كيف يمكن اكتشاف محتوى الذكاء الاصطناعي بعد اختفاء العلامات المرئية؟

يمكن كشف بعض المحتوى المولَّد بالذكاء الاصطناعي حتى بعد اختفاء العلامة المائية المرئية (أدوبي ستوك). أثار السماح بإخفاء العلامات المائية المرئية عن بعض المحتويات المولَّدة بالذكاء الاصطناعي سؤالا حول كيفية معرفة المستخدم أو الصحفي أو المنصة مصدر صورة أو فيديو أو نص إذا اختفت الإشارة الواضحة التي تدل على أنه مصنوع بالذكاء الاصطناعي.

الإجابة التقنية لا تعتمد على علامة واحدة، بل على منظومة متكاملة تشمل البصمات الرقمية، وبيانات المصدر، والعلامات المائية غير المرئية، وأدوات التحقق. تتجه شركات الذكاء الاصطناعي حاليا إلى وضع إشارات داخل المحتوى نفسه بدلا من الاكتفاء بشعار ظاهر يمكن حذفه بسهولة.

من أبرز الأمثلة على ذلك معيار "سينث آي دي" (SynthID) من غوغل، الذي يزرع علامة مائية غير مرئية داخل الصور والفيديو والصوت والنصوص. وتقول غوغل ديب مايند (Google DeepMind) إن العلامة المائية مصممة لتكون قابلة للكشف بعد عمليات القص وإضافة المرشحات وتغيير معدل الإطارات والضغط.

وفي النصوص، تعمل التقنية عبر تعديل احتمالات اختيار الكلمات أثناء التوليد لإنتاج نمط إحصائي يمكن اكتشافه لاحقا من دون أن يلاحظه القارئ. وأعلنت غوغل أن مقاطع الفيديو التي ينشئها نموذج جيمناي أومني (Gemini Omni) تتضمن علامة سينث آي دي غير محسوسة، والتي يمكن التحقق منها عبر خدمات جيمناي (Gemini) وكروم وسيرتش.

الطبقة الثانية تعتمد على معيار "سي 2 بي إيه" (C2PA) الذي يشبه جواز السفر الرقمي للمحتوى، حيث يضيف بيانات موثقة تشفيريا تكشف مصدر الملف وبعض التعديلات التي طرأت عليه، مثل معلومات الإنشاء، وأعمال التحرير، والجهاز أو البرنامج المستخدم.

وتستخدم أوبن إيه آي (OpenAI) هذا النهج في الصور التي تنتجها أدواتها عبر الجمع بين بيانات سي 2 بي إيه وعلامة سينث آي دي. وفي المقابل، أعلنت أنثروبيك أن نماذج كلود المستقبلية ستستخدم علامة مائية غير محسوسة داخل النصوص من خلال توجيه الاختيار العشوائي للكلمات بطريقة تعتمد على مفتاح سري.

وعندما تفشل البصمات الرقمية، يمكن اللجوء إلى تحليل المحتوى نفسه عبر أدوات الكشف التقليدية للبحث عن أنماط إحصائية في اللغة أو خصائص بصرية وصوتية قد تختلف عن المحتوى البشري، مما يعكس سباقا مستمرا بين تقنيات التوليد وأساليب الكشف.