Integrating Personality into Digital Humans: A Review of LLM-Driven Approaches for Virtual Reality
تستعرض هذه الورقة طرق دمج النماذج اللغوية الكبيرة لإكساب البشر الرقميين في الواقع الافتراضي شخصيات دقيقة من خلال تقنيات مثل التعلم من المحاولة الصفرية والضبط الدقيق، مع معالجة التحديات الرئيسية مثل زمن الاستجابة والحاجة إلى أطر تقييم معيارية للنهوض بالتطبيقات في مجالات التعليم والعلاج والألعاب.
المؤلفون الأصليون:Iago Alves Brito, Julia Soares Dollis, Fernanda Bufon Färber, Pedro Schindler Freire Brasil Ribeiro, Rafael Teixeira Sousa, Arlindo Rodrigues Galvão Filho
المؤلفون الأصليون: Iago Alves Brito, Julia Soares Dollis, Fernanda Bufon Färber, Pedro Schindler Freire Brasil Ribeiro, Rafael Teixeira Sousa, Arlindo Rodrigues Galvão Filho
تخيل أنك تخطو إلى عالم افتراضي. في الماضي، كانت الشخصيات التي تقابلها هناك تشبه الدمى المتحركة بالخيوط. كان بإمكانها قول بضع جمل مكتوبة مسبقاً، أو ربما التلويح بيديها إذا نقرت على زر، لكنها كانت تبدو جامدة، متوقعة، وموحشة بعض الشيء. كنت تعرف بالضبط ما ستفعله تالياً لأنها كانت تتبع نصاً مكتوباً فحسب.
هذه الورقة البحثية تتحدث عن تعليم تلك الدمى كيف تفكر، وتشعر، وترتجل باستخدام أداة قوية وجديدة: النماذج اللغوية الكبيرة (LLMs). فكر في النماذج اللغوية الكبيرة على أنها "عقل" الشخصية، وهي مدربة على كل شيء تقريباً كتبه البشر.
إليك شرح بسيط لما تقوله الورقة، باستخدام بعض التشبيهات من حياتنا اليومية:
1. الهدف: من "شخصيات غير لاعبة" إلى "بشر حقيقيين"
في الوقت الحالي، معظم شخصيات ألعاب الفيديو (الشخصيات غير اللاعبة أو NPCs) تشبه الممثلين الذين حفظوا نصاً مسرحياً. لا يمكنهم إلا قول ما أخبرهم الكاتب بقوله.
المشكلة: إذا حاولت التحدث معهم حول شيء غير متوقع، يتجمدون أو يكررون نفس الجملة. هذا يكسر واقعية المشهد.
الحل: يريد المؤلفون منح هؤلاء البشر الرقميين شخصية. يريدونهم أن يكونوا مثل الممثلين الارتجاليين الكوميديين. إذا مازحتهم، يجب أن يضحكوا. وإذا كنت حزيناً، يجب أن يقدموا لك المواساة. إنهم يريدون للعالم الرقمي أن يشعر بأنه أقل شبهاً بلعبة فيديو وأكثر شبهاً بمحادثة حقيقية مع صديق.
2. كيف نمنحهم شخصية؟
تشرح الورقة ثلاثة طرق رئيسية لـ "تعليم" هؤلاء البشر الرقميين كيف يتصرفون، تماماً كما قد تعلم موظفاً جديداً:
التعلم من الصفر - Zero-Shot (التوجيه الموجز): أنت فقط تعطي الذكاء الاصطناعي تعليمات سريعة، مثل: "تصرف كأمين مكتبة غاضب". لا تعرض عليه أمثلة؛ أنت فقط تخبره من يكون. الأمر يشبه إخبار صديق لك: "تظاهر بأنك قرصان للساعة القادمة".
التعلم من أمثلة قليلة - Few-Shot (كتيب التدريب): أنت تعطي الذكاء الاصطناعي بضعة أمثلة لكيفية تحدث الشخصية. "إليك ثلاث جمل قد يقولها باريستا مرح". ينظر الذكاء الاصطناعي إلى هذه الأمثلة ويحاول تقليد الأسلوب. الأمر يشبه إظهار بضعة رسائل بريد إلكتروني سابقة لموظف جديد ليعرف نبرة الصوت المطلوبة.
الضبط الدقيق - Fine-Tuning (الدرجة العلمية المتخصصة): هذا هو العمل الشاق. تأخذ الذكاء الاصطناعي وتدربه على كمية هائلة من البيانات المتعلقة بتلك الشخصية تحديداً. الأمر يشبه إرسال الذكاء الاصطناعي إلى جامعة لمدة أربع سنوات ليصبح خبيراً في أن يكون شخصاً محدداً. هذا يجعل الشخصية عميقة ومتسقة للغاية، لكنه مكلف ويستغرق وقتاً طويلاً.
