Anthropic เริ่มฝังลายน้ำในข้อความของ Claude แล้ว — และคดีในศาล 1,922 คดีบอกว่ามันแก้อะไรไม่ได้

วันที่ 11 สิงหาคม 2026 Anthropic เริ่มฝังลายน้ำลงในข้อความที่ Claude เขียน และอีกสามวันต่อมาก็เผยแพร่คำถามที่พบบ่อยแบบภาษาง่าย ๆ อธิบายวิธีทำงานของมัน เหตุผลไม่ได้ลึกลับอะไร มาตรา 50 ของกฎหมาย AI แห่งสหภาพยุโรป ซึ่งกำหนดให้ผู้ให้บริการต้องทำเครื่องหมายผลลัพธ์ที่เครื่องสร้างขึ้นในรูปแบบที่เครื่องอ่านได้ เริ่มมีผลบังคับตั้งแต่วันที่ 2 สิงหาคม

ความสามารถของจริงจึงมาถึงแล้ว ข้อความที่ AI เขียนซึ่งหมุนเวียนอยู่ตอนนี้จำนวนไม่น้อยพกสัญญาณที่ในเงื่อนไขเหมาะสมสามารถสาวกลับไปถึงโมเดลที่ผลิตมันขึ้นมาได้

และนี่คือส่วนที่ควรหยุดคิด ในวันเดียวกับที่เครื่องหมายนี้เริ่มใช้งาน ฐานข้อมูลสาธารณะของคำพิพากษาที่เกี่ยวข้องกับเนื้อหาที่มีการหลอนข้อมูลจาก AI อยู่ที่ 1,922 คดี ไม่มีคดีใดเลยที่เป็นความล้มเหลวของลายน้ำ ทุกคดีคือความล้มเหลวของ การตรวจสอบ มีคนยื่นต่อศาล ตีพิมพ์ หรือวางบิลจากผลลัพธ์ของโมเดล โดยไม่ตรวจว่าสิ่งที่มันอ้างถึงมีอยู่จริงหรือไม่ ลายน้ำจะตรวจเจอทุกคดีและป้องกันไม่ได้สักคดีเดียว บทความนี้พูดถึงช่องว่างตรงนั้น ว่าการทำเครื่องหมายทำงานอย่างไรในภาษาง่าย ๆ ผลการตรวจจับพิสูจน์อะไรได้จริง และพิสูจน์อะไรไม่ได้ ไม่ว่าเทคโนโลยีจะดีขึ้นแค่ไหน

สรุปสั้น

• ไม่มีอะไรถูกเพิ่มเข้าไปในข้อความ โมเดลเพียงใช้กุญแจลับเอนน้ำหนักว่าจะเลือกคำถัดไปคำใดจากหลายคำที่ดีพอ ๆ กัน ไม่มีอักขระซ่อน ไม่มีเมทาดาทา ไม่เสียความเร็วหรือค่าใช้จ่ายเพิ่ม และเปิดใช้กับทุกคนทุกที่
• ผลบวกคือหลักฐานอ่อน ส่วนผลลบแทบไม่ใช่หลักฐานเลย Anthropic เขียนเองว่าเครื่องหมายนี้แยกไม่ออกระหว่าง "Claude เขียนสิ่งนี้" กับ "Claude แก้สิ่งนี้อย่างหนัก" อ่อนมากกับข้อความสั้น โค้ด และย่อหน้าที่เป็นข้อเท็จจริงล้วน และถูกลบทิ้งเมื่อเขียนใหม่ ปี 2024 นักวิจัยแสดงให้เห็นว่าใช้เงินไม่ถึง 50 ดอลลาร์ก็ทั้งลบเครื่องหมายเหล่านี้ได้ และ ปลอมมันลงบนข้อความที่มนุษย์เขียนได้ด้วย
• ที่มาไม่ใช่การตรวจสอบ เครื่องหมายบอกว่าโมเดลไหนผ่านมือข้อความนี้ มันไม่เคยบอกว่าคดี การอ้างอิง หรือหนังสือที่ระบุไว้ในนั้นมีอยู่จริงหรือไม่

ภาพ: Jon Rawlinson, Wikimedia Commons, CC BY 2.0 หน้ากระดาษที่เต็มไปด้วยเครื่องหมายรับรองความแท้ ทุกดวงพิสูจน์ว่ามีการข้ามพรมแดนเกิดขึ้น ไม่มีดวงไหนพูดสักคำว่าผู้เดินทางพูดความจริงหรือเปล่า

