ลายน้ำ LLM (LLM watermark) คืออะไร? กลไก วิธีการ และการรับมือของแต่ละบริษัท

เราจะแยกแยะข้อความที่ AI เขียนได้อย่างไร งานวิจัยแสดงให้เห็นว่าเครื่องมือตรวจจับ AI ที่คาดเดาจากลักษณะของข้อความสามารถถูกหลบเลี่ยงได้ง่าย ๆ เพียงแค่เรียบเรียงใหม่ สิ่งที่ได้รับความสนใจจึงเป็น ลายน้ำ LLM (LLM watermarking) ซึ่งใส่เครื่องหมายที่มองไม่เห็นไว้ตั้งแต่ขั้นตอนที่ AI สร้างข้อความ ต่อจากที่ Google เริ่มใช้ใน Gemini ในปี 2024 ในปี 2026 Anthropic และ OpenAI ก็เริ่มใส่ลายน้ำในข้อความจาก AI ของตนเอง และกฎระเบียบก็เริ่มเรียกร้องสิ่งนี้ด้วย บทความนี้สรุปกลไก วิธีการหลัก ข้อจำกัด และการรับมือของแต่ละบริษัทเกี่ยวกับลายน้ำ LLM จากงานวิจัยและข้อมูลทางการ ณ วันที่ 9 ตุลาคม 2026

ลายน้ำ LLM คืออะไร

ลายน้ำ LLM คือเทคโนโลยีที่ฝังเครื่องหมายทางสถิติซึ่งมนุษย์สังเกตไม่ได้ลงในข้อความที่ LLM (โมเดลภาษาขนาดใหญ่) สร้างขึ้น ไม่ได้เติมสัญลักษณ์หรืออักขระที่มองไม่เห็นลงในข้อความ แต่ทิ้งเครื่องหมายไว้ด้วยการทำให้ วิธีที่ AI เลือกคำถัดไป เอียงไปเล็กน้อย

เมื่อ LLM สร้างข้อความ จะกำหนดความน่าจะเป็นให้กับคำ (หรือให้ถูกต้องคือโทเค็น) ที่อาจตามมา แล้วเลือกมา 1 คำ ทำซ้ำไปเรื่อย ๆ ลายน้ำ LLM เพิ่มกฎที่อิงคีย์ลับเข้าไปในวิธีเลือกนี้ ผู้ที่รู้คีย์สามารถดูข้อความแล้วยืนยันทางสถิติได้ว่า "มีคำที่เป็นไปตามกฎมากเกินกว่าจะเป็นความบังเอิญ"

ความแตกต่างจากเครื่องมือตรวจจับ AI และ C2PA

วิธีแยกแยะข้อความของ AI นอกจากลายน้ำ LLM แล้วยังมีวิธีต่อไปนี้

เครื่องมือตรวจจับ AI: คาดเดาความเป็น AI จากลักษณะของข้อความในภายหลัง ใช้ได้แม้ไม่มีเครื่องหมาย แต่เป็นเพียงการคาดเดา งานวิจัยชิ้นหนึ่งพบว่าเพียงเรียบเรียงใหม่ด้วย AI อีกตัว อัตราการตรวจจับของเครื่องมือตรวจจับตัวหนึ่ง (DetectGPT) ก็ลดจาก 70.3% เหลือ 4.6%
C2PA (Content Credentials): แนบข้อมูลประวัติความเป็นมาที่มีลายเซ็นไว้กับไฟล์ เหมาะกับไฟล์รูปภาพหรือเอกสาร แต่ไม่สามารถแนบกับข้อความทั่วไปที่ถูกคัดลอกและวางได้

Anthropic เองก็แยกใช้กับผลลัพธ์ของ Claude โดยใช้ลายน้ำกับข้อความ และใช้ C2PA กับไฟล์ที่สร้าง อ่านเรื่อง C2PA ได้ใน "C2PA คืออะไร"

วิธีการหลัก

ลายน้ำ LLM มีอยู่หลายสาย ขอแนะนำวิธีที่เป็นตัวแทน

วิธี green list

วิธีที่เป็นตัวแทนซึ่งนักวิจัยจากมหาวิทยาลัยแมริแลนด์เผยแพร่ในปี 2023 (Kirchenbauer และคณะ, ICML 2023)

แบ่งคำศัพท์ใหม่ทุกครั้งเป็น "green list" และ "red list" จากคำก่อนหน้าและคีย์
บวกคะแนนเพิ่มให้คำใน green list ถูกเลือกง่ายขึ้นเล็กน้อย
ตอนตรวจจับ จะนับจำนวนคำใน green list แล้วทดสอบทางสถิติว่ามีมากเกินกว่าที่ความบังเอิญจะอธิบายได้หรือไม่

