لعقود طويلة، قامت الصحافة البصرية على افتراض يبدو بديهيًا: أن الصورة تعكس شيئًا حدث أمام الكاميرا، وأن فحص تفاصيلها ومقارنتها بمصدرها وسياقها يمكن أن يقود إلى الحقيقة. لذلك اعتاد الصحفيون البدء من داخل الصورة نفسها؛ من اللافتات والمباني والطرقات والطقس والظلال واتجاهات الحركة، ثم البحث عن قرائن خارجها تساعد في تحديد مكان التقاطها وزمانه ومطابقة الرواية المرافقة لها.

ومع تطور أدوات الذكاء الاصطناعي التوليدي، لم تعد هذه المقاربة كافية بمفردها. إذ أصبح إنتاج صورة تبدو واقعية أمرًا متاحًا بدرجة لم تكن ممكنة من قبل، كما صار تعديل المحتوى الحقيقي أسهل وأسرع. لكن الخطر لا يقتصر على صورة مصطنعة بالكامل؛ فقد تكون الصورة أصلية، إلا أنها قديمة، أو مأخوذة من مكان آخر، أو خضعت لتعديل جزئي، أو أعيد نشرها في سياق مضلل. وفي كل هذه الحالات يمكن أيضًا "أن يكون ما نراه حقيقيًا، فيما تكون الرواية التي نُسجت حوله خاطئة".

لهذا تغيّرت نقطة البداية في التحقق. فلم يعد كافيًا أن تبدو الصورة حقيقية؛ إذ يحتاج المحقق إلى تتبع مصدرها وأقدم ظهور لها، ومعرفة ما إذا كانت خضعت لتعديل أو أُعيد استخدامها في سياق مختلف، ثم مقارنتها بأدلة مستقلة قبل الحكم على ما تثبته فعلًا. وبذلك انتقل التحقق من فحص الصورة وحدها إلى تتبع تاريخها وسياقها وسلسلة الأدلة المرتبطة بها.

إعادة ترتيب القواعد: تاريخ الصورة جزء من الحقيقة

في البيئة الرقمية، لا ينتهي التحقق من الصورة عند معرفة ما يظهر داخلها. فمن ينشرها أولًا قد لا يكون صاحبها، والنسخة المتداولة قد تكون واحدة من نسخ كثيرة سبقتها على الإنترنت. لذلك يحتفظ البحث العكسي عن الصور بمكانة أساسية في عمل المحقق، ليس لأنه يعثر على صور متشابهة فقط، بل لأنه يساعد في تتبع تاريخ المادة والوصول إلى نسخ أقدم منها أو إلى منشورات سبقت السياق الذي ظهرت فيه لاحقًا.

وقد تكون هذه الخطوة حاسمة في كشف الادعاء المضلل. صورة حقيقية لاحتجاج أو كارثة أو حدث عسكري تظل صورة حقيقية، لكن نسبتها إلى حادثة أخرى أو إلى تاريخ مختلف يغيّر معناها بالكامل. ولهذا لا يكفي إثبات أصالة الصورة؛ إذ يجب أيضًا إثبات ارتباطها بالحدث الذي يُستدل بها عليه.

بعد ذلك يأتي التحقق الجغرافي والزمني. يفحص المحقق تفاصيل المكان، ويقارن المباني والطرقات واللافتات بالخرائط والصور المتاحة، وينظر إلى الطقس والظلال والعناصر الموسمية، ويبحث عن صور أو مقاطع أخرى للحدث من زوايا مختلفة. وقد تساعد صور الأقمار الصناعية أو أرشيفات الطقس أو منشورات السكان المحليين في تثبيت المكان والتاريخ، بحيث يصبح الحكم نتيجة تقاطع عدة قرائن بدل الاعتماد على تفصيل واحد.

وتوضح رويترز في شرح نشرته في أغسطس 2026 عن منهج التحقق البصري لديها أن العملية لا تعتمد على أداة منفردة، بل تشمل تتبع الحساب الذي نشر المادة، والتواصل مع أصحاب المحتوى، وفحص البيانات المتاحة، ومقارنة الصور ببيانات الطقس وصور الأقمار الصناعية ومصادر بصرية أخرى، إلى جانب استخدام أدوات تساعد في رصد المحتوى المولد بالذكاء الاصطناعي.

