احتيال الموسيقى المولَّدة بالذكاء الاصطناعي يستنزف 3 مليارات دولار من عائدات البث

المشكلة

في عامي 2024 و2025، حذفت سبوتيفاي (Spotify) أكثر من 75 مليون مقطع صوتي حددتها على أنها رسائل غير مرغوب فيها (سبام) أو ضوضاء اصطناعية. يضاهي هذا الرقم حجم الكتالوج التاريخي الكامل للموسيقى المسجلة. تأمل هذا الأمر جيداً: اضطرت المنصة إلى حذف محتوى مزيف يفوق كل ما أنتجته البشرية على نحو مشروع عبر تاريخها.

يومياً، يصل ما يقرب من 100,000 مقطع صوتي جديد إلى سبوتيفاي وحدها. وتُمثّل نسبة ضخمة ومتزايدة من هذه الملفات المرفوعة محتوى ليس من إبداع البشر، بل حشواً مولَّداً بالخوارزميات — مثل حلقات الضوضاء البيضاء، والموسيقى المحيطية المستمرة (drone)، والاستنساخ الصوتي عبر التزييف العميق لفنانين مثل دريك وتايلور سويفت. ويطلق قطاع الصناعة الموسيقية على هذا المحتوى اسم «الغثاء» (slop). وهو موجود لغرض وحيد: اختلاس الأموال من مجمعات العائدات المالية التي ينبغي أن تذهب إلى الفنانين الحقيقيين وشركات الإنتاج الداعمة لهم.

إذا كنت تدير منصة بث، أو شركة إنتاج موسيقي، أو شركة توزيع، فهذه مشكلتك المباشرة. هذا الاحتيال ليس نظرياً، بل يحدث على نطاق صناعي واسع الآن. والأدوات التي تعتمد عليها فرقك لاكتشافه — مثل البصمة الصوتية، والتحقق من البيانات الوصفية، والمراجعة اليدوية — قد صُممت لعصر مختلف. إنها تفشل أمام الذكاء الاصطناعي الذي يولد آلاف المقاطع الفريدة وغير المسبوقة في غضون دقائق. إن دفاعاتك الحالية تشبه من يجلب خزانة ملفات إلى معركة بالرشاشات.

لماذا يهم هذا عملك

الضرر المالي هائل ومباشر؛ إذ تُقدّر تحليلات القطاع خسائر الاحتيال السنوية في خدمات البث بما يتراوح بين 2 مليار دولار و3 مليارات دولار. هذه الأموال لا تتلاشى في الهواء، بل تتدفق من مجمعات العائدات الخاصة بك إلى جيوب شبكات احتيال منظمة.

إليك سبب إضرار هذه الحسابات الرياضية بكل طرف مشروع:

تستخدم معظم المنصات الكبرى نموذج العائدات «النسبي» (pro-rata). وتذهب جميع إيرادات الاشتراكات والإعلانات إلى مجمع واحد؛ ثم يُقسَّم هذا المجمع على إجمالي مرات الاستماع لتحديد معدل الدفع لكل استماع. كل استماع مزيف يُضخّم المقام الرياضي، وكل مقام مُضخّم يُقلّص معدل الدفع لكل استماع لجميع الفنانين الحقيقيين في قائمتك.

• تُشير التقديرات إلى أن ما بين 10% إلى 30% من إجمالي نشاط بث الموسيقى عالمياً هو نشاط احتيالي. وتتعرض مدفوعاتك لكل استماع للاقتطاع والتخفيض بهذا الهامش في كل ربع سنة.
• وجدت منصة ديزر (Deezer) أن 70% من مرات التشغيل للمقاطع المولَّدة بالذكاء الاصطناعي كانت احتيالية. وإذا كان الكتالوج الخاص بك يشارك المساحة مع هذا المحتوى، فإن إيراداتك تدعم العمليات الإجرامية.
• يُعد حذف 75 مليون مقطع صوتي من سبوتيفاي وحدها مؤشراً على أن التنظيف التفاعلي رهان خاسر؛ إذ تنفق أموالاً تشغيلية على ملاحقة محتوى ما كان ينبغي له أن يجني سنتاً واحداً.
• تكلفة الإشراف البشري تزيد بمقدار 40 ضعفاً عن الأنظمة المؤتمتة. ولا يمكنك معالجة تدفق 100,000 ملف مرفوع يومياً بمجرد زيادة التوظيف.

