إذا أعطتك أداة AI Detector نتيجة مثل «90% AI»، فهذا لا يعني أنها أثبتت أن ChatGPT كتب النص. أدوات الكشف تحاول تقدير ما إذا كانت الأنماط الموجودة في النص تشبه الكتابة التي تنتجها النماذج اللغوية، وقد تصيب أو تخطئ.
وهذه النقطة أصبحت أكثر أهمية في 2026. بعض أدوات الكشف تحسنت بوضوح، ودخلت نماذج أحدث ولغات إضافية ضمن نطاقها، لكن الدراسات الحديثة ما زالت تجد اختلافات كبيرة في الأداء عندما يكون النص مختلطًا بين الإنسان والذكاء الاصطناعي، أو محررًا بعد التوليد، أو صادرًا عن نموذج لم يكن ضمن بيانات تدريب الكاشف.
لذلك لا توجد أداة يمكن اعتبار نتيجتها دليلًا قطعيًا على هوية الكاتب. الأفضل هو اختيار الكاشف وفق نوع النص واللغة وسياق الاستخدام، ثم التعامل مع النتيجة باعتبارها إشارة للمراجعة لا حكمًا نهائيًا.
ما هو AI Detector؟
AI Detector أو كاشف النصوص المولدة بالذكاء الاصطناعي هو نظام تصنيف يحاول التمييز بين نص كتبه إنسان ونص يُحتمل أن يكون قد أُنشئ بواسطة Large Language Model مثل GPT أو Gemini أو Claude أو DeepSeek.
لا توجد داخل نص ChatGPT عادةً عبارة سرية يستطيع الكاشف البحث عنها. بدلًا من ذلك، تُدرَّب أنظمة الكشف على مجموعات من النصوص البشرية والمولدة لتتعلم أنماطًا إحصائية ولغوية تساعدها على إجراء التصنيف.
يمكن أن تعمل بعض الكواشف على مستوى المستند بالكامل، ثم تحدد الجمل أو المقاطع التي ساهمت أكثر في النتيجة. كما ظهرت أنظمة تحاول التمييز بين النص البشري، والنص المولد بالكامل، والمحتوى المختلط الذي تدخل فيه كتابة بشرية وAI معًا.
كيف تعمل أدوات كشف النصوص المولدة؟
لا تعمل جميع الأدوات بالطريقة نفسها، كما أن التفاصيل الكاملة للنماذج التجارية ليست متاحة دائمًا. الأنظمة الحديثة قد تستخدم نماذج تعلم عميق أو Transformers مدربة مباشرةً على تصنيف الكتابة البشرية والمولدة.
وقد تتعلم هذه النماذج مجموعة واسعة من الخصائص، مثل بنية الجمل، واختيار الكلمات، والأنماط الأسلوبية، والتكرار، وتوزيع الاحتمالات، والعلاقات بين الجمل. لهذا السبب فإن اختزال جميع أدوات AI Detector في مفهومي Perplexity وBurstiness لم يعد دقيقًا.
على سبيل المثال، توضح وثائق GPTZero أن الأداة لم تعد تستخدم Perplexity وBurstiness في نموذج الكشف منذ انتقالها إلى بنية قائمة على التعلم العميق. كما توضح Turnitin أن نظامها الحالي يعتمد على Deep Learning وبنية Transformer ويتعلم عددًا كبيرًا من الأنماط بدل الاعتماد على مؤشر واحد قابل للقراءة.
هل يستطيع AI Detector معرفة أن النص من ChatGPT تحديدًا؟
في معظم الحالات، لا يمكنه إثبات أن ChatGPT بعينه هو مصدر النص. قد يكون الكاشف مدربًا على مخرجات نماذج متعددة، وقد يقول إن مقطعًا ما يبدو مولدًا بواسطة AI، لكن هذا يختلف عن امتلاك دليل موثوق يثبت أن نموذجًا محددًا أو حسابًا محددًا أنشأه.
وتزداد المشكلة تعقيدًا عندما يكون المحتوى:
- مولدًا بالكامل بواسطة AI.
- بشريًا بالكامل.