ในบทความวิจัยแสดงอัตราการตรวจจับราว 98% ขึ้นไปกับข้อความ 200 โทเค็น กลไกเข้าใจง่าย และมีการใช้งานใน Transformers ของ Hugging Face ด้วย ในทางกลับกัน เพราะทำให้การเลือกคำเอียง จึงอาจส่งผลต่อคุณภาพของข้อความเล็กน้อย

วิธีที่ไม่เปลี่ยนการแจกแจงความน่าจะเป็น

เพื่อขจัดผลต่อคุณภาพของข้อความ จึงมีการวิจัยวิธีใส่ลายน้ำโดยไม่เปลี่ยนความน่าจะเป็นที่ AI จะเลือกโดยธรรมชาติด้วย

วิธีของ Aaronson: วิธีที่ Scott Aaronson นักวิทยาการคอมพิวเตอร์ซึ่งทำวิจัยที่ OpenAI ในปี 2022 แนะนำไว้ ใช้เลขสุ่มที่สร้างจากคีย์ตัดสินการเลือกคำ และระบุว่าเพียงไม่กี่ร้อยโทเค็นก็ได้เครื่องหมายเพียงพอ
วิธีที่ทนทาน: นักวิจัยจากมหาวิทยาลัยสแตนฟอร์ดเสนอวิธีที่ตรวจจับได้แม้คำ 40–50% ถูกเปลี่ยนแบบสุ่ม (Kuditipudi และคณะ, 2023)
ลายน้ำที่แยกแยะไม่ได้: มีงานวิจัยที่แสดงในทางทฤษฎีว่า หากไม่มีคีย์ การแยกข้อความที่มีลายน้ำออกจากข้อความต้นฉบับของ AI เป็นเรื่องยากในเชิงการคำนวณ (Christ และคณะ, 2023)

SynthID Text ของ Google และ textGrain ของ OpenAI ก็อิงแนวคิด "รักษาคุณภาพ" นี้เช่นกัน

วิธีอื่น ๆ

ยังมีข้อเสนออื่น ๆ เช่น วิธีที่ใส่ลายน้ำในหน่วยความหมายของประโยคแทนหน่วยคำเพื่อให้ทนต่อการเรียบเรียงใหม่ (เช่น SemStamp) วิธีที่ฝังข้อมูลอย่าง ID ของผู้ใช้ และวิธีที่เปิดเผยคีย์เพื่อให้ใครก็ตรวจสอบได้

แนวคิดในการตรวจจับ

การตรวจจับลายน้ำ LLM มีลักษณะดังนี้

ต้องใช้คีย์: หลายวิธีตรวจจับไม่ได้หากไม่มีคีย์ลับที่ใช้ตอนใส่ลายน้ำ ดังนั้นผู้ที่ตรวจจับได้โดยพื้นฐานคือบริษัทที่ใส่ลายน้ำ หรือผู้ที่ได้รับคีย์ร่วม
ผลลัพธ์แสดงเป็นความน่าจะเป็น: ผลการตรวจจับเป็นการตัดสินเชิงความน่าจะเป็น เช่น "มีแนวโน้มสูงว่ามีลายน้ำ" "ไม่มี" หรือ "ตัดสินไม่ได้"
ต้องมีความยาวระดับหนึ่ง: ข้อความสั้นไม่สามารถตัดสินทางสถิติได้ งานวิจัยมักประเมินด้วยข้อความราว 200 โทเค็น และสำหรับ textGrain ของ OpenAI มีรายงานว่าภายใต้เงื่อนไขที่จำกัดการตัดสินผิดไว้ที่ 1% ข้อความด้านจิตวิทยาและสาขาอื่น ๆ มีอัตราการตรวจจับประมาณ 80% ที่ 200 โทเค็น และประมาณ 95% ที่ 400 โทเค็น
ใส่ได้ยากในข้อความที่คำตอบตายตัว: ในกรณีที่คำถัดไปแทบจะถูกกำหนดไว้แล้ว เช่น โค้ดโปรแกรม ข้อความแบบฟอร์ม หรือข้อความที่ตอบข้อเท็จจริง จะมีช่องให้ทำให้การเลือกเอียงน้อย ลายน้ำจึงอ่อนลง

