BusterX: MLLM-Powered AI-Generated Video Forgery Detection and Explanation

تخيل أن الإنترنت عبارة عن سوق ضخم وصاخب. لفترة طويلة، كان من السهل التمييز بين صورة حقيقية التقطها إنسان وصورة مزيفة صنعها الكمبيوتر. ولكن مؤخرًا، أصبح "السحرة الرقميون" (مولدات الفيديو بالذكاء الاصطناعي) بارعين جدًا في خدعهم لدرجة أنهم يستطيعون إنشاء فيديوهات واقعية للغاية، حتى أن الخبراء لا يستطيعون التمييز بينها وبين الواقع.

تقدم هذه الورقة البحثية فريقًا جديدًا من "المحققين الرقميين" يُدعى BusterX، إلى جانب ساحة تدريب جديدة وكتاب قواعد لمساعدتهم في كشف هذه التزييفات.

إليك تفاصيل مهمتهم، مشروحة ببساطة:

1. المشكلة: "الخدعة السحرية" تزداد براعة

فكر في فيديوهات الذكاء الاصطناعي القديمة مثل رسم طفل لقطة؛ كان بإمكانك بسهولة ملاحظة أن الأذنين خاطئتان أو أن الذيل مفقود. لكن ذكاء اليوم الاصطناعي يشبه لاعب الخفة الماهر؛ يمكنه صنع فيديو لشخص يتحدث، يمشي، أو يرقص يبدو حقيقيًا بنسبة 100%.

كان "المحققون" القدامى (أدوات الذكاء الاصطناعي السابقة) مثل حراس الأمن الذين يعرفون فقط كيفية رصد رسومات الأطفال. وعندما ظهر لاعبو الخفة المهرة، ارتبك الحراس وسمحوا للتزييفات بالمرور. كما كانت الأدوات القديمة عبارة عن "صناديق سوداء" — كانت تكتفي بالقول "مزيف!" دون شرح لماذا، مما جعل من الصعب على البشر الوثوق بها.

2. ساحة التدريب الجديدة: GenBuster-200K

لتدريب محققين أفضل، تحتاج إلى مواد تدريب أفضل. أدرك المؤلفون أن فيديوهات التدريب القديمة كانت سهلة للغاية (مثل تدريب كلب بوليس على لعبة تصدر صريرًا).

لذلك قاموا ببناء GenBuster-200K، وهي مكتبة ضخمة تضم أكثر من 200,000 فيديو.

• المزيج: تحتوي على فيديوهات حقيقية وفيديوهات مزيفة واقعية للغاية.
• قاعدة العدالة: حرصوا على ألا تكون المكتبة منحازة. تمامًا كما تضم المدينة الحقيقية أشخاصًا من جميع الأعمار والأجناس والخلفيات، تتضمن هذه المجموعة بيانات الجميع في كل مكان؛ لم يكتفوا بتدريب الذكاء الاصطناعي على "رجال شباب ببدلات رسمية"، بل دربوه على الجميع في كل مكان.
• منطقة "البرية": حتى أنهم أدرجوا فيديوهات تم ضغطها بواسطة وسائل التواصل الاجتماعي (مثل تيك توك أو يوتيوب)، لأن التزييفات الحقيقية عادة ما تتعرض للضغط وتصبح مشوشة عند مشاركتها من قبل الناس.

3. كتاب القواعد الجديد: GenBuster-Bench

بدلاً من إعطاء المحققين اختبارًا نهائيًا عبر امتحان واحد كبير، أنشأ المؤلفون مسار تحدي مكونًا من ثلاثة مستويات:

• المستوى 1 (الفصل الدراسي): هل يستطيع المحقق رصد الفيديوهات المزيفة التي صنعتها الأدوات التي رآها من قبل؟ (الوضع السهل).
• المستوى 2 (الشرير الجديد): هل يستطيع المحقق رصد الفيديوهات المزيفة التي صنعتها أدوات جديدة تمامًا لم يرها من قبل؟ هذا يختبر ما إذا كان قد تعلم مبادئ التزوير أم أنه حفظ الحيل القديمة فقط.
• المستوى 3 (العالم الحقيقي): هل يستطيع المحقق رصد فيديو مزيف تم نشره على وسائل التواصل الاجتماعي، وضغطه، ومشاركته مئات المرات؟ هذا هو الاختبار الأصعب.

