EU ਦੇ ਟੈਕਸਟ ਪ੍ਰੋਵੇਨੈਂਸ ਨਿਯਮਾਂ ਬਾਰੇ ਸਾਡੀ ਪਹੁੰਚ
ਅੱਜ ਦੀ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦੇ ਅੰਦਰ ਪਾਰਦਰਸ਼ਤਾ ਨੂੰ ਬੜ੍ਹਾਵਾ ਦੇਣਾ.
ਸਮੱਗਰੀ ਦਾ ਪ੍ਰੋਵੇਨੈਂਸ ਲੋਕਾਂ ਨੂੰ ਇਹ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਸਮੱਗਰੀ ਕਿੱਥੋਂ ਆਈ ਹੈ, ਇਸਨੂੰ ਕਿਵੇਂ ਬਣਾਇਆ ਜਾਂ ਸੰਪਾਦਿਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਅਤੇ ਕੀ ਇਸ ਵਿੱਚ ਸਾਡੇ ਮਾਡਲਾਂ ਨਾਲ ਜੁੜੇ ਸਿਗਨਲ ਮੌਜੂਦ ਹਨ. ਅਸੀਂ ਆਪਣੇ ਮਾਡਲਾਂ ਨਾਲ ਤਿਆਰ ਕੀਤੀਆਂ ਤਸਵੀਰਾਂ ਅਤੇ ਆਡੀਓ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਟੂਲ ਪਹਿਲਾਂ ਹੀ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਕਰਵਾ ਦਿੱਤੇ ਹਨ. ਅੱਜ, ਅਸੀਂ EU AI Act ਦੇ ਜਵਾਬ ਵਿੱਚ ਟੈਕਸਟ ਵਾਟਰਮਾਰਕਿੰਗ ਬਾਰੇ ਆਪਣੀ ਪਹੁੰਚ ਸਾਂਝੀ ਕਰ ਰਹੇ ਹਾਂ ਅਤੇ ਇਹ ਸਾਡੇ ਵਿਆਪਕ ਕੰਮ ਨਾਲ ਕਿਵੇਂ ਜੁੜਦੀ ਹੈ.
EU AI ਐਕਟ ਦੇ ਤਹਿਤ ਜਨਰੇਟਿਵ AI ਪ੍ਰਦਾਤਾਵਾਂ ਲਈ ਜਨਰੇਟ ਕੀਤੇ ਟੈਕਸਟ ਨੂੰ ਮਸ਼ੀਨ-ਪੜ੍ਹਨਯੋਗ ਢੰਗ ਨਾਲ ਪਛਾਣਯੋਗ ਬਣਾਉਣਾ ਲਾਜ਼ਮੀ ਹੈ. ਟੈਕਸਟ ਵਾਟਰਮਾਰਕਿੰਗ ਅਤੇ ਡਿਟੈਕਸ਼ਨ ਤਕਨੀਕਾਂ ਹਾਲੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਵਿੱਚ ਹਨ ਅਤੇ ਇਹਨਾਂ ਦੀਆਂ ਕਾਫ਼ੀ ਸੀਮਾਵਾਂ ਹਨ. ਇਹਨਾਂ ਦੇ ਫਾਇਦਿਆਂ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਬਾਰੇ ਵਿਚਾਰ ਵੀ ਹਾਲੇ ਵਿਕਸਿਤ ਹੋ ਰਹੇ ਹਨ. ਸਾਡਾ ਪੜਾਅਵਾਰ ਤਰੀਕਾ EU AI ਐਕਟ ਦੀਆਂ ਲੋੜਾਂ ਅਤੇ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਸੀਮਾਵਾਂ, ਦੋਵਾਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦਾ ਹੈ. ਇਸ ਵਿੱਚ ਇਸ ਬਾਰੇ ਪਾਰਦਰਸ਼ਤਾ ਉੱਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਗਿਆ ਹੈ ਕਿ ਟੈਕਸਟ ਵਾਟਰਮਾਰਕ ਲੋਕਾਂ ਨੂੰ ਕੀ ਦੱਸ ਸਕਦਾ ਹੈ ਅਤੇ ਕੀ ਨਹੀਂ:
ਅੱਜ ਤੋਂ, ਦੁਨੀਆ ਭਰ ਦੇ API ਗਾਹਕ ਚੋਣਵੇਂ ਮਾਡਲਾਂ ਲਈ ਟੈਕਸਟ ਵਾਟਰਮਾਰਕਿੰਗ ਨੂੰ ਚਾਲੂ ਕਰਨ ਦੀ ਚੋਣ ਕਰ ਸਕਣਗੇ. API ਵਿੱਚ ਟੈਕਸਟ ਵਾਟਰਮਾਰਕਿੰਗ ਡਿਫੌਲਟ ਤੌਰ 'ਤੇ ਬੰਦ ਰਹੇਗੀ.
