AI 文字浮水印上線不到一週，專門移除標記的工具已開始湧現

AI 內容標示的技術路線遇到了可預期的第一道考驗。Anthropic 為部分 Claude 模型的輸出加入「不可感知的浮水印」後不到一週，專門用來移除這類標記的工具已開始在開發者社群出現。

理解這件事需要先理解浮水印的原理。文字浮水印不是在文件裡加一個看不見的標記，而是在模型生成時對詞彙選擇施加細微的統計偏好——特定的用詞分布模式構成可被演算法檢測的簽章。對讀者而言完全無感，但對檢測工具而言是可辨識的。

而這個原理同時決定了它的脆弱性。統計模式依附在具體的用詞序列上，任何改動用詞的動作都會削弱它：把文字丟給另一個模型改寫、手動替換同義詞、調整句子順序，甚至只是把內容重打一遍。移除工具做的正是系統化地執行這類改動，同時盡量保留原意。

這對教育現場的意涵相當明確：浮水印能抓到的，是原封不動複製貼上的人。而稍微用心規避的人幾乎不會留下痕跡。若學校把「檢出浮水印」當成違規證據，實際上抓到的是最不熟練的一群，而非最需要處理的一群。

更危險的是反向推論。當浮水印被視為判斷依據，「沒有浮水印」很容易被誤讀為「不是 AI 寫的」——而市面上大量開源模型、本地部署方案與未加入標示機制的服務，本來就不會留下任何標記。這與近期關於歐盟強制標示可能產生反效果的討論指向同一個問題：標籤保護的是誠實的一方，不構成防範惡意的防線。

不過，浮水印仍有其價值，只是不在抓弊。它讓「揭露使用了 AI」變成技術上可驗證的常態，對於自願標示、內容來源追溯與平台端的內容管理都有實質作用。定位錯了才會失望。

對台灣的學校而言，這件事的實用結論是：不要把任何單一技術標記寫進學術誠信規範作為判定依據。近期多所大學禁用 AI 偵測器的理由同樣適用於浮水印——工具可以是線索，不該是結論。