كما تتزايد الضغوط التنظيمية؛ إذ ينقل قانون الذكاء الاصطناعي للاتحاد الأوروبي وتشريعات التزييف العميق الأمريكية المرتقبة تقنيات العلامات المائية وإثبات الأصل من مجرد «ميزات إضافية مستحسنة» إلى متطلبات امتثال إلزامية. وإذا لم تتمكن منصتك من إثبات بذلها أقصى الجهود لمكافحة الاحتيال والتزييف العميق، فإن تعرضك القانوني لدعاوى حقوق الطبع والنشر سيزداد بصورة كبيرة.

ما الذي يحدث فعلياً خلف الكواليس

يكمن الفشل الجوهري في ما تسميه الورقة التقنية «مفارقة الأصالة» (Originality Paradox). تعتمد أنظمة الكشف الحالية لديك على البصمة الصوتية — مثل أدوات شازام (Shazam) وContent ID. تعمل هذه الأنظمة بمقارنة الصوت الوارد بقاعدة بيانات ضخمة للتسجيلات المعروفة، بحثاً عن تطابق.

لكن الذكاء الاصطناعي التوليدي لا ينسخ الأغاني الموجودة، بل ينشئ أشكالاً موجية جديدة تماماً لم تكن موجودة من قبل. وبالتالي لا يوجد «أصل» في أي قاعدة بيانات للمطابقة معه. وبالنسبة لنظام البصمة الصوتية لديك، يبدو المقطع الاحتيالي الجديد المولَّد بالذكاء الاصطناعي مطابقاً تماماً لقطعة فنية بشرية جديدة تماماً؛ فكلاهما مجرد «محتوى غير معروف». ونظام تحديد الهوية لديك لا يستطيع التمييز بين الإشارة الحقيقية والضوضاء لأنه صُمم للتعرّف على المحتوى، لا للمصادقة على أصالته.

تخيّل الأمر كجهاز كشف للعملات المزيفة يعمل فقط من خلال مقارنة الأوراق النقدية بالأرقام التسلسلية المسجلة لديه مسبقاً؛ فإذا طبع المزور ورقة نقدية برقم تسلسلي جديد تماماً، يمررها الجهاز دون اعتراض. وهذا بالضبط ما يحدث مع الموسيقى المولَّدة بالذكاء الاصطناعي.

في الوقت نفسه، أصبح المحتالون أكثر دهاءً؛ إذ تحولوا من هجمات «المعدل العالي والسريع» الواضحة — ملايين مرات الاستماع الآلية عبر البوتات لمقطع واحد — إلى استراتيجيات «المعدل المنخفض والبطيء». فهم يولدون 10,000 مقطع فريد باستخدام الذكاء الاصطناعي، ثم يوزعون 100 عملية تشغيل بالبوتات فقط على كل مقطع. وتكون العائدات الإجمالية متطابقة، دون أن يتسبب أي مقطع منفرد في إطلاق إنذارات كشف الشذوذ لديك؛ حيث يتوارى الاحتيال في الذيل الطويل، مدفوناً تحت البيانات المشروعة.

ولا تقدم البيانات الوصفية (Metadata) أي مساعدة أيضاً؛ فالبيانات الوصفية للملفات هشة، ويمكن تجريدها أثناء تحويل التنسيق أو تزييفها بسهولة تامة. فإذا قام شخص ما بتحويل ملف WAV موقع بمعيار C2PA إلى ملف MP3 عادي، فإن ترويسة إثبات الأصل تختفي تماماً.

ما الذي ينجح (وما الذي لا ينجح)

فلنبدأ بما تعتمد عليه فرقك على الأرجح اليوم — ولماذا لا يُعد كافياً.

البصمة الصوتية: تفشل تماماً أمام المحتوى الأصلي المولَّد بالذكاء الاصطناعي؛ إذ لا يوجد ملف مرجعي، وبالتالي يتعذر إجراء أي مطابقة.

وسم البيانات الوصفية: يُجرَّد بسهولة أثناء تحويل الصيغ، أو البث الإذاعي، أو إعادة الرفع على وسائل التواصل الاجتماعي؛ ويمكن لجهة خبيثة عازمة إزالته في ثوانٍ معدودة.

