زاوية Anderson

حتى الذكاء الاصطناعي البسيط بات يكتب أخبارًا تبدو بشرية

Martin Anderson
أضف Unite.AI إلى مصادرك المفضلة على Google
AI-generated illustration: a stylized orthographic illustration depicting a woman seated at her home office desk reading a laptop, and a cut-away diagram depicting 'Schrodinger's news source' - a box with a robot writing an article, partitioned from a human writing an article. Each has a stylized journalist appearance. The idea being conveyed is that until you actually know who wrote the piece the woman is reading, it could have been a human or a robot. GPT-1.5
النقاط الرئيسيةحتى نماذج الذكاء الاصطناعي الصغيرة ذات 7 مليارات معامل أصبحت تكتب أخبارًا لا يمكن…
عرض المزيد
  • حتى نماذج الذكاء الاصطناعي الصغيرة ذات 7 مليارات معامل أصبحت تكتب أخبارًا لا يمكن تمييزها عن الصحافة البشرية.
  • لا يستطيع القراء البشر اكتشاف الأخبار المُنْتَجَة بالذكاء الاصطناعي فوق مستويات الصدفة بغض النظر عن حجم النموذج.
  • تعتمد دقة الكشف على الخبرة في المجال أكثر من الآراء السياسية، لكنها تتراجع مع التعب.

تشير دراسة جديدة إلى أن نماذج الذكاء الاصطناعي المحلية الصغيرة تستطيع الآن كتابة أخبار لا يميزها الناس عن الصحافة الحقيقية، بمستوى يضاهي أفضل الأنظمة، فلا يعرف القراء من كتب ماذا.

 

وفق تعاون بحثي جديد بين ألمانيا وفرنسا، لا يستطيع البشر معرفة ما إذا كان المقال الإخباري من كتابة الذكاء الاصطناعي أم الإنسان، حتى حين تكتبه نماذج مفتوحة المصدر يمكن تنزيلها وتشغيلها على حواسيب مكتبية استهلاكية متوسطة نسبيًا.

وفي إشارة أخرى إلى أن الذكاء الاصطناعي الصغير آخذ في الصعود، وجد استطلاع شمل 2,318 حكمًا من 1,054 مشاركًا في بوابة بحث أكاديمية مخصصة أن القراء لا يحددون منشأ المقال بمستوى يتجاوز المصادفة، حتى إن أنتجته نماذج متواضعة تضم سبعة مليارات معلمة فقط، ومنها نسخ من Mistral وLlama.

Mean source and authenticity scores for LLMs tested. GPT-4o's 200 billion parameters do not massively exceed the 7B parameters of smaller models listed. Source - https://arxiv.org/pdf/2604.03755

متوسط درجات المصدر والأصالة للنماذج اللغوية الكبيرة المختبرة. لا تتجاوز معلمات GPT-4o البالغ عددها 200 مليار بفارق هائل معلمات النماذج الأصغر البالغ عددها 7 مليارات. شمل الاختبار Gemma 7B وPhi-3 Mini وLLaMA-2 13B وMistral 7B وGPT-4o وGPT-3.5. المصدر

يعود المؤلفون إلى موضوع تناولوه أول مرة في إصدار عام 2024 نعمة أم نقمة؟ استطلاع عن أثر الذكاء الاصطناعي التوليدي في الأخبار الكاذبة. وهذه النتائج منشورة حديثًا من مشروع أكبر أُعلن عنه أول مرة في يناير، وتستخدم إطارهم الخاص JudgeGPT للمشاركة عبر الإنترنت.

قوة خفيفة الوزن

بعنوان هل يستطيع البشر التمييز؟ دراسة ثنائية المحور لتصور البشر للأخبار المولدة بالنماذج اللغوية الكبيرة، أجراها ثلاثة باحثين من جامعة فرانكفورت للعلوم التطبيقية ووحدة IRISA البحثية في نانت، تميز منهجية الدراسة الجديدة بين الأخبار الكاذبة والأخبار المكتوبة بالذكاء الاصطناعي. فالأخبار الكاذبة قد يكتبها البشر أو الذكاء الاصطناعي، ولا يعني المفهومان بالضرورة الشيء نفسه.

ولعل الأكثر إثارة للاهتمام استنتاج أن نماذج صغيرة مثل Mistral 7B وGemma 7B تستطيع بسبعة مليارات معلمة فقط منافسة نماذج مثل ChatGPT (4o) ذي 200 مليار معلمة بثقة.

