أعلنت OpenAI عن تحديث جديد في آليات تحديد مصدر الصور التي تنتجها أدواتها، في خطوة تستهدف جعل الصور المولدة بالذكاء الاصطناعي أسهل في الاكتشاف وأصعب في الإخفاء. ويأتي هذا التحديث مع اعتماد مزيج من بيانات المصدر المعيارية والعلامات المائية الرقمية الخفية، إلى جانب إتاحة أداة عامة للتحقق من بعض المحتوى الذي تم إنشاؤه عبر أنظمتها.
الخطوة تعكس اتجاهاً متزايداً داخل قطاع الذكاء الاصطناعي نحو بناء وسائل تقنية تساعد المنصات والمستخدمين على التمييز بين الصور الأصلية وتلك التي تم إنشاؤها آلياً. ومع تزايد جودة الصور المولدة، أصبحت مسألة التحقق من المصدر أكثر أهمية، خصوصاً مع انتشار الاستخدامات الإعلامية والتجارية وحتى الخادعة لهذا النوع من المحتوى.
ما الذي تغير في نظام OpenAI
الجزء الأساسي من الإعلان يتمثل في إضافة ما تسميه الشركة إشارات لتتبع مصدر المحتوى عبر منظومة الصور الخاصة بها. عملياً، هذا يعني أن الصور التي يتم إنشاؤها من خلال ChatGPT وأدوات OpenAI الأخرى، بما في ذلك الواجهة البرمجية وبعض المنتجات المرتبطة بها، ستحمل أكثر من طبقة تعريفية تساعد على معرفة أنها مولدة بالذكاء الاصطناعي.
هذه الإشارات لا تعتمد على وسيلة واحدة فقط. فبدلاً من الاكتفاء ببيانات وصفية داخل الملف، وهي طريقة معروفة منذ فترة، تتجه الشركة إلى نموذج أكثر صلابة يجمع بين معيار C2PA والعلامات المائية الخفية المعتمدة على تقنية SynthID. والهدف من هذا الدمج هو رفع فرص بقاء معلومات المصدر حتى لو جرى تعديل الصورة أو إعادة حفظها أو التقاطها كلقطة شاشة.
مشكلة البيانات الوصفية التقليدية
البيانات الوصفية كانت حتى وقت قريب من أبرز وسائل الإشارة إلى مصدر الصور. وهي معلومات مدمجة داخل الملف نفسه، ويمكن لبعض أدوات الفحص قراءتها لمعرفة ما إذا كانت الصورة مولدة بالذكاء الاصطناعي أو خضعت لتعديلات محددة. لكن هذه الطريقة واجهت مشكلة واضحة: من السهل فقدانها.
فعندما يتم التقاط لقطة شاشة للصورة، أو تصديرها من جديد عبر بعض التطبيقات، أو ضغطها بأسلوب يزيل المعلومات غير المرئية داخل الملف، تختفي هذه البيانات ببساطة. عندها تبقى الصورة موجودة، لكن من دون سجل واضح يوضح مصدرها. هذا الضعف جعل الاعتماد على البيانات الوصفية وحدها غير كاف في مواجهة الصور المزيفة أو المحتوى الذي يعاد نشره خارج سياقه الأصلي.
لهذا السبب تتجه شركات التقنية إلى وسائل إضافية لا تكون مرتبطة فقط بالملف، بل ببنية الصورة نفسها.
ما هو معيار C2PA ولماذا يهم
أوضحت OpenAI أنها أصبحت متوافقة مع معيار C2PA، وهو إطار صناعي يركز على توثيق مصدر المحتوى وصحته. يهدف هذا المعيار إلى جعل معلومات المصدر قابلة للقراءة والنقل بين المنصات والأدوات المختلفة بطريقة موحدة وآمنة نسبياً.
