EdgeWisePersona: A Dataset for On-Device User Profiling from Natural Language Interactions

تخيل منزلاً لا يعرفك فقط من خلال الأوامر التي تعطيها، بل من خلال إيقاع حياتك. إنه يفهم أنك تفضل خفت الأضواء وتبريد الهواء عندما تغرب الشمس في أمسية ممطرة، أو أنك ترفع صوت التلفاز فقط عندما تكون بمفردك. لكي يعمل هذا النوع من الذكاء، يجب على الجهاز أن يبني صورة تفصيلية لمالكه، ويتعلم من سنوات من المحادثات والعادات. يكمن التحدي في مكان حدوث هذا التعلم. لسنوات، اعتمدت الأجهزة الذكية على خوادم حاسوبية ضخمة وبعيدة في السحابة لمعالجة هذه الأنماط. هذا النهج يعمل بشكل جيد، لكنه يرسل بيانات شخصية حساسة عبر الإنترنت، مما يخلق مخاطر تتعلق بالخصوصية وتأخيرات في الاستجابة. تهدف الجبهة الجديدة للذكاء الاصطناعي إلى نقل قوة التفكير هذه مباشرة إلى الجهاز نفسه — الهاتف، أو الجهاز اللوحي، أو السماعة في غرفة معيشتك. يعد هذا التحول باستجابات فورية وخصوصية تامة، ولكنه يأتي مع عقبة شديدة: فالرقائق الصغيرة داخل هذه الأجهزة أقل قدرة بكثير من الخوادم العملاقة التي تحل محلها. السؤال الذي يواجهه الباحثون الآن هو ما إذا كان بإمكان كمبيوتر صغير وفعال أن يتعلم حقاً العادات المعقدة لكائن بشري دون الحاجة إلى استدعاء خادم عملاق للمساعدة.

قام فريق من الباحثين في "تي سي إل ريسيرش أوروبا" (TCL Research Europe) في وارسو بمعالجة هذا السؤال من خلال إنشاء ميدان اختبار جديد يسمى "إيدج وايز بيرسونا" (EdgeWisePersona). لقد بنوا مجموعة ضخمة من المحادثات المحاكية بين الناس وأنظمة المنازل الذكية الخاصة بهم، صُممت خصيصاً لمعرفة ما إذا كانت أجهزة الكمبيوتر الصغيرة الموجودة على الأجهزة يمكنها معرفة هوية المستخدم بمجرد الاستماع إلى ما يقوله. لم يعتمد الباحثون على بيانات من العالم الحقيقي، والتي يمكن أن تكون فوضوية وغير متسقة. بدلاً من ذلك، استخدموا ذكاءً اصطناعياً قوياً لتوليد عشرة آلاف محادثة متميزة تتضمن مائتي مستخدم خيالي مختلف. وقد مُنح كل مستخدم من هؤلاء "ملفاً تعريفياً" سرياً ومنظماً يحدد عاداته. لم تكن هذه الملفات مجرد تفضيلات بسيطة مثل "أنا أحب اللون الأزرق"، بل كانت مجموعات معقدة من القواعد، أو الروتينات، التي تربط مواقف محددة بأفعال محددة. على سبيل المثال، قد يكون لدى مستخدم روتين ينص على: "إذا كان الوقت مساءً، والطقس ممطراً، ودرجة الحرارة دافئة، فقم بتحويل أضواء غرفة المعيشة إلى لون دافئ واضبط مكيف الهواء على سرعة منخفضة محددة". ثم قام الباحثون بتغذية هذه الملفات التعريفية في الذكاء الاصطناعي لتوليد حوارات طبيعية وانسيابية حيث يطلب المستخدمون من أجهزتهم تغيير الإعدادات، غالباً دون التصريح بالقاعدة الكامنة وراء ذلك بشكل مباشر.

كانت المهمة الجوهرية للدراسة هي معرفة ما إذا كان بإمكان الكمبيوتر النظر في هذه المحادثات وإعادة هندسة القواعد الخفية. طلب الباحثون من نماذج ذكاء اصطناعي مختلفة قراءة سجل الدردشة وكتابة روتينات المستخدم. واختبروا هذه القدرة على نوعين من النماذج: الأنظمة الضخمة القائمة على السحابة التي تشغل حالياً أكثر أنظمة الذكاء الاصطناعي تقدماً، والنماذج الأصغر والمدمجة المصممة للعمل على الهواتف المحمولة والأجهزة اللوحية. كانت النتائج واضحة وكاشفة. كانت النماذج الكبيرة القائمة على السحبة جيدة بشكل ملحوظ في هذه المهمة؛ فقد استطاعت قراءة المحادثات وإعادة بناء القواعد المعقدة بدقة، وتخمين الوقت من اليوم، وحالة الطقس، وإعدادات الأجهزة المحددة بدقة عالية. لقد فهمت الروابط الدقيقة بين الأمسية الممطرة والرغبة في خلق جو مريح.

