AI Slop

المحتوى الرديء المولّد بالذكاء الاصطناعي، ويُختصر غالبًا إلى «الرديء»، هو محتوى رقمي منخفض الجودة يُنتج بكميات كبيرة باستخدام الذكاء الاصطناعي التوليدي ومن دون عناية بشرية تذكر: مقالات حشو، وصور غريبة، ومقاطع فيديو مسردة بصوت فوق لقطات مخزنة، وأغانٍ مولدة آليًا تُنشر لاستقطاب الزيارات من محركات البحث أو التفاعل أو عائدات الإعلانات. اختارت Merriam-Webster كلمة slop كلمة العام لعام 2025، وعرّفتها بأنها «محتوى رقمي منخفض الجودة يُنتج عادةً بكميات كبيرة باستخدام الذكاء الاصطناعي»، كما اختار Macquarie Dictionary عبارة «AI slop» للعام نفسه. وما يجعل المحتوى رديئًا هو طريقة إنتاجه وهدفها، أي بتكلفة تكاد تكون معدومة وبكميات كبيرة، وليس خطأً بعينه يتضمنه.

أصل المصطلح#

كان معنى Slop في الأصل الطين اللين، ثم بقايا الطعام المقدمة للخنازير. وفي مايو 2024، جادل المبرمج Simon Willison بأن كلمة slop ينبغي أن تصبح اسمًا للمحتوى غير المرغوب فيه المولّد بالذكاء الاصطناعي، على غرار تحول spam إلى اسم للبريد الإلكتروني غير المرغوب فيه، وعزا الفضل إلى الكاتب الإلكتروني deepfates الذي لاحظ تحول الكلمة إلى مصطلح فني. وفي العام نفسه، امتلأت خلاصات Facebook بصور سريالية مولدة بتقنية تحويل النص إلى صورة، مثل «Shrimp Jesus»، وهي صور تدمج يسوع بالجمبري، نشرتها صفحات تسعى إلى التفاعل؛ وبحلول عام 2025، شمل المصطلح أيضًا مقاطع الفيديو والموسيقى والكتب والكتابات الأكاديمية المولدة بالذكاء الاصطناعي.

أسباب انتشار المحتوى الرديء المولّد بالذكاء الاصطناعي#

المحتوى الرديء منتج اقتصادي. إذ يستطيع نموذج لغة كبير (LLM) أو مولّد صور قائم على نماذج الانتشار إنتاج آلاف المنشورات بتكلفة قطعة واحدة يصنعها إنسان، بينما تكافئ الخلاصات المرتبة بواسطة نظام توصية وشبكات الإعلانات جذب الانتباه، بصرف النظر عمن صنع المحتوى أو مما صنعه. ولا يحتاج المنتج إلا إلى أن يحقق جزء صغير من المنشورات انتشارًا:

يظهر هذا النمط الآن في أنحاء الويب:

• مزارع المحتوى والبريد المزعج في البحث: تنتج المواقع صفحات مكتوبة بواسطة نماذج اللغة الكبيرة بكميات ضخمة لاستهداف ترتيب متقدم للاستعلامات. وتعرّف سياسات Google لمكافحة الرسائل غير المرغوب فيها إساءة استخدام المحتوى واسع النطاق بأنها إنشاء صفحات كثيرة لا تضيف قيمة تُذكر للمستخدمين «بغض النظر عن كيفية إنشائها»، ما يستهدف حجم المحتوى الرديء وغرضه بدلًا من الأداة التي أنتجته.
• منصات البث: قالت Spotify في سبتمبر 2025 إنها أزالت أكثر من 75 مليون مقطع موسيقي مزعج خلال الاثني عشر شهرًا السابقة، وأعادت YouTube في يوليو 2025 تسمية قاعدة تحقيق الدخل الخاصة بـ«المحتوى التكراري» إلى «المحتوى غير الأصيل» لتشمل مقاطع الفيديو المنتجة بكميات كبيرة.
• النشر العلمي: وجد تحليل لنحو 951,000 ورقة بحثية أن ما يصل إلى 17.5% من ملخصات علوم الحاسوب أظهرت علامات على تعديلها باستخدام LLM بحلول فبراير 2024. وتزيد الطلبات منخفضة الجهد ذات المراجع المختلقة الضغط على مراجعة الأقران.

