🤖 AI

A Comprehensive Dataset for Human vs. AI Generated Image Detection

تقدم هذه الورقة البحثية MS COCOAI، وهي مجموعة بيانات شاملة تضم 96,000 صورة حقيقية واصطناعية تم إنشاؤها بواسطة خمسة من نماذج الذكاء الاصطناعي الرائدة، صُممت لتعزيز الأبحاث في كشف وتحديد مصدر الوسائط المُنشأة بواسطة الذكاء الاصطناعي.

المؤلفون الأصليون: Rajarshi Roy, Ashhar Aziz, Shashwat Bajpai, Nasrin Imanpour, Gurpreet Singh, Shwetangshu Biswas, Kapil Wanaskar, Parth Patwa, Subhankar Ghosh, Shreyas Dixit, Nilesh Ranjan Pal, Vipula Rawte, Ritvik Ga

نُشر 2026-05-26

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Rajarshi Roy, Ashhar Aziz, Shashwat Bajpai, Nasrin Imanpour, Gurpreet Singh, Shwetangshu Biswas, Kapil Wanaskar, Parth Patwa, Subhankar Ghosh, Shreyas Dixit, Nilesh Ranjan Pal, Vipula Rawte, Ritvik Garimella, Amitava Das, Amit Sheth, Gaytri Jena, Vasu Sharma, Aishwarya Naresh Reganti, Vinija Jain, Aman Chadha

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تدخل معرضاً فنياً ضخماً. نصف اللوحات هي صور فوتوغرافية حقيقية التقطها بشر، والنصف الآخر هي روائع أبدعتها مجموعة من الروبوتات الموهوبة جداً، ولكنها غير مرئية. المشكلة؟ لقد أصبح الروبوتات بارعين لدرجة أنك لا تستطيع التمييز بينهم وبين البشر بمجرد النظر.

هذه الورقة البحثية تدور حول بناء معسكر تدريبي واختبار لمساعدتنا في كشف الفن الذي صنعته الروبوتات. إليك التفاصيل بكلمات بسيطة:

1. المشكلة: "الوادي الغريب" للصور

لدينا أدوات ذكاء اصطناعي قوية (مثل Stable Diffusion وDALL-E 3 وMidJourney) يمكنها إنشاء صور من الصفر. إنها مذهلة، لكنها تُستخدم أيضاً لنشر الأكاذيب أو الأخبار المزيفة. ولأن هذه الصور تبدو حقيقية، فإن أعيننا (وحتى البرامج الحاسوبية القديمة) تتعرض للخداع. نحن بحاجة إلى طريقة أفضل للإمساك بها.

2. الحل: مجموعة بيانات "MS COCOAI"

قام المؤلفون ببناء مكتبة ضخمة تضم 96,000 صورة لتدريب الحواسيب لتكون محققة أفضل. فكر في هذه المكتبة كأنها تجربة علمية منضبطة.

المجموعة "الحقيقية": أخذوا 16,000 صورة حقيقية من قاعدة بيانات شهيرة تسمى MS COCO. هذه صور حقيقية مع أوصاف (تعليقات) مكتوبة بواسطة بشر.
المجموعة "المزيفة": أخذوا نفس تلك الأوصاف المكتوبة بشرياً واستخدموها مع خمسة روبوتات ذكاء اصطناعي مختلفة (Stable Diffusion 2.1، SDXL، SD 3، DALL-E 3، وMidJourney v6).
الخدعة السحرية: بما أن الذكاء الاصطناوي والمصور البشري استخدما نفس الوصف، فإن الصور الناتجة تعتبر "توأماً" من حيث المحتوى.
- تشبيه: تخيل أنك طلبت من طباخ بشري وطباخ روبوت صنع "كعكة شوكولاتة بالفراولة". إذا صنع الروبوت كعكة تبدو مختلفة قليلاً، فنحن نعرف أن الخطأ من الروبوت وليس لأنه طُلب منه صنع "بيتزا حارة" بدلاً من ذلك. هذا يساعد الباحثين على الفصل بين "انحياز المحتوى" و"الآثار الناتجة عن الذكاء الاصطناعي".

3. اختبار الضغط: "روتين الجمباز"

للتأكد من أن أجهزة الكشف قوية، لم يكتفِ المؤلفون بإعطائها صوراً نظيفة، بل طبقوا أيضاً أربعة "حركات بهلوانية" على صور الذكاء الاصطناعي، مثلما يضيف لاعب الجمباز صعوبة إلى روتينه:

القلب (Flipping): عكس الصورة أفقياً.
التعتيم (Dimming): جعل الصورة أكثر قتامة.
الضجيج (Static): إضافة "ثلوج" تشبه تشويش التلفاز إلى الصورة.
الضغط (Compression): تقليص حجم الملف (مثل حفظ صورة على الهاتف) لجعلها ضبابية قليلاً.

