هل يكشف Turnitin نماذج الاستدلال OpenAI o1 وo3؟

نعم. يضع Turnitin علامات على المقالات والنصوص الأكاديمية المولدة بواسطة OpenAI o1 وo1-preview وo1-mini وo3-mini بدرجة اتساق عالية، طالما استوفى النص متطلبات الأهلية القياسية.

ثمة شائعة واسعة الانتشار تفيد بأن نماذج الاستدلال من OpenAI، نظراً لتنفيذها سلسلة أفكار داخلية متعددة الخطوات (Chain of Thought) قبل الإجابة، تحاكي الإدراك البشري في نصوصها بدرجة كافية للإفلات من أدوات الفحص الآلي. وهذا سوء فهم يخلط بين آلية التوليد والنص الناتج عنها؛ إذ لا يقيّم Turnitin كيفية استدلال النموذج وراء الكواليس، بل يحلل الخصائص الإحصائية للكلمات المرئية على الصفحة. وبما أن ذلك النص النهائي ينتجه مفكك ترميز (decoder) لنموذج محول ذاتي الانحدار، فإنه يُظهر انخفاضاً في درجة الحيرة (perplexity) وتكراراً في أنماط الجمل، وهي سمات مميزة لنماذج اللغة الكبيرة.

الحالة الأساسية التي تنجو فيها مخرجات o1 من علامات الذكاء الاصطناعي هي عندما يتألف الناتج من محتوى غير مؤهل—مثل المعادلات الرياضية المستقلة، أو الشيفرات البرمجية الأولية، أو المخططات الموجزة. ويستبعد Turnitin هذه التنسيقات من تقييم الذكاء الاصطناعي بحكم تصميمه لجميع النماذج، وليس لأن نماذج الاستدلال تمتلك قدرات تخفٍ فريدة.

لكي تفهم سبب رصد نماذج الاستدلال، يجب عليك فصل دورة التوليد إلى مرحلتين متمايزتين: التفكير الداخلي وإصدار النص السطحي.

• رموز التفكير الداخلي (سلسلة الأفكار الكامنة): أثناء مرحلة التروي، تولد نماذج مثل o1 وo3 تسلسلات استدلال داخلية مكثفة؛ حيث تقيّم القيود، وتصحح الافتراضات المنطقية المبكرة، وتخطط للهيكل العام. وتحصر OpenAI هذه المرحلة في رموز استدلال مخفية لا تعود أبداً في استجابة واجهة برمجة التطبيقات (API) النهائية أو واجهة المحادثة، ولا تظهر إطلاقاً في الورقة البحثية التي يقدمها الطالب.
• رموز الإكمال المرئية (النص المخرَج): بمجرد انتهاء عملية البحث الداخلي، يولد النموذج النص النهائي الذي يُسلَّم للمستخدم. ويُنتج هذا الناتج عبر أخذ عينات الرموز بالانحدار الذاتي القياسي، بآلية متطابقة تماماً مع GPT-4o أو أي نموذج لغوي حديث آخر.

لا يتلقى Turnitin سوى هذه الطبقة النصية الأخيرة؛ فبوابة التقديم لا تملك أي سجل لنص المطالبة (prompt)، أو إصدار النموذج، أو مدة التوليد، أو رموز الاستدلال الداخلية. وعندما يدخل مستند Word أو ملف PDF في قائمة انتظار المعالجة، يستخرج نظام الفحص النص المجرد ويحلل تسلسل الكلمات.

يقسم نظام الفحص النص إلى جمل فردية ويمررها عبر مصنف قائم على بنية المحولات (transformer). وتقيّم هذه الشبكة العصبية ما إذا كانت خيارات الرموز والتسلسلات النحوية تتطابق مع الأنماط الإحصائية المعتادة للنصوص المولدة آلياً. ولا يغير التفكير غير المرئي الذي جرى مسبقاً حقيقة أن الجمل الناتجة تتبع التوزيعات الاحتمالية القياسية للنماذج.

تكمن المفارقة في نماذج الاستدلال المتقدمة في أن نقطة قوتها الفكرية الكبرى—المتمثلة في الاتساق المنطقي الصارم والمتدرج خطوة بخطوة—تجعلها إحصائياً أكثر قابلية للتنبؤ أمام أدوات فحص اللغة، وليس العكس.

تقيّم مصنفات الذكاء الاصطناعي النصوص بالدرجة الأولى من خلال مقياسين: درجة الحيرة (perplexity، أي مدى احتمالية كل كلمة لاحقة بالنظر إلى الكلمات السابقة) والاندفاعية (burstiness، أي مدى تذبذب الحيرة وطول الجمل عبر النص). فعندما يولد نموذج قياسي نصاً، قد تؤدي المطالبات الإبداعية أو التداعيات الحرة أحياناً إلى إدخال كلمات ذات احتمالية منخفضة. وعلى النقيض من ذلك، فإن نماذج الاستدلال المدربة بالتعلم المعزز مُحسَّنة لتقليل الأخطاء المنطقية وتفادي الغموض؛ ومن ثم فإنها تختار بطبيعتها صياغات معيارية وروابط نحوية مباشرة وعبارات انتقالية نموذجية.