محتوى الذكاء الاصطناعي الرديء والمصطلحات ذات الصلة#

• الهلوسة: عبارة خاطئة أو غير مدعومة في مخرجات نموذج. يصف المحتوى الرديء كيفية إنتاج المحتوى واستخدامه، لذا تظل المقالة الدقيقة عديمة الفائدة محتوى رديئًا، وقد تحتوي المقالة التي خضعت لمراجعة دقيقة على هلوسة.
• التزييف العميق: وسائط اصطناعية أُنشئت لجعل شخص حقيقي يبدو وكأنه يقول أو يفعل شيئًا ما. يسعى المحتوى الرديء عادةً إلى جذب الانتباه بدلًا من تضليل المشاهدين بشأن شخص أو حدث بعينه.
• انهيار النماذج: تدهور النماذج التي دُرّبت مرارًا على محتوى مولّد. ويُعد المحتوى الرديء الذي يُجمع من الويب ويُضاف إلى بيانات التدريب إحدى الطرق التي تبدأ بها هذه الحلقة، ولهذا تزيل مسارات تنظيف البيانات لمجموعات البيانات على نطاق الويب التكرارات شبه المتطابقة وتستبعد العينات منخفضة الجودة.
• البيانات الاصطناعية: بيانات مولّدة عمدًا، ومصفاة، وخضعت للتحقق بغرض تدريب النماذج؛ وهي النظير المنضبط للمحتوى الرديء.

اكتشاف المحتوى الرديء المُنشأ بالذكاء الاصطناعي وتصفيته#

تُعد مؤشرات المصدر أكثر الأدلة موثوقية عند توافرها. يضمّن الوسم المائي للذكاء الاصطناعي إشارة قابلة للاكتشاف أثناء التوليد، بينما تضيف بيانات اعتماد المحتوى (C2PA) بيانات وصفية موقعة تسجل الأداة التي أنشأت الملف أو عدّلته، ما يتيح للمنصات وضع علامات على المحتوى الذي تعاونت أداة توليده. ولا يفيد أي منهما مع مخرجات الأدوات التي لا تضيف علامة، كما تُفقد البيانات الوصفية عند إعادة ترميز الملف أو التقاط صورة للشاشة.

تحاول المصنفات التي تحكم على المحتوى بعد إنتاجه سد الفجوة، بنتائج متفاوتة. وسجل كواشف النصوص المكتوبة بالذكاء الاصطناعي ضعيف: فقد سحبت OpenAI مصنف النصوص الخاص بها في يوليو 2023 بعدما لم يحدد على نحو صحيح سوى 26% من النصوص المكتوبة بالذكاء الاصطناعي. ويسهل كشف الصور أكثر، لأن المولدات تترك آثارًا إحصائية؛ بعضها يراه الناس، مثل الحروف المشوهة أو الأيدي غير الطبيعية، ما يساعد القراء على معرفة ما إذا كانت الصورة مولدة بالذكاء الاصطناعي، فيما تلتقط النماذج آثارًا أدق. يمكن لـنموذج تصنيف Ultralytics YOLO26 المدرّب على صور حقيقية ومولدة وموسومة أن يحدد الصور المرجح توليدها بالذكاء الاصطناعي لمراجعتها بشريًا. ويجب أن تواكب هذه الكواشف المولدات الجديدة: فقد عمّم مصنف دُرّب على صور من GAN إلى مولدات أخرى قائمة على CNN عند تدريبه باستخدام التمويه وزيادة البيانات بتنسيق JPEG، إلا أن الكواشف المدرّبة على GAN أخفقت مع صور نماذج الانتشار الكامن، بينما أدى بناء الكاشف على ميزات CLIP إلى رفع الدقة على مولدات الانتشار والتوليد التسلسلي غير المرئية بنحو 26 نقطة مئوية.