Anthropic เปลี่ยนอะไรจริง ๆ และไม่ได้เปลี่ยนอะไร

เริ่มจากกลไกก่อน เพราะความเข้าใจผิดเกือบทั้งหมดที่ตามมาเกิดจากการเข้าใจตรงนี้พลาด

เวลาโมเดลภาษาเขียน มันผลิตทีละคำ และในตำแหน่งส่วนใหญ่ไม่มีคำตอบที่ถูกต้องเพียงคำเดียว "การประชุมครั้งนี้ ได้ผล" กับ "การประชุมครั้งนี้ มีประโยชน์" ใช้ได้ทั้งคู่ โมเดลถือรายการคำถัดไปที่ยอมรับได้อยู่ในมือ แล้วสุ่มหยิบมาหนึ่งคำ นี่คือเหตุผลที่คำสั่งเดียวกันให้คำตอบต่างกันเล็กน้อยเมื่อถามสองครั้ง

ลายน้ำในข้อความเปลี่ยนการสุ่มนั้นให้เป็นการสุ่ม เทียม ที่ขับเคลื่อนด้วยกุญแจลับ โมเดลยังคงเลือกเฉพาะจากคำที่มันตัดสินว่าดีพอกันอยู่แล้ว คุณภาพจึงไม่ถูกแตะต้อง แต่เมื่อผ่านไปไม่กี่ร้อยคำ รูปแบบว่าคำที่ยอมรับได้คำใดชนะในแต่ละครั้งจะเลิกดูเหมือนความบังเอิญ และใครที่ถือกุญแจก็วัดมันได้

ถ้อยคำของ Anthropic เองปิดความเข้าใจผิดสองข้อที่พบบ่อยที่สุดไว้ล่วงหน้า: "ไม่มีอะไรถูกเพิ่มเข้าไปในข้อความ ไม่มีอักขระซ่อน" ไม่มียูนิโคดล่องหน ไม่มีช่องว่างความกว้างศูนย์ ไม่มีก้อนเมทาดาทาที่จะหลุดออกเมื่อวางลงในโปรแกรมแก้ไขข้อความธรรมดา ไม่มีการเปลี่ยนแปลงด้านต้นทุนหรือความเร็วเช่นกัน และเปิดใช้ทั่วโลก Anthropic ระบุว่ายังไม่มีวิธีที่ยั่งยืนในการจำกัดพฤติกรรมนี้ตามภูมิภาค ผู้ใช้ในเซาเปาโลจึงได้รับการปฏิบัติเหมือนผู้ใช้ในสตอกโฮล์ม

ทั้งหมดนี้ไม่ใช่วิทยาศาสตร์ใหม่ สก็อตต์ แอรอนสัน เสนอแนวทางนี้ในปี 2022 เคียร์เชนบาวเออร์และคณะตีพิมพ์วิธีที่ใช้งานได้จริงในงาน ICML ปี 2023 และ Google DeepMind ตีพิมพ์ SynthID-Text ใน Nature เดือนตุลาคม 2024 การนำไปใช้ของ Anthropic ก็เป็นรุ่นหนึ่งของสิ่งนั้น Google รันมันใน Gemini มาตั้งแต่ปี 2024 โดยรายงานว่าคำตอบจริงราว 20 ล้านครั้งไม่พบความต่างด้านคุณภาพ และนับจากนั้นก็อ้างว่าได้ฝังลายน้ำในเนื้อหามากกว่า 1 หมื่นล้านชิ้น

ซึ่งนำไปสู่สิ่งที่ ยัง ไม่ส่งมอบ Anthropic บอกว่า API สำหรับตรวจจับจะมา "เร็ว ๆ นี้" ตอนนี้ยังไม่มี ราคา อัตราผลบวกลวง และครอบคลุมโมเดลใดบ้าง ล้วน ยังไม่ได้เผยแพร่ ส่วนพอร์ทัลตรวจจับ SynthID สาธารณะของ Google ที่ประกาศเมื่อเดือนพฤษภาคม 2025 ก็ยังเปิดแบบรายชื่อรอคิว เครื่องหมายอยู่ในเอกสารนับพันล้านฉบับ แต่ความสามารถในการตรวจสักฉบับ สำหรับแทบทุกคนที่อ่านอยู่นี้ ยังเป็นแค่คำสัญญา

