EasyEasy_20260825

この文章、 このAIが書きました。 ……本当に？ EasyEasy 2026/8/25 preencoded.png

• https://gamma.app/?utm_source=made-with-gamma

AIが書いた文章をどう見分け る？ 文章表現から推測する AIらしい文体や繰り返しパターンを手がかりに検出を試みる方法です。 証明書を付ける 生成時に署名やメタデータを添付し、出所を明示する方法です。 隠し情報を埋め込む 文章に検出可能な信号を埋め込み、後から検証できるようにする方法です。 しかし、これらはいずれも決定打とは言い難いです。 preencoded.png

• https://gamma.app/?utm_source=made-with-gamma

だったら、最初から痕跡を残せばいい AIが文章を生成する段階で、「この生成システムが生成した」という痕跡をあらかじめ組み込んでおくアプローチで す。人間には気づきにくい形で埋め込まれます。 生成 埋込 検出 生成時に痕跡を埋め込み、必要に応じて後から検出する——これがウォーターマーク技術の基本的な考え方です。 preencoded.png

• https://gamma.app/?utm_source=made-with-gamma

文章にどうやって「印」を付ける？ 直接「印」を付けるわけでは ない 文字や記号を追加するのではなく、 トークンの「選ばれ方」に小さな統計 的偏りを作ります。 • LLMが次のトークンを予測する • 選択確率をほんの少し操作する • 結果として痕跡を持つ文章が生成 される この操作は人間の目には見えず、文章 の品質にもほとんど影響しません。 preencoded.png

• https://gamma.app/?utm_source=made-with-gamma

KGW(Kirchenbauer–Geiping–Wen) 系ウォーターマークの仕組み 文脈+秘密鍵でハッシュを生成し、シードとする。 トークンが選択されるステップごとに、トークンの全ての集合を シードを用いた疑似乱数でGreenリストとRedリストに分割します。 Greenリスト 優先的に選ばれやすくなるトークンの集合 Redリスト 通常の確率で選ばれるトークンの集合 preencoded.png

• https://gamma.app/?utm_source=made-with-gamma

Greenを「少しだけ」優遇する 確率を「少しだけ」シフトする Greenリストのトークンを必ず選ぶわけではありません。 Greenが選ばれやすくなるように、確率をわずかに上方 シフトします。 logit[v] += δ （δは小さな正の値） この小さな操作の積み重ねが、後から検出可能な統計的 偏りとなります。 preencoded.png

• https://gamma.app/?utm_source=made-with-gamma

どうやって検出する？ 1トークンだけでは偏りは検出できません。大量のトークンを集めることで、統計的な偏りが浮かび上がります。 トークナイズ リスト再現 Green数集計 統計検定 ウォーター マーク判定 偶然の場合 ウォーターマークありの場合 GreenとRedの出現頻度はほぼ均等になります。統計的 に有意な偏りは検出されません。 Greenの出現頻度が統計的に有意に高くなります。この 偏りから生成元の特定が可能になります。 preencoded.png

• https://gamma.app/?utm_source=made-with-gamma

文章は壊れないのか？ ウォーターマークは万能では ない 出力に変化はある 文体の維持 短い文章 編集・パラフレーズ ただし、文章品質を損なわない 程度の変化。 自然な文体を維持できる。 トークン数が少ないと統計的検 定が機能せず、検出が困難にな ります。 人間による修正や書き換えが行 われると、埋め込まれた偏りが 失われる可能性があります。 重要なのは「選択可能性の偏り」 非対応のAIモデル 文章そのものを大きく変えるのではなく、トークンの選択の統計的な 傾向を変えるだけ。 ウォーターマークを実装していない生成システムからは、痕跡を検出 できません。 WMなし「東京の秋は、過ごしやすく紅葉を楽しめる季節です。」 WMあり「東京の秋は、爽やかで過ごしやすく、紅葉を楽しめる季 節です。」 重要な注意点：「検出された＝AIが書いたことの完全な証明」で はありません。これは「特定の生成システム由来か？」を検証す る技術です。 preencoded.png

• https://gamma.app/?utm_source=made-with-gamma

それでも、何が嬉しい？ ウォーターマーク技術の真価は、「コンテンツの出所を確認できる」ことにあります。 AI生成物の識別 出所確認 生成AIによって作られたコンテンツを系統的に識別できま どの生成システムから来たコンテンツかを追跡・確認でき す。 ます。 フェイクメディア対策 コンプライアンス対応 偽情報の拡散防止や、メディアの信頼性確保に貢献します。 コンテンツポリシーや規制要件への対応を技術的に支援し ます。 preencoded.png

• https://gamma.app/?utm_source=made-with-gamma

LLMウォーターマークとは 何か 見える「印」を付ける技術ではない。生成時のトークン選択に小 さな統計的偏りを作り、その痕跡を後から検出することで生成元 を識別しようとする技術。 核心は「確率のわずかな操作」 トークンの生成確率をほんの少し変える。その積み重ねが、後から 検証可能な痕跡となります。 「AIかどうか」ではなく「どこから来たか」 この技術が答えるのは「このコンテンツは特定の生成システムから 来たか？」です。 preencoded.png

• https://gamma.app/?utm_source=made-with-gamma