3. القطعة المفقودة: لغة الجسد
هذا هو الجزء الصعب. معظم أبحاث الذكاء الاصطناعي اليوم تدور حول النصوص فقط. الأمر يشبه إجراء محادثة رائعة عبر الهاتف.
تحدي الواقع الافتراضي (VR): في الواقع الافتراضي، أنت تواجه الشخص وجهاً لوجه. إذا قال الذكاء الاصطناعي: "أنا سعيد جداً!"، بينما يبدو وجهه كتمثال حجري وذراعاه متصلبتين، فإن السحر يتبخر.
التشبيه: تخيل دمية تتحدث ببراعة ولكن ليس لها يدين أو عضلات وجه. ستشعر بالرهبة. تجادل الورقة بأنه لكي ينجح الواقع الافتراضي، يحتاج الذكاء الاصطناعي للتحكم في كل شيء: الكلمات، الابتسامة، التواصل البصري، وإيماءات اليد. يجب أن يكون أداءً كاملاً للجسم، وليس مجرد صوت.
4. كيف نعرف إذا كان ذلك جيداً؟
كيف تقيم بشراً رقمياً؟
الطريقة القديمة (الحكام البشر): تسأل أشخاصاً حقيقيين للتحدث مع الروبوت وتقول لهم: "هل شعرت أنه حقيقي؟". المشكلة هي أن الناس مختلفون. قد يرى شخص ما أن الروبوت الغاضب "مضحك"، بينما يراه آخر "وقحاً". الأمر ذاتي.
الطريقة الجديدة (حكام الذكاء الاصطناعي): تستخدم ذكاءً اصطناعياً واحداً لتقييم ذكاء اصطناعي آخر. هي أسرع وأرخص، لكن الذكاء الاصطناعي قد يكون متحيزاً أو يفتقر للإحساس "البشري" الدقيق.
الفجوة: تقول الورقة إننا لا نملك "مسطرة" جيدة بعد لقياس مدى نجاح الروبوت في دمج الكلمات مع ابتسامة أو هزّة كتف. نحن بحاجة إلى معيار جديد لاختبار هؤلاء البشر الرقميين كاملي الجسم.
5. العقبات: لماذا ليس هذا متاحاً في كل مكان بعد؟
مشكلة "الدماغ الثقيل": هذه الأدمغة الذكية (LLMs) ضخمة جداً. تشغيلها في الوقت الفعلي داخل سماعة الواقع الافتراضي يشبه محاولة تشغيل سوبر كمبيوتر على محمصة خبز. الأمر يتطلب الكثير من الطاقة وهو بطيء جداً (زمن الاستجابة). إذا سألت سؤالاً واستغرق الروبوت 5 ثوانٍ للإجابة، فستبدو المحادثة ميتة.
الأمل المستقبلي: المتحمسون من المؤلفين يتطلعون إلى "النماذج اللغوية الكبيرة الصغيرة" (أدمغة أخف وأسرع) والتي قد تعمل بسلاسة على سماعات الواقع الافتراضي قريباً، مما يجعل هذه الشخصيات تبدو فورية وحية.
الصورة الكبيرة
هذه الورقة هي خارطة طريق. تقول:
"لدينا الأدمغة (LLMs) لجعل البشر الرقميين يتحدثون مثلنا. لدينا التكنولوجيا لوضعهم في الواقع الافتراضي. لكننا لا نزال بحاجة لمعرفة كيفية جعلهم يتحركون مثلنا، وكيفية اختبار ما إذا كانوا 'حقيقيين' حقاً، وكيف نجعلهم سريعين بما يكفي للعمل دون أن يتوقف جهاز الكمبيوتر الخاص بك."
إذا حللنا هذه الألغاز، فقد يكون لدينا معالجون افتراضيون يفهمون مشاعرك حقاً، ومعلمون يتكيفون مع أسلوب تعلمك، وشخصيات ألعاب تتذكر اسمك وتاريخك، مما يجعل العالم الافتراضي يبدو حقيقياً بقدر العالم الذي نعيش فيه.
بناءً على الورقة المقدمة، إليك ملخص تقني مفصل:
عنوان الورقة: نمذجة وتقييم وتجسيد الشخصية في النماذج اللغوية الكبيرة (LLMs): مسح شامل
المؤتمر: Findings of EMN_LP 2025 (النسخة الموسعة من مسودة arXiv) المؤلفون: إياغو أ. بريتو وآخرون (الجامعة الاتحادية في غوياس والجامعة الاتحادية في ماتو غروسو)
1. بيان المشكلة
تعالج الورقة فجوة حرجة في دمج النماذج اللغوية الكبيرة (LLMs) في بيئات الواقع الافتراضي (VR). وبينما أحدثت النماذج اللغوية الكبيرة ثورة في الدردشة القائمة على النصوص من خلال محاكاة الشخصية والمشاعر البشرية، فإن تطبيقها في البشر الرقميين المتجسدين داخل الواقع الافتراضي لا يزال غير مستكشف بشكل كافٍ.