เครื่องหมายรอดจากการคัดลอกวาง แต่ไม่รอดจากการเขียนใหม่

สัญญาณอยู่ที่ คำใดถูกเลือก ดังนั้นอะไรก็ตามที่รักษาการเลือกคำไว้ก็รักษาเครื่องหมายไว้ และอะไรก็ตามที่แทนที่การเลือกคำก็ทำลายมัน Anthropic ระบุเพดานไว้ตรงไปตรงมาว่า "การเขียนใหม่ทั้งหมดโดยเปลี่ยนทุกคำจะ" ลบมันออก แต่มีสองกรณีที่หักล้างรูปแบบนี้ในแบบที่หลายคนคาดไม่ถึง

ข้อความสั้นและข้อความเชิงข้อเท็จจริงแทบไม่บรรจุอะไรเลย ลายน้ำต้องการทางเลือกไว้ซ่อนตัว ประโยคหนึ่งหรือสองประโยคไม่ให้การตัดสินใจมากพอจะก่อรูปแบบ ส่วนเนื้อหาที่หนักไปทางข้อเท็จจริงอาจไม่มีทางเลือกจริงเลย ตัวอย่างของ Anthropic ชัดมาก หลังคำว่า "Principia ของนิวตัน" คำถัดไปย่อมเป็น "Mathematica" และไม่มีกุญแจใดมีสิทธิ์ออกเสียง ตรรกะเดียวกันทำให้โค้ดอ่อนแอ เพราะไวยากรณ์กำหนดโทเคนส่วนใหญ่ไว้แล้ว และการตรวจพิสูจน์อักษรก็เช่นกัน เพราะโมเดลเปลี่ยนคำน้อยเกินกว่าจะทิ้งสัญญาณไว้

การแปลพกลายน้ำเต็มรูปแบบ ข้อนี้สวนสัญชาตญาณ ถ้าคุณให้ Claude แปลเอกสารเป็นภาษาญี่ปุ่น ข้อความภาษาญี่ปุ่นนั้นคือสิ่งที่ Claude สร้างขึ้นใหม่ ทีละคำ พร้อมอิสระในการเลือกตามปกติ มันจึงออกมาโดยมีเครื่องหมายเต็ม แม้ความคิดจะมาจากต้นฉบับของมนุษย์ที่ไม่มีเครื่องหมายก็ตาม นี่ตรงข้ามกับสิ่งที่นักวิจัย DeepMind อธิบายไว้ใน Nature ซึ่งระบุว่าการแปลข้อความที่มีลายน้ำไปเป็นอีกภาษาหนึ่งจะลดความมั่นใจในการตรวจจับลงมาก ทั้งสองอย่างจริง เพราะเป็นคนละสถานการณ์ การแปลข้อความที่มีเครื่องหมายด้วย เครื่องมืออื่น จะชะล้างเครื่องหมายออก ส่วนการให้โมเดล เป็นผู้แปลเอง จะประทับเครื่องหมายใหม่ลงไป

พฤติกรรมตามที่ Anthropic ระบุในคำถามที่พบบ่อยวันที่ 14 สิงหาคม 2026 และตามที่คณะผู้เขียน SynthID-Text ระบุใน Nature เดือนตุลาคม 2024

ผลบวกคือหลักฐานอ่อน ผลลบแทบไม่ใช่หลักฐานเลย

มีคนรันตัวตรวจจับกับเอกสารหนึ่งแล้วได้ผลลัพธ์ออกมา เขารู้อะไรเพิ่มขึ้นบ้าง

ถ้าผลเป็นบวก เขารู้ว่าข้อความส่วนหนึ่งผ่านโมเดลของผู้ให้บริการรายนั้นมา แค่นั้น Anthropic ระบุชัดว่าเครื่องหมายนี้ แยกไม่ออกระหว่าง "Claude เขียนสิ่งนี้" กับ "Claude แก้สิ่งนี้อย่างหนัก" มันไม่บอกอะไรเลยว่าข้ออ้างใดในนั้นเป็นจริงหรือไม่ และมันจำข้อความจาก AI เจ้าอื่น ไม่ได้ เพราะมันรู้จักแค่กุญแจของตัวเอง

