Cách hoạt động của watermark văn bản AI và cách vượt qua chúng

Bài viết mở đầu bằng nhận định rằng các quy định của Liên minh châu Âu (European Union – EU) hiện nay yêu cầu các nhà cung cấp mô hình ngôn ngữ lớn (Large Language Model – LLM) phải gắn thủy vân (watermark) cho văn bản do trí tuệ nhân tạo (Artificial Intelligence – AI) tạo ra, và lấy Claude của Anthropic làm ví dụ. Tác giả giải thích rằng thủy vân hoạt động bằng cách dịch chuyển phân phối xác suất của các token trong quá trình sinh văn bản, khiến một số token hiếm xuất hiện với tần suất cao hơn bình thường. Con ngưới không thể nhận ra điều này, nhưng những cỗ máy nắm rõ phân phối thực thì có thể phát hiện. Để vượt qua thủy vân, tác giả đề xuất tiền xử lý văn bản nhằm loại bỏ những dấu vết dễ nhận biết như dấu gạch dài (em dash) và dấu cách độ rộng bằng không (zero-width space), sau đó dịch văn bản sang một ngôn ngữ trung gian rồi dịch ngược trở lại, và cuối cùng viết lại bằng một LLM trọng số mở (open-weight) như DeepSeek-v4 — loại mô hình không thêm thủy vân. Tác giả đã xây dựng một công cụ dựa trên Streamlit và LangChain để tự động hóa các bước trên, cho phép ngưới dùng lựa chọn và tùy chỉnh từng bước; công cụ này hiện được phát hành trên GitHub.