تغيّر شيء ما في فيديو الذكاء الاصطناعي عام 2026. لم تعد المقاطع تبدو مصطنعة. بدأ محللو الأدلة الجنائية الرقمية يخفقون في رصد اللقطات الاصطناعية، وأخطأ خبراء معايَرون على بصمات التزييف العميق القديمة. يشرح هذا المقال لماذا أصبح فيديو الذكاء الاصطناعي الذي خدع حتى الخبراء مقنعًا إلى هذا الحد، وما النماذج المسؤولة عن ذلك، وما الذي يمكنك فعله حقًا الآن.
ظهر المقطع في مجموعة دردشة. دون نسبة إلى مصدر، ودون سياق، مجرد فيديو قصير لامرأة تتحدث مباشرة إلى الكاميرا في شقة مضاءة بضوء الشمس. ثلاثون ثانية. إضاءة طبيعية، واهتزاز خفيف للكاميرا، من النوع الذي قد تسجّله على هاتفك. كان في تلك المجموعة ستة عشر شخصًا، من بينهم ثلاثة صحفيين يعملون في المجال ومخرج أفلام وثائقية. ولم يشكّك أحد منهم في أنه اصطناعي. لأنه لم يكن كذلك. أم كان؟
لم يعد هذا السؤال بلاغيًا. الفيديو بالذكاء الاصطناعي الذي خدع حتى الخبراء ليس احتمالًا نظريًا. إنه يحدث على نطاق واسع، الآن، باستخدام أدوات متاحة للمستهلكين لا تتطلب أي تدريب تقني، وتكلّف أقل من اشتراك شهري في خدمة بث. لقد تجاوز الخط الإدراكي الفاصل بين الفيديو الحقيقي والفيديو الاصطناعي، ومعظم الناس لم يلاحظوا ذلك وهو يحدث.
لم تأتِ نقطة التحوّل مع اختراق واحد. حدثت تدريجيًا ثم فجأة. ففي عام 2022، كانت مقاطع الفيديو المولّدة بالذكاء الاصطناعي تحمل علامات واضحة: أسنان مشوّهة، وخلفيات تومض، وعيون لا تتتبع الأشياء بشكل صحيح بطريقة تثير الريبة. وبحلول عام 2024، اختفت تلك العيوب تقريبًا. وبحلول عام 2025، أنتجت أفضل النماذج لقطات اجتازت كل اختبار إرشادي اعتمد عليه المحترفون لسنوات.
في دراسات موثّقة، حدّد محللو الطب الشرعي الإعلامي المدرَّبون فيديو الذكاء الاصطناعي بدقة لا تتجاوز بالكاد مستوى الصدفة، عند مشاهدة مقاطع أقصر من 10 ثوانٍ. وهذا ليس قصورًا من جانبهم. إنها تقنية تجاوزت فعلًا عتبة إدراكية. فالإشارات التي طوّر البشر قدرتهم على رصد الخداع من خلالها، كالتعابير الدقيقة، وعدم اتساق الإضاءة، وأخطاء الفيزياء، تعلّمتها الشبكات العصبية وصحّحتها بصورة منهجية، بعد تدريبها على مليارات الساعات من اللقطات الحقيقية.
اقترح آلان تورينغ أن الآلة تُعدّ ذكية حين لا يستطيع الإنسان تمييزها عن إنسان آخر في محادثة. وقد تجاوز الفيديو نسخته الخاصة من هذا الخط. فقد أظهرت دراسات مستقلة متعددة في عامي 2024 و2025 أن دقة كشف الإنسان لمقاطع الفيديو القصيرة المولّدة بالذكاء الاصطناعي انخفضت إلى 54%، أي ما يعادل رمية عملة تقريبًا. فازت الآلات.
تلاقت ثلاثة عوامل:
وعندما تزامنت هذه التطورات الثلاثة في الجيل نفسه من النماذج، كانت القفزة في الجودة مفاجئة. لم تكن تدريجية. كانت تحولًا مفاجئًا.
لفهم سبب هذا الإقناع الكبير للقطات، تحتاج إلى صورة أساسية عن طريقة عمل هذه الأنظمة. فنماذج تحويل النص إلى فيديو لا تسجّل لقطات حقيقية ولا تأخذ عينات منها. إنها تولّد كل بكسل وكل إطار من نموذج إحصائي متعلَّم لما يبدو عليه الواقع.
تعمل نماذج مثل Kling v3 Video وVeo 3 وفق ما يسميه الباحثون الانتشار في الفضاء الكامن، وهي عملية تُزال فيها الضوضاء بصورة منهجية حتى يظهر فيديو متماسك وعالي الدقة يطابق الأمر النصي المُدخل. ولا يسترجع النموذج اللقطات، بل يبنيها من توزيعات احتمالية تعلّمها خلال التدريب.
