كيف يعمل كاشف الصور بالذكاء الاصطناعي: بنية التحليل المزدوجة

أحدث التطور الهائل في نماذج الذكاء الاصطناعي التوليدي تحولاً جذرياً في عالم الإعلام وصناعة المحتوى البصري. باتت نماذج متقدمة مثل Midjourney v6 وOpenAI DALL-E 3 وStable Diffusion XL وFlux.1 وGoogle Imagen قادرة على توليد صور واقعية وبورتريهات فائقة الدقة في غضون ثوانٍ قليلة.

ومع هذه الآفاق الإبداعية اللامحدودة، برزت تحديات واقعية جسيمة: انتشار الأخبار الزائفة والتضليل الإعلامي، واستخدام التزييف العميق (Deepfakes)، وتلوث بنوك الصور، والنزاعات القانونية حول حقوق الملكية الفكرية.

ولمواجهة هذه التحديات بشفافية ومصداقية، طوّر موقع ImageSizeFinder أداة كاشف الصور بالذكاء الاصطناعي مجاناً. وعلى النقيض من الأدوات التجارية التي تفرض اشتراكات باهظة مقابل نسبة مئوية غامضة وغير مبررة، تعمل أداتنا وفق بنية فحص مزدوجة الطبقات تركز على حماية الخصوصية أولاً. تنفذ الأداة فحوصات حتمية مباشرة داخل متصفحك وتقدم أدلة وقرائن تقنية قابلة للمراجعة.

نستعرض في هذا الدليل الميزات والقدرات الفنية، وبنية النظام، والأسس الرياضية، والحدود العملية للأداة.

الشكل 1: واجهة كاشف الصور بالذكاء الاصطناعي المجاني من ImageSizeFinder مع دعم المدخلات المتعددة، والفحص الدفعي، والتحقق المحلي الآمن.

1. الميزات الأساسية لكاشف الصور بالذكاء الاصطناعي

صُممت الأداة لتحقيق التوازن بين السرعة الفائقة، وحماية الخصوصية، والدقة العلمية:

• مجاني 100% وبلا حدود: لا حاجة لتسجيل حساب، ولا توجد رسوم اشتراك، ولا قيود يومية مصطنعة على الفحص المحلي داخل المتصفح.
• خصوصية كاملة من جانب العميل (Zero-Upload): تتم معالجة البيانات الوصفية وحساب تباين تشويش البكسل كلياً داخل متصفحك باستخدام تقنيتي WebAssembly وواجهة HTML5 Canvas API. لا تخرج ملفاتك أبداً من جهازك ما لم تطلب صراحةً فحصاً عميقاً عبر السحابة.
• طرق إدخال مرنة ومتعددة:
  • سحب وإفلات صورة واحدة أو مجموعة صور دفعة واحدة.
  • اختيار الملفات عبر مدير ملفات النظام التقليدي.
  • اللصق المباشر من الحافظة: اضغط Ctrl+V (أو Cmd+V على أنظمة macOS) في أي مكان بالصفحة لتحليل لقطات الشاشة والصور المنسوخة فوراً.
  • رابط مباشر للصورة: الصق رابط https:// لتحليل الصور المنشورة على الإنترنت دون الحاجة لتنزيلها أولاً.
• مساحة عمل متكاملة للمجموعات: حمّل عشرات الصور في وقت واحد، وتابع حالات الفحص في قائمة موحدة، وابدأ المعالجة بنقرة واحدة.
• لوحة أدلة شفافة وقابلة للفحص: وسّع بطاقة أي صورة تم فحصها للتعرف على أسباب النتيجة بدقة: علامات البرامج، ووسوم IPTC، ومحددات الأوامر (Prompts)، وتباين التشويش المتبقي.

2. بنية الفحص: مسار تحليلي تدريجي مزدوج الطبقات

يعد الكشف الموثوق عن الصور المولدة بالذكاء الاصطناعي مهمة بالغة الدقة؛ إذ لا توجد إشارة تقنية منفردة كافية ومطلقة. فالبيانات الوصفية يمكن حذفها، كما أن إعادة الضغط تؤثر على البنية الدقيقة للبكسلات.

