谷歌DeepMind研究再登Nature封面，隐形水印让AI无所遁形

近日，谷歌DeepMind发表的一项研究登上了Nature期刊的封面，研究人员开发了一种名为SynthID-Text的水印方案，已经在自家的Gemini上投入使用，跟踪AI生成的文本内容，使其无所遁形。

君可知，我们每天在网上的见闻，有多少是出自AI之手？

除了「注意看！这个男人叫小帅」让人头皮发麻，

真正的问题是，我们无法辨别哪些内容是AI生成的。

养大了这些擅长一本正经胡说八道的AI，人类面临的麻烦也随之而来。

（LLM：人与AI之间怎么连最基本的信任都没有了？）

子曰，解铃还须系铃人。近日，谷歌DeepMind团队发表的一项研究登上了Nature期刊的封面：

研究人员开发了一种名为SynthID-Text的水印方案，可应用于生产级别的LLM，跟踪AI生成的文本内容，使其无所遁形。

论文地址：https://www.nature.com/articles/s41586-024-08025-4

一般来说，文本水印跟我们平时看到的图片水印是不一样的。

图片可以采用明显的防盗水印，或者为了不影响内容观感而仅仅修改一些像素，人眼发现不了。

但本文添加的水印想要隐形貌似不太容易。

为了不影响LLM生成文本的质量，SynthID-Text使用了一种新颖的采样算法（Tournament sampling）。

与现有方法相比，检测率更高，并且能够通过配置来平衡文本质量与水印的可检测性。

怎么证明文本质量不受影响？直接放到自家的Gemini和Gemini Advanced上实战。

研究人员评估了实时交互的近2000万个响应，用户反馈正常。

SynthID-Text的实现仅仅修改了采样程序，不影响LLM的训练，同时在推理时的延迟也可以忽略不计。

另外，为了配合LLM的实际使用场景，研究者还将水印与推测采样集成在一起，使之真正应用于生产系统。

大模型的指纹

下面跟小编一起来看下DeepMind的水印有何独到之处。

识别AI生成的内容，目前有三种方法。

第一种方法是在LLM生成的时候留个底，这在成本和隐私方面都存在问题；

第二种方法是事后检测，计算文本的统计特征或者训练AI分类器，运行成本很高，且限制在自己的数据域内；

而第三种就是加水印了，可以在文本生成前（训练阶段，数据驱动水印）、生成过程中、和生成后（基于编辑的水印）添加。

数据驱动水印需要使用特定短语触发，基于编辑的水印一般是同义词替换或插入特殊Unicode字符。这两种方法都会在文本中留下明显的伪影。

SynthID-Text 生成水印

本文的方法则是在生成过程中添加水印。

下图是标准的LLM生成过程：根据之前的token计算当前时刻token的概率分布，然后采样输出next token。

在此基础之上，生成水印方案由三个新加入的组件组成（下图蓝色框）：随机种子生成器、采样算法和评分函数。

随机种子生成器在每个生成步骤（t）上提供随机种子 r(t)（基于之前的文本token以及水印key），采样算法使用 r(t) 从LLM生成的分布中采样下一个token。

通过这种方式，采样算法把水印引入了next token中（即r(t)和x(t)的相关性），在检测水印的时候，就使用Scoring函数来衡量这种相关性。

下面给出一个具体的例子：简单来说就是拿水印key和前几个token（这里是4个），过一个哈希函数，生成了m个向量，向量中的每个值对应一个可选的next token。

然后呢，通过打比赛的方式，从这些token中选出一个，也就是SynthID-Text使用的Tournament采样算法。

如下图所示，拿2^m个token参加m轮比赛（这里为8个token3轮比赛，token可重复），

每轮中的token根据当前轮次对应的向量两两pk，胜者进入下一轮，如果打平，则随机选一个胜者。

以下是算法的伪代码：

水印检测

根据上面的赛制，最终胜出的token更有可能在所有的随机水印函数（g1，g2，...，gm）中取值更高，

所以可以使用下面的Scoring函数来检测文本：

把所有的token扔进所有的水印函数中，最后计算平均值，则带水印的文本通常应该得分高于无水印的文本。

由此可知，水印检测是一个程度的问题。影响评分函数检测性能的主要因素有两个。

首先是文本的长度：较长的文本包含更多的水印证据，可以让检测有更多的统计确定性。

第二个因素是LLM本身的情况。如果LLM输出分布的熵非常低（意味着对相同的提示几乎总是返回完全相同的响应），那么锦标赛采样（Tournament）无法选择在g函数下得分更高的token。

此时，与其他生成水印的方案类似，对于熵较小的LLM，水印的效果会较差。

LLM本身的熵取决于以下几个因素：

模型（更大或更高级的模型往往更确定，因此熵更低）； 来自人类反馈的强化学习会减少熵（也称为模式崩溃）； LLM的提示、温度和其他解码设置（比如top-k采样设置）。

一般来说，增加比赛的轮数（m），可以提高方法的检测性能，并降低Scoring函数的方差。

但是，可检测性不会随着层数的增加而无限增加。比赛的每一层都使用一些可用的熵来嵌入水印，水印强度会随着层数的加深而逐渐减弱。本文通过实验确定m=30。

文本质量

作者为非失真给出了由弱到强的明确定义：

最弱的版本是单token非失真，表示水印采样算法生成的token的平均分布等于LLM原始输出的分布；

更强的版本将此定义扩展到一个或多个文本序列，确保平均而言，水印方案生成特定文本或文本序列的概率与原始输出的分布相同。

当Tournament采样为每场比赛配置恰好两个参赛者时，就是单token非失真的。而如果应用重复的上下文掩码，则可以使一个或多个序列的方案不失真。

在本文的实验中，作者将SynthID-Text配置为单序列非失真，这样可以保持文本质量并提供良好的可检测性，同时在一定程度上减少响应间的多样性。

计算可扩展性

生成水印方案的计算成本通常较低，因为文本生成过程仅涉及对采样层的修改。

对于Tournament采样，在某些情况下，还可以使用矢量化来实现更高效率，在实践中，SynthID-Text引起的额外延迟可以忽略不计。

在大规模产品化系统中，文本生成过程通常比之前描述的简单循环更复杂。

产品化系统通常使用speculative sampling来加速大模型的文本生成。

小编曾在将Llama训练成Mamba的文章中，介绍过大模型的推测解码过程。

简单来说就是用原来的大模型蒸馏出一个小模型，小模型跑得快，先生成出一个序列，大模型再对这个序列进行验证，由于kv cache的特性，发现不符合要求的token，可以精准回滚。

这样的做法既保证了输出的质量，又充分利用了显卡的计算能力，当然主要的目的是为了加速。

所以在实践中，生成水印的方案需要与推测采样相结合，才能真正应用于生产系统。

对此，研究人员提出了两种带有推测采样算法的生成水印。

一是高可检测性水印推测采样，保留了水印的可检测性，但可能会降低推测采样的效率（从而增加整体延迟）。

二是快速水印推测采样，（当水印是单token非失真时）保留了推测采样的效率，但可能会降低水印的可检测性。

作者还提出了一个可学习的贝叶斯评分函数，以提高后一种方法的可检测性。当速度在生产环境中很重要时，快速带水印的推测采样最有用。

上图表明，在非失真类别中，对于相同长度的文本，非失真SynthID-Text提供比Gumbel采样更好的可检测性。在较低熵的设置（如较低的温度）下，SynthID-Text对Gumbel采样的改进更大。

参考资料：

https://x.com/GoogleDeepMind/status/1849110265645678807

https://www.nature.com/articles/d41586-024-03462-7