💬 NLP

From Perceptions To Evidence: Detecting AI-Generated Content In Turkish News Media With A Fine-Tuned Bert Classifier

تقدم هذه الدراسة أول استقصاء تجريبي للمحتوى المُنشأ بواسطة الذكاء الاصطناعي في وسائل الإعلام الإخبارية التركية من خلال ضبط نموذج تصنيف BERT على 3,600 مقال للكشف عن إعادة الكتابة بواسطة النماذج اللغوية الكبيرة، مما كشف أن ما يقرب من 2.5% من المحتوى المفحوص قد تمت إعادة صياغته بواسطة الذكاء الاصطناعي مع إظهار دقة عالية واستقرار زمني للنموذج.

المؤلفون الأصليون: Ozancan Ozdemir

نُشر 2026-02-17

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC0 1.0

المؤلفون الأصليون: Ozancan Ozdemir

البحث الأصلي مُهدى إلى الملك العام بموجب CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ 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 غرفة الأخبار كأنها مطبخ صاخب. لعقود من الزمن، قام الطهاة (الصحفيون) بطهي القصص بأيديهم، يقطعون الخضروات ويحركون القدور بمهارة. ولكن مؤخرًا، تم توظيف طاهٍ آلي جديد فائق السرعة (ذكاء اصطناعي). يمكن لهذا الروبوت تذوق الوصفة، وفهم أسلوب المطبخ، وإعادة كتابة القائمة في ثوانٍ معدودة.

المشكلة؟ أحيانًا يبدو طبخ الروبوت مشابهًا جدًا لطبخ الشيف البشري لدرجة أنك لا تستطيع التمييز بينهما. وأحيانًا أخرى، يرتبك الروبوت ويضع قطعة أناناس على بيتزا كان ينبغي أن تكون بالببروني ("هلوسة").

هذه الورقة البحثية تشبه ناقد طعام ذكي للغاية تدرب على تذوق آلاف الأطباق ليكتشف: "هل طُهيت هذه الوجبة بواسطة إنسان، أم أن الروبوت أعاد كتابتها؟"

إليك تفصيل الدراسة بكلمات بسيطة:

١. المهمة: الإمساك بالطهاة الآليين

لاحظ المؤلف، أوزانجان أوزديمير، أنه بينما يتحدث الجميع عن الذكاء الاصطناعي في الأخبار الإنجليزية، لم يكن أحد يتحقق مما إذا كانت الوسائل الإعلام التركية تستخدمه. لذا، قام ببناء "جهاز كشف الكذب" مخصص للغة التركية تحديدًا.

٢. معسكر التدريب (كيف تعلم الذكاء الاصطناعي)

لتعليم جهاز الكشف الخاص به، لم يستطع مجرد التخمين؛ بل احتاج إلى مجموعة تدريبية، مثل فصل تعليمي للطهي.

الأطباق "البشرية": جمع ١٨٠٠ مقال إخباري من عام ٢٠٢١. لماذا ٢٠٢١؟ لأن ذلك كان قبل الطفرة الكبيرة للذكاء الاصطناعي، وهو يعلم أنها مكتوبة بنسبة ١٠٠٪ بواسطة بشر.
الأطباق "الآلية": أخذ تلك المقالات البشرية نفسها وغذاها لنظام ذكاء اصطناعي (ChatGPT)، مع إعطائه تعليمات صارمة: "أعد كتابة هذا ليبدو وكأنه من إنتاج الصحيفة، لكن دون تغيير الحقائق أو الطول".
النتيجة: أصبح لديه الآن مجموعة بيانات مكونة من ٣٦٠٠ مقال: نصفها بشري ونصفها مُعاد صياغته بواسطة الذكاء الاصطناعي. استخدم هذه المجموعة لتدريب "عقل" (نموذج يُسمى Turkish BERT) لرصد الفوارق الدقيقة بين الكتابة البشرية وإعادة الصياغة الآلية.

التشبيه: تخيل خبيرًا بارعًا في تذوق النبيذ يميز بين نوعين؛ الأول نتاج مزرعة محددة (بشري)، والآخر نسخة طبق الأصل مثالية صنعتها آلة (ذكاء اصطناعي). في البداية، قد يكون لهما نفس المذاق، ولكن بعد تذوق آلاف الأزواج، يتعلم الخبير كيف يرصد فرقًا ضئيلاً يكاد لا يُرى في "المذاق النهائي" الذي تتركه الآلة وراءها فقط.

٣. الاختبار: هل نجح الجهاز؟

تم اختبار "خبير التذوق" على مجموعة جديدة من الأطباق التي لم يسبق له رؤيتها.

