تورنيتين و OpenAI يخسران: لماذا كاشفات الذكاء الاصطناعي لم تعد تميز بين البشر والنماذج

وصلت نماذج اللغة إلى نقطة يصبح من الصعب بشكل متزايد معرفة ما إذا كتب نصاً ما إنسان أو آلة. نتيجة لذلك، تتحول كاشفات الذكاء الاصطناعي إلى مرشح ضعيف: فهي تسمح بمرور المحتوى الاصطناعي وفي الوقت ذاته تخطئ بشكل متزايد عند التعامل مع المؤلفين الحقيقيين.

لماذا تبدو النماذج إنسانية

لم يمضِ وقت طويل حتى بدا أن النصوص المولدة آليًا يمكن تحديدها من خلال سلاستها المعقمة وعباراتها المتكررة وهيكلها الصحيح بإفراط. لكن نماذج اللغة الكبيرة الحديثة تجاوزت منذ زمن البدائية 'خمّن الكلمة التالية.' بالإضافة إلى التنبؤ الأساسي باللغة، ظهرت آليات تساعد على الحفاظ على المعنى، ومحاكاة النبرة، وتكييف الردود مع جمهور محدد.

يتعلم النموذج ليس فقط التحدث بتماسك، بل الظهور مثل إنسان يكتب ورقة بحثية، أو يناقش في الدردشة، أو يشرح موضوعاً لزميل. تعمل عدة طبقات نحو هذا الهدف. ينقل النمط يساعد على تكرار أنماط الكتابة الفردية، والضبط الدقيق يصقل الكلام على أمثلة حقيقية، والاستدلال يستخدم سياق المحادثة، وتعلم التعزيز من الملاحظات البشرية يوازي الردود مع توقعات الإنسان حول المنطق والأدب والطبيعية.

نتيجة لذلك، تختفي المسافة السابقة بين نص 'آلي' و'بشري.' يمكن للنموذج أن يكون جافًا وأكاديميًا، أو محاديثيًا وغير متساوٍ، أو حتى متعمدًا في الخشونة إذا كان هذا الأسلوب يعمل بشكل أفضل كخطاب حقيقي.

حيث ينهار الكاشفات

في هذا السياق، تفقد الكاشفات نفسها موطئ قدمها. أظهرت دراسة عام 2025 استشهد بها المؤلف نتيجة متقاربة تقريباً: حدد البشر والخوارزميات على حد سواء النصوص المولدة بواسطة الذكاء الاصطناعي بدقة حوالي 57%. لم يعد هذا أداة تحكم—إنه تقريباً رمي العملة. مشكلة منفصلة هي أن النص يمكن تمريره مرة أخرى من خلال إعادة الصياغة، وعندئذ يتم محو الآثار الإحصائية للجيل بشكل أعمق بكثير. كلما أصبح الأداء أفضل في إعادة كتابة نفسها، كلما عملت الأنظمة التي تبحث عن التوقيعات القديمة بشكل أسوأ.

'جي بي تي أم لا؟'—في كثير من الأحيان، تقتصر التحقق اليوم على هذا بالضبط.

• في الدراسات، تقترب دقة الكشف بشكل متزايد من التخمين العشوائي.
• تزيل إعادة الصياغة المتكررة الأنماط الصيغية والقابلية للتنبؤ والعلامات المرئية الأخرى للجيل.
• تؤثر الإيجابيات الكاذبة على المؤلفين الحقيقيين بقوة أكبر من أولئك الذين يستخدمون الذكاء الاصطناعي على نطاق واسع.
• أغلقت OpenAI أداة تصنيف الذكاء الاصطناعي الخاصة بها بعد نتائج ضعيفة: كانت الأداة تكتشف حوالي 26% فقط من النصوص المولدة.

التأثير الأكثر إيلاماً هو الأخطاء ضد البشر. في عام 2023، أصاب قضية بارزة مع Turnitin فتاة طالبة وضعت النظام مقالتها كتقريباً عمل مولد بالكامل من الذكاء الاصطناعي. لاحقاً، أظهرت التحقق المستقل أن الكاشف نفسه بعيد كل البعد عن أن يكون معصوماً عن الخطأ ولا يعترف إلا بجزء من النصوص المولدة آليًا. هذا عدم التماثل خطير: يمكن لمولد أن يمر دون ملاحظة بينما يعاني المؤلف الضميري من الضرر السمعي. عندما يتعلق الأمر بشهادة أو منشور علمي أو اعتماد، تصبح تكلفة خطأ واحد عالية جداً.

ما يجب أن يتغير الآن

الخلاصة الرئيسية للتعليم والعلم واضحة: يجب أن تركز التحقق ليس فقط على النص النهائي، بل على كامل عملية إنشاؤه. كلما زاد نظام تعويض الحجم والهيكل الرسمي والحشو البيروقراطي، كان من الأسهل خداعه باستخدام نماذج اللغة الكبيرة. لذلك، من الأفيد نقل التركيز نحو الدفاع الشفوي والمسودات وسجل التحرير وجودة المصادر والقابلية لإعادة الإنتاج والقدرة على شرح الحجة بدون ملاحظات.

حيث يجب إظهار فهم موضوع بدلاً من مجرد إنتاج الكثير من النص السلس، يكون لدى النموذج مساحة أقل للاستبدال غير المكتشف. خارج الأوساط الأكاديمية، المشكلة لا تقل عملية. لا توقف كواشف ضعيفة المعلومات المضللة وتقريباً لا فائدة منها ضد الهندسة الاجتماعية، حيث تأتي السرعة والحجم والنبرة المقنعة.

لذلك في غرف التحرير والشركات والمراسلات العادية، ما هو مطلوب ليس 'ماسح ذكاء اصطناعي سحري' بل التحقق المناسب: التحقق من الحقائق من مصادر متعددة، تأكيد الهوية عبر قناة ثانية، والانتباه إلى الرسائل السريعة جداً والمصقولة جداً. يمكن أن يكون النص السلس إشارة لكن ليس دليل—وهذا بالضبط ما يجعل التحقق البشري مركزياً مرة أخرى.

ما يعنيه هذا

لا يمكن النظر إلى كاشف الذكاء الاصطناعي بعد الآن كقاضٍ يصدر حكماً نهائياً على النص. في أحسن الأحوال، إنه مؤشر مساعد. تتحول الثقة الآن من سطح النص إلى مصدره وعملية إنشاؤه وقدرة المؤلف على تأكيد فهمه الحقيقي لما تم كتابته.