بدقة 93.3%.. تقنية جديدة تكشف النصوص المولدة بالذكاء الاصطناعي رغم محاولات تمويهها
طور باحثون من جامعتي كورنيل ومعهد ماساتشوستس للتكنولوجيا (MIT) تقنية جديدة لاكتشاف النصوص المولدة بالذكاء الاصطناعي، بعدما نجحت في تحقيق دقة بلغت 93.3% عند فحص محتوى جرى تعديله ليبدو وكأنه مكتوب بواسطة البشر.
وتستهدف التقنية معالجة واحدة من أبرز مشكلات أدوات كشف المحتوى المولد بالذكاء الاصطناعي، وهي صعوبة التمييز بين الكتابة البشرية والنصوص التي تنتجها النماذج اللغوية الكبيرة، خاصة بعد تمريرها عبر أدوات إعادة الصياغة وإضفاء الطابع البشري.
وتأتي هذه الخطوة في ظل الانتشار المتزايد لاستخدام الذكاء الاصطناعي في إنتاج المقالات والأبحاث والمحتوى الرقمي، وما يصاحبه من تحديات تتعلق بمصداقية المحتوى وحقوق الملكية الفكرية ودقة تقييم الأعمال البشرية.
لماذا تفشل أدوات كشف النصوص المولدة بالذكاء الاصطناعي؟
رغم انتشار أدوات متخصصة مثل GPTZero وPangram، فإن قدرتها على اكتشاف النصوص المولدة بالذكاء الاصطناعي لا تزال تواجه تحديات عديدة.
وتعتمد كثير من هذه الأدوات على بيانات تدريب ثابتة تتضمن نماذج من الكتابة البشرية والمحتوى المولد آلياً. لكن تطور النماذج اللغوية يجعل هذه البيانات أقل قدرة على مواكبة الأساليب الجديدة.
كما تمثل أدوات إضفاء الطابع البشري على النصوص (Humanizers) تحدياً إضافياً، إذ تعمل على تعديل صياغة المحتوى المولد آلياً، ليبدو أقرب إلى أسلوب الكتابة البشرية.
ولا تتوقف المشكلة عند تطور الذكاء الاصطناعي، بل تشمل تغير اللغة البشرية نفسها. فقد بدأت أنماط التعبير والمفردات تتأثر بالتفاعل المستمر مع أدوات الذكاء الاصطناعي، وهو ما يزيد صعوبة التمييز بين نوعي الكتابة.
تقنية جديدة تعتمد على التعلم أثناء فحص النصوص
لمواجهة هذه التحديات، طور الباحثون إطار عمل يعتمد على تقنية تُعرف باسم التكيف أثناء الاختبار (Test-Time Adaptation – TTA).
وتختلف هذه الطريقة عن أنظمة الكشف التقليدية؛ لأنها لا تعتمد فقط على المعلومات التي اكتسبتها خلال مرحلة التدريب الأولية.
بل تمنح النظام القدرة على التعلم من النصوص الجديدة التي يفحصها، وتحديث آلية التمييز بين المحتوى البشري والمحتوى المولد بالذكاء الاصطناعي.
وتعمل التقنية من خلال تحليل مجموعات من النصوص معاً، بدلاً من التعامل مع كل نص بصورة منفصلة.
ويبحث النظام عن الأنماط المشتركة بين المحتوى الذي يفحصه، مستفيداً من ملاحظة أن النصوص المولدة بالذكاء الاصطناعي قد تظهر قدراً من التشابه والانتظام عند تحليلها ضمن مجموعات كبيرة.
وبذلك يجمع النظام بين المعرفة السابقة والبيانات الجديدة، ويحدث حدود القرار باستمرار لتحسين قدرته على اكتشاف المحتوى المولد آلياً.
دقة 93.3% في اكتشاف النصوص التي تخفي مصدرها
كشفت الاختبارات التي أجراها الباحثون عن تفوق التقنية الجديدة على أداة Pangram التجارية، التي استخدموها معياراً للمقارنة.
وتركز أحد أهم الاختبارات على النصوص التي أنتجها الذكاء الاصطناعي، ثم مرت عبر أدوات Humanizers لتغيير أسلوبها وإخفاء مصدرها الآلي.
وفي هذه التجربة، لم تتمكن أداة Pangram من اكتشاف سوى 27% من النصوص التي خضعت للتمويه.