تتسم الكتابة البشرية بطبيعتها بعدم الانتظام والاندفاعية؛ فالطالب الذي يكتب ورقة بحثية أصيلة يغير إيقاعه على نحو غير متوقع: إذ تتبع الجملةَ المركبة المفصلة التي تشرح نظرية دقيقة ملاحظةٌ مقتضبة، أو عبارة غير رسمية، أو استعارة غير معتادة. ويترك الكُتاب من البشر بصمات نحوية غير متجانسة، ولمسات أسلوبية مميزة، وتراكيب كلمات تسجل درجة حيرة مرتفعة مقارنة بالمدونات اللغوية العامة.

تنتج نماذج الاستدلال نصوصاً ذات وتيرة ثابتة كدقات بندول الإيقاع؛ فكل ادعاء تدعمه مقدمة مرتبطة بوضوح، وتتقارب أطوال الجمل بشدة حول المعايير النحوية المعتادة، وتظل خيارات المفردات متوقعة من البداية إلى النهاية. وبالنسبة لمصنف يبحث عن الانتظام الاصطناعي، يُعد هذا الانضباط الهيكلي الصارم أحد أوضح المؤشرات على التأليف الآلي.

نشأ الاعتقاد الشائع بأن نموذج OpenAI o1 غير مرئي لـ Turnitin أساساً في مساقات STEM، حيث لاحظ المستخدمون أن الحسابات المخبرية وتمارين البرمجة تعود بنتيجة صفر بالمئة لدرجة الذكاء الاصطناعي.

تفسر هذه النتيجة معاييرُ الأهلية الموثقة لدى Turnitin، والمعروفة بقاعدة النص المؤهل (qualifying text). إذ يشترط Turnitin ما لا يقل عن 300 كلمة من النثر المتصل بتنسيق فقرات قياسي قبل أن يُصدر كاشف الذكاء الاصطناعي نتيجته. علاوة على ذلك، يستبعد مسار المعالجة الأولية المعادلات الرياضية، وترميز LaTeX، والشيفرة المصدرية الصرفة، والقوائم النقطية، وقوائم المراجع من نطاق التحليل. فعندما يستخدم طالب o1-mini لحل معادلات تفاضلية أو إنشاء دوال بلغة Python، يتجاهل Turnitin تلك الأقسام بالكامل، مما يسفر عن تقرير خالٍ من أي علامات.

لكن النتيجة تتغير تماماً عندما يُطلب من النموذج نفسه كتابة نصوص نثرية مطولة. ففي مقالات علم الاجتماع، أو مراجعات الأدبيات السابقة، أو أوراق الفلسفة، أو الأقسام التمهيدية في التقارير العلمية، تتألف المخرجات من فقرات تفسيرية قياسية؛ حيث تستوفي هذه الكتابة جميع معايير الأهلية وتُحال مباشرة إلى المصنف العصبي.

وعند إخضاعها لهذا التحليل القياسي، تثير النصوص المولدة بواسطة o1 وo3 معدلات اكتشاف تماثل تلك الخاصة بـ GPT-4o. والادعاءات الفردية المتناقلة القائلة بأن نماذج الاستدلال لا يمكن رصدها تنبع دائماً تقريباً من ملفات لم تكن تحتوي في الأصل على أي نثر مؤهل.

مع كل قفزة كبرى في قدرات النماذج، تبرز ادعاءات تزعم أن أدوات الكشف الآلي قد عفا عليها الزمن. وقد ظهر هذا الطرح مع GPT-3، وتكرر مع GPT-4، وعاد إلى الواجهة مجدداً مع إطلاق سلسلة OpenAI o.

من الناحية العملية، يعمل كشف الذكاء الاصطناعي كمعايرة هندسية مستمرة وليس كمرشح ثابت؛ إذ يحدّث Turnitin أوزان التصنيف بانتظام ويتحقق من أداء كاشفه في مواجهة النماذج التأسيسية المطروحة حديثاً. ولأن نماذج المحولات تشترك في البنى الأساسية ومجموعات بيانات التدريب، فإن النصوص التي تولدها النماذج الأحدث تظل تُظهر تكتلات إحصائية مميزة تفصل بينها وبين الكتابات المتنوعة للطلاب.

وكثيراً ما تأتي استراتيجيات المطالبة الشائعة المصممة لتفادي الكشف بنتائج عكسية—مثل توجيه o1 للكتابة بنبرة غير رسمية، أو إدخال أخطاء مقصودة في علامات الترقيم، أو تنويع أطوال الفقرات. فهذه القيود قد تقلل من جودة الاستدلال المنطقي للنموذج، في حين تخلق سمات أسلوبية متكلفة ومصطنعة لا تزال المصنفات ترصدها عبر نوافذ التحليل متعددة الجمل.