المشكلة الجوهرية: غالبًا ما تفتقر الشخصيات الرقمية الحالية إلى سمات شخصية دقيقة ومتسقة، مما يؤدي إلى تفاعلات ميكانيكية وغير شخصية.
التحدي متعدد الوسائط: يركز البحث الحالي بشكل كبير على التفاعلات النصية فقط. ومع ذلك، يتطلب الانغماس الحقيقي في الواقع الافتراضي تكاملًا متعدد الوسائط، حيث يجب مزامنة المخرجات اللفظية (نص النموذج اللغوي الكبير) بسلاسة مع الإشارات غير اللفظية (تعبيرات الوجه، الإيماءات، نظرات العين، ونبرة الصوت) لخلق "شعور بالحضور" مقنع.
عجز التقييم: هناك نقص في الأطر المعيارية لتقييم سمات الشخصية في الوكلاء المتجسدين ومتعددي الوسائط. طرق التقييم الحالية مصممة أساسًا للمخرجات النصية وتفشل في استيعاب تعقيد التفاعلات وجهاً لوجه في الوقت الفعلي داخل الواقع الافتراضي.
2. المنهجية والأسلوب
هذا العمل عبارة عن مسح شامل وورقة مراجعة. هي لا تقترح خوارزمية جديدة واحدة، بل تعمل على توليف الأدبيات الموجودة لرسم خارطة طريق لأحدث ما توصل إليه العلم. تتضمن المنهجية ما يلي:
بناء التصنيف (Taxonomy): تصنيف أساليب تكييف الشخصية إلى ثلاث استراتيجيات رئيسية مدفوعة بالنماذج اللغوية الكبيرة:
التعلم من الصفر (Zero-Shot Learning): استخدام تعليمات/مطالبات لغوية طبيعية دقيقة لتوجيه النموذج نحو سمات محددة دون الحاجة لبيانات تدريب.
التعلم من أمثلة قليلة (Few-Shot Learning): تزويد النموذج بمجموعة محدودة من الأمثلة (مثل استجابات IPIP-NEO-120) ضمن المطالبة لاستحثاث سلوكيات شخصية محددة.
الضبط الدقيق تحت الإشراف (SFT): الضبط الدقيق الخاضع للإشراف باستخدام مجموعات بيانات مصنفة تحتوي على سمات شخصية محددة لتعديل أوزان النموذج بشكل دائم من أجل سلوك متسق.
تحليل الأدبيات: مراجعة كيفية تطبيق هذه الأساليب في سياقات غير الواقع الافتراضي (روبوتات الدردشة، الشخصيات غير القابلة للعب في الألعاب) وتحليل مدى تكيفها (أو عدم تكيفها) مع بيئات الواقع الافتراضي الغامرة.
مراجعة إطار التقييم: التحليل النقدي لطرق التقييم النوعية والكمية الموجودة (التقييم البشري، استخدام النموذج اللغوي كحكم، الاختبارات السيكومترية مثل "Big Five"، والتحليل اللغوي مثل LIWC) وتحديد أوجه القصور فيها عند تطبيقها على الوكلاء المتجسدين.
3. المساهمات الرئيسية
الربط بين معالجة اللغات الطبيعية (NLP) والواقع الافتراضي (VR): تربط الورقة صراحةً بين مجال معالجة اللغات الطبيعية (نمذجة شخصية النماذج اللغوية الكبيرة) والواقع الافتراضي، مؤكدة على ضرية الانتقال من واجهات الدردشة إلى التفاعلات المتجسدة متعددة الوسائط.
نمذجة الشخصية متعددة الوسائط: تؤكد الورقة أن الشخصية في الواقع الافتراضي لا تتعلق فقط بـ ما يقال، بل بـ كيف يقال ويُظهر. وتدعو إلى دمج توليد النصوص مع التحكم في الوقت الفعلي في تعبيرات الوجه والإيماءات.
تحديد فجوات التقييم: يحدد المسح أن مقاييس التقييم الحالية غير كافية للواقع الافتراضي. وتدعو الورقة إلى أطر عمل جديدة تقيم التوافق بين المحتوى اللفظي والإشارات العاطفية غير اللفظية (على سبيل المثال: هل يتوافق تعبير وجه الوكيل مع الشعور الذي يحمله نص النموذج اللغوي الكبير؟).
