في عالم تسوده الأشكال المختلفة من المحتوى، يعتبر الذكاء الاصطناعي قد أحدث ثورة حقيقية. ومن بين هذه الثورات، ظهور نماذج توليد المحتوى (AIGC) التي تعكس أبعاداً جديدة من الواقعية، مما أضعف الحلول التقليدية للكشف عن الزيف. هنا جاء دور نظام PIVOT الذي يعتمد على الفيزياء لكشف المحتوى المُنتج بالذكاء الاصطناعي.

**كيف يعمل PIVOT؟**
يعتمد PIVOT على تقييم الأحداث المرئية من خلال قياس الفيزياء، حيث يقوم بتقدير الكميات الفيزيائية من مقاطع الفيديو والصوت، ويختار القوانين الفيزيائية المناسبة لكل مقطع، ويتحقق من القيود القابلة للقياس. ما يميز هذا النظام هو أنه لا يقتصر فقط على اتخاذ قرار “حقيقي” أو “مزيف”، بل يوفر أيضاً دليلاً داعماً يعكس نتائج التحقق والإطار الزمني وأي كميات داعمة لكل قانون ذي صلة.

**نتائج واختبارات**
عند تقييم PIVOT على مجموعة بيانات PhysForensics-Bench، التي تضم مقاطع صوتية ومرئية حقيقية ومولدة، حقق النظام دقة تصل إلى 70.30% على مجموعة Real+Seedance و72.16% على مجموعة Real+VEO. بالمقارنة، كانت دقة فحص نظام Gemini 3.1 Pro أقل بكثير.

**آفاق المستقبل**

إحدى الجوانب الأكثر إثارة في PIVOT هي إمكانية امتداده إلى أنواع أخرى من المحتوى المُنتج بالذكاء الاصطناعي طالما يمكن تقدير الكميات الفيزيائية اللازمة للتحقق منها. بهذه الطريقة، يمكن أن يصبح PIVOT أداة رئيسية في محاربة المعلومات المزيّفة، مما يحمي المستخدمين ويعزز من شفافية المحتوى.

ما رأيكم في استخدام تقنيات تعتمد على الفيزياء للكشف عن المحتوى المُنتج بالذكاء الاصطناعي؟ نظرتكم تهمنا، شاركونا في التعليقات!