كيف يعمل نظام الكشف عن الذكاء الاصطناعي؟

النقاط الرئيسية:

1. تُظهر نماذج اللغة الكبيرة (LLMs) أنماطًا معينة تسمح لأدوات الكشف عن الذكاء الاصطناعي المختلفة بتحديد ما إذا كان النص من إنتاج بشري أم من إنتاج الذكاء الاصطناعي.
2. كانت أجهزة الكشف القديمة تعتمد على مقياسي «التقطّع» و«التشويش»، لكن هذين المقياسين غير موثوقين. أما أجهزة الكشف الحديثة فهي تعمل بشكل أفضل بكثير وتعتمد على مجموعات بيانات أكبر وعلى التعلم النشط.
3. عند اختيار أداة الكشف، ينبغي للمستخدمين تحديد معدلات "النتائج الإيجابية الخاطئة" و"النتائج السلبية الخاطئة" التي يرضون بها. كما ينبغي عليهم تحديد ما إذا كانوا بحاجة إلى أداة للتحقق من الانتحال أو ميزات أخرى قبل اختيار الأداة.
4. لا يجيد الأشخاص الذين لم يتلقوا تدريبًا على كشف المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي القيام بذلك. ومع ذلك، فإن أولئك الذين تلقوا تدريبًا أو يتعاملون بشكل روتيني مع النصوص التي تم إنشاؤها بواسطة الذكاء الاصطناعي يمكنهم التعرف على هذا المحتوى بشكل أفضل من غير المدربين. ويمكن أن يكون هذا الكشف، عند استخدامه بالاقتران مع البرامج، فعالاً للغاية.

ما هي أدوات الكشف عن المحتوى المزيف باستخدام الذكاء الاصطناعي؟

يمكن الكشف عن المحتوى الذي أنتجته الذكاء الاصطناعي. فهي ليست سحرًا أسود، بل شيء يستند إلى الكثير من الأبحاث. في عصر ينتشر فيه المحتوى الذي تولده الذكاء الاصطناعي بشكل متزايد في الأوساط الأكاديمية والإعلامية والتجارية، تعد القدرة على التمييز بين النصوص التي كتبها الإنسان وتلك التي كتبتها الآلة مهارة بالغة الأهمية. يتخذ الذكاء الاصطناعي خيارات لغوية وأسلوبية ودلالية يمكن اكتشافها جميعًا بواسطة عين مدربة أو برنامج اكتشاف آلي جيد بما فيه الكفاية. ويرجع ذلك إلى أننا نستطيع فهم سبب تحدث الذكاء الاصطناعي بالطريقة التي يتحدث بها، وما هي الأنماط التي يمكننا استخدامها لاكتشافه.

كيف تعمل نماذج اللغة الكبيرة؟

قبل أن نتحدث عن كيفية عمل برامج الكشف عن الذكاء الاصطناعي، من المهم أن نفهم أن نماذج الذكاء الاصطناعي هي في الواقع توزيعات احتمالية. ونموذج اللغة الضخم (LLM) مثل ChatGPT هو نسخة بالغة التعقيد من ذلك، حيث يعمل باستمرار على توقع الكلمة أو «الرمز» التالي الأكثر احتمالاً في التسلسل. ويتم تعلم هذه التوزيعات الاحتمالية من كمية هائلة من البيانات، والتي غالباً ما تشمل جزءاً كبيراً من شبكة الإنترنت العامة.

من الأسئلة التي تُطرح كثيرًا: «هل نماذج اللغة القائمة على الذكاء الاصطناعي هي مجرد متوسط لكل ما يكتبه البشر؟» والجواب هو «لا» بشكل واضح. فنماذج اللغة لا تقتصر على حساب متوسط ما يقوله البشر. فمن ناحية، تتخذ نماذج اللغة خيارات ذات طابع خاص للغاية. كما أنها تنطوي على تحيز شديد بسبب مجموعات البيانات المستخدمة في تدريبها والتحيزات التي يتسم بها مبتكروها. وأخيرًا، تم تحسين نماذج اللغة الكبيرة الحديثة (LLMs) لتتبع التعليمات وتقول الأشياء التي يرغب المستخدمون في سماعها، بدلاً من التركيز على الصحة أو الدقة، وهي سمة تجعلها مساعدات مفيدة ولكنها مصادر غير موثوقة للحقيقة.