- مولدًا ثم أعاد شخص تحريره.
- بشريًا ثم استخدم صاحبه AI لتحسين بعض الجمل.
- مزيجًا من فقرات بشرية وأخرى مولدة.
- مترجمًا أو معاد الصياغة بعد التوليد.
لهذا السبب انتقلت الأبحاث الحديثة من سؤال «AI أم Human؟» فقط إلى دراسة Hybrid Authorship، أي النصوص التي يشارك الإنسان والذكاء الاصطناعي في إنتاجها.
هل أدوات AI Detector دقيقة فعلًا في 2026؟
تحسنت بعض الأدوات كثيرًا على اختبارات محددة، لكن عبارة مثل «دقة 99%» لا يمكن تفسيرها دون معرفة مجموعة البيانات التي استخدمت، وطول النصوص، واللغات، والنماذج المولدة، والـThreshold وطريقة حساب المقياس.
هناك أيضًا فرق بين عدة مقاييس شائعة:
- Accuracy: نسبة التصنيفات الصحيحة إجمالًا في مجموعة الاختبار.
- Recall: نسبة النصوص المولدة التي استطاعت الأداة اكتشافها.
- Precision: عندما تقول الأداة إن النص AI، كم مرة يكون هذا التصنيف صحيحًا ضمن الاختبار.
- False Positive Rate: عدد النصوص البشرية التي صُنفت خطأ على أنها AI.
- False Negative Rate: عدد النصوص المولدة التي مرت على أنها بشرية.
ولهذا قد تكون أداة شديدة التحفظ ممتازة في تجنب اتهام النصوص البشرية، لكنها في المقابل تفوت جزءًا أكبر من المحتوى المولد.
وتعامل NIST في GenAI Text Challenge لعام 2026 مسألة الكشف بوصفها مهمة تقييم مستمرة تشمل Discriminator يحاول الفصل بين المحتوى البشري والمولد، وليس مشكلة حُسمت نهائيًا بتقنية واحدة.
أفضل أدوات AI Detector في 2026
لا يوجد ترتيب عالمي يصلح لكل سيناريو. الأداة التي تناسب طالبًا يريد فحص مقال سريعًا ليست بالضرورة الأفضل لجامعة أو ناشر يحتاج API أو Workflow مؤسسيًا.
| الأداة | مناسبة أكثر لـ | دعم العربية | أهم نقطة |
|---|---|---|---|
| Pangram | التعليم والفحص العام والمؤسسات | نعم | أداء قوي في دراسة مستقلة حديثة |
| GPTZero | الأفراد والمدرسين والكتّاب | نعم | تحليل المستند والمقاطع مع تركيز قوي على التفسير |
| Copyleaks | المؤسسات والمنصات والمطورين | نعم | دعم 30 لغة وAPI وتكاملات واسعة |
| Turnitin | الجامعات والمؤسسات التعليمية | نعم، العربية الفصحى الحديثة | مدمج داخل سير عمل النزاهة الأكاديمية |
1. Pangram
أصبحت Pangram من الخيارات التي تستحق الانتباه عند مقارنة أدوات الكشف في 2026، خصوصًا بعد ظهور بيانات مستقلة أحدث من كثير من المقارنات القديمة المنتشرة على الإنترنت.
في دراسة منشورة في International Journal for Educational Integrity في 29 يونيو 2026، قارن الباحثون Pangram وGPTZero وCopyleaks وTurnitin على 160 ورقة أكاديمية موزعة بين نصوص بشرية بالكامل، ومولدة بالكامل، ومختلطة، ونصوص AI جرى جعلها أكثر شبهًا بالكتابة البشرية.
تفوقت Pangram في ذلك الاختبار على الأدوات الثلاث الأخرى، خصوصًا في اكتشاف النصوص المولدة والمختلطة والمعدلة. لكن هذه النتيجة لا تعني أنها «الأدق دائمًا»، لأن مجموعة الدراسة كانت محددة: نصوص أكاديمية إنجليزية طويلة وظروف اختبار معينة.
تدعم Pangram أيضًا الكشف متعدد اللغات، بما في ذلك العربية. وهي خيار جيد إذا كنت تريد أداة عامة يمكن تجربتها مباشرة بدل نظام لا يتاح إلا عبر مؤسسة تعليمية.
2. GPTZero
GPTZero من أشهر أدوات AI Detector الموجهة للتعليم والكتابة والمراجعة الفردية. وتعرض تصنيفًا على مستوى المستند مع إبراز المقاطع أو الجمل التي ساهمت في اكتشاف AI، ما يجعل النتيجة أكثر قابلية للمراجعة من مجرد رقم منفرد.
نشرت الشركة في فبراير 2026 Benchmark موحدًا لنموذجها يتضمن اختبارات عبر مجالات ولغات متعددة، كما تنشر بيانات عن False Positive Rate وRecall وPrecision بدل الاكتفاء بعبارة تسويقية عامة عن الدقة.
لكن يجب التفريق بين نتائج Benchmark تنشرها الشركة المطورة نفسها وبين الاختبارات الخارجية. الدراسة الأكاديمية المنشورة في يونيو 2026 أظهرت أن أداء GPTZero كان أضعف في بعض أنواع النصوص المتقدمة التي اختبرها الباحثون، وهو مثال جيد على أن أداء Detector يمكن أن يتغير جذريًا بتغير Dataset.
GPTZero نفسها تنصح بعدم استخدام نتيجتها لمعاقبة طالب بوصفها دليلًا منفردًا، كما توضح أن التصنيف يصبح أكثر موثوقية كلما كان النص أطول وأن المقاطع القصيرة أصعب من تحليل المستند الكامل.
3. Copyleaks
Copyleaks مناسبة أكثر عندما تكون الحاجة أكبر من لصق مقال واحد في مربع فحص، لأنها توفر AI Detection إلى جانب API وتكاملات يمكن إدخالها في أنظمة المؤسسات والمنصات.
وفق توثيق Copyleaks API الحالي، يدعم AI Content Detector ثلاثين لغة، بينها العربية والإنجليزية والفرنسية والإسبانية والألمانية واليابانية والصينية.
تعلن الشركة عن مستويات دقة تتجاوز 99% في اختبارات معينة، لكن لا ينبغي وضع هذه النسبة مباشرة بجانب رقم صادر عن GPTZero أو Turnitin وافتراض أن الأعلى هو الأفضل. اختلاف البيانات والـThreshold ونسبة النصوص البشرية إلى المولدة قد يجعل المقارنة غير عادلة.
الميزة العملية الأهم في Copyleaks هي الجمع بين الكشف متعدد اللغات وإمكانية التكامل البرمجي، لذلك يمكن أن يكون مناسبًا لناشر أو منصة أو مؤسسة تحتاج عمليات فحص واسعة النطاق.
4. Turnitin
Turnitin حالة مختلفة عن معظم الأدوات العامة؛ فميزة AI Writing Detection موجهة أساسًا إلى المؤسسات التعليمية ومتكاملة مع Similarity Report وسير عمل Academic Integrity، وليست كاشفًا عامًا مستقلًا موجهًا لكل مستخدم.
ومن أهم التغييرات الحالية أن Turnitin أطلقت في 18 أغسطس 2026 دعم الكشف عن الكتابة بالذكاء الاصطناعي باللغة العربية الفصحى الحديثة. وبذلك أصبحت قدرات الكشف لديها تشمل النصوص الطويلة بالإنجليزية والإسبانية واليابانية والعربية الفصحى الحديثة.
وفق وثائق Turnitin العربية المحدثة في 18 أغسطس 2026، يحتاج المستند العربي إلى 300 كلمة نثرية على الأقل، وألا يتجاوز 30,000 كلمة، وأن يكون مكتوبًا بالعربية الفصحى الحديثة.
وتقول Turnitin إنها تستهدف إبقاء معدل False Positives أقل من 1% للمستندات التي تحتوي على أكثر من 20% من الكتابة المولدة. كما لا تعرض نسبة رقمية عندما يقع الاكتشاف بين 1% و19%، بل تستخدم مؤشر *% لأن النتائج المنخفضة أكثر عرضة لسوء التفسير.
