تخيل أنك تسير في سوق رقمي صاخب حيث يتشارك الفنانون والمصورون والقصاصون أعمالهم. لسنوات، كان هذا المكان مليئاً بالصور الملتقطة بكاميرات حقيقية. ولكن مؤخراً، وصلت نوع جديد من السحر: حواسيب يمكنها رسم صور مثالية لدرجة أنها تبدو تماماً مثل الحياة الواقعية. هذه هي الصور المولدة بواسطة الذكاء الاصطناعي. إنها جيدة جداً لدرجة أنها قد تخدع أعيننا، مما يجعل الأخبار المزيفة، والتزييف العميق، والتزوير الرقمي واقعاً يومياً. وهذا يخلق مشكلة كبيرة: كيف نميز بين ما هو حقيقي وبين ما هو تحفة فنية صنعها الكمبيوتر؟

لحل هذه المشكلة، قام العلماء ببناء "محققين" باستخدام نوع خاص من عقول الكمبيوتر تسمى "النماذج اللغوية الكبيرة متعددة الوسائط" (MLLM). فكر في هذه النماذج كطلاب أذكياء جداً يمكنهم النظر إلى صورة وكتابة مقال طويل يشرح لماذا قد تكون مزيفة. وبدلاً من مجرد إعطاء إجابة بسيطة بـ "نعم" أو "لا"، يحاول هؤلاء المحققون التفكير في الأدلة، مثل محقق يحل لغزاً. ومع ذلك، هناك عقبة: حتى أذكى المحققين قد يفتقدون الأدلة الصغيرة والدقيقة التي تكشف الزيف. قد يكونون بارعين في كتابة قصة عن صورة، لكنهم ليسوا دائماً جيدين في "رؤية" الشقوق الصغيرة، أو الأنسجة الغريبة، أو الظلال المستحيلة التي تكشف الحقيقة. تتناول هذه الورقة البحثية هذه المشكلة تحديداً: كيف نعلم محققينا الرقميين أن يرو better (يروا بشكل أفضل) قبل أن يبدأوا في كتابة تقاريرهم.

نظارات المحقق الجديدة: ++VERITAS

تعرف على ++VERITAS، وهو إطار عمل جديد ومحسن للمحققين المصمم لكشف الصور المولدة بالذكاء الاصطناعي. أدرك الباحثون وراءه أن المحققين السابقين من الذكاء الاصطناعي كانوا يشبهون طلاباً يمكنهم كتابة مقال رائع عن لوحة، لكنهم يعانون من ضعف شديد في النظر. كان بإمكانهم التحدث عن "الأسلوب الفني" أو "الإضاءة" بطريقة مقنعة للغاية، لكنهم غال ফুল (غالباً) ما يفوتون العيوب المادية الدقيقة التي تثبت أن الصورة مزيفة.

تجادل الورقة بأنك لكي تكون محققاً عظيماً، يجب أن تكون أولاً مراقباً عظيماً. وجد المؤلفون أن نماذج الذكاء الاصطناعي الحالية تعاني من ثلاثة أنواع محددة من "الرؤية":

1. التفاصيل دقيقة الحبيبات: تفويت الأشياء الصغيرة أو الأنسجة الغريبة.
2. الشذوذ الدلالي: عدم ملاحظة متى يبدو الشيء مستحيلاً من الناحية الفيزيائية، مثل يد بستة أصابع أو مبنى بباب لا منطق له.
3. الاختلافات على مستوى البكسل: الفشل في رصد التناقضات الحبيبية الدقيقة التي تحدث عندما يحاول الكمبيوتر دمج صورتين معاً.

ولإصلاح ذلك، بنى الفريق معسكراً تدريبياً من ثلاث خطوات لمحققهم الرقمي.