النتيجة: حقق نسبة دقة وصلت إلى ٩٧٪. لقد كان جيدًا بشكل مذهل في التمييز بينهما.
الثقة: عندما يقول الجهاز "هذا بشري"، يكون متأكدًا بنسبة ٩٦٪. وعندما يقول "هذا ذكاء اصطناعي"، يكون بنفس القدر من التأكيد. لم يكن يخمن فحًا، بل كان واثقًا.

٤. الكشف الكبير: كم يوجد من الذكاء الاصطناعي في الأخبار التركية؟

بعد جاهزية جهاز الكشف، استخدمه المؤلف لفحص أكثر من ٣٥٠٠ مقال إخباري حقيقي من الأعوام ٢٠٢٣ إلى ٢٠٢٦ (السنوات التي تلت انتشار الذكاء الاصطناعي) من ثلاثة أنواع مختلفة من الصحف:
١. صحيفة محايدة/مركزية.
٢. صحيفة موالية للحكومة.
٣. صحيفة معارضة.

النتائج:

وجود "الروبوت": في المتوسط، حوالي ٢.٥٪ من المقالات الإخبارية تعرضت للمسة الذكاء الاصطناعي.
النمط: لم يكن الأمر فيضانًا، بل كان قطرات شحيحة. معظم الأخبار (٩٧.٥٪) لا تزال تُكتب بواسطة البشر.
la الاتجاه العام: ارتفع استخدام الذكاء الاصطناعي مباشرة بعد إطلاق ChatGPT في عام ٢٠٢٣، ثم انخفض قليلاً، وبدأ يرتفع مرة أخرى في عام ٢٠٢٦.
فحص الانحياز: ومن المثير للاهتمام، أن صحيفة المعارضة استخدمت الذكاء الاصطناعي بنسبة أقل، بينما استخدمت الصحيفة الموالية للحكومة النسبة الأعلى. ومع ذلك، عمل جهاز الكشف بكفاءة متساوية على جميع الأنواع.

٥. لماذا يهم هذا الأمر (ما هي الجدوى؟)

فكر في الأخبار كـ بنك الثقة. إذا كنت لا تعرف ما إذا كانت القصة كتبت بواسطة إنسان أو روبوت، فقد تتوقف عن الثقة بالبنك.

المخاطرة: يمكن للذكاء الاصطناعي أن يخترع حقائق بالخطأ (مثل ذكر ورقة بحثية لتشكيلة فريق كرة قدم غير موجود أصلاً) أو يخفي التحيزات.
الحل: تثبت هذه الدراسة أنه بإمكاننا بناء أدوات للكشف عن ذلك. وهي الخطوة الأولى نحو ضمان معرفتنا بمن (أو بما) كتب الخبر عند قراءته.

الخلاصة

هذه الورقة عبارة عن تحذير وأداة في آن واحد. تقول: "مهلاً، الروبوتات تساعد بصمت في كتابة الأخبار في تركيا. لا يمكننا رؤيتهم بأعيننا، لكننا صنعنا مجهرًا رقميًا يمكنه رصدهم".

يقترح المؤلف أنه تماماً كما تخبرنا الملصقات الغذائية ما إذا كان المنتج عضويًا أو مصنعًا، يجب أن تحمل المقالات الإخبارية ملصقًا يقول: "كُتب بواسطة إنسان"، أو "تمت مراجعته بواسطة الذكاء الاصطناعي". وهذا يحافظ على اطلاع الجمهور وعلى موثوقية الأخبار.

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "من التصورات إلى الأدلة: كشف المحتوى المُنشأ بواسطة الذكاء الاصطناعي في وسائل الإعلام الإخبارية التركية باستخدام مصنف BERT مضبوط بدقة."

1. بيان المشكلة

أثار التكامل السريع للنماذج اللغوية الكبيرة (LLMs) في العمل الصحفي مخاوف بشأن الشفافية، والموثوقية، واحتمالية التحيز والهلوسة في المحتوى الإخباري. وبينما توجد دراسات حوسبية للوسائل الإعلامية الناطقة باللغة الإنجليزية، إلا أن هناك فجوة تجريبية كبيرة في أبحاث الإعلام التركي. تعتمد الدراسات التركية الحالية على المقابلات النوعية أو تركز على كشف "الأخبار الكاذبة" بدلاً من تحديد المحتوى المُنشأ أو المُعدل بواسطة الذكاء الاصطناائي.

وتشمل التحديات الرئيسية الخاصة بهذا المجال ما يلي:

التعقيد اللغوي: اللغة التركية لغة إلصاقية ذات مورفولوجيا غنية، مما يجعل النماذج المدربة على لغات تحليلية (مثل الإنجليزية) غير مناسبة للنقل المباشر.
نقص الحقيقة الأرضية (Ground Truth): لا توجد مجموعات بيانات أو طرق حوسبية موجودة لقياس مدى انتشار استخدام الذكاء الاصطناعي في غرف الأخبار التركية.
الاستقطاب السياسي: الإعلام التركي مستقطب للغاية؛ لذا فإن فهم ما إذا كان اعتماد الذكاء الاصطناعي يختلف عبر الأطياف السياسية (المؤيدة للحكومة، المعارضة، والمركزية) أمر بالغ الأهمية.

