Deepfakes
التزييف العميق هو وسائط ينشئها الذكاء الاصطناعي لتزييف وجه شخص حقيقي أو صوته. تعرّف على كيفية إنشائها باستخدام المشفرات التلقائية وGANs والانتشار، وطرق اكتشافها.
التزييف العميق هو صور أو مقاطع فيديو أو تسجيلات صوتية يستبدل فيها التعلم العميق (DL) وجه شخص حقيقي أو صوته أو جسده، أو يختلقها، على نحو مقنع إلى حد يجعل المشاهدين يظنونها حقيقية. ويعود المصطلح، وهو مزيج من «التعلم العميق» و«الزائف»، إلى عام 2017، حين بدأ مستخدم في Reddit يُدعى «deepfakes» بنشر مقاطع فيديو استُبدلت فيها الوجوه باستخدام أدوات مفتوحة المصدر. والتزييف العميق أحد أشكال الذكاء الاصطناعي التوليدي، كما أن التقنيات نفسها تُستخدم في المؤثرات السينمائية والدبلجة، فضلًا عن الاحتيال والمضايقة والتضليل.
كيف يُنتَج التزييف العميق#
يستخدم أسلوب استبدال الوجه التقليدي زوجًا من المشفّرات التلقائية التي تتشارك مشفّرًا واحدًا. ويتعلم المشفّر المشترك ضغط أي وجه وتحويله إلى رمز موجز في فضاء كامن يصف وضعية الوجه وتعبيره وإضاءته، بينما يتعلم كل مفكّك إعادة بناء شخص محدد من ذلك الرمز. وبعد التدريب على آلاف قصاصات الوجوه لكلا الشخصين، يشفر النظام إطارًا للشخص A ويفك ترميزه باستخدام مفكّك الشخص B، لينتج وجه الشخص B بتعبير الشخص A:
تلتها أساليب أخرى:
- الشبكات التوليدية التنافسية (GANs): ينشئ المولّد الصور، بينما يحاول المميّز تحديد ما إذا كانت صورًا حقيقية، وتدفع هذه المنافسة المولّد نحو الواقعية الفوتوغرافية. وتنتج شبكات GAN مثل StyleGAN وجوهًا لأشخاص غير موجودين.
- نماذج الانتشار: تنشئ الصور ومقاطع الفيديو بإزالة الضوضاء تدريجيًا خطوةً خطوة، بتوجيه من نص أو صورة مرجعية أو مقطع فيديو مصدر. وتُشغّل هذه النماذج أدوات تحرير الصور وتحويل النص إلى فيديو الحالية، التي يمكنها إنشاء مقطع فيديو واقعي لشخص يتحدث انطلاقًا من صورة مرجعية واحدة.
- استنساخ الصوت: تعيد نماذج الكلام إنتاج صوت شخص من تسجيل قصير، ثم تعدّل نماذج مزامنة حركة الشفاه شكل الفم في مقطع فيديو موجود ليتوافق مع الصوت الجديد.
الاستخدامات والأضرار#
للتزييف العميق استخدامات مشروعة. فتجعل الاستوديوهات الممثلين يبدون أصغر سنًا، وتدبلج الأفلام إلى لغات أخرى مع مزامنة حركة الشفاه. وفي الفيلم الوثائقي Welcome to Chechnya لعام 2020، استُبدلت وجوه الأشخاص الذين تعرضوا للاضطهاد وأُجريت معهم مقابلات بوجوه متطوعين، حمايةً لهوياتهم مع الحفاظ على كل تعبيراتهم. ويمكن للمرضى الذين يفقدون أصواتهم بسبب المرض حفظ تسجيلات والتحدث من خلال نسخة مستنسخة من أصواتهم، كما تُستخدم الوجوه المولّدة بوصفها بيانات اصطناعية لتدريب النماذج دون جمع صور أشخاص حقيقيين.
أضرار التزييف العميق أوسع نطاقًا. فمعظم الصور الحميمة المزيفة المتداولة عبر الإنترنت تُنشأ دون موافقة وتستهدف أشخاصًا حقيقيين، وغالبًا ما يكنّ نساءً. ويستنسخ المحتالون أصوات أقارب أو مسؤولين تنفيذيين لطلب تحويلات مالية عاجلة، وفي أوائل عام 2024 حوّل موظف في شركة الهندسة Arup نحو 25 مليون دولار أمريكي بعد مكالمة فيديو كان فيها المدير المالي للشركة وزملاء آخرون جميعًا مزيفين بعمق. وتنتشر مقاطع مفبركة لسياسيين خلال الانتخابات، كما يتيح وجود مقاطع مزيفة مقنعة للناس إنكار صحة تسجيلات حقيقية وادعاء أنها مفبركة.
كشف التزييف العميق#
تبحث أنظمة الكشف عن الآثار التي تخلّفها عملية التوليد: حواف الدمج حول الوجه، واختلافات الإضاءة والانعكاسات في العينين، والرمش أو حركة الرأس غير الطبيعية، والآثار الترددية غير المرئية بالعين، وحركات الشفاه التي تخرج عن التزامن مع الكلام. وتعمد معظم أنظمة الكشف أولًا إلى تحديد كل وجه واقتصاصه، ثم تمرر القصاصة إلى مصنّف دُرّب على أمثلة حقيقية ومعدّلة. ويناسب Ultralytics YOLO26 هذه المرحلة الثانية: إذ تُدرّب نماذج التصنيف الخاصة به على مجموعة بيانات منظّمة في مجلد لكل فئة، لذا يكفي وجود مجلدَي «حقيقي» و«مزيف» لقصاصات الوجوه لتدريب مصنّف يميّز بين الحقيقي والمزيف.
تواجه أنظمة الكشف صعوبة في التعميم على أساليب التوليد التي لم ترها من قبل. ففي تحدي Meta لكشف التزييف العميق، حقق النموذج الفائز متوسط دقة قدره 65.18% على مجموعة اختبار مخفية تضم مقاطع فيديو جديدة، مقابل 82.56% لأفضل نموذج على مجموعة الاختبار العامة. ولأن الكشف يتخلف عن التوليد، تتحقق الصناعة أيضًا من مصدر المحتوى: إذ تضيف بيانات اعتماد المحتوى (C2PA) سجلًا موقّعًا تشفيريًا يوضح كيفية التقاط الوسائط وتحريرها، بينما تُضمّن العلامات المائية للذكاء الاصطناعي إشارة مخفية في المحتوى المولّد تستطيع أنظمة الكشف قراءتها لاحقًا.
التزييفات العميقة والمفاهيم ذات الصلة#
- البيانات الاصطناعية: أي بيانات مولّدة اصطناعيًا تُستخدم لتدريب النماذج أو اختبارها، بدءًا من مشاهد القيادة المحاكاة ووصولًا إلى صور المنتجات المُصيّرة. وتُعد تقنيات التزييف العميق أحد مصادرها حين تملأ الوجوه المولّدة مجموعة التدريب.
- الصور المُنشأة حاسوبيًا (CGI): شخصيات ومؤثرات رقمية يصممها الفنانون ويجهزون هياكلها ويحركونها يدويًا. وتجمع استوديوهات المؤثرات البصرية على نحو متزايد بين CGI واستبدال الوجوه بالتعلم الآلي في اللقطة نفسها.
- التزييف السطحي: تعديلات مضللة تُجرى دون الذكاء الاصطناعي، مثل إبطاء مقطع لجعل المتحدث يبدو كأنه يعاني من إعاقة، أو إضافة تعليق نصي إلى فيديو حقيقي يضعه في سياق زائف.
التنظيم#
تستهدف القوانين التزييف العميق مباشرةً الآن. إذ تلزم المادة 50 من قانون الذكاء الاصطناعي للاتحاد الأوروبي، الذي يبدأ تطبيقه في 2 أغسطس 2026، الجهات التي تستخدم الذكاء الاصطناعي لإنشاء محتوى مزيف بعمق بالإفصاح عن أن المحتوى مولّد أو معدّل اصطناعيًا، كما تلزم مزوّدي الأنظمة التوليدية بوضع علامات على مخرجاتهم بصيغة قابلة للقراءة آليًا. وفي الولايات المتحدة، جعل قانون TAKE IT DOWN، الذي وُقّع في مايو 2025، نشر صور حميمة مزيفة بعمق دون موافقة جريمةً اتحادية، ومنذ 19 مايو 2026 أصبح لزامًا على المنصات المشمولة إزالة هذا المحتوى خلال 48 ساعة من تلقي طلب صحيح.
