Claude'un metinlerindeki görünmez filigran: Yazıya iz nasıl saklanır?

Ne oldu?

Anthropic 14 Ağustos’ta, Claude’un ürettiği metinlere filigran (watermark) ekleyeceğini duyurdu. Gerekçe, 2 Ağustos 2026’da yürürlüğe giren AB Yapay Zekâ Yasası kuralı: Yapay zekâ ile üretilen içerik makinece tanınabilir şekilde işaretlenmeli. Anthropic’e göre bu tarihten sonra çıkan modellerde filigran var, daha eski modellere de önümüzdeki aylarda eklenecek. Bölgeye göre ayırmanın bir yolu henüz olmadığı için dünya genelinde açık.

Görsel ve dosyalarda ise ayrı bir yöntem kullanılıyor: Claude’un ürettiği PNG ya da SVG gibi dosyalara, dosyanın meta verisinde imzalı bir C2PA içerik kimliği ekleniyor.

Yazıya filigran nasıl konur?

İlk akla gelen, metne gözle görülmeyen karakterler saklamak. Görünmez Unicode harfleri yazısında anlattığımız gibi bu mümkün, ama tek bir temizleme adımıyla silinir. Claude’un filigranı böyle değil: Metne hiçbir şey eklenmiyor.

Bir dil modeli metni kelime kelime (token token) üretir. Her adımda birkaç makul aday vardır: “köpek”, “yavru”, “kedi”… Hangisinin seçileceğinde bir miktar rastlantı rol oynar. Filigran tam bu noktaya saklanıyor.

Alanın klasik makalesi 2023’te Kirchenbauer ve arkadaşlarından geldi. Fikir şöyle: Bir önceki kelimeye ve gizli bir anahtara bakarak kelime listesini ikiye böl, “yeşil” ve “kırmızı”. Üretim sırasında yeşil kelimelere küçük bir avantaj ver. İnsan yazısında yeşil ve kırmızı kelimeler aşağı yukarı eşit çıkar. Filigranlı metinde yeşiller açıkça fazladır. Anahtarı bilen biri yeşilleri sayar ve basit bir istatistik testiyle “bu kadar yeşil tesadüf olamaz” der. Metin uzadıkça bu kanıt güçlenir.

Anthropic hangi yöntemi kullanıyor?

Anthropic, yöntemin Google DeepMind’ın 2024’te Nature’da yayımladığı SynthID-Text’in bir sürümü olduğunu söylüyor. Bu yaklaşımda belli kelimeler kayırılmıyor. Değişen tek şey rastlantının kaynağı: Model normalde rastgele sayı üreticisiyle seçim yaparken, burada seçimi gizli anahtar ve önceki kelimeler belirliyor. SynthID makalesinde bu, adayların anahtara bağlı küçük bir “turnuvadan” geçirilmesiyle yapılıyor.

Anthropic’e göre sonuç şu: Model alışılmadık eş anlamlılara itilmiyor, ek token yok, maliyet ve hız aynı. Filigran kullanıcı ya da şirket hakkında bilgi taşımıyor. DeepMind da makalesinde Gemini’de canlı bir deney yapmış ve kullanıcıların beğeni oranlarında anlamlı bir fark bulmamış.

Neyi kanıtlar, neyi kanıtlamaz?

Anthropic’in kendi listesi epey dürüst:

• Hafif düzenleme filigranı büyük ihtimalle silmez. Her kelimeyi değiştiren tam bir yeniden yazım siler.
• Kısa metinlerde tespit güvenilir değil. Kanıt, metin uzadıkça birikir.
• Tek doğru cevabı olan içerikte (bir hesap sonucu, birebir kod) iz çok seyrek.
• Claude’un insan yazısını hafifçe düzelttiği metinlerde iz yetersiz kalabilir.
• Filigran “bunu Claude yazdı” ile “Claude çok değiştirdi” arasını ayıramaz. Bir metnin insan elinden çıktığını da kanıtlayamaz, başka modelleri de tanımaz.

Bir de erişim konusu var. Dedektör API’si şimdilik kapalı önizlemede: AB yasasının saydığı düzenleyiciler, medya, doğruluk kontrolü yapan kurumlar, araştırmacılar ve eğitim kurumları gibi gruplara açık. Yani sen bir metni kendin kontrol edemiyorsun. Videonun anlatıcısı da bu yüzden açık ağırlıklı, kendi bilgisayarında çalıştırdığın modelleri öneriyor. Görsellerde aynı işin nasıl yapıldığını görsel filigranı yazısında anlattık.

Düşün

• Bir öğretmen, ödevde filigran çıktı diye öğrenciyi suçlarsa, yukarıdaki sınırlardan hangisi önemli olur?
• Filigranın kelime seçimine saklandığını bilmek, kendi yazdığın bir metni yapay zekâya “düzelttirirken” kararını değiştirir mi?

Kendi cümlelerimizle yazılmış bir özettir, çeviri değildir. Tüm kaynaklar yukarıda.