أهمية هذا المعيار أنه لا يكتفي بوضع علامة داخل الصورة، بل يوفر صيغة معترفاً بها يمكن للمنصات الاعتماد عليها لفهم تاريخ المحتوى: من أنشأه، وما إذا كان قد تم توليده بالذكاء الاصطناعي، وما التعديلات التي طرأت عليه إذا كانت مدعومة من النظام. وفي بيئة رقمية تنتقل فيها الصور بسرعة بين الشبكات الاجتماعية وأدوات التحرير والتطبيقات السحابية، تساعد المعايير الموحدة على بناء بنية تحتية أفضل للتحقق.
لكن حتى مع أهميته، لا يحل C2PA كل المشكلة، لأن المعلومات قد تظل عرضة للفقدان إذا انتقلت الصورة بطريقة تزيل البيانات المرفقة. هنا يأتي الدور الثاني في استراتيجية OpenAI.
علامات مائية خفية داخل وحدات الصورة
العنصر الأبرز في التحديث هو استخدام تقنية SynthID، وهي آلية لإضافة إشارة غير مرئية داخل الصورة نفسها. هذه الإشارة لا تظهر للمستخدم العادي، ولا تغير شكل الصورة بشكل واضح، لكنها تمنح أدوات الكشف طريقة لقراءة احتمال أن تكون الصورة مولدة بواسطة الذكاء الاصطناعي.
الفكرة هنا تشبه إخفاء بصمة رقمية داخل البنية البصرية للصورة بدلاً من إرفاقها كبيانات منفصلة. ووفقاً للمعلومات المعلنة، فإن هذه الإشارة تبقى قابلة للرصد حتى بعد بعض التعديلات الشائعة مثل تغيير الحجم، والاقتصاص، والضغط، وتعديل الألوان. كما أنها قد تنتقل حتى إلى لقطات الشاشة، وهي نقطة مهمة لأن هذا النوع من إعادة النشر كان من أسهل الطرق للتخلص من بيانات المصدر التقليدية.
هذا لا يعني أن العلامة المائية الخفية غير قابلة للإزالة تماماً، أو أنها ستنجح في كل الحالات. لكنه يعني أن تجاوزها أصبح أصعب من حذف بيانات وصفية بسيطة من ملف صورة.
لماذا الاعتماد على أكثر من إشارة
رسالة OpenAI الأساسية في هذا الإعلان أن أي وسيلة منفردة لن تكون كافية. فإذا اعتمدت الشركة على البيانات الوصفية فقط، فمن الممكن فقدانها بسهولة. وإذا اكتفت بعلامة مائية مرئية في زاوية الصورة، فيمكن قصها أو إخفاؤها. أما إذا استخدمت بصمة خفية فقط، فقد تكون هناك حالات يصعب فيها الجزم الكامل بمصدر المحتوى.
لذلك يبدو النهج الجديد قائماً على التراكم: معيار صناعي لتوثيق المصدر، وإشارة خفية مدمجة في الصورة، وأداة عامة للتحقق. هذا النوع من الدمج لا يمنع إساءة الاستخدام بالكامل، لكنه يرفع تكلفة التلاعب ويمنح المنصات والصحفيين والباحثين والمستخدمين العاديين أدوات أفضل للتقييم.
أداة تحقق عامة للمستخدمين
إلى جانب الجوانب التقنية داخل الصور، أعلنت الشركة أيضاً عن طرح أداة تحقق عامة. الفكرة من هذه الأداة هي تمكين المستخدم من فحص محتوى معين لمعرفة ما إذا كان مرتبطاً بأدوات OpenAI. وإذا نجحت هذه الأداة في العمل بصورة مستقرة وسهلة، فقد تصبح خطوة مهمة في تحويل تقنيات التحقق من ميزة داخلية إلى خدمة عامة يمكن للجمهور الوصول إليها.