لا يوجد حالياً أي نموذج لغوي متاح ينتج نصوصاً تفسيرية مطولة محصنة بطبيعتها ضد التصنيف الإحصائي. والاعتماد على حداثة النموذج كدرع واقٍ في مواجهة التدقيق المؤسسي يعكس فهماً قاصراً لكيفية توليد نماذج اللغة للنصوص.

عندما تسفر مهمة دراسية أو فحص أولي عن نسبة غير متوقعة لكشف الذكاء الاصطناعي، فإن الاستجابة بمنهجية منظمة تكون أكثر جدوى بكثير من محاولة إعادة كتابة المستند بأكمله في حالة من الذعر.

• احتفظ بسجل إصدارات المستند: حافظ على سجلات الإصدارات الكاملة عبر منصة الكتابة التي تستخدمها، سواء من خلال سجل تعديلات Google Docs، أو تتبع التغييرات في Word، أو سجلات الحفظ في Overleaf. فالطوابع الزمنية المستمرة للمراجعة ومراحل المسودة المرحلية تمثل أدلة قابلة للتحقق على الجهد الأكاديمي الأصيل.
• اعزل الأقسام المظللة: تفحص التقرير التشخيصي لتحديد الجمل والفقرات الدقيقة التي وضع المصنف علامات عليها. استورد تقرير Turnitin أو iThenticate وأعد صياغة المقاطع التي يشير إليها فقط، لتحصل على ملف قابل للتحرير بالتنسيق نفسه.
• أعد ترسيخ النص بسياق بشري: عند مراجعة الفقرات المحددة بعلامات، استبدل التعميمات المجردة باقتباسات من المصادر الأولية، وملاحظات مباشرة من المناقشات الدراسية، ورؤيتك التحليلية الخاصة. وأعد هيكلة فواصل الجمل يدوياً لتعكس إيقاعك الشخصي في الكتابة.

تجنب تمرير المخطوطة بأكملها عبر أدوات إعادة الصياغة الآلية العامة؛ فإعادة الكتابة العشوائية غالباً ما تؤدي إلى تدهور المصطلحات التقنية، وإرباك الإحالات المرجعية للاقتباسات، وإفساد تخطيط الجداول، في حين أنها تولد مجموعة جديدة من الأنماط الآلية التي يمكن التنبؤ بها.

هل يضمّن نموذج OpenAI o1 علامات مائية رقمية يبحث عنها Turnitin؟ لا. لا يحدد Turnitin نصوص الذكاء الاصطناعي من خلال استخراج علامات مائية مشفرة أو قراءة بيانات وصفية خفية في المستند؛ بل يقيّم كاشفه توزيع الاحتمالات الإحصائية للنص الظاهر نفسه. وحتى من دون علامات مائية، توفر هياكل الجمل الناتجة عن الانحدار الذاتي إشارة إحصائية كافية لرصدها.

هل يُكتشف o1-mini بطريقة مختلفة عن نموذج o1 القياسي؟ يثير كلا النموذجين معدلات اكتشاف مرتفعة في النثر المتصل. وبينما جرى ضبط o1-mini خصيصاً للمهام البرمجية والكمية، فإن توجيهه لكتابة فقرات أكاديمية عامة غالباً ما يسفر عن مفردات أكثر محدودية وقابلية أعلى للتنبؤ، مما يجعل نثره معرّضاً للتصنيف بالدرجة نفسها.

هل سيضع Turnitin علامات على مقالي إذا استخدمت o1 فقط لوضع المخطط والبحث؟ لا. يقيّم Turnitin النص المكتوب النهائي المقدم في المستند فقط. واستخدام نموذج ذكاء اصطناعي للعصف الذهني حول الموضوعات، أو هيكلة مخطط الحجج، أو توضيح المفاهيم الرياضية لن يثير علامة ذكاء اصطناعي إذا كتبت الفقرات الفعلية بنفسك وبصوتك الأصيل الخاص.

لماذا أبلغ أحد الطلاب عن نتيجة صفر بالمئة مع o1 بينما حصل طالب آخر على تسعين بالمئة؟ يعود الفارق دائماً تقريباً إلى تنسيق النص والنوع الأكاديمي للتخصص؛ فالملف الذي تطغى عليه مقتطفات البرمجة، أو المعادلات، أو النقاط الموجزة يُستبعد بواسطة مرشحات النص المؤهل في Turnitin، فلا تظهر عليه أي علامات ذكاء اصطناعي. أما الملف الذي يتألف من فقرات قياسية في العلوم الإنسانية أو العلوم الاجتماعية، فيُقيَّم بالكامل وتوضع عليه العلامات.