وهذه النقطة تختصر جانبًا أساسيًا من التحقق الحديث: لا توجد قرينة واحدة تكفي دائمًا، بل تتشكل النتيجة من توافق أدلة مستقلة لا تعتمد  على أداة تقنية لوحدها، إنما بالتحليل والربط الذهني بين المعطيات والأدلة.

عندما يصبح الذكاء الاصطناعي جزءًا من عملية التحقق

قد يبدو من المنطقي أن تستخدم النماذج القادرة على فهم الصور لاكتشاف المحتوى المصطنع، خصوصًا أنها الأدوات نفسها التي أصبحت قادرة على إنتاج صور شديدة الواقعية. إذا كان الذكاء الاصطناعي يستطيع إنتاج صورة تبدو حقيقية، أليس من الممكن استخدام ذكاء اصطناعي آخر لاكتشاف زيفها؟ لكن التجارب العملية تشير إلى أن المسافة بين قراءة الصورة والتحقق منها ما تزال كبيرة بالفعل.

ففي دراسة منشورة في أغسطس 2025، اختبر مركز "تاو" للصحافة الرقمية التابع لكلية الصحافة بجامعة كولومبيا هذه الفرضية عمليًا، حيث أخضع الباحثون سبعة نماذج للمحادثة المدعومة بالذكاء الاصطناعي، لاختبار تحديد ما إذا كانت الصور حقيقية ومكان التقاطها وتاريخها ومصورها.

وكانت النتيجة لافتة: من أصل 280 محاولة، حققت 14 إجابة صحيحة فقط، بينما لم يتمكن أي من النماذج السبعة من تحديد منشأ الصور بصورة متسقة. وحتى GPT-5، الذي كان الأفضل نسبيًا في الاختبار، لم يحقق النجاح إلا في نسبة محدودة من الحالات.

وكانت الصورة محل الاختبار توثق فيضانات فالنسيا في إسبانيا، لكن نموذج "Grok" التقط عددًا من الدلائل نفسها، وأعطى أهمية مفرطة لعبارة "Venice Beach" المكتوبة على قميص أحد الأشخاص. وقادته هذه الجزئية إلى اتجاه بحث خاطئ، حيث ربط الصورة بشاطئ البندقية في ايطاليا، بدل فالنسيا.  وهنا لم يكن الخلل في رؤية النص، وإنما في تفسير أهميته وتحويله إلى دليل جغرافي أقوى مما يستحق.

وفي هذه الحالة، تكشف الدراسة مشكلة أكثر تعقيدًا من مجرد وقوع النموذج في خطأ. فقد تستطيع النماذج رؤية تفاصيل صحيحة داخل الصورة، لكنها لا تزن أهمية هذه التفاصيل بصورة صحيحة عندما تحاول استخدامها لتحديد المصدر أو الموقع. وهذا النوع من الأخطاء خطير لأنه لا يتوقف عند المعلومة الخاطئة؛ إذ يمكن أن يقود الاستنتاج الأول إلى سلسلة من عمليات البحث والتحليل المبنية عليه.

وهذا يوضح الفرق بين قراءة الصورة والتحقق منها. فقد يستطيع النموذج تحديد ما يظهر في المشهد بدرجة معقولة، لكن ذلك لا يعني أنه قادر على إثبات مكان الصورة أو تاريخها أو سياقها. الانتقال من وصف ما نراه إلى إثبات ما حدث يتطلب أدلة تقع خارج الصورة نفسها.

أداة الذكاء الاصطناعي: "تُحلل ولكن لا تحكم"

تزداد قيمة الذكاء الاصطناعي عندما يُستخدم في المرحلة التي تسبق الحُكم على صحة أو حداثة المحتوى، لا عندما يُطلب منه إصدار الحكم نفسه. إذ يستطيع النموذج مثلًا استخراج نص غير واضح من صورة، أو ترجمة لافتة، أو تحديد عنصر بصري يستحق الفحص، أو اقتراح موقع محتمل، أو مساعدة المحقق في ترتيب فرضيات البحث. وهذه الوظائف يمكن أن تختصر وقتًا كبيرًا، خصوصًا عندما يتعامل الصحفي مع كمية كبيرة من الصور والمقاطع والبيانات.

