كيف تعمل كواشف الذكاء الاصطناعي؟ الحيرة والتفاوت والمصنِّفات

تعمل كواشف الذكاء الاصطناعي بقياس مدى قابلية النص للتوقع. يمرّر معظمها النص على نموذج لغوي ويتحقق من احتمال كل كلمة بالنظر إلى الكلمات التي تسبقها. النص الذي يسهل توقعه باستمرار يبدو من صنع آلة. والنص الذي فيه اختيارات كلمات أكثر مفاجأة وتفاوتًا يبدو بشريًا. وتضيف كثير من الأدوات التجارية فوق ذلك مصنِّفًا مدرَّبًا تعلّم الفرق من مجموعات كبيرة من الأمثلة المصنَّفة.

هذه هي الفكرة الأساسية. والتفاصيل تشرح لماذا تفيد الكواشف، ولماذا تخطئ أيضًا.

السؤال الأساسي الذي يطرحه الكاشف

لا يفهم الكاشف حجتك، ولا يتحقق من حقائقك، ولا يعرف من أنت. إنه ينظر إلى سطح النص، أي الكلمات وطريقة ترتيبها، ويطرح سؤالًا إحصائيًا واحدًا: هل يبدو هذا أقرب إلى ما ينتجه نموذج لغوي، أم إلى ما ينتجه البشر؟

للإجابة عن ذلك، تستخدم الكواشف أنواعًا قليلة من المؤشرات. ومعظم الأدوات الحديثة تجمع بين عدة منها.

المؤشر 1: الحيرة (Perplexity)

الحيرة مقياس للمفاجأة. خذ نموذجًا لغويًا، وأدخل إليه نصك كلمة كلمة، واسأل في كل خطوة: ما مدى احتمال الكلمة التالية الفعلية؟

خذ هذه الجملة: «جلست القطة على ___». سيتوقع النموذج «السجادة» أو «الأرض» أو «الأريكة» بثقة عالية. إن كانت الكلمة التالية «السجادة»، فالحيرة منخفضة. وإن كانت «المخطوطة»، فالحيرة مرتفعة.

تولّد النماذج اللغوية النص باختيار الكلمات المرجّحة. لذا فإن مخرجاتها، حين يقيسها نموذج مشابه، تميل إلى حيرة منخفضة من أولها إلى آخرها. أما البشر فيختارون كلماتهم لأسباب كثيرة: العادة، والدعابة، وذكرى بعينها، وصياغة غريبة قليلًا يحبونها. وهذا يرفع الحيرة.

اعتمدت بعض الكواشف المبكرة بشدة على هذا الرقم وحده. المشكلة أن كثيرًا من الكتابة البشرية متوقَّعة أيضًا. تقرير مختبر، أو ملخص قانوني، أو مقال من خمس فقرات مكتوب وفق معايير تصحيح محددة، كلها قد تحصل على حيرة منخفضة لمجرد أن النوع نفسه قائم على قوالب.

المؤشر 2: التفاوت (Burstiness)

ينظر التفاوت إلى كيفية تغيّر الحيرة على امتداد النص. قد يكتب الإنسان جملتين عاديتين، ثم جملة فيها صورة غير مألوفة، ثم شبه جملة. تقفز قابلية التوقع صعودًا وهبوطًا. أما مخرجات الذكاء الاصطناعي فتميل إلى الحفاظ على مستوى ثابت من البداية إلى النهاية.

تظهر الفكرة نفسها في مقاييس أبسط، مثل مقدار تفاوت أطوال الجمل. كثيرًا ما تمزج الفقرات البشرية بين جملة من 30 كلمة وأخرى من 4 كلمات. أما فقرات النماذج فتميل إلى إبقاء الجمل ضمن نطاق ضيق.

نشرت GPTZero الجمع بين الحيرة والتفاوت حين أُطلقت في أوائل 2023، وبقي المصطلحان متداولين منذ ذلك الحين. تستخدم نماذجها الحالية أكثر من هذين المقياسين، لكنهما يظلان طريقة مفيدة لفهم ما تبحث عنه الكواشف.

المؤشر 3: المصنِّفات المدرَّبة

النهج الأكثر شيوعًا في الكواشف التجارية اليوم هو المصنِّف: نموذج تعلّم آلي مدرَّب على مجموعة كبيرة من النصوص المصنَّفة على أنها «بشرية» أو «ذكاء اصطناعي». يتعلّم أي سمات تفصل بين المجموعتين، بما فيها سمات لا يخطر لإنسان أن يسمّيها.