2. المنهجية

أ. بناء مجموعة البيانات

قام المؤلفون ببناء مجموعة بيانات مصنفة مكونة من 3,600 مقال إخباري لتدريب مصنف ثنائي (مكتوب بشري مقابل مُعدل بواسطة الذكاء الاصطناعي).

المصادر: تم كشط المقالات من ثلاث مؤسسات إعلامية تركية رئيسية تمثل توجهات سياسية متميزة: مؤسسة مركزية، مؤسسة مؤيدة للحكومة، ومؤسسة متحالفة مع المعارضة.
فئة المحتوى المكتوب بشرياً (1,800 مقال): تم اختيارها عشوائياً من عام 2021، وهي فترة يُفترض أنها سبقت اعتماد النماذج اللغوية الكبيرة في الصحافة التركية، لضمان وجود خط أساس بشري "نقي".
فئة المحتوى المُنشأ/المُعدل بواسطة الذكاء الاصطناعي (1,800 مقال): تم إنشاؤها باستخدام ChatGPT لإعادة كتابة مقالات عام 2021.
- هندسة الأوامة (Prompt Engineering): وجه الأمر النموذج اللغوي الكبير ليعمل كمحرر لصحيفة محددة، مع الحفاظ على الحقائق، والتواريخ، والطول، مع تكييف النبرة، والأسلوب، والطلاقة لتناسب الصوت التحريري للمؤسسة.
- التحقق: أظهرت النصوص الناتجة عن الذكاء الاصطناعي تشابهاً دلالياً عالياً (تشابه جيب التمام $\approx$ 0.9) وأعداد كلمات مماثلة للأصول، مما يضمن أن النموذج يتعلم التحولات الأسلوبية بدلاً من مجرد الاختلافات في المحتوى.

ب. بنية النموذج والتدريب

النموذج الأساسي: dbmdz/bert-base-turkish-cased وهو نموذج BERT مخصص للغة التركية تم تدريبه مسبقاً على حوالي 35 جيجابايت من النصوص التركية (OSCAR، ويكيبيديا، OPUS). يحافظ هذا النموذج على حساسية الحالة (وهو أمر بالغ الأهمية للتمييز بين حرف 'I' المنقط وغير المنقط في التركية) ويتعامل مع المورفولوجيا الإلصاقية.
استراتيجية الضبط الدقيق (Fine-Tuning):
- المهمة: تصنيف ثنائي (بشري مقابل ذكاء اصطناعي).
- الرأس (Head): طبقة تصنيف خطية مضافة إلى تمثيل الرمز [CLS].
- دالة الخسارة: تقاطع الإنتروبيا (Cross-entropy) مع تنعيم الملصقات (Label Smoothing) ( $\alpha=0.1$ ) لمنع الثقة المفرطة.
- التنظيم (Regularization): إسقاط (Dropout) بنسبة 0.2 على الحالات والاهتمام، وتقليم التدرج (Gradient Clipping) بمعيار 1.0، والتوقف المبكر (صبر لمدة 2 حقبة/Epoch).
- المعلمات الفائقة (Hyperparameters): مُحسن AdamW، معدل تعلم $2 \times 10^{-5}$ ، حجم الدفعة (Batch size) 16 (متراكم)، والتدريب بدقة مختلطة (FP16).
- تقسيم البيانات: تقسيم طبقي بنسبة 80/10/10 (تدريب/تحقق/اختبار) للحفاظ على توازن الفئات.

ج. مقاييس التقييم

تم قياس الأداء باستخدام الدقة (Accuracy)، والضبط (Precision)، والاستدعاء (Recall)، ودرجة F1 (المقياس الأساسي نظراً لتوازن تكاليف الإيجابيات الكاذبة والسلبيات الكاذبة). بالإضافة إلى ذلك، تم تحليل درجات ثقة التنبؤ للتحقق الخارجي.

3. المساهمات الرئيسية

أول مجموعة بيانات مصنفة: إنشاء أول مجموعة بيانات مخصصة للكشف عن الأخبار التركية المعدلة بواسطة الذكاء الاصطناعي، مما يعالج فجوة في الموارد.
خط أساس للتعلم العميق: وضع أول خط أساس قائم على المحولات (Transformers) لهذه المهمة في معالجة اللغات الطبيعية التركية، محققاً أداءً يضاهى أحدث ما توصل إليه العلم (state-of-the-art).
القياس التجريبي: الانتقة من الاستطلاعات النوعية للصحفيين إلى تقديم أول توصيف حوسبي مدفوع بالبيانات لاستخدام الذكاء الاصطناعي في الإعلام التركي عبر فترة متعددة السنوات (2023–2026).
إطار عمل قابل للتكرار: توثيق المسار الكامل (الكشط، التعزيز القائم على الأوامة، الضبط الدقيق) للبحوث المستقبلية في اللغات ذات الموارد المحدودة.

