💬 NLP

Differentially-Private Text Rewriting reshapes Linguistic Style

تُثبت هذه الورقة أن إعادة كتابة النصوص باستخدام الخصوصية التفاضلية، رغم حفاظها على المحتوى الدلالي والتماسك النحوي، تعمل بشكل منهجي على إضعاف الأسلوب اللغوي عبر تجريد النصوص من العلامات التفاعلية والبنى المعقدة، مما يفرض على النصوص المتنوعة نمطاً لغوياً متجانساً وغير متفاعل.

المؤلفون الأصليون: Stefan Arnold

نُشر 2026-04-30

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Stefan Arnold

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 أن لديك مترجماً موهوباً للغاية، ولكنه متوتر قليلاً. مهمتك هي أخذ رسالة شخصية كتبها صديق وإعادة كتابتها بحيث لا يمكن لأحد معرفة من كتبها، مع الحفاظ على القصة الأساسية سليمة. هذا هو ما يحاول إعادة كتابة النص بخصوصية تفاضلية (DP text rewriting) فعله: إنه يغير النص بما يكفي لحماية هوية المؤلف، مع الحفاظ على وضوح المعنى.

لفترة طويلة، كانت هذه المترجمات خرقاء. كانت تستبدل الكلمات الفردية مثل "قطة" بـ "كلب" أو "منزل" بـ "مبنى". وكانت النتيجة فوضى غير مترابطة ومكسورة قواعدياً في كثير من الأحيان، مما يجعلها بلا معنى.

مؤخراً، قمنا بترقية هذه المترجمات لتصبح نماذج لغوية (Language Models) (ذكاء اصطناعي يكتب جملًا كاملة دفعة واحدة). إنها أفضل بكثير في الحفاظ على سلامة القواعد. لكن هذه الورقة البحثية تطرح سؤالاً جديداً: مجرد كون القواعد سليمة، هل تظل "الشخصية" في النص باقية؟

يقول المؤلفون، بقيادة ستيفان أرنولد: لا، الشخصية تضيع.

إليك ما وجدوه، مشروحاً عبر تشبيهات بسيطة:

1. تأثير "المستشفى المعقم"

عندما تعيد كتابة نص لحماية الخصوصية، فإن الذكاء الاصطناعي لا يغير الكلمات فحسب؛ بل يغير الروح (Vibe) أيضاً.

النص الأصلي: تخيل محادثة في حفلة عشاء مفعمة بالحيوية. الناس يستخدمون عبارات مثل "أعتقد"، "تعرف"، يطرحون أسئلة، ويحكون قصصاً عن "الأمس"، ويحاولون إقناعك بشيء ما. إنه أمر فوضوي، عاطفي، وتفاعلي.
النص المفرغ من الخصوصية: يعيد الذكاء الاصطناعي كتابة هذا النص ليصبح تقرير مستشفى معقم. يزيل كل ضمائر "أنا" و"أنت". يتوقف عن سرد قصص عن أوقات أو أماكن محددة. يتوقف عن محاولة إقناعك.
النتيجة: لا يزال النص يقول نفس الحقائق (على سبيل المثال: "الاجتماع حدث")، ولكنه يبدو كآلة تقرأ دليلاً إرشادياً. يفقد "اللمسة البشرية" التي تجعل التواصل يبدو حقيقياً.

2. نوعان مختلفان من المترجمين "المتوتّرين"

اختبرت الورقة نوعين مختلفين من بنيات الذكاء الاصطناعي لمعرفة أيهما يتعامل بشكل أفضل مع "فقدان الشخصية" هذا. فكر فيهما كمترجمين من نوعين مختلفين:

