أنماط بصرية مبتكرة تخدع أنظمة الرؤية بالذكاء الاصطناعي

يكفي اليوم أن تمر أمام كاميرا في متجر أو شارع أو محطة نقل حتى تصبح صورتك جزءاً من نظام يرى أكثر مما تراه العين المجردة. الجديد هذه المرة ليس توسع المراقبة بحد ذاته، بل ظهور خوارزمية قادرة على تصميم أنماط بصرية تربك أنظمة الرؤية الحاسوبية وتمنعها من التعرّف إلى الأشخاص والوجوه والمركبات. وبحسب تقرير TechCrunch، نحن أمام تطور لا يبدو كخبر طريف عن خداع الذكاء الاصطناعي، بل كحلقة جديدة في صراع طويل بين الخصوصية والبنية التحتية للمراقبة.

الفكرة تقوم على ما يُعرف بالأنماط التضليلية، وهي تصاميم مولدة حاسوبياً تستغل الطريقة التي تعالج بها الشبكات العصبية الصورة. الكاميرا تلتقط المشهد كالمعتاد، لكن نموذج الكشف أو التعرّف يعجز عن تفسير ما يراه بدقة كافية لاتخاذ قرار صحيح. عملياً، لا يختفي الشخص من الفيديو، بل يختفي من منطق الخوارزمية الذي يقرر إن كان هذا وجهًا أو إنساناً أو مركبة.

هذا الفارق مهم جداً. نحن لا نتحدث عن تعطيل عدسة أو تشويش بصري تقليدي، بل عن استهداف مباشر لطبقة الذكاء الاصطناعي التي تدير المراقبة الحديثة. هنا تكمن حساسية الخبر، لأن قيمة كثير من أنظمة الأمن الحالية لم تعد في التصوير نفسه، بل في التحليل الآلي الفوري، من التتبع إلى الاكتشاف إلى المطابقة.

محاولات الالتفاف على التعرّف إلى الوجوه ليست جديدة. رأينا من قبل مكياجاً خاصاً ونظارات عاكسة وملابس بأنماط مصممة يدوياً. لكن معظم تلك الأساليب كان محدود الفعالية، ويعمل غالباً ضد نظام بعينه أو في ظروف تصوير ضيقة. الجديد هنا أن الخوارزمية نفسها تتولى عملية التوليد والتحسين، فتنتج أنماطاً أكثر مرونة وقابلية للتطبيق على فئات متعددة من أنظمة الكشف.

الأهم أن الانتقال من الهجوم الرقمي داخل ملف صورة إلى هجوم في العالم الفيزيائي ليس خطوة سهلة. الإضاءة تتبدل، والزوايا تتغير، والملابس تنثني، والحركة تخلق ضبابية، وكل ذلك يمنح نموذج الرؤية فرصة لاستعادة دقته. إذا كانت الخوارزمية الجديدة قادرة فعلاً على الحفاظ على أثرها وسط هذه المتغيرات، فهذا يعني أن مجال الهجمات الخصامية انتقل من المختبر إلى الشارع بشكل أكثر نضجاً.

المدن والشركات تنشر أنظمة المراقبة الذكية بوتيرة متسارعة، من المتاجر إلى المطارات إلى البنية العامة في الشوارع. ولهذا فإن أي ثغرة تمس كفاءة الكشف الآلي لا تؤثر في شركة واحدة، بل في طبقة تشغيل كاملة تعتمد عليها جهات متعددة. التحديث هنا ليس مجرد تحسين تقني، بل مساس بفكرة أن الرؤية الحاسوبية صارت أداة موثوقة بشكل افتراضي.

من زاوية أخرى، يرى المدافعون عن الخصوصية في هذا النوع من الأدوات وسيلة لحماية الأفراد من التتبع الدائم، خصوصاً في البيئات التي تُستخدم فيها تقنيات التعرف إلى الوجوه ضد المحتجين أو المعارضين أو الأقليات. وبين هذا وذاك تظهر المفارقة المعهودة في التقنية: ما يحمي شخصاً من رقابة مفرطة قد يمنح شخصاً آخر وسيلة للإفلات من المساءلة.

من حيث المبدأ، تستطيع شركات المراقبة تدريب نماذجها على أمثلة من هذه الأنماط التضليلية كي تصبح أكثر مقاومة لها. هذا هو المسار المعتاد في أمن الذكاء الاصطناعي: هجوم ثم تحصين ثم جيل جديد من الهجمات. لكن أنظمة المراقبة تختلف عن البرمجيات الاستهلاكية الخفيفة. كثير من هذه الكاميرات جزء من بنية ميدانية موزعة، وتحديثها ليس بنفس سهولة دفع تحديث لهاتف ذكي أو خدمة سحابية.

حتى إذا تم تحسين النموذج المركزي، تبقى هناك تحديات في النشر والتكامل والعتاد والتكلفة. بعض الأنظمة يعمل على أجهزة قديمة أو على هامش قدرة معالجة محدود، ما يجعل رفع مستوى الدفاع ضد الهجمات الخصامية قراراً تشغيلياً قبل أن يكون قراراً بحثياً. ولهذا قد تستمر نقاط الضعف في الأنظمة المنشورة لفترات أطول مما تتوقعه الشركات.

أثر هذا النوع من الأبحاث لا يتوقف عند كاميرات الأمن. أنظمة القيادة الذاتية والمركبات الذكية تعتمد أيضاً على الرؤية الحاسوبية لاكتشاف المشاة والسيارات والإشارات والعوائق. صحيح أن الأنماط المصممة ضد كاميرات المراقبة الثابتة لا تنتقل تلقائياً إلى بيئة قيادة ديناميكية، لكن المبدأ واحد: إذا أمكن تضليل النموذج بصرياً، فإن مسألة الموثوقية تصبح أكثر تعقيداً مما توحي به العروض التسويقية.

لهذا ينظر الباحثون إلى الهجمات الخصامية بوصفها اختباراً قاسياً لقدرة النماذج على فهم العالم الحقيقي، لا مجرد حيلة لطيفة ضد الذكاء الاصطناعي. كلما ازدادت الأنظمة اعتماداً على الإدراك الآلي في الأمن والتنقل واتخاذ القرار، باتت متانة النماذج أمام التشويش والتلاعب جزءاً من السلامة العامة لا مجرد تحسين اختياري.

ما تكشفه هذه الخوارزمية ليس فقط ثغرة في أنظمة الرصد، بل هشاشة الفكرة التي تقول إن الرؤية الآلية محايدة وكاملة بما يكفي لتصبح طبقة غير مرئية فوق الحياة اليومية. كلما توسعت المراقبة المعززة بالذكاء الاصطناعي، ظهرت في المقابل أدوات تعيد التفاوض على من يملك حق الظهور وحق الاختفاء. وفي هذا التوازن القلق، لا تبدو المسألة تقنية خالصة بقدر ما هي سؤال عن شكل الفضاء العام عندما تتعلم الآلات أن ترى، ويتعلم الناس في المقابل كيف يربكون هذه الرؤية.