التزييف العميق والفيديوهات المولّدة بالذكاء الاصطناعي مقنعة إلى حد يخدع الصحفيين وجهات إنفاذ القانون. يشرح هذا المقال الدلائل البصرية والصوتية والتقنية الحقيقية التي تكشف المواد المُصطنعة، مع تقنيات عملية يمكنك تطبيقها على أي فيديو الآن دون برامج متخصصة.
قد يكون ذلك الفيديو المنتشر على وسائل التواصل الاجتماعي ليس حقيقيًا. ليس ولو بقدر ضئيل. خلال السنتين الماضيتين، تجاوز الفيديو المولّد بالذكاء الاصطناعي عتبة لم يتوقعها معظم الناس: أصبحت الفيديوهات المزيفة مقنعة إلى حد يخدع صحفيين مدربين وجهات إنفاذ القانون، وأحيانًا حتى الأشخاص الذين يظهرون فيها. لكن الإقناع لا يعني الكمال. كل فيديو مُصطنع يترك آثارًا، وحين تعرف ما تبحث عنه، ستلاحظ الشقوق في كل مرة.
تقلّصت الفجوة بين اللقطات الحقيقية والفيديو المُصطنع بشكل كبير. يمكن لأدوات مثل Veo 3 وSora 2 وKling v2.6 إنتاج فيديو بصوت أصلي، وضبابية حركة واقعية، واستمرارية مشهد متماسكة، وكان ذلك سيتطلب ميزانية هوليوودية قبل خمس سنوات.
تُدرَّب نماذج تحويل النص إلى فيديو الحديثة على مجموعات بيانات ضخمة من لقطات العالم الواقعي، ما يعني أنها استوعبت المفردات البصرية للأصالة. تعرف كيف يتشتت الضوء عبر النافذة. وتعرف كيف تتجعد الملابس عندما يجلس شخص ما. المشكلة ليست أنها تخطئ في كل شيء، بل أنها تُصيب في كل شيء تقريبًا، وهذا ما يجعل الأخطاء المتبقية أصعب في الرصد إن لم تكن تعرف أين تنظر.
كانت عمليات التزييف العميق الأولى تحمل دلائل واضحة: ألوان بشرة غير متطابقة، وتعابير متجمدة، وخلفيات ممسوحة كأنها ألوان مائية. وقد زالت هذه الدلائل إلى حد كبير. ما يبقى هو مشكلات أدق وأكثر منهجية، جذورها في طريقة توليد هذه النماذج للحركة عبر الزمن.
💡 أهم ملاحظة: يُولي توليد الفيديو بالذكاء الاصطناعي اهتمامًا بالاتساق المكاني، لكنه كثيرًا ما يعاني من الاتساق الزمني، أي ثبات التفاصيل الدقيقة عبر ثوانٍ متعددة من اللقطات. وهنا تنهار معظم عمليات التزييف.
الوجه البشري هو أصعب ما يمكن تزييفه بإقناع، وما زال المكان الذي تنهار فيه معظم الفيديوهات المولّدة بالذكاء الاصطناعي عند الفحص الدقيق.
يحتوي الجلد البشري الحقيقي على آلاف الميزات الدقيقة: المسام، والشعيرات الناعمة، والشامات غير المتماثلة، والشعيرات الدموية، والتفاوتات اللونية الخفيفة الناتجة عن تدفق الدم تحت السطح. تحاكي نماذج الذكاء الاصطناعي ذلك بملمس إجرائي غالبًا ما يبدو ناعمًا أكثر من اللازم أو منتظمًا أكثر من اللازم.
عند فحص وجه في فيديو يُشتبه في توليده بالذكاء الاصطناعي، ابحث عن:
من أكثر الدلائل قيمةً في أي تحليل لعمليات التزييف العميق. عندما يتكلم الشخص، راقب داخل فمه بعناية. تنتج نماذج الذكاء الاصطناعي كثيرًا:
النظارات والأقراط والحلقات المثبتة في الجسم من أصعب العناصر على الذكاء الاصطناعي في الحفاظ على ثباتها عبر الإطارات. راقب الأقراط التي تغيّر شكلها بين اللقطات، أو إطارات النظارات التي تتعوج عند الصدغين، أو المجوهرات التي تبدو وكأنها تطفو قليلًا عن الجلد بدلًا من أن تستقر عليه.