«تنتج نماذج مفتوحة الأوزان تضم سبعة مليارات معلمة فقط نصوصًا لا تختلف تقييماتها عن مخرجات GPT-4o، مما يشير إلى أن القدرة على توليد نص لا يُميَّز عن الكتابة البشرية لم تعد مقتصرة على النماذج الرائدة.»

لكن الأخبار المولدة بالذكاء الاصطناعي قد تمثل أشكالًا كثيرة من التعاون البشري معه، من التدقيق الإملائي إلى تفويض الجهد بالكامل على نحو قد ينهي المسيرة المهنية. ولا توضح الدراسة بالضبط نوع محتوى الذكاء الاصطناعي المُنتج للاختبارات، وإن كانت تصف منهجية إنتاجه؛ انظر أدناه.

الطريقة

قيّم المشاركون في منصة JudgeGPT كل مقتطف إخباري بإطار ثنائي المحور، وقدّموا ثلاثة تقييمات مستقلة عبر أشرطة تمرير متصلة من 0 إلى 100:

The JudgeGPT portal GUI, where raters assess material on source attribution; authenticity; and topic familiarity.

واجهة بوابة JudgeGPT، حيث تُقيَّم المواد من حيث إسناد المصدر والأصالة والألفة بالموضوع. يُرجى الرجوع إلى الورقة الأصلية لدقة أعلى.

حكم المصدر يرصد إن بدا المقطع من كتابة آلة أو إنسان؛ وحكم الأصالة، إن عُدّ كاذبًا أو صحيحًا؛ والألفة بالموضوع، مدى معرفة القارئ به.

استُخدمت مقاييس متصلة بدلًا من مقياس ليكرت لالتقاط درجات اليقين بدقة أكبر ودعم التحليل الإحصائي، بما فيه ارتباط بيرسون والتجميع.

أنتجت المقتطفات الآلية باستخدام إطار RogueGPT الخاص بالمؤلفين، وهو بنية تغذية JudgeGPT. وينسق RogueGPT مساهمات ستة نماذج لغوية كبيرة: ChatGPT-4; ChatGPT-3.5; ChatGPT-4o; LLaMA-2 13B؛ Gemma 7B؛ وMistral 7B.

استُخدمت تعليمات مبنية على شخصيات أو أدوار لتوليد النصوص، واستند المحتوى إلى موضوعات إخبارية حقيقية، وتحقق البشر من دقته الواقعية.

أما المقتطفات البشرية فأُخذت من «وسائل إخبارية راسخة» و«قواعد بيانات معلومات» غير محددة.

يلاحظ المؤلفون:

«تميل مجموعة المحفزات عمدًا نحو المقتطفات الآلية (∼98%)، وتعمل العناصر البشرية كنقاط مرجعية للمعايرة.

«يعكس هذا التصميم تركيز الدراسة على التباين داخل الذكاء الاصطناعي بين النماذج، لا المقارنة بين الإنسان والآلة. ولا يُبلَّغ المشاركون بنسبة التوزيع الأساسية، وتظل نتائج الكشف القريبة من المصادفة قائمة عند تحليل المجموعة البشرية وحدها.»

قدم المشاركون موافقة مستنيرة وأكملوا استبيانًا ديموغرافيًا عن العمر والتعليم والتوجه السياسي والألفة بالذكاء الاصطناعي، ثم قيّموا تسلسل المقتطفات.

راجع كل شخص من 5 إلى 87 عنصرًا، بوسيط 12. وكان ترتيب العرض عشوائيًا وتوزيع النماذج متوازنًا بين المشاركين لتقليل التحيز. وسجلت المنصة تقييمات أشرطة التمرير الثلاثة ووقت الاستجابة ومعرّفًا مجهولًا، لربط الأحكام الفردية بالعوامل الخلفية.

يؤكد المؤلفون أن العينة مالت إلى أوروبيين متعلمين: تلقى 68% تعليمًا جامعيًا وأقام 74% في أوروبا. وتعد الورقة هذا التحيز قيدًا على التعميم الأوسع.