จุดอ่อนและการโจมตี

ลายน้ำ LLM มีจุดอ่อนที่รู้จักกันจากงานวิจัย

การเรียบเรียงใหม่: หากเรียบเรียงใหม่ด้วย AI อีกตัว ลายน้ำจะอ่อนลงมาก OpenAI เปิดเผยว่าหากแทนที่คำ 25% ด้วยคำพ้องความหมาย อัตราการตรวจจับของ textGrain จะลดลงเหลือ 17%
การแปล: มีการแสดงให้เห็นว่า หากให้สร้างเป็นภาษาอื่นก่อนแล้วจึงแปล ลายน้ำจะหายไป
การโจมตีด้วยอีโมจิ: มีกลวิธีที่สั่งให้ AI แทรกอีโมจิระหว่างทุกคำ แล้วลบอีโมจิออกในภายหลังเพื่อทำลายลายน้ำ
การปลอมแปลง (spoofing): มีการวิจัยการโจมตีที่คาดเดากฎของลายน้ำแล้วปลอมลายน้ำลงในข้อความที่มนุษย์เขียน งานวิจัยชิ้นหนึ่งคาดเดากฎของลายน้ำจากการสอบถามผ่าน API และแสดงอัตราความสำเร็จเกิน 80% ทั้งการปลอมและการลบ ด้วยค่าใช้จ่ายต่ำกว่า 50 ดอลลาร์
โมเดลแบบเปิด: สำหรับโมเดลที่ใครก็รันได้ สามารถถอดขั้นตอนการใส่ลายน้ำออกได้

สถานะการรับมือของแต่ละบริษัท

ต่อจาก Google ในปี 2026 Anthropic และ OpenAI ก็เริ่มใส่ลายน้ำในข้อความจาก AI ของตนเอง

OpenAI: ในปี 2024 เคยแสดงท่าทีระมัดระวังต่อการนำลายน้ำข้อความมาใช้ ด้วยเหตุผลว่าหลบเลี่ยงได้ง่ายด้วยการแปลและวิธีอื่น และอาจทำให้การใช้งานของผู้ที่ไม่ได้ใช้ภาษาอังกฤษเป็นภาษาแม่ถูกสงสัยอย่างไม่เป็นธรรม เมื่อวันที่ 5 ตุลาคม 2026 ได้เปลี่ยนนโยบายและประกาศลายน้ำของตนเอง "textGrain" โดยนำมาใช้ใน ChatGPT และ Codex ใน EU และเลือกใช้ได้ทั่วโลกผ่าน API อ่านรายละเอียดได้ใน "textGrain คืออะไร"
Google: พัฒนา SynthID Text และประกาศในปี 2024 ว่าใช้ใน Gemini พร้อมเปิดซอร์ส อ่านรายละเอียดได้ใน "SynthID Text คืออะไร"
Anthropic: ใส่ลายน้ำในข้อความที่ Claude สร้าง โมเดลที่เปิดตัวตั้งแต่วันที่ 2 สิงหาคม 2026 เป็นต้นไปรองรับตั้งแต่เปิดตัว และโมเดลก่อนหน้านั้นก็มีลายน้ำเมื่อใช้ผ่านบริการของ Anthropic เอง วิธีที่ใช้อิงจาก SynthID Text และเนื่องจากไม่มีวิธีที่แน่นอนในการแยกใช้ตามภูมิภาค จึงใช้เหมือนกันทั่วโลก
Meta: เปิดซอร์ส "TextSeal" เครื่องมือเพื่อการวิจัยลายน้ำข้อความ

ตัวตรวจจับของ OpenAI และ Anthropic ต่างให้บริการเฉพาะนักวิจัยที่ผ่านการคัดกรองและหน่วยงานกำกับดูแลเป็นต้น คนทั่วไปยังไม่สามารถใช้ได้อย่างอิสระ

