On the Origin of Synthetic Information by Means of Steganographic Inheritance
تقترح هذه الورقة آلية وراثة إخفائية تدمج سمات نسب قابلة للتتبع بشكل غير مرئي داخل المعلومات الاصطناعية التي يولدها الذكاء الاصطناعي، مما يتيح إعادة بناء تاريخها التطوري وأصولها رغم التعديلات الهيكلية أو الدلالية.
تخيل الإنترنت كغابة شاسعة وفوضوية، حيث يتم إنشاء المحتوى الرقمي — من صور وفيديوهات ونصوص — ونسخه وإعادة مزجه باستمرار بواسطة الذكاء الاصطناعي. تماماً مثل الحيوانات في الطبيعة، لهذه الابتكارات الرقمية "آباء" و"أبناء". ولكن هنا تكمن المشكلة: الذكاء الاصطناعي بارع جداً في عمله لدرجة أنه يمكنه أخذ صورة لقطة وتحويلها إلى لوحة لقطة بأسلوب لا يشبه الأصل على الإطلاق. وبالعين المجردة، لا يشبه "الابن" "الأب" في شيء، مما يجعل من المستحيل تتبع مصدره.
تقترح هذه الورقة حلاً يسمى "الوراثة الستيجانوغرافية" (Steganographic Inheritance). فكر في الأمر كنسخة رقمية من الحمض النووي (DNA)، غير مرئية للعين ولكنها دائمة.
إليك كيف يعمل النظام، مقسماً إلى مفاهيم بسيطة:
1. المشكلة: "خدعة الساحر" للذكاء الاصطناعي
في العالم الطبيعي، يبدو طائر صغير يشبه والديه نوعاً ما. أما في عالم الذكاء الاصطناعي، فقد تبدو صورة جديدة ناتجة عن صورة قديمة مختلفة تماماً. الأمر يشبه ساحراً يخرج أرنباً من قبعة، لكن الأرنب لا يشبه الساحر في شيء. إذا حاولت تخمين الأب بمجرد النظر إلى الابن، فقد تخطئ لأن الذكاء الاصطناعي قد غيّر "المظهر" (النمط الظاهري) بشكل جذري، رغم أن "الشفرة الوراثية" (النسب) لا تزال موجودة.
2. الحل: الحمض النووي الرقمي غير المرئي
يقترح المؤلفون أنه بدلاً من محاولة تخمين الأب من خلال النظر إلى الصورة، يجب علينا دمج بطاقة هوية سرية داخل الصورة في اللحظة التي يتم إنشاؤها فيها.
"السمة": وهي بصمة رقمية صغيرة مكونة من 64 بت (سلسلة من الأصفار والآحاد) تمثل صورة الأب.
"الوراثة": عندما يتم إنشاء صورة جديدة (الابن)، يأخذ النظام بصمة الأب ويخفيها داخل الصورة الجديدة باستخدام تقنية تسمى "الستيجانوغرافيا" (علم إخفاء المعلومات).
التشبيه: تخيل خبازاً يصنع كعكة. قبل تسليم الكعكة للزبون، يضع الخباز ملاحظة صغيرة غير مرئية داخل الكريمة تقول: "صُنعت من دفعة الدقيق رقم 42". لا يمكنك رؤية الملاحظة، وطعم الكعكة يبقى كما هو، ولكن إذا عرفت كيف تبحث، يمكنك العثọ الملاحظة وإثبات مصدر الكعكة.
3. كيف ينجو في "البرية"
العالم الحقيقي فوضوي. الصور يتم تغيير حجمها، أو تغيير ألوانها، أو قصها، أو إضافة فلاتر إليها.
التحدي: إذا التقطت صورة وقمت بقصها، أو غيرت سطوعها، فقد تختفي العلامة المائية العادية.
ادعاء الورقة: النظام الذي بنوه (يسمى CHAS) يشبه ملاحظة غير مرئية وشديدة القوة. لقد اختبروه ضد أشياء مثل تغيير الطقس في الصورة، أو جعلها ضبابية، أو حتى استخدام الذكاء الاصطناعي لإعادة رسم المشهد بالكامل. استطاع نظامهم استعادة "هوية الأب" المخفية حتى بعد تعديل الصورة بشكل كبير.
