إطار تعليل قابل للشرح متعدد الدقة لتتبع نسبة المساهمة لاكتشاف الأخبار الكاذبة

لماذا أصبح اكتشاف الأخبار الكاذبة أصعب

يوميًا، تتدفق ملايين المنشورات التي تجمع بين كلمات وصور عبر وسائل التواصل الاجتماعي. بعضها غير ضار، وبعضها صحيح، وبعضها مزيف بعناية بقصد لفت الانتباه أو إثارة المشاعر أو التأثير على الرأي. ومع تزايد سهولة الوصول إلى أدوات تحرير الصور ومولدات الذكاء الاصطناعي، أصبحت الأخبار الكاذبة أكثر مصقولة وأكثر خطورة. يقدم هذا البحث طريقة جديدة للنظر داخل أنظمة كشف الأخبار الكاذبة حتى نعرف ليس فقط ما إذا كان المنشور من المحتمل أنه زائف، بل أيضًا لماذا.

كيف تخدع الأخبار الكاذبة أعيننا وعقولنا

يستغل صانعو الأخبار الكاذبة الطريقة التي يمرّر بها الناس بسرعة العناوين والصور. قد يزورون أو يعدّلون الصور، ينسجون تفاصيل جزئية صحيحة داخل قصة مستحيلة، يركبون لقطات من أحداث مختلفة، أو يخلطون مواقع وتواريخ لا تنتمي إلى بعضها. قد يظهر منشور واحد عن حدث عاجل صورة درامية من حادث مختلف قبل سنوات، أو قد تكون صورة مقنعة مولَّدة بالكامل بالذكاء الاصطناعي. عادةً ما تتعامل أنظمة الكشف التقليدية مع كل المنشورات الكاذبة بنفس الشكل وتدمج النص والصورة في «مرق ميزات» واحد. قد تنجح هذه المقاربة إلى حد معقول، لكنها تتصرف كصندوق أسود: من الصعب على الصحفيين أو المنصات أو المستخدمين العاديين فهم الأدلة المحددة التي أطلقت الإنذار.

طريقة جديدة للسؤال: «لماذا هذا زائف؟»

يقترح المؤلفون إطارًا قابلًا للشرح اسمه EMAR‑FND ينظر إلى منشورات الأخبار من أربع زوايا متميزة، كل واحدة مرتبطة بطريقة شائعة لصنع التزييف. أولاً، يفحص ما إذا كانت الصورة نفسها تظهر علامات تلاعب أو توليد صناعي، من خلال التركيز على أنماط ضوضاء على مستوى الكاميرا التي تتغير عند تعديل الصورة. ثانيًا، يتحقق مما إذا كانت حقائق القصة تتوافق مع معرفة موثوقة خارجية، مثل العلاقات المعروفة بين الأشخاص والأماكن والأحداث. ثالثًا، يتفحّص ما إذا كانت الكيانات الرئيسة المذكورة في النص—كشخصية عامة أو مدينة—تتطابق بالفعل مع ما يظهر في الصورة المصاحبة. رابعًا، يقيّم ما إذا كان الحدث الموصوف يتناسق من حيث الزمن والمكان، على سبيل المثال باكتشاف عدم تطابق بين الموقع المزعوم واللمحات البصرية في الصورة، أو بين الجدول الزمني المبلغ عنه وأدلة أخرى.

تجميع الأدلة من زوايا متعددة

يتولى كل واحد من هذه الفحوص الأربعة وحدة استدلال خاصة به، تصدر حكمًا جزئيًا حول ما إذا كان ذلك الجانب المحدد يبدو موثوقًا. تتركز إحدى الوحدات على التلاعب البصري؛ وأخرى تستنتج عبر رسومات المعرفة الخارجية؛ وثالثة تبني شبكة غنية تربط الكلمات والأجسام في الصورة والأحداث المستخرجة؛ ورابعة تقارن المنشور بأدلة ذات صلة عبر الزمان والمكان. بدلًا من إخفاء هذه الإشارات داخل تمثيل موحَّد واحد، يحافظ EMAR‑FND على مساهماتها منفصلة ثم يجمعها عبر خطوة قرار نهائية يمكنها وزن أهمية كل منظور لحالة معينة. النتيجة ليست مجرد درجة نهائية حقيقية أم مزيفة، بل أيضًا نسبة مساهمة توضح، على سبيل المثال، أن المنشور تم تمييزه أساسًا لأن الصورة تبدو مزورة، أو لأن الحدث الموصوف لا يتوافق مع الحقائق المعروفة.

اختبار النظام في الواقع

لاختبار فاعلية هذه المقاربة، طبّق الباحثون EMAR‑FND على مجموعتين عامتين من المنشورات الحقيقية والمزيفة التي تتضمن نصًا وصورًا. عبر هذه المجموعات، تفوّق أسلوبهم على عدة أنظمة قوية قائمة، محققًا دقة أعلى وتوازنًا أفضل بين رصد المنشورات الكاذبة وتجنّب الإنذارات الكاذبة. عندما نظروا إلى كيفية تجمع المنشورات داخل النموذج، كان من المعتاد أن تشكل الأخبار الحقيقية مجموعات متماسكة ومترابطة، في حين كانت الأخبار الكاذبة أكثر تشتتًا—ما يعكس الحيل المتعددة التي يستخدمها المزوّرون. كما أثبتت مخرجات نسب المساهمة فائدتها في أمثلة واقعية صعبة: منشورات بدا فيها النص والصورة متسقين للوهلة الأولى لكن تم كشفها كزائفة إما لأن الصورة أظهرت آثار تلاعب خفية أو لأن المعرفة الخارجية تناقضت الحقائق المزعومة.

ماذا يعني هذا للقراء العاديين

ببساطة، يظهر البحث أنه من الممكن بناء مكتشفات للأخبار الكاذبة تتصرف أقل كالمنجمين وأكثر كمحققين دقيقين. بدلًا من إعطاء إجابة بنعم أو لا مجردة، يبرز EMAR‑FND أي جزء من المنشور مريب: الصورة، الحقائق، الأشخاص المذكورون، أو الحدث نفسه. يمكن لهذا النوع من الشرح أن يساعد مدققي الحقائق والمنصات والقراء على الثقة بقرارات النظام وتعلم التعرف على أنماط الخداع الشائعة. ومع استمرار تطور الأخبار الكاذبة، ستكون الأدوات القادرة على كشف التلاعب وشرحه حاسمة للحفاظ على منظومات المعلومات على الإنترنت أكثر صحة وشفافية.

الاستشهاد: Ji, W., Lv, H., Zhao, H. et al. Explainable multi-granularity attribution reasoning framework for fake news detection. npj Artif. Intell. 2, 38 (2026). https://doi.org/10.1038/s44387-026-00093-3

الكلمات المفتاحية: كشف الأخبار الكاذبة, المعلومات المضللة متعددة الوسائط, الذكاء الاصطناعي القابل للشرح, نزاهة وسائل التواصل الاجتماعي, تحليل تزوير الصور