كيف تعرف إن كانت صورة أو فيديو مولَّدًا بالذكاء الاصطناعي: العلامات والأدوات والحدود
باختصار
لا يوجد اختبار واحد يُثبت بموثوقية أن صورة ما مولَّدة بالذكاء الاصطناعي. ففي تجربة إلكترونية واسعة عام 2024، لم يميز المشاركون بين الصور الحقيقية وصور الذكاء الاصطناعي تمييزًا صحيحًا إلا في 62% من الحالات [1]. والنهج الأفضل يجمع بين العلامات البصرية [3]، وفحص العلامات المائية أو بيانات اعتماد المحتوى [5][7]، والبحث عن المصدر الأصلي، مع تذكّر أن لكل طريقة ثغراتها [4].
أهم النقاط
- في تجربة Microsoft المسماة «Real or Not»، لم يحدد أكثر من 12,500 مشارك الصور الحقيقية وصور الذكاء الاصطناعي تحديدًا صحيحًا إلا في 62% من الحالات [1].
- تنقسم العلامات البصرية إلى خمس مجموعات: تشريحية، وأسلوبية، ووظيفية، ومخالفات لقوانين الفيزياء، ولا معقوليات اجتماعية وثقافية، لكنها ليست موجودة دائمًا [3].
- يستطيع تطبيق Gemini من Google البحث عن علامتها المائية SynthID، لكنه لا يتعرف إلا على المحتوى المصنوع بأدوات Google للذكاء الاصطناعي [5].
- تسجّل بيانات اعتماد المحتوى (معيار C2PA) طريقة صنع الملف، لكن المنصات الاجتماعية كثيرًا ما تزيلها؛ ففي اختبار أجرته واشنطن بوست، لم تحتفظ بها أي منصة من ثماني منصات [7][8].
- يحذّر NIST من أن العلامات المائية يمكن إزالتها، وأن البيانات الوصفية كثيرًا ما تُحذف، وأن الكاشفات تعمل على أفضل وجه مع المولِّدات التي دُرِّبت عليها [4].
- اعتبارًا من 2 أغسطس 2026، تُلزم قواعد الشفافية في قانون الذكاء الاصطناعي الأوروبي بوسم مخرجات الذكاء الاصطناعي ووضع تسميات على التزييف العميق [11].
في هذه الصفحة ١٢ أقسام
- كيف تعرف إن كانت صورة ما مولَّدة بالذكاء الاصطناعي؟
- ما العلامات البصرية التي تفضح صور الذكاء الاصطناعي؟
- هل تُثبت العلامات المائية للذكاء الاصطناعي وبيانات اعتماد المحتوى مصدر الصورة؟
- لماذا تختفي التسميات والبيانات الوصفية كثيرًا؟
- هل أدوات كشف صور الذكاء الاصطناعي موثوقة؟
- أي طريقة ينبغي أن تستخدم، ومتى؟
- ما القواعد التي تُلزم بوسم صور الذكاء الاصطناعي؟
- ما الذي ينتظر اكتشاف المواد المزيفة؟
- أخطاء شائعة
- الأسئلة الشائعة
- مسرد المصطلحات
- المصادر
كيف تعرف إن كانت صورة ما مولَّدة بالذكاء الاصطناعي؟
الإجابة الصادقة أنك كثيرًا ما لا تستطيع الحكم بالنظر وحده. ففي اختبار إلكتروني أجراه مختبر AI for Good التابع لـMicrosoft، أصدر المشاركون نحو 287,000 حكم، ولم يحددوا الصور الحقيقية والمولَّدة بالذكاء الاصطناعي تحديدًا صحيحًا إلا في 62% من الحالات [1]. ووجدت دراسة تمثيلية شملت 3,002 شخص في الولايات المتحدة وألمانيا والصين، عُرضت في ندوة IEEE للأمن والخصوصية عام 2024، أن أحدث المواد المزيفة تكاد لا تُميَّز عن الوسائط الحقيقية، وأن معظم المشاركين كانوا يخمّنون فحسب [2].