تبقى أنماط الرمش من أكثر المؤشرات موثوقية على الفيديو المُصطنع، رغم سنوات من البحث النشط لتصحيح هذه المشكلة.
يرمش البشر من 15 إلى 20 مرة في الدقيقة. كانت عمليات التزييف العميق الأولى تكاد لا ترمش على الإطلاق. وقد صححت النماذج الحديثة المعدل، لكن بطرق ما زالت قابلة للرصد عندما تعرف ما تراقبه:
| النمط | إنسان حقيقي | مولّد بالذكاء الاصطناعي |
|---|---|---|
| معدل الرمش | 15-20 في الدقيقة | غالبًا 10-18 في الدقيقة |
| مدة الرمشة | 150-400 ميلي ثانية، متغيرة | غالبًا موحدة عند نحو 200 ميلي ثانية |
| تماثل الجفنين | يتحرك الجفنان باستقلالية طفيفة | يتحرك الجفنان معًا بشكل متطابق غالبًا |
| الرمشات الدقيقة اللاإرادية | موجودة | نادرة أو غائبة تمامًا |
| التعديل بعد الرمشة | تعيد العينان التركيز قليلًا غالبًا | تعود العينان بحدة إلى الموضع السابق بالضبط |
هذه التقنية فعّالة للغاية ولا تحتاج إلى أدوات خاصة. في اللقطات الحقيقية، تنفصل شعيرات الرموش الفردية قليلًا، وتتكتل بشكل طبيعي، وتُنتج أنماط ظلال متفاوتة على الجفن السفلي في كل رمشة. أما في معظم الفيديوهات المولّدة بالذكاء الاصطناعي، فتتحرك الرموش كوحدة واحدة ناعمة دون أي سلوك فردي للشعيرات.
💡 نصيحة: شغّل الفيديو بسرعة 0.25x وركّز فقط على اللحظة التي يُغلق فيها الجفن. إذا تصرفت الرموش كشكل منحنٍ موحد واحد دون تمايز في الشعيرات، فاعتبرها علامة تحذير قوية.
يركّز كثير من الناس على الجانب البصري وحده عند تقييم أصالة الفيديو. وهذا خطأ. فالتزامن بين الصوت والصورة هو غالبًا المكان الذي تنهار فيه المواد المُصطنعة بوضوح أكبر.
حتى مع أدوات مزامنة الشفاه المتخصصة، فإن الكلام المولّد بالذكاء الاصطناعي كثيرًا ما ينحرف عن التزامن بطرق دقيقة. ويبرز ذلك بشكل خاص مع أنواع معينة من الأصوات:
في اللقطات الحقيقية، تطابق الخصائص الصوتية للمكان ما تراه على الشاشة. الشخص المصوَّر في حمام كبير مبلَّط يبدو صوته مختلفًا عن شخص في غرفة نوم مفروشة بالسجاد. يطبّق الفيديو المولّد بالذكاء الاصطناعي باستمرار مظهرًا صوتيًا مسطحًا ونظيفًا لا يتطابق مع البيئة الظاهرة. استمع إلى:
الأشخاص الحقيقيون يتنفسون. ويمكنك غالبًا سماع ذلك في الصوت، خاصةً قبل الجمل الطويلة أو بين العبارات السريعة. يفتقر الكلام المولّد بالذكاء الاصطناعي إلى هذا تمامًا في كثير من الأحيان، فينتج إيقاعًا آليًا حتى عندما تكون جودة الصوت نفسها مقنعة. تتدفق الجمل بانتظام رتيب يبدو احترافيًا لكنه يبدو غير بشري عند الاستماع المتأني.
