ركاكة الذكاء الاصطناعي (AI Slop): مشكلة جودة
ظهرت في خلاصاتي (Feeds) صور ومقاطع ونصوص متزايدة سلسة، مبتذلة، ولكنها ذات مدى وصول عالٍ. لاحقًا أدركت: هذا هو «ai slop» (ركاكة الذكاء الاصطناعي). يصف هذا المصطلح فيضًا من محتوى الذكاء الاصطناعي منخفض الجودة وسريع الإنتاج، والذي يجذب الانتباه ويطغى على المساهمات الأصيلة. تثبت الدراسات أن مثل هذا المحتوى يحقق مدى وصول هائل على المنصات وغالبًا لا يدرك المستخدمون أنه مصطنع.
Quelle: تصوير ذاتي
مقدمة عن ركاكة الذكاء الاصطناعي (AI Slop)
«AI slop» هو مصطلح ازدرائي للمحتوى المُنشأ بواسطة الذكاء الاصطناعي ذي الجودة المنخفضة. يشمل ذلك الصور، مقاطع الفيديو، التسجيلات الصوتية، أو النصوص التي يتم إنتاجها بسرعة وبتكلفة زهيدة وبكميات كبيرة، غالبًا دون عناية أو تدقيق للمصدر أو قيمة مضافة. انتشر المصطلح في التيار العام عام 2024 بفضل تقارير مثل تقرير مقالة الغارديان الذي يصف «slop» كموجة جديدة من التلوث الرقمي. الأمثلة النموذجية هي صور الذكاء الاصطناعي التي تبدو واقعية بشكل سريالي، والتي تثير المشاعر ولكن ليس لها أصل حقيقي، كما ذكرت الواشنطن بوست. . تم توثيق الظاهرة مبكرًا على صفحات الميم، مثل «وباء منشورات الذكاء الاصطناعي على فيسبوك».
منذ نهاية عام 2023/2024، يلاحظ الصحفيون والباحثون صفحات صور الذكاء الاصطناعي المنسقة على فيسبوك، والتي تستخدم تكتيكات الطعم النقري (Clickbait) لتحقيق مدى وصول وعائدات، كما 404 Media أشار. . قامت دراسة من كلية هارفارد كينيدي بتحليل 125 صفحة على فيسبوك تحتوي كل منها على أكثر من 50 صورة AI: كان المتوسط 81.000 متابع لكل صفحة؛ وحقق منشور AI واحد 40 مليون مشاهدة و1.9 مليون تفاعل في ربع سنوي. 404 Media أظهر, كيف يقوم المبدعون بإنتاج «slop» بشكل منهجي ويستغلون مكافآت المنصات لذلك. في عام 2025، أطلقت Meta وظيفة الخلاصة الجديدة لفيديو AI باسم «Vibes» في تطبيق Meta-AI – تدفق لا نهائي من مقاطع الفيديو القصيرة التوليدية التي يمكن إعادة مزجها، كما Meta أعلنت. . بالتوازي، أكدت يوتيوب أنها لا تريد تحقيق الدخل من المواد «غير الأصيلة» والمتكررة بكميات كبيرة، ووضعت إرشادات دقيقة في صيف 2025، ذكرت The Verge. . قدمت OpenAI علامات مائية مرئية وبيانات وصفية C2PA مع تطبيق الفيديو Sora لتحديد المصدر، كما أعلنت OpenAI, ، لكن الأبحاث تظهر أن أطرافًا ثالثة يمكن أن تزيل العلامات المائية المرئية بسرعة، so 404 Media و Hany Farid من iSchool Berkeley. . تثبت الدراسات مرارًا وتكرارًا مدى صعوبة تمييز البشر بين وسائط الذكاء الاصطناعي والوسائط الحقيقية، على سبيل المثال „As Good As A Coin Toss“.
Quelle: whatisai.co.uk
AI Slop: عندما يصبح المحتوى المُنشأ بواسطة الذكاء الاصطناعي فيضًا فوضويًا.
التحليل والتأثيرات
لماذا يوجد ركاكة الذكاء الاصطناعي (AI slop)؟ أولاً: الانتباه عملة. الخوارزميات تكافئ التفاعل؛ الذكاء الاصطناعي يخفض تكاليف الإنتاج، لذا فإن الكمية تستحق العناء، wie 404 Media حلل. ثانياً: تحقيق الدخل. مكافآت الأداء أو حيل الشركات التابعة تحول النقرات إلى أموال – حتى لو كان المحتوى مبتذلاً، ذكرت 404 Media. . ثالثاً: ديناميكية المنصات. منطق التوصية يرفع المحتوى «المثير بصريًا»، سواء كان حقيقيًا أو مُنشأ، so die Harvard Kennedy School. رابعاً: سلسلة الأدوات. نماذج الفيديو وتطبيقات التحرير الأفضل تجعل الإنتاج تافهاً، بينما لم تعد علامات المصدر تحقق تأثيرًا واسعًا من الناحية التقنية والتنظيمية، كما C2PA-Spezifikationen تُظهر.
Quelle: يوتيوب
يقدم الفيديو إطارًا موجزًا لكيفية نشأة ركاكة الذكاء الاصطناعي (AI slop) وكيفية التعرف عليها.
