سلامة نماذج الذكاء الاصطناعي مفتوحة الوزن معطلة بشكل منهجي والاتحاد الأوروبي يفقد صبره

الأدلة واضحة ومُدينة. تكشف الدراسات الأكاديمية وتقييمات الأمن السيبراني الصادرة حتى أوائل عام 2026 أن حواجز الأمان في النماذج مفتوحة الوزن المنتشرة على نطاق واسع هشة بشكل منهجي . يمكن لهجمات التجاوز (Jailbreak) التكيفية ومتعددة الأدوار والقائمة على الضبط الدقيق أن تتجاوز ضوابط المحاذاة بنسب نجاح تقترب من 100%. والشركات التي تستضيف هذه النماذج ذاتيًا وتخدم مستخدمين في الاتحاد الأوروبي تواجه الآن مخاطر تنظيمية ملموسة بموجب قانون الذكاء الاصطناعي الأوروبي.

ما مدى سوء مشكلة تجاوز الحماية حقًا؟

الأرقام الرئيسية صادمة. حققت دراسة قُدمت في مؤتمر ICLR 2025 نسبة نجاح 100% في الهجمات على نماذج Llama-2-Chat (بأحجام 7B و 13B و 70B) و Gemma-7B وغيرها من النماذج الرائدة المضبوطة للسلامة، وذلك باستخدام تقنيات تكيفية بسيطة حُكم عليها بواسطة GPT-4 . وأفادت ورقة بحثية أخرى في مؤتمر NeurIPS استخدمت طريقة "التحسين التكيفي من الكثيف إلى المتناثر" (ADC) بتحقيق أعلى معدلات نجاح للهجمات على سبعة من أصل ثمانية نماذج مفتوحة الوزن تم اختبارها .

تتعمق الثغرة في العالم الحقيقي عندما يستخدم المهاجمون محادثات متعددة الأدوار. اختبرت Cisco AI Defense ثمانية نماذج مفتوحة الوزن ووجدت أن معدلات نجاح التجاوز متعدد الأدوار تراوحت بين 25.86% و 92.78% — أي بزيادة تتراوح بين الضعف و 10 أضعاف مقارنة بالهجمات أحادية الدور . وشملت النماذج المتضررة Llama 3.3 70B و Gemma 1B وغيرها . وخلص الباحثون إلى وجود "عجز منهجي في قدرة النماذج الحالية مفتوحة الوزن على الحفاظ على حواجز الأمان عبر التفاعلات الممتدة" .

حتى الضبط الدقيق المخصص لحالات استخدام بريئة يمكن أن يدمر محاذاة السلامة. أظهرت إحدى الدراسات أن مزج كميات صغيرة من البيانات غير الآمنة مع بيانات ضبط دقيق حميدة يُضعف حواجز الأمان بشكل كبير . وأكدت ورقة أخرى أن الضبط الدقيق للأوزان المفتوحة وواجهات برمجة تطبيقات الضبط الدقيق المغلقة يمكن أن ينتج نماذج أُزيلت منها جميع safeguards .

طرق الهجوم الجديدة التي غيرت قواعد اللعبة

توضح عدة تقنيات حديثة مدى سهولة عمليات تجاوز الحماية الآن.

هجوم الدُمية (Sockpuppeting) يحقن "قبولاً" مزيفاً في رد المُساعد الجاهز، مستغلاً ميل النموذج نحو الاتساق الذاتي. لا يتطلب أي تحسين، ولا أوزان نموذج، ولا أدوات متخصصة — فقط وصول إلى واجهة برمجة تطبيقات تدعم التعبئة المسبقة للمساعد. في اختبارات أبريل 2026، كان كل نموذج قَبِلَ التعبئة المسبقة عُرضة للخطر جزئيًا على الأقل، بما في ذلك GPT-4o و Claude 4 Sonnet و Gemini 2.5 Flash .

الهجمات المُستمدة من الأوراق البحثية تمثل ثغرة فوقية مقلقة. وجدت دراسة في 2026 أن استخدام محتوى من أوراق سلامة النماذج اللغوية المنشورة كموجّهات يحقق نسبة نجاح 97-98% في الهجمات على نماذج محاذاة بشكل جيد، بما في ذلك أنظمة الأوزان المغلقة مثل Claude 3.5 Sonnet .

تضخيم توجيه السلامة يوضح كيف يمكن أن تأتي التقنيات المخصصة لتحسين السلامة بنتائج عكسية. اكتُشف أن توجيه التنشيط وقت الاستدلال المخصص لتقليل "الرفض المفرط" على الاستفسارات الحميدة يُضخم عن غير قصد ثغرات التجاوز في نماذج مثل Llama 3.1 8B و Gemma 2 2B .

تخريب حواجز الاستدلال هو من بين أكثر النواقل إثارة للقلق. اكتشفت دراسة في مارس 2026 أن إضافة بضع كلمات نموذجية إلى الموجّه المُدخل يمكن أن يختطف حواجز الأمان القائمة على الاستدلال. وبمجرد اختراقها، يمكن لأنظمة الاستدلال هذه أن تنتج مخرجات أكثر ضررًا من النماذج التي لا تمتلك مثل هذه الحواجز .

المطرقة التنظيمية تتأرجح الآن

دخلت قواعد الذكاء الاصطناعي للأغراض العامة (GPAI) في قانون الاتحاد الأوروبي حيز التنفيذ في أغسطس 2025 . أي نموذج تم تدريبه بأكثر من 10²⁵ عملية فاصلة عائمة (FLOPs) — وهو حد يشمل Llama 4.2 Ultra وكل نموذج تجاري رئيسي — يُصنف على أنه يُشكل خطرًا نظاميًا .

التبعات على الشركات فورية:

• استضافة نموذج مفتوح الوزن ذاتيًا يتجاوز عتبة الحوسبة هذه، وتقديم الخدمة لمستخدمين في الاتحاد الأوروبي، يجعلك مُزوّد الذكاء الاصطناعي للأغراض العامة (GPAI) بموجب القانون، مما يُفعّل التزامات الإخطار والتوثيق وإدارة المخاطر .
• يواجه مقدمو النماذج ذات المخاطر النظامية اختبارات عدائية إلزامية، والإبلاغ عن الحوادث، والتعاون مع تحقيقات مكتب الذكاء الاصطناعي الأوروبي .
• يمكن أن تصل الغرامات على عدم الامتثال إلى 35 مليون يورو أو 7% من حجم الأعمال السنوي العالمي، أيهما أعلى .

توجد استثناءات للمصادر المفتوحة لكن بحدود واضحة. تجلس النماذج المُصدرة بموجب تراخيص مجانية ومفتوحة المصدر دون تحقيق أرباح إلى حد كبير خارج الالتزامات الأكثر صرامة ، لكن هذا الاستثناء يختفي فورًا إذا شكل النموذج خطرًا نظاميًا . أكدت إعادة صياغة الاتحاد الأوروبي في مايو 2026 هذا الحد . رُخصة مجتمع Llama من ميتا مُنعت بالفعل من التأهل لاستثناء المصدر المفتوح .

الإنفاذ أصبح حيًا الآن، وليس نظريًا. في أوائل عام 2026، أطلق الاتحاد الأوروبي تحقيقات عالية المخاطر حول المخاطر النظامية في منصات رئيسية، بما في ذلك ميتا، مطالبًا بشفافية غير مسبوقة في مجموعات بيانات التدريب وحواجز الأمان .

استجابة السوق: إعادة التأهيل رخيصة، فلماذا ليست معيارًا؟

أدلة الثغرات تُغذي ضغط السوق من أجل إعادة تأهيل أقوى للسلامة. أظهرت دراسة في عام 2025 أن التدريب على 2000 عينة سلامة فقط — بتكلفة تقارب 3 دولارات لنماذج 8B و 20 دولارًا لنماذج 72B — يمكن أن يقلل من معدلات نجاح الهجمات بنسبة 10-30%. تم تقليص أنجح أساليب الهجوم إلى معدل نجاح حوالي 5% بعد إعادة التأهيل .

توحي الاقتصاديات بأن إعادة التأهيل منخفضة التكلفة أمر ممكن، لكنها لم تصبح بعد ممارسة معيارية في النظام البيئي للأوزان المفتوحة. ومع تصاعد الضغط التنظيمي وازدياد حدة مشهد الهجمات، قد تجد الشركات التي تنشر هذه النماذج في الإنتاج أن وثيقة التأمين البالغة 20 دولارًا من الصعب تبرير تخطيها بشكل متزايد.