اهلا وسهلا...
موقع العهد الاخباري

كانت البداية في 18 حزيران/ يونيو 1984 في جريدة اسبوعية باسم العهد، ومن ثم في 5 تشرين الثاني/ نوفمبر 1999 أطلقت النسخة الاولى من جريدة العهد على الانترنت إلى ان أصبحت اليوم موقعاً إخبارياً يومياً سياسياً شاملاً

للتواصل: [email protected]
00961555712

المقال التالي قطاع النقل البري في مواجهة "الفوضى".. طليس يضع الحكومة أمام اختبار تطبيق القانون

منوعات

تقنية جديدة تكشف النصوص المموّهة بالذكاء الاصطناعي بدقة تصل إلى 93.3%
🎧 إستمع للمقال
منوعات

تقنية جديدة تكشف النصوص المموّهة بالذكاء الاصطناعي بدقة تصل إلى 93.3%

96

طوّر باحثون من جامعة كورنيل ومعهد ماساتشوستس للتكنولوجيا (MIT) إطار عمل جديدًا لاكتشاف النصوص المولّدة بالذكاء الاصطناعي، يحقق دقة تصل إلى 93.3% في رصد المحتوى الذي خضع لأدوات إعادة الصياغة المعروفة باسم "Humanizers"، بهدف إظهاره كأنه مكتوب بواسطة البشر، متفوقًا بذلك على أدوات كشف تجارية في الاختبارات الأولية.

وتأتي هذه التقنية في ظل التحديات المتزايدة التي تواجه المؤسسات الأكاديمية ودور النشر والجهات المعنية بإنتاج المحتوى، مع الانتشار الواسع للنصوص التي تنتجها النماذج اللغوية الكبيرة، وما يرافق ذلك من إشكالات أخلاقية ومهنية. 
ورغم ظهور أدوات مثل(GPTZero)و(Pangram) لاكتشاف هذا النوع من المحتوى، لا تزال دقتها موضع جدل بسبب النتائج الإيجابية الخطأ التي قد تضع كتّابًا ومؤلفين في دائرة الاتهام باستخدام الذكاء الاصطناعي، رغم اعتمادهم على الكتابة البشرية بالكامل.

وتواجه أدوات الكشف التقليدية صعوبة متزايدة في مواكبة تطور النماذج اللغوية؛ إذ تعتمد على بيانات تدريب ثابتة تضم أمثلة لنصوص بشرية وأخرى مولّدة بالذكاء الاصطناعي، دون تحديث مستمر لقدراتها. ومع تطور هذه النماذج، أصبحت قادرة على إنتاج نصوص تحاكي الأسلوب البشري بدرجة متزايدة من الدقة، فضلًا عن انتشار أدوات "Humanizers" التي تعيد صياغة المحتوى لتجاوز أنظمة الكشف.

التكيّف في أثناء الاختبار

ولمعالجة هذه المشكلات، اعتمد الباحثون على تقنية تُعرف باسم "التكيّف في أثناء الاختبار" (Test-Time Adaptation - TTA)، تقوم على منح نظام الكشف القدرة على التعلم من النصوص الجديدة التي يفحصها، بدل الاكتفاء بالمعلومات التي اكتسبها خلال مرحلة التدريب الأولية.

وتقوم الفكرة على تحليل مجموعات من النصوص معًا، مثل المقالات أو الأبحاث الطلابية، والبحث عن الأنماط المشتركة بينها، بدل التعامل مع كل نص بصورة منفصلة. وتستند التقنية إلى ملاحظة مفادها أن النصوص المولّدة بالذكاء الاصطناعي تميل إلى إظهار قدر من التشابه والانتظام عند فحص مجموعات كبيرة منها، وهي ظاهرة أطلق عليها الباحثون اسم "التجانس في أثناء الاستدلال".

ويجمع النظام بين معرفته السابقة المستمدة من أمثلة مصنفة، والبيانات الجديدة غير المصنفة التي يتلقاها، بهدف تحديد الأنماط التي تميز الكتابة البشرية عن الطابع الموحد للنصوص المولّدة بالذكاء الاصطناعي. ويعمل كذلك، على تحديث حدود القرار بصورة مستمرة استنادًا إلى المواد التي يفحصها، بحيث تصبح كل مجموعة جديدة من النصوص مصدرًا إضافيًا للتعلم وتحسين القدرة على التمييز.

دقة 93.3% في مواجهة أدوات التمويه

وأظهرت الاختبارات الأولية تفوق نظام TTA على أداة (Pangram) التجارية التي اختارها الباحثون معيارًا للمقارنة، لا سيما في اختبار النصوص المولّدة بالذكاء الاصطناعي التي خضعت لأدوات "Humanizers".