كثيرًا ما تُبنى المصنِّفات على تقنية المحوّلات (transformer) نفسها التي تقوم عليها روبوتات الدردشة. ويمكن أن تكون جيدة جدًا مع النصوص التي تشبه بيانات تدريبها. وتواجه صعوبة مع النصوص التي لا تشبهها، مثل:

• الكتابة الصادرة عن نموذج أحدث لم يره المصنِّف
• اللغات أو اللهجات التي كانت نادرة في مجموعة التدريب
• الأنواع الكتابية الممثَّلة تمثيلًا ناقصًا، مثل الشعر أو التوثيق التقني
• النصوص المختلطة، حيث كتب إنسان بعض الأجزاء وكتب الذكاء الاصطناعي أجزاء أخرى

ولهذا يعيد المزوّدون تدريب كواشفهم بانتظام، ولهذا قد يحصل النص نفسه على نتيجة مختلفة من الأداة نفسها بفارق بضعة أشهر.

المؤشر 4: العلامات المائية

العلامات المائية نهج مختلف. فبدلًا من التخمين بعد الكتابة، تدفع الشركة التي تشغّل النموذج اختياراته للكلمات أثناء التوليد نحو نمط إحصائي خفي. ثم يستطيع كاشف مطابق أن يبحث عن ذلك النمط.

أصبحت روبوتات الدردشة الثلاثة الكبرى تفعل ذلك الآن مع جزء من نصوصها على الأقل. فمنذ 2024 تضع Google على نصوص تطبيق Gemini علامة SynthID (كيف تعمل SynthID). وبدأت Anthropic وضع علامة مائية على نصوص Claude في أغسطس 2026 (ما قالته Anthropic)، وتضيف OpenAI علامتها المائية textGrain إلى نصوص ChatGPT في الاتحاد الأوروبي بدءًا من أكتوبر 2026 (أين تنطبق). يمكن أن تكون العلامات المائية موثوقة إلى حد ما حين تكون موجودة. لكن المشكلة أن الشركة التي صنعت النموذج هي وحدها من يملك المفتاح اللازم للتحقق منها، وأن كثيرًا من النصوص المتداولة لا تحمل أي علامة مائية على الإطلاق، وأن التحرير المكثّف أو الترجمة يُضعفان الإشارة.

لذلك، تعتمد في الوقت الحالي جميع الكواشف تقريبًا التي ستصادفها، بما فيها المستخدمة في المدارس، على الطرق الإحصائية السابقة لا على العلامات المائية.

كيف تتحول هذه العناصر إلى نتيجة

تعرض الأدوات المختلفة نتائجها بطرق مختلفة:

• نسبة مئوية واحدة، تُوصف غالبًا بأنها حصة النص التي يُرجَّح أنها مكتوبة بالذكاء الاصطناعي.
• تظليل الجمل أو الفقرات، لإظهار الأجزاء التي أثّرت في النتيجة.
• فئات، مثل مكتوب بالكامل بالذكاء الاصطناعي، أو منقّح بالذكاء الاصطناعي، أو مكتوب بشريًا. يستخدم كاشف الذكاء الاصطناعي من RealWrite أربع فئات حتى ترى التأليف المختلط بدلًا من حكم واحد.

أيًا كان الشكل، فالرقم تقدير احتمالي وليس إثباتًا لواقعة. نتيجة 80% لا تعني أن 80% من الكلمات كتبتها آلة. بل تعني أن النموذج واثق إلى حد ما من أن النص يشبه أمثلة الذكاء الاصطناعي لديه.

لماذا تخطئ كواشف الذكاء الاصطناعي

حين تعرف كيف تعمل الكواشف، يسهل توقّع مواضع إخفاقها.

الأنواع الكتابية المتوقَّعة تبدو كأنها ذكاء اصطناعي

الكتابة الرسمية المنظّمة منخفضة الحيرة بطبيعتها. الملخصات البحثية، وخطابات التقديم، وأوصاف المنتجات، والمقالات النمطية، كلها تتبع أعرافًا تجعل الكلمة التالية سهلة التخمين. ولذلك يُصنَّف الكتّاب البشر في هذه الأنواع خطأً أكثر من غيرهم.

