أدخِل نص الدستور الأمريكي لعام 1787 في كاشف ذكاء اصطناعي، وسيخبرك بترجيح عالٍ: أن هذا النص من كتابة ذكاء اصطناعي. نص كُتب قبل 236 عاماً من ظهور ChatGPT.

هذه ليست حالة استثنائية منتقاة بعناية، بل تجربة نظيفة تماماً: مؤسس GPTZero، إدوارد تيان (Edward Tian)، شرح السبب بنفسه — فالدستور نص أُدخل مراراً وتكراراً إلى نماذج اللغة ذاتها. الكاشف يتعرّف فيه بالضبط على ما يتعرّف عليه في نصوص الذكاء الاصطناعي الحقيقية. لكن هنا بشكل خاطئ.

وهنا بالضبط تكمن المشكلة. كاشف الذكاء الاصطناعي لا يقيس ما إذا كان النص صادراً عن ذكاء اصطناعي. إنه يقيس شيئاً آخر — ويخلط بينه وبين أصل الذكاء الاصطناعي.

ما الذي يقيسه الكاشف فعلاً

ماسح الانتحال يضع أمامك المصدر الأصلي. يمكنك أن تتحقق بنفسك: هنا الفقرة المنسوخة، وهناك النص الأصلي. هذا أمر يمكن التحقق منه ودحضه.

كاشف الذكاء الاصطناعي لا يستطيع ذلك. فليس لديه نص مرجعي. إنه يقيس مدى قابلية النص للتنبؤ — وبالمصطلح التقني: الحيرة (Perplexity). نماذج اللغة تُنتج تتابعات كلمات مرجّحة وسلسة ومتوقعة. لذا يُعامَل العكس كمؤشر شك: من يكتب بسلاسة وبشكل متوقع يبدو للكاشف وكأنه آلة.

هذه هي الحيلة بأكملها. وهذا أيضاً هو الخطأ بأكمله.

فمن يكتب بسلاسة وبشكل متوقع؟ ليس فقط الذكاء الاصطناعي. بل أيضاً أشخاص تعلّموا لغة أجنبية ويعتمدون على تعبيرات قياسية آمنة. أشخاص يكتبون ببساطة ووضوح. بعض الكتّاب من ذوي التنوّع العصبي. الكاشف لا يستطيع التمييز بين هؤلاء الأشخاص وبين الذكاء الاصطناعي، لأنه لم يبحث يوماً عن الذكاء الاصطناعي — بل فقط عن السلاسة.

الدليل على أن الأمر متعلق باللغة، لا بالذكاء الاصطناعي

دراسة أجرتها جامعة Stanford University (Liang et al.، نُشرت في مجلة Patterns التابعة لـ Cell Press، بتاريخ 10 يوليو 2023) اختبرت سبعة كاشفات تجارية على نصوص حقيقية ومضمونة أنها بشرية.

في مقالات طلاب الصف الثامن الأمريكيين، كانت نسبة الخطأ قريبة من الصفر. أما في مقالات TOEFL — وهي مكتوبة بأيدي أشخاص تُعدّ الإنجليزية بالنسبة لهم لغة أجنبية — فقد صنّفت الكاشفات نفسها بالمتوسط 61.22% منها خطأً على أنها من إنتاج الذكاء الاصطناعي. وتم وسم ما يقارب 98% من المقالات من قِبل أداة واحدة على الأقل، وواحد من كل خمسة مقالات وسمته الأدوات السبع جميعها بالإجماع.

ثم يأتي الجزء الذي يفسّر كل شيء. جعل الباحثون GPT-4 يُحسّن مقالات TOEFL لغوياً — باختيار مفردات أكثر رقياً، لا شيء آخر. تراجع التصنيف الخاطئ كذكاء اصطناعي من 61.22% إلى 11.77%.

المحتوى نفسه، الأشخاص أنفسهم، الكاشفات نفسها. فقط لغة أغنى. إذا كانت مفردات أفضل تحوّل “نصاً من إنتاج الذكاء الاصطناعي” إلى “نص بشري”، فإن الكاشف لا يقيس الذكاء الاصطناعي. إنه يقيس مستوى اللغة. ويعاقب المستوى الأدنى.

ماذا يحدث عند اختبار أدوات كثيرة جنباً إلى جنب

أوسع دراسة مستقلة حتى الآن أجراها Weber-Wulff وAnohina-Naumeca وFoltýnek وزملاؤهم (مجلة International Journal for Educational Integrity 19:26، بمراجعة أقران، بتاريخ 25 ديسمبر 2023). فحصوا 14 كاشفاً على 54 وثيقة معروفة المصدر — أي 756 اختباراً فردياً.