المترجم "التسلسلي" (DP-PARAPHRASE):
- كيف يعمل: يكتب الجملة كلمة بكلمة، مثل شخص يكتب من اليسار إلى اليمين دون النظر إلى الورقة.
- المشكلة: هذا المترجم عالق في روتين معين. لقد تم تدريبه على نوع محدد من بيانات "إعادة الصياغة"، لذا لديه عادة سيئة في تحويل كل شيء إلى أسلوب جاف ومتكرر. حتى لو أخبرته بأن يكون أقل صرامة بشأن الخصوصية، فإنه يستمر في الكتابة بهذه الطريقة المملة والنمطية. إنه مثل موسيقي لا يعرف سوى عزف أغنية حزينة واحدة، بغض النظر عن النوع الموسيقي الذي تطلبه منه.
- النتيجة: يدمر الأسلوب الأصلي تماماً، محولاً كل شيء إلى تقرير مسطح ومحايد.
المترجم "ثنائي الاتجاه" (DP-MLM):
- كيف يعمل: ينظر إلى الجملة بأكملها دفعة واحدة، مثل رسام يتراجع خطوة للخلف ليرى اللوحة بأكملها قبل إضافة ضربة فرشاة. يمكنه استبدال الكلمات في منتصف الجملة مع مراع mind السياق.
- الأخبار الجيدة: هذا المترجم أفضل بكثير في الحفاظ على "النكهة" الأصلية. فهو يحافظ على المزيد من الأسلوب البشري مقارنة بالأول.
- الأخبار السيئة: حتى هذا المترجم "الأفضل" لا يزال يقوم بتطهير النص. فهو لا يزال يجرد النص من الأجزاء العاطفية والتفاعلية، وإن لم يكن بنفس عدوانية المترجم الأول.

3. ما الذي يتم حذفه بالضبط؟

نظر الباحثون في "المكونات" المحددة التي تجعل الكتابة تبدو بشرية، ووجدوا أنها تُحذف بشكل منهجي:

العلامات التفاعلية: تختفي كلمات مثل "أنت"، "أنا"، والأسئلة المباشرة ("هل تعتقد...؟"). النص يتوقف عن التحدث إليك ويبدأ بالتحدث عنك.
السياق: تُزال الإشارات إلى أوقات ("أمس") أو أماكن ("هنا") محددة. يصبح النص منفصلاً عن الواقع.
المنطق المعقد: يتوقف الذكاء الاصطناعي عن استخدام هياكل منطقية معقدة مثل "بسبب" أو "على الرغم من" التي تظهر التفكير العميق. بدلاً من ذلك، يفرط في استخدام "بما أن" أو "بينما" البسيطة لجعل النص يبدو منطقياً، لكنه يبدو سطحياً.

الخلاصة الكبرى

تخلص الورقة إلى أنه بينما نجحنا في تعليم الذكاء الاصطناعي كيفية كتابة نص خاص وقواعدي صحيح، فقد علمناه عن طريق الخطأ أن يكون مملاً وغير شخصي.

الأمر يشبه أخذ لوحة نابضة بالحياة وملونة وتمريرها عبر مرشح (فلتر) يجعل كل شيء باللونين الأبيض والأسود. الأشكال (الحقائق) لا تزال موجودة، ولكن اللون (الأسلوب، العاطفة، الإقناع) قد اختفى.

يحذر المؤلفون من أن أدوات الخصوصية الحالية "عمياء عن السجل اللغوي" (register-blind). فهي لا تهتم إذا كان النص مقال رأي حماسياً أو وثيقة قانونية جافة؛ فهي تعاملهم جميعاً بنفس الطريقة، وتسطحهم جميعاً في أسلوب واحد آمن ولكنه بلا روح. لكي نحمي الخصوصية حقاً دون تدمير التواصل البشري، نحتاج إلى تعليم هؤلاء المترجمين الآليين احترام شخصية النص، وليس فقط الحقائق.

إليك ملخص تقني مفصل لورقة ستيفان أرنولد البحثية بعنوان: "إعادة كتابة النصوص بخصوصية تفاضلية تعيد تشكيل الأسلوب اللغوي".

1. بيان المشكلة

بينما تطورت الخصوصية التفاضلية (Differential Privacy - DP) للنصوص من عمليات استبدال متفرقة على مستوى الكلمات إلى إعادة كتابة سلسة على مستوى الجمل باستخدام النماذج اللغوية الكبيرة (LLMs)، لا تزال هناك فجوة حرجة في فهم تأثيرها على الأسلوب اللغوي.

الفجوة: تنجح آليات الخصوصية التفاضلية الحالية في الحفاظ على المحتوى الدلالي والتماسك النحوي، ولكن يُفترض أنها "عمياء عن السجل اللغوي" (register-blind). ومن غير المعروف ما إذا كانت هذه الآليات تشوه دون قصد القصد التواصلي والهوية الأسلوبية (مثل: الإقناعي مقابل المحايد، أو التفاعلي مقابل المعلوماتي).
المخاطر: إذا قامت آليات الخصوصية بتجريد العلامات الأسلوبية بشكل منهجي (مثل الضمائر الشخصية، أو الجمل التابعة المعقدة، أو الإشارات التفاعلية)، فقد تفقد النصوص الناتجة دقتها الوظيفية، مما يحول الخطاب البشري المتنوع إلى تنسيق عقيم ومتجانس.

