
تواصل Pangram ترسيخ مكانتها كمرجع موثوق في مجال الكشف عن المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي. ويظهر نهجنا ونموذجنا الرائدان في هذا المجال باستمرار في أحدث الدراسات في مجال الكشف عن الذكاء الاصطناعي، ولذلك أردنا اليوم تسليط الضوء على بعض الدراسات الحديثة ونتائجها!
في هذه الدراسة، يبحث باحثون من جامعة ماريلاند في قدرة البشر على تمييز النصوص التي تولدها الذكاء الاصطناعي. وقد استعانوا بمُصنِّفين ذوي مستويات مختلفة من الإلمام بنماذج اللغة الكبيرة (LLMs) لقراءة 300 مقال غير روائي ومحاولة تصنيفها على أنها مكتوبة بواسطة البشر أو مولدة بواسطة الذكاء الاصطناعي. ووجدوا أن الأشخاص الذين يستخدمون نماذج اللغة الكبيرة بشكل متكرر في مهام الكتابة يتفوقون في تمييز النصوص التي تولدها الذكاء الاصطناعي، حتى دون الحاجة إلى تدريب.
تقارن الدراسة بين قدرات الإنسان و"أجهزة الكشف الآلية" (المعروفة باسم Pangram). ألقِ نظرة على النتائج:

كان نموذج «Humanizer» من Pangram (سنفصّل ذلك أدناه) وPangram هما أفضل أدوات الكشف بفارق كبير، حيث كشفا عن 100٪ من النصوص التي أنشأتها الذكاء الاصطناعي. كما حافظ كلا النموذجين على قدرة عالية على التعامل مع إعادة الصياغة والتعبير البشري، حيث حافظا على معدل كشف بلغ 90٪.
اطلع على الدراسة المنشورة هنا
في هذه الدراسة، سعى باحثون من جامعة بنسلفانيا إلى تقييم مدى قدرة أجهزة الكشف على التعميم لتشمل مجموعة محددة من نماذج الذكاء الاصطناعي وأنواع الوثائق و«الهجمات العدائية» (محاولات جعل النصوص التي أنتجها الذكاء الاصطناعي أصعب في الكشف). ووجدوا أن «أجهزة الكشف قادرة على الكشف بشكل فعال عن النصوص من العديد من المجالات والنماذج في آن واحد». إذا أخبرك أحدهم أن أجهزة الكشف عن الذكاء الاصطناعي لا تعمل، فما عليك سوى إحالة هذا الشخص إلى هذه الدراسة!

ها هو "بانغرام" في الصدارة! لقد احتلينا المركز الأول، متعادلين مع جهاز كشف تابع لفريق بحثي في شركة "ليدوس" تم تصميمه وتدريبه خصيصًا لهذه الدراسة.
اقرأ منشور المدونة الكامل حول هذا الموضوع هنا ، واطلع على الدراسة المنشورة هنا!
تتناول هذه الدراسة هجوماً يُعرف باسم "الترجمة العكسية"، حيث يقوم المخترقون بترجمة النص إلى عدد من اللغات قبل إعادة ترجمته إلى الإنجليزية بهدف التهرب من كشف أنظمة الذكاء الاصطناعي. وقد توصل الباحثون إلى أنه يمكنهم الحفاظ على المعنى الدلالي للنص مع تقليل احتمالية كشف النص من قبل أنظمة الذكاء الاصطناعي بشكل كبير (في معظم أجهزة الكشف 😄).

كما ترون، يُظهر Pangram أفضل أداء في جميع الفئات. وفي حين أن عملية الترجمة العكسية قد تؤدي أحيانًا إلى انخفاض معدل الكشف إلى النصف أو ما يقارب الربع مقارنة بالمنافسين، يظل Pangram قويًا.
اطلع على منشورنا الأول على المدونة هنا ، وعلى الدراسة المنشورة هنا!
إذا كنت ترغب في معرفة المزيد عن الأبحاث التي تجريها Pangram داخليًّا بهدف تحسين نموذجنا، يمكنك الاطلاع على المزيد عن تلك الدراسات هنا:
نحن في Pangram ملتزمون بدعم الأبحاث في هذا المجال، ولذلك نوفر وصولاً مجانيًا وغير محدود للأكاديميين المهتمين بدراسة تقنيات الكشف عن الذكاء الاصطناعي باستخدام Pangram. هل ترغب في معرفة المزيد؟ تواصل معنا عبر البريد الإلكتروني info@pangram.com

إلياس مسرور هو أحد المهندسين المؤسسين لشركة Pangram. منذ انضمامه إلى Pangram بصفته الموظف الثاني في الشركة مباشرة بعد تخرجه من جامعة ماريلاند، عمل على تطوير بنية تحتية أساسية مثل واجهة برمجة التطبيقات (API) لخدمة النماذج، وأنظمة التحكم في الوصول القائمة على الأدوار، ومسارات معالجة الأدلة الداعمة. كما يعمل إلياس عن كثب مع فريق البحث في مشاريع مثل المتانة في مواجهة الهجمات الخبيثة، وقابلية تفسير النماذج، وكشف المحتوى المختلط غير المتجانس. خارج نطاق العمل، يستمتع إلياس بمجموعة واسعة من أشكال الإبداع والتعبير البشري، بما في ذلك صناعة الأفلام والقراءة واستكشاف المدينة.






