"كرافت" من MBZUAI: هل تستطيع الذكاء الاصطناعي كتابة تقارير تحقق من الحقائق بمصداقية بشرية؟

ثلاثة عملاء ذكاء اصطناعي (AI Agents)، كل منهم يتقمص دوراً مختلفاً داخل غرفة الأخبار، يشكلون معاً العمود الفقري لنظام يحاول الإجابة عن سؤال شائك في عالم الصحافة: هل يمكن لآلة أن تكتب تقرير تحقق من الحقائق (Fact-Check) يحظى بمصداقية حقيقية؟

طوّر باحثون في جامعة محمد بن زايد للذكاء الاصطناعي (MBZUAI) نظام "كرافت" (QRAFT)، وهو إطار عمل وكيلي (Agentic Framework) يسعى لمحاكاة الطريقة التي يعمل بها المحققون الصحفيون المحترفون فعلياً، بدلاً من الاكتفاء بتلخيص الادعاءات والأحكام النهائية عليها. يوزّع النظام المهمة على ثلاثة عملاء: عميل التخطيط (Planner Agent)، وعميل الكتابة (Writer Agent)، وعميل التحرير (Editor Agent). هذه المكونات الثلاثة لا تمرر العمل بينها بشكل خطي متسلسل فقط، بل تتفاعل عبر حوارات من نوع سؤال وجواب، في محاكاة لعملية الأخذ والرد التي تحدث في غرف الأخبار الحقيقية حين تُراجع مسودة ما وتُعدَّل وتُصقل قبل نشرها.

هذا الخيار التصميمي لم يأت من فراغ، بل استند إلى عمل ميداني حقيقي. فقبل بناء "كرافت"، أجرى فريق MBZUAI مقابلات مع محققين محترفين يعملون في مؤسسات تحقق راسخة، لفهم كيفية بناء هذه المقالات فعلياً، بدءاً من تحديد الادعاء الأولي، مروراً بجمع المصادر، وانتهاءً بالتحرير النهائي. ويُعد دهروف سهنان (Dhruv Sahnan)، طالب الدكتوراه في معالجة اللغات الطبيعية (NLP) في MBZUAI، أحد الباحثين الرئيسيين في المشروع، إلى جانب مجموعة من المؤلفين المشاركين ذوي الخلفيات المتنوعة: ديفيد كورني، إيرين لاراز، جيوفاني زاني، روبن ميغيز، تشوهان شي، إيرينا غوريفيتش، إليزابيث تشرشل، تانموي شاكرابورتي، وبريسلاف ناكوف. هذا المزيج بين باحثين أكاديميين متخصصين في معالجة اللغة الطبيعية وشخصيات مرتبطة بممارسة التحقق من الحقائق ميدانياً يعكس الفكرة الجوهرية للمشروع: أن أتمتة هذا النوع من الكتابة تتطلب إشراك من يمتهنون هذا العمل بالفعل.

اختبار الحكم البشري

لم يعتمد الفريق على التقييم الآلي وحده لإثبات جدوى "كرافت". فبالتوازي مع المقاييس المعيارية المستخدمة لتقييم النصوص المولّدة آلياً، استقدم الباحثون محققين محترفين لتقييم المقالات التي أنتجها النظام تقييماً يدوياً. هذا المسار المزدوج في التقييم، الجمع بين المقاييس الآلية والمراجعة البشرية، يمنح النتائج ثقلاً أكبر مما توفره المعايير الخوارزمية البحتة. وعلى صعيد المقاييس الآلية، تفوّق "كرافت" على الأساليب المنافسة، وهو ما يشير إلى أن البنية متعددة العملاء القائمة على الحوار تنتج نصوصاً تحقق درجات أعلى في مؤشرات الجودة المعتمدة للمحتوى المولّد.

قُدّمت الدراسة في المؤتمر السنوي الرابع والستين لجمعية اللغويات الحاسوبية (ACL) الذي عُقد في سان دييغو، وهو أحد أبرز المحافل البحثية في مجال اللغويات الحاسوبية، مما أضفى على العمل درجة من التمحيص العلمي تتجاوز حدود إصدار داخلي في مختبر بحثي.

لماذا يهم هذا خارج جدران المختبر؟

تتوفر أدوات التحقق الآلي من الحقائق منذ سنوات، لكن معظمها ينحصر في تصنيف الادعاء كصحيح أو خاطئ فقط. طموح "كرافت" مختلف: فهو يستهدف المهمة الأصعب، وهي إنتاج المقال التفسيري الكامل، ذلك النوع من الكتابة الدقيقة والموثقة بالمصادر الذي تنشره مؤسسات التحقق يومياً لتوضيح الأدلة والمنطق للقراء. وإذا تمكنت أنظمة وكيلية كهذه من محاكاة تلك العملية بشكل موثوق، فقد تحصل غرف الأخبار التي تواجه كمّاً متزايداً من المعلومات المضللة المنتشرة بسرعة على مساعدة فعلية، شرط أن يبقى المحررون البشريون جزءاً من الحلقة لرصد ما يفوت الحكم الآلي.