نماذج اللغة الكبيرة (LLMs) هي تقنيات الذكاء الاصطناعي التي تعتمد على معالجة اللغة الطبيعية لتوليد محتوى نصي. كشفت شركة فوربس أن التجارب أظهرت إمكانية خداع هذه النماذج بسهولة أكبر عند استخدام لغات منطوقة أقل شيوعاً في صياغة المطالبات (prompts). هذا الأمر يهدد سلامة وأمان استخدام الذكاء الاصطناعي لأن أنظمة الحماية تتكيف بشكل أكبر مع اللغة الإنجليزية مقارنة باللغات النادرة.
وبحسب ما أوردته صحيفة فوربس، توضح التجارب أن نماذج مثل ChatGPT و GPT-5 وغيرها تكون أقل قدرة على كشف المحتوى الخادع عندما يُكتب بلغة مثل السواحيلية أو البنغالية خلال يوليو 2026. الخبر الأساسي هو أن الاعتماد على اللغة يؤثر على كفاءة آليات السلامة في الذكاء الصناعي.
الاختلاف في سلامة الذكاء الاصطناعي عبر اللغات
تظهر نماذج الذكاء الاصطناعي قدرة منخفضة على كشف المحتوى المشبوه عند استخدام لغات منطوقة أقل انتشاراً. القليل من المحتوى الرقمي المتاح بلغات مثل السواحيلية والبنغالية يؤدي إلى ضعف التدريب والقدرة على التعامل معها مقارنةً بالإنجليزية.
هذا ناتج عن تركيز عمليات تدريب النماذج الكبرى على النصوص الإنجليزية التي تشكل الغالبية العظمى من المحتوى الرقمي على الإنترنت، ما يرفع من دقة نماذج اللغة الإنجليزية في اكتشاف المحتوى الخادع والتصدي له.
تحديات ترجمة المطالبات وتأثيرها على الأمان
اقتُرح استخدام الترجمة الفورية إلى الإنجليزية للتغلب على قضية لغات الأقل شيوعاً، لكن الترجمة قد تُفقد أجزاء هامة من المعنى أو تعيد صياغة غير دقيقة تجعل الكشف عن المحتوى الخبيث أقل فعالية.
كما أن اختلاف تراكيب اللغات وتعدد معاني الكلمات يجعل من عملية الترجمة طريقاً غير مؤكد وصعب ضبطه، مما يزيد من احتمالية تفاوت أداء الأنظمة الأمنية عند استخدام الترجمة.
تأثير تعدد اللغات في تطوير نماذج الذكاء الاصطناعي
يقترح البعض حصر استخدام الذكاء الاصطناعي على اللغة الإنجليزية فقط لكبح محاولات التلاعب بالأمان. غير أن هذا الحل يقيد فرص الاستفادة من الذكاء الاصطناعي للفئة العظمى من سكان العالم الذين لا يتحدثون الإنجليزية.
لذلك، تركز جهود الباحثين على تطوير نماذج لغوية متعددة اللغات لتعزيز قدرات الذكاء الاصطناعي على التعرف على المحتوى الخادع بلغات مختلفة، خصوصاً اللغات النادرة.
| البيان | القيمة | الفترة أو السياق |
|---|---|---|
| عدد اللغات المختبرة | 10 | دراسة مايو 2026 |
| عدد استجابات النماذج المُقيمة | 1.9 مليون | دراسة مايو 2026 |
قراءة خليجية في الخبر
توسع نماذج الذكاء الاصطناعي لتشمل لغات متعددة يفتح الباب أمام استخدامات أوسع في الاقتصاد العالمي وأسواق المنطقة، بدعم عمليات الاستثمار والتجارة التي تتطلب تواصلاً عبر لغات مختلفة. يأتي هذا في وقت تشكل فيه التكنولوجيا واللغة عوامل محورية في الربط الاقتصادي الدولي.
ارتباط عملات الخليج بالدولار يجعل أي تطور في أنظمة الذكاء الاصطناعي الأميركية مؤثراً في تقييمات الأصول المحلية. يمكن تعزيز تدفقات الصناديق السيادية الخليجية إلى الأصول الأميركية بفعل هذه الطفرات التقنية. لمزيد من التفاصيل حول اقتصاد الولايات المتحدة وتأثيره الراهن، يمكن متابعة اقتصاد أميركا.
أسئلة شائعة
لماذا تُعد اللغة عاملاً مؤثراً في سلامة نماذج الذكاء الاصطناعي؟
تعتمد نماذج الذكاء الاصطناعي الكبرى بشكل كبير على كمية وجودة البيانات التدريبية. بما أن المحتوى الرقمي بالإنجليزية أكثر وفرة، فإن النظام يصبح أكثر قدرة على كشف الاحتيال في هذه اللغة مقارنة باللغات النادرة، ما يجعل اللغة عاملاً جوهرياً في سلامة الاستخدام.
هل يمكن استخدام الترجمة كحل دائم لتجاوز خداع الذكاء الاصطناعي؟
الترجمة الفورية ليست دقة وتعاني من فقدان دلالات أو تحويل غير دقيق للمفاهيم، ما يخلق هامش خطأ كشف أكبر. لذلك ليست طريقة مضمونة لمنع الخداع بل يمكن أن تولد أيضاً إشكالات في تحديد المحتوى الخادع.
ما هو المتوسط العالمي لاستخدام اللغة الإنجليزية؟
يصل استخدام اللغة الإنجليزية إلى نحو 15% إلى 20% فقط من سكان العالم، ما يعني أن حصر الذكاء الاصطناعي على الإنجليزية يقلص بشدة قاعدة مستخدميه العالمية.
كيف يستخدم المخترقون اللغات المختلطة لخداع نماذج الذكاء الاصطناعي؟
يمزج المخترقون بين الإنجليزية ولغات أقل استخداماً داخل نفس المطالبة لاستغلال نقاط ضعف النظام في التعرف على المحتوى الخادع، حيث يؤدي ذلك إلى تشتيت قدرة النموذج على اكتشاف التلاعب.
ما هي الخطوات البحثية لتقليل تدهور سلامة الذكاء الاصطناعي عبر اللغات؟
تدرس الأبحاث استخدام نماذج نظرية لفهم العلاقة بين اللغة وصعوبة المعالجة، بالإضافة إلى تقييم ملايين الإجابات عبر لغات متعددة لتحديد أسباب التدهور وتحسين تدابير الأمان الملائمة لجميع اللغات.
هل يمكن إحجام الذكاء الاصطناعي عن دعم اللغات غير الإنجليزية؟
هناك خيار تقني لإحجام دعم اللغات غير الإنجليزية، لكنه مستبعد لأن ذلك يحد من سوق الذكاء الاصطناعي العالمية ويؤثر على استفادة شرائح كبرى من المستخدمين.
ما هو تأثير تطور نماذج الذكاء الاصطناعي متعددة اللغات على الأمن السيبراني؟
تحسين قدرات النماذج متعددة اللغات يعزز كشف المحتوى الخادع في لغات نادرة، ما يقلل من محاولات التلاعب ويحسن الحماية الأمنية، لكنه لا يقضي على الممارسات الخبيثة تماماً.
هذا المحتوى إخباري وتحليلي فقط ولا يمثل توصية استثمارية أو مالية. استشر مستشاراً مالياً مرخصاً قبل أي قرار استثماري.
