في ظل انتشار نماذج اللغة الكبيرة (LLMs) واستخدامها في مجالات مختلفة، أصبحت مسألة اكتشاف النصوص المدعومة بالذكاء الاصطناعي ونسبتها لمؤلفيها من القضايا الملحة. في السابق، كانت الأبحاث تركز على المميزات اللغوية السطحية، لكنها أثبتت ضعفها أمام تقنيات التعتيم مثل إعادة الصياغة.

يقدم هذا البحث الجديد مقاربة مبتكرة تتجاوز السطحية اللغوية، حيث يتم استخراج وتحليل هياكل التفكير في النصوص المدعومة بنماذج اللغة الكبيرة. من خلال استخدام شبكة عصبية رسومية (Graph Neural Network)، تستفيد هذه المقاربة من رسوم بيانية تم استخراجها بواسطة خط أنابيب لاستخراج الحجج، مما يُظهر قدرة أكبر على التحمل والتعميم مقارنةً بالأساليب التقليدية.

نتائج الدراسة تشير إلى أن هذه الطريقة الجديدة تتفوق على الأسلوب التقليدي بحوالي 27 نقطة مئوية في مواجهة هجمات التعتيم مثل إعادة الصياغة والترجمة العكسية، و19 نقطة عند تقييم النصوص التي تم إنشاؤها بواسطة نماذج غير مرئية.

إن البحث عن هوية المؤلف مسألة تزداد تعقيدًا مع تقدم التقنيات، ومن المؤكد أن هذه الاستراتيجيات الجديدة ستعيد تعريف كيفية تعاملنا مع النصوص المدعومة بالذكاء الاصطناعي في المستقبل. هل أنتم مستعدون لاستكشاف مستقبل التأليف مع الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات!