên riêng viết bằng tiếng Nhật trong văn bản gốc. Nói cách khác, dùng công cụ để "làm sạch" một đoạn văn có thể vô tình phá hỏng những phần nội dung hoàn toàn bình thường không liên quan gì đến AI.

Câu chuyện này không chỉ riêng Anthropic. Khoảng 190 công ty công nghệ, trong đó có Google, Meta, Microsoft và cả OpenAI, đã ký cam kết tự nguyện gắn dấu hiệu AI theo yêu cầu của châu Âu. Google đã áp dụng công nghệ tương tự mang tên SynthID cho ảnh từ năm 2023 và sau đó mở rộng sang văn bản, âm thanh, video. Giới quan sát dự đoán làn sóng công cụ "gỡ dấu AI" như watermarks-remover sẽ còn tiếp tục xuất hiện, bởi ai quyết tâm che giấu nguồn gốc AI của một đoạn văn bản đều có nhiều cách để làm suy yếu tín hiệu, và bản thân các hãng công nghệ cũng thừa nhận watermark không phải giải pháp hoàn hảo.

[Ảnh: Logo Anthropic bên cạnh biểu tượng cờ Liên minh châu Âu tượng trưng cho quy định minh bạch AI]

Tính đến ngày 13/8, watermarks-remover đã vượt mốc 3.100 lượt gắn sao và hơn 300 lượt sao chép mã nguồn trên GitHub, giấy phép sử dụng hoàn toàn miễn phí. Anthropic hiện chưa đưa ra bình luận chính thức nào về công cụ này.