ถ้าผลเป็นลบ เขาแทบไม่รู้อะไรเลย ผลที่สะอาดคือสิ่งเดียวกับที่คุณได้จากการถอดความหนัก ๆ ข้อความสั้น บล็อกโค้ด โมเดลของคู่แข่ง หรือโมเดลน้ำหนักเปิดที่รันอยู่บนแล็ปท็อปของใครสักคนโดยไม่ทำเครื่องหมายอะไรเลย

ทุกช่องในนี้คือข้อจำกัดที่ผู้ให้บริการเผยแพร่ด้วยตัวเอง ที่มา: คำถามที่พบบ่อยเรื่องลายน้ำของ Anthropic (14 สิงหาคม 2026); Dathathri และคณะ, Nature (ตุลาคม 2024); Jovanović, Staab และ Vechev, ICML 2024

การโจมตีที่ไม่มีใครตั้งงบรับมือนั้นวิ่งย้อนทิศ

การลบเครื่องหมายคือความเสี่ยงที่ทุกคนนึกออก มีคนฟอกข้อความ AI เพื่อกลบต้นทาง เอาล่ะ แต่ยังมีการโจมตีแบบที่สองที่ลูกศรชี้กลับทาง และนั่นคือสิ่งที่ควรทำให้คุณกังวล

การปลอมแปลง คือการทำให้ข้อความที่ มนุษย์ เขียนพกลายน้ำของคนอื่น ไม่มีใครซ่อนอะไร แต่กำลังยัดของ เป้าหมายคือคนที่จะถูกกล่าวหาว่าใช้ AI หรือผู้ให้บริการที่จะถูกโทษสำหรับผลลัพธ์ที่ตัวเองไม่เคยผลิต

ในงาน ICML ปี 2024 Jovanović, Staab และ Vechev สาธิตการโจมตีทั้งสองแบบกับวิธีการที่ล้ำสมัยที่สุด ด้วย อัตราสำเร็จเกิน 80% และใช้เงินคำนวณไม่ถึง 50 ดอลลาร์ คณะผู้เขียนจาก DeepMind ก็ยอมรับจุดเดียวกันในบทความ Nature ของตัวเองว่า ลายน้ำ "ไม่ได้ให้ทางออกที่ครบถ้วน" ต้องอาศัยความร่วมมือของผู้ให้บริการโมเดลจึงจะมีอยู่ได้ บังคับใช้กับโมเดลน้ำหนักเปิดที่ใครก็รันได้ตามเดิมไม่ได้ และ "เปราะบางต่อการโจมตีแบบขโมย ปลอมแปลง และลบทิ้ง" อนุประโยคสุดท้ายนั่นคือข้อโต้แย้งทั้งหมด เขียนโดยทีมที่สร้างเทคโนโลยีนี้ขึ้นมาเอง

การทดลอง "จับ AI ให้ได้" เคยทำมาแล้ว มันสอบตกนักศึกษาผิดคน

เครื่องมือตรวจจับมีอยู่แล้ว และมันเป็นคนละเทคโนโลยีที่มีประวัติสร้างความเสียหายบันทึกไว้ชัดเจน ลายน้ำ ถูกฝังตอนสร้างข้อความโดยเจ้าของโมเดลด้วยกุญแจ ส่วน ตัวจำแนก เป็นการเดาย้อนหลังจากลักษณะของตัวข้อความเอง เช่น การเลือกคำคาดเดาได้แค่ไหน คลังคำหลากหลายเพียงใด อย่างแรกรู้บางอย่าง อย่างหลังแค่จับคู่รูปแบบสำนวน นั่นคือความต่างระหว่างการวัดกับการจัดโปรไฟล์

OpenAI เปิดตัว AI Text Classifier เมื่อวันที่ 31 มกราคม 2023 และปิดมันในวันที่ 20 กรกฎาคมปีเดียวกัน "เนื่องจากอัตราความแม่นยำต่ำ" ตัวเลขของเขาเอง จับข้อความ AI ได้ 26% และติดธงข้อความมนุษย์ผิดพลาด 9%

จากนั้นเดือนกรกฎาคม 2023 Liang และคณะตีพิมพ์ใน Patterns ผลที่ควรจะปิดฉากเครื่องมือประเภทนี้ไปเลย เมื่อทดสอบตัวตรวจจับเจ็ดตัวกับเรียงความ TOEFL ที่เขียนโดยผู้ที่ไม่ได้ใช้ภาษาอังกฤษเป็นภาษาแม่ อัตราผลบวกลวงเฉลี่ยอยู่ที่ 61.3% ตัวหนึ่งติดธงเรียงความเหล่านั้นถึง 97.8% แต่เมื่อให้เขียนเรียงความชุดเดิมใหม่ด้วยคลังคำที่หลากหลายขึ้น อัตราดังกล่าวลดลงเหลือ 11.6% ตัวตรวจจับไม่เคยวัดความเป็นผู้เขียนเลย มันวัดความคล่องแคล่ว และลงโทษใครก็ตามที่ภาษาอังกฤษเรียบง่ายกว่า

