ما المقصود بـ«العلامة المائية القائمة على الذكاء الاصطناعي»؟

تُعد «العلامة المائية» طريقة للكشف عن المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي، وتعتمد على تحليل تواتر استخدام نموذج اللغة الكبير (LLM) لكلمات معينة. ومن ثم، يصبح من الممكن رصد تلك التغيرات في تواتر الكلمات وتحديد ما إذا كان نص ما قد كُتب بواسطة نموذج معين من الذكاء الاصطناعي.

كيف تعمل العلامة المائية؟

تعمل نماذج اللغة الكبيرة (LLM) عن طريق إدخال مجموعة من الكلمات، ثم إخراج مجموعة من الكلمات المحتملة التي يمكن أن تتبع تلك الكلمات في الجملة. هكذا تكتب الذكاءات الاصطناعية: فهي تقرأ جملةً ما وتنتج قائمةً بالكلمات التي يمكن أن تأتي بعدها في الجملة. ويُعطى لكل كلمة من هذه الكلمات احتمالًا يحدد مدى رغبة نموذج اللغة الكبير في وضعها بعد ذلك. ثم يختار نموذج اللغة الكبير (LLM) من تلك القائمة كلمة لتكون الكلمة التالية فعليًّا، ولكنها ليست بالضرورة (أو حتى في العادة) الكلمة التالية الأكثر احتمالية على الإطلاق – فإذا كان نموذج اللغة الكبير (LLM)، عند إعطائه أي جملة، مثل «أقوم بتمشية...»، يختار دائمًا الكلمة التالية الأكثر احتمالية وهي «كلبي»، فإن نماذج اللغة الكبيرة ستقول نفس الشيء في كل مرة يُطرح عليها نفس السؤال.

إذن، لديك جملة غير مكتملة وقائمة بالكلمات المحتملة التالية للاختيار من بينها. وتكمن أهمية «العلامة المائية» في العملية التي يختار من خلالها نموذج اللغة الكبير (LLM) الكلمة التالية: فهي تعمل على تعديل احتمالات تلك الخيارات من الكلمات التالية.

وهناك طريقة أخرى لشرح ذلك على النحو التالي. لنفترض أن لدينا مجموعة من الكلمات المحتملة التي يمكن أن يستخدمها نموذج اللغة الكبير (LLM) — أي أي كلمة محتملة يمكن أن ينطقها نموذج الذكاء الاصطناعي في أي وقت. سنسمي هذه المجموعة «مفردات نموذج اللغة الكبير». تعمل تقنية «العلامة المائية» من خلال اختيار مجموعة فرعية من المفردات بطريقة شبه عشوائية، وتطبيق مُعدِّل ضئيل على درجة كل كلمة، مما يزيد من احتمالية اختيار بعض الكلمات.

يتم وضع علامة مائية على مجموعة فرعية من مفردات نموذج اللغة الكبير (LLM) تم اختيارها بطريقة شبه عشوائية

لذا، عندما يُعد نموذج اللغة الكبير (LLM) قائمة مرتبة بالكلمات المحتملة، فإن المُعدِّل يجعل هذه الكلمات تحتل مرتبة أعلى قليلاً في القائمة مما كانت ستكون عليه لولا ذلك، وبالتالي تزداد احتمالية اختيارها.

ترتفع الكلمات التي تحمل علامة مائية قليلاً في قائمة الكلمات التالية المرتبة التي يضعها نموذج اللغة الكبير (LLM)

يتم الكشف عن العلامة المائية من خلال فحص النص الناتج وتحديد مدى تكرار ظهور الكلمات التي تحمل العلامة المائية. فإذا ظهرت هذه الكلمات في النص بتكرار أكبر مما تظهر به في اللغة الإنجليزية القياسية، فإن ذلك يُعتبر نتيجة إيجابية، ويُشير كاشف العلامة المائية إلى أن النص مُنتج بواسطة الذكاء الاصطناعي.

