لماذا يعد «التفوق» على أداة كشف الذكاء الاصطناعي هدفًا سيئًا في الكتابة

ما يمكن أن تخبرك به نتيجة أداة كشف الذكاء الاصطناعي—وما لا يمكنها إخبارك به

أداة الكشف هي مصنِّف (classifier): فهي تحلل النص وتقدّر مدى تشابهه مع أمثلة مصنفة على أنها مكتوبة بواسطة إنسان أو مولدة بواسطة الذكاء الاصطناعي. وتعتمد النتيجة على الأداة، والنص، والظروف التي تم فيها تقييم الأداة. إنها ليست قراءة مباشرة لمن كتب الجملة، ولا تقييمًا لما إذا كانت تلك الجملة صحيحة أو مفيدة.

هذا الاختلاف مهم لأن التأليف والجودة مسألتان منفصلتان. فقد تبدو فقرة خاطئة من حيث الحقائق سلسة للغاية؛ في حين قد يكون الشرح المبحوث بعناية بسيطًا ومتوقعًا. ولا تثبت النتيجة المرتفعة لأداة الكشف أن المسودة قوية، كما أن النتيجة المنخفضة لا تصادق على صحة ادعاءاتها. ومثالاً على مدى تباين هذه المخرجات عن اليقين، نجح المصنِّف السابق التابع لـ OpenAI في تحديد 26% فقط من النصوص المكتوبة بالذكاء الاصطناعي بوصفها «من المحتمل أن تكون مكتوبة بالذكاء الاصطناعي» في تقييمها المعلن، وصنّف نصوصًا بشرية بشكل خاطئ بنسبة 9% من الوقت. وفي وقت لاحق، أوقفت OpenAI هذا المصنِّف، مشيرةً إلى انخفاض دقته. تصف هذه الأرقام تلك الأداة وذلك التقييم تحديدًا، وليس كل أداة كشف حالية. إعلان مصنِّف OpenAI وحدوده

لماذا تقدم أبحاث أدوات الكشف صورة مشروطة

لا تدعم الأبحاث فكرة تعميم بيان واحد يفيد بأن كل أداة كشف تفشل في كل أنواع النصوص. ففي المشروع التجريبي لتحويل النص إلى نص لعام 2024 الصادر عن المعهد الوطني للمعايير والتقنية (NIST)، والمنشور في 2025، تباين أداء أدوات الكشف بحسب النظام؛ إذ ميزت بعض أدوات الكشف بين الملخصات البشرية والمولدة بفعالية، بينما أنتجت بعض أدوات التوليد ملخصات خدعت معظم أدوات الكشف أو جميعها. يصف NIST العمل بأنه تقييم معياري لمهمة ومجموعة بيانات ومجموعة أنظمة محددة. وتعد نتيجته دليلاً مفيدًا حول تلك البيئة المحددة، وليست شهادة تأليف عامة لأي فقرة قد يقدمها كاتب. نظرة عامة على دراسة NIST التجريبية ونتائجها

وتعزز نتائج أخرى الحاجة إلى ربط النتائج دائمًا بظروفها الخاصة. فقد خلصت دراسة أُجريت عام 2023 لتقييم 14 نظام كشف إلى أن الأدوات المختبرة لم تكن دقيقة ولا موثوقة ضمن بيئة إعداد الدراسة. وأفاد باحثون من جامعة ستانفورد أن أدوات الكشف التي فحصوها صنفت مقالات الكتّاب غير الناطقين بالإنجليزية كلغة أم بشكل غير متناسب على أنها نصوص مولدة بالذكاء الاصطناعي؛ حيث لخص مقالهم دراسة صُنّف فيها 61.22% من مقالات TOEFL التي شملتها العينة بواسطة أدوات الكشف على أنها مولدة بالذكاء الاصطناعي. وتتعلق هذه النتيجة بالأدوات والعينات التي خضعت للتقييم، ولا تنطبق على كل أداة كشف أو كل كاتب متعدد اللغات. وبشكل عام، تبيّن هذه الدراسات سبب كون مخرجات أدوات الكشف مجرد دليل على مطابقة الأداة لنمط معين في ظل ظروف محددة—وليست بديلاً معتمدًا لجودة الكتابة. فيبر-وولف وآخرون، «اختبار أدوات الكشف عن النصوص المولدة بالذكاء الاصطناعي»؛ تقرير Stanford HAI عن دراسة الكتّاب غير الناطقين بالإنجليزية

ما الذي يجعل نتائج أدوات الكشف غير مؤكدة

تُطوّر الأدوات وتُقيّم باستخدام مجموعات بيانات ولغات وأنواع أدبية وأطوال نصوص محددة. وقد يختلف أداء الأداة عندما تتغير هذه الظروف. ويصف تقرير NIST حول المحتوى التخليقي أداء الكشف بأنه يعتمد على الأساليب ومجموعات البيانات، ويشير إلى أن الأنظمة قد تفقد كفاءتها مع البيانات الجديدة أو المتداخلة بين مجالات مختلفة. كما يدعو إلى الاختبار في سيناريوهات متنوعة وإجراء مزيد من التقييم لمدى متانتها وقابليتها للتعميم. ومن الناحية العملية، فإن النتيجة التي تقدمها أداة واحدة لمسودة واحدة ليست مقياسًا ثابتًا لكيفية فهم القراء للنص، أو ما إذا كانت حقائقه صحيحة، أو كيف ستصنفه أداة أخرى. NIST AI 100-4، «الحد من المخاطر الناجمة عن المحتوى التخليقي»

وهناك قيد آخر: يكمن هدف أداة الكشف في التصنيف حسب المصدر، في حين تهدف المراجعة إلى تحسين التواصل. وحتى أداة الكشف التي تؤدي جيدًا في تقييم محكم ومضبوط تجيب عن سؤال يختلف تمامًا عن «هل تدعم هذه الفقرة نتيجتها؟» ويعد مشروع NIST التجريبي تذكيرًا مفيدًا بأن النتائج يمكن أن تكون واعدة لمعيار محدد مع استمرار اختلافها باختلاف الأنظمة وأدوات التوليد. وبالتالي، فإن التعامل مع هذه النتيجة كتقييم كتابي شامل يتجاوز ما أثبته التقييم فعليًا.

