ב־30 שניות
- זיהוי תוכן שנוצר ב-AI הוא בעיית שרשרת מקור, לא רק בעיית סיווג. סימן מים סטטיסטי יכול להוסיף אות, ו-C2PA יכול לתעד יצירה ושינויים בקובץ, אך העתקה, תרגום או צילום מסך עלולים לנתק את האות מן התוכן.
- הראיות נבדקות מול Anthropic — Claude text watermark ו-European Commission — AI content labelling code, ולא מוצגות כהוכחת הצלחה מחוץ להקשר שלהן.
- בניתוח "סימון מים, C2PA וגילוי נאות: מה באמת יכול להוכיח שתוכן נוצר ב-AI" המסקנה וההמלצות תחומות למגבלות המפורטות בגוף העמוד.
מה חשוב להבין
המאמר מבוסס על מקורות ראשוניים ומפריד בין עובדות שפרסמו הגופים לבין ניתוח המערכת. המלצות מקצועיות דורשות התאמה להקשר ולרמת הסיכון.
הראיות שעליהן נשען הניתוח
Anthropic תיארה סימון טקסט המבוסס על בחירת טוקנים ו-API זיהוי מתוכנן, לצד C2PA לקבצים. האיחוד האירופי פרסם קוד לסימון ותוויות כהכנה לחובות השקיפות של סעיף 50.
מה עדיין לא ידוע
גלאי אינו הוכחה משפטית לאי-יושר, ותוצאה שלילית אינה מוכיחה שתוכן נכתב בידי אדם. יש להימנע מענישה אוטומטית ולהחזיק מסלול ערעור ובדיקה אנושית.
הצעד הבא לאחר הבדיקה הראשונית
השתמשו באותות זיהוי כאינדיקציה אחת לצד תיעוד, ראיון וניתוח תהליך, במיוחד בחינוך ובהליכי משמעת.
המשמעות שמעבר לכותרת
מערכות חדשות, בתי ספר וקמפיינים בישראל צריכים מדיניות שמבחינה בין סיוע עריכתי, יצירה מלאה ושינוי תמונה. גילוי נאות קצר ועקבי מועיל יותר מתווית עמומה שמופיעה רק בתנאי השימוש.
צעד יישומי אחד
שמרו קובצי מקור, גרסאות, זהות עורך וכלי יצירה; הציגו גילוי נאות ליד התוכן ולא רק בעמוד מדיניות כללי.
מקורות ובדיקת עובדות
מיכל הדס
מרצה ויועצת להטמעת AI, המפתחת חוויות למידה מבוססות גיימיפיקציה ודיגיטל ומחברת בין כלים פרקטיים, אתיקה וניהול סיכונים.
לפריטים המשויכים ל־מיכל הדס
