سلاح جديد من واتساب ضد الأخبار المزيفة.. اكتشاف الصور المزيفة بنقرة واحدة
تاريخ النشر: 29th, December 2024 GMT
يتيح لك واتساب الآن التعرف على الصور المزيفة بنقرة واحدة! تعرف على كيفية عمل هذه الميزة الجديدة التي تعمل بالذكاء الاصطناعي، وتأثيرها، والقيود المفروضة عليها في مكافحة المعلومات المضللة.
في العصر الرقمي الحالي، تنتشر المعلومات المضللة كالنار في الهشيم، وغالبًا ما تغذيها الصور المزيفة والمرئيات المضللة.
تأتي هذه الميزة الجديدة في وقت أصبح فيه انتشار المعلومات المضللة، وخاصة من خلال الصور المزيفة، مصدر قلق عالمي. غالبًا ما يتم استغلال منصات مثل واتساب، بقاعدة مستخدميها الضخمة، لنشر معلومات كاذبة. يهدف هذا التحديث إلى تزويد المستخدمين بالقدرة على تقييم صحة الصور التي يتلقونها بشكل نقدي، وتعزيز مجتمع رقمي أكثر اطلاعًا ومسؤولية.
كيف يعمل اكتشاف الصور المزيفة في واتساب
تستفيد الميزة الجديدة في واتساب من خوارزميات الذكاء الاصطناعي المتقدمة لتحليل الصور والإشارة إلى التناقضات المحتملة. وفيما يلي تفصيل للعملية:
التنشيط بنقرة واحدة: عندما يتلقى المستخدم صورة تبدو مشبوهة، يمكنه ببساطة الضغط لفترة طويلة على الصورة للوصول إلى قائمة. تتضمن هذه القائمة خيارًا جديدًا "التحقق من صحة الصورة" أو تسمية مماثلة.
التحليل المدعوم بالذكاء الاصطناعي: عند النقر فوق هذا الخيار، تنطلق خوارزميات الذكاء الاصطناعي في واتساب إلى العمل. تفحص هذه الخوارزميات جوانب مختلفة من الصورة، بما في ذلك:
البيانات الوصفية: يفحص الذكاء الاصطناعي البيانات الوصفية للصورة، والتي تحتوي على معلومات حول متى وأين تم التقاط الصورة، والجهاز المستخدم، وأي تعديلات تم إجراؤها. يمكن أن تكون التناقضات في هذه البيانات بمثابة علامة حمراء.
التحليل على مستوى البكسل: يتعمق الذكاء الاصطناعي في الصورة على مستوى البكسل، بحثًا عن علامات التلاعب مثل الحواف غير الطبيعية أو الاستنساخ أو الوصل.
البحث العكسي عن الصور: يقوم الذكاء الاصطناعي بإجراء بحث عكسي عن الصور لمعرفة ما إذا كانت الصورة نفسها أو إصدارات مماثلة موجودة على الإنترنت. يساعد هذا في تحديد ما إذا كانت الصورة قد تم إخراجها من سياقها أو تغييرها.
النتائج وإجراءات المستخدم: بناءً على تحليله، يوفر الذكاء الاصطناعي للمستخدم درجة ثقة فيما يتعلق بمصداقية الصورة. قد يشير ذلك إلى أن الصورة من المحتمل أن تكون أصلية أو تم التلاعب بها أو تتطلب مزيدًا من التحقيق. يمكن للمستخدمين بعد ذلك أن يقرروا ما إذا كانوا سيثقون في الصورة أو يبحثون عن معلومات إضافية أو يبلغون عنها على أنها مضللة محتملة.
تجربتي مع الميزة
لقد واجهت مؤخرًا صورة مشكوك فيها متداولة في دردشة جماعية عائلية. أظهرت معلمًا محليًا يُفترض أنه ضربته صاعقة. بدافع من الفضول، قررت اختبار ميزة WhatsApp الجديدة. بضغطة طويلة بسيطة ونقرة، بدأ الذكاء الاصطناعي العمل. في غضون ثوانٍ، أعاد نتيجة تشير إلى أن الصورة ربما تم التلاعب بها. أكد بحث عكسي سريع عن الصور ذلك، وكشف أن الصورة الأصلية كانت قديمة سنوات وأن ضربة البرق تمت إضافتها رقميًا. بفضل هذه الميزة، تمكنت من منع انتشار المعلومات المضللة داخل دائرتي الخاصة.
تأثير أداة التحقق من الصور في واتساب
هذه الميزة البسيطة على ما يبدو لديها القدرة على إحداث تأثير كبير في مكافحة الأخبار المزيفة. وإليك الطريقة:
تمكين المستخدمين: من خلال وضع قوة الذكاء الاصطناعي في أيدي المستخدمين العاديين، يمكّن واتساب الأفراد من أن يصبحوا مستهلكين ناقدين للمعلومات. وهذا يعزز معرفة وسائل الإعلام ويقلل من الاعتماد على مدققي الحقائق الخارجيين.
كبح المعلومات المضللة: إن القدرة على تحديد الصور المزيفة بسهولة يمكن أن تحد بشكل كبير من انتشار المعلومات المضللة، وخاصة أثناء الأحداث الحرجة مثل الانتخابات أو أزمات الصحة العامة.
تعزيز المشاركة المسؤولة: إن معرفة إمكانية التحقق من الصور بسهولة يشجع المستخدمين على توخي المزيد من الحذر بشأن ما يشاركونه، مما يعزز بيئة أكثر مسؤولية وجدارة بالثقة على الإنترنت.
القيود والتحديات
في حين أن الميزة الجديدة التي تقدمها واتس آب تشكل خطوة كبيرة إلى الأمام، فمن المهم أن ندرك حدودها:
ليست مضمونة: خوارزميات الذكاء الاصطناعي، على الرغم من تطورها، ليست مثالية. هناك دائمًا احتمال أن تتسلل صورة تم التلاعب بها بذكاء من بين الشقوق.
الإفراط في الاعتماد على التكنولوجيا: يجب على المستخدمين تجنب الاعتماد المفرط على الأداة والاستمرار في ممارسة التفكير النقدي. تظل المراجع المتبادلة للمعلومات والاعتماد على المصادر الموثوقة أمرًا بالغ الأهمية.
إمكانية إساءة الاستخدام: هناك خطر إساءة استخدام الميزة لتشويه سمعة الصور الحقيقية أو مضايقة الأفراد.
مستقبل مكافحة الأخبار المزيفة على واتس آب
أداة التحقق من الصور في واتس آب ليست سوى البداية. من المرجح أن تستمر المنصة في الاستثمار في الحلول التي تعمل بالذكاء الاصطناعي لمكافحة المعلومات المضللة. يمكننا توقع المزيد من التحسينات، مثل:
التحقق من الفيديو: توسيع التكنولوجيا للتحقق من صحة مقاطع الفيديو، والتي يتم استخدامها بشكل متزايد د- نشر المعلومات المضللة.
الكشف في الوقت الفعلي: دمج خوارزميات الذكاء الاصطناعي للكشف عن الصور المزيفة المحتملة والإبلاغ عنها أثناء مشاركتها، ومنع انتشارها على نطاق واسع.
التعاون مع مدققي الحقائق: الشراكة مع منظمات التحقق من الحقائق المستقلة لتزويد المستخدمين بمعلومات أكثر شمولاً وموثوقية حول الصور المتنازع عليها.
تُعد ميزة التحقق من الصور الجديدة في واتساب سلاحًا قويًا في مكافحة الأخبار المزيفة. من خلال تمكين المستخدمين من تحديد الصور التي تم التلاعب بها بنقرة واحدة، تعمل واتساب على تعزيز مجتمع رقمي أكثر اطلاعًا ومسؤولية. وفي حين لا تزال التحديات قائمة، تمثل هذه الأداة المبتكرة خطوة مهمة نحو خلق بيئة أكثر جدارة بالثقة عبر الإنترنت.
المصدر: بوابة الوفد
كلمات دلالية: خوارزمیات الذکاء الاصطناعی المعلومات المضللة الأخبار المزیفة التحقق من الصور المیزة الجدیدة تم التلاعب بها الصور المزیفة بنقرة واحدة هذه المیزة فی واتساب عن الصور
إقرأ أيضاً:
الذكاء الاصطناعي يساعد على توقع الخصائص الكيميائية
طور باحثون تطبيقا أطلقوا عليه اسم "ChemXploreML" يتنبأ بالخصائص الكيميائية ويسرعها، دون الحاجة إلى مهارات برمجة متعمقة.
من الأهداف الأساسية المشتركة لمعظم باحثي الكيمياء الحاجة إلى التنبؤ بخصائص الجزيء، مثل درجة غليانه أو انصهاره. بمجرد أن يتمكن الباحثون من تحديد هذا التنبؤ بدقة، يصبحون قادرين على المضي قدمًا في عملهم، محققين اكتشافات تُفضي إلى أدوية ومواد وغيرها. مع ذلك، ارتبطت الطرق التقليدية للكشف عن هذه التنبؤات، تاريخيًا، بتكلفة باهظة، استنزاف الوقت والجهد المبذول في المعدات، بالإضافة إلى التمويل.