راجع المسودة وفق معايير موجهة للقارئ

ابدأ بتدوين مهمة القارئ في جملة واحدة. على سبيل المثال: «بعد قراءة هذا، سيتمكن القارئ من المقارنة بين خيارين وتحديد أي الشروط هي الأهم». ثم تحقق مما إذا كانت المسودة تمكّنه فعلاً من أداء تلك المهمة. يكشف هذا الاختبار البسيط عن ثغرات لا تستطيع درجة أداة الكشف الإشارة إليها.

استخدم مراجعة التدقيق المكونة من خمسة أجزاء:

المعنى: هل يمكنك صياغة الفكرة الرئيسية في جملة واحدة؟ وهل يساعد كل قسم في شرحها أو دعمها أو توضيح شروطها؟

الأدلة: هل يمكنك ربط الادعاءات الواقعية بمصادر موثوقة؟ وهل تدعم المصادر الادعاء بدقة، بما في ذلك تاريخه ومجتمعه الإحصائي وحدوده؟

الترابط: هل تترتب كل فقرة منطقيًا على ما قبلها؟ وهل تُستخدم المصطلحات الأساسية باتساق، وهل تشرح أدوات الربط علاقات حقيقية؟

التحديد: هل حددت الأشخاص، أو الظروف، أو الخطوات، أو الأمثلة، أو الحدود ذات الصلة؟ هل يمكن للقارئ التصرف بناءً على المعلومات دون الحاجة إلى تخمين ما تقصده؟

مراجعة الكاتب: هل تحققت من الحقائق، واخترت ما يجب تضمينه، وأعدت صياغة الفقرات غير الواضحة أو غير الدقيقة بلغة يمكنك تبنيها والدفاع عنها؟

تُعد هذه القائمة وسيلة مساعدة عملية في التحرير وليست نظام تقييم معتمدًا. فهي تحوّل عبارة «اجعل هذا النص أفضل» إلى فحوصات ملموسة: تحقق من ادعاء، أو أضف شرطًا ضروريًا، أو احذف تعميمًا لا يدعمه دليل، أو اشرح خطوة ما. إن المراجعة المفيدة تسهل مهمة القارئ، بغض النظر عما إذا تغيرت مخرجات أي أداة كشف أم لا.

تطبيق عملي موجز على المراجعة

فكر في جملة من مسودة مثل: «هذه الطريقة هي الخيار الأفضل وتوفر الوقت دائمًا». المشكلة هنا ليست في كيفية تصنيف أداة آلية لصياغتها، بل في أن الجملة تقدم ادعاءين فضفاضين—«الأفضل» و«توفر الوقت دائمًا»—دون توضيح الأفضل لمن، وبالمقارنة مع ماذا، أو تحت أي ظروف.

إن التحرير الجوهري سيحدد المقارنة والأدلة: «بالنسبة للفرق التي تستخدم بالفعل تطبيق الجدولة نفسه، يمكن لهذه الطريقة تقليل عدد خطوات التخطيط المنفصلة؛ لكنها قد تكون أقل ملاءمة عندما يستخدم المشاركون أدوات مختلفة». هذا المثال للتوضيح فقط وليس نتيجة بحثية. والمقصد منه هو بيان نوع العمل الذي يُحسّن المسودة: تحديد الجمهور، وتضييق نطاق الادعاء، وتوضيح الشرط ذي الصلة. وإذا كانت الأدلة على ادعاء توفير الوقت غير متوفرة، فاحذفه أو اطرحه كسؤال يستحق البحث بدلاً من اعتباره حقيقة مسلمًا بها.

فحص عملي عند نهاية إعداد المسودة

قبل أن تعتبر النص مكتملاً، اقرأه مرة واحدة من منظور القارئ المستهدف واسأل نفسك: ما هو الجواب؟ ما الدليل الذي يجعلني أثق به؟ ما الذي سأظل بحاجة لمعرفته للاستفادة منه؟ ثم تحقق من روابط المصادر، والأسماء، والتواريخ، والأمثلة، والاستثناءات. وإذا استخدمت أداة كشف كأحد المدخلات، فتعامل مع نتيجتها كإشارة محدودة وعد إلى تلك الأسئلة الموجهة للقارئ؛ لا تُعد كتابة محتوى ذي مغزى لمجرد ملاحقة رقم أفضل.

يمنحك هذا النهج معيارًا أوضح للمراجعة: تحسين الجوهر وتجربة القارئ. وتظل أبحاث أدوات الكشف مفيدة لفهم حدود تصنيف التأليف، كما تُظهر التقييمات المتطورة مثل أبحاث NIST سبب وجوب ربط الأداء باختبارات محددة. ولكن لا يمكن لأي درجة أن تحل محل جهد الكاتب في جعل الادعاءات دقيقة، والأدلة قابلة للتتبع، والشروح مترابطة منطقيًا. برنامج تقييم الذكاء الاصطناعي التوليدي من NIST

متابعة استكشاف الموضوع