七十余年后，这一理论在人工智能领域找到全新应用场景。2026年8月，Anthropic宣布将在Claude模型生成的文本中全面部署不可见统计水印技术，并逐步覆盖既有模型。该消息引发AI创作圈广泛讨论，内容生产者开始担忧技术手段可能暴露AI生成内容。但从信息论视角观察，AI内容可被识别实为必然结果，真正需要探讨的是识别方式、执行主体及后续影响等现实问题。
统计特征识别技术早有成功先例。1964年，哈佛统计学家弗雷德里克·莫斯特勒与大卫·华莱士通过分析功能词使用频率，成功破解《联邦党人文集》作者争议。他们发现，尽管"and"、"to"等虚词缺乏实质意义，但不同作者的使用频率存在稳定差异。通过贝叶斯方法建立概率模型，最终确定12篇争议文献均出自麦迪逊之手。这种基于语言习惯的识别方法后来发展为文体计量学，在法庭鉴定和文学研究中得到广泛应用。1995年FBI运用类似技术，通过对比邮件炸弹犯宣言与私人信件的语言特征，成功锁定犯罪嫌疑人卡钦斯基。
国内平台在AI内容标识实践中遭遇技术瓶颈。2025年9月1日，《人工智能生成合成内容标识办法》正式实施，要求平台上线AI内容识别功能。但第三方评测显示，各平台技术能力参差不齐：快手初期表现较好，抖音识别功能却近乎失效；一个月后情况反转，抖音识别率升至首位，其他平台仍存在漏检现象。技术限制导致平台主要依赖视频自带水印或作者声明进行识别，对无标识的第三方生成内容检测效果不佳。
为突破被动检测局限，科技企业开始探索主动嵌入水印技术。2023年8月，Google DeepMind推出SynthID系统，通过调整图像像素的统计信号嵌入不可见水印，该技术可抵抗裁剪、压缩等常见操作。2024年5月，文本水印功能部署至Gemini对话界面，采用"竞赛采样"方法：在生成每个词前，系统按密钥算法微调词汇概率分布，使最终文本在统计层面呈现隐藏规律。测试显示，加水印版本与原始版本的用户满意度无显著差异。截至2026年5月，SynthID已标记超1000亿条AI生成内容，OpenAI、英伟达等企业相继加入生态体系。
水印技术存在显著脆弱性。WaterPark基准测试显示，SynthID在原始文本检测率达99.8%，但经中等程度改写后骤降至49.8%，AI改写工具处理后所有方案检测率均低于30%。2026年7月实验进一步证明，主流水印方案在改写攻击下移除率超过98%，SynthID还出现5.4%的误报率和80%的不确定结论。技术漏洞导致水印体系难以满足司法证据要求，Anthropic提供的检测API甚至可能被用于反向消除水印。当前技术主要能有效打击批量复制行为，但对经过认真修改的内容识别效果有限。
