Fable 5.1 coloca marca d'água em TUDO, veja como remover
CChase AI
Computing/SoftwareInternet Technology
Transcript
00:00:00Então, ontem, a Anthropic lançou o Fable 5.1, e é o primeiro modelo que eles lançaram
00:00:04que agora coloca marca d'água em tudo o que ele cria. E hoje, vou mostrar como você pode se livrar
00:00:10disso. Mas primeiro, vamos falar sobre o que essa marca d'água realmente é, porque é um pouco
00:00:14incorreto chamá-la de marca d'água, por que ela está aqui para começar e como ela funciona.
00:00:19Porque se você entender essas coisas, a solução para contornar essa marca d'água fará
00:00:23muito mais sentido. Agora, por que temos que lidar com isso? Bem, é porque isso está
00:00:26em conformidade com a Lei de IA da UE que essencialmente todos os principais laboratórios de fronteira assinaram com a
00:00:31exceção da XAI. E o que este código diz é que eles precisam, sendo eles a UE,
00:00:38de uma maneira de conseguir identificar se algum tipo de texto ou alguma saída foi criada por IA.
00:00:43E para fazer isso, a Anthropic adicionou uma marca d'água a todas as suas saídas para modelos lançados
00:00:50após 2 de agosto de 2026, que é justamente o Fable 5.1. Agora, a Anthropic afirma que isso não tem
00:00:56efeitos práticos na saída real que ele te dá, e que é muito limitado em termos do que
00:00:59vai mudar se estivermos falando de código. Mas como essa coisa realmente funciona? E por que
00:01:03eu a chamei de termo impróprio para começar? Agora, a estratégia da Anthropic para injetar essas marcas d'água
00:01:07em suas saídas é baseada em um artigo lançado pelo Google em 2024 chamado Marca d'Água Escalável
00:01:13para Identificar Saídas de Grandes Modelos de Linguagem. Agora, este é um artigo relativamente técnico. Ele entra
00:01:19na marca d'água baseada em torneio do SynthID. Mas deixe-me dar um modelo mental simples para você absorver.
00:01:25Agora, como você sabe, os grandes modelos de linguagem e suas saídas são baseados em probabilidade e há uma
00:01:29certa quantidade de aleatoriedade envolvida. Se eu der a ele uma frase que diz, ela é espaço em branco e ele precisa
00:01:34preenchê-la, bem, ele terá uma lista de palavras que possivelmente poderia usar para terminar essa frase.
00:01:41E digamos que essas palavras sejam bonita, deslumbrante, linda e graciosa. Agora, na realidade,
00:01:48cada uma dessas palavras terá uma porcentagem diferente ou uma probabilidade diferente associada a elas em termos de
00:01:54o que o grande modelo de linguagem escolherá. Um termo que você ouvirá frequentemente é chamado softmax, mas você só precisa
00:01:58entender que todas essas palavras têm uma probabilidade associada a elas em relação a qual delas o
00:02:04grande modelo de linguagem escolherá. Para este exercício mental, quero que você imagine que todas elas têm
00:02:08exatamente a mesma porcentagem, certo? Então, cada uma dessas palavras para terminar a frase tem 25% de chance
00:02:14de ser escolhida. Agora, normalmente, antes da marca d'água entrar em vigor, ele simplesmente escolheria uma delas.
00:02:20E digamos que ele jogue o dado de quatro lados e escolha bonita. Legal, né? Tinha 25%
00:02:26de chance, todas elas tinham a mesma chance de serem escolhidas. Mas agora trabalhamos em um sistema diferente e esse sistema
00:02:31é o sistema de marca d'água. Com o sistema de marca d'água, ainda podemos estar no mesmo lugar onde eu digo,
00:02:38ei, preciso que você preencha a frase, ela é espaço em branco, e você tem quatro opções, certo? E digamos
00:02:42que, novamente, sejam essas quatro palavras e elas tenham a mesma probabilidade. Quando adicionamos a estrutura
00:02:49de marca d'água, o que ela vai fazer é essencialmente carregar este dado. Se este for algum tipo de
00:02:54dado de quatro lados, bem, ele vai dizer então, hmm, para fins de marca d'água, bonita agora vai
00:03:01ser 50% e linda vai ser 30%. Então, quando adicionamos algum tipo de sistema de marca d'água,
00:03:10ele vai escolher certas palavras e dar a elas um peso maior. E como certas palavras têm um peso
00:03:15maior quando o grande modelo de linguagem as escolhe, bem, essas palavras vão aparecer
00:03:19com mais frequência, certo? Usando um sistema de marca d'água, na maioria das vezes, ele vai dizer que ela é
00:03:25bonita. Agora, você como usuário final não faz ideia de quais são essas palavras e quais palavras estão sendo
00:03:32mais pesadas. Mas alguém que tem a chave, a chave secreta da marca d'água, consegue identificar. Agora,
00:03:40eles não conseguem identificar com absoluta certeza porque, assim como antes, sabe, sempre havia a chance
00:03:45de que fosse dizer, sabe, ela é bonita. Você não sabe se necessariamente tinha uma chance maior
00:03:49por causa da marca d'água. Mas uma pessoa com a chave vai saber quais palavras tiveram um peso
00:03:55maior. E isso vai dar a eles algum tipo de probabilidade que diz àquele usuário que tem a
00:04:01chave, ou seja, reguladores europeus, ok, há 90% de chance de que este texto, 100% de chance, 99% de chance de que este
00:04:09texto foi escrito com o Claude, ou este texto foi escrito com IA. É assim que funciona. Agora,
00:04:15a ideia aqui é que essas palavras que ele escolhe alterar e dar mais peso com a marca d'água
00:04:20não vão mudar o significado geral da frase. Não vai mudar a sua saída.