الخطوة 1: البداية النظيفة (البداية الباردة عالية الجودة)
قبل أن يتمكن المحقق من تعلم حل القضايا المعقدة، يحتاج إلى البدء بصفحة بيضاء. لاحظ الباحثون أنه إذا تركوا الذكاء الاصطناعي يكتب ملاحظاته التدريبية الخاصة، فإنه سيقوم أحياناً بتأليف أشياء (الهلوسة)، مما يخلق أدلة مزيفة لم تكن موجودة. لذا، قاموا بجمع أفضل الأمثلة يدوياً حيث قام البشر بالفعل بالإشارة إلى الأدلة الحقيقية. ثم أعادوا كتابة هذه الأدلة في شكل قصة واضحة ومنطقية. منح هذا الذكاء الاصطناعي أساساً "منخفض الهلوسة"، مما يضمن بدئه بالحقيقة، وليس بقصة مختلقة.

الخطوة 2: التعلم من أجل الرؤية (التعلم الموجه نحو الإدراك)
هذا هو جوهر الطريقة الجديدة. بدلاً من مجرد سؤال الذكاء الاصطناعي: "هل هذه الصورة مزيفة؟"، أعطاه الباحثون سلسلة من "اختبارات الرؤية" المحددة. طلبوا من الذكاء الاصطناعي العث على أشياء محددة، أو التحقق مما إذا كانت اليد تبدو طبيعية، أو مقارنة صورتين للعثور على فروق بكسلية دقيقة.

• التمثيل التشبيهي: تخيل معلماً يعطي طالباً اختباراً. بدلاً من مجرد سؤاله: "هل نجحت في الامتحان؟" (وهي الطريقة القديمة)، يسأله المعلم: "هل يمكنك العث ó (العثور على) الكرة الحمراء في هذه الصورة؟" أو "هل ذراع هذا الشخص منثنية بالطريقة الصحيحة؟".
• النتيجة: يحصل الذكاء الاصطناعي على "مكافأة" فقط عندما يحدد هذه التفاصيل الدقيقة بشكل صحيح. هذا يجبر النموذج على النظر فعلياً في البكسلات والهياكل، وليس مجرد التخمين بناءً على الانطباع العام. تظهر الورقة أن هذه الخطوة تسد الفجوة بشكل كبير، مما يجعل الذكاء الاصطناعي أفضل بكثير في رصد الأشياء الدقيقة التي تخدعه عادةً.

الخطوة 3: المعلم الذكي (التقطير المعتمد على القيمة داخل السياسة)
الآن بعد أن أصبح بإمكان الذكاء الاصطناعي الرؤية بشكل أفضل، احتاج الباحثون إلى تعليمه كيفية استخدام عينيه الجديدتين لإصدار حكم نهائي. استخدموا تقنية تسمى VaOPD (التقطير المعتمد على القيمة داخل السياسة).

• التمثيل التشبيهي: تخيل طالباً يتدرب على إلقاء خطاب. قد يقول المعلم العادي "عمل جيد" أو "حاول مرة أخرى" للخطاب بأكمله. لكن المعلم العظيم يستمع إلى كل كلمة. إذا تعثر الطالب في كلمة معينة، يركز المعلم عليها. إذا ألقى فقرة كاملة بشكل صحيح، يترك الأمر يمر.
• كيف يعمل: يقوم الذكاء الاصطناعي بإنشاء مسار استدلال (مسودة لتقرير المحقق الخاص به). ينظر "معلم متميز" (نسخة أذكى من الذكاء الاصطناعي) إلى تلك المسودة. المعلم لا يقوم بمجرد نسخ ولصق الإجابة؛ بل يكتشف أي أجزاء من استدلال الطالب كانت خاطئة وأي أجزاء كانت عبقرية. ثم يركز التعلم على الأخطاء، خاصة تلك التي فات فيها الدليل على الطالب. هذا يساعد الذكاء الاصطناعي على التعلم بشكل أسرع والتكيف مع أنواع جديدة من التزييف دون نسيان كيفية رصد الأنواع القديمة.