4. العمل الاستقصائي
عندما يريد شخص ما معرفة مصدر صورة مشبوهة، فإنه لا يخمن. بل يستخدم جهاز فك تشفير لاستخراج الملاحظة المخفية.
يأخذ الملاحظة المخفية من الصورة الغامضة.
يقارنها مقابل "مجموعة" من الصور الأبوية المحتملة.
إذا تطابقت الملاحظات، فهو يعلم أنه وجد الأب. وإذا لم تتطابق الملاحظات، فهو يعلم أن الأب ليس موجوداً في تلك القائمة.
5. ما وجدته الورقة فعلياً (وما لم تجده)
النجاح: يعمل النظام بشكل جيد جداً عندما يحدث توليد الصور ضمن نظام تعاوني (حيث يوافق الذكاء الاصطناعي على إخفاء الهوية). ويمكنه الصمود أمام التعديلات الشائعة مثل القص، التدوير، وتغيير الألوان.
القيود:
قاعدة "التعاون": هذا يعمل فقط إذا وافلت أداة الذكاء الاصطناعي التي تنشئ الصورة على إخفاء الهوية. إذا استخدم شخص سيء النية أداة مختلفة لإعادة توليد الصورة، فإن السلسلة تنكسر ويضيع الرقم التعريفي.
ليس حلاً سحرياً لـ "لماذا": يمكن للنظام أن يخبرك من هو الأب، لكنه لا يستطيع إخبارك لماذا صُنعت الصورة أو ما هي نية المبدع.
خطوة واحدة في كل مرة: حالياً، النظام يجد الأب المباشر فقط. وللعثور على الجد، يجب عليك أولاً العثọ الأب، ثم العثọ والد الأب، خطوة بخطوة.
الملخص
تجادل الورقة بأنه في عصر يمكن للذكاء الاصطناعي فيه إنشاء صور مزيفة لا حصر لها وواقعية للغاية، فإننا بحاجة إلى طريقة لتتبع أشجار عائلاتها. ومن خلال معاملة المحتوى الرقمي ككائنات حية ومنحه "علامات وراثية" غير مرئية وقابلة للتوريث، يمكننا تتبع أصولها حتى عندما تبدو مختلفة تماماً عن أسلافها. الأمر لا يتعلق بإيقاف الذكاء الاصطناعي؛ بل يتعلق بمنح كل معلومة اصطناعية إيصال ميلاد دائماً وغير قابل للكسر.
ملخص تقني: حول أصل المعلومات الاصطناعية عن طريق الوراثة الستيجانوغرافية (إخفاء المعلومات)
بيان المشكلة تتناول الورقة البحثية "لغز الألغاز" في علم المعلومات: تتبع الأصل والنسب التطوري للمعلومات الاصطناعية التي تولدها الذكاء الاصطناعي. وخلافاً للكائنات البيولوجية، حيث يوفر التوريث الجيني نسباً يمكن تتبعه، فإن الوسائط الاصطناعية غالباً ما تخضع لعمليات توليدية تغير السمات الهيكلية والإشارية بعمق بحيث يصبحت العلاقة بين الأصل والنسل غير قابلة للتمييز من خلال التحليل الجنائي السلبي. تفشل الطرق الحالية التي تعتمد على التشابه الإشاري أو الهيكلي عندما ينتج نموذج توليدي "نسلاً" لا يحمل تشابهاً مع المصدر (على سبيل المثال، إعادة سياق صورة بسردية أو أسلوب مختلف تماماً). ويتمثل التحدي الجوهري في تحديد الوالد المباشر لاستعلام اصطناعي بشكل موثوق من بين مجموعة من المرشحين، حتى عندما يخضع المحتوى لمعالجة كبيرة، أو تعديل دلالي، أو تحول هندسي، وعندما لا يكون وجود الوالد مضموناً في المجموعة.