ويعود ذلك إلى الإجراء الحديث لتدريب نماذج اللغة الكبيرة (LLM)، الذي يتألف من ثلاث مراحل:

1. التدريب التمهيدي: خلال هذه المرحلة من التدريب، يتعلم النموذج الأنماط الإحصائية للغة. وتظهر التحيزات الموجودة في بيانات التدريب في هذه الأنماط. على سبيل المثال، البيانات التي تظهر بشكل متكرر على الإنترنت، مثل ويكيبيديا، ممثلة بشكل مفرط، وهذا هو السبب في أن النصوص التي تولدها الذكاء الاصطناعي غالبًا ما تتسم بنبرة رسمية وموسوعية. بالإضافة إلى ذلك، يتم استخدام العمالة الرخيصة والمستعان بها من الخارج لإنشاء بيانات التدريب، وهو ما يجعل كلمات مثل "delve" و"tapestry" و"intricate" شائعة للغاية في النصوص التي تولدها الذكاء الاصطناعي، مما يعكس المعايير اللغوية لمنشئي البيانات بدلاً من المستخدم النهائي.
2. ضبط التعليمات: خلال هذه المرحلة، يتعلم النموذج اتباع التعليمات والامتثال للأوامر. ونتيجة لذلك، يتعلم النموذج أنه من الأفضل اتباع التعليمات بدلاً من تقديم معلومات دقيقة وصحيحة. ويؤدي هذا إلى سلوك متملق أو "مُرضي للناس"، حيث يعطي الذكاء الاصطناعي الأولوية لتوليد استجابة مفيدة ومقبولة، حتى لو اضطر إلى اختلاق حقائق أو "التخيل" للقيام بذلك. فمن الأهم بالنسبة له إرضاء الناس بدلاً من تقديم المعلومات الصحيحة.
3. التوافق: خلال هذه المرحلة، يتعلم النموذج كيفية التعبير عما يحبه الناس ويفضلونه. ويتعلم ما هي العبارات «الجيدة» و«السيئة». ومع ذلك، قد تكون بيانات التفضيلات هذه متحيزة للغاية، حيث غالبًا ما تفضل الردود المحايدة والآمنة وغير المسيئة. وقد تؤدي هذه العملية إلى تجريد النموذج من صوته المميز، مما يدفعه إلى تجنب الجدل أو الآراء القوية. ولا يستند النموذج اللغوي الكبير (LLM) في الأساس إلى الحقيقة أو الصحة.

نماذج الذكاء الاصطناعي التوليدي هي منتجات تطلقها شركات التكنولوجيا، وتُدرج فيها عمداً تحيزات وسلوكيات تنعكس في نتائجها.

ما هي الأنماط في لغة الذكاء الاصطناعي؟

بمجرد أن تفهم كيفية تدريب النماذج اللغوية الكبيرة (LLMs)، ستتمكن من اكتشاف "العلامات" التي تدل على استخدام أدوات الكتابة التي تعتمد على الذكاء الاصطناعي. وغالبًا ما لا يكون هناك دليل قاطع واحد، بل مزيج من كل هذه الكلمات هو ما يثير شكوكك.

اللغة والأسلوب

• اختيار الكلمات: لدى كتاب المحتوى المدعومين بالذكاء الاصطناعي كلمات مفضلة، مثل: «الجانب»، و«التحديات»، و«التعمق»، و«التحسين»، و«النسيج»، و«الشهادة»، و«الأصالة»، و«الشمولية»، و«الحاسمة»، و«الهامة»، و«التحولية»، بالإضافة إلى ظروف مثل «بالإضافة إلى » و«علاوة على ذلك». ويرجع ذلك إلى التحيز الموجود في قواعد البيانات المستخدمة في التدريب المسبق. وقد يؤدي الاستخدام المتكرر لهذه الكلمات إلى إضفاء نبرة مفرطة في الرسمية أو البهاء، مما يجعلها غالبًا ما تبدو غير مناسبة في سياق مقال طلابي عادي أو في التواصل غير الرسمي.
• أنماط الصياغة: تستخدم الكتابة التي تعتمد على الذكاء الاصطناعي أنماط صياغة مثل «عندما [فعل] الموضوع»، و«من المهم ملاحظة»، و«ليس فقط بل أيضًا»، و«تمهيدًا لـ»، و«وعندما يتعلق الأمر بـ». ورغم أن هذه العبارات صحيحة نحويًا، إلا أنها غالبًا ما تُستخدم كحشو في المحادثة، وقد تجعل النص يبدو عامًا ومبتذلًا.
• التهجئة والقواعد النحوية: عادةً ما يتسم الكتابة التي تنتجها الذكاء الاصطناعي بالتهجئة والقواعد النحوية السليمة، كما أنها تميل إلى استخدام الجمل المعقدة. أما الكتابة البشرية فتجمع بين الجمل البسيطة والمعقدة، بل إن الكُتّاب ذوي الخبرة يستخدمون أحيانًا أنماطًا نحوية لا تتوافق تمامًا مع القواعد النحوية "النظرية" لأسباب أسلوبية، مثل استخدام أجزاء الجمل للتأكيد.