تمكن فرع من الذكاء الاصطناعي، يُعرف باسم التعلم الآلي machine learning (ML)، من تخفيف عبء التنبؤ بخصائص الجزيئات إلى حد ما، لكن الأدوات المتقدمة التي تُسرّع العملية بشكل أكثر فعالية، من خلال التعلم من البيانات الموجودة لإجراء تنبؤات سريعة للجزيئات الجديدة، تتطلب من المستخدم امتلاك مستوى عالٍ من الخبرة البرمجية. هذا يُشكّل عائقًا أمام العديد من الكيميائيين، الذين قد لا يمتلكون الكفاءة الحسابية اللازمة لاجتياز عملية التنبؤ.
للتخفيف من هذا التحدي، ابتكر باحثون في مجموعة "ماكغواير" للأبحاث في معهد ماساتشوستس للتكنولوجيا (MIT) تطبيق ChemXploreML، وهو تطبيق سطح مكتب سهل الاستخدام يُساعد الكيميائيين على إجراء هذه التنبؤات المهمة دون الحاجة إلى مهارات برمجة متقدمة. هذا التطبيق متاح مجانًا وسهل التنزيل ويعمل على المنصات الرئيسية، كما أنه مصمم للعمل دون اتصال بالإنترنت، مما يُحافظ على خصوصية بيانات البحث.
وقد تم توضيح هذه التقنية الجديدة والمثيرة في مقال نُشر مؤخرًا في مجلة المعلومات والنمذجة الكيميائية Journal of Chemical Information and Modeling.
اقرأ أيضا... أداة ذكاء اصطناعي مجانية تعد تقارير طبية مثل الأنظمة التجارية
إحدى العقبات المحددة في مجال التعلم الآلي الكيميائي هي ترجمة البنى الجزيئية إلى لغة رقمية تفهمها أجهزة الكمبيوتر. يُؤتمت برنامج ChemXploreML هذه العملية المعقدة باستخدام "مُضمِّنات جزيئية" مدمجة قوية تُحوّل البنى الكيميائية إلى متجهات رقمية غنية بالمعلومات. بعد ذلك، يُطبّق البرنامج خوارزميات متطورة لتحديد الأنماط والتنبؤ بدقة بالخصائص الجزيئية، مثل درجات الغليان والانصهار، كل ذلك من خلال واجهة رسومية تفاعلية سهلة الاستخدام.
يقول أرافيند نيفاس ماريموثو، باحث في مجموعة ماكغواير والمؤلف الرئيسي للمقالة "يهدف ChemXploreML إلى تعميم استخدام التعلم الآلي في العلوم الكيميائية"، مضيفا "من خلال إنشاء تطبيق سطح مكتب سهل الاستخدام وقوي وقابل للعمل دون اتصال بالإنترنت، نضع أحدث النمذجة التنبؤية بين يدي الكيميائيين مباشرةً، بغض النظر عن خبراتهم البرمجية. هذا العمل لا يُسرّع البحث عن أدوية ومواد جديدة من خلال تسريع عملية الفحص وتخفيض تكلفتها فحسب، بل يفتح تصميمه المرن آفاقًا جديدة للابتكارات المستقبلية".
صُمم تطبيق ChemXploreML ليتطور مع مرور الوقت. لذا، مع تطور التقنيات والخوارزميات المستقبلية، يُمكن دمجها بسلاسة في التطبيق، مما يضمن للباحثين الوصول الدائم إلى أحدث الأساليب وتطبيقها. تم اختبار التطبيق على خمس خصائص جزيئية رئيسية للمركبات العضوية: نقطة الانصهار، ونقطة الغليان، وضغط البخار، ودرجة الحرارة الحرجة، والضغط الحرج، وحقق درجات دقة عالية وصلت إلى 93% لدرجة الحرارة الحرجة. كما أظهر الباحثون أن طريقة جديدة وأكثر إحكامًا لتمثيل الجزيئات كانت دقيقة تقريبًا مثل الطرق القياسية ولكنها كانت أسرع بما يصل إلى 10 مرات.
يقول ماريموثو: "نتصور مستقبلًا يُمكن فيه لأي باحث تخصيص وتطبيق التعلم الآلي بسهولة لحل تحديات فريدة، من تطوير مواد مستدامة إلى استكشاف الكيمياء المعقدة للفضاء بين النجوم".
مصطفى أوفى (أبوظبي)
مباريات سيراميكا كليوباترا فى الدور الأول 2025-2026