لكن هذا لا يجعل التحقق بلا جدوى. بل يعني أن النهج الموثوق متعدد الطبقات: ابحث عن الأخطاء البصرية، وتحقق من الإشارات القابلة للقراءة آليًا مثل العلامات المائية أو بيانات اعتماد المحتوى، وتتبّع الصورة إلى أول ظهور لها. ويصف المعهد الوطني الأمريكي للمعايير والتقنية (NIST) الفكرة نفسها على نطاق أوسع: إذ يقول إنه لا يوجد حل سحري، وإن لكل من تتبّع المصدر والوسم والكشف حدودًا [4].
قائمة تحقق سريعة
- توقف قبل المشاركة. تستحق لقطات الأخبار العاجلة عناية إضافية؛ ففي يونيو 2025 ظهر على الإنترنت مقطع لانفجار في سجن إيفين بطهران، قال خبراء لـCBS News إنه ربما صُنع بالذكاء الاصطناعي، وذلك في غضون دقائق من غارة إسرائيلية حقيقية على السجن [12].
- دقّق النظر في الأيدي والنصوص والظلال والانعكاسات والأشياء التي ينبغي أن تعمل بطريقة فيزيائية [3].
- تحقق من بيانات الاعتماد أو العلامات المائية بأداة تقرؤها، مثل معيار بيانات اعتماد المحتوى أو أداة Google للتحقق من SynthID في Gemini [5][7].
- ابحث عن المصدر. توصي صفحة المساعدة لدى Google نفسها بالفحص البصري والبحث العكسي عن الصور إلى جانب أداتها للعلامات المائية [5].
- تعامل مع كل نتيجة بوصفها قرينة لا دليلًا قاطعًا، لأن كل طريقة قد تغفل المحتوى أو تسيء قراءته [4].
ما العلامات البصرية التي تفضح صور الذكاء الاصطناعي؟
أعدّ باحثون في جامعة نورث وسترن (Northwestern University) دليلًا انطلاقًا من 138 صورة مولَّدة بنماذج الانتشار، و9 صور منتقاة من وسائل التواصل الاجتماعي، و42 صورة فوتوغرافية حقيقية [3]. وصنّفوا المشكلات الكاشفة في خمس فئات [3]:
- تشريحية: أيدٍ وعيون وأسنان وأجسام غير معقولة، ومنها أجسام يندمج بعضها في بعض [3].
- أسلوبية: صور تبدو مثالية أكثر من اللازم، ببشرة لامعة أو شمعية، أو بمظهر يشبه صور المجلات أو اللقطات السينمائية، أو بأجزاء من الصورة تختلف في مستوى التفاصيل أو الألوان [3].
- وظيفية: أشياء لا يمكن أن تعمل، وتصاميم غير مألوفة، ونصوص أو شعارات غير مفهومة، لأن المولِّدات تفتقر إلى فهم بنيوي لطريقة عمل الأشياء [3].
- مخالفات لقوانين الفيزياء: ظلال وانعكاسات غير متسقة، ومشكلات في العمق والمنظور [3].
- اجتماعية وثقافية: مشاهد غير محتملة أو غير لائقة أو مخالفة لأعراف ثقافة ما أو غير دقيقة تاريخيًا [3].
ويشدد المؤلفون على أن العيوب التي يدركها البشر ليست موجودة دائمًا، وإن كانت تظهر كثيرًا، وأن الغرائب التشريحية مثل يد غريبة المظهر لا تعني بالضرورة أن الصورة مولَّدة بالذكاء الاصطناعي [3]. كما تتحسن المولِّدات بسرعة: إذ يشير باحثو Microsoft إلى أن نتائجهم ربما تبالغ في تقدير قدرة الناس على اكتشاف صور الذكاء الاصطناعي الحالية [1].
ما أصعب المواد المزيفة اكتشافًا؟
في تجربة Microsoft، خدع نوعان من الصور الناسَ في أغلب الأحيان: وجوه بشرية مصنوعة بشبكات GAN (وهي نوع أقدم من مولِّدات الصور)، والتعبئة الداخلية (inpainting)، حيث يُستبدل جزء من صورة حقيقية بمحتوى مولَّد [1]. ويؤكد NIST النقطة نفسها: فالصورة المعدَّلة جزئيًا حقيقية في معظمها، وهو ما يعقّد كل أساليب الكشف [4]. لذا فإن صورة حقيقية عُدِّل فيها تفصيل واحد أصعب اكتشافًا من مشهد اصطناعي بالكامل.
وماذا عن الفيديو؟
الفيديو أصعب من ذلك. فقد قال هاني فريد (Hany Farid)، الأستاذ في جامعة كاليفورنيا في بيركلي، لـCBS News في يونيو 2025 إن المواد المزيفة انتقلت من الصور الثابتة إلى مقاطع فيديو كاملة فيها انفجارات تبدو كأنها مصوّرة بهاتف محمول باليد [12]. وفي مقطع لانفجار عند مدخل سجن إيفين في طهران، قال خبراء إنه ربما وُلِّد بالذكاء الاصطناعي، أشاروا إلى لافتة غير صحيحة فوق الباب وإلى تناقضات في الانفجار نفسه [12]. ومن الأمور المفيد فحصها اللافتات والنصوص الأخرى والإضاءة، وما إذا كان المشهد نفسه يظهر في لقطات من كاميرات أخرى.
هل تُثبت العلامات المائية للذكاء الاصطناعي وبيانات اعتماد المحتوى مصدر الصورة؟
الإشارات القابلة للقراءة آليًا أقوى من البصر، لكن فقط حين تكون موجودة وتتوفر الأداة المناسبة لقراءتها. وهي نوعان رئيسيان.
العلامات المائية غير المرئية
العلامة المائية إشارة مخفية في وحدات البكسل أو في الصوت. وتضمّن تقنية SynthID من Google إشارات غير محسوسة في المحتوى المولَّد بالذكاء الاصطناعي، وتقول Google إن أكثر من 20 مليار قطعة محتوى وُسمت بها حتى نوفمبر 2025 [6]. ومنذ 20 نوفمبر 2025، يستطيع المستخدمون رفع صورة إلى تطبيق Gemini وسؤاله عما إذا كانت قد صُنعت بالذكاء الاصطناعي من Google [6]. وتضيف صفحة المساعدة لدى Google فحص الفيديو والصوت، بحدود قدرها 100 ميغابايت لكل ملف، ومقاطع فيديو تقل عن 90 ثانية، ونحو 10 عمليات فحص من كل نوع كل 24 ساعة [5].
وللحدود أهميتها. فـGemini لا يستطيع حاليًا التعرف إلا على المحتوى الذي أنشأته أدوات Google للذكاء الاصطناعي، وتنص Google على أن عدم العثور على علامة SynthID المائية لا يعني أن المحتوى غير مولَّد بالذكاء الاصطناعي [5]. وتقول Google إن العلامات المائية تصمد عادةً أمام تغيير الحجم وتعديل الألوان والضغط، لكنها قد لا تُكتشف بعد تعديلات كثيرة [5].
بيانات اعتماد المحتوى
بيانات اعتماد المحتوى (Content Credentials)، وهي المعيار الذي أصدره تحالف مصدر المحتوى وأصالته (C2PA)، طريقة آمنة تشفيريًا لتسجيل كيف ومتى وأين صُنع المحتوى وكيف تغيّر [7]. فإذا عُدِّل الملف أو بيانات مصدره، ينقطع الرابط التشفيري، وهو ما يدل على العبث [7]. ويستطيع Gemini قراءة بيانات اعتماد المحتوى بالإصدار 2.2 وما بعده من المنتجات المدرجة في قائمة المنتجات المطابقة لـC2PA، على الويب وفي تطبيقه لنظام Android [5].
غير أن بيانات الاعتماد تسجّل ادعاءً بشأن المصدر، لا حقيقة المشهد. وتشير Google إلى أن النتيجة التي تذكر اسم شركة لا تُظهر إلا الجهة التي قدّمت المعلومات، وأن بيانات الاعتماد لا تُثبت قطعيًا ما إذا كان المحتوى مولَّدًا بالذكاء الاصطناعي [5]. ويقول C2PA إن بيانات الاعتماد قد تنفصل عن الملف، ويدعم 'الروابط المرنة' (soft bindings)، مثل العلامات المائية أو البصمات، للعثور عليها مجددًا [7].
لماذا تختفي التسميات والبيانات الوصفية كثيرًا؟
تنتقل البيانات الوصفية داخل الملف، لذا فإن أي عملية تعيد حفظ الملف قد تزيلها. ويشير NIST إلى أن البيانات الوصفية المضمَّنة كثيرًا ما تُحذف عند مشاركة الملفات، عبر منصات التواصل الاجتماعي مثلًا، وأن الناس قد يحذفونها إما للخداع وإما لأسباب بريئة مثل الخصوصية [4].
واختبرت واشنطن بوست (The Washington Post) ذلك في أكتوبر 2025. فقد صنعت مقطع فيديو بأداة Sora من OpenAI يحمل بيانات اعتماد المحتوى، ونشرته على ثمانية تطبيقات اجتماعية، فوجدت أن أيًا منها لم يحتفظ ببيانات الاعتماد أو يتيح للمستخدمين الاطلاع عليها [8]. ولم يضف تحذيرًا سوى YouTube، وكان ذلك التنبيه، ونصّه 'محتوى معدَّل أو اصطناعي'، موضوعًا في وصف الفيديو [8].
والعلامات المائية المرئية أسهل في التغلب عليها. فقد أفاد موقع 404 Media بأن ثلاثة مواقع اختبرها أزالت العلامة المائية المرئية لـSora 2 من مقاطع الفيديو في غضون ثوانٍ [9]. ويصف NIST أيضًا أبحاثًا تُظهر أن كثيرًا من العلامات المائية غير المرئية في الصور يمكن إزالتها، مثلًا بإضافة تشويش إلى الصورة ثم إزالته [4].
ماذا تقول المنصات؟
قالت Meta في 2024 إنها ستقرأ مؤشرات الذكاء الاصطناعي في معياري البيانات الوصفية C2PA وIPTC لوسم الصور على Facebook وInstagram وThreads [10]. واعترف الإعلان نفسه بأنه ليس ممكنًا بعد تحديد كل المحتوى المولَّد بالذكاء الاصطناعي، وبأن الناس يستطيعون إزالة العلامات غير المرئية [10]. لذا تُلزم Meta المستخدمين بالإفصاح عن الفيديو الواقعي المظهر والصوت الواقعي المولَّدين بالذكاء الاصطناعي عند نشرهما [10].
هل أدوات كشف صور الذكاء الاصطناعي موثوقة؟
الكاشفات الآلية مصنِّفات تقدّر مدى احتمال أن يكون الملف اصطناعيًا. وقد تتفوق على البشر: فالكاشف الذي طوّره فريق Microsoft تجاوزت دقته 95% في الصور الحقيقية وصور الذكاء الاصطناعي على حد سواء في دراسته [1]. وهذا الرقم ينطبق على أداة بحثية واحدة ومجموعة بيانات واحدة، لا على أي موقع مجاني قد تجده.
المزايا
- يصف باحثو Microsoft أدوات الكشف بأنها أكثر موثوقية من البشر بكثير، مع إشارتهم إلى أنها لا تزال ترتكب أخطاء [1].
- كانت دقتها في تلك الدراسة متسقة عبر فئات الصور، خلافًا لدقة البشر التي تفاوتت بحسب الموضوع [1].
الحدود
- يقول NIST إن الكاشفات كثيرًا ما تؤدي أفضل أداء مع محتوى المولِّدات التي دُرِّبت عليها، بينما تستمر النماذج الجديدة في الظهور [4].
- بحسب NIST، ما إن تظهر طريقة كشف جديدة حتى تتحسن المولِّدات ويتعلم الخصوم التهرب منها [4].
- قد تكون الإيجابيات الكاذبة، أي وسم المحتوى الحقيقي بأنه من الذكاء الاصطناعي، بالغة الضرر، فتسبب أذى للسمعة أو معاملة مجحفة [4].
- يصعب تصنيف الصور المعدَّلة جزئيًا، وقد يكون تحديد ما إذا كان التعديل 'جوهريًا' أمرًا ذاتيًا [4].