لكن كل واحدة من هذه النتائج تحتاج إلى اختبار مستقل. فإذا اقترح النموذج مدينة معينة، يصبح المطلوب مقارنة المباني والطرقات والخرائط والصور المتاحة. وإذا رجح أن الصورة مولدة بالذكاء الاصطناعي، يصبح السؤال عن مصدر هذا الاستنتاج، وما إذا كانت هناك مؤشرات تقنية أو نسخة أصلية أو معلومات من المنشئ تؤيده.

ولا يكمن الخطر فقط في أن يخطئ النموذج، بل في أن يقدم أحيانًا إجابة واثقة توحي بأن عملية بحث كاملة سبقتها. ففي دراسة "مركز تاو"، رصد الباحثون حالات قدمت فيها النماذج تفسيرات نسبت إلى نفسها إجراءات بحث أو تحليل لم تكن قد نفذتها بالفعل. وهذا يجعل التحقق من مخرجات النموذج نفسها جزءًا من المهمة، بدل التعامل معها باعتبارها نتيجة موثوقة لمجرد أنها صيغت بلغة دقيقة.

لذلك، حين يستخدم الصحفي الذكاء الاصطناعي في التحقق، فإن القيمة الحقيقية للأداة تكمن في قدرتها على فتح مسار بحث يمكن اختباره. أما النتيجة فلا تكتسب قوتها من النموذج، وإنما من الأدلة التي يمكن العثور عليها خارج النموذج نفسه.

حتى العين البشرية ليست كافية

قد يبدو أن العودة إلى الإنسان هي الحل الطبيعي عندما تخطئ النماذج، لكن المشكلة أوسع من ذلك. فالقدرة على اكتشاف المحتوى الاصطناعي بصريًا ليست موثوقة دائمًا حتى لدى البشر.

ففي مراجعة منهجية وتحليل تلوي نُشرا عام 2024 وشملا 56 دراسة وأكثر من 86 ألف مشارك، بلغت الدقة الإجمالية في تصنيف المحتوى المزيف نحو 55.5%، ولم تكن القدرة على التمييز عبر أنواع المحتوى المختلفة أعلى من مستوى الصدفة بصورة ذات دلالة إحصائية.

لا تعني هذه النتيجة أن الفحص البصري فقد قيمته؛ بل تعني أن الانطباع البصري لا ينبغي أن يكون الحكم النهائي. فالإنسان قد ينخدع بالمظهر الواقعي، كما قد يركز على تفصيل لافت ويتجاهل بقية المشهد، أو يفسر الصورة وفق توقع مسبق. ومع ازدياد جودة المحتوى الاصطناعي، يصبح هذا الاعتماد أكثر خطورة. ولذلك يظل الفحص البصري مهمًا، لكن وظيفته تتغير: بدل أن يمنح الصحفي الإجابة، يساعده في تحديد ما يستحق المزيد من الفحص.

لم تعد ثنائية "حقيقي أو مزيف" كافية

تكشف المواد المتداولة على الإنترنت مشكلة أخرى لا تحلها أدوات الكشف وحدها. فقد تكون الصورة حقيقية في أصلها، لكن استخدامها غير صحيح. وقد يكون الفيديو حقيقيًا، إلا أنه من حدث أقدم. وقد يكون الصوت أصليًا، فيما أُضيف إلى مشهد مختلف أو استخدم لإسناد كلام لم يُقل في ذلك السياق.

وهكذا يصبح السؤال عن مشاركة الذكاء الاصطناعي في إنتاج المادة جزءًا فقط من التحقق، وليس كل العملية. الأهم هو معرفة ما الذي حدث للمحتوى منذ إنشائه حتى وصوله إلى الجمهور، وما إذا كانت الرواية التي يقدمها الناشر تتطابق مع المعلومات المتاحة عنه.

وتشير بيانات Full Fact إلى حجم هذا التعقيد. فقد وثقت المنظمة 238 عملية تحقق منذ عام 2023 مرتبطة بمحتوى مشتبه في كونه مولدًا أو معدلًا بالذكاء الاصطناعي، بينها 137 حالة في 2025 و68 خلال الأشهر الأربعة الأولى من 2026. لكن 66 مادة فقط تضمنت علامات مائية ظاهرة أو غير ظاهرة.