غالبًا ما تكون خلفية الفيديو المولّد بالذكاء الاصطناعي أضعف عناصره، لأن النموذج يجب أن يحافظ على الاتساق المكاني عبر الزمن مع معالجة حركة معقدة في المقدمة.
حيث يلتقي الشخص المتحرك مع الخلفية، ينتج الفيديو المولّد بالذكاء الاصطناعي كثيرًا تشوهات مرئية:
حتى في المقاطع التي تبدو فيها الكاميرا ثابتة، غالبًا ما تتحول الخلفيات المولّدة بالذكاء الاصطناعي بشكل خفي. وعند التنقل بين الإطارات واحدًا تلو الآخر ستكشف:
تنتج الكاميرات الحقيقية ذات البعد البؤري والفتحة المعينة عمق ميدان متوقعًا. أما نماذج الذكاء الاصطناعي فكثيرًا ما تنتج تدرجات ضبابية لا تتوافق مع أي سلوك فيزيائي للعدسات. قد تكون الخلفية ضبابية أكثر من اللازم في منطقة وحادة أكثر من اللازم في منطقة مجاورة داخل الإطار نفسه.
💡 فحص سريع: ابحث عن أي نص في خلفية الفيديو. تلتقط الكاميرات الحقيقية النص بدقة حتى عندما يكون خارج التركيز قليلًا. أما الخلفيات المولّدة بالذكاء الاصطناعي فتنتج باستمرار سلاسل نصية مشوّهة ومختلقة تتغير بين الإطارات. هذا الفحص وحده يكشف نسبة كبيرة من المحتوى المُصطنع.
عندما تتوفر لديك نسخة من فيديو يُشتبه في توليده بالذكاء الاصطناعي ومقطع أصلي مرجعي للشخص نفسه، فإن المقارنة الجنبية بينهما تكشف كثيرًا. المجالات الرئيسية للمقارنة:
فهم طريقة توليد هذه الأدوات للفيديو يساعدك على معرفة ما الذي من المرجح أن تخطئ فيه. تشمل أقوى نماذج تحويل النص إلى فيديو اليوم، وكلها متاحة على Picasso IA:
تستخدم معظم أنظمة الذكاء الاصطناعي الحديثة للفيديو بنى قائمة على الانتشار. تبدأ هذه النماذج بضوضاء منظمة ثم تُحسّنها تدريجيًا لتصبح فيديو متماسكًا، إطارًا بعد إطار، بتوجيه من الأمر النصي والإطارات السابقة. ينتج هذا إطارات فردية مبهرة بصريًا، لكنه يخلق تحديات مستمرة في الحفاظ على الاتساق الدقيق عبر الزمن:
رغم التحسينات الهائلة في كل جانب آخر، ما زال الفيديو المولّد بالذكاء الاصطناعي يعاني باستمرار مع الأيدي والأصابع. يظهر عدد الأصابع الصحيح ويختفي في منتصف المقطع. تنحني المفاصل في اتجاهات مستحيلة تشريحيًا. تتغير أشكال الأظافر بين الإطارات. وعندما ترى أيدي في فيديو تقيّمه، افحصها دائمًا بعناية، خاصةً أثناء الحركة.
لا يكفي الفحص البصري وحده للتحقق عالي المخاطر. يضيف تحليل البيانات الوصفية التقنية طبقة ثانية من الثقة تعمل بشكل مستقل عن الجودة البصرية.
