الذكاء الاصطناعي ومعضلة المحتوى المسيء للأطفال: باحثون يطرحون ورقة موقف وطريقة تدقيق بلا صور

تكشف ورقة موقف (Position Paper) قُبلت للعرض ضمن الجلسات المميزة (Spotlight) في مؤتمر ICML 2026 عن حقيقة محرجة لمجتمع سلامة الذكاء الاصطناعي: الأدوات المعتادة لتدقيق النماذج واختبارها عدائياً (Red Teaming) تنهار تماماً حين يكون الضرر المستهدف هو مواد الاعتداء الجنسي على الأطفال (CSAM). الورقة، المنشورة على أرشيف "آركايف" (arXiv)، ترصد 15 مشكلة مفتوحة تمتد على طول دورة تطوير الذكاء الاصطناعي كاملة، من تنظيم بيانات التدريب (Training Data Curation) إلى مراقبة النماذج بعد النشر، وهي مراحل تعجز فيها الآليات المصممة لكشف أشكال أخرى من سوء الاستخدام عن التعامل مع هذا النوع من المحتوى دون تجاوز خطوط قانونية وأخلاقية صارمة.

جوهر المعضلة سهل الشرح لكنه صعب الحل. تقنيات مثل تدقيق مجموعات البيانات (Dataset Auditing)، والاختبار العدائي (Red Teaming)، وكشف عمليات الضبط الدقيق (Fine-tuning Detection)، تعتمد جميعها عادة على فحص أو توليد المحتوى الضار نفسه للتأكد من أن النموذج معرّض للاختراق أو أنه تم استغلاله فعلاً. لكن توليد مواد الاعتداء الجنسي على الأطفال، حتى في بيئة بحثية مضبوطة، يُعد جريمة يعاقب عليها القانون في الولايات المتحدة وأغلب دول العالم. هذا الواقع القانوني يترك أمام مطوري الذكاء الاصطناعي خيارات محدودة جداً لمعرفة ما إذا كانت نماذجهم قد تعرضت لضبط دقيق خفي من جهات خبيثة لإخراج هذا النوع من المحتوى، أو ما إذا كانت بيانات التدريب نفسها قد تلوثت به من البداية.

حجم المشكلة يوضح سبب استعجال مؤلفي الورقة في طرحها على أجندة الباحثين الآن. المركز الوطني الأمريكي للأطفال المفقودين والمستغلين (NCMEC) سجّل أكثر من 1.5 مليون بلاغ عن مواد اعتداء مولّدة بالذكاء الاصطناعي خلال عام 2025، بعد أن كانت الأرقام لا تتجاوز 67 ألف بلاغ في العام السابق، أي بزيادة تفوق العشرين مرة في سنة واحدة فقط. أدوات التوليد سهّلت على مرتكبي هذه الجرائم إنتاج صور اعتداء مركبة بكميات لم تُصمم أنظمة الكشف والإبلاغ التقليدية أساساً لاستيعابها.

طريقة كشف لا تحتاج إلى الدليل نفسه

جاء أحد الحلول الملموسة لهذا المأزق من معهد ماساتشوستس للتكنولوجيا (MIT) في يوليو 2026. طوّر باحثوه تقنية تدقيق قادرة على تحديد ما إذا كان نموذج ما قد خضع لضبط دقيق لإنتاج مواد اعتداء على الأطفال، دون أن يُطلب من النموذج إخراج أي صورة فعلية على الإطلاق. في مرحلة الاختبار، تمكنت الطريقة من تحديد النماذج المتخصصة والمخترقة بدقة بلغت 100%، وهو ما يفتح الباب لرصد عمليات الضبط الدقيق الخطيرة دون أن يضطر القائم على التدقيق إلى إنشاء أو التعامل مع محتوى غير قانوني بنفسه.

عمل فريق معهد ماساتشوستس بالتعاون مع منظمة "ثورن" (Thorn)، المنظمة غير الربحية المتخصصة في سلامة الأطفال والتي استشهدت بها ورقة ICML مراراً، مما يربط هذا الحل التقني مباشرة بالمشكلة الأوسع التي تتحدث عنها الورقة. الأمر يمثل دليلاً محدود النطاق لكنه ذو دلالة حقيقية: تدقيق السلامة يمكن إعادة تصميمه حول القيد القانوني نفسه، بدل التعامل معه كما لو أنه غير موجود.

الحجة الأوسع التي تطرحها ورقة الموقف هي أن هذا النوع من الحلول البديلة يجب أن يتحول إلى القاعدة، لا إلى استثناء نادر. مطورو النماذج ومشغلو المنصات والباحثون توارثوا في معظمهم ممارسات سلامة صُممت لأنواع أخرى من الضرر، أنواع يمكن فيها النظر إلى المخرجات المخالفة وتصنيفها مباشرة. لكن مواد الاعتداء الجنسي على الأطفال لا تسمح بهذا النهج. تقدّم الورقة مشكلاتها الخمس عشرة المفتوحة كأجندة عمل للمجتمع البحثي: إعادة بناء تدقيق البيانات والتقييم والاختبار العدائي من الصفر، بحيث لا يتطلب التحقق من سلامة نموذج ما توليد دليل يثبت أنه غير آمن.