← أحدث الأبحاث
💬 NLP

Lost in Speech: Trilingual Spoken Hallucination Detection Across Audio and Transcripts

تقدم هذه الورقة أول معيار متعدد اللغات للكشف عن الهلوسة المنطوقة عبر الإنجليزية والروسية والكازاخية، مما يثبت أن الأساليب القائمة على النصوص تتفوق على المعالجة المباشرة للصوت، مع الكشف عن احتواء المعايير الاصطناعية على إشارات مضللة تعتمد على النموذج إلى جانب الإشارات المتعلقة بالصحة.

المؤلفون الأصليون: Meruyert Aristombayeva, Jason S. Lucas, Chaewan Chun, Dongwon Lee

نُشر 2026-08-26
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Meruyert Aristombayeva, Jason S. Lucas, Chaewan Chun, Dongwon Lee

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

في خضم الهمهمة الهادئة للحوسبة الحديثة، ظهر نوع جديد من الأخطاء، ليس مجرد خطأ بسيط، بل هو اختلاق واثق. فقد أصبحت البرامج الحاسوبية الضخمة، المدربة على مكتبات هائلة من الكتابة والكلام البشري، بارعة بشكل ملحوظ في توليد النصوص والتحدث بأصوات بشرية. ومع ذلك، فإنها تمتلك عادة مقلقة: فهي أحياناً تذكر أشياء كاذبة تماماً، وتقدم الخيال بذات اليقين الذي تقدم به الحقيقة. هذه الظاهرة، المعروفة باسم "الهلوسة"، موثقة جيداً في النصوص المكتوبة، حيث أمضى الباحثون سنوات في بناء أدوات للإمساك بهذه الأكاذيب. ومع ذلك، ترتفع المخاطر بشكل كبير عندما تتحدث هذه الأنظمة بصوت مسموع. فعندما ينشئ الحاسوب تقريراً إخبارياً بصوت بشري، أو عندما يقوم نظام ما بنسخ بث مسموع، يمكن للأخطاء أن تتراكم وتتوالى. قد يسيء الحاسوب سماع كلمة، أو قد يشوه مُخلق صوتي اسماً ما، وهذه الهفوات الصغيرة يمكن أن تتراكم لتصبح قصة تبدو حقيقية ولكنها مختلقة بالكامل. وبالنسبة للغات التي تمتلك موارد رقمية أقل، تصبح المشكلة أكثر حدة، حيث تكون الأدوات المستخدمة لترجمة النص إلى كلام والعكس غالباً أقل دقة.

لقد اتخذ فريق من الباحثين الآن الخطوة الرئيسية الأولى نحو فهم هذا الخطر المحدد في الكلمة المنطوقة. فقد أنشأوا أرض اختبار جديدة، وهي مجموعة ضخمة من القصص الإخبارية بثلاث لغات: الإنجليزية، والروسية، والكازاخية. تتضمن هذه المجموعة من البيانات أكثر من اثني عشر ألف عينة، تتراوح من المقالات الأصلية إلى النسخ التي تم تحريف الحقائق فيها بشكل طفيف أو شديد. والأهم من ذلك، أن الباحثين لم يتوقفوا عند النص فحسب؛ بل أخذوا هذه القصص، وجعلوا الحواسيب تقرأها بصوت عالٍ باستخدام محركات صوتية مختلفة، ثم جعلوا حواسيب أخرى تستمع إلى تلك التسجيلات وتكتبها من جديد. هذه العملية تحاكي الرحلة الواقعية للمعلومات المنطوقة، حيث يتم تحويل الصوت إلى نص ومن ثم العودة مرة أخرى، مما يؤدي إلى إدخال الضجيج والأخطاء المحتملة في كل منعطف. ومن خلال مقارنة القصص الأصلية مع هذه النسخ المنطوقة والمنسوخة، استطاع الفريق أن يرى بالضبط كيف يغير "صوت" الآلة الحقيقة.