فشلت النماذج الأقدم في الفيزياء لأنها تعلمت الارتباطات دون السببية. كانت تعرف أن الظلال تظهر عادةً تحت الأجسام، لكنها لم تكن تنمذج مصادر الضوء باتساق في الاتجاه. أما البنى الأحدث، وخاصة تلك التي تعتمد آليات انتباه صريحة مدركة للبعد الثلاثي (3D)، فتنمذج المشاهد بتمثيلات مكانية ضمنية. وعندما تتحرك الكاميرا، تتحرك الظلال بالشكل الصحيح. وعندما يمر جسم خلف جسم آخر، يُعالَج الحجب بشكل طبيعي.
ولهذا يستطيع Sora 2 Pro توليد لقطات لكوب ماء يسقط عن طاولة مع سلوك سائل دقيق من الناحية الفيزيائية. فالنموذج لم يبحث عن "كيف يسقط الماء". لقد استوعب الفيزياء من مراقبة ملايين الحالات التي حدثت فعلًا.
للدقة أهمية كبيرة في الكشف. ففي دقة 480p، قد تلتقط حتى العيون المدرَّبة جيدًا أحيانًا آثار ضغط النسيج. أما في دقة 1080p مع ضبابية حركة مناسبة، فتصبح المهمة أصعب بكثير. يولّد Hailuo 02 فيديوهات بدقة 1080p بشكل أصلي. وكذلك يفعل Seedance 1.5 Pro. وعندما يُصيَّر شيء ما بدقة التلفزيون البثّي مع تصحيح ألوان سليم، يتوقف دماغ المشاهد عن البحث الفعّال عن المشكلات، ويبدأ في قبول ما يراه بشكل سلبي.
نادرًا ما تكون مقاطع الفيديو الفيروسية هي الأكثر إثارة من الناحية التقنية. بل هي المؤثرة عاطفيًا. صوت جدٍّ أُعيد بناؤه. مشهور في سيناريو يبدو قابلًا للتصديق. مقطع إخباري يحمل ما يكفي من الضوضاء المحيطة ليبدو أصيلًا.
ما تغيّر في عام 2025 هو أن مستوى جودة فيديو الذكاء الاصطناعي الأساسي تجاوز عتبة "جيد بما يكفي للمشاركة" بالنسبة لمستخدمي وسائل التواصل العاديين. لا تحتاج إلى توليد كمال واقعي كالصور الفوتوغرافية لتخدع شخصًا يتصفح بسرعة 1.5 ضعف. تحتاج إلى شيء لا يثير فورًا استجابة من نوع "هناك خطب ما". وقد حقّقت النماذج ذلك قبل شهور. ومنذ ذلك الحين وهي تتحسن.
في كل مرة يُشارَك فيها فيديو اصطناعي دون تدقيق، يُدرَّب الأشخاص المحيطون به على قبول هذا النوع من المحتوى بوصفه حقيقيًا. فالتعرّض المتكرر لفيديو الذكاء الاصطناعي، حتى حين يُكتشف لاحقًا أنه اصطناعي، يرفع مستوى التسامح الأساسي مع العيوب. إنها آلية تروس لا تتحرك إلا في اتجاه واحد.
التأثير المتراكم: تُظهر دراسات حول التضليل المعلوماتي أنه حتى حين يعلم الناس أن محتوى ما كان كاذبًا، يبقى أثر التأثير المستمر. فالمشاهدة والمشاركة أهم من التصحيح الذي يأتي لاحقًا.
يمكن توليد الفيديو وتحسينه ونشره في أقل من ثلاث دقائق باستخدام الأدوات الحالية. أما التحقق الدقيق من الوقائع فيستغرق ساعات. وتلك الفجوة هي المساحة التي تعمل فيها الوسائط الاصطناعية. الأمر ليس أن التحقق مستحيل. بل أن التحقق لا يستطيع أن يتحرك بسرعة المشاركة.
لم يكن الخبراء الذين فشلوا يفتقرون إلى الخبرة. كانوا يستخدمون خبرة معايَرة لمشكلة أقدم.
