Najkrótsza odpowiedź brzmi: nie ma dowodu, że projekt watermarks-remover skutecznie omija produkcyjny detektor Anthropic. Repozytorium Guillaume’a Meyera dokumentuje czyszczenie niewidocznych znaków, usuwanie metadanych oraz opcjonalne przepisywanie tekstu przez model. To zestaw prób i narzędzi typu best effort, a nie potwierdzony bypass.
Sprawa jest bardziej zawiła, niż sugeruje hasło „usuń znak wodny”. Claude wykorzystuje bowiem dwie różne warstwy pochodzenia treści: statystyczny sygnał zapisany w wyborze słów oraz podpisane metadane pliku. Pomylenie tych mechanizmów prowadzi prosto do błędnego wniosku.
To nie jest potwierdzone obejście
watermarks-remover rozdziela kilka zadań. Jedna warstwa zajmuje się deterministycznym czyszczeniem znaków Unicode i podobnych elementów, druga może usuwać metadane pliku, a kolejna próbuje zmieniać tekst za pomocą przepisywania wspomaganego przez model.
Pierwsze dwie operacje dotyczą warstwy znaków i plików. Nie są tym samym co zmiana statystycznego wzorca powstałego podczas generowania tekstu. Samo wyczyszczenie znaków Unicode ani usunięcie metadanych nie dowodzi więc usunięcia znaku wodnego Claude.
Największe zamieszanie dotyczy przepisywania. Mocna parafraza może osłabić wykrywalność sygnału, ale może też zmienić sens, styl, formatowanie albo dokładność tekstu. Nie ma podstaw, by przedstawiać takie przekształcenie jako gwarantowaną metodę. Szczególnie że aktualny opis detekcji Anthropic nie daje ogólnodostępnego narzędzia, za pomocą którego można by potwierdzić wynik dla konkretnego tekstu.
Dwie warstwy pochodzenia treści
Pierwsza warstwa działa na poziomie generowania. Claude ma dobierać tokeny, czyli małe jednostki tekstu, w sposób, który tworzy rozproszony statystyczny wzorzec. Nie widać go jako dodatkowych znaków, komentarza ani zwykłego pola w metadanych dokumentu.
Druga warstwa dotyczy plików. W obsługiwanych formatach Claude może dołączać podpisane metadane C2PA — standard opisujący pochodzenie i historię pliku. To nie jest ten sam mechanizm co sygnał tekstowy. Konwersja lub ponowny zapis pliku może wpłynąć na metadane C2PA, ale nie oznacza to automatycznie zmiany sygnału zaszytego w sposobie generowania tekstu.
Infografika porządkuje tę różnicę: jedna warstwa podąża za doborem słów, druga za podpisanym plikiem. Obie mogą dostarczać informacji o pochodzeniu, ale żadna nie rozstrzyga sama, kto napisał cały dokument.
Jak sygnał trafia do wyboru słów
Anthropic opisuje swoje podejście jako oparte na metodzie SynthID-Text opracowanej przez Google DeepMind. W uproszczeniu model nie dopisuje widocznej etykiety, tylko nieznacznie steruje wyborem między dostępnymi tokenami. Pojedynczy wybór niczego nie przesądza; znaczenie ma wzorzec rozłożony na większej liczbie słów.
To tłumaczy, dlaczego zwykłe kopiowanie i wklejanie nie jest metodą usunięcia oznaczenia. Sygnał jest częścią tekstu, a nie przypisem przyklejonym do konkretnego dokumentu. Z drugiej strony krótkie fragmenty, tłumaczenie, intensywna redakcja i mieszanie tekstu z inną treścią mogą utrudnić wykrycie wzorca.
W kodzie sytuacja wygląda inaczej. Składnia pozostawia mniej swobody w wyborze słów niż zwykła proza, dlatego możliwości umieszczenia silnego sygnału są mniejsze. Anthropic wskazuje, że większe pole manewru mogą dawać komentarze i inne elementy, które nie wpływają bezpośrednio na działanie programu.