ਆਉਣ ਵਾਲੇ ਕੁਝ ਹਫ਼ਤਿਆਂ ਦੌਰਾਨ, ਅਸੀਂ ਯੂਰਪੀ ਸੰਘ ਵਿੱਚ ਯੋਗ ChatGPT ਅਤੇ Codex ਟੈਕਸਟ ਆਊਟਪੁੱਟ ਵਿੱਚ ਇੱਕ ਅਦਿੱਖ ਵਾਟਰਮਾਰਕ ਸ਼ਾਮਲ ਕਰਾਂਗੇ.
ਅਸੀਂ ਆਪਣੇ ਟੈਕਸਟ ਵਾਟਰਮਾਰਕ ਡਿਟੈਕਟਰ ਤੱਕ ਪਹੁੰਚ ਲਈ ਅਰਜ਼ੀਆਂ ਸਵੀਕਾਰ ਕਰ ਰਹੇ ਹਾਂ. ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਪਹੁੰਚ ਸਿਰਫ਼ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਮਾਹਰ ਸੰਸਥਾਵਾਂ ਤੱਕ ਸੀਮਿਤ ਰਹੇਗੀ, ਜੋ ਤਕਨਾਲੋਜੀ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਅਤੇ ਇਸ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਵਿੱਚ ਸਾਡੀ ਮਦਦ ਕਰ ਸਕਦੀਆਂ ਹਨ.
ਉਪਰੋਕਤ ਗੱਲ ਸਿਰਫ਼ ਟੈਕਸਟ ਪ੍ਰੋਵੇਨੈਂਸ 'ਤੇ ਲਾਗੂ ਹੁੰਦੀ ਹੈ—ਆਡੀਓ ਅਤੇ ਤਸਵੀਰਾਂ ਲਈ ਸਾਡੇ ਤਸਦੀਕੀਕਰਨ ਟੂਲ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਸਾਡਾ openai.com/verify ਵੈੱਬ ਟੂਲ ਅਤੇ ਸਾਡਾ ਕੰਟੈਂਟ ਪ੍ਰੋਵੇਨੈਂਸ API(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਸ਼ਾਮਲ ਹਨ, ਉਹਨਾਂ ਸੰਸਥਾਵਾਂ ਲਈ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਰਹਿਣਗੇ ਜੋ ਇਹ ਜਾਣਨਾ ਚਾਹੁੰਦੀਆਂ ਹਨ ਕਿ ਕੋਈ ਤਸਵੀਰ ਜਾਂ ਆਡੀਓ ਫ਼ਾਈਲ ਸਾਡੇ ਕਿਸੇ ਸਿਸਟਮ ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਸੀ ਜਾਂ ਨਹੀਂ.
ਸਾਡੀ ਟੈਕਸਟ ਵਾਟਰਮਾਰਕਿੰਗ ਤਕਨੀਕ, textGrain, ਮਾਡਲ ਦੇ ਸ਼ਬਦਾਂ ਦੀ ਚੋਣ ਵਿੱਚ ਇੱਕ ਅਦਿੱਖ ਅੰਕੜਾਤਮਕ ਸਿਗਨਲ ਜੋੜਦੀ ਹੈ. ਸਾਡਾ ਡਿਟੈਕਟਰ ਇਹ ਸਿਗਨਲ ਲੱਭ ਕੇ ਜਾਂਚਦਾ ਹੈ ਕਿ ਕੀ ਕਿਸੇ ਟੈਕਸਟ ਵਿੱਚ OpenAI ਦਾ ਵਾਟਰਮਾਰਕ ਮੌਜੂਦ ਹੈ. textGrain ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਇਸ ਬਾਰੇ ਹੋਰ ਵੇਰਵੇ ਸਾਡੀ ਤਕਨੀਕੀ ਰਿਪੋਰਟ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਵਿੱਚ ਮਿਲ ਸਕਦੇ ਹਨ, ਜਿਸ ਨੂੰ ਆਉਣ ਵਾਲੇ ਕੁਝ ਹਫ਼ਤਿਆਂ ਵਿੱਚ ਹੋਰ ਵੇਰਵਿਆਂ ਨਾਲ ਅੱਪਡੇਟ ਕੀਤਾ ਜਾਵੇਗਾ. ਸਾਡੀ ਇਹ ਤਕਨੀਕ ਓਪਨ ਸੋਰਸ ਵਜੋਂ ਉਪਲਬਧ ਕਰਾਉਣ ਦੀ ਵੀ ਯੋਜਨਾ ਹੈ, ਤਾਂ ਜੋ ਹੋਰ ਲੋਕ ਇਸ ਦੇ ਆਧਾਰ 'ਤੇ ਨਵੀਆਂ ਚੀਜ਼ਾਂ ਬਣਾ ਸਕਣ.