สถาบันต่าง ๆ ลงมือคำนวณ วันที่ 16 สิงหาคม 2023 ซึ่งตรงกับสามปีก่อนวันนี้พอดี มหาวิทยาลัยแวนเดอร์บิลต์ปิดการใช้งานตัวตรวจจับ AI ของ Turnitin ด้วยเหตุผลว่าอัตราผลบวกลวง 1% ตามที่อ้าง เมื่อคูณกับงานเขียน 75,000 ชิ้นต่อปี หมายถึงราว 750 คนที่ถูกกล่าวหาผิดตัวในแต่ละปี

ลายน้ำดีกว่านี้อย่างชัดเจน เพราะมันไม่ได้เดา แต่ให้สังเกตว่าอะไรตกทอดมา รูปแบบความล้มเหลวของระบบตรวจจับไม่เคยเป็นคำว่า "ไม่ทราบ" ที่สะอาด แต่เป็นคำตอบที่มั่นใจเกี่ยวกับบุคคลใดบุคคลหนึ่ง ลายน้ำเพิ่มความแม่นยำของผลบวก แต่เมื่อมีการปลอมแปลงอยู่ในสมการ มันไม่ได้กำจัดการกล่าวหาผิดตัว หากแต่ทำให้ความสามารถในการผลิตการกล่าวหาแบบนั้นกลายเป็นอุตสาหกรรม

กฎระเบียบมาถึงก่อนเครื่องมือ

ที่ทุกอย่างมากระจุกกันในสองสัปดาห์เดียว เป็นเพราะฝ่ายนิติบัญญัติขยับก่อน

กฎหมาย AI ของสหภาพยุโรปแบ่งหน้าที่ออกเป็นสองส่วน มาตรา 50(2) ผูกมัดผู้ให้บริการ ใครสร้างระบบสร้างเนื้อหาต้องทำเครื่องหมายผลลัพธ์ในรูปแบบที่เครื่องอ่านได้ รวมถึงข้อความด้วย ส่วน มาตรา 50(4) ผูกมัดคุณ ผู้นำไปใช้ที่เผยแพร่ข้อความซึ่ง AI สร้างขึ้นและ "ให้ข้อมูลแก่สาธารณะในเรื่องที่เป็นประโยชน์สาธารณะ" ต้องเปิดเผยเรื่องนี้

และข้อหลังมีข้อยกเว้นที่สำหรับผู้อ่านส่วนใหญ่ถือเป็นหัวใจในทางปฏิบัติของทั้งระบบ หน้าที่นี้ไม่ใช้บังคับเมื่อเนื้อหา ผ่านการตรวจทานของมนุษย์หรือการควบคุมด้านบรรณาธิการ และมีบุคคลรับผิดชอบทางบรรณาธิการต่อเนื้อหานั้น อ่านซ้ำอีกรอบ คำตอบของยุโรปต่อข้อความที่ AI สร้างขึ้นไม่ใช่ตัวตรวจจับ แต่คือมนุษย์ที่มีชื่อระบุชัด ผู้ตรวจทานสิ่งนั้นและรับผิดชอบต่อมัน

ภาระหน้าที่ด้านการติดฉลากมาตามกำหนด แต่เครื่องมือตรวจจับที่ใช้ได้จริงไม่มา ที่มา: กฎหมาย AI ของสหภาพยุโรปและกำหนดการบังคับใช้, แนวปฏิบัติด้านความโปร่งใสของสหภาพยุโรป (กรกฎาคม 2026), มาตรการติดฉลากของจีนและมาตรฐาน GB 45438-2025, กฎหมายพื้นฐานด้าน AI ของเกาหลี และประกาศของ Anthropic

