أطلقت شركة أوين إيه آي (OpenAI) اليوم نموذجًا مفتوح المصدر جديدًا يُسمى "فلاتر الخصوصية" (Privacy Filter)، بهدف تحسين بنية الخصوصية في الأنظمة البرمجية القائمة على الذكاء الاصطناعي. يهدف هذا الإصدار إلى تزويد المطورين بأداة عملية لاكتشاف المعلومات التعريفية الشخصية (PII) وإخفائها داخل النصوص غير المهيكلة، مما يعزز الأمان من البداية. يعتبر فلاتر الخصوصية نموذجًا صغيرًا جدًا لكنه يحقق أداءً متفوقًا في كشف البيانات الحساسة. يتميز بقدرته على تشغيل عمليات الكشف محليًا على الأجهزة، مما يعني أن البيانات التي لم تتم معالجتها بعد يمكن أن تظل داخل الجهاز دون الحاجة لإرسالها إلى خوادم خارجية، مما يقلل من مخاطر التعرض للخطر. يعتمد النموذج على فهم عميق للسياق اللغوي، ويتجاوز مجرد قواعد التطابق البسيطة مثل اكتشاف أرقام الهواتف أو عناوين البريد الإلكتروني، ليتيح تمييز المعلومات الخاصة عن المعلومات العامة بدقة أعلى. تم بناء النموذج ليعمل بمرور واحد (Single Pass) وبكفاءة عالية حتى مع المدخلات النصية الطويلة. يحتوي على 1.5 مليار معلمة، لكنه يستخدم فقط 50 مليون معلمة نشطة أثناء التشغيل، مما يجعله خفيفًا وسريعًا بما يكفي للبيئات الإنتاجية. يحدد النموذج ثمانية فئات رئيسية للمعلومات التي يمكن إخفاؤها، تشمل أرقام الحسابات البنكية، وكلمات المرور، والمفاتيح السرية (API Keys)، والعناوين، والتواريخ الخاصة، وغيرها. أظهرت التقييمات على معيار PII-Masking-300k أن النموذج يحقق دقة استعادة (Recall) تصل إلى 98%، ودقة في التصنيف (Precision) تبلغ 96.8% عند تصحيح بعض الأخطاء في البيانات الأصلية. كما أثبتت الاختبارات أن النموذج قابل للتعديل بفعالية عالية؛ حيث يمكن تحسين دقته بشكل كبير عند تدريبه على كميات صغيرة من البيانات الخاصة بقطاع معين. تجدر الإشارة إلى أن هذا النموذج ليس أداة لإخفاء الهوية بالكامل، ولا يعتبر شهادة امتثال قانوني، ولا يغني عن المراجعة البشرية في المجالات الحساسة مثل القانون والطب والمالية. يمكن أن يرتكب النموذج أخطاء في حالات نادرة أو عندما يكون السياق غير كافٍ، لذا توصي الشركة بإجراء مراجعة بشرية وضبطات خاصة بالمجال قبل نشره في بيئات عالية المخاطر. يتوفر فلاتر الخصوصية اليوم تحت رخصة Apache 2.0 على منصات هوجينج فاس (Hugging Face) وجيت هب (GitHub). تهدف أوين إيه آي من خلال هذا الإصدار إلى جعل البنية التحتية للخصوصية أكثر شفافية وقابلية للتطوير والتكيف، مع تشجيع المجتمع البحثي على تقديم الملاحظات لتحسين الأداء مستقبلاً.