هناك قيد مهم للعربية: قدرة Turnitin الخاصة باكتشاف النص المولد ثم المعاد صياغته بواسطة AI Paraphraser متاحة حاليًا للإنجليزية فقط. لذلك لا ينبغي افتراض أن كل قدرات النسخة الإنجليزية انتقلت تلقائيًا إلى العربية.
أي AI Detector هو الأدق؟
لا توجد إجابة واحدة مستقرة مع مرور الوقت.
يمكن لشركة أن تعرض Benchmark تحقق فيه 99% أو أكثر، ثم تأتي دراسة مستقلة باستخدام نموذج أحدث أو نوع كتابة مختلف وتظهر انخفاضًا كبيرًا. وهذا ليس تناقضًا بالضرورة؛ بل يعني أن الاختبارين لا يقيسان الظروف نفسها.
الدراسة المستقلة المنشورة في يونيو 2026 تجعل Pangram خيارًا قويًا جدًا للنصوص الأكاديمية الإنجليزية الطويلة ضمن السيناريو الذي اختبرته الدراسة. وفي المقابل تعرض GPTZero نتائج قوية على Benchmarks خاصة بها، بينما تمتلك Copyleaks نطاقًا متعدد اللغات وتكاملات مناسبة للمؤسسات، وتتميز Turnitin بسير العمل الأكاديمي ودعم العربية الفصحى الحديثة داخل المؤسسات.
لذلك بدل السؤال «من فاز؟»، اسأل:
- هل الأداة اختُبرت على لغتي؟
- هل Dataset تشبه نوع النص الذي سأفحصه؟
- هل الاختبار يشمل النماذج الحديثة التي أستخدمها؟
- هل يحتوي النص على تحرير بشري أو أجزاء مختلطة؟
- ما False Positive Rate وليس Accuracy فقط؟
- هل النتيجة ستستخدم للمراجعة أم لاتخاذ قرار عالي المخاطر؟
لماذا تعطي أداتان نتيجتين مختلفتين للنص نفسه؟
لأن كل Detector يملك نموذجًا وبيانات تدريب وحدود قرار مختلفة. قد يفضل أحدها تقليل False Positives حتى لو أدى ذلك إلى تفويت نصوص مولدة، بينما يختار آخر حساسية أعلى للكشف على حساب زيادة الاشتباه في بعض النصوص البشرية.
كما يمكن أن تختلف النتيجة بسبب طول النص، وطبيعة المجال، واللغة، والنموذج الذي أنتجه، وكمية التعديل البشري، وحتى إصدار Detector نفسه. ولهذا يمكن أن تتغير نتيجة المستند إذا أُعيد فحصه بعد تحديث نموذج الكشف.
لماذا تخطئ أدوات AI Detector؟
النصوص المختلطة بين الإنسان وAI
الكاتب قد يستخدم AI لإنشاء مسودة أولية ثم يعيد كتابة نصفها، أو يطلب اقتراحات على فقرات محددة فقط. عندها لا يصبح السؤال ثنائيًا ببساطة، وقد تفشل الأداة في تحديد الحدود الدقيقة بين القسم البشري والمولد.
إعادة الصياغة والتحرير
التعديل بعد التوليد يغيّر الأنماط التي تعلمها Detector. وقد وجدت أبحاث Benchmark مثل RAID أن أداء الكواشف يتأثر بالهجمات والأساليب التي تغير خصائص النص، وبالنماذج التي لم تظهر في ظروف التدريب والاختبار الأصلية.
اختلاف المجال
نموذج يحقق نتيجة ممتازة على مقالات إخبارية قد يكون أقل موثوقية على أوراق أكاديمية أو نصوص قانونية أو وصف تقني. أبحاث 2026 ما زالت تشير إلى أن الانتقال بين المجالات والنماذج المختلفة يمثل تحديًا أمام التعميم.
النصوص القصيرة
عندما تفحص جملة أو فقرة قصيرة، تكون الأدلة المتاحة أمام المصنف أقل. لذلك لا ينبغي التعامل مع نتيجة بضعة أسطر كما لو كانت نتيجة مستند طويل.
