Anthropic přidá do Clauda watermark, který mohou ověřit třetí strany

Anthropic oznámil API pro detekci watermarku v textu vytvořeném modely Claude. Třetí strany ho budou moci připojit do vlastních aplikací, například redakčních systémů, vzdělávacích nástrojů nebo interních kontrolních procesů.

Watermark (digitální značka původu) nevkládá do textu viditelný symbol. Při výběru slov upravuje zdroj náhody tak, aby vznikl statisticky rozpoznatelný vzorec. Anthropic tvrdí, že to nemá měnit obsah, kreativitu ani čitelnost výstupu. Metoda vychází z přístupu SynthID Text, který Google DeepMind popsal v časopise Nature.

To se liší od běžných AI detektorů. Nástroje jako Pangram hledají stylistické signály, například typické fráze nebo opakovaná slova. Watermark má ověřovat konkrétní stopu vloženou při generování textu, nikoli obecnou podobnost s textem jazykového modelu.

Rozdíl však neznamená jistotu. Značka funguje hůře u krátkých textů, pasáží založených na faktech a kódu, kde je méně možností k přirozenému přeformulování. Čisté opravy, při nichž člověk vybral každé slovo, watermark nemají. Překlady jsou jiný případ, protože slova vybírá Claude.

Anthropic zároveň přiznává, že intenzivní přepsání může watermark odstranit. Detekce také nerozliší, zda Claude napsal celý text, nebo jen výrazně upravil návrh. Nedokáže ani prokázat, že text nevznikl v jiném AI modelu. Výsledkem je tedy pravděpodobnost účasti Clauda, nikoli rodný list autora.

Firma uvádí, že watermarking zavádí také v souvislosti s evropským AI Actem a globálně ho nasadí proto, že ho zatím nedokáže technicky omezit podle regionu. Modely vydané po 2. srpnu 2025 ho podporují automaticky. Starší modely ho mají dostat později. U souborů Anthropic používá otevřený standard C2PA, který přidává metadata bez úpravy samotného souboru.

To je podstatný rozdíl mezi transparentností a dokazováním viny. Firma může získat další signál pro kontrolu obsahu, ale neměla by z něj dělat automatický verdikt o podvodu, autorství nebo kvalitě práce.

Co si z toho odnést? Pokud chcete ve firmě kontrolovat obsah vytvořený AI, zaveďte watermark jako jeden ze signálů a ukládejte také historii promptů, verzí a schválení člověkem. Samotné API nevyřeší odpovědnost za publikovaný text.

Waymo dostalo povolení rozšířit služby robotaxi do 18 kalifornských okresů

Kalifornská Public Utilities Commission povolila společnosti Waymo rozšířit služby robotaxi do dalších okresů. Poprvé má nabízet jízdy v Sacramentu a San Diegu. Zároveň může rozšířit provoz v oblasti Sanfranciského zálivu a Los Angeles.

Povolení se týká 18 okresů včetně Alameda, Sacramento, San Francisco, San Diego, Los Angeles, Orange a Ventura. Neznamená to však okamžitý start všude. Waymo uvedlo, že expanze bude postupná a bude se řídit bezpečnostním rámcem, upozorňuje Engadget.

Rozhodnutí navazuje na žádost Waymo z ledna, která se týkala bezpečnostního plánu. CPUC podle dostupných informací žádost předtím připomínkovala a dočasně pozastavila. Engadget zároveň uvedl, že si podrobnosti rozhodnutí u komise ještě ověřoval. To je malá, ale praktická výhrada. Oznámení firmy není totéž co plně zdokumentované regulační rozhodnutí.

Waymo může podle původní žádosti používat stávající vozidla Jaguar I-Pace i nová robotaxi Ojai, vlastní minivany vyrobené čínskou společností Zeekr. Firma už v červenci avizovala testování plně autonomních jízd bez bezpečnostního řidiče v San Diegu, Denveru, Tampě a Las Vegas.

