זיהוי תוכן שנוצר על ידי בינה מלאכותית

מה זה זיהוי תוכן-AI, ולמה זו בעיה קשה

זיהוי תוכן שנוצר על ידי בינה מלאכותית הוא תחום הכלים והשיטות שמנסים לקבוע אם טקסט, תמונה, וידאו או קול נוצרו על ידי AI ולא על ידי אדם. הצורך בכך גדל עם התפשטות כלי-AI גנרטיביים נגישים כמו ChatGPT ומחוללי-תמונות: מורים רוצים לדעת אם תלמיד כתב עבודה בעצמו, עיתונאים רוצים לאמת תיעוד, ומעסיקים רוצים לבדוק קורות-חיים. אלא שמחקר אקדמי עצמאי — Weber-Wulff ושותפיה, שפורסם בכתב-העת השפיט International Journal for Educational Integrity בדצמבר 2023 — בדק 14 כלי-זיהוי-טקסט נפוצים ומצא שכולם ניקדו מתחת ל-80% דיוק, וחמישה בלבד מעל 70%. ברמת מאגר שלם המדידה קלה יותר: מחקר שפורסם ב-Science Advances ביולי 2025 העריך, לפי זינוק בשכיחותן של מילות סגנון מסוימות, שלפחות 13.5 אחוזים מתקצירי המאמרים הביו-רפואיים מ-2024 עברו עיבוד במודל שפה; זהו אחד הממצאים על השפעת מודלי-שפה על השפה האנושית (LLM Influence on Human Language).

זיהוי טקסט: הטיה כלפי "אנושי", ופגיעה בדוברי אנגלית שאינה שפת-אם

כלי-זיהוי-טקסט נוטים בדרך כלל להטות את התוצאה לכיוון "כתוב בידי אדם" ולא לכיוון "נוצר על ידי AI" — כלומר יש להם יותר פספוסים (false negatives) מאשר האשמות-שווא (false positives), אך גם אלה קורות בפועל ובתדירות מדאיגה. מחקרים נוספים תיעדו שכלים כאלה מפלים לרעה טקסטים שנכתבו בידי דוברי אנגלית שאינה שפת-אם, ושעריכה קלה או תרגום-מכונה על טקסט אנושי-מקורי גורמים לכלים רבים "לפספס" ולסווג אותו כ-AI. תוצאה מעשית: מוסדות אקדמיים כמו קיימברידג' ואוניברסיטת טקסס באוסטין הפסיקו להשתמש בכלי-הזיהוי של Turnitin.

סימני-מים דיגיטליים: פתרון מבטיח, אבל לא פתרון-קסם

גישה חלופית לניסיון לזהות תוכן-AI בדיעבד היא הטבעת "סימן-מים" סטטיסטי בלתי-נראה בתוך הטקסט או התמונה כבר בזמן היצירה. מאמר אקדמי מ-2023 בשם "A Watermark for Large Language Models", שהציגו חוקרים מאוניברסיטת מרילנד בוועידת ICML, הראה שיטה להטביע בטקסט של מודל-שפה סימן שניתן לזהות בבדיקה סטטיסטית פשוטה, בלי לפגוע משמעותית באיכות הטקסט. עם זאת, מאמר-המשך מאותה שנה הדגים שהתקפות-ניסוח-מחדש (paraphrasing) יכולות להחליש משמעותית את יכולת הזיהוי של סימני-המים, בלי לפגוע הרבה באיכות הטקסט המנוסח-מחדש.

תמונה, וידאו וקול: אותה בעיה, כלים אחרים

בתחום התמונה והווידאו, כלי-זיהוי מתבססים בעיקר על רשתות-נוירונים שאומנו לזהות "טביעות-אצבע" סטטיסטיות שמשאירים אחריהם כלי-יצירה מסוימים — אך גם הם אינם אמינים לחלוטין, ומתקשים במיוחד מול תמונות שעברו דחיסה או עריכה נוספת. חברת Google DeepMind מפתחת מאז 2023 כלי בשם SynthID שמטביע סימן-מים בלתי-נראה לעין בפיקסלים של תמונה בזמן היצירה, בגישה דומה לסימני-המים הטקסטואליים. קואליציית תעשייתית בשם C2PA, שהקימו מיקרוסופט, Adobe וחברות נוספות, נוקטת גישה משלימה: לא ניסיון-זיהוי בדיעבד, אלא תיעוד-מוצא חתום מראש שמצורף לקובץ כבר בזמן יצירתו. מהכיוון ההפוך פועלת תווית נעשה-בידי-אדם (No-AI Label), שמצהירה שיצירה לא נוצרה בבינה מלאכותית יוצרת: אגודת הסופרים האמריקאית, למשל, הרחיבה במרץ 2026 את סימון Human Authored שלה לכל הסופרים שספריהם יוצאים לאור בארצות הברית, גם למי שאינם חברים בה.

המדיניות הרשמית: הנחיית NIST האמריקאית

בנובמבר 2024 פרסם המכון הלאומי האמריקאי לתקנים וטכנולוגיה (NIST), דרך מכון-הבטיחות-של-AI האמריקאי (US AISI), את הגרסה הסופית של דו״ח-ההנחיה הראשון שלו בנושא — NIST AI 100-4: Reducing Risks Posed by Synthetic Content — שמתווה גישות וולונטריות להתמודדות עם סיכוני תוכן-AI כמו התחזות והונאה. הדו״ח פורסם כחלק ממאמץ בין-לאומי משותף שגייס למעלה מ-11 מיליון דולר למחקר בנושא, וממחיש שגם גופים רשמיים מכירים בכך שאין עדיין פתרון-זיהוי מלא וסופי — רק מכלול-כלים משלים. הדו״ח סוקר גישות כמו אימות של תוכן ומעקב אחר מקורו, סימון של תוכן סינתטי (למשל בסימני מים) וזיהוי של תוכן סינתטי, ובהבדל במה שכל אחת מהן יכולה להוכיח עוסקת בדיקת מקוריות של מדיה סינתטית (Synthetic Media Provenance).