مترجم للثقة: إطار عمل جديد يعامل "محتوى الزبالة الرقمية" كخطأ بنيوي لا كمشكلة أسلوبية

يطرح فريق البحث القائم على إطار الحوكمة الجديد "كانونيك" (CANONIC) فكرة جريئة: القطاع كله يحاول تصفية المحتوى غير الموثوق الناتج عن الذكاء الاصطناعي بأدوات خاطئة من الأساس. فبدلاً من تكليف النماذج اللغوية أو المراجعين البشريين بـ"قراءة" النص والحكم على مدى موثوقيته، يعامل "كانونيك" كل مُخرج رقمي كما يعامل المترجم البرمجي (Compiler) الكود المصدري، أي يفرض عليه فحصاً بنيوياً صارماً ينتهي بنجاح أو فشل، دون أي هامش تسمح فيه البلاغة الأسلوبية بتمرير محتوى رديء.

الورقة البحثية، التي تمتد على 28 صفحة ورُفعت إلى أرشيف "آركايف" (arXiv) في 10 يونيو 2026، تصف كيف يحوّل "كانونيك" المُخرجات الرقمية إلى ما يسميه الباحثون "سجل الأدلة" (Evidence Ledger)، مصمم للعمل على نطاق واسع. يقوم النظام على ثلاث بديهيات: الثالوث (Triad)، والوراثة (Inheritance)، والاستبطان (Introspection). ووفقاً للباحثين، هذه ليست خيارات تصميمية عشوائية، بل تقابل كل بديهية طبقة من نظرية المترجمات البرمجية الكلاسيكية: الثالوث يقابل التركيب النحوي (Syntax)، والوراثة تقابل تحليل النطاق (Scope Resolution)، والاستبطان يقابل نظام الأنواع (Type System). النتيجة أن قبول أي محتوى في السجل يصبح فحصاً قابلاً للحسم وبزمن خطي (Decidable, Linear-time Check)، وهو نفس الضمان الحسابي الذي يتيح للمترجمات البرمجية الحقيقية معالجة قواعد برمجية ضخمة بسرعة ودقة حتمية.

لماذا لا تنجح "القراءة"؟

الحجة الأساسية وراء هذا التوجه جاءت من معيار قياس مسجَّل مسبقاً (Pre-registered Benchmark) أجراه الباحثون على أربعة أنظمة مزوّدة مختلفة، بهدف مقارنة مخرجات أنظمة ذكاء اصطناعي متعددة. كان السؤال الذي يحاول الاختبار الإجابة عنه محدداً وعملياً: هل يمكن لبوابة تقييم تعتمد على قراءة النص أن تفرّق بثقة بين المحتوى الموثوق وما يُعرف بـ"الزبالة الرقمية" (Slop)، أي المحتوى الرديء أو المتخيَّل (Hallucinated) أو الحشو الذي أصبح مشكلة متكررة في نصوص الذكاء الاصطناعي؟

الإجابة، بحسب نتائج المعيار، كانت لا. في جميع الأنظمة الأربعة التي خضعت للاختبار، لم تنجح أي بوابة قائمة على قراءة النص في الفصل الموثوق بين المحتوى الموثوق وغير الموثوق باستمرار. هذه النتيجة هي الدافع المحوري للورقة لنقل عملية التحقق من نطاق الحكم الدلالي (Semantic Judgment) إلى نطاق القبول البنيوي (Structural Admission)، حيث ينجح الفحص أو يفشل بناءً على البنية المُجمَّعة للمُخرج، لا بناءً على تفسير المُقيّم لصياغته اللغوية.

بنية تحتية، لا مجرد فلتر

بتأطير مسألة التحقق من الثقة كمشكلة تخص المترجمات البرمجية، يؤكد فريق "كانونيك" ضمنياً أن حوكمة المحتوى تحتاج إلى صرامة مماثلة لتصميم لغات البرمجة: قواعد نحوية رسمية (Formal Grammar)، وقواعد قابلة للحسم، ودون اعتماد على الحس الذاتي للقارئ في تقدير المعقولية. تمتد الورقة عبر عدة تخصصات في علوم الحاسوب، من ضمنها الحوسبة والمجتمع (cs.CY)، والذكاء الاصطناعي (cs.AI)، ومعالجة اللغة الحاسوبية (cs.CL)، ولغات البرمجة (cs.PL)، في محاولة واضحة للربط بين سياسات الحوكمة ونظرية اللغات الرسمية.

بالنسبة للفرق التي تبني أنظمة تستقبل كميات ضخمة من المحتوى المولّد بالذكاء الاصطناعي أو المحتوى الجماعي (Crowd-sourced)، الأثر هنا عملي أكثر منه نظري. فحص قبول قابل للحسم وبزمن خطي يمكن أن يُدمج في أنظمة الاستيعاب الحالية بشكل أكثر قابلية للتنبؤ مقارنة بمصنّفات المحتوى القائمة على النماذج (Model-based Classifiers)، التي تقدّم عادةً نتائج احتمالية لا مضمونة. أما مدى صمود بديهيات "كانونيك" أمام محتوى عدائي (Adversarial Content) مصمم خصيصاً للتحايل على الفحوصات البنيوية بدلاً من الفحوصات القائمة على النص، فهو السؤال الطبيعي التالي الذي تفتحه الورقة دون أن تجيب عنه بعد.