هل يمكن لأدوات كشف الذكاء الاصطناعي أن تكشف نصاً عربياً فعلاً؟

جرّب أن تلصق مقالاً عربياً كتبته بنفسك، بجهد حقيقي وأسلوب واضح ومنظم، في أي أداة من أدوات كشف المحتوى المولد بالذكاء الاصطناعي. هناك احتمال حقيقي أن تصنفها الأداة على أنها “مولدة بالذكاء الاصطناعي” رغم أنك لم تستخدم أي نموذج لغوي في كتابتها. و هذه ليست مبالغة تخويفية. انما هي نتيجة موثقة في دراسات أكاديمية جادة، ولها سبب بنيوي واضح يستحق أن تفهمه قبل أن تثق بنتيجة أي كاشف، سواء كنت ناشراً يراجع مقالات كتّاب مستقلين، أو أستاذاً جامعياً يفحص أبحاث طلابه، أو محرراً في منصة تحتاج ضمان أصالة المحتوى قبل نشره.

المشكلة ليست في الكاشف، بل في ما تدرب عليه

أدوات مثل GPTZero وCopyleaks وTurnitin AI Detector لا “تفهم” النص بالمعنى الذي نتخيله. هي تعتمد على مقياسين أساسيين: الحيرة أو الاضطراب الإحصائي (Perplexity)، الذي يقيس مدى قابلية التنبؤ بالكلمة التالية في الجملة، والانفجارية (Burstiness)، التي تقيس مدى تنوع طول الجمل وإيقاعها داخل النص. النص البشري عادة أكثر تبايناً وعشوائية في بنيته، بينما النص المولد بالذكاء الاصطناعي أكثر انتظاماً وقابلية للتنبؤ. و هذه الفرضية صحيحة إحصائياً، لكنها مبنية على نموذج مرجعي لما تبدو عليه “الكتابة البشرية الطبيعية”، وهذا النموذج المرجعي مدرَّب بشكل شبه كامل على نثر إنجليزي.

GPTZero نفسها تقر في وثائقها أن الجزء الأكبر من بيانات تدريبها الكاشف يتكون من نثر باللغة الإنجليزية، وأن دقة التصنيف تتأثر بكمية النص وطبيعته ومدى تشابهه مع بيانات التدريب. بعبارة أخرى: كلما ابتعد أسلوبك عن “الإيقاع الإحصائي” الذي تعلمه النموذج من نصوص إنجليزية أصلية، زاد احتمال أن يُصنَّف نصك خطأً كمحتوى مولد آلياً. وهذا بالضبط ما يحدث مع الكتّاب غير الناطقين بالإنجليزية كلغة أم، وبدرجة أكبر مع لغة كالعربية ذات بنية نحوية وإيقاع جملي مختلفين جذرياً عن الإنجليزية.

دراسة تكشف حجم المشكلة بالأرقام

هذا ليس افتراضاً نظرياً. حيث اكدت دراسة أجرتها جامعتا ستانفورد وأريزونا اختبرت سبعة من أشهر كاشفات المحتوى المولد بالذكاء الاصطناعي على مقالات كتبها طلاب غير ناطقين بالإنجليزية كلغة أم لاختبار التوفل. النتيجة كانت صادمة: صنّفت الكاشفات 61.22% من هذه المقالات، وهي مقالات بشرية بالكامل، على أنها مولدة بالذكاء الاصطناعي. في اختبار آخر أجمعت فيه سبعة كاشفات بالإجماع على تصنيف 19% من عينة المقالات كمحتوى آلي، رغم أن جميعها كتبها طلاب حقيقيون بأيديهم.

كما ان دراسة أخرى نُشرت عام 2025 في مجلة “إنفورميشن” وسّعت النطاق لتشمل أدوات واسعة الاستخدام مثل Turnitin AI وGPTZero وCopyleaks، وخلصت إلى أن القصور في هذه الأدوات لا يقتصر على أخطاء تقنية عابرة، بل يعكس تحيزاً منهجياً أعمق في طريقة بناء هذه الأدوات وتوظيفها. الفئة الأكثر تضرراً من هذا التحيز، بحسب الدراسة، هي الفئات الأكثر هشاشة في الوسط الأكاديمي والمهني: الكتّاب والطلاب غير الناطقين بالإنجليزية كلغة أم.

و الآن اسأل نفسك: إذا كانت هذه النسب موثقة مع كتّاب يكتبون بالإنجليزية كلغة ثانية، فماذا يحدث حين تكون اللغة الأصلية للنص هي العربية، وهي لغة لا تتشارك مع الإنجليزية أي جذر نحوي أو بنية جملية مشتركة؟ لا توجد حتى الآن دراسة أكاديمية مكرسة بالكامل لقياس معدلات الخطأ في الكاشفات مع النصوص العربية تحديداً، وهذه فجوة بحثية بحد ذاتها تستحق الإشارة، لكن المنطق البنيوي الذي تكشفه دراسة ستانفورد وأريزونا ينطبق على العربية بقوة أكبر لا أقل، بسبب اتساع الفجوة اللغوية بين العربية والإنجليزية مقارنة بلغات أوروبية أقرب نحوياً.

