نموذج UNITE للذكاء الاصطناعي يمكنه اكتشاف أي ديب فايك دون الاعتماد على الوجوه

العلماء الآن يتعاملون مع مشكلة الذكاء الاصطناعي باستخدام الذكاء الاصطناعي نفسه. قام الباحثون من جامعة كاليفورنيا ريفرسايد بإنشاء نموذج UNITE لمعالجة المشكلة الخطيرة للديب فايك. 

«يستحق الناس أن يعرفوا ما إذا ما يرونه حقيقي»، قال روهيت كوندو، طالب دكتوراه من كلية مارلان وروزماري بورنس للهندسة بجامعة كاليفورنيا ريفرسايد، الذي قاد الورقة ‘نحو مكتشف فيديو اصطناعي عالمي: من التلاعب بالوجه أو الخلفية إلى المحتوى المُولد بالكامل بالذكاء الاصطناعي.¹ «ومع تحسن الذكاء الاصطناعي في تزوير الواقع، يجب أن نتحسن في كشف الحقيقة». 

تعاون الباحثون مع علماء من جوجل، شركة Alphabet (GOOG )، لتطوير نموذج ذكاء اصطناعي جديد يكتشف تلاعب الفيديو ويكشف المحتوى الزائف، الذي يُستَخدم لنشر المعلومات المضللة وتحريض الضرر. أشارت الدراسة إلى:

«الانتشار السريع للمعلومات المضللة، خاصةً خلال فترات حرجة مثل الانتخابات، يبرز الحاجة إلى نماذج كشف عامة قادرة على تحديد التلاعبات المتنوعة، بما في ذلك الوجه، الخلفية، ومحتوى T2V/I2V المُولد بالكامل بالذكاء الاصطناعي مع/بدون مواضيع بشرية». 

النموذج قادر على اكتشاف كل من الفيديوهات التي تم تعديلها جزئياً والفيديوهات الاصطناعية بالكامل. بدلاً من التركيز فقط على الوجه، كما تفعل معظم أدوات الكشف التقليدية، يحلل هذا النموذج الإطارات الكاملة، بغض النظر عما إذا كان هناك موضوع بشري في الفيديوهات. 

هذا يجعلها أداة قوية يمكن أن تُستخدم من قبل المدققين، المعلمين، المحررين، منصات التواصل الاجتماعي، وغيرهم لمنع انتشار الفيديوهات المعدلة. 

صعود الذكاء الاصطناعي والحمولة الاصطناعية المتزايدة

الذكاء الاصطناعي (AI) يحمل إمكانات هائلة في إحداث ثورة في مختلف جوانب حياتنا وعملنا. 

قد بدأت قدرة هذه التقنية في الأتمتة، تحليل البيانات، واتخاذ القرار في تحويل الصناعات، ومن المتوقع أن تضيف تريليونات متعددة من الدولارات إلى الاقتصاد العالمي بحلول نهاية هذا العقد.

تشير دراسة من عملاق توقعات السوق IDC تقدّر أن صعود الذكاء الاصطناعي سي يعزز الاقتصاد العالمي بمجموع 19.9 تريليون دولار بحلول 2030.

في الوقت نفسه، تتوقع أبحاث ماكنزي أن القيمة المضافة من الذكاء الاصطناعي التوليدي قد تصل إلى $4.4 تريليون عبر الـ 63 حالة استخدام التي حللتها شركة الاستشارات الإدارية العالمية. حوالي 75% من القيمة التي قد يضيفها الذكاء الاصطناعي ستكون فقط عبر أربعة مجالات:

• البحث والتطوير
• هندسة البرمجيات
• التسويق والمبيعات
• عمليات العملاء

بينما من المتوقع أن يكون تأثير التقنية كبيراً عبر جميع القطاعات، قد تشهد التقنية والبنوك أكبر تأثير كنسبة من إيراداتها من الذكاء الاصطناعي التوليدي. غولدمان ساكس تشارك نفس الرأي، متوقعةً زيادة بنسبة 7% في الناتج المحلي الإجمالي العالمي بفضل الذكاء الاصطناعي. أشار الاقتصاديان في البنك، جوزيف بريغز وديفيش كودناني، في ذلك الوقت إلى

«على الرغم من عدم اليقين الكبير حول إمكانات الذكاء الاصطناعي التوليدي، فإن قدرته على توليد محتوى لا يمكن تمييزه عن المخرجات البشرية وتجاوز حواجز التواصل بين البشر والآلات يمثل تقدماً كبيراً قد يكون له آثار اقتصادية كلية هائلة». 

ومع ذلك، فإن هذه القدرة نفسها للأنظمة الحاسوبية على أداء مهام مثل التعلم، حل المشكلات، واتخاذ القرار التي تتطلب عادةً الذكاء البشري، والتي من المؤكد أنها ستُحدث ثورة في العالم، تُرسل العالم أيضاً إلى حالة من الفوضى. 

كلما أصبحت التقنية أكثر تعقيداً، كلما أصبح الخط الفاصل بين ما هو حقيقي وما هو مزيف أكثر غموضاً.

لماذا لا تعمل أدوات كشف الديب فايك القديمة بعد الآن

على مدار السنوات القليلة الماضية، أدت التطورات في الذكاء الاصطناعي إلى طفرة غير مسبوقة في وسائل الإعلام الاصطناعية. تشير التقديرات إلى أن أكثر من نصف المشاركات الطويلة على لينكدإن يتم كتابتها حالياً بواسطة الذكاء الاصطناعي. ثم هناك ما يُسمى «السوائل الاصطناعية»، وهو محتوى منخفض الجودة يُنتج بكميات كبيرة بواسطة الذكاء الاصطناعي.

لكن الأكثر إقناعاً هو الديب فايك، وهو صور أو فيديوهات أو تسجيلات صوتية تم إنشاؤها أو تعديلها باستخدام الذكاء الاصطناعي. إنه محتوى مُصنّع يستخدم الذكاء الاصطناعي لتقديم تمثيل زائف على أنه واقعي.

اليوم، هذا النوع من المحتوى موجود في كل مكان، ويتخلل جميع أركان الإنترنت. هذه الوسائط الرقمية فائقة الواقعية تُسبب ارتباكاً وتُنشر معلومات مضللة. كما تُشكل تهديداً لخصوصية الأفراد وأمانهم. 

يستغل المجرمون الإلكترونيون الذكاء الاصطناعي لتصعيد هجماتهم، حيث ينفذون عمليات تصيد وهجمات سرقة هوية بدقة مقلقة. وفقاً لكوندو:

«من المخيف مدى سهولة الوصول إلى هذه الأدوات. أي شخص يمتلك مهارات متوسطة يمكنه تجاوز الفلاتر الأمنية وإنشاء فيديوهات واقعية لشخصيات عامة تقول أشياء لم تقلها أبداً». 

في إحدى الحوادث، انتحل مجرمون إلكترونيون هوية المدير المالي لشركة ما خلال اجتماع عبر Zoom، مما أدى إلى خسارة قدرها 25 مليون دولار. 

هذا مجرد البداية، حيث تتوقع Deloitte أن خسائر الاحتيال من مثل هذه الحوادث ستصل إلى 40 مليار دولار في الولايات المتحدة بحلول 2027، مقارنةً بـ 12.3 مليار دولار في 2023. كما وجدت تقارير وزارة الخزانة الأمريكية أن «الأطر الحالية لإدارة المخاطر» التي تعتمدها الشركات «قد لا تكون كافية لتغطية التقنيات الناشئة للذكاء الاصطناعي». 

هذا لا يعني أنه لا توجد أدوات للمساعدة في اكتشاف محتوى الذكاء الاصطناعي وحماية الذات من مخاطر التقنية. في الواقع هناك العديد من الأدوات المتاحة في السوق.

الشركات نفسها التي تُطلق أدوات ذكاء اصطناعي جديدة لتسهيل إنشاء محتوى جديد تُقدّم أيضاً طرقاً للمساعدة في كشف البيانات الاصطناعية.

في عام 2020، أعلنت شركة التقنية العملاقة Microsoft (MSFT ) عن أداة Video Authenticator لتحليل صورة ثابتة أو فيديو وتقديم درجة ثقة لتحديد ما إذا كان الوسائط مُعدَّلةً اصطناعياً. تعمل الأداة عن طريق اكتشاف حدود دمج الديب فايك وتلاشيه الدقيق الذي قد لا يلاحظه العين البشرية.

في ذلك الوقت، قدمت أيضاً تقنية لتحديد المحتوى المزيف وتأكيد أصالة الوسائط التي يتفاعل معها المستخدمون. وشملت أداة تسمح للمبدعين بإضافة تجزئات رقمية وشهادات إلى محتواهم، تُخزَّن كبيانات وصفية داخل الملف. كما تم تقديم طريقة للقراء للتحقق من الشهادات ومطابقة التجزئات لضمان أصالة المحتوى.

حذرت شركة التقنية من فائدة الأداة على المدى القصير في عصر يهيمن عليه الذكاء الاصطناعي. بما أن الديب فايك يُنتج بواسطة ذكاء اصطناعي يتعلم باستمرار، فإن الوقت فقط مسألة قبل أن يتجاوز طرق الكشف التقليدية.

في الوقت نفسه، أطلقت شركة Facebook، وهي شركة Meta (META ) مبادرة مسابقة لتطوير مكتشف ديب فايك باستخدام البيانات التي لم يكن لدى الباحثين إمكانية الوصول إليها مسبقاً.

قبل بضع سنوات، طوّرت شركة Intel (INTC ) أداة FakeCatcher، مكتشف ديب فايك في الوقت الحقيقي، تدّعي أن لديها دقة تصل إلى 96%.

استخدمت الأداة OpenVino لتشغيل نماذج الذكاء الاصطناعي لاكتشاف الوجه ومعالمه، بينما تم تحسين كتل الرؤية الحاسوبية باستخدام مكتبة Integrated Performance Primitives وOpenCV. أما من حيث العتاد، فإن المنصة يمكنها تشغيل أكثر من سبعين تدفق كشف مختلف في آنٍ واحد على معالجات Xeon® Scalable من الجيل الثالث.

بدلاً من محاولة العثور على ما هو خاطئ، يبحث FakeCatcher عن أدلة أصيلة من خلال تقييم ما يجعلنا بشرًا ثم يستخدم الخوارزميات لتحويل تلك الإشارات إلى خرائط زمانية مكانية، وأخيراً يستخدم التعلم العميق لاكتشاف ما إذا كان الفيديو حقيقيًا أم مزيفًا على الفور.

في العام الماضي، أعلنت شركة OpenAI عن أبحاثها لتطوير أدوات تساعد في أصالة المحتوى.

يتضمن ذلك وضع علامة مائية على النصوص، والتي أشارت إلى فعاليتها ضد التلاعب المحلي ولكن ليس كثيرًا ضد التلاعب الشامل. كما صرّحت بأنها قد «تؤثر بشكل غير متناسب» على مجموعات مثل غير الناطقين بالإنجليزية.

جاء هذا التحديث بعد أن أبلغت صحيفة Wall Street Journal أن الشركة قد طورت أداة تُضيف علامة مائية وتكتشف نصوص ChatGPT بدقة عالية لبعض الوقت، لكنها لم تتخذ قرارًا بعد بإصدارها.

بالإضافة إلى ذلك، انضمت OpenAI إلى اللجنة التوجيهية لـ C2PA (التحالف من أجل أصلية ومصداقية المحتوى)، وهو معيار واسع الاستخدام لتوثيق المحتوى الرقمي. تضيف الشركة بيانات تعريفية C2PA إلى جميع الصور التي تُنشئها وتُعدلها عبر خدماتها، كجزء من أدوات كشف الصور.

هذا العام، طوّرت جوجل أيضًا أداة كشف للذكاء الاصطناعي تُسمى SynthID Detector. 

لكن أداة جوجل تعمل فقط على المحتوى الذي تم إنشاؤه باستخدام خدمات الذكاء الاصطناعي الخاصة بها مثل Gemini، Imagen، Veo، وLyria. ذلك لأن الأداة أساساً تُحدد وجود «علامة مائية» التي تُدمج منتجات جوجل في مخرجاتها.

العلامة المائية هي عنصر فريد قابل للقراءة آليًا يُدمج في المحتوى. غير قابل للتعرف من قبل البشر، يمكن اكتشافه واستخراجه بواسطة خوارزميات مخصصة لهذا الغرض.

التقنية التي تقف وراء اختراق UNITE

مع تقدم تقنية الذكاء الاصطناعي بسرعة، تتطور الأدوات التي تكشف عن المحتوى المُولد بمساعدتها. لكن لا توجد أداة شاملة يمكن للجميع استخدامها على جميع أنواع المحتوى المُولد بالذكاء الاصطناعي.

علاوةً على ذلك، يظل تركيز تقنيات كشف الديب فايك الحالية، خاصةً، على التلاعبات الوجهية مثل مزامنة الشفاه أو تبديل الوجوه، ومع تقدم التقنية تصبح هذه الأساليب غير كافية.

مع التقدم التكنولوجي في نماذج التوليد من النص إلى الفيديو (T2V) ومن الصورة إلى الفيديو (I2V)، أصبح بإمكان أي شخص إنشاء محتوى اصطناعي كامل مقنع بسهولة، بما في ذلك تعديل الخلفيات بسلاسة. وهذا، بطبيعة الحال، يعرض الأفراد والمؤسسات وحتى الدول لمخاطر جدية.

في ظل هذا السياق، الاعتماد الكامل للمكتشفات السابقة على الوجه يجعلها قديمة في عالم اليوم المتقدم تقنياً. 

«إذا لم يكن هناك وجه في الإطار، فإن العديد من المكتشفات ببساطة لا تعمل. لكن المعلومات المضللة يمكن أن تأتي بأشكال متعددة. تعديل خلفية المشهد يمكن أن يشوه الحقيقة بسهولة مماثلة». 

– كوندو

لذلك، لا تعمل المكتشفات التقليدية على التلاعبات الحديثة، حيث أن المحتوى الاصطناعي الجديد يتضمن مشاهد وخلفيات كاملة، مما يشكل تحديًا لطرق الكشف التي تركز على الوجه.

هذا يتطلب نهجًا أكثر تنوعًا. كحل لهذه المشكلة، قدم باحثو UC Riverside نموذج UNITE.

النموذج الشامل لتحديد الفيديوهات المُعدَّلة والاصطناعية (UNITE) يلتقط التلاعبات على كامل الإطار.

«الديب فايك تطورت،» قال كوندو، الذي يركز في UC Riverside على الاستفادة من نماذج الأساس لمهام الرؤية المتقدمة، بما في ذلك تجزئة الصور واكتشاف الوسائط المزيفة. «لم تعد مجرد تبديل وجوه. الآن يُنشئ الناس فيديوهات مزيفة بالكامل — من الوجوه إلى الخلفيات — باستخدام نماذج توليدية قوية. نظامنا مُصمم لالتقاط كل ذلك». 

يمتد النموذج إلى سيناريوهات لا توجد فيها وجوه أو لا مواضيع بشرية، وعلى ذلك، يمكنه التعرف على الفروقات المكانية والزمانية الدقيقة وحتى تغطية تعديل الخلفيات المعقدة التي فاتت الأنظمة السابقة.

بفحص الوجوه والخلفيات وأنماط الحركة، وبالتالي تغطية إطارات الفيديو الكاملة، يقدم UNITE أحد أولى الأدوات التي تُحدد الفيديوهات الاصطناعية دون الاعتماد فقط على محتوى الوجه.

لتحقيق ذلك، يستخدم النموذج نموذج تعلم عميق قائم على المحول، وهو نوع من الشبكات العصبية التي توظّف آلية انتباه متعددة الرؤوس لمعالجة البيانات المتسلسلة. هنا، يُحوَّل النص إلى تمثيلات رقمية تُسمى رموز. هذه البنية هي الأساس للعديد من نماذج اللغة الحديثة مثل GPT. 

من خلال معالجة المعلومات بشكل متوازي، يمكن للمحولات تسريع التدريب وتحسين الأداء.

في حالة UNITE، تعالج بنية المحول ميزات غير مرتبطة بمجال معين تُستخرج من الفيديوهات عبر نموذج الأساس SigLIP-So400M. الإطار الأساسي للذكاء الاصطناعي SigLIP يستخرج ميزات لا تقتصر على كائن أو شخص معين.

نظرًا لندرة مجموعات البيانات التي تغطي تغييرات كل من الوجه/الخلفية ومحتوى النص‑إلى‑فيديو/الصورة‑إلى‑فيديو، استخدم الفريق استراتيجيات تدريب مبتكرة لنموذجهم. هذا يعني التدريب باستخدام بيانات غير ذات صلة بالمهمة إلى جانب بيانات الديب فايك التقليدية. 

إضافةً إلى مجموعة البيانات الشهيرة FaceForensics++، استخدم الفريق مجموعة البيانات SAIL‑VOS‑3D، التي تحاكي بيئات معقدة وتوفر مشاهد اصطناعية متنوعة مفيدة لتدريب نماذج كشف الذكاء الاصطناعي. تجدر الإشارة إلى أن هذه المجموعة صُممت أصلاً لتجزئة كائنات الفيديو ثلاثية الأبعاد في لعبة GTA‑V. وعلى الرغم من أنها ليست مُولَّدة بالذكاء الاصطناعي، فإنها اصطناعية بالكامل وتساعد في محاكاة وسائط مُولَّدة بالذكاء الاصطناعي.  وجد الفريق أن ذلك يعزز قدرة النموذج على اكتشاف أشكال مختلفة من التلاعب الاصطناعي.

قدمت جوجل الوصول إلى مجموعات البيانات المطلوبة بالإضافة إلى موارد الحوسبة لتدريب النموذج. 

لتقليل ميل النموذج إلى التركيز الزائد على الوجوه، استخدم الفريق أيضًا خسارة تنوع الانتباه (AD loss)، التي تشجع على تنوع الانتباه المكاني عبر إطارات الفيديو.

تم دمج خسارة AD مع خسارة الانتروبي المتقاطع (cross‑entropy)، المعروفة أيضًا باسم دالة خسارة اللوغاريتم، وتُستخدم عادةً في تعلم الآلة لقياس أداء نموذج التصنيف، بهدف تحسين أداء النموذج عبر مواقف متنوعة.

فقط تدريب النموذج على خسارة الانتروبي المتقاطع (CE) يجعل من الصعب عليه التعامل مع الفيديوهات التي تحتوي على موضوع بشري حقيقي مع خلفية مُعدَّلة أو محتوى مُولَّد بواسطة نماذج T2V وI2V.

لذلك، قدم الفريق خسارة AD التي تدفع النظام لمراقبة مناطق بصرية متعددة في كل إطار، مما يعزز قدرة النموذج على التقاط العلامات المهمة من كل من المقدمة والخلفية.

تُعد خسارة AD الابتكار الرئيسي في نهج الفريق، مما يتيح لـ UNITE ليس فقط التفوق في اكتشاف الفيديوهات المُولَّدة بالذكاء الاصطناعي وتلك التي تم تعديل خلفياتها، بل أيضًا تحقيق تحسين ملحوظ في التعرف على المحتوى المُعدَّل بالوجه.

عند مقارنة أداء UNITE مع نماذج أخرى، وجد الفريق أنه «يتفوق على المكتشفات المتقدمة في مجموعات البيانات (في إعدادات البيانات المتقاطعة) التي تشمل تلاعبات الوجه/الخلفية والفيديوهات الاصطناعية بالكامل T2V/I2V، مما يبرز قابليته للتكيف وقدرته العامة على الكشف». 

في عالم يزداد رقميةً وأتمتةً، يقدم النظام الجديد مكتشفًا عالميًا يمكنه الإشارة إلى مجموعة من التزويرات، من تبديل الوجوه البسيط إلى الفيديوهات الاصطناعية الكاملة التي تُنشأ دون أي لقطات حقيقية. وفقًا لكوندو:

«إنه نموذج واحد يتعامل مع كل هذه السيناريوهات. هذا ما يجعله عالميًا». 

حالياً قيد التطوير، يُعتبر UNITE، بحسب مبتكريه، أداة قيمة في مشهد كشف الفيديوهات الاصطناعية المتنامي. قريبًا، من المتوقع أن يلعب دورًا رئيسيًا في الدفاع ضد معلومات الفيديو المضللة.

الاستثمار في الكشف القائم على الذكاء الاصطناعي

في مجال الذكاء الاصطناعي، تُعد Palantir Technologies (PLTR ) معروفة بدمج البيانات المدعوم بالذكاء الاصطناعي، التعرف على الأنماط، واكتشاف الشذوذ. 

تعمل الشركة عبر أربع منصات برمجية رئيسية: Gotham، Foundry، Apollo، وAIP. Apollo هو طبقة تحكم واحدة تُنسق التكوين، تحديثات الأمان، وتوصيل الميزات الجديدة لضمان التشغيل المستمر للأنظمة الحرجة. يتيح Gotham للمستخدمين تحديد الأنماط المخفية داخل مجموعات البيانات، بينما يعمل Foundry كنظام تشغيل لإدارة الأصول والمخاطر بفعالية. يتيح AIP للشركات تشغيل نماذج اللغة الكبيرة (LLMs) وغيرها من النماذج مع تحكم كامل.

Palantir Technologies (PLTR )

تتمتع Palantir بعلاقات عميقة مع الحكومة الأمريكية، الجيش، ووكالات الاستخبارات. هذا العام، حصلت على عقد بقيمة 30 مليون دولار لتطبيق التحليل الذكي على سجلات الهجرة.

مع قيمة سوقية تبلغ 372 مليار دولار، تُتداول أسهم PLTR حالياً عند 157.72 دولار، بارتفاع هائل قدره 109.35% منذ بداية العام، بفضل الطلب على الذكاء الاصطناعي، الاهتمام الكبير من المستثمرين الأفراد، وتوسّع العقود الحكومية. ربحية السهم (TTM) هي 0.23، ومعدل السعر إلى الأرباح (P/E) (TTM) هو 687.90.

من الناحية المالية، أبلغت Palantir عن زيادة بنسبة 39% على أساس سنوي في الإيرادات لتصل إلى 884 مليون دولار في الربع الأول من 2025. في الوقت نفسه، ارتفعت إيراداتها في الولايات المتحدة بنسبة 55% على أساس سنوي لتصل إلى 628 مليون دولار، بما في ذلك 255 مليون دولار من الإيرادات التجارية الأمريكية و373 مليون دولار من إيرادات الحكومة الأمريكية.

خلال هذه الفترة، سجلت الشركة أعلى قيمة عقد تجاري أمريكي إجمالي، حيث بلغ باقي قيمة الصفقات 2.32 مليار دولار.

زاد عدد عملاء Palantir في الربع الأول من 2025 بنسبة 39% على أساس سنوي. كان ربح السهم وفقًا لمبادئ المحاسبة المقبولة عمومًا (GAAP) 0.08 دولار، وكان ربح السهم المعدل 0.13 دولار. بلغت النقدية وما يعادلها والأوراق المالية الأمريكية قصيرة الأجل 5.4 مليار دولار في نهاية الربع.

«نحن نوفر نظام التشغيل للمؤسسات الحديثة في عصر الذكاء الاصطناعي. نحن في وسط تحول جيولوجي في تبني برامجنا، خصوصًا في الولايات المتحدة». 

– الرئيس التنفيذي ألكسندر سي. كارب

آخر أخبار وتطورات أسهم Palantir Technologies (PLTR)

الخاتمة

لقد غير ظهور الذكاء الاصطناعي العالم بالكامل، حيث يتبنى الأفراد والمؤسسات التقنية لتحسين الإنتاجية وتعزيز اتخاذ القرار.

من المتوقع أن يساهم الذكاء الاصطناعي بتريليونات في الاقتصاد العالمي، لكنه لا يخلو من المخاطر. تُعد الديب فايك واستخدامها لنشر المعلومات المضللة والاحتيال أحد أخطر مخاطر انتشار الذكاء الاصطناعي. 

مع صعوبة التمييز بين ما هو حقيقي وما هو اصطناعي، تصبح أدوات مثل UNITE أكثر أهمية وإلحاحًا. مع هذا النموذج العام القابل للتطبيق كحماية ضد المحتوى المزيف، قد نتمكن من الحد من الأثر السلبي للذكاء الاصطناعي مع تعزيز والاستفادة من تأثيراته الإيجابية على عملنا وحياتنا.

انقر هنا لتتعرف على كل ما يتعلق بالاستثمار في الذكاء الاصطناعي.

المراجع:

1. Kundu, R.; Xiong, H.; Mohanty, V.; Balachandran, A.; Roy‑Chowdhury, A. K.; et al. نحو مكتشف فيديو اصطناعي عالمي: من التلاعب بالوجه أو الخلفية إلى المحتوى المُولد بالكامل بالذكاء الاصطناعي. arXiv preprint arXiv:2412.12278 (2024). https://doi.org/10.48550/arXiv.2412.12278