ما وجدوه

النتائج التي حققتها طريقة التدريب الجديدة هذه واعدة للغاية. عند اختبارها ضد مجموعة واسعة من التحديات — من الصور المزيفة القياسية إلى الصور الموجودة "في البرية" (in-the-wild) على وسائل التواصل الاجتماعي، وحتى مولدات الصور الجديدة التي لم تكن معروفة من قبل — تفوق ++VERITAS على الطرق السابقة.

• عيون أفضل، أحكام أفضل: تشير الورقة إلى أنه من خلال تدريب الذكاء الاصطناعي صراحةً على رؤية التفاصيل الدقيقة والعيوب الهيكلية، يصبح القرار النهائي بشأن ما إذا كانت الصورة حقيقية أم مزيفة أكثر دقة بكثير. لم يصبح الذكاء الاصطناعي أفضل في التخمين فحسب؛ بل أصبح أفضل في الاستدلال بناءً على ما رآه بالفعل.
• التكيف مع المستقبل: أحد أروع النتائج هو أن هذه الطريقة تساعد الذكاء الاصطناعي على تعلم الحيل الجديدة بسرعة. عندما قدم الباحثون للذكاء الاصطناعي أنواعاً جديدة من الصور المزيفة (مثل تلك الناتجة عن GPT-Image-2 الأحدث)، تمكن النموذج من التكيف وتحسين مهارات الكشف لديه دون فقدان قدرته على رصد التزييف القديم. هذا يشير إلى أن النموذج أصبح محققاً أكثر مرونة وقوة.
• جودة الاستدلال: بحثت الورقة أيضاً في كيفية شرح الذكاء الاصطناعي لقراراته. قدم النموذج الجديد أسباباً أكثر واقعية ومستندة إلى الأرض. بدلاً من قول "هذا يبدو مزيفاً لأنه غريب"، استطاع الإشارة إلى أن "النص الموجود على هذه اللافتة ضبابي والحروف تذوب"، أو "الانعكاس في النافذة لا يتطابق مع الغرفة".

ما لا تدعيه الورقة

من المهم ملاحظة ما لا تدعيه هذه الورقة. يوضح الباحثون أنه على الرغم من أن ++VERITAS يمثل تحسناً قوياً، إلا أنه ليس عصا سحرية تحل كل شيء.

• ليس مثالياً: تعترف الورقة بأن هناك لا تزال هناك "أنماط فشل". أحياناً، يمكن لصورة حقيقية ذات إضاءة غريبة أو صورة مزيفة عالية الجودة بخلفية مثالية أن تخدع النموذج. يمكن للذكاء الاصطناعي أن يُخدع بـ "الأوهام الدلالية" (أشياء حقيقية تبدو مستحيلة) أو بالصور المزيفة عالية الجودة التي تندمج تماماً في سياق واقعي.
• ليس فورياً: تشير الورقة إلى أنه نظراً لأن هذا النموذج يستخدم استدلالاً معقداً، فإنه يستغرق وقتاً أطول للتشغيل من الكواشف البسيطة. إنه ليس جاهزاً بعد للتطبيقات التي تعمل في الوقت الفعلي حيث السرعة هي الأهم.
• ليس حلاً نهائياً: يقترح المؤلفون أنه بينما قاموا بتحسين جزء "الإدراك" من اللغز، لا يزال هناك عمل يتعين القيام به حول كيفية تقييم هذه التفسيرات تلقائياً وكيفية جعل النظام أسرع.

باخت-صار، تشير ++VERITAS إلى أنه إذا كنت تريد من الكمبيوتر أن يكون محققاً جيداً، فعليك أولاً تعليمه أن يكون مراقباً جيداً. من خلال منح الذكاء الاصطناعي "نظارات" أفضل لرؤية الشقوق الدقيقة في العالم الرقمي، يصبح النظام بأكمله أصعب بكثير في الخداع. إنها خطوة للأمام في لعبة القط والفأر المستمرة بين مبتكري الذكاء الاصطناعي وكاشفي الذكاء الاصطناعي، مما يثبت أن رؤية التفاصيل هي المفتاح لإيجاد الحقيقة.