المثبت: صفحات فيسبوك التي تحتوي على صور AI تصل إلى جمهور كبير؛ غالبًا لا يدرك المستخدمون الاصطناعية، laut Harvard Kennedy School. المثبت أيضًا هو أنه يمكن إزالة العلامات المائية المرئية تقنيًا، مما يجعل علامات المصدر غير موثوقة في الحياة اليومية، wie 404 Media zeigte. المثبتة هي مشاكل الإدراك: في الدراسات، يكون البشر في التعرف على AI في بعض الأحيان قريبين من مستوى الصدفة، wie eine Studie belegt.
غير الواضح: ما هو النسبة المطلقة لـ AI slop عبر المنصات. تفتقر الإحصائيات الإجمالية الموثوقة والمصادق عليها علنًا؛ تختلف التقديرات حسب الطريقة والفترة الزمنية، so das Reuters Institute.
الافتراض الخاطئ/المضلل هو: «المنصات تحظر AI slop عمومًا.» الصحيح هو: هناك قواعد لتحقيق الدخل والأصالة، ولكن لا يوجد حظر عام لمحتوى الذكاء الاصطناعي؛ يوتيوب وضحت القواعد ضد «غير الأصيل/المتكرر بكميات كبيرة»، وليس ضد الذكاء الاصطناعي بحد ذاته، wie The Verge berichtete. المضلل أيضًا: «العلامات المائية تحل المشكلة.» يمكن إزالة العلامات المرئية؛ بيانات اعتماد المحتوى غير المرئية/الموحدة (C2PA) تساعد، لكنها لم يتم تنفيذها في كل مكان بعد ويتم عرضها بشكل غير متسق من قبل المنصات، laut OpenAI و C2PA.
Meta تحدد محتوى الذكاء الاصطناعي على نطاق أوسع وتقدم علامات «AI Info»، wie Meta bekannt gab; وفي الوقت نفسه، تجرب الشركة خلاصات الذكاء الاصطناعي الخاصة بها مثل «Vibes»، مما يزيد من النقاش حول الفائدة مقابل التلوث، so Meta. يصنف الصحفيون «slop» كأعراض لاقتصاد المنصات الموجه نحو التفاعل، wie der Guardian darlegte. يطالب الباحثون بمعايير مصدر قوية وأدوات مستخدم أفضل بدلاً من منطق الحذف البحت، so die Harvard Kennedy School و C2PA.
Quelle: glenmont.co
نظرة على الفيض الرقمي: مخاطر AI Slop على المشهد المعلوماتي لدينا.
توصيات عملية
عمليًا، تعني ركاكة الذكاء الاصطناعي (AI slop): مزيد من ضياع الوقت، خطر أعلى للافتراضات الخاطئة، وانخفاض وضوح المحتوى الجيد. ما الذي يساعد؟ أولاً، تطبيق SIFT: توقف، تحقيق في المصدر، البحث عن تغطية أفضل، تتبع الأصل، wie die University of Chicago Library empfiehlt. ثانيًا، فحص المصدر: التحقق من علامات Content Credentials/C2PA، حيثما توفرت، laut Content Authenticity Initiative. ثالثًا، البحث العكسي عن الصورة/الفيديو: InVID/WeVerify، TinEye، Bing Visual Search، InVID, TinEye, Bing Visual Search. رابعًا، استخدام أدوات تدقيق الحقائق: Google Fact Check Explorer، Google Fact Check Explorer. خامسًا، ملاحظة علامات المنصات – والبقاء متشككًا في نفس الوقت، لأن العلامات قد تكون مفقودة أو خاطئة، so Meta.
Quelle: يوتيوب
يقدم الحديث SIFT - مقاربة عملية لتصنيف المحتوى المشبوه بشكل أسرع.
المستقبل والأسئلة المفتوحة
كيف تتوسع C2PA/Content Credentials لتصل إلى سير العمل الرئيسي للكاميرات، الهواتف الذكية والمنصات – وما مدى قوتها ضد الإزالة أو الكتابة فوقها، gemäß C2PA-Spezifikationen? ما مدى كفاءة وشفافية وإنصاف تطبيق المنصات لقواعد تحقيق الدخل ضد «غير الأصيل/المتكرر بكميات كبيرة»، wie The Verge berichtete? وكيف نقيس النسبة الفعلية لـ AI slop دون الاعتماد على عينات نقطية، fragte das Reuters Institute?
AI slop ليس ظاهرة هامشية، بل هو مزيج من الإنتاج الرخيص، التعزيز الخوارزمي، والحوافز الاقتصادية. تستجيب المنصات – جزئيًا بعلامات، وجزئيًا بقواعد تحقيق الدخل – لكن مدى الوصول وخطر الخداع يظلان مرتفعين. بالنسبة لك/لكم: SIFT كروتين، البحث العكسي، فحص المصدر، والاستهلاك الواعي. بهذه الطريقة، تفصلون الرغوة عن الجوهر بسرعة – وتمنحون المحتوى عالي الجودة فرصة لرؤيته مرة أخرى، laut University of Chicago Library و Content Authenticity Initiative.