ਸਾਡੇ ਮੁਲਾਂਕਣਾਂ ਵਿੱਚ, textGrain ਨੇ ਸਾਡੇ ਵੱਲੋਂ ਪਰਖੇ ਗਏ ਹੋਰ ਤਰੀਕਿਆਂ ਦੇ ਬਰਾਬਰ ਜਾਂ ਉਹਨਾਂ ਤੋਂ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਟੈਕਸਟ ਲਈ SynthID ਵੀ ਸ਼ਾਮਲ ਹੈ. ਫਿਰ ਵੀ, ਆਦਰਸ਼ ਹਾਲਾਤਾਂ ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਪ੍ਰਦਰਸ਼ਨ ਰੋਜ਼ਾਨਾ ਵਰਤੋਂ ਵਿੱਚ ਭਰੋਸੇਯੋਗ ਤਰੀਕੇ ਨਾਲ ਪਛਾਣ ਹੋਣ ਦੀ ਗਾਰੰਟੀ ਨਹੀਂ ਦਿੰਦਾ.
ਡਿਟੈਕਟਰ ਦੋ ਤਰ੍ਹਾਂ ਦੀਆਂ ਗਲਤੀਆਂ ਕਰ ਸਕਦੇ ਹਨ: ਉਹ ਅਜਿਹੇ ਟੈਕਸਟ ਵਿੱਚ ਵਾਟਰਮਾਰਕ ਹੋਣ ਦੀ ਰਿਪੋਰਟ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਕੋਈ ਵਾਟਰਮਾਰਕ ਮੌਜੂਦ ਨਹੀਂ ਹੁੰਦਾ—ਇਸ ਨੂੰ ਫਾਲਸ ਪੌਜ਼ਿਟਿਵ ਕਿਹਾ ਜਾਂਦਾ ਹੈ—ਜਾਂ ਉਹ ਮੌਜੂਦ ਵਾਟਰਮਾਰਕ ਦੀ ਪਛਾਣ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਹੋ ਸਕਦੇ ਹਨ—ਇਸ ਨੂੰ ਫਾਲਸ ਨੈਗੇਟਿਵ ਕਿਹਾ ਜਾਂਦਾ ਹੈ. ਹੇਠਾਂ ਦਿੱਤੇ ਸਾਡੇ ਮੁਲਾਂਕਣ ਇਹਨਾਂ ਵਿੱਚੋਂ ਕੁਝ ਚੁਣੌਤੀਆਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ:
ਛੋਟਾ ਜਾਂ ਵਧੇਰੇ ਸੀਮਿਤ ਟੈਕਸਟ ਪਛਾਣਨਾ ਔਖਾ ਹੁੰਦਾ ਹੈ. ਇੱਕ ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਟਾਰਗੇਟ ਫਾਲਸ ਪੌਜ਼ਿਟਿਵ ਦਰ 'ਤੇ, ਸਾਡੇ ਡਿਟੈਕਟਰ ਨੇ ਮਨੋਵਿਗਿਆਨ ਵਰਗੀ ਸਮੱਗਰੀ ਲਈ 200-ਟੋਕਨ ਵਾਲੇ ਲਗਭਗ 80% ਅੰਸ਼ਾਂ ਵਿੱਚ ਵਾਟਰਮਾਰਕਾਂ ਦੀ ਪਛਾਣ ਕੀਤੀ, ਜਦਕਿ 400-ਟੋਕਨ ਵਾਲੇ ਅੰਸ਼ਾਂ ਵਿੱਚ ਇਹ ਦਰ ਲਗਭਗ 95% ਸੀ. ਗਣਿਤ ਵਰਗੀ ਸਮੱਗਰੀ ਲਈ ਪਛਾਣ ਦਰਾਂ ਕਾਫ਼ੀ ਘੱਟ ਸਨ, ਕਿਉਂਕਿ ਉੱਥੇ ਸ਼ਬਦਾਂ ਦੀ ਚੋਣ ਵਿੱਚ ਘੱਟ ਲਚਕ ਹੁੰਦੀ ਹੈ.
ਸੰਪਾਦਨ ਵਾਟਰਮਾਰਕ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰ ਸਕਦਾ ਹੈ. 400-ਟੋਕਨ ਵਾਲੇ ਅੰਸ਼ਾਂ ਦੇ ਮੁਲਾਂਕਣ ਵਿੱਚ, 10% ਸ਼ਬਦਾਂ ਨੂੰ ਸਮਾਨਾਰਥੀ ਸ਼ਬਦਾਂ ਨਾਲ ਬਦਲਣ ਕਾਰਨ ਪਛਾਣ ਦਰ ਲਗਭਗ 92% ਤੋਂ ਘਟ ਕੇ 66% ਰਹਿ ਗਈ. 25% ਸ਼ਬਦਾਂ ਨੂੰ ਬਦਲਣ ਨਾਲ ਇਹ ਦਰ ਘਟ ਕੇ 17% ਰਹਿ ਗਈ.