المنهجية: الوراثة الستيجانوغرافية (إخفاء المعلومات) يقترح المؤلفون آلية تشبه الوراثة البيولوجية، تسمى الوراثة الستيجانوغرافية. وبدلاً من الاستدلال السلبي على العلاقات، يقوم النظام بنشاط بدمج "سمة" (تمثيل ثنائي مدمج للوالد) في النسل لحظة التوليد. وتستمر هذه السمة عبر دورة حياة المحتوى في النظام السيبراني.
يعمل النظام في مرحلتين:
المرحلة الأمامية (التوليد): يقوم المسقط (Projector) باستخراج سمة من المحتوى الأصلي. هذه السمة عبارة عن متجه ثنائي ثابت الطول (مثلاً 64 بت). ثم يقوم مشفر ستيجانوغرافي بدمج هذه السمة بشكل غير مرئي في النسل (الصورة المغطاة).
المرحلة الخلفية (الاسترجاع): يقوم مفكك شفرة ستيجانوغرافي باستخراج السمة من صورة الاستعلام. يتم بعد ذلك مقارنة هذه السمة المستخرجة مع سمات مشتقة من آباء مرشحين في مجموعة مرجعية. ويتم ترشيح المرشح صاحب أعلى درجة توافق باعتباره الوالد، بشرى أن يتجاوز التطابق عتبة المصداقية.
الأنظمة الستيجانوغرافية (Stegosystems): تقيم الدراسة خمس طرق لدمج المعلومات: طريقتان كلاسيكيتان لمعالجة الإشارات (تعديل مؤشر التكميم - QIM، والطيف المنتشر المحسن - ISS)، وثلاث طرق قائمة على التعلم (HiDDeN، وStegaStamp، والنظام المقترح CHAS).
نظام CHAS (المستتر الاصطناعي التوافقي المعرفي): هو النظام الستيجانوغرافي المقترح القائم على التعلم. يستخدم بنية متعددة المقاييس حيث يستخرج المشفر تمثيلات الحالة والرسالة، ويحولها إلى أكواد قناة، ثم يعدلها إلى إشارات جيبية (α⋅a⋅sin(ω⋅ϕ+δ)) تُضاف إلى الغطاء. يستخدم مفكك الشفرة تحويلات فوريه وآليات الانتباه متعدد الرؤوس لاستعادة الرسالة. وقد تم تدريبه لتحسين كل من الدقة (التقارب الإدراكي مع الغطاء) والدقة (استعادة البتات).
النتائج التجريبية أُجري التقييم على شجرة تطورية مكونة من 1,600 صورة مولدة من مجموعة بيانات COCO، خضعت لـ 14 عملية معالجة شائعة (الضوء، اللون، التفاصيل، الهندسة) و12 تعديلاً دلالياً (نقل الأسلوب، الملء التلقائي/Inpainting، التعديلات العالمية).
أداء الأنظمة الستيجانوغرافية: في الظروف غير المعدلة، حققت جميع الأنظمة دقة بت تقترب من الكمال. أظهرت الطرق الكلاسيكية (QIM، ISS) قدرة فائقة على الصمود أمام تعديلات اللون والإضاءة، لكنها كانت عرضة للتحولات الهندسية. وأظهرت الطرق القائمة على التعلم قدرة فائقة على الصمود أمام التشوهات الهندسية. حقق نظام CHAS المقترح أكثر صمود مستدام عبر كامل نطاق العمليات الهندسية مع الحفاظ على أداء تنافسي في المجالات الأخرى.
التعديل الدلالي: تحت تأثير التعديلات الدلالية (مثل نقل الأسلوب، والملء التلقائي)، حافظت الطرق الكلاسيكية بشكل مفاجئ على معدلات استعادة أعلى من مستوى الصدفة. بالنسبة للتعديلات المحلية (الملء التلقائي)، حقق نظام CHAS أعلى توافق في البتات. أما بالنسبة للتعديلات الجوية العالمية، فقد كان نظام StegaStamp هو الأفضل، ويُعزى ذلك إلى تدريبه على التباينات في العالم الحقيقي.
الدقة الفيلوجينية (النسبية): عند اقتران النظام بالمسقط، أثر اختيار المسقط بشكل كبير على دقة الاسترجاع تحت ظروف التشوه. انهار SHA-256 حتى مع أدنى تشوه بسبب حساسيتة لأي اضطراب. وأظهرت المساقط الإدراكية والعصبية (pHash، ResNet، CLIP، DINO) مستويات متفاوتة من الصمود اعتماداً على نوع العملية (على سبيل المثال، DINO وpHash كانا صامدين أمام تغيرات التفاصيل؛ وDINO وResNet أمام التغيرات الهندسية).
ديناميكيات المجموعة: في تجارب العينات الدخيلة (الإدراج) أو العينات المفقودة ذات الصله (الحذف)، حقق SHA-256 أعلى مقياس F-score بسبب استقلاله الإحصائي الصارم، مما قلل من الإيجابيات الكاذبة. ومع ذلك، فإن المساقط الإدراكية مثل pHash، رغم كونها أكثر صموداً أمام التغيرات البصرية، عانت من انخفاض في الدقة بسبب ارتفاع معدلات الإيجابيات الكاذبة بين المرشحين المتشابهين بصرياً وغير المرتبطين فعلياً.
المساهمات الرئيسية
الإطار المفاهيمي: تقدم الورقة مفهوم "الوراثة الستيجانوغرافية"، وتؤطر تتبع نسب المعلومات الاصطناعية كمسألة دمج واسترجاع سمات وراثية بدلاً من المطابقة الجنائية السلبية.
تصميم النظام: تقترح بنية نظام كاملة (CHAS) تدمج المعالجة العصبية متعددة المقاييس مع مبادئ نظرية الاتصالات (المعلومات الجانبية عند المرسل) لدمج سمات النسب بشكل قوي.
التحليل النظري: يقدم المؤلفون توصيفاً نظرياً للدقة الفيلوجينية كدالة لمعدلات توافق بتات المسقط ومعدلات توافق بتات النظام الستيجانوغرافي وحجم المجموعة، مع نمذجة عملية الاسترجاع باستخدام التوزيعات الثنائية.
التقييم التجريبي: تقدم الدراسة معياراً شاملاً لمختلف المساقط والأنظمة الستيجانوغرافية تحت طيف واسع من التحولات الواقعية، مع تسليط الضوء على المقايضات بين الدقة التشفيرية والمتانة الإدراكية.
الأهمية والادعاءات تدعي الورقة أن المنهجية المقترحة قابلة للتطبيق، وتثبت أن المعلومات الاصطناعية يمكن منحها نسباً مخفية ولكن قابلة للتتبع تنجو عبر طيف واسع من المعالجات والتعديلات الدلالية. ويضع المؤلفون هذا العمل كخطوة نحو نظام بيئي سيبراني يمكن فيه تتبع "النسب التطوري" للمعلومات الاصطناعية، مما يعالج الثقل الأخلاقي والمجتمعي للحقيقة والثقة والملكية الفكرية في عصر الذكاء الاصطناعي.
ويبقى المؤلفون متواضعين بشأن نطاق حلهم:
يفترض النظام التعاون من المنصة التوليدية؛ فهو لا يدعي الحصانة ضد البيئات العدائية حيث يتم قطع سلسلة الوراثة بواسطة أدوات خارجية.
هو مصمم لاستعادة الزوج المباشر (الأب والابن)؛ أما إعادة بناء أشجار متعددة الأجيال من سليل واحد دون عقد وسيطة فهو خارج نطاق البحث الحالي.
يُقدم الإطار التقني كشرط ضروري ولكنه غير كافٍ للحوكمة، مما يتطلب مشاركة متعددة التخصصات (القانون، الأخلاق، الصحافة) لتحديد القيمة الإثباتية للسمات المستخرجة.
تختتم الورقة برسم توازٍ مع كتاب داروين "أصل الأنواع"، متصورة مستقبلاً تظهر فيه المعلومات الاصطناعية، الناشئة من نماذج توليدية بسيطة، وتتطور إلى "أشكال لا حصر لها، الأكثر حيوية والأكثر تأثيراً"، مع إمكانية تتبع أصولها من خلال الوراثة الستيجانوغرافية.