ولا تعني هذه الأرقام أن العلامات المائية غير مهمة، بل توضح حدود الاعتماد عليها. فقد تقدم العلامة معلومات مهمة عن منشأ المادة، لكن غيابها لا يثبت أن المحتوى بشري، ووجودها لا يثبت أن الادعاء الذي يرافق المحتوى صحيح. ولهذا تعتمد Full Fact أيضًا على سجل الحساب، ومعلومات المنشئ، والتحليل المتخصص، والسياق المتاح حول المادة.

العلامات المائية الخفية: طبقة أخرى من التحقق

وتستخدم شركات التقنية أيضًا العلامات المائية غير المرئية لتحديد المحتوى الذي أُنتج باستخدام أنظمتها. ومن أبرز الأمثلة نظام SynthID من Google، الذي يضيف علامة رقمية إلى المحتوى الناتج عن أدوات محددة، ثم يتيح اكتشافها بواسطة أدوات متخصصة. توسع النظام من الصور إلى الفيديو والصوت والنص، وبدأت Google أيضًا في دمج تقنيات التعرف إلى المنشأ داخل منتجاتها.

تقدم هذه العلامات معلومة مفيدة عندما تكون موجودة: قد تشير إلى أن المحتوى صدر عن نظام معين أو خضع لمسار إنتاج معين. لكنها لا تشكل ختمًا للحقيقة، ولا يمكن تعميمها على كل محتوى مولد بالذكاء الاصطناعي؛ لأنها مرتبطة بالأنظمة التي تستخدمها وبقدرة العلامة على البقاء قابلة للاكتشاف بعد عمليات المعالجة المختلفة.

ولهذا تظل العلامة المائية طبقة إضافية في عملية التحقق، لا بديلًا عنها. فهي تساعد على معرفة منشأ المحتوى، بينما يبقى إثبات الحدث والسياق والمكان والتاريخ مهمة تحتاج إلى مصادر مستقلة.

الفيديو والصوت يضيفان طبقات جديدة من التعقيد

إذا كانت الصورة الثابتة تسمح بفحص التفاصيل داخل إطار واحد، فإن الفيديو يفرض على المحقق التحقق من التسلسل نفسه. فقد يكون مشهد ما حقيقيًا، لكن جرى اقتطاعه من مقطع أطول، أو حُذفت قبله وبعده أجزاء تغير معنى ما يظهر فيه، أو أضيف إليه صوت لا ينتمي إلى التسجيل الأصلي.

لذلك يبدأ التحقق من الفيديو عادة بالبحث عن أقدم نسخة يمكن الوصول إليها، ثم استخراج إطارات رئيسية والبحث عنها، ومقارنة المكان والزمان مع مقاطع أخرى من الحدث نفسه. ويجري فحص الصوت بصورة منفصلة عندما يكون جزءًا أساسيًا من الادعاء، لأن وجود صوت متزامن مع الصورة لا يعني بالضرورة أنه التسجيل الأصلي.

وتضيف تقنيات استنساخ الصوت طبقة أخرى من الصعوبة؛ إذ لم يعد التشابه الصوتي وحده كافيًا لإثبات هوية المتحدث. وفي هذه الحالات يصبح مصدر التسجيل وسياقه وتاريخ ظهوره، إلى جانب وجود تسجيلات مستقلة أو مصادر أخرى تؤيد المضمون، أكثر أهمية من الانطباع بأن الصوت "يشبه" شخصًا بعينه.

بين التوليد والكشف.. سباق مستمر

لا توجد أداة ثابتة تستطيع حسم التزييف إلى الأبد، لأن أدوات التوليد نفسها تتغير باستمرار. وقد ينجح كاشف في التعامل مع نوع من المحتوى، ثم يتراجع أداؤه عندما يواجه نموذجًا جديدًا أو مادة مضغوطة أو صورة خضعت للقص وإعادة الرفع أو أسلوب تلاعب لم يكن ضمن بيانات تدريبه.