هذا يضمن أنه إذا نجح جهاز الكشف، فسينجح حتى لو تم العبث بالصورة.

4. التحديان (الاختباران)

وضع البحث لعبتين محددتين يمكن للحواسيب لعبها باستخدام هذه المجموعة من البيانات:

اللعبة (أ) (اختبار "حقيقي أم روبوت؟"): انظر إلى صورة وقل: "هل هي من صنع إنسان أم من صنع ذكاء اصطناعي؟"
- النتيجة: حصل نموذج حاسوبي أساسي على نسبة 80% صحيحة. هذا يشبه إنساناً يخمن بشكل صحيح 4 من كل 5 مرات. الأمر ممكن، لكنه ليس مثالياً.
اللعبة (ب) (اختبار "من صنعها؟"): انظر إلى صورة من صنع الذكاء الاصطناعي وخمن أي من الروبوتات الخمسة صنعها.
- النتيجة: حصل الحاسوب على حوالي 45% فقط من الإجابات الصحيحة. هذا بالكاد يتجاوز التخمين العشوائي (مثل رمي عملة معدنية).
- لماذا هذا صعب؟ الأمر يشبه محاولة التمييز بين خمسة مزورين محترفين يحاولون جميعاً تقليد نفس الأسلوب. من الأصعب بكثير تحديد الفنان المحدد بدلاً من مجرد اكتشاف أن الفن مزيف.

5. كيف حاولوا حل المشكلة (الأساس المرجعي)

للحصول على نقطة انطلاق، لم يستخدم المؤلفون ذكاءً اصطناعياً جديداً ومتطوراً، بل استخدموا عدسة كاميرا قياسية (نموذج ResNet-50) ولكنهم نظروا إلى الصور بطريقة مختلفة: مجال التردد (Frequency Domain).

تشبيه: تخيل أنك تنظر إلى لوحة ليس من خلال ألوانها، بل من خلال "الاهتزازات" أو الصوت الذي قد تصدره إذا كانت آلة موسيقية. صور الذكاء الاصطناعي غالباً ما تحتوي على "طنين" غريب أو نمط محدد في اهتزازاتها لا توجد في الصور البشرية. لقد علموا الحاسوب أن يستمع لهذا الطنين.

6. الخلاصة

تخلص الورقة البحثية إلى أنه بينما نصبح أفضل في اكتشاف ما إذا كانت الصورة مزيفة (اللعبة أ)، إلا أننا لا نزال سيئين جداً في معرفة أي أداة ذكاء اصطناعي محددة صنعتها (اللعبة ب).

لقد أتاحوا هذه المكتبة الضخمة التي تضم 96,000 صورة مزدوجة (حقيقية مقابل ذكاء اصطناعي) للجمهور حتى يتمكن الباحثون الآخرون من محاولة بناء أجهزة كشف أفضل. هدفهم هو مساعدة المجتمع على استعادة الثقة فيما يراه عبر الإنترنت مرة أخرى.

ملخص تقني: مجموعة بيانات MS COCOAI للكشف عن الصور المولدة بواسطة الذكاء الاصطناعي

بيان المشكلة
أدى التقدم السريع في أنظمة الذكاء الاصطناعي التوليدي متعددة الوسائط (مثل Stable Diffusion وDALL-E وMidJourney) إلى تغيير جذري في عملية إنشاء المحتوى البصري الاصطناعي. وبينما تعزز هذه الأدوات الابتكار، فإنها تسهل في الوقت ذاته انتشار المحتوى المضلل والوسائط المتلاعب بها. ومع اقتراب الدقة البصرية للصور المولدة من دقة الصور الفوتوغرافية الحقيقية، أصبح التمييز بين المحتوى الحقيقي والاصطناعي أولوية ملحة. وتواجه طرق الكشف الحالية تحديات كبيرة بسبب نقص مجموعات البيانات القوية واسعة النطاق التي توفر محاذاة دلالية (semantic alignment)—حيث تشترك الصور الحقيقية والاصطناعية في أوصاف نصية متطابقة—وتغطي نطاقاً متنوعاً من المولدات الحديثة، بما في ذلك النماذج مفتوحة المصدر والمغلقة على حد سواء.