كيف تختبر أداة كشف بنفسك قبل أن تثق بها

بدل أن تعتمد على وعود التسويق التي تكتبها كل شركة عن دقة أداتها، هناك طريقة عملية بسيطة لاختبار أي كاشف قبل استخدامه في قرار حقيقي. خذ ثلاث عينات نصية مختلفة: نصاً عربياً كتبته أنت بنفسك بأسلوب رسمي ومنظم، نصاً عربياً آخر كتبته بأسلوب عامي وغير منظم، ونصاً مولداً فعلاً بأداة ذكاء اصطناعي حول نفس الموضوع. مرّر الثلاثة عبر الأداة وسجل النتائج. إذا صنّفت الأداة نصك الرسمي المنظم كمحتوى مولد آلياً، فهذا مؤشر قوي على أن الأداة تخلط بين “الانتظام الأسلوبي” و”الأصل الآلي”، وهو بالضبط الخلل البنيوي الذي كشفته الدراسات المذكورة أعلاه.

كرر هذا الاختبار مع أكثر من أداة، لأن الدراسات تظهر تبايناً كبيراً بين الكاشفات المختلفة في معدلات الخطأ. لا تعتمد على نتيجة أداة واحدة أبداً في قرار حساس، سواء كان قراراً تأديبياً بحق طالب أو قراراً تحريرياً برفض مقال كاتب مستقل. اعتبر نتيجة أي كاشف مؤشراً أولياً يستدعي تحققاً بشرياً إضافياً، لا حكماً نهائياً قابلاً للتنفيذ المباشر.

أين تنتهي حدود هذه الأدوات فعلياً

من المهم أن نكون صريحين هنا: الأدوات ليست عديمة الفائدة بالكامل. في الحالات المتطرفة، نص طويل جداً منسوخ حرفياً من مخرجات نموذج لغوي دون أي تعديل بشري، تميل هذه الأدوات إلى رصده بدرجة موثوقية معقولة نسبياً، خاصة مع النصوص الطويلة التي توفر عينة إحصائية كافية للتحليل. المشكلة تتركز في المنطقة الرمادية: النصوص القصيرة، النصوص التي مرت بتحرير بشري بعد التوليد الآلي، والنصوص التي كتبها بشر بأسلوب منظم بطبيعته. فأدات مثل GPTZero نفسها تحذر من أن دقتها تنخفض مع النصوص التي تقل عن 250 حرفاً، وهذا حد يتجاوزه بسهولة أي منشور قصير على وسائل التواصل أو أي فقرة مقتطعة من مقال أطول.

الأهم من ذلك أن هذه الشركات نفسها، بما فيها GPTZero، تنص صراحة في وثائقها على أن نتائج الكشف لا ينبغي استخدامها وحدها لاتخاذ قرارات حساسة أو معاقبة أفراد. هذا التحذير الصادر من الشركة المطورة نفسها يجب أن يكون كافياً لأي مؤسسة عربية، جامعة كانت أو دار نشر أو منصة محتوى، لإعادة النظر في اعتماد نتيجة كاشف واحد كسبب وحيد لقرار يمس سمعة كاتب أو مستقبل طالب.

الأثر على الناشر والمؤسسة العربية

هذا يضع الناشرين والمؤسسات التعليمية العربية أمام معضلة مزدوجة. من جهة، الحاجة إلى ضمان أصالة المحتوى حقيقية ومتصاعدة مع انتشار الاعتماد على الذكاء الاصطناعي في الكتابة. من جهة أخرى، الاعتماد الأعمى على أدوات مبنية أساساً على نصوص إنجليزية يعني تعريض الكتّاب والطلاب العرب لمخاطر اتهام ظالم أعلى نسبياً مما يواجهه نظراؤهم الناطقون بالإنجليزية كلغة أم، تماماً كما أظهرت دراسة ستانفورد وأريزونا مع الفئة الأقرب حالياً للمقارنة، وهي الكتّاب غير الناطقين بالإنجليزية.

بالنسبة لمنصة محتوى عربية تنشر تحليلات متخصصة، الدرس العملي واضح: أي سياسة تحريرية تعتمد على كاشف ذكاء اصطناعي كخط دفاع وحيد ضد المحتوى الضعيف أو المنسوخ آلياً بالكامل تسير على أرض هشة إحصائياً. البديل الأكثر واقعية هو استخدام هذه الأدوات كمؤشر أولي يستدعي مراجعة تحريرية بشرية فعلية، تفحص جودة المصادر والاستشهادات والعمق التحليلي، وهي عناصر لا يستطيع أي كاشف إحصائي قياسها بغض النظر عن اللغة التي كُتب بها النص.

السؤال الذي يستحق أن تطرحه المؤسسات العربية على نفسها الآن ليس “هل نستخدم كاشفات الذكاء الاصطناعي؟”، بل “ما مدى استعدادنا لتحمل تكلفة الخطأ حين تتهم هذه الأدوات كاتباً بريئاً بسبب أسلوبه المنظم في لغة لم تُصمم هذه الأدوات أصلاً لفهمها؟”