المراجعة البشرية على نطاق واسع: عند استقبال 100,000 ملف مرفوع يومياً، فإن مجرد إجراء فحوص عشوائية مدتها 30 ثانية سيتطلب 35 يوماً متواصلاً لتغطية واردات يوم واحد فقط. وعلاوة على ذلك، يعجز البشر على نحو متزايد عن التمييز بين الاستنساخ الصوتي عالي الجودة بالذكاء الاصطناعي والتسجيلات الحقيقية.

ما ينجح فعلياً هو نهج مختلف جذرياً: تضمين إشارة غير مرئية وقابلة للقراءة آلياً داخل الشكل الموجي للصوت نفسه مباشرة. يُطلق على هذا التقنية «العلامة المائية الصوتية الكامنة» (latent audio watermarking). وإليك كيف تعمل في ثلاث خطوات:

1. عند الإنشاء أو الرفع، يُضمَّن معرّف فريد داخل الإشارة الصوتية نفسها. تستخدم هذه العملية تقنيات طيف الانتشار — حيث تُوزَّع كميات ضئيلة من البيانات عبر نطاق التردد بأكمله بحيث لا يحمل أي تردد منفرد طاقة كافية لتلاحظها أذنك. وتبدو العلامة المائية مثل «الهواء» الطبيعي في التسجيل؛ فهي غير محسوسة للمستمعين ولكنها قابلة للقراءة بواسطة الآلات.

2. تصمد العلامة المائية أمام كل ما يواجهها في التوزيع على أرض الواقع. يستخدم النظام الارتباط الذاتي (autocorrelation) — حيث تقارن الإشارة نفسها بنفسها بدلاً من الحاجة إلى قاعدة بيانات خارجية. وعند تشغيل الصوت عبر مكبر صوت، وانتقاله عبر الهواء، والتقاطه بميكروفون الهاتف، يتدهور كل جزء من الإشارة بدرجة متساوية، لكن العلاقة بين كتل العلامة المائية المتكررة تظل ثابتة. وحتى ضغط MP3 غير المتقن بمعدل 64 كيلوبت في الثانية، أو تغيير السرعة بنسبة زيادة أو نقصان 20%، أو قص نصف المقطع، لا يمكنه تدميرها.

3. تشير العلامة المائية المستخرجة إلى سجل إثبات الأصل. يرتبط المعرّف الفريد ببيان استعراض مستضاف سحابياً يتبع معايير C2PA — وهو بروتوكول مفتوح يعمل بمثابة «ملصق حقائق غذائية» للمحتوى الرقمي؛ إذ يسجل من أنشأ الأصل الرقمي، وما إذا كان الذكاء الاصطناعي قد شارك في ذلك، والتعديلات التي أُجريت. وحتى لو تم تجريد جميع البيانات الوصفية للملف، فإن العلامة المائية تصمد وتُعيد الاتصال بذلك السجل.

يمثل هذا أهمية بالغة لفرق الامتثال والشؤون القانونية لديك؛ فالعلامة المائية إما أن تكون موجودة أو غير موجودة، دون وجود درجة ثقة لتفسيرها، أو منحنى احتمالي يتطلب تقديراً بشرياً. وتصف الورقة التقنية هذا بالأدلة «الحتمية» في مقابل المخرجات «الاحتمالية» لمصنفات الذكاء الاصطناعي. وهذا الفارق هو الحد الفاصل بين موقف قانوني يمكن الدفاع عنه ومجرد تخمين مدروس.

ينبغي أن تراعي استراتيجية أصل البيانات وتتبّعها لديك هذا التحول. عندما يُدمج أصل المحتوى في فيزياء الإشارة بدلاً من ترويسة قابلة للإزالة، فإنك تحصل على سلسلة حيازة غير منقطعة عبر كل وسيط — الملفات الرقمية، والبث الإذاعي، ومقاطع وسائل التواصل الاجتماعي، وحتى تسجيلات الفعاليات الحية.

بالنسبة إلى شركات الإعلام والترفيه على وجه التحديد، تحمي هذه البنية كلاً من الإيرادات والسمعة. ويتوقف الفنانون في قائمتك عن دعم الاحتيال مالياً. وتُثبت منصتك الامتثال التنظيمي. كما تمتد قدرات استخبارات الإشارات لديك من التنظيف التفاعلي إلى المصادقة الاستباقية.

يمكنك قراءة التحليل التقني الكامل للحصول على تفاصيل معمارية أعمق، أو استكشاف النسخة التفاعلية للاطلاع على شرح إرشادي حول كيفية تكامل هذه الأنظمة مع مسارات التوزيع الحالية.