الهيكل والتنظيم

• الفقرات وتركيب الجمل: تميل برامج الكتابة التي تعتمد على الذكاء الاصطناعي عمومًا إلى استخدام فقرات منظمة للغاية، تكون جميعها متقاربة في الطول، وتتميز بتركيبات تشبه القوائم. وقد يؤدي ذلك إلى إيقاع رتيب يفتقر إلى التنوع الطبيعي الذي يتسم به أسلوب الكتابة البشرية. وينطبق هذا أيضًا على طول الجمل.
• المقدمات والخاتمات: عادةً ما تتميز المقالات التي يُنتجها الذكاء الاصطناعي بمقدمة وخاتمة منظمتين للغاية، وغالبًا ما تكون الخاتمة طويلة جدًّا، وتبدأ بعبارات مثل «بشكل عام» أو «في الختام»، وتكرر معظم ما سبق ذكره، حيث تعيد صياغة الفكرة الرئيسية والنقاط الأساسية دون إضافة أي رؤية جديدة أو توليف.

الغرض والشخصية

• الغرض والهدف: عادةً ما تكون النصوص مكتوبة بلغة غامضة للغاية ومليئة بالعبارات العامة. ويرجع ذلك إلى أن عملية ضبط التعليمات تولي أولوية مفرطة للالتزام الصارم بالتعليمات، ومن أجل البقاء في نطاق الموضوع، يتعلم النموذج أنه من الأفضل أن يكون غامضًا وعامًا للغاية لتقليل مخاطر تقديم إجابة خاطئة.
• التفكير والتفكير الإدراكي: تعاني الذكاء الاصطناعي من ضعف شديد في التفكير وربط الكتابة بالتجارب الشخصية... لأنه لا يمتلك أي تجارب شخصية يمكنه ربطها بها! أما الكتابة البشرية، فهي قادرة على إظهار الصوت الفريد والتجربة الشخصية لمؤلفها، وإقامة الروابط، وتوليد أفكار مبتكرة لا تقتصر على مجرد إعادة صياغة للمعلومات الموجودة.
• التغيرات المفاجئة في الأسلوب والنبرة: في بعض الأحيان، يحدث تغيير مفاجئ ومزعج للغاية في النبرة والأسلوب. ويحدث هذا عندما يستخدم الطالب الذكاء الاصطناعي في كتابة جزء من نصه، وليس كله، مما يؤدي إلى إنتاج نهائي غير متسق ومتقطع.

كيفية عمل الكشف عن الذكاء الاصطناعي: ثلاث خطوات

1. تدريب نموذج الكشف بالذكاء الاصطناعي: أولاً، يتم تدريب النموذج. لم تكن أجهزة الكشف المبكرة التي تعتمد على الذكاء الاصطناعي تعمل بشكل جيد لأنها كانت تحاول الكشف عن أجزاء النص التي تتميز بدرجة عالية من «الارتباك» أو «التقلب». التعقيد هو مدى عدم توقع أو مفاجأة كل كلمة في جزء من النص بالنسبة لنموذج لغوي كبير. والتقلب هو التغير في التعقيد على مدار الوثيقة. ومع ذلك، فإن هذه الطريقة بها عدة عيوب، وغالبًا ما تفشل في اكتشاف مخرجات الذكاء الاصطناعي. كما أنها تستخدم فقط مجموعة بيانات نصية محدودة للتدريب. أما النماذج الحديثة والناجحة مثل Pangram، فتستخدم مجموعة بيانات أوسع وتستخدم تقنيات مثل التعلم النشط للحصول على نتائج أكثر دقة.
2. أدخل النص المطلوب تصنيفه وقم بتجزئته: يقوم المستخدم بإدخال النص. وعندما يتلقى المصنف نصًا مدخلاً، فإنه يقوم بتجزئته. وهذا يعني أنه يأخذ النص بأكمله ويقسمه إلى سلسلة من الأرقام التي يمكن للنموذج فهمها. ثم يقوم النموذج بتحويل كل وحدة إلى «تضمين»، وهو متجه من الأرقام يمثل معنى كل وحدة.
3. تصنيف الرمز على أنه بشري أو ذكاء اصطناعي: يتم تمرير المدخلات عبر الشبكة العصبية، مما ينتج عنه تضمين للمخرجات. ثم يقوم رأس المصنف بتحويل تضمين المخرجات إلى تنبؤ بقيمة 0 أو 1، حيث تمثل القيمة 0 التصنيف البشري، بينما تمثل القيمة 1 التصنيف الخاص بالذكاء الاصطناعي.

