9月9日、IEEE Spectrumが「AI Text Watermarks Will Rewrite Models' Language」と題した記事を公開した。Anthropicが8月にClaudeへの透かし導入を発表し、EUのAI法による義務化が迫るなか、AIテキスト透かし技術への注目が急速に高まっている。技術的には「品質に影響しない」と主張する研究者がいる一方、Markdownの考案者として知られるJohn Gruberはこれを「文章表現の歪曲」と強く批判しており、その実態と限界を詳しく解説した記事だ。
AnthropicがClaudeに透かしを導入、GoogleのSynthID-Textベース
8月11日、Anthropicは今後のすべてのClaudeモデルがAI生成であることを示す透かしを含むテキストを生成すると発表した。 GoogleはすでにGeminiの出力にSynthID-Textと呼ばれる独自の透かし技術を適用しており、AnthropicのものはこのSynthID-Textをベースにしている（ただしAnthropicが変更した詳細は非公開）。OpenAIはまだテキスト透かしを導入していないが、導入を計画中だ。
普及の背景にあるのはEUのAI法（AI Act）だ。同法は2026年8月2日以降にリリースされるAIモデルに対し、画像・音声・映像・テキストへの透かし付与を義務付けている。
テキスト透かしの仕組み：メタデータでも不可視文字でもない
ここが技術的に興味深いポイントだ。テキスト透かしはメタデータでも不可視文字でもなく、LLMの単語選択確率そのものを操作することで埋め込まれる。
LLMはプロンプトへの応答を生成する際、次に来うるすべての単語（トークン）に対して確率を割り当て、その重み付きランダムサンプリングで単語を選ぶ。透かし技術はこの選択プロセスに介入する。
最も広く引用される手法は、Vector InstituteのポスドクであるJohn Kirchenbauerらが2023年に発表した論文で提案したものだ。仕組みはシンプルで、単語を「レッドリスト」と「グリーンリスト」に分類し、グリーンリストの単語が選ばれる確率をわずかに引き上げる。
「このように修正された分布からサンプリングすると、個々のトークン選択が必ずしも優先セットから来るわけではないが、多くのサンプルにわたって、重み付けされたサブセットから優先的に単語が選ばれる」— John Kirchenbauer
この手法では約200トークンの応答で検出率98.4%、偽陽性ゼロを達成したと報告されている。また、単純な言い換えでは透かしは除去できず、長い応答から透かしを消すには全体の約4分の1以上の単語を変更する必要があるという。
「品質が下がらない」は本当か？
Googleの2024年のSynthID-Text論文では、Geminiのクエリを透かしあり・なしのモデルにランダムに振り分け、2000万件の応答に対するユーザーフィードバックを比較した結果、有意な差は見られなかったと主張している。
しかし懐疑的な研究者もいる。MetaのAIリサーチサイエンティストであるVinu Sankar Sadasivanは、選択肢が少ない状況での透かしの脆弱性を指摘する。
「20ワードのツイートなら、うまく検出するには50〜60%の単語をグリーンリストから選ぶ必要がある」— Vinu Sankar Sadasivan, Meta
短いテキストや、選べる単語が限られる状況（たとえばPythonの基本的な関数のような定型的なコード）では、透かしの強度と応答品質がトレードオフになる。 GoogleのSynthID-Text論文に掲載されたグラフでも、検出率は最良ケースで約95%だが、短い応答では50%を下回ることが示されている。
Markdownの考案者として知られる著名テクニカルライターのJohn Gruberはより強い言葉で批判し、Anthropicの透かし実装を「writing（文章表現）の歪曲」と呼んでいる。画像が数百万ピクセルで構成されるのに対し、テキストはしばしば数十〜数百ワードしかなく、変更の余地がはるかに少ない点を問題視している。
透かしの使途は「AI判定」だけではない
Kirchenbauerらが2026年に発表した論文では、透かし入りのテキストで学習したAIモデル自身が、その透かしを含む出力を生成することが示されている。これはコンテンツ所有者が、自分のテキストがモデルの学習データに使われたかどうかを統計的に証明する手段になりうる。
また逆方向の活用も考えられる。AI企業が新しいモデルを学習する際、過去のモデルが生成したテキストを透かしで識別して学習データから除外することで、モデルコラプス（AIが自身の生成物を繰り返し学習することで出力品質が劣化していく現象）を防ぐガードレールとして機能しうる。
Kirchenbauerはこの広がりをこう総括している。
「目的は必ずしも『AIを使った』という告発ではない。データの出所追跡、モデルのリサイクル管理といった方向に向かっている。テキスト透かしは、コンテンツに付随してその行方を追跡できる、ある種の汎用メタデータとして使えるものだ」
詳細はAI Text Watermarks Will Rewrite Models' Languageを参照していただきたい。