00:04:24Não vai mudar o seu desempenho. E quando falamos de código especificamente, não vai mudar o
00:04:28código se isso for afetar a aparência da saída. E não vai mudar fatos.
00:04:34Sabe, se ele diz, ei, este evento histórico, sabe, ocorreu em, sabe, 8 de outubro. Bem,
00:04:41ele não vai mudar essa redação, certo? É um fato. Ocorreu em 8 de outubro. Isso não vai ser
00:04:45alterado. Mas essa é uma explicação simplificada, novamente, simplificada de como este sistema funciona.
00:04:52Agora, a Anthropic não revelou totalmente o algoritmo exato de como isso funciona, mas podemos
00:04:57extrapolar isso a partir dos artigos da DeepMind. E o que você também deve ter compreendido disso é que
00:05:02ter essa chave é a única maneira de saber se foi escrito por IA com base no sistema de marca d'água.
00:05:08E essa chave não é pública. Para ter acesso à chave, você precisa solicitar acesso. Não há nenhuma lista
00:05:12pública. Você provavelmente precisa ser algum tipo de regulador da UE. Então, qualquer um que venha e diga,
00:05:16oh, ei, aqui está o meu site que pode dizer se está com marca d'água ou não, isso é mentira, isso não
00:05:21existe. Agora, se você quiser se aprofundar em como funcionam as marcas d'água de texto, a Anthropic também tem seu próprio
00:05:25artigo. E eles realmente tentam bater na tecla de que isso não vai afetar as saídas.
00:05:29Então, o sistema de marca d'água, em essência, trata-se de certas palavras serem escolhidas mais do que outras.
00:05:35E este é um algoritmo estatístico que você, usuário final, nunca conseguirá decifrar a menos
00:05:40que você tenha a chave. Então, como consertamos isso? Fazemos apenas uma edição leve nas saídas de texto
00:05:47que o Claude nos dá e esperamos que funcione? Ou precisamos essencialmente reescrever tudo?
00:05:52E como reescrevemos? Porque você não pode usar o Claude para reescrever seja lá o que for essa frase,
00:05:56porque isso terá marca d'água. E você também não pode usar o ChatGPT. E também não pode usar o Gemini.
00:06:01Portanto, suas opções ficam bem claras. Você precisa reescrever partes significativas do texto enquanto
00:06:09mantém a essência geral. E você precisa usar a XAI. Então você precisa usar o Grok ou, com mais
00:06:16probabilidade, o que você vai fazer é usar algum tipo de modelo de código aberto, certo? Algum tipo de modelo chinês
00:06:21que você possa baixar e rodar no seu computador, que A vai ser gratuito e B não está sujeito a
00:06:28essas leis de marca d'água. Agora, como é esse sistema em um sentido prático? Bem, você faz todas as suas
00:06:33saídas normais com o Claude. E se você criou algo, pense em algum tipo de post de blog longo, e você
00:06:37não quer que seja sinalizado com a marca d'água, vamos pegar essa saída. Você vai enviá-la
00:06:42para algum tipo de modelo local. E o Claude pode fazer isso por você. Existem vários modelos locais muito bons
00:06:47por aí que você pode baixar via OLAMA. Esse modelo local vai lá e fará o seu trabalho.
