في عالم الذكاء الاصطناعي، أصبحت نماذج اللغات متعددة الوسائط (MLLMs) أداة قوية تمكننا من إجراء مجموعة واسعة من المهام النصية والصورية. ولكن مع هذه القوة، تزايدت المخاوف بشأن الأمان وحماية الملكية الفكرية، بعد أن تم رصد حوادث تتعلق بالنشر غير المصرح به واستخلاص النماذج.

تقدم الأبحاث الحالية حلولاً جديدة لمعالجة هذه المخاوف. وفي دراسة جديدة تم نشرها، يقترح الباحثون طريقة مبتكرة تُعرف باسم "AttnPrint"، وهي أول دراسة تتعلق بتحديد بصمات نماذج اللغات متعددة الوسائط. تستند هذه الطريقة إلى فكرة أن آلية الانتباه الذاتية تعمل كفلتر منخفض التردد، مما يُتيح استخراج توزيع الانتباه عبر الأنماط المتعددة.

تعتمد آلية "AttnPrint" على استخراج المكونات ذات التردد المنخفض من الانتباه المتبادل، التي تُستخدم كبصمات للنموذج، مما يتيح إمكانية التدقيق من أجل إثبات الملكية.

أما بالنسبة لمنهجية "DistillTrace"، فتعمل هذه الأداة على اختبار فرضيات نواتج MLLM بهدف كشف الانتهاكات المحتملة. أجريت تجارب شاملة على 154 نموذج عبر 19 عمارة متعددة الوسائط، حيث أظهرت "AttnPrint" أداءً متميزاً في اكتشاف النماذج المشتقة، وأثبتت أن "DistillTrace" توفر دلائل على علاقات الاستخلص عبر تقنيات مستقلة عن المعلمات.

إن هذه الحلول تمثل خطوة كبيرة نحو تحقيق الحماية اللازمة لنماذج الذكاء الاصطناعي، مما يجعلها أكثر أماناً من الاستخدامات غير المصرح بها.

ما رأيكم في هذه الدراسات الجديدة؟ هل تعتقدون أنه يمكن لهذه الأساليب أن تساهم فعلاً في حماية الابتكارات المستقبلية؟ شاركونا آرائكم في التعليقات.