ماذا عن النتائج الإيجابية الكاذبة والنتائج السلبية الكاذبة؟

يُقاس أداء أداة الكشف عن الذكاء الاصطناعي بعدد حالات "الإيجابية الكاذبة" (FPR) و"السلبية الكاذبة" (NPR) الناتجة عن استخدام الأداة. وتحدث "الإيجابية الكاذبة" عندما يتنبأ الكاشف خطأً بأن عينة من المحتوى المكتوب بواسطة الإنسان هي في الواقع مكتوبة بواسطة الذكاء الاصطناعي. وفي المقابل، تحدث " السلبية الكاذبة " عندما يُخطئ الكاشف في التنبؤ بأن عينة تم إنشاؤها بواسطة الذكاء الاصطناعي هي في الواقع نص مكتوب بواسطة الإنسان.

الكشف البشري مقابل الكشف الآلي

إذا اخترت الكشف عن الذكاء الاصطناعي بالاعتماد على العين المجردة فقط، فيجب أن تكون مدربًا على ذلك. فالأشخاص غير المتخصصين لا يمكنهم تحقيق نتائج أفضل من التخمين العشوائي. وحتى اللغويون المتمرسون لا يمكنهم الكشف عن الذكاء الاصطناعي دون تدريب مخصص. ونوصي باستخدام كلتا الطريقتين للحصول على أفضل النتائج، مما يؤدي إلى عملية تقييم أكثر دقة ونزاهة.

في حين أن أدوات الكشف عن المحتوى التي تعتمد على الذكاء الاصطناعي يمكنها إخبارك بما إذا كان المحتوى قد تم إنشاؤه بواسطة أدوات الذكاء الاصطناعي أم لا، فإن البشر لا يكتفون بإخبارك بما إذا كان المحتوى من صنع الذكاء الاصطناعي أم لا فحسب، بل يمكنهم أيضًا إضافة سياق وفروق دقيقة إلى هذا القرار. فالإنسان على دراية بالسياق: مثل عينات الكتابة السابقة للطالب، وكيف تبدو الكتابة المناسبة لمستوى الصف الدراسي، وكيف تبدو الإجابة النموذجية للطالب على الواجب. ويُعد هذا السياق أمرًا بالغ الأهمية، حيث إن مدى ملاءمة استخدام الذكاء الاصطناعي قد يختلف بشكل كبير اعتمادًا على تعليمات الواجب.

أدوات الكشف التي تعتمد على الذكاء الاصطناعي ليست سوى البداية. فهي لا تشكل دليلاً قاطعاً على أن الطالب قد انتهك النزاهة الأكاديمية، بل هي مجرد نقطة بيانات أولية تستدعي إجراء تحقيق أعمق يراعي السياق. وقد يكون استخدام الذكاء الاصطناعي غير مقصود أو عرضي، أو حتى مسموحاً به في نطاق المهمة المحددة التي كُلفت بها: فالأمر يعتمد على الحالة!

مكافأة: وماذا عن "Humanizers"؟!

أدوات "Humanizers" هي أدوات تُستخدم لـ "إضفاء الطابع البشري" على المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي لتفادي اكتشافه. غالبًا ما يستخدمها مؤلفو المحتوى لتغيير شكل النصوص التي تنتجها الذكاء الاصطناعي. تقوم أدوات "Humanizers" بإعادة صياغة النص، وإزالة كلمات معينة، وإضافة "أخطاء" تشبه تلك التي يرتكبها البشر إلى جزء من المحتوى. في بعض الأحيان، قد يؤدي ذلك إلى جعل النص غير قابل للقراءة بشكل أساسي أو إلى انخفاض جودته بشكل كبير. تقوم العديد من أدوات الكشف عن الذكاء الاصطناعي بتدريب برامجها على اكتشاف النصوص التي تمت إضفاء الطابع البشري عليها. غالبًا ما يكون استخدام أداة "Humanizer" مخاطرة لأنها قد تؤدي إلى انخفاض كبير في جودة النص، وهو أمر مثير للقلق بشكل خاص بالنسبة لأعمال الطلاب.

الآن بعد أن عرفت كيف تعمل هذه الأدوات، جربها على المحتوى الخاص بك. هل هو من صنع الذكاء الاصطناعي أم من صنع الإنسان؟