الكتّاب غير الناطقين بالإنجليزية يُصنَّفون خطأً أكثر

كثيرًا ما يستخدم من يكتبون بلغة ثانية مفردات أقل وأكثر أمانًا وأنماط جمل أكثر انتظامًا. وهذه بالضبط السمات التي تربطها الكواشف بالذكاء الاصطناعي. وجدت دراسة من جامعة Stanford عام 2023 بقيادة Weixin Liang، نُشرت في مجلة Patterns، أن عدة كواشف شائعة صنّفت نسبة كبيرة من مقالات اختبار TOEFL التي كتبها غير ناطقين بالإنجليزية على أنها مكتوبة بالذكاء الاصطناعي، بينما قيّمت مقالات طلاب أمريكيين بدقة أعلى بكثير. نتناول ذلك بالتفصيل في مقال النتائج الإيجابية الخاطئة في كواشف الذكاء الاصطناعي.

النصوص القصيرة لا تقدّم إشارة كافية

المقاييس الإحصائية تحتاج إلى بيانات. فقرة من 100 كلمة لا تحتوي ببساطة على كلمات كافية لتقدير موثوق. ولهذا تضع أدوات كثيرة حدًا أدنى للطول، والنتائج القريبة من هذا الحد هي الأقل استقرارًا.

التحرير يطمس الحدود

الكتابة الحقيقية مختلطة بشكل متزايد. شخص يكتب مسوّدة بالذكاء الاصطناعي ويعيد كتابة نصفها. وآخر يكتب بيده ويستخدم أداة تدقيق لغوي لصقلها. دُرّبت الكواشف في الغالب على أمثلة نقية من كل نوع، فتقع النصوص المختلطة في المنطقة الوسطى غير المؤكدة.

الترجمة تشوّش الإشارة

النص المكتوب بلغة والمترجم آليًا إلى أخرى يكتسب بعض انتظام نموذج الترجمة. والنص المكتوب بالذكاء الاصطناعي ثم المترجم يفقد بعض أنماطه الأصلية. وفي الحالتين، لم يعد الكاشف ينظر إلى الكتابة التي دُرّب على الحكم عليها، فتصبح الثقة في النتائج أصعب.

أدوات التدقيق اللغوي قد تدفع النص نحو «الذكاء الاصطناعي»

اقتراحات التدقيق اللغوي والأسلوبي الصارمة تميل إلى جعل النثر أكثر سلاسة وتجانسًا. اقبل عددًا كافيًا منها، وقد تبدأ كتابتك الأصلية بالظهور مشابهة إحصائيًا لمخرجات النماذج.

فيمَ تفيد الكواشف

لا يعني أي من هذا أن الكواشف عديمة الفائدة. إن استُخدمت جيدًا، فهي رأي ثانٍ سريع. النتيجة المرتفعة على مسوّدة دافع جيد لإعادة قراءتها: هل كل الجمل بالطول نفسه؟ هل توجد عبارات جاهزة في كل فقرة؟ هل فيها أي شيء محدد؟

وهكذا نقترح استخدام أي كاشف، بما فيه كاشفنا. افحص المسوّدة قبل تسليمها، وانظر إلى الأجزاء التي تحصل على نتيجة مرتفعة، وراجع تلك الأجزاء لتبدو أقرب إلى صوتك. تعرض صفحة كيف يعمل هذه الدورة في RealWrite.

ما لا ينبغي أن تكونه الكواشف هو الدليل الوحيد في قرار يخص عمل شخص ما. حتى الشركات التي تبنيها تقول ذلك. على سبيل المثال، تخبر Turnitin المعلمين بأن نتيجة الذكاء الاصطناعي لديها لا ينبغي أن تكون الأساس الوحيد لاتخاذ إجراء ضد طالب. ويتناول شرحنا لـ Turnitin ما يعرضه تقريرها.

الخلاصة

• تقيس الكواشف قابلية التوقع، لا المعنى.
• الحيرة هي المفاجأة على مستوى الكلمة. والتفاوت هو مقدار تغيّر تلك المفاجأة.
• تستخدم معظم الأدوات التجارية مصنِّفات مدرَّبة فوق ذلك، وتحتاج هذه إلى إعادة تدريب مستمرة.
• العلامات المائية واعدة لكنها نادرة في الواقع.
• الأنواع الرسمية، والكتّاب غير الناطقين بالإنجليزية، والنصوص القصيرة، والنصوص المحرَّرة هي المواضع التي تخطئ فيها الكواشف أكثر من غيرها.

إن أردت أن ترى نتيجة كتابتك أنت، يمكنك إجراء فحص مجاني مع RealWrite. وإن كنت تفاضل بين الأدوات، فإن مقارنتنا لأفضل كواشف الذكاء الاصطناعي تعرض الخيارات الرئيسية جنبًا إلى جنب.