في زمن يتسارع فيه تطوير الذكاء الاصطناعي بشكل مذهل، ظهر تحدي جديد يتمثل في قدرتنا على الكشف عن مخرجات الصور المُولدة. وهنا يأتي دور مجموعة بيانات GenSyn10، التي تم تصميمها خصيصًا لهذا الغرض. تتضمن هذه المجموعة 60,000 صورة صناعية موزعة على 10 فئات، كل صورة بحجم 32×32 بكسل، مما يجعلها متوافقة مع مجموعة بيانات CIFAR-10 الشهيرة.

تم إنشاء هذه الصور باستخدام ثلاثة نماذج رائدة ذات معماريات متنوعة: FLUX.2-dev (Transformer ذو تدفق مصحح)، HunyuanImage-3.0 (Transformer ذو مولد خلط)، وQwen-Image-2512 (Transformer ذو انتشار متعدد الوسائط). يهدف هذا الابتكار إلى تحسين أبحاث الكشف عن الصور المُولدة، وهي مهمّة تواجه صعوبات خاصة عند التعامل مع مولدات غير مسبوقة.

تتمثل التحديات الرئيسية في أن الأنظمة الحالية للأداء الجيد تكون مهيأة للاستخدام مع مولدات معروفة، مما يضعف أداؤها عند مواجهتها لمولدات جديدة. ومن خلال GenSyn10، تم التغلب على هذه التحديات بفضل جمع البيانات بشكل منظم وفقًا لبروتوكول موحد. نتيجة لذلك، أصبح من الممكن الآن تقييم النماذج بشكل ممنهج عن طريق اختبار قدرة التعميم على مولدات خارج النطاق.

عند تقييم 17 نموذجًا مختلفًا لتصنيف الصور باستخدام بروتوكول مكون من أربع مراحل، تم تحقيق دقة تصل إلى 96.86% في تقييم للصور دون الحاجة لتدريب مسبق، وارتفعت هذه النسبة إلى 99.88% بعد إجراء التدريبات اللازمة. ومع ذلك، أظهرت الاختبارات الأخرى أن النماذج المدربة بدقة عالية على إصدار معروف سجلت انخفاضًا ملحوظًا في الدقة عند اختبارها على صور من مولد غير معروف، مما يعكس حدود التعميم الحالي.

تُعد مجموعة بيانات GenSyn10 معيارًا مُسيطرًا لدراسة الكشف عن الصور المُصطنعة، وتدعم أبحاثًا حول هياكل النماذج وملاءمتها العامة عبر مولدات مختلفة. بتقديمها لهذا المستوى من التحكم، من المتوقع أن تفتح هذه المجموعة آفاقًا جديدة لتطوير أبحاث الذكاء الاصطناعي ومواكبة تطوراته السريعة.