ਇਹ ਸੀਮਾਵਾਂ ਸਾਡੇ ਇਸ ਫ਼ੈਸਲੇ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਂਦੀਆਂ ਹਨ ਕਿ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਵਿੱਚ ਡਿਟੈਕਟਰ ਤੱਕ ਪਹੁੰਚ ਸਿਰਫ਼ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਖੋਜਕਰਤਿਆਂ ਅਤੇ ਮਾਹਿਰ ਸੰਸਥਾਵਾਂ ਨੂੰ ਦਿੱਤੀ ਜਾਵੇ, ਜੋ ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਵਿੱਚ ਸਾਡੀ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ.
ਇਹ ਚਾਰਟ 1% ਦੀ ਟਾਰਗੇਟ ਫਾਲਸ ਪੌਜ਼ਿਟਿਵ ਦਰ 'ਤੇ ELI5 ਡਾਟਾਸੈੱਟ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਤੋਂ ਗਣਿਤ ਅਤੇ ਮਨੋਵਿਗਿਆਨ ਦੇ ਸਵਾਲਾਂ ਦੇ ਵਾਟਰਮਾਰਕ ਕੀਤੇ ਜਵਾਬਾਂ ਦੇ ਨਤੀਜੇ ਦਿਖਾਉਂਦਾ ਹੈ. ਟੈਕਸਟ ਦੀ ਲੰਬਾਈ ਵਧਣ ਨਾਲ ਪਛਾਣ ਦਰ ਬਿਹਤਰ ਹੁੰਦੀ ਹੈ, ਪਰ ਜਿਸ ਸਮੱਗਰੀ ਵਿੱਚ ਸ਼ਬਦਾਂ ਦੀ ਚੋਣ ਦੀ ਗੁੰਜਾਇਸ਼ ਘੱਟ ਹੁੰਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਗਣਿਤ, ਉਸ ਲਈ ਇਹ ਸਮੁੱਚੇ ਤੌਰ 'ਤੇ ਕਾਫ਼ੀ ਘੱਟ ਰਹਿੰਦੀ ਹੈ.
ਸੰਪਾਦਨ ਨਾਲ ਵਾਟਰਮਾਰਕ ਸਿਗਨਲ ਕਾਫ਼ੀ ਕਮਜ਼ੋਰ ਹੋ ਸਕਦਾ ਹੈ. ਇਹ ਚਾਰਟ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਕਿਸੇ ਅੰਸ਼ ਵਿੱਚ 10% ਜਾਂ 25% ਸ਼ਬਦਾਂ ਨੂੰ ਬਦਲਣ ਨਾਲ ਪਛਾਣ 'ਤੇ ਕੀ ਅਸਰ ਪੈਂਦਾ ਹੈ. ਨਤੀਜੇ ELI5(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਤੋਂ ਲਏ ਗਏ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਵਿੱਚ ਦਿੱਤੇ ਗਏ ਵਾਟਰਮਾਰਕ ਵਾਲੇ ਅੰਗਰੇਜ਼ੀ ਜਵਾਬਾਂ 'ਤੇ ਆਧਾਰਿਤ ਹਨ.
Astra, ਸਾਡੇ ਨਵੀਨਤਮ ਅਤਿ-ਆਧੁਨਿਕ ਮਾਡਲ, ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਅਸੀਂ ਜਿਨ੍ਹਾਂ ਬੈਂਚਮਾਰਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ, ਉਹਨਾਂ ਵਿੱਚ ਵਾਟਰਮਾਰਕਿੰਗ ਦੇ ਨਾਲ ਅਤੇ ਬਿਨਾਂ ਸਾਨੂੰ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ ਕੋਈ ਅਰਥਪੂਰਨ ਫ਼ਰਕ ਨਜ਼ਰ ਨਹੀਂ ਆਉਂਦਾ.