يركّز معظم التدريب المهني في الطب الشرعي للفيديو على آثار الضغط، وبصمات الاستنساخ، وعدم اتساق البيانات الوصفية، وكلها بصمات لتحرير الفيديو التقليدي وتزييف التعميق القائم على الشبكات التوليدية التنافسية الأقدم. أما نماذج الفيديو القائمة على الانتشار فتترك بصمات مختلفة جوهريًا، أو في بعض الحالات لا تترك بصمات تُذكر. كان الخبراء يبحثون عن بصمات من جريمة مختلفة.
| طريقة الكشف | تعمل ضد التزييف العميق القديم | تعمل ضد النماذج الجديدة |
|---|---|---|
| فحص البيانات الوصفية | نعم | جزئيًا |
| تحليل آثار الضغط | نعم | لا |
| تحليل نمط رمش العين | نعم | لا |
| تمازج حدود الوجه | نعم | لا |
| تحليل التردد الطيفي | جزئيًا | جزئيًا |
| اختبار الاتساق الزمني | لا | لا |
النمط واضح. فالأدوات القديمة أصبحت غير مجدية إلى حد كبير مع نماذج الجيل الحالي. تُطوَّر أدوات كشف جديدة، لكن أفضل الأنظمة المتاحة حاليًا ما تزال تعمل بمعدلات دقة لن تصمد في السياقات القانونية.
ثمة بُعد نفسي أيضًا. فالخبراء الذين نادرًا ما رأوا فيديو ذكاء اصطناعي خدعهم فعلًا يميلون إلى الثقة المفرطة. يصبح النموذج الذهني القائل بأن "فيديو الذكاء الاصطناعي يبدو بشكل معين" عبئًا بمجرد أن تتجاوز التقنية عتبات معينة. تتطلب المعايرة التعرّض لحالات فشل، ولم يكن هناك حتى وقت قريب ما يكفي من حالات الفشل المقنعة لإعادة معايرة أجهزة الكشف.
هذه ليست مشكلة محلولة بالكامل، لكن هناك إشارات تستحق الفحص قبل أن تشارك المحتوى.
افحص الخلفيات أولًا: تولّد نماذج الذكاء الاصطناعي غالبًا عناصر أمامية مقنعة، لكنها تفقد الاتساق المكاني في الخلفية أثناء الحركة السريعة للكاميرا. راقب الجدران التي تتنفس أو الأثاث الذي يتغير موضعه بشكل خفي.
تعمل أدوات كشف مثل Hive Moderation وReality Defender وSensity AI على تطوير مسارات كشف في الوقت الفعلي. ولا تقترب أي منها من الكمال. ويقول أكثر الباحثين في المجال صراحةً إن دقة الكشف عن فيديو الذكاء الاصطناعي بجودة استهلاكية تدور حول 75 إلى 85%، وهي نسبة تبدو عالية حتى تنظر إلى حجم المحتوى الذي يُولَّد يوميًا.
فهم النماذج المحددة التي تقود هذا التغيير مهم، سواء للسياق أو للتطبيق العملي.
تمثّل النماذج المتاحة اليوم قدرات كانت تتطلب ميزانية إنتاج هوليوودية كاملة حتى عام 2022. المشهد الحالي لتوليد الفيديو من النص المتاح للجميع لافت:
| النموذج | الدقة | أبرز نقاط القوة |
|---|---|---|
| Kling v3 Video | 1080p | جودة حركة سينمائية |
| Veo 3 | 1080p | صوت أصلي، مظهر واقعي كالصور الفوتوغرافية |
| Sora 2 Pro | HD | دقة الفيزياء، مقاطع طويلة |
| Hailuo 02 | 1080p | سرعة مع جودة إخراج عالية |
| Seedance 1.5 Pro | 1080p | مزامنة النص والصوت |
| Wan 2.7 T2V | 1080p | مفتوح الأوزان، قابل للتحكم بدرجة عالية |
| Pixverse v5 | 1080p | توليد سريع، جماليات قوية |
| LTX 2 Pro | 4K | أعلى دقة متاحة |
| Gen 4.5 | HD | حركة سينمائية، إحساس احترافي |
يمثّل كل نموذج مقاربة مختلفة لتركيب الفيديو، مع نقاط قوة متفاوتة في الالتزام بالأمر النصي، وسلاسة الحركة، وجودة الواقعية الفوتوغرافية.
نال الجانب البصري معظم الاهتمام العام، لكن الصوت لا يقل أهمية، وقد حُلّ هو أيضًا إلى حد كبير. تولّد نماذج مثل Veo 3 وSeedance 1.5 Pro الآن صوتًا محيطيًا متزامنًا مع المحتوى البصري. فعندما يُفتح باب تسمع صوت باب، وعندما يتكلم شخص تتطابق صوتيات الغرفة مع الفضاء المرئي. كان الصوت المتزامن من آخر العلامات الموثوقة، ولم يعد كذلك.
تنتشر التداعيات عبر الصناعات بسرعة أكبر مما تستعد له معظم المؤسسات.
بالنسبة للصحافة: لم يعد الفيديو أكثر مصداقية من النص بطبيعته. يحتاج كل مقطع الآن إلى التحقق من المصدر قبل النشر. ويتجه المعيار المهني نحو اشتراط لقطات معتمدة بمعيار C2PA أو التحقق المباشر من المصدر لأي فيديو يُستخدم دليلًا على أحداث واقعية.