تحتوي لقطات الفيديو الحقيقية على بيانات وصفية مدمجة يفتقر إليها المحتوى المُصطنع غالبًا، أو يملؤها بشكل غير صحيح. يمكن لأدوات مجانية مثل ExifTool أو MediaInfo أن تكشف:
يُعد استخراج لقطات ثابتة للبحث العكسي عن الصور من أكثر تقنيات الكشف سهولة المتاحة دون أدوات متخصصة:
تقدم عدة منصات تحققًا من الفيديو قائمًا على الذكاء الاصطناعي:
| الأداة | الطريقة الأساسية | الاستخدام الأمثل |
|---|---|---|
| Hive Moderation | مصنِّف بالشبكات العصبية | فحص عام للتزييف العميق |
| Sensity | تحليل الاتساق الزمني | كشف تبديل الوجوه |
| Intel FakeCatcher | تحليل إشارات تدفق الدم | التحقق البيولوجي من الحيوية |
| Microsoft Video Authenticator | رصد التشوهات على مستوى الإطارات | التحقق في وسائل الإعلام الإخبارية |
هذه الأدوات ليست معصومة من الخطأ، إذ إنها مدرّبة على مخرجات النماذج الموجودة، وقد تفوتها مواد من أنظمة أحدث. لكنها تضيف ثقة معتبرة عند استخدامها إلى جانب الفحص البصري اليدوي، لا بديلًا عنه.
عند مشاهدة محتوى فيديو يُتداول على وسائل التواصل الاجتماعي، تملك علامات التحذير هذه أعلى قيمة تنبؤية:
💡 الضغط يُخفي الدلائل: الفيديو المشارَك عبر تطبيقات المراسلة يُضغط غالبًا بنسب تمحو تشوهات التفاصيل الدقيقة التي كانت ستكشف أصله المُصطنع. اسعَ دائمًا إلى أعلى نسخة جودة متاحة قبل أن تُصدر حكمًا.
هناك اختصار يبدو متناقضًا لبناء حدس كشف سريع: أنشئ فيديوهات بالذكاء الاصطناعي بنفسك. عندما تنتج قدرًا كافيًا من المواد المُصطنعة، تبدأ برؤية أنماط الفشل من الداخل. تلاحظ الأوامر النصية التي تنتج تشوهات أكثر. تلاحظ بنفسك كيف تتعامل النماذج مع الشعر والأيدي ونصوص الخلفية. وتطوّر إدراكًا حدسيًا لنمط "مظهر الذكاء الاصطناعي" يجعل الكشف الفوري أسرع وأكثر موثوقية بكثير من أي قائمة تحقق.
هذه هي القيمة الحقيقية للتجربة العملية مع هذه الأدوات. فالشك دون معرفة ليس إلا ريبة. أما الإلمام بكيفية صنع الفيديو المُصطنع فيخلق نوعًا من الإدراك المعايَر الذي يصمد في الظروف الواقعية، حين يكون لديك ثوانٍ لا دقائق لتقييم ما تشاهده.
أسرع طريقة لتدريب عينك هي أن تنتج فيديو مُصطنعًا بنفسك وتقارنه مباشرة بلقطات حقيقية. تجمع Picasso IA أقوى نماذج تحويل النص إلى فيديو في العالم في مكان واحد، ومنها Veo 3 وKling v2.6 وSora 2 وLTX 2 Pro، دون الحاجة إلى أي إعداد.
أنشئ مقطعًا لوجه يتكلم، ثم أبطئه إلى سرعة 0.25x ومرّ على كل بند في هذا المقال. تحقق من الرمش. تحقق من الأسنان. تحقق من نص الخلفية. تحقق من الأيدي. وخلال بضع تجارب، ستتشكل لديك حاسة معايرة لا يمكن أن تحققها أي كمية من القراءة.
تمنحك المنصة نفسها الوصول إلى مولّدات الصور وأدوات تبديل الوجوه ونماذج مزامنة الشفاه وميزات تحسين الفيديو، لتستكشف الطيف الكامل لإنشاء الوسائط المُصطنعة. تلك المعرفة من التجربة المباشرة هي أقوى أداة كشف يمكنك بناءها، ولا تكلّفك سوى الفضول.
كشف الفيديو المولّد بالذكاء الاصطناعي ليس قائمًا على الارتياب. إنه يتعلق بالحفاظ على التفكير النقدي الأساسي الذي تتطلبه بيئة الإعلام الحالية من كل من يشاهدها. الدلائل موجودة. والآن تعرف أين تنظر.
اختر لغتك
