- يقوم SynthID بإدراج علامات مائية غير محسوسة في النصوص والصور والصوت والفيديو لتمكين اكتشافها لاحقًا.
- في النص، يتم دمجه كمعالج لوجيت (وظيفة g)، مع مفاتيح قابلة للتكوين، وn-grams، وجدول أخذ العينات.
- التحقق هو احتمالي باستخدام كاشف بايزي وثلاث حالات: مميز، غير مميز، أو غير مؤكد.
- إنه ليس معيارًا عالميًا حتى الآن؛ فهناك كود مفتوح المصدر في Transformers 4.46.0+، وبوابة اكتشاف، وتبني متزايد.
أدى تسارع وتيرة الذكاء الاصطناعي التوليدي إلى زيادة إنتاج النصوص والصور والمقاطع الصوتية والمرئية إلى مستويات كانت تبدو، حتى وقت قريب، ضرباً من الخيال العلمي. في المقابل، تزايدت مخاطر التضليل ونسب المحتوى إلى غير أصحابه ، نظراً لصعوبة التمييز بين المحتوى البشري والمحتوى الناتج عن النماذج. وهنا تبرز أهمية تقنية العلامات المائية كأداة للحد من هذه المخاطر: فهي بمثابة بصمة رقمية غير مرئية للمستخدم، تُمكّن نظام التحقق من تحديد ما إذا كان المحتوى قد تم إنشاؤه بواسطة الذكاء الاصطناعي.
كشفت جوجل ديب مايند عن مجموعة تقنيات تُسمى SynthID، تُمكّن المستخدمين من إدراج العلامات المائية واكتشافها مباشرةً على المحتوى المُولّد بالذكاء الاصطناعي. تعمل هذه التقنية مع صيغ متعددة (الصور، الصوت، النصوص، والفيديو)، وفي حالة النصوص، تم إصدارها كمصدر مفتوح، ما يسمح لأي مطور بتضمينها في سير عمله باستخدام مكتبات مثل Hugging Face Transformers. والهدف من ذلك هو تحقيق شفافية أكبر دون المساس بجودة المحتوى.
ما هو SynthID ولماذا هو مهم؟
SynthID هو اقتراح من جوجل لوضع علامات غير مرئية على المحتوى الذي تنتجه أو تعدله نماذج الذكاء الاصطناعي ، مما يسمح بتحديد هويته لاحقًا باستخدام كاشف. الفكرة ليست جديدة (فنحن نستخدم بالفعل البيانات الوصفية والمعايير ذات الصلة)، لكن هذا الاقتراح يطورها خطوةً أخرى: فالعلامة مضمنة داخل المحتوى نفسه - في وحدات البكسل، أو الموجات الصوتية، أو اختيارات الرموز في النص - بحيث تبقى ثابتة خلال عمليات التحويل الشائعة ولا تعتمد فقط على علامات خارجية هشة.
الدافع واضح: مع انتشار حالات مثل معطف البابا المبطن أو اعتقال دونالد ترامب المزعوم، ومع تزايد واقعية مولدات الصور، نحتاج إلى أدلة موثوقة لمعرفة مصدر ما نراه. تُطبّق جوجل هذا بالفعل في منظومتها (على سبيل المثال، عند توليد الصور باستخدام Gemini)، وهدفها هو أن يتبنّاه المزيد من المطورين لتقريبنا من معيار صناعي مُشترك على نطاق واسع .
كيف يعمل SynthID باختصار
تغطي عائلة SynthID تطبيقات متعددة. ففي الصور، تُدمج بصمة رقمية مباشرة في وحدات البكسل ، بحيث لا يمكن للعين البشرية إدراكها، وهي مصممة لتحمل التغييرات المتكررة مثل القص، وتطبيق المرشحات، والضغط، أو تعديل التنسيق. أما في الصوت، فتُدمج العلامة في الإشارة بطريقة غير مسموعة، وهي مقاومة للضوضاء، وضغط MP3، أو تغيرات السرعة. وفي الفيديو، تُضاف العلامة أثناء إنشاء الإطار، وهي مصممة لمقاومة القطع، والمرشحات، وتغيرات معدل التحديث، أو الضغط.
بالنسبة للنصوص، يُدخل برنامج SynthID Text الإشارة أثناء عملية الإنشاء: إذ يستخدم عملية أخذ عينات تُعدّل تفضيلات اختيار الكلمات بشكل دقيق باستخدام دالة شبه عشوائية (دالة g) لترميز العلامة المائية. يُطبّق هذا التعديل على توزيع مخرجات النموذج دون أن يلاحظ القارئ أي تغييرات في الأسلوب أو المعنى، ولكنه يُبقي أثراً يمكن اكتشافه إحصائياً بواسطة أداة التحقق المناسبة.
SynthID Text: شرح العلامة المائية النصية
عمليًا، يُطبَّق SynthID Text كمعالج لوجيت مُدمج في مسار توليد النموذج بعد Top-K و Top-P. تُضيف الخوارزمية إلى اللوجيتات دالة شبه عشوائية g تُشفِّر معلومات العلامة المائية في جميع أنحاء النص. الهدف: تمكين الكاشف لاحقًا من تقييم احتمالية إنتاج النص باستخدام إعدادات SynthID، دون المساس بجودته بشكل كبير.
تعتمد هذه الطريقة على نظام أخذ عينات دوري موجه بمفتاح . وتقوم أساسًا على تخصيص درجات شبه عشوائية للرموز المرشحة، التي تتنافس فيما بينها مع مراعاة احتمالاتها الأصلية، ثم يتم اختيار الفائز في كل خطوة. وتُنتج هذه المنافسة المُحكمة توقيعًا إحصائيًا. ويشرح البحث المنشور في مجلة Nature هذه التقنية بالتفصيل، ويُبين أن التوقيع يصعب تزويره أو إزالته دون تغيير النص بشكل ملحوظ.
لا تحتاج إلى إعادة تدريب النموذج الخاص بك لتطبيقه: فقط قم بتمريره مرة واحدة. تكوين العلامة التجارية إلى طريقة التوليد (على سبيل المثال، model.generate() في المحولات) لتمكين معالج سجلات SynthID. وقد سهّلت Google وHugging Face عملية نشر الإنتاج منذ محولات 4.46.0 ومساحة اختبار رسمية، بالإضافة إلى تنفيذ مرجعي على GitHub مفيد للمساهمة في التقنية أو نقلها إنشاء تطبيقات مع الذكاء الاصطناعي لدمجها في مشاريع أخرى.
المعلمات الرئيسية والإعدادات الآمنة
تتضمن إعدادات SynthID Text معيارين إلزاميّين. الأول هو ` keys` : قائمة من الأعداد الصحيحة العشوائية والفريدة تُستخدم لتقييم المفردات باستخدام الدالة `g`. يحدد طول هذه القائمة عدد "طبقات" التقييم المطبقة؛ عمليًا، يُوصى باستخدام ما بين 20 و30 مفتاحًا لتحقيق التوازن بين الجودة وسهولة الكشف، كما هو مقترح في الإرشادات الفنية (انظر الملحق ج.1 من الورقة لمزيد من التفاصيل).
المعيار الأساسي الثاني هو ngram_len ، الذي يحدد نافذة n-gram لتحقيق التوازن بين المتانة وسهولة الكشف . القيم الأعلى تُسهّل عملية الكشف عمومًا، لكنها تجعل العلامة المائية أكثر عرضة للتعديل؛ القيمة المرجعية المعقولة هي 5. ولضمان الخصوصية والأمان، من الضروري تخزين كل إعدادات العلامة المائية بشكل خاص وآمن ، لأنه في حال تسريبها، يُمكن لأطراف ثالثة نسخها بسهولة أكبر.
علاوة على ذلك، يمكنك تحسين الأداء باستخدام جدول أخذ عينات يتضمن خاصيتين: `sampling_table_size` و` sampling_table_seed` . ولضمان دالة g مستقرة وغير متحيزة عند أخذ العينات، يُوصى بحجم لا يقل عن 2^16 ، مع مراعاة تأثير ذلك على الذاكرة أثناء الاستدلال. يمكن أن تكون قيمة البذرة أي عدد صحيح ولا تؤثر على الجودة الملحوظة، ولكن يجب التعامل معها بنفس العناية التي تُدار بها الأسرار الأخرى.
تفصيل تشغيلي آخر: يتم استبعاد التكرارات المتسلسلة (n-grams) ضمن رموز السجل الحديث (التي يتحكم بها context_history_size ) من العلامة لتحسين إمكانية الكشف بشكل عام. يمنع هذا التعديل تعزيز الأنماط البسيطة التي تكون فيها الإشارة أقل فائدة.
الكشف والتحقق: دور الكاشف البايزي
تعتمد عملية التحقق من SynthID على الاحتمالات . ضمن بيئة Hugging Face وعلى منصة GitHub، يتوفر لديك كاشف بايزي يصنف كل محتوى إلى ثلاث حالات: "يحتوي على علامة مائية"، "لا يحتوي على علامة مائية"، أو "غير مؤكد". باستخدام عتبتين قابلتين للتكوين، يمكنك ضبط نسبة النتائج الإيجابية الخاطئة/السلبية الخاطئة ، كما هو موضح في الملحق ج.8 من المقالة التقنية.
ثمة ميزة تشغيلية أخرى: يمكن للنماذج التي تشترك في مُجزئ/محلل إعادة استخدام نفس إعدادات العلامة التجارية وجهاز الكشف، شريطة أن تتضمن مجموعة تدريب جهاز الكشف أمثلةً لجميع النماذج التي ستشترك في تلك العلامة التجارية. وهذا يُسهّل توحيد بصمة رقمية مشتركة داخل المؤسسة أو التحالف التقني.
أخيرًا، يُعدّ تحديد كيفية إتاحة الكاشف جزءًا من الاستراتيجية. هناك ثلاثة خيارات شائعة: إبقاؤه خاصًا تمامًا (دون الكشف عن أي شيء)، أو تقديمه في وضع شبه خاص عبر واجهة برمجة التطبيقات (API) دون تحرير أي موارد، أو جعله متاحًا للتنزيل والاستخدام العام. يعتمد الاختيار على قدرة بنيتك التحتية وسياساتك الأمنية والشفافة وسياسات الدعم.
التطبيقات حسب نوع المحتوى: الصور والصوت والفيديو والنص
في الصور، يُضمّن SynthID بصمةً غير مرئية لا تؤثر على جودة الصورة، وهي مصممة لتحمّل التعديلات الشائعة كالقص والتصفية وتغيير التنسيق. تم اختبار هذه الطريقة مبدئيًا مع مستخدمي Image (نموذج Vertex AI لتحويل النصوص إلى صور)، ثم تم تعميمها على خدمات أخرى. علاوة على ذلك، يتوافق هذا الحل مع الطرق التقليدية القائمة على البيانات الوصفية (كتلك المستخدمة في برامج مثل Photoshop)، مما يسمح باستخدام كلا الطريقتين معًا.
في مجال الصوت، تدمج نماذج مثل Lyria ميزة "غير مسموعة" التي تقاوم التشويش المضاف، وضغط ملفات MP3، وتغييرات السرعة. عمليًا، يساعد هذا في تحديد ملفات البودكاست المُنشأة من نصوص في Notebook LM أو غيرها من المسارات الصوتية التي تُنتجها هذه النماذج، دون أن يلاحظ المستخدم أي فرق في تجربة الاستماع.
في الفيديو، تُضيف جوجل هذه العلامة المائية أثناء عملية التسجيل الأولية (على سبيل المثال، في تطبيق Veo)، بحيث لا تتأثر العلامة المائية بالقص أو الفلاتر أو تغييرات معدل الإطارات أو الضغط. لا تُغير العلامة المائية الجودة الظاهرية للمقطع، وهي مصممة للبقاء بعد عملية تحرير معقولة.
كما رأينا، في النصوص، تُخفى العلامة التجارية ضمن سلسلة قرارات الرموز. وقد أظهرت تقييمات داخلية واسعة النطاق - شملت أكثر من 20 مليون استجابة، بعضها يحمل علامة تجارية والبعض الآخر لا، في نظام Gemini - أن هذه التقنية لا تُؤثر سلبًا على جودة أو دقة أو إبداع أو سرعة توليد البيانات. مع ذلك، تعتمد قوتها الإحصائية على طول الاستجابة ومدى تعديل المحتوى لاحقًا.
التوفر والمصدر المفتوح والنظام البيئي
أتاحت جوجل تقنية SynthID Text للمجتمع كمصدر مفتوح ، مع تطبيق جاهز للاستخدام في Transformers 4.46.0 والإصدارات الأحدث، ومساحة اختبار رسمية . إضافةً إلى ذلك، يتوفر تطبيق مرجعي على GitHub، يُفيد في المساهمة في تطوير التقنية أو نقلها إلى أطر عمل أخرى. ضمن منظومة منتجات جوجل، تظهر العلامة المائية بالفعل في Gemini (للصور)، وميزات مثل Magic Editor، وأدوات مثل ImageFX . أما بالنسبة للفيديو، فيدمج Veo تقنية SynthID، وهو متاح حاليًا للتجربة مع إمكانية وصول محدودة في VideoFX.
خلال مؤتمر جوجل I/O 2025، تم الإعلان عن SynthID Detector كبوابة تحقق عامة: حيث يقوم المستخدم بتحميل ملف (نص، صورة، صوت، أو فيديو) ليخبره ما إذا كان المحتوى - أو جزء منه - يحتوي على العلامة التجارية. حاليًا، يقتصر الوصول على قائمة صغيرة من المستخدمين، ولكن النية هي فتحه تدريجيًا للصحفيين والإعلاميين والباحثين - وهي فئات قد يكون هذا التحقق بالغ الأهمية بالنسبة لها.
إلى جانب منظومة جوجل، تم الإعلان عن تعاونات واعتمادات هامة. فعلى سبيل المثال، وافقت NVIDIA على دمج SynthID، وهي خطوة من شأنها تسريع دمجها في المزيد من أدوات الصناعة. وفي الوقت نفسه، تستكشف شركات أخرى مساراتها الخاصة: فقد أطلقت OpenAI، على سبيل المثال، أدوات لتحديد ما إذا كانت الصورة من DALL·E ، وتعمل على تقنيات متقدمة للعلامات المائية. وسيكون تقارب المناهج - أو قابلية التشغيل البيني - أمرًا بالغ الأهمية.
التنفيذ العملي: التكلفة والوصول ومن أين نبدأ
اليوم، تم دمج SynthID بشكل أساسي في خدمات مميزة من جوجل مثل Vertex AI وفي نظام Hugging Face. إنها ليست أداة "مجانية" بالمعنى الواسع للإنتاج، على الرغم من وجود الموارد المفتوحة (الرمز، والوثائق، والأمثلة) للتجربة والتقييم. إذا كنت تستخدم Transformers للتطوير، يمكنك تفعيل SynthID Text عن طريق تمرير إعداداته إلى generate()؛ إذا كنت تعمل مع Vertex AI (الصورة 2/3)، يتم تطبيق العلامة على المخارج بشفافية.
لاختبار الكاشف، بالإضافة إلى البوابة المعلن عنها في مؤتمر I/O، تتوفر تطبيقات على منصتي Hugging Face وGitHub . إذا كنتَ مؤسسة، فستحتاج إلى التخطيط لكيفية إتاحة عملية التحقق (خاصة، عبر واجهة برمجة التطبيقات، أو عامة)، وما هي مقاييس الأداء التي ستحتاجها (عتبة النتائج الإيجابية/السلبية الخاطئة)، وكيف ستحمي مفاتيح التكوين من التسريبات.
حالة المعيار واعتماده من قبل الصناعة
هل يُعدّ SynthID معيارًا عالميًا ؟ ليس بعد. تستخدمه جوجل باستمرار في منتجاتها، وقد أصدرت مكونات أساسية منه، لكنها تحتاج إلى تبنيه من قِبل جهات أخرى ليصبح التحقق منه شائعًا. في أفضل الأحوال، سنشهد اتفاقيات بين كبرى شركات التكنولوجيا، ومصنّعي الأجهزة، ومنصات التواصل الاجتماعي. وفي أسوأ الأحوال، سنشهد مجموعة من الحلول غير المتوافقة. في الوقت الراهن، تدفع حركة المصادر المفتوحة والشراكات (مثل تلك مع NVIDIA) في الاتجاه الصحيح.
بحسب بيانات نشرتها جوجل، أضافت شركة SynthID منذ عام 2023 علامات مائية إلى مليارات المحتويات (صور، فيديوهات، ملفات صوتية، ونصوص). يشير هذا الحجم إلى إمكانية تحولها إلى معيار فعلي، في حين تسعى الهيئات التنظيمية والمنظمات العامة إلى إيجاد حلول فعّالة لمكافحة التزييف العميق والتلاعب.
القيود والتحديات الحقيقية
لا توجد علامة مائية مضمونة تمامًا. يقاوم SynthID Text الاقتباسات، والمرادفات المعتدلة ، أو إعادة الصياغة البسيطة، لكن موثوقيته تنخفض إذا أُعيدت كتابة النص بالكامل أو تُرجم إلى لغة أخرى. علاوة على ذلك، في الإجابات التي تعتمد على الحقائق بشكل كبير (حيث تكون حرية الاختيار محدودة)، تقل إمكانية إضافة إشارة دون التأثير على الدقة، مما يجعل اكتشافها أكثر صعوبة.
في الصور والصوت والفيديو، تحافظ العلامة التجارية على جودتها بشكل جيد في ظل التحويلات القياسية، لكن التلاعب المفرط قد يُضعف الإشارة. لا يهدف SynthID إلى منع مُهاجم مُتحمّس من إلحاق الضرر بمفرده، بل إلى جعل الأمر أكثر صعوبة ، والأهم من ذلك، العمل بالتزامن مع تدابير أخرى (مثل الإشراف، والتحقق من المصدر، والبيانات الوصفية المُوقّعة، إلخ) لتوسيع نطاق التغطية.
حتى الأوساط الأكاديمية تُقدم تفاصيل دقيقة. يُشير خبراء مثل سهيل فيزي إلى أن تحقيق علامة مائية نصية موثوقة وغير مرئية أمر معقد نظرًا لطبيعة العلامات المائية الخطية؛ ومع ذلك، يُقدّرون قدرة المجتمع على اختبار أدوات الكشف وتقييم متانتها. بينما يُشدد آخرون، مثل سكوت آرونسون ، على أهمية تطبيق هذه التقنية بالفعل في الإنتاج ، متجاوزين الجانب النظري.
دليل سريع للفرق الفنية
إذا كنت تريد تقييمه، فابدأ بـ Transformers 4.46.0+ و تكوين SynthID: يُعرِّف مفاتيح مع 20-30 عددًا صحيحًا عشوائيًا فريدًا و نغرام_لين في 5 كنقطة بداية. أضف جدول أخذ العينات مع حجم جدول العينة ≥ 2^16 و بذرة عدد صحيح. قم بتنشيط المعالج في .generate() ويولد مجموعات اختبار مع وبدون علامات لـ تدريب/تعديل الكاشف البايزي.
عند معايرة الكاشف، حدد عتبات بناءً على مدى تحملك للنتائج الإيجابية والسلبية الخاطئة . قيّم سيناريوهات الضغط (الترجمات، إعادة الصياغة المكثفة، الاقتطاع) وتحقق من أداء المُدقِّق. إذا كانت نماذج متعددة تشترك في مُجزِّئ الكلمات، فاجعلها مشتركة ضمن نفس نظام العلامة التجارية ، ودرب الكاشف باستخدام أمثلة من جميعها لتحسين قدرته على التعميم.
أثناء عملية النشر، حدد نموذج الوصول (خاص، أو واجهة برمجة تطبيقات، أو عام)، وقم بتشفير وحماية مفاتيح العلامة التجارية ، وراقب معدلات الكشف/زمن الاستجابة. وثّق الحدود والافتراضات للفرق القانونية وفرق المنتج، ونسّق مع فريق الاتصالات لشرح كيفية تفسير أي نتيجة "غير مؤكدة".
التأثير على المستخدمين والمبدعين
بالنسبة للمستخدم النهائي، يُعدّ وجود بوابة تحقق لتحميل الملفات والحصول على قراءة واضحة ("مُعلّمة"، "غير مُعلّمة"، "غير مؤكدة") خطوةً هامة نحو تعزيز الشفافية. أما بالنسبة للصحفيين وفرق التحقق، فهي أداة إضافية لدعم ممارسات التحقق من الحقائق في بيئة مليئة بالمحتوى المُصطنع.
بالنسبة للفنانين والمبدعين، تُساعد البصمة الرقمية القوية في حماية حقوق التأليف والمصدر لأعمالهم، والتمييز بين المحتوى البشري والمحتوى المُصنّع عندما يكون ذلك ذا صلة بجمهورهم. أما بالنسبة للمنصات، فهي تُقلل تكاليف الإشراف، وتُوفر مؤشرات موثوقة لسياسات النشر ، وتُواءم المنتج مع المتطلبات التنظيمية المُستجدة.
لا يُعدّ SynthID حلاً سحرياً، ولكنه أساس متين، يُمكن أن يُحدث فرقاً جوهرياً عند دمجه مع معايير البيانات الوصفية والتوقيعات المشفرة والسياسات الواضحة. ومع تزايد اعتماده، وفي حال ترسيخ قابلية التشغيل البيني، سيحظى القطاع بأداة أكثر نضجاً للعمل مع الذكاء الاصطناعي التوليدي دون المساس بالثقة.