ففي حين لم تتمكن أداة (Pangram) من اكتشاف سوى 27% من النصوص التي جرى تمويهها لتبدو بشرية، نجح النظام الجديد في اكتشاف 93.3% منها، مسجلًا فارقًا كبيرًا في القدرة على رصد المحتوى الذي يحاول تجاوز أدوات الكشف التقليدية.

ولم يقتصر الاختبار على النصوص التي خضعت لإعادة الصياغة، بل شمل قدرة النظام على التعامل مع نماذج ذكاء اصطناعي حديثة لم تكن موجودة ضمن بيانات التدريب الأصلية. وأظهرت النتائج أن أداة (Pangram) واجهت صعوبة في اكتشاف النصوص التي أنتجها نموذج GPT-5.4 التابع لشركة "OpenAI"، والذي أُطلق في آذار/مارس، إذ لم تصنف سوى 34% من مخرجاته باعتبارها مكتوبة بالكامل أو جزئيًا بواسطة الذكاء الاصطناعي.

ورغم تحسن أداء (Pangram) بصورة ملحوظة بعد حصولها على تحديث في أيار/مايو، حافظ نظام TTA على أداء أكثر استقرارًا مع النماذج التي لم يتدرب عليها مسبقًا، محققًا معدلات اكتشاف تراوحت بين 87% و94%. ويعزو الباحثون هذه الميزة إلى قدرة النظام على التعلم من النصوص الجديدة، بدل انتظار تحديث بيانات التدريب الأساسية عند ظهور نموذج جديد.

تقليل الاتهامات الخطأ للكتّاب

وفي جانب آخر، اختبر الباحثون قدرة النظام على تجنب النتائج الإيجابية الخطأ، وهي المشكلة التي تسببت في اتهام طلاب وباحثين وكتّاب باستخدام الذكاء الاصطناعي رغم اعتمادهم على الكتابة البشرية.

وركز الاختبار على تأثير التغير الطبيعي في اللغة وأساليب التعبير بمرور السنوات على دقة أدوات الكشف. وأظهرت النتائج أن أداة تقليدية دُرّبت على نصوص قديمة تراجعت قدرتها على التعرف على الكتابة البشرية من 85.9% في البداية إلى 73.4% بعد مرور عشر سنوات.

في المقابل، حافظ نظام TTA على أداء أكثر استقرارًا؛ إذ تراوحت قدرته على التعرف على النصوص البشرية بين نحو 86% و90% خلال الفترة نفسها. وتبرز أهمية هذه النتيجة في أن التقنية لا تستهدف تحسين اكتشاف النصوص المولّدة بالذكاء الاصطناعي فحسب، بل تسعى أيضًا إلى الحد من اتهام الكتّاب البشريين باستخدام هذه الأدوات نتيجة تغير اللغة وأساليب الكتابة مع مرور الوقت.

استخدامات تتجاوز الجامعات ودور النشر

ويرى فريق البحث أن التقنية الجديدة يمكن أن تخدم قطاعات متعددة تحتاج إلى التحقق من مصدر المحتوى المكتوب؛ إذ أوضح الباحثون أنها قد تساعد المعلمين والمحررين والناشرين ومسؤولي التوظيف على اكتشاف النصوص التي تنتجها النماذج اللغوية الكبيرة ويُقدّمها أصحابها باعتبارها أعمالًا بشرية.

كذلك، يمكن توظيفها في مجال الأمن السيبراني، للمساعدة على اكتشاف رسائل التصيُّد الاحتيالي المولَّدة باستخدام الذكاء الاصطناعي، أو رصد ممارسات التلاعب بمحتوى محركات البحث وتحسين ترتيبه بصورة غير مشروعة.

ومن المقرر أن يعرض فريق البحث نتائجه خلال مؤتمر "NeurIPS" المتخصص في أنظمة معالجة المعلومات العصبية، والمقرر انعقاده في وقت لاحق من العام الجاري.

ورغم النتائج التي حققتها التقنية، لا تعني هذه الاختبارات نهاية الأخطاء في أدوات اكتشاف النصوص المولّدة بالذكاء الاصطناعي، لكنها تقدم نهجًا مختلفًا عن الأنظمة التقليدية، يقوم على التعلم المستمر والتكيف مع تغير اللغة وتطور النماذج، بدل الاعتماد على بيانات ثابتة قد تفقد فعاليتها بمرور الوقت.

الكلمات المفتاحية
مشاركة