المنهجية وبناء مجموعة البيانات
يقدم المؤلفون MS COCOAI، وهي مجموعة بيانات مبتكرة تضم 96,000 زوج من (صورة-وصف) صُممت لمعالجة أوجه القصور في المعايير المرجعية السابقة. تتضمن عملية البناء الخطوات التالية:

المواد المصدرية: بُنيت مجموعة البيانات على مجموعة بيانات MS COCO، باستخدام 16,000 زوج من (صورة-وصف) عالية الجودة وموسومة بشرياً كحقائق مرجعية (ground truth) للصور "الحقيقية".
التوليد الاصطناعي: يعمل كل وصف من الـ 16,000 وصف كبذرة نصية لتوليد صور اصطناعية باستخدام خمسة نماذج متميزة ومتطورة وهي: Stable Diffusion 3 (SD3)، وStable Diffusion 2.1 (SD2.1)، وSDXL، وDALL-E 3، وMidJourney v6. ينتج عن ذلك محاذاة بنسبة 1:1 حيث تمتلك كل صورة حقيقية خمس نظيرات اصطناعية مقابلة لها تم توليدها من نفس المطالبة (prompt) تماماً.
الاضطرابات (Perturbations): لتسهيل دراسات المتانة والثبات، تتضمن مجموعة البيانات أربعة اضطرابات مستقلة طُبقت على كل صورة مولدة: القلب الأفقي (horizontal flipping)، وتقليل السطوع (بعامل 0.2)، والضجيج الغاوسي المضاف ( $\sigma=0.05$ )، وضغط JPEG (معامل جودة 50).
هيكل البيانات: تم تنظيم مجموعة البيانات بحقول للصور، والوصف الأصلي، وتسمية ثنائية (label_A) لتصنيف (حقيقي مقابل مولد بالذكاء الاصطناعي)، وتسمية فئوية (label_B) لنسب النموذج المحدد (0 للحقيقي، و1–5 للمولد المحدد).
التقسيم: تم تقسيم البيانات إلى مجموعات تدريب (42,000)، وتحقق (9,000)، واختبار (45,000).

المساهمات الرئيسية

المحاذاة الدلالية: على عكس مجموعات البيانات السابقة (مثل WildFake وGenImage) التي غالباً ما تعاني من عدم المحاذاة بين المحتوى الحقيقي والاصطناعي، تضمن MS COCOAI اشتراك الصور الحقيقية والاصطناعية في أوصاف متطابقة. وهذا يسمح للباحثين بعزل آثار التوليد (generation artifacts) عن الانحيازات المحتوياتية.
تغطية متنوعة للمولدات: تتضمن مجموعة البيانات مزيجاً متوازناً من الصور من خمسة مولدات حديثة، تغطي كلاً من الأنظمة مفتوحة المصدر (متغيرات Stable Diffusion) والأنظمة مغلقة المصدر (DALL-E 3 وMidJourney v6).
معيار مهام مزدوج: تدعم مجموعة البيانات مهمتين تقييميتين متميزتين:
- المهمة أ (التصنيف الثنائي): التمييز بين الصور الحقيقية والمولدة بالذكاء الاصطناعي.
- المهمة ب (نسب النموذج): تحديد النموذج التوليدي المسؤول عن صورة اصطناعية معينة.
تقييم المتانة: يتيح تضمين الاضطرابات المنهجية اختبار نماذج الكشف ضد التحويلات الصورية الشائعة.

النتائج المرجعية (Baseline Results)
وضع المؤلفون نموذجاً مرجعياً باستخدام مصنف ResNet-50 يعمل على تمثيلات المجال الترددي (المستمدة عبر تحويل فورييه ثنائي الأبعاد 2D Fourier Transform)، وهي استراتيجية مستوحاة من أعمال تحليل التردد السابقة. تسلط النتائج الضوء على فجوة كبيرة في الأداء بين المهمتين:

المهمة أ (حقيقي مقابل اصطناعي): حقق النموذج المرجعي درجة 0.80144، مما يشير إلى أن الكشف الثنائي عن الأصالة أمر ممكن باستخدام ميزات ترددية مباشرة نسبياً.
المهمة ب (نسب النموذج): حقق النموذج المرجعي درجة 0.44913، مما يثبت أن تحديد المولد المحدد هو أمر أصعب بكثير، ويرجع ذلك على الأرجوات إلى تعقيد التصنيف متعدد الفئات والاختلافات الدقيقة بين نماذج الانتشار (diffusion models) الحديثة.

الأهمية والادعاءات
تضع الورقة البحثية MS COCOAI كمعيار صارم يهدف إلى سد الفجوة بين الاستقصاء الأكادى والتنفيذ العملي في كشف الوسائط الاصطناعية. ومن خلال توفير مورد واسع النطاق ومتوافق دلالياً، يهدف المؤلفون إلى تعزيز تطوير تدابير مضادة قابلة للتوسع ضد التضليل المدعوم بالذكاء الاصطناعي. يكمل هذا العمل الجهود الحالية في كشف النصوص المولدة بالذكاء الاصطناعي ويبني على أسس سلسلة ورش عمل Defactify. ويدعي المؤلفون بتواضع أنه بينما يمكن تحقيق الكشف الثنائي، فإن مجموعة البيانات تكشف عن الصعوبة الكبيرة في نسبة النماذج، مما يحدد اتجاهاً واضحاً للأبحاث المستقبلية في تقنيات البصمة الأكثر تطوراً ونهج التعلم متعدد الوسائط.