في المقابل، نجح النظام الجديد المعتمد على تقنية TTA في اكتشاف 93.3% منها.
وتعكس هذه النتائج تحسناً ملحوظاً في قدرة أنظمة الكشف على التعامل مع محاولات إعادة صياغة المحتوى المولد بالذكاء الاصطناعي، التي أصبحت من أبرز التحديات أمام أدوات التحقق التقليدية.
كيف تتعامل التقنية مع نماذج الذكاء الاصطناعي الحديثة؟
اختبر الباحثون أيضاً قدرة النظام على اكتشاف المحتوى الذي تنتجه نماذج ذكاء اصطناعي لم تكن موجودة ضمن بيانات التدريب الأصلية.
وأظهرت النتائج أن أداة Pangram واجهت صعوبة في التعرف على بعض مخرجات النماذج الحديثة، بينما حافظ نظام TTA على أداء أكثر استقراراً.
وتراوحت معدلات اكتشاف المحتوى المولد بواسطة نماذج لم يتدرب عليها النظام مسبقاً بين 87% و94%.
وتمنح هذه الخاصية التقنية الجديدة ميزة مهمة؛ لأنها تقلل اعتماد كواشف الذكاء الاصطناعي على تحديث بيانات التدريب في كل مرة يظهر فيها نموذج لغوي جديد.
حماية الطلاب والكتاب من اتهامات استخدام الذكاء الاصطناعي
لا تقتصر أهمية التقنية الجديدة على اكتشاف النصوص المولدة آلياً، بل تمتد إلى الحد من النتائج الإيجابية الخاطئة التي تتسبب في اتهام أشخاص باستخدام الذكاء الاصطناعي رغم اعتمادهم على الكتابة البشرية.
واختبر الباحثون قدرة النظام على التعامل مع التغيرات الطبيعية التي تطرأ على أساليب الكتابة البشرية بمرور الوقت.
وأظهرت النتائج أن إحدى أدوات الكشف التقليدية، التي جرى تدريبها على نصوص قديمة، تراجعت قدرتها على التعرف على الكتابة البشرية من 85.9% إلى 73.4% بعد مرور عشر سنوات.
في المقابل، حافظ النظام الجديد على أداء أكثر استقراراً، إذ تراوحت قدرته على التعرف على النصوص البشرية بين 86% و90%.
وتكتسب هذه النتيجة أهمية خاصة للطلاب والباحثين والكتاب والصحفيين.. الذين قد يتعرضون لاتهامات غير دقيقة بسبب تشابه بعض أنماط الكتابة البشرية مع أساليب النماذج اللغوية.
استخدامات التقنية الجديدة في التعليم والأمن السيبراني
يرى الباحثون أن إطار العمل الجديد يمكن أن يخدم قطاعات متعددة تحتاج إلى التحقق من مصدر المحتوى المكتوب.
ومن أبرز الاستخدامات المحتملة:
المؤسسات التعليمية: للمساعدة في التحقق من أصالة الأبحاث والواجبات الدراسية.
دور النشر والصحافة: لفحص المحتوى والتأكد من مصدره.
التوظيف: لمساعدة مسؤولي الموارد البشرية في تقييم المحتوى المقدم من المتقدمين للوظائف.
الأمن السيبراني: لاكتشاف رسائل التصيد الاحتيالي التي ينشئها الذكاء الاصطناعي.
محركات البحث: للمساعدة في رصد التلاعب بالمحتوى بهدف التأثير على نتائج البحث.
ومن المقرر عرض نتائج البحث خلال مؤتمر NeurIPS المتخصص في أنظمة معالجة المعلومات العصبية.
ورغم النتائج الواعدة، لا تعني التقنية الجديدة انتهاء الأخطاء في أدوات كشف النصوص المولدة بالذكاء الاصطناعي.. لكنها تقدم اتجاهاً مختلفاً يعتمد على التعلم المستمر والتكيف مع تطور النماذج وتغير أساليب الكتابة البشرية.
ويظل التحدي الأساسي أمام هذه التقنيات هو الحفاظ على دقتها مع استمرار تطور الذكاء الاصطناعي.. وضمان عدم تحويل أدوات الكشف إلى وسيلة لاتهام أصحاب الأعمال البشرية دون أدلة كافية.