الاتجاهات المستقبلية: تحدد مسارات بحثية محددة، بما في ذلك:
النماذج اللغوية الكبيرة الصغيرة (SLLMs): استكشاف النماذج خفيفة الوزن لتقليل زمن الاستجابة (latency) ومتطلبات وحدة معالجة الرسومات المطلوبة للاستدلال في الوقت الفلي للواقع الافتراضي.
التوليد التوجيهي (Directive Generation): استخدام النماذج اللغوية الكبيرة ليس فقط للحوار، بل لتوليد توجيهات تحكم للأفعال البصرية (مثل "ابتسم" أو "اعبس") بناءً على السياق العاطفي.
أنظمة الذاكرة: تنفيذ ذاكرة قصيرة وطويلة المدى للشخصيات غير القابلة للعب (NPCs) للحفاظ على اتساق الشخصية عبر التفاعلات الممتدة.
4. النتائج والمكتشفات
الوضع الحالي: معظم أبحاث شخصية النماذج اللغوية الكبيرة محصورة في لعب الأدوار القائم على النصوص أو الشخصيات غير القابلة للعب في الألعاب. دراسات قليلة جدًا نجحت في دمج هذه النماذج في بيئات واقع افتراضي كاملة مع مخرجات متزامنة متعددة الوسائط.
الأداء مقابل التكلفة: بينما يوفر الضبط الدقيق (Fine-tuning) الشخصية الأكثر اتساقًا، إلا أنه مكلف حوسبيًا ويتطلب مجموعات بيانات ضخمة مصنفة. أما أساليب التعلم من الصفر ومن الأمثلة القليلة فهي أكثر مرونة ولكنها قد تفتقر إلى الاتساق طويل الأمد.
محدودية التقييم:
التقييم البشري: ذاتي للغاية ويصعب توحيده عبر مختلف المقيمين. يدخل في نطاق النموذج اللغوي كحكم (LLM-as-Judge): قابل للتوسع ولكنه عرضة للانحياز والحساسية تجاه صياغة المطالبات.
الاختبارات السيكومترية: غالبًا ما تعطي الأدوات القياسية (مثل استبيانات Big Five) نتائج غير موثوقة عند تطبيقها على النماذج اللغوية الكبيرة بسبب الحساسية لترتيب الأسئلة والافتقار إلى "الوعي الذاتي" الحقيقي في النماذج.
عنق زجاجة زمن الاستجابة (Latency): زمن الاستدلال المرتفع للنماذج اللغوية الكبيرة ذات التوليد الذاتي (auto-regressive) يخلق مشكلات في زمن الاستجابة التي تعطل الطبيعة الآنية للواقع الافتراضي، مما يستليزم البحث في النماذج اللغوية الكبيرة الصغيرة (SLLMs) وتقنيات التحسين.
5. الأهمية
هذا المسح مهم لعدة أسباب:
خارطة طريق تأسيسية: يوفر أساسًا مهيكلًا للباحثين الذين يهدفون إلى بناء الجيل القادم من البشر الرقميين، والانتقال من الصور الرمزية (Avatars) الثابتة إلى وكلاء ديناميكيين مدفوعين بالشخصية.
التأثير متعدد التخصصات: يعزز التعاون بين معالجة اللغات الطبيعية، رسومات الحاسوب، علم النفس، والتفاعل بين الإنسان والحاسوب (HCI).
إمكانات التطبيق: من خلال حل تحديات تجسيد الشخصية، يمهد العمل الطريق لتطبيقات تحويلية في:
التعليم: إنشاء معلمون افتراضيون متعاطفون ومتكيفون.
العلاج: تطوير رفقاء رقميين لعلاج حالات مثل اضطراب الشخصية الحدية (BPD) أو القلق.
الألعاب: تمكين شخصيات غير قابلة للعب غير مبرمجة (non-scripted) وواعية بالسياق، مما يعزز السرد القصصي والانغماس.
دعوة للتوحيد القياسي: تسلط الورقة الضوء بشكل عاجل على الحاجة إلى مقاييس تقييم معيارية ومتعددة الوسائط لضمان موثوقية وسلامة البشر الرقميين المدفوعين بالذكاء الاصطناعي في البيئات العامة والعلاجية.
في الختام، تجادل الورقة بأن مستقبل البشر الرقميين يكمي في الاندماج السلس بين الشخصية المدفوعة بالنماذج اللغوية الكبيرة والتجسيد متعدد الوسائط، مما يتطلب تحولًا من الأبحاث التي تركز على النصوص إلى تصميم تفاعلي شامل وغامر في الوقت الفعلي.