← أحدث الأبحاث
💻 computer science

Can Vision-Language Models Reason about AI Edits in Images?

تقترح هذه الورقة إطار عمل للتعلم التعزيزي يعتمد على تحسين السياسة النسبية للمجموعة (GRPO)، والذي يُمكّن نماذج الرؤية واللغة من التفكير في تعديلات الصور المُنشأة بواسطة الذكاء الاصطناعي وتحديد مواقع التلاعب باستخدام مكافآت بسيطة للدقة والتنسيق، محققةً أداءً تنافسياً في الكشف دون الحاجة إلى إشراف صريح على التفكير.

المؤلفون الأصليون: Darsha Udayanga, Pin-Yu Chen, Payel Das, Qiang Ji

نُشر 2026-07-31
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Darsha Udayanga, Pin-Yu Chen, Payel Das, Qiang Ji

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 تنظر إلى صورة فوتوغرافية لقطة تجلس على سياج. تبدو حقيقية تماماً، ولكن ماذا لو قام برنامج كمبيوتر فائق الذكاء باستبدال القطة بكلب سراً، أو مسح السياج تماماً؟ هذا هو عالم "الصور المعدلة بالذكاء الاصطناعي"، حيث يمكن للأدوات إنشاء أو تغيير الصور بواقعية شديدة تجعل أعيننا تعجز عن تمييز الفرق. لفترة طويلة، حاولت أجهزة الكمبيوتر رصد هذه التزييفات من خلال العمل كحراس أمن صارمين، يتحققون من وجود خلل صغير وغير مرئي في بيانات الصورة. ولكن مع تحسن مهارة "الفنانين المزيّفين"، يحتاج حراس الأمن أيضاً إلى أن يصبحوا أكثر ذكاءً. وهنا يبرز نوع جديد من عقول الكمبيوتر يسمى "نموذج الرؤية واللغة" (VLM). فكر في نموذج (VLM) كأنه محقق لا يكتفي فقط بالنظر إلى الصورة، بل يمكنه أيضاً القراءة والكتابة، وفهم القصة الكامنة وراء الصورة. عادةً، لتعليم هؤلاء المحققين كيفية رصد التزييف، يتعين على البشر كتابة تفسيرات طويلة ومفصلة لكل صورة مزيفة، وهو أمر بطيء ومكلف. ولكن ماذا لو استطعنا تعليم المحقق كيف يكتشف الأمر بنفسه، بمجرد معرفة ما إذا كان قد أصاب الإجابة أم أخطأ؟

تسأل هذه الورقة البحثية سؤالاً كبيراً: هل يمكننا تعليم هؤلاء المحققين الآليين كيف "يفكرون" بطريقتهم الخاصة لرصد صورة مزيفة دون أن يكتب البشر لهم التفسيرات الخطوة بخطوة؟ يقترح المؤلفون، وهم باحثون من معهد رينسيلار المتعدد التخصصات للعلوم التطبيقية (RPI) وشركة IBM، أن الإجابة هي نعم، وذلك باستخدام خدعة تدريبية ذكية تسمى "تحسين السياسة النسبية للمجموعات" (GRPO). فبدلاً من تسليم الذكاء الاصطناعي كتاباً مدرسياً يشرح له "كيفية رصد التزييف"، فإنهم يتركون الذكما الاصطناعي يحاول حل اللغز عدة مرات. إذا أدت عملية التفكير التي قام بها الذكاء الاصطناعي إلى الإجابة الصحيحة، فإنه يحصل على "ضربة عالية" رقمية (مكافأة)؛ وإذا فشل، يتلقى عبارة "حاول مرة أخرى" بلطف. تشير الورقة إلى أن هذه الطريقة تسمح للذكاء الاصطناعي بتعلم كيفية التفكير في التعديلات — مثل ملاحظة أن الظل لا يتناسب مع الضوء أو أن الملمس يبدو ناعماً للغاية — باستخدام المكافآت البسيطة فقط لكونه صحيحاً واتباعه للتنسيق المطلوب.

وجد الباحثون أن طريقتهم تعمل بشكل جيد بشكل مفاجئ. فقد دربوا محققهم الآلي على كتابة "عملية تفكيره" أولاً (مسار الاستنتاج) قبل اتخاذ قرار نهائي بشأن ما إذا كانت الصورة حقيقية أم مزيفة. وإذا كانت الصورة مزيفة، يقوم الذكاء الاصطناعي أيضاً برسم مربع تقريبي حول المنطقة المشبوهة. بعد ذلك، تستخدم أداة ثانية متخصصة هذا المربع وأفكار الذكاء الاصطناعي لرسم مخطط دقيق لمكان حدوث التعديل بالضبط، بكسل ببكسل. وعندما اختبروا ذلك على مجموعات مختلفة من الصور، تمكن النظام من اكتشاف التلاعب بدقة عالية وتحديد مواقع التعديلات بشكل يقارب أفضل الأنظمة المتقدمة والمشرفة بكثافة المتاحة حالياً. ويشير المؤلفون إلى أن هذا النهج يعد مساراً واعداً لأن هذا يعلم الذكاء الاصطناعي التفكير من تلقاء نفسه، مما يتطلب مساعدة بشرية أقل بكثير من الطرق السابقة. كما قدموا طريقة جديدة لقياس النجاح، تسمى "effective-IoU"، والتي تجمع بين القدرة على رصد التزييف والقدرة على تحديد مكانه بالضبط في درجة واحدة.

باختأصر، توضح الورقة أنه باستخدام تقنية التعلم التعزيزي، يمكننا تدريب نماذج الرؤية واللغة لتعمل كخبراء جنائيين يشرحون عملهم بأنفسهم. وتشير النتائج إلى أن هذه النماذج يمكنها تعلم تحديد التعديلات الناتجة عن الذكاء الاصطناعي وتحديد مواقعها بأداء تنافسي، حتى عندما لا تُعطى لها تفسيرات مفصلة لحفظها. ويلاحظ المؤلفون أنه بينما تعتبر طريقتهم فعالة، إلا أنها لا تزال تعتمد على قدرة النموذج على التعميم من البيانات التي يراها، ويقترحون أن العمل المستقبلي قد يتضمن اختبار نماذج أكبر أو بيانات أكثر تنوعاً لجعل النظام أكثر قوة.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →