ديبمايند يطور كاشفاً لتمييز أفكار البشر والذكاء الاصطناعي

مع تزايد اعتماد المؤسسات الأكاديمية على أدوات الذكاء الاصطناعي، وتبني دور النشر العالمية مثل إلسيفر وسبرينجر نيتشر وسيبليك سياسات صارمة للإفصاح عن الاستخدام الذكي، برزت حاجة ماسة لأدوات تفحص مصدر الأفكار لا الأسلوب اللغوي فحسب. وقد نجح باحثون من جامعة ميريلاند وجوجل ديب مايند وجامعة سيمون فريزر في تطوير نظام IdeaLens، تم طرحه كورقة أولية في أكتوبر 2026، لحل هذه المعضلة التقنية والأخلاقية. يعتمد النظام على استخراج المخططات الهيكلية والأفكار من النصوص الطويلة مع حذف البصمات اللغوية والأسلوبية، ليركز على تحليل طريقة تنظيم الحجج وتسلسل الأفكار. ويهدف هذا النهج إلى التمييز بدقة بين السيناريوهات التي يبتكر فيها البشر الأفكار بينما يتولى الذكاء الاصطناعي الصياغة، والعكس، وهو تحدٍ فشلت فيه أدوات الكشف التقليدية المعتمدة على تحليل التراكيب النحوية واختيار المفردات. تم تدريب النموذج على مليون مقال ضمن مجموعة بيانات WildOutlines، باستخدام خوارزمية LoRA على معيار Nemotron-3.5، واستُخدمت كاشفات ذكاء اصطناعي قائمة كمعايير تدريب أولية. أظهرت النتائج أن IdeaLens يتفوق في البيئات التشاركية؛ فحين يكتب الذكاء الاصطناعي وفق مخطط بشري مفصل، يحدد النظام الأفكار كمشتقة من البشر في 93.2 في المئة من الحالات، مقابل دقة تفوق 92 في المئة للأدوات التقليدية في نفس السياق. وفي الاتجاه المعاكس، حيث صاغ البشر نصوصاً بناءً على مخططات ذكية، رصد النظام 68 في المئة من الحالات كأفكار ذكية، بينما غابت هذه الدقة عن الحلول السابقة. كما أظهر النموذج فعالية في تحليل النصوص متعددة اللغات عند تحويل مخططاتها إلى الإنجليزية. رغم الإجماع الأكاديمي على أن هذه المنهجية تمثل نقلة نوعية في مراقبة المحتوى الذكي، يشير الفريق إلى أن المعايير المعتمدة في التدريب تعتمد على نتائج كاشفات أخرى وليست توثيقاً مباشراً لعمليات الإبداع، كما أن تعقيد السيناريوهات التشاركية قد يفوق قدرة النموذج الحالي على عزل المساهمات بدقة. ومع ذلك، فإن النشر المفتوح لمجموعة البيانات وأدوات التدريب يُمهد الطريق لتوسيع نطاق الدقة وضمان الشفافية في النشر العلمي المستقبلي.