ਬੈਂਚਮਾਰਕ | ਵਾਟਰਮਾਰਕ ਤੋਂ ਬਿਨਾਂ ਟੈਕਸਟ (Astra, Max) | ਵਾਟਰਮਾਰਕ ਵਾਲਾ ਟੈਕਸਟ (Astra, Max) |
|---|---|---|
Artificial Analysis ਇੰਟੈਲੀਜੈਂਸ ਸੂਚਕਾਂਕ | 49.57 ਅੰਕ | 49.76 ਅੰਕ |
AutomationBench | 34.09% | 34.86% |
DeepSWE v1.1 | 72.80% | 71.68% |
Terminal-Bench 4.0 | 53.90% | 56.06% |
Terminal-Bench Science 0.1 | 56.90% | 60.00% |
BrowseComp | 87.92% | 87.35% |
Healthbench Professional | 64.27% | 64.60% |
GPQA Diamond | 94.44% | 93.94% |
ਟੈਕਸਟ ਵਾਟਰਮਾਰਕ ਇਸ ਬਾਰੇ ਸੀਮਿਤ ਸੰਕੇਤ ਦਿੰਦੇ ਹਨ ਕਿ ਕਿਸੇ ਅੰਸ਼ ਵਿੱਚ ਸਾਡੇ ਸਿਸਟਮਾਂ ਦੀ ਕੀ ਭੂਮਿਕਾ ਰਹੀ ਹੈ. ਇਹ ਸਮਝਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਪਛਾਣ ਦੇ ਨਤੀਜੇ ਤੋਂ ਕੀ ਸਿੱਟੇ ਕੱਢੇ ਜਾ ਸਕਦੇ ਹਨ ਅਤੇ ਕੀ ਨਹੀਂ.
ਵਾਟਰਮਾਰਕ ਮਨੁੱਖੀ ਯੋਗਦਾਨ ਨੂੰ ਨਹੀਂ ਮਾਪਦਾ. ਇਹ ਸੰਕੇਤ ਦੇ ਸਕਦਾ ਹੈ ਕਿ ਕਿਸੇ ਅੰਸ਼ ਦਾ ਕੁਝ ਹਿੱਸਾ OpenAI ਦੇ ਸਿਸਟਮ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ ਜਾਂ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਗਿਆ ਸੀ, ਪਰ ਇਹ ਨਹੀਂ ਦੱਸਦਾ ਕਿ ਇਸ ਵਿੱਚ ਮਨੁੱਖੀ ਵਿਵੇਕ, ਸੰਪਾਦਨ ਜਾਂ ਰਚਨਾਤਮਕਤਾ ਦਾ ਕਿੰਨਾ ਯੋਗਦਾਨ ਸੀ.
ਵਾਟਰਮਾਰਕ ਮਲਕੀਅਤ ਜਾਂ ਜ਼ਿੰਮੇਵਾਰੀ ਸਾਬਤ ਨਹੀਂ ਕਰਦਾ. ਇਹ ਤੈਅ ਨਹੀਂ ਕਰਦਾ ਕਿ ਟੈਕਸਟ ਦਾ ਮਾਲਕ ਕੌਣ ਹੈ, ਇਸਦੀ ਵਰਤੋਂ ਕਾਨੂੰਨੀ ਸੀ ਜਾਂ ਨਹੀਂ, ਕੀ ਇਸ ਬਾਰੇ ਖੁਲਾਸਾ ਕਰਨਾ ਲਾਜ਼ਮੀ ਸੀ ਜਾਂ ਨਹੀਂ, ਜਾਂ ਇਸ ਲਈ ਕੌਣ ਜ਼ਿੰਮੇਵਾਰ ਹੈ.
ਵਾਟਰਮਾਰਕ ਵਰਤੋਂਕਾਰ ਦੀ ਪਛਾਣ ਨਹੀਂ ਕਰਦਾ. ਇਹ ਟੈਕਸਟ ਨੂੰ ਕਿਸੇ ਵਿਅਕਤੀ, ਸੰਸਥਾ, ਖਾਤੇ, ਪ੍ਰੌਂਪਟ ਜਾਂ ਗੱਲਬਾਤ ਨਾਲ ਨਹੀਂ ਜੋੜਦਾ.
ਵਾਟਰਮਾਰਕ ਸਹੀ ਹੋਣ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕਰਦਾ. ਇਹ ਤੈਨੂੰ ਨਹੀਂ ਦੱਸਦਾ ਕਿ ਕੋਈ ਅੰਸ਼ ਸੱਚਾ, ਗੁੰਮਰਾਹਕੁੰਨ, ਨੁਕਸਾਨਦੇਹ ਹੈ ਜਾਂ ਸਹੀ ਸੰਦਰਭ ਵਿੱਚ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ.
ਵਾਟਰਮਾਰਕ ਦੀ ਪਛਾਣ ਨਾ ਹੋਣਾ ਇਹ ਸਾਬਤ ਨਹੀਂ ਕਰਦਾ ਕਿ ਟੈਕਸਟ ਕਿਸੇ ਮਨੁੱਖ ਨੇ ਲਿਖਿਆ ਹੈ. OpenAI ਦੇ ਟੂਲਾਂ ਨਾਲ ਤਿਆਰ ਕੀਤਾ ਟੈਕਸਟ ਪਛਾਣ ਲਈ ਬਹੁਤ ਛੋਟਾ, ਸੰਪਾਦਿਤ ਜਾਂ ਅਨੁਵਾਦ ਕੀਤਾ ਹੋ ਸਕਦਾ ਹੈ, ਜਿਸ ਕਰਕੇ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਪਛਾਣ ਕਰਨਾ ਸੰਭਵ ਨਹੀਂ ਹੁੰਦਾ. ਇਹ ਕਿਸੇ ਅਸਮਰਥਿਤ ਮਾਡਲ ਤੋਂ ਵੀ ਆ ਸਕਦਾ ਹੈ, ਵਾਟਰਮਾਰਕਿੰਗ ਸ਼ੁਰੂ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਦਾ ਹੋ ਸਕਦਾ ਹੈ ਜਾਂ ਕਿਸੇ ਹੋਰ ਕੰਪਨੀ ਦੇ ਟੂਲਾਂ ਨਾਲ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੋ ਸਕਦਾ ਹੈ.