بالنسبة للإجراءات القانونية: بدأت المحاكم تتعامل مع الدليل المرئي بطرق لم تضطر إليها منذ الانتشار الواسع للتصوير الفوتوغرافي. لا يمكن اعتبار فيديو يُظهر شخصًا يرتكب فعلًا دليلًا قاطعًا بمفرده، دون سلسلة إثبات مصدر تدعمه.
بالنسبة لصناعة المحتوى: النماذج نفسها التي تنتج التضليل الاصطناعي تنتج أيضًا فنًا وترفيهًا وإعلانات وتعليمًا مشروعة. وكل شركة إنتاج لديها ميزانية فيديو تقيّم فعليًا كم من تلك الميزانية يمكن تحويله إلى توليد بالذكاء الاصطناعي.
لعقود، كانت عبارة "أن ترى يعني أن تصدّق" قاعدة إرشادية معقولة. وكانت خاطئة حتى قبل فيديو الذكاء الاصطناعي، بالنظر إلى تاريخ مونتاج الأفلام والتأطير الانتقائي، لكنها كانت فعّالة. فقد وثق الناس في الفيديو أكثر من النص لأنه بدا أصعب في الاختلاق. وقد انهار هذا التفاوت.
ما الذي يتطلبه هذا الآن: تنتقل مسؤولية التحقق من المشاهد، الذي يفتقر إلى الأدوات، إلى الناشر والمنصة. فالمنصات التي تواصل عرض فيديو غير موثّق دون إشارات مصدر تتصرف، على الأقل، بإهمال.
هل يمكن وضع علامة مائية على فيديو الذكاء الاصطناعي؟ نعم، من الناحية التقنية. تضع SynthID من Google علامات مائية غير مرئية تبقى سليمة بعد معظم عمليات التحرير. التحدي هو أن وضع العلامات المائية اختياري وغير معتمد على نطاق واسع. ويمكن نشر النماذج مفتوحة الأوزان دون أي بنية تحتية للعلامات المائية على الإطلاق.
هل ستلحق أدوات الكشف بالركب؟ أدوات الكشف تتحسن، لكن ديناميكية الهجوم والدفاع في هذا المجال تميل بقوة لصالح المولّدات. فكلما أصبحت بصمة كشف معينة معروفة على نطاق واسع، يمكن تعديل تدريب النموذج لتجنب إنتاجها. الكشف انضباط تفاعلي في عالم يكون فيه التوليد استباقيًا وأسرع.
هل إنشاء هذا المحتوى غير قانوني؟ تطبيقات محددة لمقاطع الفيديو المزيفة بتقنية deepfake التي تُنشأ دون موافقة الأشخاص المعنيين غير قانونية في عدة ولايات قضائية، منها المملكة المتحدة وأجزاء من الولايات المتحدة وأستراليا. أما إنشاء الفيديو الاصطناعي في حد ذاته فلا يخضع لتنظيم واسع. وتتحرك التشريعات باستمرار بوتيرة أبطأ من التقنية في كل ولاية قضائية جرى تتبعها.
ما أبسط ما يمكن لشخص عادي فعله؟ توقّف قبل المشاركة. فثانية إضافية من الشك تجاه الفيديو المفاجئ أو المثير عاطفيًا لها أثر قابل للقياس على الانتشار. ويجب أن يكون حد مشاركتك أعلى من حد مشاهدتك.
التقنية نفسها التي تنتج الوسائط الاصطناعية بهذا المستوى من الجودة متاحة لأي شخص لديه متصفح وأمر نصي. والفرق بين الأشخاص الذين ينشئون المحتوى الذي يشكّل الإدراك والأشخاص الذين يكتفون بالاستهلاك أصغر مما كان عليه في أي وقت مضى.
سواء كنت تريد إنتاج فيلم قصير، أو إنشاء محتوى مرئي لعلامة تجارية، أو مجرد فهم ما تشعر به هذه الأدوات من الداخل، فإن كتالوج نماذج تحويل النص إلى فيديو على Picasso IA يضع كل ما نوقش في هذا المقال في متناولك. Kling v3 Video للحصول على جودة حركة سينمائية. Veo 3 للواقعية الفوتوغرافية المتزامنة مع الصوت. LTX 2 Pro للدقة 4K في المشاريع عالية الإنتاج.
لم يعد السؤال هو ما إذا كان فيديو الذكاء الاصطناعي قادرًا على خداع الخبراء. لقد فعل ذلك بالفعل. السؤال الآن هو ماذا تفعل بهذه المعرفة، وهل تستخدم هذه الأدوات لإنشاء شيء يستحق المشاهدة.
ابدأ بأمر نصي. شاهد ما يظهر. الفجوة بين ما تتخيله وما تنتجه هذه النماذج أصغر مما تظن.
اختر لغتك