لذا فإن درجة الكاشف مُدخل واحد فحسب. وتكون أكثر فائدة حين تتفق مع أدلة أخرى، مثل غياب المصادر الأصلية أو وجود أخطاء ظاهرة.
أي طريقة ينبغي أن تستخدم، ومتى؟
تجيب كل طريقة عن سؤال مختلف. فالفحص البصري يسأل هل يبدو المحتوى معقولًا من الناحية الفيزيائية [3]. وفحص العلامة المائية يسأل هل ترك الذكاء الاصطناعي لشركة بعينها إشارته [5]. وبيانات اعتماد المحتوى تسأل ماذا يقول السجل الموقَّع للملف [7]. والبحث العكسي عن الصور يسأل أين ومتى ظهرت الصورة أول مرة، وهو ما توصي به Google إلى جانب أداتها [5]. ويقارن الجدول أدناه بينها.
وفي القرارات عالية المخاطر، مثل الإبلاغ عن حدث إخباري أو اتهام شخص بتزييف أدلة، استخدم عدة طرق وابحث عن توافقها. ويشير NIST إلى أن المؤسسات قد تستخدم عدة تقنيات كشف معًا، ويقول إنه لا يوجد حل سحري [4].
ما القواعد التي تُلزم بوسم صور الذكاء الاصطناعي؟
في الاتحاد الأوروبي، تسري التزامات الشفافية الواردة في المادة 50 من قانون الذكاء الاصطناعي اعتبارًا من 2 أغسطس 2026 [11]. وبموجب هذه القواعد، يجب على مزوّدي أنظمة الذكاء الاصطناعي وسم مخرجات الصوت والصورة والفيديو والنص بطريقة قابلة للقراءة آليًا حتى يمكن اكتشاف أنها مولَّدة اصطناعيًا، ويجب على المستخدِمين من الجهات التي تنشر هذه الأنظمة وضع تسميات على التزييف العميق؛ وتحدد مدونة الممارسات الصادرة عن المفوضية الأوروبية كيفية القيام بذلك [11]. وتعرّف المدونة التزييف العميق بأنه محتوى صوري أو صوتي أو مرئي يشبه أشخاصًا أو أشياء أو أماكن أو كيانات أو أحداثًا حقيقية وقد يبدو أصيلًا على غير الحقيقة [11].
والالتزام بالمدونة نفسها طوعي، وإن كانت واجبات المادة 50 التزامات قانونية [11]. ويذكر الجدول الزمني للمفوضية نشر المدونة النهائية في 10 يونيو 2026، وقد وقّعتها نحو 190 مؤسسة بحلول نهاية يوليو 2026 [11]. وأنشأ الاتحاد الأوروبي أيضًا مجموعة من الأيقونات يمكن للجهات الناشرة استخدامها لوسم المحتوى المولَّد بالذكاء الاصطناعي [11]. وخارج الاتحاد الأوروبي تنطبق سياسات المنصات مثل قواعد الإفصاح لدى Meta [10]، لكن القواعد تختلف من بلد إلى آخر وتتغير كثيرًا، فراجع النسخة السارية حتى 3 نوفمبر 2026.
ما الذي ينتظر اكتشاف المواد المزيفة؟
يتجه المسار نحو تسميات تُدمج في الملفات عند إنشائها، بدلًا من اعتماد الناس على رصد الأخطاء. فقد أعلنت Google خططًا لتوسيع التحقق في Gemini ليشمل بيانات اعتماد المحتوى من منتجات خارج منظومتها [6]، وتصف صفحة المساعدة لديها الآن هذه الفحوص [5]، بينما تنطبق قواعد الوسم الأوروبية على المزوّدين [11]. وفي الوقت نفسه، يصف NIST هجمات تزيل العلامات المائية أو تزوّرها ('الانتحال') [4]، وأظهر اختبار واشنطن بوست أن المنصات كثيرًا ما تتخلص من الإشارات الموجودة فعلًا [8].
ما الذي يبقى غير مؤكد
- مدى قدرة الناس على الاكتشاف في العام المقبل. يتوقع مؤلفو دراسة Microsoft أن تتراجع دقة البشر مع تحسّن المولِّدات [1].