4. النتائج

أ. أداء النموذج (داخلياً)

أداء مجموعة الاختبار: حقق النموذج المضبوط بدقة درجة F1 بلغت 97.08% على مجموعة الاختبار المحجوزة.
التماثل: كانت قيم الضبط (Precision) والاستدعاء (Recall) متطابقة تقريباً لكلتا الفئتين (Precision $\approx$ 0.99، Recall $\approx$ 0.98)، مما يشير إلى عدم وجود تحيز منهجي نحو اكتشاف فئة دون الأخرى.
التقارب: تقارب النموذج بسرعة، حيث وصلت خسارة التحقق إلى أدنى حد لها عند الحقبة الرابعة (Epoch 4).

ب. التحقق الخارجي (التطبيق في العالم الحقيقي)

تم تطبيق النموذج المدرب على أكثر من 3,500 مقال غير مرئي من نفس المؤسسات الثلاث الممتدة بين 2023–2026.

تقدير الانتشار: تم تحديد ما يقرب من 2.5% من المقالات الإخبارية في الفترة الزمنية المفحوصة على أنها أعيدت كتابتها أو تعديلها بواسطة النماذج اللغوية الكبيرة.
الاتجاهات الزمنية: بلغ الاستخدام ذروته في عام 2023 (بعد وقت قصير من صدور ChatGPT) وانخفض قليلاً قبل أن يرتفع مرة أخرى في أوائل عام 2026 ليصل إلى مستويات عام 2023.
التباين السياسي:
- مؤسسات المعارضة: أعلى نسبة من المحتوى المكتوب بشرياً (~98%).
- المؤسسات المؤيدة للحكومة: أقل نسبة من المحتوى المكتوب بشرياً (~96.4%).
- المؤسسات المركزية: مستويات متوسطة.
الثقة: تنبأ النموذج بثقة عالية (>96%) عبر جميع المصادر والسنوات، مما يشير إلى استقرار حدود القرار بغض النظر عن التوجه السياسي.

5. الأهمية والآثار المترتبة

المساهمة العلمية: تسد هذه الدراسة الفجوة بين التصورات النوعية والأدلة الكمية في الدراسات الإعلامية التركية. وهي تثبت أن نماذج المحولات يمكنها اكتشاف التحولات الأسلوبية الدقيقة الناتجة عن النماذج اللغوية الكبيرة في اللغات الإلصاقية.
المساءلة الإعلامية: تسلط النتائج الضوء على "فجوة الارتياح" حيث لا يثق الجمهور في محتوى الذكاء الاصطناعي، ومع ذلك، هناك جزء ملموس من الأخوة مدعوم بالذكاء الاصطناعي. وتدعو الدراسة إلى ضرب ملصقات إفصاح إلزامية للصحافة المدعومة بالذكاء الاصطناعي للحفاظ على الثقة العامة.
البحث المستقبلي: توضح الورقة مساراً لتوسيع هذا العمل ليشمل الكشف متعدد الفئات (على سبيل المثال، التمييز بين المكتوب بشرياً، والمُعدل بالذكاء الاصطناعي، والمُنشأ بالكامل بالذكاء الاصطناعي)، وتحليل أنواع إخبارية محددة (رياضة، صحة)، واستخدام بنيات ذات سياق طويل لتجاوز حد الـ 512 توكن الخاص بنموذج BERT القياسي.

6. القيود

حجم العينة: مجموعة البيانات (3,600 مقال) متواضعة بالمعايير الحديثة، كما أن التحقق الخارجي يفتقر إلى تسميات الحقيقة الأرضية (معتمداً على ثقة النموذج).
حد التوكن (Token Limit): يتطلب حد الـ 512 توكن الخاص بـ BERT اقتطاع المقالات الطويلة، مما قد يؤدي لفقدان السياق.
التمثيل: تم استخدام ثلاث مؤسسات فقط، والتي قد لا تستوعب تنوع المشهد الإعلامي التركي بأكمله.

في الختام، توفر هذه الورقة أساساً تقنياً قوياً لمراقبة اعتماد الذكاء الاصطناعي في الصحافة التركية، وتثبت أن الكشف عالي الدقة هو أمر ممكن، وأن استخدام الذكاء الاصطناعي، رغم أنه منخفض حالياً (~2.5%)، هو عامل مستمر وقابل للقياس في الإنتاج الإخباري الحديث.