EU ਵਿੱਚ ਟੈਕਸਟ ਵਾਟਰਮਾਰਕਿੰਗ ਦੀ ਸ਼ੁਰੂਆਤ. ਆਉਣ ਵਾਲੇ ਹਫ਼ਤਿਆਂ ਦੌਰਾਨ, ਅਸੀਂ ਸਿਰਫ਼ EU ਵਿੱਚ ਸਾਰੇ ਪਲਾਨਾਂ ਦੇ ਯੋਗ ChatGPT ਅਤੇ Codex ਵਰਤੋਂਕਾਰਾਂ ਲਈ ਟੈਕਸਟ ਵਾਟਰਮਾਰਕਿੰਗ ਸ਼ੁਰੂ ਕਰਾਂਗੇ. ਸ਼ੁਰੂਆਤ ਵੇਲੇ ਅਸੀਂ ਟੈਕਸਟ ਵਾਟਰਮਾਰਕਿੰਗ ਨੂੰ ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਡਿਫ਼ੌਲਟ ਨਹੀਂ ਬਣਾ ਰਹੇ. ਇਹ ਖੇਤਰੀ ਪਹੁੰਚ ਸਾਨੂੰ ਅਸਲ ਵਰਤੋਂ ਅਤੇ ਫੀਡਬੈਕ ਤੋਂ ਸਿੱਖਣ ਦੀ ਗੁੰਜਾਇਸ਼ ਦਿੰਦੀ ਹੈ.
API ਗਾਹਕਾਂ ਲਈ ਚੋਣਵੀਂ ਵਾਟਰਮਾਰਕਿੰਗ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣਾ. ਅੱਜ ਤੋਂ, ਦੁਨੀਆ ਭਰ ਦੇ API ਗਾਹਕ ਚੋਣਵੇਂ ਮਾਡਲਾਂ ਤੋਂ ਵਾਟਰਮਾਰਕ ਵਾਲੇ ਟੈਕਸਟ ਆਊਟਪੁੱਟ ਲੈਣ ਦੀ ਚੋਣ ਕਰ ਸਕਣਗੇ. ਇਸ ਨਾਲ ਗਾਹਕ ਇਹ ਤੈਅ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਵਾਟਰਮਾਰਕਿੰਗ ਉਨ੍ਹਾਂ ਦੀਆਂ ਪਾਰਦਰਸ਼ਤਾ ਸੰਬੰਧੀ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਅਤੇ ਵਰਤੋਂਕਾਰਾਂ ਨੂੰ ਦਿੱਤੇ ਜਾਣ ਵਾਲੇ ਅਨੁਭਵਾਂ ਨਾਲ ਕਿਵੇਂ ਫਿੱਟ ਬੈਠਦੀ ਹੈ. ਅਸੀਂ ਕਲਾਊਡ ਭਾਈਵਾਲਾਂ ਨਾਲ ਵੀ ਕੰਮ ਕਰ ਰਹੇ ਹਾਂ ਤਾਂ ਜੋ ਆਉਣ ਵਾਲੇ ਕੁਝ ਹਫ਼ਤਿਆਂ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੀਆਂ ਸੇਵਾਵਾਂ ਰਾਹੀਂ ਵਰਤੇ ਜਾਣ ਵਾਲੇ OpenAI ਮਾਡਲਾਂ ਦੇ ਆਊਟਪੁੱਟ ਲਈ ਵਾਟਰਮਾਰਕਿੰਗ ਉਪਲਬਧ ਕਰਵਾਈ ਜਾ ਸਕੇ.
ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਮਾਹਰ ਸੰਸਥਾਵਾਂ ਨੂੰ ਡਿਟੈਕਟਰ ਤੱਕ ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਕਰਨਾ. ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਖੋਜਕਰਤਾ ਅਤੇ ਮਾਹਿਰ ਸੰਸਥਾਵਾਂ ਅੱਜ ਤੋਂ ਅਰਜ਼ੀ ਦੇ ਸਕਦੇ ਹਨ. ਆਚਾਰ ਸੰਹਿਤਾ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦੇ ਅਨੁਸਾਰ, ਟੈਕਸਟ ਪ੍ਰੋਵੇਨੈਂਸ ਦੇ ਮੁਲਾਂਕਣ ਅਤੇ ਸੁਧਾਰ ਵਿੱਚ ਮਦਦ ਲਈ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਹਰ ਮਾਮਲੇ ਦੇ ਆਧਾਰ 'ਤੇ ਪਹੁੰਚ ਦਿੱਤੀ ਜਾਵੇਗੀ. ਇਹ ਟੂਲ ਦੱਸੇਗਾ ਕਿ ਕੀ ਇਸਨੂੰ OpenAI ਵਾਟਰਮਾਰਕ ਦਾ ਪਤਾ ਲੱਗਦਾ ਹੈ, ਪਰ ਇਹ ਵਰਤੋਂਕਾਰ ਦੀ ਪਛਾਣ ਨਹੀਂ ਕਰੇਗਾ ਅਤੇ ਨਾ ਹੀ ਉਸਦੇ ਪ੍ਰੌਂਪਟ ਜਾਂ ਗੱਲਾਂ-ਬਾਤਾਂ ਦਿਖਾਏਗਾ. ਵਾਟਰਮਾਰਕ ਦਾ ਪਤਾ ਨਾ ਲੱਗਣ ਅਤੇ ਫਾਲਸ ਪੌਜ਼ਿਟਿਵ ਨਤੀਜਿਆਂ ਦੇ ਖ਼ਤਰੇ ਦੇ ਮੱਦੇਨਜ਼ਰ, ਅਸੀਂ ਸ਼ੁਰੂਆਤ ਵੇਲੇ ਇਸਨੂੰ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਨਹੀਂ ਕਰ ਰਹੇ ਹਾਂ.
ਅਸੀਂ ਉਮੀਦ ਕਰਦੇ ਹਾਂ ਕਿ ਤਕਨਾਲੋਜੀ, ਮਿਆਰਾਂ ਅਤੇ ਸਬੂਤਾਂ ਦੇ ਵਿਕਾਸ ਦੇ ਨਾਲ-ਨਾਲ ਅਸੀਂ ਇਸ ਪਹੁੰਚ ਦੇ ਹਰ ਹਿੱਸੇ ਦੀ ਮੁੜ ਸਮੀਖਿਆ ਕਰਾਂਗੇ.
ਕੋਈ ਵੀ ਸਿੰਗਲ ਪ੍ਰੋਵੇਨੈਂਸ ਤਕਨੀਕ ਆਪਣੇ ਆਪ ਵਿੱਚ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ, ਇਸ ਲਈ ਅਸੀਂ ਇੱਕ ਬਹੁ-ਪਰਤੀ ਪਹੁੰਚ ਅਪਣਾਉਂਦੇ ਹਾਂ ਜੋ ਖੁੱਲ੍ਹੇ ਮਿਆਰਾਂ, ਟਿਕਾਊ ਵਾਟਰਮਾਰਕਿੰਗ, ਅਤੇ ਵੈਰੀਫਿਕੇਸ਼ਨ ਟੂਲਾਂ ਨੂੰ ਆਪਸ ਵਿੱਚ ਜੋੜਦੀ ਹੈ.
ਅਸੀਂ ਸਮਰਥਿਤ ਤਸਵੀਰ ਆਊਟਪੁੱਟਾਂ ਵਿੱਚ ਕੰਟੈਂਟ ਕ੍ਰੈਡੈਂਸ਼ੀਅਲ ਜੋੜਦੇ ਹਾਂ, C2PA ਦੇ ਅਨੁਕੂਲ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਹਾਂ, ਸਮਰਥਿਤ ਤਸਵੀਰਾਂ ਅਤੇ ਆਡੀਓ ਵਿੱਚ ਅਦਿੱਖ SynthID(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਵਾਟਰਮਾਰਕ ਸ਼ਾਮਲ ਕਰਦੇ ਹਾਂ, ਅਤੇ openai.com/verify ਅਤੇ ਸਾਡੀ ਕੰਟੈਂਟ ਪ੍ਰੋਵੇਨੈਂਸ API(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਰਾਹੀਂ ਤਸਵੀਰਾਂ ਅਤੇ ਆਡੀਓ ਦੀ ਤਸਦੀਕ ਉਪਲਬਧ ਕਰਦੇ ਹਾਂ. ਇਹ ਤਕਨੀਕਾਂ ਇੱਕ-ਦੂਜੇ ਦੀ ਪੂਰਕ ਹਨ: ਕੰਟੈਂਟ ਕ੍ਰੈਡੈਂਸ਼ੀਅਲ ਕਿਸੇ ਫ਼ਾਈਲ ਦਾ ਮੂਲ ਅਤੇ ਇਤਿਹਾਸ ਦਰਜ ਕਰ ਸਕਦੇ ਹਨ, ਜਦਕਿ ਅਦਿੱਖ ਵਾਟਰਮਾਰਕ ਮੈਟਾਡਾਟਾ ਹਟਾਏ ਜਾਣ 'ਤੇ ਵੀ ਇੱਕ ਸੰਕੇਤ ਬਰਕਰਾਰ ਰੱਖ ਸਕਦੇ ਹਨ.
ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਆਪਣੇ ਚੋਣ ਸੁਰੱਖਿਆ ਸੰਬੰਧੀ ਕੰਮ ਵਿੱਚ ਦੱਸਿਆ ਸੀ, ਮੂਲ-ਪਛਾਣ ਲੋਕਾਂ ਅਤੇ ਪਲੇਟਫਾਰਮਾਂ ਨੂੰ ਡੀਪਫੇਕ ਸਮੇਤ, AI ਨਾਲ ਤਿਆਰ ਕੀਤੀ ਗਈ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਗੁੰਮਰਾਹ ਕਰਨ ਵਾਲੀ ਸਮੱਗਰੀ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ. ਅਸੀਂ ਇਹਨਾਂ ਸੰਕੇਤਾਂ ਨੂੰ ਨੀਤੀਆਂ, ਦੁਰਵਰਤੋਂ ਦੀ ਪਛਾਣ, ਰਿਪੋਰਟਿੰਗ, ਜਾਂਚਾਂ ਅਤੇ ਲਾਗੂਕਰਨ ਨਾਲ ਜੋੜਦੇ ਹਾਂ, ਅਤੇ ਵਿਆਪਕ ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਮੂਲ-ਪਛਾਣ ਨੂੰ ਲਾਭਦਾਇਕ ਬਣਾਉਣ ਲਈ ਖੋਜਕਰਤਾਵਾਂ, ਮਿਆਰ ਨਿਰਧਾਰਤ ਕਰਨ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ, ਪਲੇਟਫਾਰਮਾਂ ਅਤੇ ਸਿਵਲ ਸਮਾਜ ਨਾਲ ਕੰਮ ਕਰਦੇ ਹਾਂ.
ਟੈਕਸਟ ਦੀ ਪ੍ਰੋਵੇਨੈਂਸ ਦਾ ਦਾਇਰਾ ਵਧਾਉਣ ਲਈ ਇਹ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣਾ ਪੈਂਦਾ ਹੈ ਕਿ ਇਸਨੂੰ ਕਿੰਨੀ ਆਸਾਨੀ ਨਾਲ ਮੁੜ ਲਿਖਿਆ, ਅਨੁਵਾਦ ਕੀਤਾ ਜਾਂ ਸੰਪਾਦਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ. ਜਿਵੇਂ ਅਸੀਂ ਜੂਨ ਵਿੱਚ ਚਰਚਾ ਕੀਤੀ ਸੀ, ਸਾਡੀ ਪਹੁੰਚ ਵਿੱਚ ਮੌਜੂਦਾ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਅਮਲੀ ਸੀਮਾਵਾਂ ਝਲਕਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ. ਅਸੀਂ ਪਛਾਣ ਦੇ ਤਰੀਕਿਆਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਂਦੇ ਰਹਾਂਗੇ, ਇਹ ਅਧਿਐਨ ਕਰਦੇ ਰਹਾਂਗੇ ਕਿ ਵਾਟਰਮਾਰਕ ਸੰਪਾਦਨ ਅਤੇ ਅਨੁਵਾਦ ਨੂੰ ਕਿੰਨਾ ਸਹਿ ਸਕਦੇ ਹਨ, ਅਤੇ AI ਦੀ ਸਹਾਇਤਾ ਤੇ AI ਦੁਆਰਾ ਲੇਖਨ ਵਿੱਚ ਹੋਰ ਅਰਥਪੂਰਨ ਢੰਗ ਨਾਲ ਫ਼ਰਕ ਕਰਨ ਦੇ ਤਰੀਕੇ ਲੱਭਦੇ ਰਹਾਂਗੇ. ਸਬੂਤਾਂ, ਮਿਆਰਾਂ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਲੋੜਾਂ ਦੇ ਬਦਲਣ ਨਾਲ ਅਸੀਂ ਆਪਣੀ ਪਹੁੰਚ ਨੂੰ ਢਾਲਾਂਗੇ, ਅਤੇ ਜਦੋਂ ਸਾਨੂੰ ਲੱਗੇਗਾ ਕਿ ਨਤੀਜਿਆਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਵਿਆਖਿਆ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਤਾਂ ਡਿਟੈਕਟਰਾਂ ਤੱਕ ਪਹੁੰਚ ਵਧਾਵਾਂਗੇ.
ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਕਿਰਪਾ ਕਰਕੇ ਸਾਡਾ ਮਦਦ ਕੇਂਦਰ ਦਾ ਲੇਖ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਵੇਖੋ.