- هل ستحافظ المنصات على بيانات الاعتماد. المشاركة في بيانات اعتماد المحتوى طوعية، وفي اختبار واشنطن بوست لم تحتفظ أي منصة بهذه البيانات [8].
- تغطية العلامات المائية للشركات الأخرى. حتى 3 نوفمبر 2026، لا تستطيع أداة التحقق في Gemini بعدُ قراءة العلامات المائية للشركات الأخرى [5].
وفي الوقت الحالي، لا تزال الفحوص التي لا تحتاج إلى أداة خاصة مهمة: إذ توصي Google بالبحث العكسي عن الصور للعثور على المصدر الأصلي [5]، ونصح هاني فريد قرّاء CBS News بألا يعتمدوا على وسائل التواصل الاجتماعي في الأخبار العاجلة [12].
| الطريقة | ما تستطيع إظهاره | القيد الرئيسي |
|---|---|---|
| الفحص البصري | أخطاء تشريحية أو أسلوبية أو وظيفية أو فيزيائية أو اجتماعية وثقافية [3] | العيوب ليست موجودة دائمًا؛ ونسبة نجاح الناس نحو 62% [1][3] |
| فحص SynthID في Gemini | ما إذا كان الذكاء الاصطناعي من Google قد صنع الملف أو عدّله [5] | لا يتعرف إلا على محتوى الذكاء الاصطناعي من Google؛ وغياب العلامة المائية ليس دليلًا على أن الصورة حقيقية [5] |
| بيانات اعتماد المحتوى (C2PA) | سجل موقَّع لطريقة صنع الملف وتعديله [7] | كثيرًا ما تزيلها المنصات؛ وتسجّل من قدّم الادعاء لا الحقيقة [5][8] |
| البحث العكسي عن الصور | النسخ السابقة والسياق الأصلي، كما توصي Google [5] | قد لا تكون للمواد المزيفة الجديدة نسخ سابقة |
| الكاشف الآلي | احتمال أن يكون الملف اصطناعيًا [4] | أضعف مع المولِّدات غير المألوفة؛ وقد تسبب الإيجابيات الكاذبة ضررًا [4] |
أخطاء شائعة
التعامل مع «عدم العثور على علامة مائية» بوصفه دليلًا على أن الصورة حقيقية
الصواب: تقول Google إن غياب علامة SynthID المائية لا يعني أن المحتوى غير مولَّد بالذكاء الاصطناعي؛ فقد يأتي من نظام ذكاء اصطناعي آخر [5].
الاعتماد على علامة بصرية واحدة مثل الأيدي
الصواب: افحص فئات العيوب الخمس جميعها، وتذكّر أن العيوب ليست موجودة دائمًا [3].
الثقة بدرجة كاشف إلكتروني واحد
الصواب: يشير NIST إلى أن الكاشفات تعمل على أفضل وجه مع المولِّدات التي دُرِّبت عليها؛ فابحث عن توافقها مع أدلة أخرى [4].
افتراض أن المنصة كانت ستعرض تسمية لو كان المحتوى من الذكاء الاصطناعي
الصواب: في اختبار واشنطن بوست، لم تعرض سبع منصات من ثماني أي تحذير على الإطلاق [8].
اتهام شخص بتزييف صورة بناءً على أدلة ضعيفة
الصواب: قد تكون الإيجابيات الكاذبة بالغة الضرر، لذا صرّح بعدم اليقين وابحث عن أدلة داعمة [4].
الأسئلة الشائعة
هل يستطيع الناس التمييز بموثوقية بين صور الذكاء الاصطناعي والصور الحقيقية؟
ليس بموثوقية. ففي تجربة Microsoft التي شارك فيها أكثر من 12,500 شخص، بلغ معدل النجاح الإجمالي 62% [1]، ووجدت دراسة في ثلاث دول أن معظم الناس كانوا يخمّنون فحسب أمام أحدث المواد المزيفة [2].