كيف تبدو العلامة المائية التي تم إنشاؤها بواسطة الذكاء الاصطناعي؟

العلامات المائية التي يتم إنشاؤها بواسطة الذكاء الاصطناعي غير مرئية، وتشير الدراسات إلى أن وضع العلامات المائية باستخدام الذكاء الاصطناعي لا يؤدي إلى تدهور جودة المخرجات. وقد يبدو هذا أمراً يتعارض مع الفطرة: فإذا كانت العلامات المائية تغير احتمالية ظهور بعض الكلمات في مخرجات نماذج اللغة الكبيرة (LLM)، ألا ينبغي أن يكون ذلك ملحوظاً للإنسان، تماماً كما نلاحظ عندما تستخدم نماذج اللغة الكبيرة كلمات مثل «delve»؟

ويرجع ذلك إلى أن قائمة الكلمات التي تحمل العلامة المائية يتم إنشاؤها عند كل رمز لغوي. أي أن المجموعة الفرعية من كلمات المفردات التي يتم اختيارها لتوضع عليها العلامة المائية تتغير مع كل كلمة جديدة في الجملة. وهذا يعني أن هناك تباينًا أكبر بكثير في المفردات مما قد يتوقعه المرء لو كانت مجموعة الكلمات التي تحمل العلامة المائية مجموعة ثابتة ومحددة مسبقًا.

ما هي مزايا وضع العلامات المائية باستخدام الذكاء الاصطناعي؟

تُعد العلامات المائية مفيدة في الكشف باستخدام الذكاء الاصطناعي لعدة أسباب. أولاً، يمكن أن تحقق العلامات المائية درجة عالية من اليقين بناءً على عدد قليل نسبيًا من الكلمات، على الرغم من أن درجة اليقين تنخفض مع قصر المقاطع، تمامًا كما هو الحال مع اختبار «بانغرام». كما أن العلامات المائية خاصة بكل نموذج على حدة – ففي حين أن «بانغرام» يخبرك فقط ما إذا كان النص قد تم إنشاؤه بواسطة الذكاء الاصطناعي أم لا، فإن العلامات المائية قادرة على إخبارك بالضبط بأي نموذج من الذكاء الاصطناعي أنتج النص. ومع ذلك، فإن النتيجة الإيجابية للعلامة المائية ترتبط أيضًا بالنموذج: فإذا أدخلت نصًا من «تشات جي بي» (ChatGPT) في كاشف العلامات المائية الخاص بـ«كلود» (Claude)، فستحصل على نتيجة سلبية، لأن العلامة المائية لا تظهر إلا في النصوص المكتوبة بواسطة «كلود».

كما أن تطبيق العلامات المائية سهل من جانب شركات الذكاء الاصطناعي: فإمكانية تطبيق العلامات المائية تتطلب تكلفة منخفضة نسبيًا، ولا تتطلب إعادة تدريب النموذج المطلوب استخدامه.

هل يمكن التغلب على العلامات المائية التي تُوضع بواسطة الذكاء الاصطناعي؟

تعتبر العلامات المائية هشة، ويمكن التغلب عليها بسهولة باستخدام استراتيجيات خوارزمية التي تتمتع «بانغرام» بمقاومة قوية تجاهها، مثل «أدوات إضفاء الطابع البشري». فمن السهل التحايل على كاشف العلامات المائية الذي يعتمد على الذكاء الاصطناعي عن طريق استبدال الكلمات بمرادفاتها، لأن العلامة المائية مدمجة في اختيار الكلمات. كما أن تقنية العلامة المائية ثنائية: يمكن لكاشف Pangram التمييز بين المحتوى المدعوم بالذكاء الاصطناعي والمحتوى المختلط بين البشر والذكاء الاصطناعي، في حين أن العلامة المائية تخبرك فقط ما إذا كان نص ما قد مر عبر نموذج لغة كبير (LLM) كخطوة أخيرة قبل وصوله إليك.

في حين أن العلامة المائية يمكن أن تخبرك ما إذا كان نموذجًا ما قد كتب نصًّا ما، فإن النتيجة السلبية التي يظهرها كاشف العلامات المائية لا تعني أن النص لم يُنتج بواسطة الذكاء الاصطناعي، أو حتى أنه لم يُنتج بواسطة النموذج المعني: بل إنها تشير فقط إلى أن العلامة المائية الخاصة بذلك النموذج غير موجودة. فقد يكون النص قد كُتب بسهولة بواسطة نموذج آخر، أو مر عبر برنامج «إنساني» أو برنامج مشابه قام باستبدال الكلمات في النص بمرادفات.

هل يستخدم برنامج «كلود» تقنية العلامة المائية القائمة على الذكاء الاصطناعي؟

نعم، في الوقت الحالي، تستخدم نماذج «كلود» العلامات المائية القائمة على الذكاء الاصطناعي امتثالاً للوائح الاتحاد الأوروبي: فقد بدأت شركة «أنثروبيك» وضع العلامات المائية على مخرجات «كلود» في 2 أغسطس 2026، كما أعلنت في مدونتها.

في الوقت الحالي، لا يستخدم ChatGPT تقنية العلامات المائية القائمة على الذكاء الاصطناعي، ولا يوجد أي أداة موثوقة للكشف عن العلامات المائية القائمة على الذكاء الاصطناعي أو للتحقق منها في النصوص التي يُنتجها ChatGPT.

هل تؤثر العلامات المائية على «بانغرام»؟

لا تؤثر العلامات المائية التي تُضاف بواسطة الذكاء الاصطناعي تأثيرًا كبيرًا على قدرة Pangram على الكشف عن المحتوى المصطنع. ونظرًا لأن العلامات المائية لا تؤدي سوى إلى تعديل طفيف في درجات احتمالية الكلمات التي تستخدمها نماذج اللغة الكبيرة (LLM)، فإن مخرجات نماذج اللغة الكبيرة التي تحمل علامات مائية ستظل قابلة للكشف بواسطة Pangram.

في نهاية المطاف، لا تكتفي العلامات المائية بتمييز النتائج الأكثر وضوحًا والتي لم تُعدَّل من إنتاج الذكاء الاصطناعي، حيث لم يُبذل أي جهد لإخفاء استخدام الذكاء الاصطناعي. ونحن نسعى إلى أن نكون أكثر دقة بكثير، وأن نميز بين المساعدة التي يقدمها الذكاء الاصطناعي، والنصوص المختلطة بين الذكاء الاصطناعي والإنسان، والنصوص التي تم إنشاؤها بالكامل بواسطة الذكاء الاصطناعي. كما أننا لا نأخذ في الاعتبار النموذج المستخدم لإنشاء النص، على عكس أدوات الكشف عن العلامات المائية.

نحن نعتبر وضع العلامات المائية باستخدام الذكاء الاصطناعي أمراً مكملًا لـ«بانغرام». كما نعتقد أنه من المفيد للعالم عمومًا أن تكون هناك مزيد من الشفافية فيما يتعلق بمسؤولية التأليف باستخدام الذكاء الاصطناعي.

الأسئلة الشائعة

هل يحتوي ChatGPT على علامة مائية؟

لا، لا يضع ChatGPT علامة مائية على نصوصه. فقد طورت OpenAI نظامًا لوضع العلامات المائية على النصوص في عام 2024 ، لكنها لم تطلقه قط.

ما هو SynthID؟

SynthID هي العلامة المائية الخاصة بشركة Google المستخدمة في نماذج Gemini منذ عام 2024.

كيف يمكنني التحقق مما إذا كان النص يحتوي على علامة مائية تم إنشاؤها بواسطة الذكاء الاصطناعي؟

تُصدر الشركات المصنعة لنماذج الذكاء الاصطناعي أدوات الكشف عن العلامات المائية التي تعمل بالذكاء الاصطناعي، ولذلك فإن فحص النص بحثًا عن علامة مائية يتطلب أن تمنح الشركة حق الوصول إلى المفتاح الخاص الذي استخدمته لإنشاء العلامة المائية. وحتى 14 سبتمبر 2026، لم تقم أي شركة متخصصة في الذكاء الاصطناعي بإصدار أداة عامة للكشف عن العلامات المائية في النصوص، على الرغم من أن شركة «جيميني» تمتلك أداة عامة للكشف عن العلامات المائية في الصور.

هل يكتشف برنامج «بانغرام» العلامات المائية التي تضعها الذكاء الاصطناعي؟

لا يدعم برنامج «بانغرام» حاليًا الكشف عن العلامات المائية باستخدام الذكاء الاصطناعي.