لذا يعتمد نظامنا مساراً تدريجياً مزدوج الطبقات:

الشكل 2: بنية تدريجية ثلاثية المستويات: فحص حتمي للبيانات الوصفية عبر WebAssembly، والتفاف تشويش البكسل عالي التردد عبر Canvas، واستدلال عصبي اختياري عبر السحابة.

3. التفاصيل التقنية: آلية عمل المستويات

الطبقة الأولى: البيانات الوصفية الحتمية والتحقق من المنشأ

تقوم معظم أدوات التوليد بحفظ بصمات رقمية قابلة للقراءة آلياً داخل ملف الصورة. تستخدم الطبقة الأولى مكتبات قراءة ثنائية عالية الكفاءة تعمل في المتصفح (مثل ExifReader) لمسح تدفق البيانات:

1. نوع المصدر الرقمي (IPTC Digital Source Type):
   • المعيار الصحفي الدولي الذي يصنف المحتوى المولد كـ trainedAlgorithmicMedia (مولد بنماذج خوارزمية) أو compositeSynthetic.
   • محركات مثل Google Imagen وAdobe Firefly تملأ هذه البيانات بانتظام.
2. وسوم الحقوق والبرامج (IPTC Credit & Software):
   • يكتب Midjourney بانتظام كلمة Midjourney في حقول Credit أو Software.
   • يدرج DALL-E 3 بيانات مميزة تشير إلى صدوره من شركة OpenAI.
3. كتل النصوص في صور PNG (tEXt و iTXt و zTXt):
   • تحفظ برمجيات Stable Diffusion (Automatic1111 و ComfyUI و Forge) إعدادات التوليد الكاملة داخل رأس ملف PNG.
   • نقوم باستخراج نصوص الأوامر الإيجابية والسلبية، ورقم البذرة (Seed)، ومقياس CFG، ونوع أداة أخذ العينات (Sampler)، ونماذج LoRA المستخدمة.
4. اعتمادات المحتوى C2PA:
   • استناداً لمبادرة Content Authenticity Initiative، نبحث عن حاويات JUMBF الموقعة رقمياً والتي تتضمن شهادات إثبات الأصل والتعديل (c2pa).

عند العثور على قرائن حتمية واضحة، تصنف الأداة الصورة فوراً بدرجة ثقة عالية (High Confidence) دون استهلاك موارد المعالجة المعقدة.

الشكل 3: لوحة تفاصيل الأدلة بعد توسيعها: تعرض معاملات التوليد المكتشفة ومؤشرات تباين تشويش البكسل.

الطبقة الثانية: تحليل تباين تشويش البكسل محلياً في المتصفح

إذا كانت الصورة مجردة من البيانات الوصفية (بسبب تحويلها إلى JPEG أو مسح بياناتها)، يقوم المتصفح بتشغيل تحليل إحصائي للمصفوفة المكانية عبر OffscreenCanvas وواجهة HTML5 Canvas.

الشكل 4: التفاف مكاني منفصل لابلاسي 3x3 لعزل تشويش البواقي عالي التردد R(x, y)، لمقارنة الحساسات البصرية بآثار نماذج الانتشار.

الأساس الفيزيائي والرياضي

• مستشعرات الكاميرات الحقيقية: تلتقط المستشعرات البصرية (CMOS/CCD) الفوتونات الخاضعة لتشويش المقذوف الكمومي (Shot Noise) والتقلبات الحرارية، وتتبع توزيع بواسون-غاوس (Poisson-Gaussian). في المناطق المتجانسة، يظهر تشويش المستشعر استقراراً إحصائياً وتجانساً اتجاهياً طبيعياً.
• نماذج الانتشار التوليدية (Diffusion Models): تبني نماذج مثل Stable Diffusion وMidjourney الصور عبر إزالة التشويش تدريجياً من حقل تشويش غاوسي عشوائي. تترك هذه الخوارزمية ارتباطات مكانية ذاتية دقيقة في الترددات العالية؛ حيث تبدو المساحات المسطحة ناعمة وخالية من التشويش الطبيعي، بينما تتركز في المناطق ذات الملمس قمم ترددية شاذة.