ปฏิทินที่เหลือสั้นมาก แนวปฏิบัติด้านความโปร่งใสของสหภาพยุโรปได้รับการประเมินว่าเพียงพอในวันที่ 8–9 กรกฎาคม 2026 และมีผู้ลงนามราว 190 ราย รวมถึง Anthropic, Google, Meta, Microsoft, Mistral และ OpenAI วันที่ 2 ธันวาคม 2026 ระยะผ่อนผันสิ้นสุดลง ทำให้หน้าที่ทำเครื่องหมายครอบคลุมถึงระบบที่วางตลาดก่อนวันที่ 2 สิงหาคม ส่วนวันที่ 2 กุมภาพันธ์ 2027 คือกำหนดเรื่องการทำงานร่วมกันได้ของเครื่องมือตรวจจับ มาตรการติดฉลากของจีนมีผลตั้งแต่วันที่ 1 กันยายน 2025 กำหนดให้ต้องมีทั้งฉลากที่มองเห็นและฉลากฝังในตามมาตรฐาน GB 45438-2025 โดยมาตรา 10 ห้ามลบหรือปลอมฉลาก กฎหมายพื้นฐานด้าน AI ของเกาหลีมีผลตั้งแต่วันที่ 22 มกราคม 2026 พร้อมหน้าที่ติดฉลากและค่าปรับสูงสุด 30 ล้านวอน ส่วนสหรัฐอเมริกาไม่มีข้อบังคับระดับสหพันธรัฐเรื่องการทำเครื่องหมายข้อความเลย ซึ่งควรพูดออกมาตรง ๆ เพราะกฎที่โมเดลส่วนใหญ่ในตลาดเพิกเฉยได้นั้นไม่ใช่กฎระดับโลก

ยังมีความว่างเปล่าอีกจุดที่ควรอยู่ตรงนี้ วอลล์สตรีทเจอร์นัล รายงานในปี 2024 ว่า OpenAI ได้สร้างวิธีทำลายน้ำในข้อความที่ภายในบริษัทระบุว่าแม่นยำราว 99.9% ให้ถือว่านั่นคือรายงานข่าว ไม่ใช่ข้อเท็จจริง ตัวเลขนี้ไม่เคยถูกตรวจสอบโดยอิสระ และ OpenAI ไม่เคยปล่อยการทำเครื่องหมายข้อความออกมาเลย โพสต์ของบริษัทเองเมื่อวันที่ 11 มิถุนายน 2026 เรื่องการปฏิบัติตามกฎของสหภาพยุโรปก็พูดถึงเฉพาะที่มาของภาพ และยอมรับข้อจำกัดทั่วไปด้วยถ้อยคำของตัวเองว่า "เมทาดาทาถูกลบได้ ลายน้ำเสื่อมสภาพได้"

ทุกคดีเหล่านี้จะผ่านการตรวจลายน้ำได้ทั้งหมด

Damien Charlotin ดูแลฐานข้อมูลสาธารณะของคำพิพากษาทั่วโลกที่ผู้พิพากษาต้องจัดการกับเนื้อหาที่ AI สร้างขึ้นและมีการหลอนข้อมูล เมื่อดึงข้อมูลวันที่ 16 สิงหาคม 2026 ตัวเลขอยู่ที่ 1,922 คำพิพากษา เส้นทางเป็นแบบนี้ ราว 200 คดีกลางปี 2025, 719 คดีเมื่อมกราคม 2026, 1,227 คดีเมื่อเมษายน, 1,598 คดีเมื่อวันที่ 9 มิถุนายน และ 1,922 คดีในวันนี้ โดยเพิ่มขึ้น 324 คดีในสิบสัปดาห์หลังสุดเพียงช่วงเดียว

ทุกจุดบนเส้นโค้งนี้จะพกลายน้ำที่ใช้ได้จริงมาด้วย ที่มา: ฐานข้อมูลคดีการหลอนข้อมูลของ AI โดย Damien Charlotin ดึงข้อมูลวันที่ 16 สิงหาคม 2026

ต้นแบบคือคดี Mata v. Avianca ซึ่งศาลเขตใต้แห่งนิวยอร์กตัดสินเมื่อวันที่ 22 มิถุนายน 2023 คำร้องที่อ้างคำพิพากษาหกฉบับซึ่งไม่มีอยู่จริง และค่าปรับ 5,000 ดอลลาร์

แต่ตัวอย่างที่ควรมีน้ำหนักมากที่สุดเป็นของ Anthropic เอง เดือนพฤษภาคม 2025 ในคดี Concord Music v. Anthropic ทนายความของบริษัทเองยื่นคำให้การของผู้เชี่ยวชาญที่อ้างงานวิจัยซึ่ง Claude แต่งขึ้นมา การตรวจด้วยมือมองข้ามไป และทนายต้องขอโทษต่อศาล บริษัทที่วันนี้กำลังปล่อยลายน้ำในข้อความ เคยถูกลวกด้วยการอ้างอิงอย่างไม่วิพากษ์มาแล้วเอง จากผลลัพธ์ของโมเดลตัวเอง ในคดีของตัวเอง ผ่านการตรวจทานของทนายตัวเอง ถ้าคำให้การฉบับนั้นมีลายน้ำ ผลที่ได้จะเป็นบวกอย่างสะอาดและมั่นใจ แล้วก็ไม่เปลี่ยนแปลงอะไรเลย

เรื่องนี้ขยายออกไปนอกศาลด้วย เดือนตุลาคม 2025 Deloitte Australia ตกลงคืนเงินบางส่วนสำหรับรายงานของรัฐบาลมูลค่า 440,000 ดอลลาร์ออสเตรเลีย ซึ่งมีรายการอ้างอิงที่ไม่มีอยู่จริงและคำพูดที่แต่งขึ้นจากคำพิพากษา วันที่ 18 พฤษภาคม 2025 ชิคาโกซันไทมส์ และ ฟิลาเดลเฟียอินไควเรอร์ ตีพิมพ์รายชื่อหนังสืออ่านช่วงฤดูร้อนที่เผยแพร่ผ่านระบบร่วม โดยในสิบห้าเล่มมีเพียงห้าเล่มที่มีอยู่จริง Liang และคณะ วิเคราะห์บทความ 950,965 ชิ้นใน arXiv:2404.01268 พบว่าเนื้อหาที่ LLM ปรับแก้สูงถึง 17.5% ในบทคัดย่อสาขาวิทยาการคอมพิวเตอร์ เทียบกับ 6.3% หรือต่ำกว่าในสาขาคณิตศาสตร์และกลุ่มวารสาร Nature

คำถามเรื่องปริมาณก็สมควรได้ตัวเลขที่ซื่อตรงมากกว่าตัวเลขที่น่าตกใจ การวิเคราะห์ Common Crawl โดย Graphite ที่เผยแพร่เมื่อตุลาคม 2025 พบว่าราว 51.7% ของบทความใหม่ในกลุ่มตัวอย่างเขียนโดย AI ในเดือนพฤษภาคม 2025 และ Axios ซึ่งรายงานเรื่องนี้ได้เพิ่มข้อสังเกตที่สำคัญไว้ว่า สัดส่วนดังกล่าว ทรงตัวอยู่ราวครึ่งหนึ่งแทนที่จะไต่สูงขึ้นต่อ นี่ไม่ใช่น้ำท่วม แต่เป็นความปกติแบบใหม่

และนี่คือประเด็น ไม่มีรายการใดในนั้นเลยที่เป็นความล้มเหลวของลายน้ำ ในทุกกรณี ที่มาไม่เคยเป็นข้อสงสัย ทุกคนรู้ว่ามีโมเดลเข้ามาเกี่ยวข้อง หรือจะยอมรับทันทีถ้ามีคนบอก สิ่งที่ล้มเหลวคือไม่มีใครเปิดรายการอ้างอิงนั้นขึ้นมาตรวจว่าคดีนั้น งานวิจัยนั้น หรือหนังสือเล่มนั้นมีอยู่จริงหรือไม่

บทสรุป: ที่มาไม่ใช่การตรวจสอบ

เรียกมันว่า มายาคติตราไปรษณีย์ ก็แล้วกัน ตราไปรษณีย์พิสูจน์ว่าที่ทำการใดจัดการจดหมายฉบับนั้น มันไม่เคยมีความเห็นว่าจดหมายพูดความจริงหรือไม่ เราเพิ่งทุ่มแรงวิศวกรรมมหาศาลไปกับการสร้างตราไปรษณีย์ที่ดีมาก และบทสนทนาสาธารณะส่วนหนึ่งกำลังจะเข้าใจผิดว่ามันคือผู้ตรวจสอบข้อเท็จจริง