ثم وضع الباحثون مجموعة متنوعة من نماذج الذكاء الاصطناعي تحت الاختبار، طالبيين منها أن تعمل كمدققين للحقائق. أرادوا معرفة ما إذا كانت هذه النماذج تستطيع رصد الأكاذيب في النص الأصلي، أو في النسخ المكتوبة للكلام، أو في الصوت الخام نفسه. قدمت النتائج صورة واضحة، وإن كانت قاتمة بعض الشيء. ففي كل الحالات تقريباً، كان أداء النماذج أفضل عندما كانت تقرأ النص مباشرة. وعندما كان على النماذج الاستماع إلى الصوت أو قراءة نسخة منسوخة ولّدتها "أذن" الحاسوب، انخفضت قدرتها على كشف الأكاذب. وكان هذا التراجع أكثر حدة في اللغة الكازاخية، وهي لغة ذات موارد رقمية أقل، حيث تعاني أدوات تحويل الكلام إلى نص أكثر من غيرها. إن الأخطاء التي تدخلها التكنولوجيا نفسها — مثل سوء سماع طفيف للأسماء أو الأماكن — غالباً ما تشتت المكتشفين، مما يجعل من الصعب عليهم التمييز بين الخطأ الحقيقي والاختلاق المتعمد.

كما تناول البحث سؤالاً أعمق حول كيفية عمل هذه المكتشفات. وبما أن الباحثين أنشأوا القصص المزيفة باستخدام الحواسيب، فقد كان هناك خطر من أن المكتشفات تتعرف ببساطة على "أسلوب" جملة كتبها الحاسوب بدلاً من التعرف على الأكاذيب الفعلية. ولاختبار ذلك، استعان الفريق بأمثلة من العالم الحقيقي للمعلومات المضللة: قصص إخبارية كانت متداولة في روسيا وكازاخستان وتم تفنيدها لاحقاً من قبل مدققي حقائق بشريين. وعندما اختبروا مكتشفاتهم على هذه الأكاذيب المكتوبة بشرياً، كان أداء النماذج جيداً بشكل مفاجئ، وغالباً ما طابق أداءها على الزيف المولد حاسوبياً. وهذا يشير إلى أن المكتشفات تتعلم بالفعل العثور على الحقيقة، وليس مجرد الأسلوب. ومع ذلك، كشفت نظرة فاحصة على البيانات الروسية عن تفصيل دقيق: فقد كانت بعض النماذج حساسة جداً لأسلوب "الآلة" لدرجة أنها وصمت حتى القصص الحقيقية التي أعيدت كتابتها بواسطة الحاسوب، بينما ظلت نماذج أخرى أكثر تمييزاً.

في نهاية المطاف، يسلط هذا العمل الضوء على فجوة مستمرة بين كيفية معالجتنا للمعلومات وكيفية معالجة الآلات لها. فبينما يمكننا بسهولة قراءة عنوان واكتشاف كذبة، تعاني الأجيال الحالية من الآلات عندما يكون ذلك العنوان منطوقاً ثم منسوخاً، خاصة في اللغات التي لا تزال التكنولوجيا فيها في طور النضج. وجد الباحثون أن المسار من الصوت إلى النص هو جسر هش، وأن الضجيج الذي يعبره يمكن أن يحجب الحقيقة. وتشير نتائجهم إلى أنه في الوقت الحالي، فإن الطريقة الأكثر موثوقية للإمساك بالهلوسة المنطوقة هي الاستماع إلى الكلمات كنص، بدلاً من محاولة تفسير الصوت الخام مباشرة. ومع ازدياد شيوع تقنيات الصوت هذه في حياتنا اليومية، تصبح الحاجة إلى أدوات قوية يمكنها التنقل عبر ضجيج الكلام وتعقيد اللغات ذات الموارد المحدودة أمراً ملحاً بشكل متزايد. لا يقدم البحث حلاً نهائياً، ولكنه يوفر خريطة واضحة للتضاريس، توضح بالضبط أين تكون الأرض صلبة وأين تبدأ في التداعي.

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.CL →