النتيجة: لم تصل أي أداة إلى دقة 80%، وخمس أدوات فقط تجاوزت 70%. تراوحت نِسَب الإيجابيات الخاطئة بين 0% (Turnitin في هذا الاختبار) و50% (GPTZero في هذا الاختبار). ونُسب نحو 20% من النصوص الحقيقية المولَّدة بالذكاء الاصطناعي إلى البشر — بل النصف بعد تعديل طفيف عليها.

يكتب المؤلفون أن هذه الأنظمة “غير مناسبة للاستخدام الأكاديمي”. ويحدّدون جوهر المشكلة الحقيقي: خلافاً لماسح الانتحال، لا يوجد مصدر أصلي. فالطالب الذي يُتَّهم بناءً على هذا الأساس وحده لن تكون لديه “أي إمكانية للدفاع عن نفسه” — وفي النص الأصلي: no possibility for a defence.

لا يمكن دحض ما لم يُثبَت أصلاً.

الشاهد الأكثر صدقاً: OpenAI نفسها

إذا كان هناك من يُفترض أن يكون قادراً على كشف نصوص الذكاء الاصطناعي، فهو صانع ChatGPT. حاولت OpenAI ذلك — بأداة خاصة بها هي “AI Text Classifier”، أُطلقت في يناير 2023.

بعد ما يقارب ستة أشهر، سحبتها OpenAI من الخدمة. والسبب مذكور في ملاحظة التحديث الخاصة بها: due to its low rate of accuracy — أي بسبب انخفاض دقتها. الأداة لم تتعرّف إلا على 26% من نصوص الذكاء الاصطناعي، وصنّفت خطأً 9% من النصوص البشرية على أنها من إنتاج الذكاء الاصطناعي. وبالنسبة للنصوص القصيرة التي تقل عن 1000 حرف، وصفتها الأداة بأنها “غير موثوقة إلى حد كبير”.

الشركة التي بنت النموذج نفسه لم تستطع التعرّف على مخرجاته بشكل موثوق — وكانت صادقة بما يكفي لسحب المنتج.

ماذا يكتب المزوّدون أنفسهم في الشروط الدقيقة

الأكثر كشفاً للحقيقة لا يوجد في المواد التسويقية، بل في الأسئلة الشائعة (FAQ).

Turnitin، الرائدة في السوق التعليمي، تذكر نسبة إيجابيات خاطئة على مستوى الوثيقة الكاملة تبلغ “أقل من 1%”. لكن عند القراءة بتمعن، يتضح أن هذا الرقم لا ينطبق إلا على الوثائق التي تتجاوز نسبة محتوى الذكاء الاصطناعي فيها 20%؛ أما على مستوى الجملة فتبلغ النسبة نحو 4%؛ وتحت نسبة 20% لا تُظهر الأداة أي رقم على الإطلاق، بل مجرد علامة نجمية. وتكتب Turnitin بنفسها أن النتيجة “لا ينبغي أن تكون الأساس الوحيد لاتخاذ إجراء”.

GPTZero تكتب في أسئلتها الشائعة أن نتائجها “ينبغي ألا تُستخدم لمعاقبة الطلاب” — وفي النص الأصلي: these results should not be used to punish students. كما تذكر أن مجموعة بيانات التدريب تتكوّن في غالبيتها من نثر إنجليزي كتبه مؤلفون بالغون. وهذا بالضبط ما يفسّر التحيّز.

هذا هو الخيط الناظم: المزوّدون أنفسهم يحذّرون بالضبط من الاستخدام الذي يوظِّف المعلمون هذه الأدوات من أجله — أي المعاقبة بناءً على مجرد الشك.

ومن باب الإنصاف، هناك دليل مضاد يجب ذكره: نشرت Turnitin دراسة خاصة بها (بتاريخ 26 أكتوبر 2023) تفيد بأنه بدءاً من 300 كلمة، لا يوجد ضرر ذو دلالة إحصائية على متعلمي الإنجليزية كلغة ثانية. وهذا لا يناقض دراسة Stanford إلا جزئياً — بالنسبة للنصوص الطويلة. أما بالنسبة للنصوص القصيرة، فتعترف Turnitin نفسها بارتفاع نِسَب الخطأ. كما أنها شاهد في قضية تخصّها هي بالذات. والمهام القصيرة والملخصات والإجابات من فقرتين هي واقع الحياة الدراسية اليومية — وبالضبط حيث تكون الأرقام في أسوأ حالاتها.

لماذا تظل نسبة مئوية صغيرة خطيرة رغم كل شيء

“أقل من 1%” يبدو رقماً مطمئناً. لكن احسبها على نطاق واسع.

قدّمت جامعة Vanderbilt University نحو 75,000 عمل دراسي في عام 2022. حسابياً — لا قياساً فعلياً — فإن نسبة “أقل من 1%” التي تذكرها Turnitin نفسها تعني نحو 750 حالة يُوسَم فيها شخص خطأً. أما هل حدثت هذه الحالات فعلاً، فالحساب لا يجيب عن ذلك. لكن جامعة Vanderbilt استخلصت النتيجة وأوقفت العمل بالكاشف في 16 أغسطس 2023، بحجّة أنها لا تعتبر برمجيات كشف الذكاء الاصطناعي أداة فعّالة ينبغي استخدامها.

في ظل الاستخدام الجماعي، لا تُعدّ نسبة الخطأ المنخفضة رقماً صغيراً. إنها رقم من ثلاث خانات من الاتهامات كل عام — وخلف كل واحدة منها شخص لم يفعل شيئاً.

وماذا عن الوضع القانوني الألماني؟

الأهم أولاً، وهو أمر نادراً ما يُذكر في أي ملخص: في ألمانيا يقع عبء الإثبات على عاتق الجامعة. فعلى جهة الامتحان أن تثبت وقوع الغش — ويجب أن يكون كل من الغش والعقوبة منظَّمَين مسبقاً في لائحة الامتحانات. ودرجة الكاشف لا تعكس هذا العبء.

أحدث حكم صدر عن محكمة كاسل الإدارية (Verwaltungsgericht Kassel) بتاريخ 25 فبراير 2026 (رقم القضية 7 K 2134/24.KS وَ 7 K 2515/25.KS). أيّدت المحكمة عقوبات بسبب استخدام الذكاء الاصطناعي — لكنها استندت صراحةً ليس إلى كاشف، بل إلى قرائن يمكن للبشر التحقق منها: تفاوت لافت بين الأداء الكتابي والشفهي، وتكرار مفرط لعبارات قياسية جاهزة. الأحكام لم تصبح بعد نهائية (بحسب حالتها في 24 يوليو 2026)؛ وما إذا كانت محكمة أعلى ستؤيّدها يبقى أمراً مفتوحاً.

يوصي دليل عملي صادر عن Digitale Lehre Hub Niedersachsen (Baresel, Horn & Schorer، بحالته حتى 24 فبراير 2025) الجامعات بعدم استخدام كاشفات الذكاء الاصطناعي. حججه: بيانات الامتحانات الشخصية (المادة 6 من اللائحة العامة لحماية البيانات GDPR)، وحظر القرارات الآلية بالكامل (المادة 22 GDPR)، واحتمال تصنيفها كذكاء اصطناعي عالي المخاطر بموجب EU AI Act. وفي إجراءات الاستعجال المذكورة أمام محكمة ميونخ الإدارية (VG München)، اعتُبرت نتائج الكاشف في كل مرة مجرد قرينة واحدة من ضمن أخرى، لا دليلاً قاطعاً.

بعض الجامعات الألمانية تستخلص من ذلك النتيجة الأوضح، فتمتنع عمداً عن توفير أي كاشفات ذكاء اصطناعي على الإطلاق — كسياسة رسمية معلنة، لا كرأي فردي.

ماذا يمكنك أن تفعل إذا صنّفك كاشف ظلماً

هذا تأطير صحفي، وليس استشارة قانونية لحالتك المحدّدة — فذلك يتطلّب شخصاً مطّلعاً على ملفّك. لكن يمكن تحديد الاتجاه الذي تشير إليه الحقائق الموثَّقة والإرشادات المذكورة:

الدرجة وحدها ليست دليلاً. فهي تعبّر عن احتمال، لا عن مصدر يمكن التحقق منه. اسأل عن الأساس: أي أداة؟ أي إصدار؟ أي رقم؟ وقياساً إلى ماذا؟ فـ”درجة ذكاء اصطناعي مرتفعة” بلا هذه المعلومات ليست إثباتاً، بل مجرد ادّعاء.