ให้ถือสามสิ่งไว้พร้อมกัน ผลตรวจที่เป็นบวกคือหลักฐานอ่อน มันยืนยันเส้นทาง ไม่ใช่ผู้เขียน และไม่ใช่ข้อเท็จจริงอย่างแน่นอน ผลตรวจที่เป็นลบแทบไม่ใช่หลักฐานเลย และความครอบคลุมก็ไม่สมบูรณ์เชิงโครงสร้างมาตั้งแต่ต้น เพราะขึ้นอยู่กับความสมัครใจของผู้ให้บริการแต่ละราย แต่ละรายถือกุญแจของตัวเอง ส่วนโมเดลน้ำหนักเปิดที่ใครก็ดาวน์โหลดและรันได้ตามเดิมนั้นไม่เข้าร่วมอะไรเลย ยิ่งกว่านั้น ตอนนี้ความสามารถในการตรวจสอบยังไม่ได้อยู่ในมือคุณด้วยซ้ำ มันอยู่หลังรายชื่อรอคิวและคำว่า "เร็ว ๆ นี้"

สิ่งที่ทนต่อการตรวจสอบได้จริงไม่ใช่เครื่องหมายบนผลลัพธ์ แต่คือบันทึกที่คุณสาวกลับไปหาต้นทางได้ ไฟล์เสียงที่ยังอยู่ ข้อความถอดเสียงที่มีมาร์กเวลาให้กระโดดกลับไปยังช่วงที่เป็นปัญหาได้ ประโยคที่ระบุว่าเป็นของคนที่พูดมันจริง ๆ และข้ออ้างที่สาวไปถึงเอกสารต้นทางซึ่งคุณเปิดดูได้ เราเคยเสนอเรื่องเดียวกันนี้ไว้ในบทความเรื่อง การแปลสด ที่บันทึกซึ่งตรวจทานได้สำคัญกว่าผลลัพธ์ที่ลื่นไหล และเรื่อง การถอดเสียงการสอบปากคำของตำรวจ ที่บันทึกต้องยืนหยัดได้เมื่อมีคนโต้แย้ง ยุคของลายน้ำไม่ได้เปลี่ยนข้อโต้แย้งนั้น แต่ทำให้มันคมขึ้น เมื่อการทำเครื่องหมายกลายเป็นเรื่องสากล ประโยคที่ว่า "มี AI เข้ามาเกี่ยวข้อง" จะเลิกแยกแยะอะไรได้อีกต่อไป

ลายน้ำตอบว่าข้อความมาจากไหน สิ่งที่ตอบว่ามันจริงหรือไม่นั้นยังไม่มีใครสร้างขึ้นมา เพราะสิ่งนั้นไม่ใช่ตัวตรวจจับ แต่คือแหล่งที่คุณย้อนกลับไปดูได้

---

Telli.sh อยู่ตรงไหน: เราสร้างแหล่งที่คุณย้อนกลับไปดูได้นั่นเอง Telli.sh บันทึกการประชุม สร้างข้อความถอดเสียงที่มีมาร์กเวลาและระบุผู้พูด และยึดบทสรุปไว้กับไฟล์เสียงที่มันมาจาก ทำให้บรรทัดใดก็ตามในบันทึกของคุณสาวกลับไปยังวินาทีที่มีคนพูดประโยคนั้นได้ แม้ผ่านไปหลายเดือน นี่ไม่ใช่คำกล่าวอ้างเรื่องการตรวจจับ AI แต่เป็นอีกครึ่งหนึ่งของโจทย์ เมื่อบทสรุปกล่าวอ้างอะไรสักอย่าง คุณตรวจสอบกับไฟล์เสียงได้ แทนที่จะต้องเชื่อประโยคนั้น

เริ่มบันทึก AI แบบสด

แหล่งอ้างอิง

• Anthropic, "How Claude's text watermark works" (สิงหาคม 2026)
• Dathathri et al., "Scalable watermarking for identifying large language model outputs," Nature (ตุลาคม 2024)
• Kirchenbauer et al., "A Watermark for Large Language Models," ICML 2023
• Jovanović, Staab & Vechev, "Watermark Stealing in Large Language Models," ICML 2024
• Liang et al., "GPT detectors are biased against non-native English writers," Patterns (กรกฎาคม 2023)
• Liang et al., "Mapping the Increasing Use of LLMs in Scientific Papers," arXiv:2404.01268
• Damien Charlotin, ฐานข้อมูลคดีการหลอนข้อมูลของ AI
• กฎหมาย AI ของสหภาพยุโรป มาตรา 50 — หน้าที่ด้านความโปร่งใส
• หน้าภาพบน Wikimedia Commons