文字水印藏在哪？我原本以為是某種看不見的浮水印，結果居然是塞零寬字符，也太土炮了吧。更扯的是，這種東西找個文字軟體做一次查找替換就沒了。老王這支影片把 AI 水印從最陽春到最先進的演算法全拆給你看，看完你會對「這段話是不是 AI 寫的」有完全不同的理解。

影片時間軸

1. 00:31介紹零寬字符，說明文字水印最陽春的做法
2. 01:34大模型文字接龍的原理，鋪墊後面的水印演算法
3. 03:20馬裡蘭大學提出 KGW 演算法，用密碼動態分紅綠組
4. 04:29KGW 的驗證方式，靠統計整篇紅綠 token 的比例
5. 06:04Scott Erison 提出不改變機率的水印方法
6. 07:40DeepMind 發表 SynthID-Text，用八個候選 token 兩兩淘汰
7. 09:42討論水印能不能被刪掉，少量改寫沒用、大量改寫才算
8. 10:09老王反思分辨 AI 內容到底重不重要

KGW 算法解決了什麼問題

最早的做法是把 token 直接分成紅綠兩組，AI 只用綠組，但分組容易被統計破譯，而且紅組的詞等於被永久封印。KGW 改成用密碼加前一個 token 動態分組，還把硬性排除改成加分制，綠組 token 機率提高但不完全排除紅組。這樣破譯難度指數級上升，也不會把「床前明月光」的光硬生生擠掉。驗證時看整篇綠組比例，兩百個 token 裡有一百五十五個綠的，機率大約八百萬分之一，基本可以確定是 AI 寫的。

SynthID-Text 連隨機性都保住了

Erison 的方法是把選 token 的隨機數換成密碼算出來的假隨機數，機率分佈不變，但同一個問題重複問會得到一樣的答案。DeepMind 的 SynthID-Text 改成讓每個 token 依機率獨立抽八次，再用密碼算出的硬幣正反面兩兩淘汰，最後勝出的 token 正面的機率會偏高。驗證時統計整篇正反面比例，接近一半一半就是人寫的。這個方法不改機率、保留隨機性，是目前最先進的技術之一。

值得下載嗎：值得，尤其你想搞懂 AI 水印到底怎麼運作的話。老王把四種演算法的邏輯拆得很清楚，從零寬字符到 SynthID-Text 一路演進，最後還有一段對 AI 內容氾濫的反思，不是純技術片。