00:06:51Ele vai reescrever o texto. Você vai dar a ele um comando que diz: “Ei, eu quero que você,
00:06:55sabe, mantenha a verdadeira essência disso. Você pode inserir suas próprias notas de voz, o que for.” E então, assim que
00:07:01estiver concluído, ele simplesmente enviará sua resposta exata, palavra por palavra, de volta para o Claude. E você pode fazer
00:07:05o que quiser com isso nesse ponto. Agora, a outra variável que você precisa considerar em tudo isso
00:07:09é o comprimento de suas saídas. Tipo, de quantos tokens estamos falando? Porque, e este não é um
00:07:14número que podemos realmente saber, é quantos tokens, quão longa essa saída precisa ser
00:07:19para que a API de detecção, se for executada, diga com algum grau de confiança que foi escrita com IA.
00:07:25Porque se estou apenas escrevendo comentários no LinkedIn que dizem apenas “Ela é bonita”, a API consegue realmente dizer
00:07:31se aquilo foi escrito com o Claude ou não? Não. Então, se você é alguém que tem muito medo de ter
00:07:37as coisas com marca d'água e atribuídas ao Claude, bem, pergunte a si mesmo: “Estou escrevendo coisas que são longas
00:07:41o suficiente para que isso importe?” Se estivermos falando de posts no LinkedIn, comentários com, sabe,
00:07:46menos de 100 palavras ou algo assim, provavelmente não. Mas se estivermos falando de posts de blog gigantes com milhares de palavras
00:07:51de comprimento, sim, você vai ser atingido por essa marca d'água. E vai ser muito óbvio que
00:07:56foi escrito com o Claude. Agora, a maneira mais fácil de configurar tudo isso é baixar o Ollama,
00:08:00baixar um modelo local que faça sentido para o seu hardware específico, e então criar uma habilidade dentro do
00:08:05Claude para que, quando você a acione, ela envie sua saída para esse modelo local, ele faça a reescrita completa,
00:08:10e depois a traga de volta. Para facilitar para você, criei um prompt inteiro que guia você
00:08:15e o Claude por todo o processo. Você simplesmente copia e cola isso no Claude. Ele vai fazer alguma
00:08:20pesquisa sobre o seu hardware. Ele vai descobrir qual modelo local faz sentido para você. Ele vai
00:08:24baixar e instalar o Ollama se você ainda não o fez. Em seguida, ele vai criar uma habilidade para você,
00:08:28e vai te fazer perguntas para que você possa obter o tom exato de como essa reescrita deve soar.
00:08:35Basicamente injetando sua voz, dando exemplos, esse tipo de coisa. Então, vou deixar um link abaixo
00:08:40para fazer isso de fato. E em vez de te guiar por tudo isso passo a passo durante
00:08:44os próximos 10 minutos, basta executar este prompt e ele fará tudo por você. Então, espero que toda essa explicação
00:08:48sobre marca d'água tenha feito sentido. Isso não é uma marca d'água real. Não há nada sendo escrito por trás
00:08:53dos panos. Não há nenhum código lá. É apenas que palavras específicas serão usadas com mais frequência.
00:08:57Você não terá ideia de quais são essas palavras específicas. A única maneira de saber é se você tiver
00:09:02a chave da marca d'água, a qual você não terá a menos que seja algum tipo de regulador. Então, qualquer um que esteja
00:09:07te dizendo que consegue identificar que está com marca d'água está basicamente mentindo para você. Portanto, saiba disso imediatamente.
00:09:11E com base em como isso funciona, novamente, você pode mergulhar naquele artigo da DeepMind se quiser. A única maneira
00:09:16de contornar isso é com edição pesada. Não serão edições leves. Você tem que
00:09:20reescrever tudo. E a única maneira de conseguir fazer isso é com um modelo de código aberto.
00:09:24E vai ser a maneira mais barata. Então, se você quiser colocar as mãos nesse prompt,
00:09:29você pode encontrá-lo logo abaixo. Espero que isso ajude alguns de vocês. Sendo totalmente honesto,
00:09:33acho que tudo isso é meio exagerado em termos de, sabe, as coisas estarem recebendo marcas d'água
00:09:38dessa natureza. A maioria das pessoas que você vê usando IA para fazer sua escrita, já é dolorosamente
00:09:43óbvio que é IA porque elas realmente não fazem ideia de como humanizar ou fazer soar como elas.
00:09:49E a menos que estejamos chegando a um ponto em que, sabe, em cada lugar onde você posta,
00:09:52cada site tenha algum tipo de detector de marca d'água e isso se torne uma gafe enorme.
00:09:58Novamente, tudo o que temos a fazer é passar isso por um modelo local e você está praticamente livre de culpa.
00:10:02Então me diga o que você achou. Não se esqueça de conferir o Chase AI+ para ter acesso
00:10:06à Masterclass do Cloud Code se isso for algo em que você queira mergulhar mais fundo.
00:10:10Fora isso, divirta-se evitando essas marcas d'água.
Community Posts
No posts yet. Be the first to write about this video!
Write about this video