في عالم يتزايد فيه التزييف الرقمي، يبرز نموذج FORGE كابتكار ثوري يُقدِّم رؤى جديدة للمنطقة-grounded natural language explanations التي يمكن التحقق منها. يعتبر التحليل الجنائي للتزييف العميق موضوعاً حساساً، حيث يتطلب من المحققين أدوات تتجاوز التصنيفات الثنائية. فبينما توفر نماذج اللغات المتعددة (Multimodal large language models - MLLMs) الدعم في هذا الشأن، إلا أن النتائج السابقة كانت تفتقر إلى الدقة المطلوبة. لماذا يحدث ذلك؟

العامل الأساسي يكمن في مشكلة الانحياز الاستقرائي، حيث أن تدريب نماذج MLLM على أهداف تقليدية يمنعها من التركيز على التفاصيل الدقيقة التي تحدد التلاعبات. وبالتالي، فإن معظم النماذج السابقة كانت تستهدف إما التلاعب بالوجه أو المحتوى الذي يتم توليده بالكامل بواسطة الذكاء الاصطناعي، دون القدرة على دمج الأمرين.

هنا يأتي دور نموذج FORGE. يعتمد هذا النموذج على تقنية جديدة تقوم بتوجيه مجرى بصري ثانٍ داخل نموذج اللغة من خلال نموذج Vision-Only Model (VOM)، والذي تم تدريبه على توقعات كثيفة بدلاً من مطابقة الصورة والنص. هذه الآلية تنجح في تحقيق التواصل بين الرموز المكانية، وهو ما يساهم في تفسير أفضل يسمح بالتحقق من التفاصيل الدقيقة.

ولم يقتصر الأمر على مجرد تحسين الأداء؛ حيث أن FORGE يعزز دقة الاستجابات على استفسارات مثل “هل العينان/الأنف/الفم تبدو حقيقية أم مزيفة؟” مما يوضح مكان وجود أي تلاعبات في المحتوى. لقد أثبتت الدراسات البشرية أن هذا النموذج يتجاوز القواعد السابقة في اختبارات التقييم عبر المجالات المختلفة، ما يُبرهن على فعاليته في تقديم تفسيرات موثوقة للمحللين.