2. المنهجية

أجرى المؤلفون توصيفاً أسلوبياً متعدد الأبعاد للنصوص التي تمت معالجتها بالخصوصية التفاضلية لقياس الانحراف الأسلوبي.

النماذج المقارنة:
1. إعادة الصياغة بالخصوصية التفاضلية (DP-PARAPHRASE) (التوليد الذاتي): يعتمد على بنية GPT-2 التي تم ضبطها الدقيق لإعادة الصياغة (Mattern et al., 2022). يولد النص بشكل متسلسل.
2. نموذج اللغة المبطن بالخصوصية التفاضلية (DP-MLM) (ثنائي الاتجاه): يعتمد على بنية RoBERTa مدربة مسبقاً (Meisenbacher et al., 2024). يولد النص عبر استبدال الرموز (tokens) ضمن السياق الكامل للجملة.
ميزانيات الخصوصية: تم التقييم عبر طيف من قيم $\epsilon \in \{10, 25, 50, 100, 250\}$ . يستخدم كلا النموذجين أخذ العينات المعتدل (temperate sampling) كتمثيل لآلية "الأس" (exponential mechanism) للوفاء بضمانات الخصوصية التفاضلية.
مجموعة البيانات: مجموعة فرعية مكونة من 9,691 وثيقة من مدونة سجلات اللغة الإنجليزية عبر الإنترنت (CORE)، تغطي 47 سجلاً لغوياً متنوعاً (من المدونات الشخصية إلى الوثائق القانونية).
إطار القياس الأسلوبي:
- بدلاً من التضمينات (embeddings) الغامضة، تستخدم الدراسة 67 سمة لغوية-نحوية مستمدة من Biber (1991)، مصنفة إلى 16 فئة (مثل: الزمن، الصيغة، التبعية).
- مستويات التحليل:
  1. الأمانة الأسلوبية: تُقاس باستخدام دلتا بوروز (Burrows' Delta) لحساب المسافة التوزيعية بين النص البشري والنص المعاد كتابته.
  2. انحراف السمات: يتم تحليل نسب الاستخدام ( $R = f_{model}/f_{human}$ ) لتحديد العلامات النحوية التي يتم قمعها أو الإفراط في توليدها.
  3. التحول الوظيفي: إسقاط ترددات السمات على محاور Biber الأربعة الأساسية:
    - الإنتاج التفاعلي (Involved) مقابل المعلوماتي (Informational).
    - الخطاب السردي (Narrative) مقابل التفسيري (Expository).
    1. المرجعية الموقفية (Situational) مقابل المرجعية المستفيضة (Elaborated).
    2. الحجاج الإقناعي (Persuasive) مقابل الحجاج المحايد (Neutral).

3. المساهمات الرئيسية

تقدم الورقة ثلاث مساهمات رئيسية تثبت أن إعادة الكتابة بالخصوصية التفاضلية تعيد تشكيل الأسلوب اللغوي بشكل منهجي:

التفاوت الهيكلي في الحفاظ على الأسلوب:
- النموذج ثنائي الاتجاه (DP-MLM): يستوعب ويعيد إنتاج الأسلوب البشري بشكل أكثر فعالية عبر جميع ميزانيات الخصوصية. ومع تخفيف قيود الخصوصية، يقترب أسلوبه من الخط المرجعي البشري.
- النموذج التوليدي الذاتي (DP-PARAPHRASE): يصل إلى مرحلة ثبات (plateau) متميزة، حيث يفشل في استعادة الأسلوب البشري الأصلي حتى عند رفع ميزانيات الخصوصية. ويُعزى ذلك إلى الآثار الأسلوبية (stylistic artifacts) الموروثة من تدريبه على مجموعات بيانات محدودة لإعادة الصياغة.
التطهير النحوي المنهجي:
- تسبب كلا الهيكلين عملية "تطهير" تتميز بـ التآكل الشديد للعلامات التفاعلية (مثل ضمائر المخاطب، الأسئلة المباشرة، والظروف الزمانية والمكانية).
- تحول التبعية: هناك فقدان في البنى السببية المعقدة (مثل بسبب) والتبعية التنازلية (مثل على الرغم من). تُستبدل هذه البنى بمجموعة ضيقة من الروابط الزمنية والتضادية للحفاظ على مظهر من التماسك المنطقي، مما يؤدي إلى تبسيط البنى الجملية.
التحول الوظيفي للقصد التواصلي:
- تثبت الدراسة أن إعادة الكتابة بالخصوصية التفاضلية تفرض تقارباً نحو سجل لغوي غير تفاعلي وغير إقناعي.
- يتحول الخطاب الديناميكي الموجه للأشخاص إلى تقارير معلوماتية عقيمة. وبينما يتم الحفاظ على المحتوى الدلالي، فإن الهوية الوظيفية للنص (مثل قدرته على الإقناع أو الجذب) تتشوه بشكل جوهري.

