مقالات مشابهة
كشف زيف الـ AI: الدليل النظري والعملي لتفكيك الفيديوهات المزيفة (Deep fakes)
“حرب البكسلات والبيولوجيا: كيف تكتشف زيف خوارزميات الـ AI بالعين المجردة؟”
بقلم د. علا محمود معوض
محاضر فى نظم معلومات الاعمال
استشارى التحول الرقمى والذكاء الاصطناعى
لم يعد التزييف العميق (Deepfake) مجرد خدعة بصرية عابرة للتسلية أو الترفيه. بل تحول بسرعة فائقة إلى سلاح رقمي استراتيجي قادر على هزيمة الوعي المجتمعي وتزييف الحقائق العلمية والسياسية وتشويه السمعة الشخصية والمؤسسية بضغطة زر.
في هذا المقال، نضع بين يديك دليلًا متكاملًا يجمع بين التفكيك الفلسفي والنظري لآلية عمل هذه التقنية المعقدة والخطوات التطبيقية لكشفها بالعين المجردة وبالأدوات الرقمية الحديثة.
كيف تعمل فيديوهات Deepfake؟
لفهم كيفية كشف هذا التزييف المتطور، يجب أولًا فهم الجذور الفلسفية والتقنية التي يعتمد عليها الذكاء الاصطناعي في صناعة الواقع المزيف.
تعتمد الفيديوهات المزيفة بالذكاء الاصطناعي في جوهرها النظري على بنية متطورة من خوارزميات التعلم العميق تُعرف باسم:
شبكات الخصومة التوليدية
(Generative Adversarial Networks)
أو اختصارًا: GANs.
وتمثل هذه الشبكات ثورة في عالم الحوسبة، لأنها لا تعتمد على تلقين الآلة للأوامر التقليدية، بل تجعلها تتعلم ذاتيًا عبر محاكاة التفكير البشري التنافسي وتطوير قدراتها مع مرور الوقت.
آلية عمل شبكات GANs
تعتمد تقنية Deepfake على منافسة رقمية مستمرة بين نموذجين ذكيين:
النموذج الأول: المُولِّد
يتولى هذا النموذج إنشاء الفيديو المزيف. ويعتمد على تغذيته بآلاف الصور والمقاطع الخاصة بالشخصية المستهدفة لإنتاج تعبيرات رقمية تبدو طبيعية.
النموذج الثاني: المُميِّز
يعمل هذا النموذج كمحقق رقمي صارم يقارن الفيديو الناتج بالمحتوى الحقيقي بناءً على توزيع البكسلات والتفاصيل البصرية الدقيقة.
وتستمر هذه المباراة الحسابية ملايين المرات حتى ينجح المُولِّد في تقليل أخطائه وإنتاج فيديو شديد الواقعية يصعب اكتشافه.
لماذا يمكن كشف فيديوهات Deepfake؟
رغم العبقرية التقنية لهذه الخوارزميات، فإن الذكاء الاصطناعي ما يزال نظامًا رياضيًا يفتقر إلى الفهم البيولوجي الكامل لقوانين الحركة البشرية والفيزياء الواقعية.
لذلك تظهر مجموعة من الأخطاء العضوية التي تكشف التلاعب بسهولة عند التدقيق.
أشهر أخطاء الفيديوهات المزيفة
اضطراب الرمش وحركة العين
تفشل بعض الخوارزميات في محاكاة معدل الرمش البشري الطبيعي، والذي يتراوح غالبًا بين 15 و20 رمشة في الدقيقة.
ولهذا قد يظهر الشخص:
جامد النظرات لفترة طويلة
أو يرمش بصورة متقطعة وغير طبيعية
ويُعد هذا من أبرز مؤشرات التزييف العميق.
تشوه الفم والشفاه
تعجز بعض أنظمة الذكاء الاصطناعي عن محاكاة:
العمق التشريحي للفم
حركة الأسنان
حركة اللسان
التزامن الكامل بين الصوت والشفاه
كما تظهر الأسنان أحيانًا ككتلة بلاستيكية غير واقعية، خاصة عند إبطاء الفيديو.
مشاكل الظلال والدمج
تظهر بعض التشوهات البصرية في:
منبت الشعر
الرقبة
الأذنين
النظارات والإكسسوارات
كما قد يحدث غبش أو اهتزاز عند حركة الرأس السريعة بسبب تأخر الخوارزمية في إعادة تموضع الوجه الرقمي.
تناقضات الإضاءة والفيزياء
تفشل بعض الفيديوهات المزيفة في تحقيق انعكاس ضوئي طبيعي ومتوازن.
ولهذا قد تلاحظ:
ظلالًا غير منطقية
انعكاسات مضطربة
اختلافًا في اتجاه الإضاءة داخل المشهد الواحد
وتكشف هذه التناقضات وجود تلاعب رقمي في الفيديو.
أدوات رقمية لكشف التزييف العميق
إذا تجاوز الفيديو مرحلة الفحص البصري، يمكن استخدام أدوات تقنية متقدمة لتحليل المحتوى رقميًا.
ومن أبرز هذه الأدوات:
إضافة InVID لتحليل الإطارات
أدوات التحليل العكسي للفيديو
برامج كشف البكسلات
أدوات تحليل الترددات الصوتية
منصات التحقق الرقمي للمحتوى
وتساعد هذه الأدوات على تحديد احتمالية التلاعب بدرجة دقة مرتفعة.
خاتمة
أصبحت فيديوهات Deepfake واحدة من أخطر أدوات التضليل الرقمي في عصر الذكاء الاصطناعي. لذلك لم يعد التحقق من الفيديوهات رفاهية تقنية، بل ضرورة لحماية الحقيقة والوعي المجتمعي.
ومع استمرار تطور الخوارزميات، ستصبح القدرة على كشف التزييف العميق مهارة أساسية في العالم الرقمي الحديث.