ความเคลื่อนไหวด้านกฎระเบียบ

เหตุผลสำคัญที่ลายน้ำ LLM แพร่หลายคือกฎระเบียบ

EU: มาตรา 50 ของกฎหมาย AI กำหนดให้ผู้ให้บริการ AI ที่สร้างเนื้อหารวมถึงข้อความ แสดงผลลัพธ์ในรูปแบบที่เครื่องอ่านได้ เพื่อให้ตรวจจับได้ว่าสร้างด้วย AI บทบัญญัตินี้มีผลบังคับใช้ตั้งแต่วันที่ 2 สิงหาคม 2026 อย่างไรก็ตาม การแก้ไขกฎหมาย AI ในปี 2026 (Digital Omnibus) ได้ผ่อนผันหน้าที่ในการติดเครื่องหมายที่เครื่องอ่านได้ไปจนถึงวันที่ 2 ธันวาคม 2026 เฉพาะระบบ AI ที่วางตลาดก่อนวันดังกล่าวเท่านั้น ประมวลแนวปฏิบัติที่ระบุวิธีการอย่างเป็นรูปธรรมมี OpenAI, Google, Anthropic, Meta, Microsoft, Mistral และบริษัทอื่น ๆ ร่วมลงนาม
จีน: ตั้งแต่วันที่ 1 กันยายน 2025 กฎที่บังคับให้แสดงเครื่องหมายบนเนื้อหาที่สร้างด้วย AI มีผลบังคับใช้ โดยบังคับให้ติดเครื่องหมายที่มองเห็นได้บนข้อความ และใส่เครื่องหมายที่มองไม่เห็นในเมตาดาต้าของไฟล์ ส่วนการเพิ่มลายน้ำดิจิทัลเป็นเพียงข้อแนะนำ
ญี่ปุ่น: "แนวทาง AI สำหรับภาคธุรกิจ" (AI Guidelines for Business) ของกระทรวงกิจการภายในและการสื่อสาร (MIC) และกระทรวงเศรษฐกิจ การค้า และอุตสาหกรรม (METI) ของญี่ปุ่น ขอให้องค์กรที่พัฒนา AI ขั้นสูงนำกลไกที่ระบุเนื้อหาที่ AI สร้างได้มาใช้ เช่น ลายน้ำดิจิทัล เมื่อทำได้ในทางเทคนิค (ไม่มีผลผูกพันทางกฎหมาย)

ข้อควรระวังตามบทบาท

ผู้ใช้และบุคลากรด้านการศึกษา

ตัวตรวจจับลายน้ำข้อความเปิดให้เฉพาะองค์กรจำนวนจำกัด คนทั่วไปจึงแทบไม่สามารถตรวจสอบข้อความที่มีอยู่ในมือได้ นอกจากนี้ การไม่พบลายน้ำก็ไม่ได้พิสูจน์ว่า "มนุษย์เป็นผู้เขียน" ผลจากเครื่องมือตรวจจับ AI ก็เป็นเพียงการคาดเดา จึงควรหลีกเลี่ยงการใช้เป็นหลักฐานตัดสินว่างานเขียนของนักเรียนหรือผู้สมัครเป็นของ AI

นักพัฒนา

หากสร้างบริการของตนเองด้วยโมเดลแบบเปิด สามารถใส่ลายน้ำได้ด้วยเครื่องมือต่อไปนี้

Hugging Face Transformers: รองรับทั้งวิธี green list และ SynthID Text ใช้ได้เพียงส่งค่าตั้งตอนสร้างข้อความ
vLLM: เวอร์ชัน 0.30.0 ในเดือนกันยายน 2026 มีฟีเจอร์ลายน้ำ (วิธี Gumbel-max) ติดมาเป็นมาตรฐาน กำหนดวิธีและคีย์ตอนเริ่มเซิร์ฟเวอร์ แต่การสร้างที่ตั้ง temperature เป็น 0 และ beam search จะไม่ถูกใส่ลายน้ำ
MarkLLM: ชุดเครื่องมือเพื่อการวิจัยที่ทดลองหลายวิธีได้ในที่เดียว

หากคีย์รั่วไหล ลายน้ำอาจถูกปลอมได้ จึงต้องจัดการคีย์อย่างระมัดระวัง

สรุป

ลายน้ำ LLM คือเทคโนโลยีที่ทิ้งเครื่องหมายที่มองไม่เห็นไว้ในกระบวนการที่ AI เลือกคำ เพื่อให้ตรวจสอบได้ภายหลังด้วยคีย์ ต่อจากที่ Google เริ่มใช้ใน Gemini ในปี 2024 ในปี 2026 Anthropic และ OpenAI ก็เริ่มใส่ลายน้ำในข้อความของตนเองตามกันมา โดยมีกฎระเบียบของ EU เป็นแรงผลักดัน

ในทางกลับกัน ลายน้ำใส่ได้ยากในข้อความสั้นหรือข้อความที่คำตอบตายตัว อ่อนลงเมื่อถูกเรียบเรียงใหม่หรือแปล และผู้ที่ตรวจจับได้ก็มีจำกัด ควรเข้าใจลายน้ำ LLM ว่าไม่ใช่ตัวชี้ขาดในการแยกแยะข้อความของ AI แต่เป็นหนึ่งในกลไกที่ช่วยให้ฝั่งผู้ให้บริการ AI ทำหน้าที่รับผิดชอบของตน ความแตกต่างของแต่ละเทคโนโลยีสรุปไว้ใน "เปรียบเทียบลายน้ำ AI (ลายน้ำดิจิทัล)"