كما أضافوا "حكمًا" (ذكاء اصطناعي آخر) لا يكتفي بالتحقق مما إذا كانت الإجابة صحيحة أم لا، بل يقيم التفسير. فإذا قال المحقق "إنه مزيف لأن العينين غريبتان"، يتحقق الحكم: "هل نظرت حقًا إلى العينين، أم أنك خمنت فقط؟"

4. المحقق النجم: BusterX

تعرفوا على BusterX. على عكس الحراس القدامى الذين كانوا يصرخون فقط "مزيف!" أو "حقيقي!"، فإن BusterX هو محقق استنتاجي.

• كيف يعمل: بدلاً من التخمين، يرتدي BusterX قبعة التفكير ويكتب تقريرًا خطوة بخطوة. إنه ينظر إلى الفيديو إطارًا تلو الآخر ويطرح أسئلة مثل:
  • "هل يتحرك الظل مع الشمس؟"
  • "هل تتحرك ملابس الشخص بشكل طبيعي أثناء المشي؟"
  • "هل ملمس الجلد ناعم جدًا، مثل البلاستيك؟"
• السلاح السري (التعلم التعزيزي): لم يعلم المؤلفون BusterX الإجابات فحسب، بل استخدموا تقنية تسمى التعلم التعزيزي (Reinforcement Learning). تخيل مدرب كلاب: في كل مرة يجد فيها BusterX دليلًا حقيقيًا ويشرحه جيدًا، يحصل على "مكافأة" (مكافأة). وإذا خمن خطأ أو كتب تفسيرًا كسولًا، يتلقى "لا" لطيفة. بمرور الوقت، يتعلم BusterX أن يفكر مثل خبير جنائي بشري.

5. النتائج: لماذا هذا مهم؟

عندما وضعوا BusterX تحت الاختبار:

• المحققون القدامى: فشلوا فشلًا ذريعًا في "المستوى الحقيقي"، حيث ارتبكوا أمام أدوات الذكاء الاصطناعي الجديدة.
• نماذج الذكاء الاصطناي الضخمة: كانت بعض نماذج الذكاء الاصطناعي العملاقة جيدة في التخمين، لكنها غالبًا ما كانت تخطئ بسبب انحيازها (على سبيل المثال، كانوا يعتقدون أن كل شيء مزيف، أو أن لا شيء مزيف).
• BusterX: لقد فاز. لم يكتفِ بالتخمين؛ بل قدم أسبابًا. كان بإمكانه إخبارك بالضبط لماذا الفيديو مزيف (على سبيل المثال: "يد الشخص تومض بين الإطارات")، وظل هادئًا ودقيقًا حتى عندما كان الفيديو غير واضح أو ناتجًا عن مولد ذكاء اصطناعي جديد.

الصورة الكبيرة

هذه الورقة البحثية تشبه الترقية من جهاز كشف معادن يصدر صوتًا عند كل شيء إلى عالم جنائي يحمل عدسة مكبرة.

في عالم يمكن للذكاء الاصطناعي فيه إنشاء فيديوهات مزيفة (Deepfakes) يمكن أن تدمر السمعة أو تنشر الأكاذيب، نحن بحاجة إلى أدوات لا تكتفي بالقول "هذه كذبة"، بل يمكنها إثبات ذلك بأدلة منطقية واضحة. BusterX هو تلك الأداة، المستعدة لمساعدتنا في الحفاظ على الحقيقة آمنة في عالم السحر الرقمي.