Co si z toho odnést? Pro slovenskou a českou firmu je to spíše signál o vývoji regulované automatizace než okamžitá dopravní služba. U podobných projektů sledujte povolení, bezpečnostní proces a skutečnou dostupnost, ne pouze počet míst na mapě.

Samsung učí dva AI modely rozumět signálům z chytrých hodinek

Samsung Research America představil dva foundation models (základní modely) pro biosignály z chytrých hodinek. Pracují s údaji o srdeční aktivitě, spánku a pohybu. Modely se učí ze signálů, aniž by každý záznam musel mít ručně přiřazenou diagnózu.

První model, xMAE, propojuje PPG signál, který pasivně sleduje změny průtoku krve, se signálem ECG měřícím elektrickou aktivitu srdce. Trénoval na přibližně 9 400 hodinách ECG a PPG dat. Samsung uvádí, že překonal unimodální a některé multimodální modely v 15 z 19 hodnocených úloh. Šlo například o predikci kardiovaskulárních problémů, odhalování abnormálních výsledků a klasifikaci spánku.

Druhý model, HiMAE, sleduje krátké i delší časové úseky. Krátký úsek může zachytit změnu srdečního tepu, delší zase vývoj spánku nebo fyzické aktivity. Samsung tvrdí, že model dokáže na procesoru podobném tomu v chytrých hodinkách vytvořit výsledek za méně než 1 milisekundu.

I zde je třeba číst čísla opatrně. Výsledky a srovnání pocházejí z oznámení Samsungu a jeho výzkumného hodnocení, nikoli z nezávislé klinické validace. Technická schopnost modelu zpracovat biosignál ještě není důkazem, že může sám poskytovat bezpečná zdravotní rozhodnutí.

Co si z toho odnést? Pokud firma pracuje se zdravotními nebo sportovními daty, sledujte možnosti zpracování přímo v zařízení, ale počítejte s přísnějším ověřováním, souhlasy a ochranou údajů. Milisekunda výpočtu neznamená milisekundu důvěry.

Co ještě stojí za přečtení?

  • Meta si patentovala brýle, které by mohly rozpoznávat lidi a vytvářet sestřihy ze společenských událostí, což otevírá otázku souhlasu kolemjdoucích, 404 Media.
  • Google propojuje AI zdravotního kouče s údaji z kontinuálního monitorování glukózy od Abbottu, AI News.
  • Joi AI najala 10 lidí na měsíční testování sexuálního využití AI společníků jako nástroje proti osamělosti, Wired.
  • Indonésie otevřela první univerzitní AI centrum ve spolupráci univerzity Gadjah Mada, operátora Indosat a Nvidie, NVIDIA Blog.
  • OpenFactory podle testu ZDNET-u umožňuje sestavit vlastní linuxovou distribuci během jediné noci bez klasického manuálního procesu, ZDNET AI.

Co si o tom myslím a co z toho plyne pro firmy

Názor

Watermark v Claudovi vítám jako technický signál, odmítám ho však jako náhradu za redakční nebo firemní odpovědnost. Anthropic sám uvádí, že značka je slabší u krátkých a faktografických textů, nefunguje u čistě lidských oprav a může zmizet po intenzivním přepsání. To není chyba produktu. To je vlastnost problému. Text lze kopírovat, překládat, zkracovat a upravovat. Autorství není jednorozměrná vlastnost, kterou vždy najdete v posledním odstavci.

Proto bych watermark nikdy nepoužil jako jediný důkaz při odmítnutí uchazeče, penalizaci studenta nebo zablokování zákaznického obsahu. Detektor může spustit kontrolu. Neměl by sám vynést rozsudek. Pokud firma potřebuje vědět, jak text vznikl, musí si vytvořit proces, v němž se zaznamenává původ materiálu, použité nástroje a schválení člověkem. Je to méně efektní než tlačítko s nápisem „AI, nebo člověk“, zato to funguje i v úterý po aktualizaci modelu.

