شهدت تقنيات الذكاء الاصطناعي خلال السنوات الماضية تطوراً سريعاً، مما يعكس التأثير المتزايد لمحتوى الذكاء الاصطناعي المُنتَج (Artificial Intelligence Generated Content - AIGC) على العالم الرقمي. ومع ذلك، هذا التقدم جاء مع تحديات أمنية كبيرة، حيث تُشكل القدرة على إنتاج محتوى اصطناعي عالي الجودة مصدر قلق نظراً لاحتمالية إساءة استخدامه.

تواجه طرق الكشف الحالية عن محتوى AIGC عدة قيود رئيسية، أبرزها نقص مجموعات البيانات القابلة للتفسير متعددة الأبعاد الخاصة بالصور والفيديوهات المُنتَجة. فالمجموعات المفتوحة المصدر الموجودة اليوم مثل WildFake وGenVideo تعتمد على تصنيفات ثنائية مبسطة، مما يحد من قدرة المدربين على تفسير النتائج وتعزيز موثوقية أجهزة الكشف.

كما أن مجرمات التزوير المعتمدة على نماذج اللغات الضخمة (MLLM) مثل FakeVLM تفتقر إلى التفسير الدقيق في منهجياتها، مما يجعل من الصعب الاعتماد عليها في تحديد مواقع التزوير بشكل موثوق.

لمعالجة هذه التحديات، تم تقديم IVY-FAKE، وهو المرجع الأول من نوعه في المجال الشامل للكشف التفسيري عن محتوى AIGC. يتضمن هذا النظام أكثر من 106,000 عينة تدريب مُشَذبة بشكل غني (صور وفيديوهات) و5,000 مثال تقييم تم التحقق منها يدويًا، تم جمعها من نماذج توليد متعددة وبيانات واقعية من خلال عملية مصممة بعناية لضمان التنوع والجودة.

علاوة على ذلك، نقدم Ivy-xDetector، والذي يمثل نموذجاً جديداً يعتمد على التعلم المعزز ويستخدم تقنية تحسين السياسة النسبية الجماعية (Group Relative Policy Optimization - GRPO). يتمتع هذا النموذج بقدرة على إنتاج سلاسل تفسيرية قابلة للفهم ويحقق أداءً ممتازاً عبر عدة معايير لكشف المحتوى الاصطناعي.

تؤكد التجارب الشاملة التي أجريت على التفوق الكبير لبياناتنا ونجاح منهجتنا، حيث تحسن الأداء على GenImage من 86.88% إلى 96.32%، متجاوزاً الطرق السابقة التي كانت الأفضل في هذا المجال بفارق واضح. هل أنتم مستعدون لاستكشاف عالم محتوى الذكاء الاصطناعي بشكل آمن وموثوق؟