識者の読み 2026年9月5日

トレンド観察 · 元の発表は 2026 年 8 月 18 日

あなたの生成物に電子透かしが載るかどうかを決めるのは、方針ではない。その出力にどれだけ乱雑さがあるかだ。

Arvind Narayanan はプリンストン大学の計算機科学の教授で、『AI Snake Oil』の共著者になる。彼は二本の長い投稿で文章の電子透かしの仕組みを説明し、この線に足りなかった一片を埋めた。「The watermark doesn't introduce new randomness; it hides in the randomness that already existed in the distribution of responses to a given prompt. If the output distribution for a given prompt doesn't have enough variation, there will simply be no detectable watermark.」——電子透かしは新しい乱雑さを持ち込まない。同じ問いかけへの応答がもともと持っている散らばりのなかに隠れる。出力の散らばりが足りなければ、検出できる透かしはそもそも生まれない。彼はよくある誤解も正した。これは長さの問題ではなく乱雑さの量の問題であり、長さはそれと相関しているにすぎない（Arvind Narayanan、2026-08-18）。彼が認めた一例が帰結をいちばん平たく語る。厳しい書式で JSON を出せと指示すると、抽出できる散らばりはほぼ消え、透かしが取り付く先がなくなる。法務と技術の責任者への含意はここにある。 適用の範囲は法規と社内の方針が決めるように聞こえるが、仕組みからすればそれは物理の境界に近い。消費者向けの長い文章はもともと散らばりが大きく、透かしが最もよく効く帯になる。企業の現場が出す書式の厳しい出力はちょうど反対の端にあり、構造として印を載せられない。同じ一つの規定でも、この二つの集団が実際に受ける縛りは一桁ちがう可能性がある。⚠️ この仕組みの説明に実験の数字はなく、どの会社が実際にどうしているかにも触れていない。本紙の手元で数字を持つ拠り所は、スタンフォードのチームが 2023 年に出した実測だけになる。ふつうの利用者が出す指示への応答は中央値でおよそ 100 トークンの長さで、検出できたのは約 25% だった（Kuditipudi ほか、arXiv 2307.15593）。トークンはモデルが文章の長さを数える単位で、ふつうは一語より小さい。⚠️ そして「企業の現場の出力は散らばりが小さいものが多い」という一文には測定の裏づけがなく、本紙が現場の常識から推した。問いを「あの会社のモデルに透かしがあるか」から「うちの現場の出力にどれだけ散らばりがあるか」へ入れ替えること。 後者は自分で量れ、それをもとに振り分けられる工学の問題になる。