Důsledek pro slovenskou a českou firmu

Pro běžnou středoevropskou firmu z toho vyplývá především potřeba rozlišit tři různé otázky. První zní, zda byl při tvorbě použit Claude. Druhá, zda text obsahuje chyby nebo zavádějící tvrzení. Třetí, zda ho schválil člověk, který za něj nese jméno. Watermark řeší nanejvýš část první otázky. Druhou ani třetí neřeší vůbec.

Marketingový tým může API použít jako doplňkový záznam při hromadné výrobě textů. Povinná kontrola faktů a schválení vlastníkem tématu by však měly zůstat. U zákaznické podpory se vyplatí ukládat identifikátor konverzace, verzi promptu a finální odpověď. U náboru nebo vzdělávání je třeba být ještě opatrnější, protože krátké texty a faktografické odpovědi patří mezi případy, u nichž je detekce méně spolehlivá.

Na Slovensku i v Česku bude platit stejný technický limit. Rozdíl může vzniknout v interních pravidlech, smlouvách a sektorové regulaci, nikoli v samotném watermarku. Pokud firma působí ve zdravotnictví, školství nebo při zpracování osobních údajů, musí navíc řešit účel zpracování, přístup k záznamům a informování lidí. U rozhodnutí s dopadem na člověka nestačí říct, že ho označil algoritmus.

Nejrozumnější horizont je krátký. Do týdne dokážete sepsat pravidlo, že výsledek detekce je podnětem ke kontrole, nikoli automatickým rozhodnutím. Do měsíce dokážete přidat evidenci zdrojů a schválení do redakčního nebo zákaznického procesu. Teprve potom má smysl řešit, zda se API finančně vyplatí. Cena nástroje bude pravděpodobně nižší než cena nesprávného obvinění, přesto ji musíte měřit na vlastním objemu.

Týká se to konkrétních lidí ve firmě. Vedoucí marketingu nastaví pravidla, editor nebo pracovník podpory kontroluje obsah a právník posoudí případy, v nichž může nesprávné označení poškodit člověka. V prvním týdnu se změní schvalovací formulář, v prvním měsíci přibude audit náhodného vzorku a v dalším kvartálu můžete porovnat čas kontroly s počtem zachycených chyb. Tak zjistíte, zda API snižuje riziko, nebo jen přidává další tlačítko do procesu.

Waymo a Samsung ukazují stejný vzorec z jiných oblastí. Technologie se posouvá dopředu, ale povolení, validace a odpovědnost za výsledek za ní kráčejí pomaleji. U AI projektů proto nehledejte jen to, co model dokáže. Zapište si také, kdo ověří jeho výstup, co se stane při chybě a jak systém vypnete. Prezentace o AI není výsledek. Výsledkem je proces, který funguje každý den, aniž by firma potichu přenesla riziko na zákazníka.

Na závěr

Lidé začínají chatboty označovat za partnery a někteří zákonodárci chtějí právně zabránit tomu, aby AI získala status osoby nebo manžela. Wired popisuje případy symbolických svateb i návrhy zákonů v amerických státech. Zvláštní není, že lidé dávají strojům jména. Zvláštní je, jak rychle se právní otázky snaží dohnat vztahy, které technologie vytvořila během víkendu.

Výzva k AI implementaci dne

Do týdne nasaďte interní registr původu obsahu vytvořeného AI. V jednoduchém formuláři v Notionu, SharePointu nebo Google Sheets evidujte autora zadání, použitý model, zdrojové materiály, datum, finální verzi a jméno schvalovatele. Marketingu a zákaznické podpoře to ušetří ruční dokazování, kdo text vytvořil a kdo ho pustil ven. Při 20 až 30 výstupech týdně může firma ušetřit přibližně 1 až 2 hodiny administrativy, pokud tyto informace dnes dohledává zpětně.

Nejčastěji to ztroskotá na tom, že formulář nemá vlastníka a po dvou dnech ho nikdo nevyplňuje. Přidělte proto odpovědnost vedoucímu týmu a prvních 10 záznamů ručně zkontrolujte. Začněte evidovat původ obsahu dříve, než budete řešit, co o něm odhadne detektor.