التزييف العميق (Deepfakes): كيف تهدد الفيديوهات المزيفة مستقبل الحقيقة؟

تخيل معي للحظة: تفتح هاتفك فتجد فيديو لرئيس دولة يعلن الحرب، أو تسمع تسجيل صوتي لمديرك في العمل يطلب منك تحويل مبلغ ضخم... وبعد دقائق تكتشف أن كل هذا لم يحدث أبداً. هذا ليس خيالاً علمياً، هذا هو الواقع الجديد الذي نعيشه اليوم. في عصر أصبحت فيه الوجوه تُصنع بضغطة زر، لم يعد السؤال هو كيف نكشف الكذب، بل هل يمكننا أن نصدق أعيننا بعد الآن؟

كلنا سمعنا عن كيف استطاعت الآلات أن ترى العالم وتفهمه بفضل الرؤية الحاسوبية، وهذا كان إنجازاً عظيماً. لكن للأسف، نفس هذه القوة انقلبت لتصبح سلاحاً خطيراً؛ فالتقنية نفسها التي تعلم الآلة كيف ترى، تعلمها الآن كيف تُزيف ما نراه. هذا العالم المظلم يسمى التزييف العميق (Deepfakes)، وهو أخطر بكثير من مجرد تعديل صور بالفوتوشوب، بل هو تهديد مباشر لفكرة الحقيقة نفسها.

1. ما هو التزييف العميق؟ خلينا نبسطها

الاسم مشتق من كلمتين: Deep Learning (التعلم العميق) + Fake (مزيف). أي تزييف مصمَم بذكاء اصطناعي عميق ومعقد. الفكرة ليست أن شخصاً يجلس ويعدل فيديو لساعات، بل إنك تزود الذكاء الاصطناعي بآلاف الصور، وهو يتعلم لوحده كيف يصنع فيديو مزيفاً يصعب كشفه.

السر كله يكمن في اختراع عبقري اسمه الشبكات التنافسية التوليدية (GANs). لكي تفهمها ببساطة، تخيل أن هناك شخصين داخل الكمبيوتر يتحديان بعضهما:

• الشخص الأول - المزور (Generator): شغله الوحيد هو صنع صور وفيديوهات مزيفة، يحاول تقليد الواقع بأكبر دقة ممكنة.

• الشخص الثاني - المحقق (Discriminator): محقق صارم جداً، شغله كشف التزوير؛ يقارن الصورة المزيفة بالصور الحقيقية ويحدد مكان الخطأ.

ويبقيان في صراع مستمر ملايين المرات: المزور يتحسن، والمحقق يصبح أذكى، حتى نصل لمرحلة يصنع فيها المزور فيديو متقناً لدرجة أن المحقق المحترف، بل وحتى أنت وأنا، لا نستطيع التمييز بين الحقيقي والمزيف. وهنا تكمن الكارثة.

2. كيف يتجلى التزييف؟ أكثر من مجرد تبديل وجه

الأمر تطور بشكل لافت ولم يعد مجرد وضع وجه شخص على جسد آخر. اليوم نتكلم عن مستويات جديدة:

أ. استبدال الوجوه والتحكم في التعبيرات

يكفي إعطاء البرنامج بضع صور للضحية من زوايا مختلفة، وهو قادر على نقل تعبيرات وجهك - غضبك، ابتسامتك، حتى رمشة عينك - إلى وجه الضحية بحرفية، مما يجعل أي شخص يبدو وكأنه ينطق بأي شيء بتعبيرات واقعية جداً.

ب. استنساخ الصوت لدرجة لا تصدق

وهنا المفاجأة الكبرى؛ فلم تعد تحتاج لساعات من التسجيل، بضع ثوانٍ فقط من صوتك في مقطع عبر التواصل الاجتماعي قد تكون كافية. من خلال تقنيات معالجة اللغات الطبيعية المتقدمة، يحلل الذكاء الاصطناعي نبرة صوتك وطريقة تنفسك والوقفات التي تقوم بها، ثم يصبح قادراً على توليد خطاب كامل بنفس الصوت.

3. لماذا يجب أن نقلق؟ التهديد الحقيقي

الموضوع ليس لمجرد التسلية، بل يمتد لأبعاد تؤثر على المجتمعات:

• تضليل الوعي السياسي: فيديو مفبرك مدته 30 ثانية فقط يظهر فيه مسؤول أو مرشح ي صريح ببيان خطير قبل يوم من الانتخابات قد يغير المجرى كلياً قبل أن يتاح الوقت لتفنيده.

• الاحتيال المالي الذكي: استغلال نبرات الصوت المألوفة للإداريين أو أفراد العائلة للقيام بتحويلات مالية أو اختراقات أمنية عالية الخطورة.

• الابتزاز وتشويه السمعة: فبركة صور ومقاطع وتلفيقها لأشخاص بهدف الإضرار باسمهم أو ابتزازهم.

📌 وقفة أخلاقية مهمة

وهنا نعود لنفس الطرح الذي يناقش أخلاقيات الذكاء الاصطناعي وهندسة البيانات: من المسؤول؟ هل هو المطور الذي نشر الشفرة المفتوحة المصدر؟ أم الطرف الذي استغلها للضرر؟ وكيف نحدد التوازن بين حظر الأدوات وإتاحة الابتكار؟

4. كيف نحارب سلاحاً صنعناه بأيدينا؟

المفارقة هي أن المواجهة تتم غالباً باستخدام الذكاء الاصطناعي نفسه، عبر تطوير أدوات دفاعية:

• الكشف البيولوجي الدقيق: فحص التفاصيل الدقيقة مثل معدل رمش العين وتدفق الدم الطفيف في البشرة الذي قد تغفله نماذج التوليد.

• تحليل أخطاء البكسل والإضاءة: رصد الاختلافات المجهرية في الظلال والتنسيق التي تتركها خوارزميات الـ GANs على حدود الوجه.

• التوثيق الرقمي من المصدر: استخدام التوقيعات الرقمية الموثوقة أو التقنيات المشفرة لختم مقاطع الفيديو لحظة تصويرها لضمان عدم التلاعب بها.

خلاصة القول: معركة على الحقيقة

صدقني، خطر التزييف العميق لا يقتصر على تصديق الزيف، بل الخطر الأكبر هو أن نكف عن تصديق الحقيقة نفسها حين يصبح كل شيء قابلاً للتكذيب بداعي الفبركة. إنها معركة للدفاع عن الثقة فيما نراه ونسمعه في زمن التوليد الرقمي.

بقلم: أمين المساحي - كاتب وباحث مهتم بفلسفة الذكاء الاصطناعي وأخلاقيات التقنية، في منصة مساحتي.

المصادر والمراجع:
• الورقة البحثية الأصلية لشبكات GANs: Generative Adversarial Nets (Goodfellow et al., 2014)
• تقرير وكالة الأمن السيبراني الأمريكية CISA: Contextualizing Deepfakes and Synthetic Media
• تقرير معهد MIT للتكنولوجيا: MIT Technology Review: What is a GAN?