تطور نماذج الذكاء الاصطناعي
الكاشف الذي دُرّب على مخرجات جيل سابق قد يتراجع أمام نموذج أحدث ينتج أساليب أكثر تنوعًا. ولهذا تُحدّث شركات الكشف نماذجها بصورة دورية، وتصبح مقارنات الأدوات القديمة أقل قيمة بمرور الوقت.
هل AI Detector يستطيع كشف النص العربي؟
نعم، لكن عبارة «يدعم العربية» وحدها لا تكفي للحكم على الجودة.
في أغسطس 2026 أصبحت الصورة أفضل من السنوات السابقة: Copyleaks تدرج العربية ضمن لغاتها الثلاثين المدعومة، وتوفر Pangram كشفًا متعدد اللغات يشمل العربية، وتنشر GPTZero اختبارات متعددة اللغات تشمل العربية، كما أضافت Turnitin العربية الفصحى الحديثة رسميًا إلى AI Writing Detection.
وفي الوقت نفسه، تتطور أبحاث الكشف العربية نفسها. على سبيل المثال، شهد AbjadGenEval في EACL 2026 مهمة مخصصة للتمييز بين النصوص البشرية والمولدة في اللغات المكتوبة بالحرف العربي، وبلغ أفضل أداء مُبلغ عنه في المهمة العربية F1 قدره 0.93. وهذا يوضح أن الكشف العربي مجال بحث نشط، وليس مجرد نقل نموذج إنجليزي إلى لغة أخرى.
إذا كان النص الذي تريد فحصه بالعربية، فاختبر أداة أعلنت دعم العربية صراحة، ولا تستخدم Benchmark إنجليزيًا كدليل على أنها تحقق الدقة نفسها في العربية.
هل يمكن استخدام نتيجة AI Detector لمعاقبة طالب؟
لا ينبغي أن تكون النتيجة وحدها أساس قرار تأديبي.
هذا ليس مجرد تحفظ نظري؛ Turnitin نفسها تنص صراحةً على أن مؤشرها لا ينبغي استخدامه أساسًا وحيدًا لاتخاذ إجراء سلبي ضد الطالب، وGPTZero تقدم توجيهًا مشابهًا حول ضرورة استخدام Detector ضمن تقييم أوسع.
إذا ظهرت نتيجة تستحق المراجعة، يمكن للمدرس النظر في أدلة أخرى، مثل:
- مقارنة النص بأعمال سابقة للطالب.
- طلب شرح الأفكار والمصادر المستخدمة.
- مراجعة Version History إذا كانت متاحة.
- فحص المراجع والاقتباسات والتأكد من وجودها فعلًا.
- مناقشة خطوات البحث والكتابة مع الطالب.
- الرجوع إلى سياسة المؤسسة بشأن الاستخدام المسموح للذكاء الاصطناعي.
المهم هو التمييز بين «الكاشف وجد نمطًا يستحق المراجعة» و«ثبت أن الطالب استخدم AI». الأولى نتيجة خوارزمية احتمالية، والثانية ادعاء يحتاج أدلة وسياقًا.
هل AI Detection هو نفسه كشف الانتحال Plagiarism؟
لا. هاتان مشكلتان مختلفتان.
Plagiarism Detection يبحث عادةً عن تطابق أو تشابه بين النص ومصادر أخرى. أما AI Detection فيحاول تقدير ما إذا كانت خصائص النص تتفق مع محتوى مولد بواسطة نموذج ذكاء اصطناعي حتى لو لم تكن هناك جمل منسوخة من مصدر منشور.
ولهذا تؤكد Turnitin أن Similarity Score وAI Writing Percentage مستقلان ولا يؤثر أحدهما في الآخر.
هل أدوات كشف النصوص تصلح للصور والفيديو والصوت؟
لا. كاشف النصوص ليس أداة جنائية عامة لكل محتوى AI.
الصور والفيديو والصوت تحتاج تقنيات مختلفة مثل Media Forensics، وتحليل بيانات المصدر، والعلامات المائية مثل SynthID، ومعايير إثبات المنشأ مثل Content Credentials. إذا كان هدفك التحقق من الوسائط، فالأفضل استخدام منهجيات اكتشاف التزييف العميق في الصور والفيديو والصوت بدل تمرير وصف مكتوب إلى Text Detector وافتراض أنه يثبت شيئًا عن الملف الأصلي.
هل يجب على أصحاب المواقع فحص كل مقال باستخدام AI Detector؟
ليس بالضرورة. نسبة AI لا تقيس جودة المقال ولا صحة معلوماته.
يمكن لنص بشري أن يكون ضعيفًا ومليئًا بالمعلومات الخاطئة، ويمكن أن يحتوي نص استعان صاحبه بالذكاء الاصطناعي على بحث موثق ومراجعة بشرية جيدة. إذا كان هدفك جودة موقع أو عملية تحرير احترافية، فمن الأفضل إعطاء الأولوية لأسئلة مثل:
- هل المعلومات صحيحة وحديثة؟
- هل المصادر أصلية ويمكن التحقق منها؟
- هل توجد ادعاءات بلا دليل؟
- هل أضاف الكاتب تحليلًا أو خبرة حقيقية؟
- هل المقال يجيب عن Search Intent بوضوح؟
- هل يحتوي على اقتباسات أو مراجع مختلقة؟
- هل خضع لمراجعة بشرية قبل النشر؟
يمكن لـAI Detector أن يكون جزءًا من Quality Control عندما توجد حاجة فعلية، لكنه لا يعوض Fact Checking والتحرير والتحقق من المصادر.
أفضل طريقة لاستخدام AI Detector
- اختر أداة تدعم لغة النص رسميًا. لا تفترض أن الأداء في الإنجليزية ينطبق تلقائيًا على العربية.
- استخدم نصًا طويلًا بما يكفي. لا تبنِ قرارًا مهمًا على جملة أو فقرة صغيرة.
- راجع نوع النتيجة. افهم الفرق بين النسبة والاحتمال والمقاطع المظللة وتصنيف المستند.
- لا تقارن أرقام الشركات بلا سياق. دقة 99% في Benchmark لا تساوي بالضرورة 99% في نصوصك.
- استخدم أكثر من مصدر للأدلة عندما يكون القرار مهمًا. اختلاف الكواشف نفسه قد يكون إشارة إلى أن الحالة غير واضحة.
- راجع False Positives بعناية. خصوصًا في التعليم أو التوظيف أو أي سياق قد يضر بشخص.
- لا تعتبر النتيجة إثباتًا لهوية النموذج. اكتشاف AI لا يعني إثبات أن ChatGPT تحديدًا كتب النص.
- دوّن اسم الأداة وتاريخ الفحص عند الاستخدام المؤسسي. لأن النماذج والنتائج قد تتغير بعد تحديث Detector.
الخلاصة
أدوات AI Detector في 2026 أصبحت أكثر تطورًا، كما توسع دعم اللغات ووصل Turnitin رسميًا إلى العربية الفصحى الحديثة، وأصبحت Pangram منافسًا بارزًا في الدراسات المستقلة الحديثة، بينما تواصل GPTZero وCopyleaks تطوير نماذج متعددة الاستخدامات.
لكن السؤال الصحيح ليس «أي أداة تعطيني أكبر نسبة؟». الاختيار يعتمد على نوع النص واللغة وطوله والغرض من الفحص. Pangram أظهرت أداءً قويًا في دراسة أكاديمية مستقلة حديثة، وGPTZero مناسبة للفحص والتفسير الفردي، وCopyleaks قوية في البيئات التي تحتاج API ودعمًا متعدد اللغات، وTurnitin هي الأكثر ارتباطًا بسير العمل الأكاديمي المؤسسي.
وفي جميع الحالات تبقى النتيجة احتمالية. قد تحدث False Positives وقد تمر نصوص مولدة دون اكتشاف، خصوصًا مع النصوص المختلطة والمحررة والنماذج الجديدة. استخدم AI Detection لفتح عملية تحقق، لا لإغلاقها بحكم قطعي.