AI生成文本，又遇新对手！
凭借识别AI生成文本中的“水印”，一种新算法能够准确判断文本到底是谁写的。
无需访问模型参数、API，结果置信度高达99.999999999994%。
方法一经发布就引来大量网友围观。这回拿ChatGPT“作弊”，怕不是要更难了？
要知道，最近一段时间，ChatGPT先是成为美国高中生的写作业利器，后面帮专业媒体写稿子，引发巨大恐慌。如Nature、纽约教育部等，都针对ChatGPT发布禁令。
马里兰大学学者们提出的这一新方法，为解决这些麻烦提出了个新思路。
不少网友都觉得，这个方法提出的正是时候，而且效果看着也不错。
有学者还和美国高中生喊话，你们要做好准备了！
作者表示，方法代码将在2月15日免费开源。
计算文本由AI生成的概率
所谓模型水印，人类无法看到，但是计算机可以。
这是一种现在被常用于大规模语言模型（LLM）中的方法，能让AI生成的文本带有“特殊标记”。即把信号嵌入到生成的文本中，让算法能从一小段token中检测出来。
最近，OpenAI方面也表示，考虑在ChatGPT中添加水印，以降低模型被滥用带来的负面影响。
这篇最新论文的作者，就想验证下这个想法到底靠不靠谱。他们通过给LLM中嵌入水印，然后再进行检测。其中水印的嵌入不会影响文本生成质量。
具体来说，大规模语言模型每次生成一个token，每个token将从包含大约5万个词汇的词汇表中进行选择。
在新token生成之前，该方法会从基于最近已生成的token为随机数生成器（RNG）提供“种子”，以此来压一个水印。
然后使用RNG，能将词汇表分为黑名单和白名单，并要求LLM接下来只能从白名单中选择词汇。
如果整段文本中，白名单中的词汇越多，就意味着越有可能是AI生成的。
黑白名单的区分，基于一个原则：
人类使用词汇的随机性更强。
举例来说，如果在“美丽的”后面生成词汇，水印算法会将“花”列入白名单，将“兰花”列入黑名单。
论文作者认为，AI更可能使用“花”这个词汇，而不是“兰花”。
然后，就能通过计算整段文本中白名单token出现的情况，来检测水印。
如果一共有生成了N个token，所有的token都使用了白名单词汇，那么这段文字只有