پرش به محتوای اصلی
پرش به محتوای مقاله

درون سازوکار شناسایی متون Claude از طریق قطعات کد مخفی در AO3

·۱۳ تیر ۱۴۰۵۲ دقیقه مطالعه
جنگ جامعه فن‌فیکشن با هوش مصنوعی — و با خودش
جنگ جامعه فن‌فیکشن با هوش مصنوعی — و با خودش
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

استفاده از آثار کد HTML (CSS Classes) برای شناسایی هوش مصنوعی به‌جای تحلیل سبک نوشتاری؛ تبدیل یک نقص فنی در کپی-پاست به ابزار نظارتی.

تصور کنید داستانی را می‌خوانید که شما را به شدت جذب کرده است، اما ناگهان متوجه می‌شوید نویسنده آن یک انسان نبوده و تمام احساسات متن توسط یک ماشین تولید شده است. این کابوس برای بسیاری از کاربران آرشیو داستان‌های طرفداران (AO3) اکنون به یک واقعیت قابل رصد تبدیل شده است.

طبق گزارش‌های منتشر شده، یک پوسته (Skin) مرورگر سفارشی اکنون به خوانندگان اجازه می‌دهد داستان‌هایی که از کلود (Claude) — مدل زبانی شرکت Anthropic — کپی و در وب‌سایت Archive of Our Own (AO3) منتشر شده‌اند را فوراً شناسایی کنند. این ابزار که در ۲۹ ژوئن ۲۰۲۴ توسط یک حساب ناشناس در X به نام @heatedrivalryai منتشر شد، در صورت شناسایی آثار کدنویسی خاصی که توسط هوش مصنوعی زاینده (Generative AI) — شبیه به اثر انگشتی دیجیتالی که هر ابزار روی نوشته‌هایش می‌گذارد — باقی مانده، پس‌زمینه صفحه را به رنگ قرمز در می‌آورد.

جس ودربد، یکی از نویسندگان این حوزه، می‌گوید این جنبش در میان تنشی قدیمی در جوامع خلاق شکل گرفته است. این نگرانی‌ها ریشه در ترس عمیق هنرمندان از جایگزینی دارد، چرا که بسیاری از نویسندگان از احتمال سرقت آثارشان توسط هوش مصنوعی و از دست رفتن مالکیت فکری خود می‌ترسند. در حالی که خوانندگان پیش از این بر اساس سبک نوشتاری یا الگوهای علائم نگارشی متوجه حضور AI می‌شدند، این روش جدید مستقیماً کد HTML را هدف قرار می‌دهد. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی شناسایی محتوای مصنوعی اشاره کردیم، تکیه بر تحلیل آماری متن سخت است، اما ردیابی اثرات زیرساختی کد بسیار دقیق‌تر عمل می‌کند.

بر اساس مستندات این ابزار، سازوکار شناسایی به شرح زیر است:

  • هدف شناسایی: این سیستم به دنبال کلاس CSS خاصی به نام font-claude-response-body می‌گردد که وقتی متن مستقیماً از رابط کاربری Claude به ویرایشگر AO3 منتقل می‌شود، دور متن قرار می‌گیرد.
  • محرک هشدار: در صورت وجود این رشته کد، پوسته مرورگر هشدار قرمز رنگی را در کل صفحه فعال می‌کند.
  • راه فرار: اگر کاربر متن تولیدشده توسط AI را ابتدا در یک ویرایشگر متن ساده (Plain-text) کپی کرده و سپس در سایت قرار دهد، متادیتاهای کد حذف شده و صفحه قرمز نمی‌شود.

جنگ جامعه فن‌فیکشن با هوش مصنوعی — و با خودش

این حفره فنی ریسک «منفی کاذب» (False Negative) را بالا می‌برد؛ چرا که هر نویسنده‌ای که از قابلیت Paste as plain text استفاده کند، به‌طور کامل از دید این ردیاب پنهان می‌ماند. با این حال، این ابزار راه‌اندازی موجی از «نام‌گذاری و شرمسار کردن» (Name and Shame) نویسندگانی را به راه انداخته که از AI استفاده می‌کردند. این رویکرد اجتماعی برای شناسایی خطاهای AI یادآور تلاش‌های جمعی در پلتفرم‌هایی است که شفافیت در خطاها و ردیابی شکست‌های مدل‌های زبانی را هدف قرار داده‌اند.

برای یک نویسنده عادی، این وضعیت به معنای تغییر مسیر از نقد ادبی به نظارت خودکار است. سازنده ابزار معتقد است روح دنیای طرفداران بر پایه «عنصر انسانی» استوار است و اجازه می‌دهد هوش مصنوعی این فضاهای همکاری را تخریب کند.

این تضاد نشان‌دهنده شکافی عمیق است: در حالی که ابزارهای AI کارایی را بالا می‌برند، جامعه خلاقان «جرقه‌ی خلاقیت» را یک بازی با حاصل-جمع صفر می‌بینند. وقتی عنصر انسانی حذف شود، پیوندهای اجتماعی این جوامع از هم می‌پاشد.

گام بعدی شما

  • اگر نویسنده هستید، از ابزارهای پاک‌ساز متن برای حذف متادیتاهای ناخواسته استفاده کنید.
  • برای تست دقت این ابزار، نمونه‌های متنی تولیدشده توسط Claude را در محیط AO3 بررسی کنید.
  • حساب @heatedrivalryai را برای به‌روزرسانی‌های احتمالی در شناسایی مدل‌های دیگر دنبال کنید.

اما نبرد شناسایی AI تنها در متن نیست؛ تحلیل ما درباره‌ی واترمارک‌های نامرئی در تصاویر، ابعاد پیچیده‌تری از این تقابل را نشان می‌دهد.

چرا این موضوع مهم است؟

این ابزار نشان‌دهنده گذار از نقد سلیقه‌ای به نظارت فنی در جوامع خلاق است. اعتبار نویسندگی در عصر AI اکنون نه تنها با کیفیت متن، بلکه با اثبات «انسانی بودن» فرآیند تولید گره خورده است.

تأثیر برای ایران

این ابزار بیشتر برای جوامع نویسندگی بین‌المللی اهمیت دارد و اثر مستقیمی بر کاربران یا توسعه‌دهندگان ایرانی ندارد.

·نگاه ما
تحریریه دات‌هوش

این اتفاق نشان می‌دهد که جنگ علیه محتوای AI از تحلیل معنایی به تحلیل زیرساختی منتقل شده است. وقتی مدل‌ها در تقلید از لحن انسانی به کمال برسند، تنها راه شناسایی آن‌ها، ردیابی اشتباهات مهندسی در رابط کاربری (UI) و لایه‌های انتقال داده است. این یک پیروزی موقت برای انسان‌هاست، زیرا شرکت‌هایی مثل Anthropic به‌سادگی می‌توانند این کلاس‌های CSS را تغییر دهند یا حذف کنند.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.