الاختبارات

تتناول الاختبارات خمسة أنواع من النتائج: تمييز النص الآلي من البشري؛ مقارنة الكشف بين النماذج؛ أثر الخبرة في المجال مقابل التوجه السياسي في الدقة؛ تحديد استراتيجيات الاستجابة المختلفة؛ وتتبع تغير الدقة مع تكرار التقييم بسبب الإرهاق:

Summary of the five core findings from 2,318 judgments across 1,054 participants, showing that human detection of AI-written text remained at chance levels across all models, that accuracy was linked to domain expertise rather than political orientation, that participants clustered into distinct trust profiles, and that performance declined after roughly 30 evaluations, due to cognitive fatigue.

ملخص النتائج الخمس من 2,318 حكمًا لدى 1,054 مشاركًا. ظل الكشف البشري للنص الآلي عند مستوى المصادفة عبر جميع النماذج، وارتبطت الدقة بالخبرة في المجال لا التوجه السياسي، وتجمع المشاركون في أنماط ثقة متميزة، وانخفض الأداء بعد نحو 30 تقييمًا بسبب الإرهاق المعرفي.

لم يظهر الاختبار فرقًا ذا دلالة يتجاوز المصادفة في درجات المصدر بين الحالتين، مما يبدو أنه يشير إلى عجز المشاركين عن تمييز النص الآلي من البشري:

Source and authenticity score distributions for machine- and human-origin fragments show substantial overlap, with no meaningful separation between the two conditions, and statistical testing –indicating that participants could not reliably distinguish AI-generated text from human-written content.

تتداخل توزيعات درجات المصدر والأصالة للمقتطفات الآلية والبشرية بدرجة كبيرة، دون فصل ذي معنى بين الحالتين. ويشير الاختبار الإحصائي إلى أن المشاركين لم يميزوا النص الآلي من المحتوى البشري بصورة موثوقة.

في الجانب الثاني، كما يبين الرسم في بداية المقال، لم يختلف فشل الكشف باختلاف النموذج؛ تجمعت مخرجات جميع النماذج حول أحكام عند مستوى المصادفة بلا فروق ذات دلالة. وحتى الأنظمة الأصغر مفتوحة الأوزان مثل Mistral 7B وGemma 7B لم تُقيَّم بشكل مختلف عن GPT-4o، مما يشير إلى أن النص غير القابل للتمييز عن البشري ربما لم يعد حكرًا على أكبر النماذج.

في الجانب الثالث ارتبطت الدقة بالخبرة في المجال أكثر من التوجه السياسي؛ ارتبطت الألفة بالأخبار الكاذبة بأحكام أفضل، ولم تظهر للآراء السياسية آثار ذات معنى، مما يشير إلى أن المهارات التحليلية المكتسبة قد تكون أهم من الأيديولوجيا:

Results pertaining to the third line of investigation: participant-level correlations between background traits and judgment accuracy demonstrated that political orientation had no meaningful effect on either source attribution or authenticity scoring, with only weak, non-significant trends across both measures. At the same time, self-reported familiarity with fake news was consistently associated with higher accuracy on both axes, as reflected in moderate positive correlations and upward regression slopes. The authors assert that this signifies that experience-based analytical skill (rather than ideological position) was the stronger predictor of performance in evaluating AI-generated and human-written news. Please refer to the source paper for better resolution.

لم يؤثر التوجه السياسي تأثيرًا ذا معنى في إسناد المصدر أو الأصالة، مع اتجاهات ضعيفة غير دالة فقط. وارتبطت الألفة بالأخبار الكاذبة وفق إفادة المشاركين بدقة أعلى على المحورين. وهذا يشير إلى أن المهارة التحليلية القائمة على الخبرة تنبأت بالأداء بقوة أكبر من الموقف الأيديولوجي. راجع الورقة الأصلية لدقة أعلى.

أظهرت النتيجة الرابعة نمطين من الاستجابة: «المتشككون»، الذين منحوا المحتوى ثقة منخفضة بصرف النظر عن منشئه، و«المصدقون»، الذين حافظوا على مستوى ثقة أساسي أعلى.

وأخيرًا، أظهر التحليل المتحرك للأحكام المتتابعة في الهدف الخامس تحسن المشاركين أولًا، مع ارتفاع الدقة خلال أول نحو 15–20 تقييمًا أثناء تكيفهم مع الصيغة:

Rolling averages of source attribution and authenticity scores across the sequence of participant evaluations show a short initial improvement phase, as users appear to adapt to the task during the first 15–20 items, followed by a steady decline in both measures after roughly 30 evaluations. Scores the drop toward default responses – a pattern interpreted in the study as cognitive fatigue. Please refer to the source paper for better resolution.

تظهر المتوسطات المتحركة لدرجات إسناد المصدر والأصالة عبر تسلسل التقييمات مرحلة تحسن أولية قصيرة؛ يبدو أن المستخدمين يتكيفون خلال أول 15–20 عنصرًا، ثم ينخفض المقياسان باستمرار بعد نحو 30 تقييمًا. راجع الورقة الأصلية لدقة أعلى.

لكن الأثر لم يدم؛ بدأ الأداء بالانخفاض بعد نحو 30 عنصرًا، وأخذ المشاركون يصفون المحتوى تلقائيًا بأنه كاذب بصورة متزايدة. فُسر هذا التحول بالإرهاق المعرفي، ويشير إلى حدود واضحة لمدة فعالية أساليب الكشف عمليًا.

قد يمثل هذا دليلًا تجريبيًا على أننا، بعد الإرهاق من تمييز الكاذب من الحقيقي والآلي من البشري، قد نميل تلقائيًا إلى افتراض أن الأخبار آلية و/أو كاذبة — وليس ذلك بالضرورة شيئًا واحدًا — توخيًا للحيطة. ومن يراه كسلًا ويعتقد أن الناس ينبغي أن يجروا أبحاثهم للتحقق من خبر يحتمل كذبه، قد يهمه أن دراسة عام 2024 أشارت إلى أن ذلك لا يزيد المشكلات إلا سوءًا.

يقترح المؤلفون أن فشل الحكم البشري في النتائج يدل على أننا قد نحتاج إلى إسناد هذه الأمور لتقنيات التحقق المشفر من المنشأ، مثل مبادرة C2PA بقيادة أدوبي. ومن الحلول الأخرى إطارهم الخاص OriginLens، ومشروع آخر يشاركون فيه هو CRED-1.

يخلص المؤلفون إلى:

«هل يستطيع البشر التمييز؟ تقدم دراستنا ثنائية المحور لـ2,318 حكمًا عبر ست عائلات من النماذج إجابة تجريبية واضحة: لا يستطيعون.

«لا يتميز النص الآلي عن الكتابة البشرية مهما كان حجم النموذج أو عائلته؛ وتتنبأ الخبرة بدقة الكشف أكثر من التوجه السياسي، ويتبنى المشاركون استراتيجيات ثقة مختلفة، ويحد الإرهاق المعرفي من الكشف المطول.

«تدعم النتائج الانتقال من الكشف على مستوى المستخدم إلى تدابير مضادة على مستوى النظام، منها منشأ المحتوى ومؤشرات الثقة التكيفية وتدخلات التمنيع المحدودة.»

الاستنتاج

الجانب المقلق في الورقة هو شبكة الدعم المحيطة من المشاريع والأوراق التي أسسها المؤلفون أو بعضهم بحسب العمل، أو شاركوا فيها. وكان من المنير بالتأكيد فحص عينات النصوص الآلية والبشرية التي أدت إلى هذه النتائج، لفهم نوع المخرجات التي تنتجها منهجية التوليد الموصوفة.

مع ذلك، من المثير أن النماذج مفتوحة الأوزان والمصدر قد تضاهي عمالقة متاحة عبر API مثل سلسلة ChatGPT. فهل المهمة ليست صعبة إلى ذلك الحد، وهل نموذج 200 مليار معلمة مبالغ فيه لها؟ نحتاج إلى معرفة المزيد عن العينات الآلية والبشرية المقدمة للإجابة.

وفي الأثناء، وفق موقع canirun.ai، فإن Mistral 7B، الذي كان قريبًا من GPT-4o في الاختبارات، «يعمل بصورة ممتازة» على NVIDIA RTX 3080 بذاكرة فيديو 16GB، ويعمل «بصورة مقبولة» على 3060 بذاكرة فيديو 6GB؛ وهما بالكاد أحدث بطاقات الرسوم أو أفضلها*. لذا يبدو أن أي شخص يرغب في وضع منهجية خاصة لتقديم العينات يستطيع المشاركة في هذه التجارب أيضًا.

 

* Gemma 7B غير مدرج في الموقع.

نُشر أول مرة الخميس 9 أبريل 2026

كاتب في مجال تعلم الآلة، متخصص في توليد صور البشر. كان رئيسًا سابقًا لمحتوى البحث في Metaphysic.ai، حتى دمجه في Brahma.ai التابعة لـ DNEG.
الموقع الإلكتروني: martinanderson.ai
للتواصل: martin@martinanderson.ai