إطلاق Tab، بوت مضاد للرسائل المزعجة لـ Telegram يعمل بشبكة عصبية خاصة مع تدريب إضافي

ظهر في Telegram بوت مضاد للسبام باسم Tab، ولا يعتمد على نموذج جاهز من طرف ثالث، بل على شبكة عصبية خاصة بمؤلفه. يعمل المشروع في المحادثات منذ عدة أشهر، ولا يزال مجانيًا للاختبار، ويجمع بيانات لمواصلة التدريب الإضافي.

كيف يعمل البوت

يقوم Tab على نموذج للتصنيف الثنائي للرسائل: يحدد البوت ما إذا كان النص سبامًا أم لا. لم يلجأ المؤلف إلى الحلول الجاهزة من Hugging Face، بل بنى البنية بنفسه استنادًا إلى نهج LSTM. والمنطق هنا واضح: في الرسائل القصيرة على Telegram يهمّ الحفاظ على السياق، ويوفّر الجمع بين الشبكة التكرارية وآليات الانتباه بديلًا أخف وأسهل في التحكم من النماذج العامة الكبيرة.

وفوق الشبكة العصبية نفسها تعمل عدة قواعد إضافية، لا تقتصر مهمتها على رصد الرسائل المشبوهة، بل تشمل أيضًا تقليل عدد حالات الحظر الخاطئة. يراعي البوت بصورة منفصلة ما إذا كان المستخدم موجودًا في قاعدة المزعجين، وبناءً على ذلك إما يحذف الرسالة فورًا أو يترك القرار النهائي للمشرف. يبدو هذا النهج الهجين أكثر عملية من الأتمتة الكاملة، إذ يبقى خطر الخطأ قائمًا في تصنيف النصوص، خصوصًا في المحادثات الحية ذات اللغة المحكية.

البيانات والتدريب

لم يكن الجزء الأصعب في المشروع كتابة كود البوت، بل إعداد البيانات. لم يعثر المؤلف على مجموعة بيانات حديثة جاهزة للسبام الناطق بالروسية في Telegram، فاضطر إلى جمع المدوّنة يدويًا: استخراج الرسائل من المجموعات العامة، ومراجعة المحادثات المعروفة بكثرة السبام، وتصنيف الرسائل واحدةً تلو الأخرى. وقد نمت مجموعة البيانات الآن إلى أكثر من 25 ألف مثال، وعليها تعتمد الدقة الأساسية للتصنيف.

وأُدمجت في البوت آلية منفصلة لتلقي ملاحظات المشرفين. إذا وُسمت رسالة بالخطأ على أنها سبام، يستطيع المشرف تأكيد أنها نص عادي، فتُضاف هذه الحالة إلى مجموعة البيانات بوصفها إنذارًا كاذبًا. وهذا لا يقتصر على تنظيف المحادثة، بل يحسّن النموذج تدريجيًا على أمثلة حدّية حقيقية، وهي عادةً ما تُفسد جودة أنظمة مكافحة السبام.

«لا أقدّم هذا الحل على أنه قاتل كل أنواع السبام».

الأوضاع والقيود

يدعم Tab حاليًا سيناريوهي عمل: وضع قياسي أكثر حذرًا، ووضع آلي أشد صرامة. في الوضع القياسي يمرّر البوت الرسالة أولًا عبر النموذج، ثم ينظر في إشارات إضافية، منها وجود المستخدم في قاعدة المزعجين. وإذا لم تكن الثقة كافية، يُترك القرار لإنسان. وهذا يقلل خطر معاقبة عضو عادي في المحادثة بسبب نص مثير للجدل.

• في الوضع القياسي قد تُحال الرسالة المشبوهة إلى المشرف للمراجعة
• في الوضع الآلي يُحذف السبام فور إطلاق النموذج حكمه
• الحظر مرتبط بصرامة أكبر بتزامن عاملين: تصنيف الرسالة كسبام ووجود المستخدم في القاعدة
• يمكن للمستخدمين الإبلاغ عن الرسائل بالأمر /spam
• يمكن لمشرفي المحادثة تبديل وضع عمل البوت

المشكلة الرئيسية لمثل هذه الأنظمة هي تطور السبام نفسه. يُخفي المزعجون الكلمات برموز مشابهة من أبجديات أخرى، ويدرجون مسافات بين الحروف، ويغيّرون صياغة الرسالة وسياقها. ويعني ذلك أنه لا يمكن تدريب النموذج مرة واحدة ثم تركه دون متابعة: فهو يحتاج إلى تدفق مستمر من الأمثلة الجديدة وإعادة التدريب والفحوص.

وتتضمن خطط المؤلف لوحة معلومات عامة بإحصاءات آنية، ومواصلة أتمتة التصنيف، لأن المرحلة اليدوية هي ما يحدّ من التوسع حاليًا أكثر من أي عامل آخر.

ماذا يعني ذلك

يُظهر Tab أنه حتى دون فريق كبير أو وصول إلى بنية تحتية ثقيلة، يمكن بناء أداة ذكاء اصطناعي تطبيقية عاملة تعالج مشكلة محددة في محادثات Telegram. وبالنسبة إلى السوق، هذه إشارة أخرى إلى أن النماذج المتخصصة والإشراف البشري الدقيق كثيرًا ما يحققان نتيجة أنفع من محاولة حل كل شيء بشبكة عصبية عامة كبيرة واحدة.