خطوات الخوارزمية

1. رسم الصورة بأبعادها الأصلية على مساحة رسم غير مرئية OffscreenCanvas.
2. استخراج مصفوفة الإضاءة أحادية اللون Y(x, y) عبر استدعاء getImageData.
3. تطبيق مرشح الالتفاف اللابلاسي المنفصل 3x3 لعزل البواقي عالية التردد R(x, y):

   ┌             ┐
   │  0  -1   0  │
   │ -1   4  -1  │
   │  0  -1   0  │
   └             ┘
   

4. استبعاد الحواف الحادة ذات التباين العالي، وحساب التباين المتبقي σ² في المساحات الملساء:

   σ² = (1/N) · Σ (Rᵢ − R̄)²
   

5. مقارنة التباين المتبقي بقاعدة بيانات قياسية مستخلصة من كاميرات رقمية حقيقية.

نظراً لأن العمليات الرياضية تُجرى بالكامل عبر كود JavaScript على جهازك، فإن فحص الصورة الواحدة يستغرق ما بين 50 إلى 150 مللي ثانية فقط، دون أي تأخير في الاتصال بالشبكة.

الطبقة الثالثة: نموذج الرؤية الحاسوبية السحابي (اختياري)

في حال غياب البيانات الوصفية ووقوع قيم التشويش في منطقة رمادية محايدة، يمكن للمستخدم تفعيل النموذج العصبي عبر السحابة:

• يعتمد على معمارية Vision Transformer مدربة على ملايين الصور الحقيقية والمولدة لمقاومة الضغط والتعديلات.
• فحص آمن لروابط الصور الخارجية (/api/ai-image-detector/fetch-url) مع حماية ضد هجمات SSRF وتحديد سقف 10 ميغابايت للملف.

4. الحدود الواقعية وإرشادات الاستخدام

لا توجد أداة كشف ذكاء اصطناعي دقيقة بنسبة 100%. عند تقييم التقارير الصادرة، يُرجى مراعاة ما يلي:

1. حذف البيانات بواسطة منصات التواصل

تقوم تطبيقات مثل WhatsApp وInstagram وX (تويتر سابقاً) بإعادة ضغط الصور المنشورة وحذف جميع بيانات EXIF وIPTC وC2PA نهائياً. الصور المحفوظة من هذه المنصات لن تظهر عليها علامات في الطبقة الأولى.

2. التعديل المكثف وإعادة الضغط الرديء

إن تطبيق فلاتر التمويه (Blur)، أو إضافة تأثيرات حبيبات الفيلم المصطنعة، أو حفظ الصور بضغط JPEG رديء (جودة أقل من 60) يؤدي إلى تشويه بنية البكسل الدقيقة، ما يقلل من حسم الفحص.

3. الأعمال الرقمية والتجسيم ثلاثي الأبعاد

الرسومات المتجهية، والتصميمات الرقمية، ونماذج الرندر ثلاثية الأبعاد (Blender و Unreal Engine) تفتقر بطبيعتها لتشويش الكاميرات الواقعية. قد تفسر الخوارزميات هذه النعومة الفائقة كدلالة على التوليد الآلي. راعِ دائماً نوع العمل الفني وسياقه.

4. العلامات المائية الكامنة المغلقة (مثل SynthID)

العلامات المائية غير المرئية المضمنة في الفضاء الكامن للموديلات (مثل تقنية SynthID من Google DeepMind) تتطلب مفاتيح فك تشفير وخوادم خاصة، ولا يمكن قراءتها محلياً بدون إنترنت في متصفح عادي.

💡 نصيحة: اعتمد على نتائج الكاشف كأدلة استرشادية قوية وموضوعية. وفي المسائل الحساسة، وازن بين المؤشرات التقنية وسياق النشر والتوافق المنطقي البصري (تشريح الأصابع، والظلال، وانعكاسات الضوء).

5. ابدأ فحص صورك الآن

هل ترغب في التحقق من صورة معينة؟

1. توجه إلى كاشف الصور بالذكاء الاصطناعي مجاناً.
2. اسحب الصورة وأفلتها، أو الصقها من الحافظة، أو أدخل رابطها المباشر.
3. اطلع على مؤشر الاحتمالية، ومستوى الثقة، وتصفح لوحة الأدلة لقراءة المعطيات التقنية بالتفصيل.