اعرض عملية الكتابة التي مررت بها. هذا هو أقوى دليل مضاد الذي بالتحديد لا يستطيع الكاشف تقديمه: سجل نُسَخ وثيقتك (Google Docs، Word، كل خدمة سحابية تحفظه)، المسودّات الوسيطة، الملاحظات، تبويبات البحث، المصادر. عملية الكتابة الحقيقية تترك أثراً. أما الاحتمال فلا يفعل ذلك.

سمِّ التحيّز إن كان يخصّك. إذا لم تكن الألمانية — أو الإنجليزية — لغتك الأم، فدراسة Stanford هي مصدرك: الأدوات نفسها التي تُمرّر الناطقين الأصليين بلا أخطاء تقريباً، تصنّف غير الناطقين خطأً بأعداد كبيرة. هذا ليس مؤشر شك ضدك، بل عيب تصميمي معروف وموثَّق قياساً في هذه الأدوات.

اعرف أين يقع عبء الإثبات. في ألمانيا يجب على الجامعة أن تثبت الغش، لا أن تثبت أنت براءتك. وفي الحالات الجدّية، ينبغي أن يؤول الأمر إلى الاستشارة القانونية في جامعتك أو محامية مختصة أو مسؤول حماية البيانات.

النقطة المضادة الصادقة

حتى لا يتحوّل هذا المقال إلى أحادية جانب مريحة: هناك أمران يصبّان في صالح الكاشفات — ويجب ذكر كليهما.

أولاً، البشر أسوأ من الكاشفات في التعرّف على نصوص الذكاء الاصطناعي. دراسة حول الكتابة الأكاديمية (Cheng et al.، 2025) وجدت أن المقيّمين البشريين حقّقوا نسبة 19% — أي بمستوى الصدفة العشوائية. وقد تفوّقت عليهم الكاشفات بوضوح. لكن الدراسة نفسها قاست في الوقت ذاته نسبة إيجابيات خاطئة بلغت 72.2% على نص بشري خالص. “أفضل من البشر في الكشف” و”غير صالح كدليل” أمران لا يتناقضان.

ثانياً: الكشف عند المصدر فعّال. عرضت Google DeepMind في مجلة Nature (بتاريخ 23 أكتوبر 2024) علامة مائية نصية (SynthID-Text) تُميّز مخرجات الذكاء الاصطناعي بشكل موثوق دون خفض جودة النص بشكل ملحوظ — وقد اختُبرت على نحو 20 مليون إجابة من Gemini. والفارق هنا حاسم: يُدمج هذا التوقيع أثناء إنشاء النص، لا يُخمَّن لاحقاً بعد إنتاجه. ولهذا السبب بالضبط تراهن عليه التشريعات أيضاً: اعتباراً من 2 أغسطس 2026، تُلزم المادة 50 من EU AI Act (بحسب الأسئلة الشائعة الصادرة عن المفوضية الأوروبية) مزوّدي الذكاء الاصطناعي التوليدي بوسم مخرجاتهم بشكل قابل للقراءة الآلية — مع فترة انتقالية للأنظمة القائمة حتى 2 ديسمبر 2026. (هذا هو الوضع القانوني وفقاً للمصدر الأساسي، وليس استشارة قانونية؛ تحقّق من الحالة في تاريخ قراءتك.)

إذن، الطريق إلى الأمام هو الوسم عند المصدر، لا التخمين عند النتيجة النهائية. واختيار صانعي السياسات لهذا المسار هو إقرار ضمني هادئ: الكاشف اللاحق لا يحلّ المشكلة.

الجملة الواحدة التي تستحق أن تُؤخذ معك

كاشف الذكاء الاصطناعي مناسبة لبدء حوار، لا حكماً قضائياً. يمكن أن يثير سؤالاً — “أخبرني كيف كتبت هذا النص”. لكن لا يجوز أبداً أن تكون له الكلمة الأخيرة. ليس لأن هذا موقف لطيف، بل لأنه تقنياً لا يستطيع فعل أي شيء آخر: فهو يقيس السلاسة، ويذكر احتمالاً، ولا يضع أمامك أي مصدر. ومن يبني على ذلك درجة أو اتهاماً، فهو يخلط بين الظن والدليل.

ودستور 1787 لم يكن كذلك.

المصادر

جميعها تم التحقق منها في 24 يوليو 2026. الأرقام سارية اعتباراً من تاريخ القياس المذكور لكل منها؛ وقد تكون قيم الكاشفات والوضع القانوني قد تغيّرا منذ ذلك الحين.

إن كان هناك شيء هنا يبدو قديماً أو غير دقيق: تواصل معي.