في عصر تكنولوجيا الذكاء الاصطناعي (AI)، أصبحت الفيديوهات المولدة فوتو واقعياً عند مستوى الإطار الواحد، مما يترك الديناميات بين الإطارات كأحد المحاور الأساسية لاكتشافها. عانت أدوات الكشف الحالية من صعوبات عدة عندما تم استخدامها عبر مولدات مختلفة، إذ أن خصائصها تختلف بناءً على مؤشرات الزمن المستخدمة. ومع ذلك، توصل فريق من الباحثين إلى استراتيجيات مبتكرة لتحليل هذه الفيديوهات.

في دراسة حديثة، تم استخدام مجموعة من التقنيات الجديدة لتعزيز فعالية الكشف، حيث تم التعرف على نقطتين رئيسيتين: أولاً، تظهر الفيديوهات المولدة بواسطة الذكاء الاصطناعي تبايناً أكثر سلاسة بين الإطارات عند مستوى البكسل، مما يشير إلى وجود فجوة في السلاسة الزمنية. ثانياً، لوحظ أن المقاطع المزيفة تستدعي استجابة نموذج الشبكة العصبية المتقلبة (SNN) بشكل أكبر عند حدود الأجسام والحركة، مما يميزها عن المقاطع الحقيقية.

بناءً على هذه الملاحظات، اقترح الباحثون نموذجاً جديداً يُدعى MAST يقوم بمعالجة المتغيرات الزمنية متعددة القنوات مع فرع زمني مدفوع بالذخيرة بجانب مُشفّر دلالي ثابت لاختبار كفاءته عبر مولدات متنوعة.

قدمت التجارب التي أجريت على معيار GenVideo نجاحاً باهراً، حيث حقق النموذج دقة متوسطة تبلغ 93.14٪ عبر 10 مولدات غير مرئية، وهو ما يتفوق على أقوى أدوات الكشف المبنية على الشبكات العصبية التقليدية. هذه النتائج تبرز الإمكانية الكبيرة للاعتماد على الشبكات العصبية المتقلبة (SNNs) في مجال اكتشاف الفيديوهات المولدة بالذكاء الاصطناعي، مما يمثل خطوة مهمة نحو مستقبل أكثر أماناً في عالم المعطيات الرقمية.