4. النتائج الرئيسية

المسافة الأسلوبية: يُظهر نموذج DP-MLM باستمرار قيم "دلتا بوروز" أقل (أي أقرب إلى الأسلوب البشري) من نموذج DP-PARAPHRASE. كما يُظهر DP-PARAPHRASE سلوكاً مضطرباً تحت قيود الخصوصية الصارمة ويفشل في التقارب حتى عند تخفيف ضمانات الخصوصية.
نسب السمات:
- نقص التمثيل: تُقلل نسبة الظروف الزمانية والمكانية، والضمائر الشخصية، والأسئلة المباشرة بشكل كبير (النسبة $< 1$ ).
- الإفراط في التوليد: يقوم نموذج DP-PARAPHRASE بالإفراط في توليد الروابط التابعة الزمنية والتضادية (بما يصل إلى 2.5 ضعف الخط المرجعي البشري) لتعويض الفقد في الروابط المنطقية الأخرى.
التحولات في الأبعاد:
- من التفاعلي $\leftarrow$ إلى المعلوماتي: يحول كلا النموذجين الخطاب من خطاب تفاعلي/عاطفي إلى نصوص معلوماتية مجردة ومكثفة. ويظهر DP-PARAPHRASE انحرافاً أكبر بكثير من DP-MLM.
- من الإقناعي $\leftarrow$ إلى المحايد: يتم تحييد القوة البلاغية للحجج. يقوم DP-PARAPHRASE بتسطيح المواقف الذاتية بشكل أكبر بكرثير من النهج ثنائي الاتجاه.
- من السردي $\leftarrow$ إلى التفسيري: تتآكل المسارات السردية، مما يحول سرد القصص إلى بيانات تفسيرية منفصلة.

5. الأهمية والخاتمة

ما وراء الضجيج المعجمي: تؤكد الورقة أن تكلفة الخصوصية تمتد إلى ما هو أبعد من مجرد التباين المعجمي؛ فهي تسبب تحولاً وظيفياً منهجياً للنص.
العمى عن السجل اللغوي: آليات الخصوصية التفاضلية الحالية "عمياء عن السجل اللغوي". فهي تحافظ على الموضوع والمحتوى الدلالي، لكنها تفشل في الحفاظ على العلامات الأسلوبية الدقيقة التي تحدد الخطاب البشري.
الآثار الهيكلية: اختيار بنية النموذج أمر بالغ الأهمية. فالنماذج التي تعتمد على إعادة الصياغة التوليدية الذاتية عرضة لـ "حبس الأسلوب" (style trapping) بناءً على تاريخ تدريبها، بينما يوفر الاستبدال ثنائي الاتجاه متانة أسلوبية أفضل.
التوجهات المستقبلية: يرى المؤلفون أن أبحاث الخصوصية التفاضلية المستقبلية يجب أن تتجاوز مجرد تحسين السلاسة والتكافؤ الدلالي، بل يجب أن تعالج التآكل الأسلوبي لضمان أن النصوص المخصصة للخصوصية لا تحتفظ فقط بضمانات الخصوصة الشكلية، بل أيضاً بالنزاهة الوظيفية المتنوعة للتواصل البشري.

ملاحظة حول المحدودية: تعزل هذه الدراسة الأسلوب اللغوي عن "نسب المؤلف العدائي" (adversarial authorship attribution). وبينما تؤكد الدراسة أن الخصوصية التفاضلية تطهر القصد التواصلي، إلا أنها لم تحدد بعد ما إذا كان هذا التطهير شرطاً ضرورياً لمنع كشف الهوية (أي المقايضة بين الحفاظ على هوية السجل اللغوي وضمان خصوصية المؤلف).