كيف أتحقق مما إذا كان الذكاء الاصطناعي من Google قد صنع صورة ما؟
ارفعها إلى تطبيق Gemini واسأله عما إذا كانت قد أُنشئت بالذكاء الاصطناعي من Google؛ إذ يبحث Gemini عن علامة SynthID المائية [6]. ولا يعمل ذلك إلا مع محتوى أدوات Google للذكاء الاصطناعي [5].
ما هي بيانات اعتماد المحتوى؟
هي سجل مؤمَّن تشفيريًا وفق معيار C2PA يوثّق كيف ومتى وأين أُنشئ المحتوى وعُدِّل [7]. وتساعد على إظهار العبث، لكن يمكن إزالتها، ولا تُثبت أن المشهد حقيقي [5][7].
هل تزيل لقطة الشاشة تسميات الذكاء الاصطناعي؟
قد تزيل البيانات الوصفية. ويشير NIST إلى أن البيانات الوصفية المضمَّنة كثيرًا ما تُحذف عند مشاركة الملفات، عبر منصات التواصل الاجتماعي مثلًا [4]. والعلامات المائية غير المرئية مصممة لتبقى، لكن Google تقول إن SynthID قد لا يُكتشف بعد تعديلات كثيرة [5]، وتقول Meta إن الناس يستطيعون إزالة العلامات غير المرئية [10].
هل نشر تزييف عميق دون تسمية مخالف للقانون؟
تختلف القواعد من بلد إلى آخر. ففي الاتحاد الأوروبي، تسري واجبات الشفافية في قانون الذكاء الاصطناعي، ومنها وضع الجهات الناشرة تسميات على التزييف العميق، اعتبارًا من 2 أغسطس 2026 [11]. وهذه معلومات عامة وليست استشارة قانونية.
مسرد المصطلحات
- التزييف العميق (Deepfake)
- صورة أو صوت أو فيديو مولَّد أو معدَّل بالذكاء الاصطناعي يشبه أشخاصًا أو أماكن أو أحداثًا حقيقية وقد يبدو أصيلًا على غير الحقيقة، كما تعرّفه مدونة الممارسات الأوروبية [11].
- التعبئة الداخلية (Inpainting)
- استبدال جزء من صورة حقيقية بمحتوى مولَّد بالذكاء الاصطناعي؛ وهو من أصعب أشكال التلاعب على الناس اكتشافًا [1].
- SynthID
- تقنية من Google تضمّن علامات مائية غير محسوسة في المحتوى المولَّد بالذكاء الاصطناعي [6].
- بيانات اعتماد المحتوى (C2PA)
- معيار مفتوح لمعلومات مصدر موقَّعة تشفيريًا تُرفق بملفات الوسائط [7].
- الإيجابية الكاذبة
- وسم الكاشف محتوى من صنع البشر خطأً بأنه مولَّد بالذكاء الاصطناعي [4].
المصادر
- How good are humans at detecting AI-generated images? Learnings from an experiment Microsoft AI for Good Lab (Roca et al.), arXiv
- A Representative Study on Human Detection of Artificially Generated Media Across Countries Frank et al., IEEE Symposium on Security and Privacy 2024 (arXiv) · 2023-12-10
- How to Distinguish AI-Generated Images from Authentic Photographs Kamali, Nakamura, Chatzimparmpas, Hullman, Groh (arXiv) · 2024-06-12
- NIST AI 100-4: Reducing Risks Posed by Synthetic Content US National Institute of Standards and Technology
- Verify AI-generated images, videos, and audio Google Gemini Apps Help; retrieved 2026-11-03
- How we're bringing AI image verification to the Gemini app Google · 2025-11-20
- FAQs Coalition for Content Provenance and Authenticity (C2PA); retrieved 2026-11-03
- We uploaded a fake video to 8 social apps. Only one told users it wasn't real. The Washington Post · 2025-10-22
- Sora 2 Watermark Removers Flood the Web 404 Media · 2025-10-07
- Labeling AI-Generated Images on Facebook, Instagram and Threads Meta · 2024-02-06
- Code of Practice on transparency of AI-generated content European Commission; retrieved 2026-11-03
- AI-generated videos are fueling falsehoods about Iran-Israel conflict, researchers say CBS News · 2025-06-27
التعليقات
أبرز التعليقات