ومع ذلك، عانت النماذج الأصغر بشكل كبير. وبينما كان بإمكانها أحياناً تخمين الفكرة العامة لما يريده المستخدم، إلا أنها فشلت في التقاط التفاصيل الدقيقة التي تجعل المنزل الذكي ذكياً حقاً. فعندما طُلب منها التنبؤ بدرجة الحرارة الدقيقة أو مستوى الصوت المحدد الذي يفضله المستخدم، كانت النماذج الصغيرة تخطئ الهدف بهوامش واسعة. كانت أفضل في تخمين الفئة العامة للطلب، مثل معرفة أن المستخدم يريد تشغيل الأضواء، لكنها كثيراً ما كانت تخطئ في مستوى السطوع المحدد. وفي كثير من الحالات، لم تستطع النماذج الصغيرة التمييز بين مستخدم يريد تشغيل مكيف الهواء على وضع "التبريد" مقابل وضع "التلقائي"، أو خمنت اليوم الخاطئ من الأسبوع لروتين معين. كانت الفجوة في الأداء صارخة: حيث استطاعت النماذج الكبيرة إعادة بناء نمط سلوك المستخدم بالكامل بدقة عالية، بينما أنتجت النماذج الصغيرة تخمينات صحيحة جزئياً فقط أو خاطئة تماماً.

يسلط هذا الفارق في الأداء الضوء على تحدٍ كبير لمستقبل التكنولوجيا التي تركز على الخصوصية. وجد الباحثون أنه بينما تمتلك النماذج الصغيرة بعض القدرة على التعلم من المحادثة، إلا أنها ليست جاهزة بعد لاستبدال الأنظمة الكبيرة في المهام المعقدة مثل فهم العادات البشرية. تشير الدراسة إلى أنه لكي يتمكن جهاز ما من معرفة روتين المستخدم حقاً — أي معرفة كيفية ضبط الأضواء، ودرجة الحرارة، والصوت بدقة بناءً على مزيج من الطقس، والوقت، والمزاج — فإنه يحتاج حالياً إلى قوة المعالجة التي يوفرها نموذج كبير. النماذج الصغيرة تشبه الطلاب الذين يمكنهم حفظ بعض الحقائق ولكن لا يمكنهم بعد ربط النقاط ببعضها لفهم قصة معقدة. وأشار الباحثون إلى أن هذا ليس فشلاً للمفهوم، بل هو قصور في التكنولوجيا الحالية. النماذج الصغيرة قادرة على العمل على هاتف، لكنها تفتقر إلى العمق لاستنتاج شبكة الأسباب والنتائج المعقدة التي تحدد نمط الحياة البشري.

نظرت الدراسة أيضاً في أنواع محددة من المعلومات التي توجب على النماذج تخمينها. ووجدوا أن التنبؤ بـ "المحفزات" (triggers) للروتين — مثل الوقت من اليوم أو الطقس — كان أسهل بالنسبة للنماذج الصغيرة من التنبؤ بـ "الأفعال"، وهي التغييرات المحددة التي تُجرى على الأجهزة. كان من الأسهل لنموذج صغير أن يخمن أن المستخدم يريد تشغيل الأضواء في المساء، من أن يخمن أن المستخدم يريد ضبط الأضواء بنسبة سطوع 40 بالمائة بالضبط. يشير هذا إلى أنه بينما قد تتعامل الأجهزة الصغيرة في النهاية مع الأوامر البسيطة، فإن التحكم الدقيق المطلوب لمنزل مخصص حقاً لا يزال بعيد المنال في الوقت الحالي. وأكد الباحثون أن عملهم كان عبارة عن محاكاة، باستخدام بيانات مولدة لاختبار حدود هذه النماذج. لم يختبروا ذلك على أشخاص حقيقيين في منازل حقيقية، لذا فإن النتائج تعكس مدى جودة تعامل النماذج مع البيانات المهيكلة، وليس بالضرورة كيف ستتصرف في الواقع الفوضوي لمنزل مأهول.

على الرغم من هذه القيود، يمثل مجموعة بيانات "إيدج وايز بيرسونا" خطوة حاسمة للأمام. فهي توفر طريقة واضحة ومنظمة لقياس التقدم في هذا المجال. ومن خلال تحديد ماهية "الروتين" بدقة وكيفية إعادة بنائه، منح الباحثون المجتمع العلمي مسطرة معيارية لقياس التحسينات المستقبلية. يظهر العمل أن حلم وجود ذكاء خاص على الجهاز يتعلم عاداتك هو أمر ممكن من الناحية النظرية، لكن التكنولوجيا ليست هناك بعد. تحتاج النماذج الصغيرة إلى أن تصبح أفضل بكثير في فهم التفاصيل الدقيقة للسلوك البشري قبل أن يمكن الوثوق بها لإدارة منزل دون اتصال بالسحابة. وحتى ذلك الحين، تظل الطريقة الأكثر دقة لفهم حياة المستخدم مرتبطة بالأنظمة الكبيرة والقوية في السحابة. إن الطريق إلى الأمام يتضمن سد الفجوة بين الصغير والكبير، وضمان ألا تأتي خصوصية وسرعة الحوسبة على الجهاز على حساب الذكاء المطلوب لجعل المنزل يشعر بأنه شخصي حقاً.