أهمية هذه النقطة لا تتعلق فقط بالمحترفين. فمع الانتشار الواسع للصور المولدة بالذكاء الاصطناعي على المنصات الاجتماعية، بات المستخدم العادي يحتاج إلى وسائل مباشرة وسريعة لفهم ما يراه. ومع ذلك، سيبقى أداء الأداة مرتبطاً بحدودها التقنية: هل يمكنها كشف الصور المعدلة جزئياً؟ ماذا لو تم دمج عنصر مولد بالذكاء الاصطناعي داخل صورة حقيقية؟ وهل تستطيع تحديد درجة التعديل أو نسبة الاعتماد على التوليد؟ هذه أسئلة ستحدد مدى فعاليتها في الاستخدام اليومي.
التأثير على مكافحة الصور المزيفة
من الناحية العملية، يمكن لهذا التحديث أن يساعد في تقليل مساحة الغموض المحيطة بالصور التي تنتجها النماذج المتقدمة. فكلما أصبحت أدوات التوليد أكثر قدرة على إنتاج مشاهد واقعية، زادت الحاجة إلى وسائل تمييز لا تعتمد على العين البشرية وحدها.
الصور المزيفة لا تُستخدم فقط في الترفيه أو التجارب الإبداعية، بل يمكن أن تلعب دوراً في التضليل، وانتحال الهوية، والتلاعب بالأخبار، وحتى الاحتيال. ولهذا فإن بناء طبقات تحقق قابلة للاستخدام على نطاق واسع قد يصبح جزءاً أساسياً من البنية الأمنية للمحتوى الرقمي خلال السنوات المقبلة.
في الوقت نفسه، من المهم ملاحظة أن هذه الأدوات لا تمثل حلاً نهائياً. فهناك صور تولدها أنظمة أخرى، ومحتوى يتم تعديله بطرق معقدة، وحالات لا يمكن الجزم بها تلقائياً. لذلك فإن التحقق من المصدر سيبقى جزءاً من منظومة أوسع تشمل المنصات، وأدوات التحليل، والسياسات التنظيمية، ومهارات المستخدم نفسه.
ما الذي يعنيه ذلك لسوق الذكاء الاصطناعي
اعتماد OpenAI لتقنيات معيارية وخفية في الوقت نفسه يشير إلى مرحلة جديدة من التنافس في سوق الذكاء الاصطناعي، حيث لا يتعلق السباق فقط بجودة التوليد، بل أيضاً بمسؤولية التتبع والشفافية. ومع تصاعد الضغوط من الحكومات والمنظمين والمنصات الرقمية، قد يصبح توفير آليات واضحة لمعرفة مصدر المحتوى شرطاً أساسياً لأي مزود رئيسي لنماذج التوليد.
كما أن استخدام تقنية مثل SynthID يوضح أن المنافسة في هذا السوق لا تمنع تبني تقنيات طورتها جهات أخرى عندما تكون مفيدة لبناء معايير أوسع. وهذا قد يدفع القطاع نحو مزيد من التشغيل البيني بين أدوات الكشف والتوثيق، بدلاً من الاكتفاء بحلول مغلقة داخل كل شركة.
خلاصة
تحديث OpenAI الأخير لا يغير فقط طريقة وسم الصور المولدة بالذكاء الاصطناعي، بل يوسع مفهوم التحقق من المصدر إلى أكثر من طبقة تقنية. بين C2PA كمعيار موحد، وSynthID كبصمة خفية داخل الصورة، وأداة تحقق عامة للمستخدمين، تحاول الشركة بناء نظام يجعل التعرف إلى الصور المولدة أسهل وأقل اعتماداً على التخمين.
النتيجة الأهم ليست القضاء على الصور المزيفة بشكل كامل، بل تحسين فرص اكتشافها وإعطاء المنصات والمستخدمين أدوات أفضل لفهم ما يشاهدونه. ومع استمرار تطور أدوات التوليد، يبدو أن معركة المستقبل لن تكون فقط حول إنتاج صور أكثر إقناعاً، بل أيضاً حول إثبات مصدرها بوضوح.