Badania SynthID-Text obejmowały testy konfiguracji Google Gemini, w tym analizę około 20 milionów odpowiedzi, i wykazały w tych warunkach pomijalny wpływ na jakość. Nie jest to jednak niezależny benchmark implementacji Claude. Wyniku z jednego systemu nie można bezpośrednio przenosić na drugi.
Znak wodny nie dowodzi autorstwa
Wykrycie sygnału nie odpowiada na pytanie „kto napisał ten dokument?”. Może wskazywać, że Claude przetworzył treść, ale nie rozstrzyga, czy ją wygenerował od zera. Anthropic wymienia w tym kontekście także korektę, tłumaczenie, streszczanie i formatowanie materiału pochodzącego od człowieka.
To ważne dla tekstu redagowanego przez AI. Osoba, która napisała pierwszą wersję, a następnie poprosiła Claude o poprawę języka, nie znajduje się w tej samej sytuacji co ktoś, kto zlecił modelowi przygotowanie kompletnego artykułu. Sam wynik detekcji nie potrafi jednak wiarygodnie odtworzyć tej historii.
Również wynik negatywny nie dowodzi autorstwa człowieka. Sygnał może zniknąć lub osłabnąć po tłumaczeniu, znaczącej edycji, użyciu krótkiego fragmentu albo zmianie formatu. Brak wykrycia oznacza więc tylko brak wykrytego sygnału w danych warunkach — nie certyfikat ludzkiego autorstwa.
Według aktualnego stanu opisu Anthropic detekcja tekstowego znaku wodnego pozostaje w prywatnym programie testowym dla uprawnionych organizacji i firm. To dodatkowo ogranicza możliwość niezależnego sprawdzenia, czy konkretne narzędzie rzeczywiście zmieniło wynik produkcyjnego systemu.
Co może zmienić przepisanie tekstu
Intensywne przepisanie może osłabić statystyczny wzorzec, bo zmienia dużą część wyborów słownych. Nie jest to jednak równoznaczne z potwierdzonym usunięciem znaku. Bez sprawdzenia w systemie Anthropic można mówić najwyżej o prawdopodobnym zakłóceniu sygnału.
Koszt takiej operacji bywa praktyczny, nie tylko teoretyczny. Przepisanie może usunąć ważne zastrzeżenie, zmienić termin techniczny albo wprowadzić nowy błąd. W tekście naukowym, prawniczym czy programistycznym „brzmi inaczej” zdecydowanie nie znaczy „jest równie poprawne”.
Warto też oddzielić cel techniczny od celu redakcyjnego. Jeśli tekst ma być dokładny, zachowanie znaczenia powinno mieć pierwszeństwo przed próbą zmiany wyniku klasyfikacji. Narzędzie, które zmienia treść tak mocno, że traci ona sens, nie rozwiązuje problemu — tylko przenosi go w inne miejsce.
Jak dokumentować pracę z tekstem wspomaganym przez AI
Najrozsądniejszy workflow nie polega na traktowaniu detektora jak wyroczni. Przy ważnych materiałach warto zachowywać wersje robocze, historię zmian, własne notatki i źródła użyte przy tworzeniu tekstu. Taki zapis pokazuje proces powstawania dokumentu znacznie lepiej niż pojedynczy wynik automatycznej analizy.
Trzeba też rozdzielać trzy pytania:
- czy Claude przetworzył tekst;
- czy plik zachował podpisane metadane C2PA;
- kto stworzył zasadniczą treść i odpowiada za jej dokładność.
Znak wodny może dostarczyć wskazówki dotyczącej pierwszego pytania. C2PA dotyczy drugiego. Żaden z tych sygnałów nie odpowiada samodzielnie na trzecie.
Wniosek
Obejście znaku wodnego Claude nie jest dziś udowodnionym sukcesem projektu watermarks-remover. Mocne przepisywanie może zakłócić statystyczny sygnał, a czyszczenie metadanych dotyczy innej warstwy, lecz żadna z tych operacji nie daje gwarancji ani nie rozstrzyga autorstwa. Najbezpieczniej traktować oznaczenie jako ograniczony sygnał pochodzenia — nie jako wyrok w sprawie tego, kto napisał dokument.