لهذا ركزت دراسات حديثة على مشكلة التعميم، أي قدرة أدوات الكشف على التعامل مع محتوى لم تره من قبل، بدل قدرتها فقط على التعرف إلى الأنماط التي تعلمتها أثناء التدريب. ويجعل هذا الأمر نتائج الاختبارات المعملية أقل قابلية للاعتماد عليها عندما تنتقل الأداة إلى بيئة الإنترنت المفتوحة، حيث تتغير الأدوات والمنصات وأشكال المحتوى باستمرار.

وتظهر المشكلة في اتجاهين متعاكسين: قد يفشل الكاشف في رؤية المحتوى المصطنع، وقد يتهم محتوى حقيقيًا بأنه مزيف. وفي الصحافة، يمكن أن يكون الخطأ الثاني مكلفًا بقدر الأول، لأن رفض مادة حقيقية بسبب نتيجة خاطئة قد يعني إسقاط دليل لا يتوفر بديل له، لذلك يجب التعامل مع نتيجة كاشف واحد باعتبارها مؤشرًا يحتاج إلى التفسير، لا حكمًا نهائيًا.

ماذا تغيّر في قواعد التحقق؟

لم يُلغِ الذكاء الاصطناعي أدوات التحقق التي سبقت ظهوره، لكنه أعاد ترتيبها ورفع قيمة بعضها. أصبح الفحص البصري نقطة بداية، فيما تحول البحث العكسي إلى أداة لتتبع تاريخ المحتوى، وأصبح تحديد الموقع والزمان جزءًا أساسيًا من إثبات السياق، بينما دخل الذكاء الاصطناعي نفسه إلى العملية بوصفه وسيلة لتوسيع البحث وتسريع بعض مراحله.

وهنا يظهر التحول الحقيقي الذي أحدثه الذكاء الاصطناعي. لم يعد المحقق يبحث فقط عن علامات التلاعب داخل المحتوى، بل يحاول إعادة بناء رحلته كاملة: من أنشأه، ومتى ظهر، وأين ظهر أولًا، وما الذي طرأ عليه، وكيف انتقل إلى السياق الذي يُتداول فيه، وما الذي يمكن أن يثبت روايته بالفعل. فالذكاء الاصطناعي لم يقتل التحقق البصري؛ بل أجبر الصحفي على نقله من فحص الصورة إلى فحص رحلة الصورة.

من المظهر إلى الدليل

لم تعد الصورة تُعامل كدليل مكتمل لمجرد أنها تبدو مقنعة. فقد تكون أصلية في مادتها، لكنها مضللة في تاريخها أو مكانها أو السياق الذي أُعيد استخدامها فيه، بل في أن الصورة الحقيقية نفسها يمكن أن تستخدم لإنتاج رواية زائفة، وأن المحتوى الاصطناعي يمكن أن يبدو مقنعًا بما يكفي لإرباك العين والآلة معًا. كما لم يعد التحقق يقوم على العثور على "ختم" يخبرنا بأن المادة أصلية أو مزيفة. إنه عملية تتقاطع فيها مصادر متعددة، ويُختبر فيها المصدر والسياق والتاريخ والمكان والتعديل والمنشأ، ثم تُقارن النتيجة بما تقوله المادة بالفعل.

في هذه البيئة، لا تختفي قيمة الصورة، لكنها تفقد امتيازًا كانت تتمتع به طويلًا: أن تبدو كأنها دليل بحد ذاتها. باتت الصورة شاهدًا يحتاج إلى التحقق من هويته وتاريخه وسياقه، وإلى أدلة أخرى تؤيد ما يقوله، وبهذا لم يغيّر الذكاء الاصطناعي فقط الطريقة التي نصنع بها الصور ونعدلها ونستهلكها؛ بل غير أيضًا الطريقة التي يجب أن نثق بها فيها. لم تعد المهمة أن نقرر سريعًا ما إذا كان المشهد يبدو مقنعًا، وإنما أن نعرف كيف وصل إلينا، وما الذي تغير فيه، وما الأدلة التي تقف وراء الرواية المرافقة له، فالتحقق، في النهاية، لا يختبر مدى إقناع الصورة للعين، بل مدى قدرة الصحفي على الانتقال منها إلى دليل يمكن إثباته.