💬 NLP

Large Emotional World Model

تقدم هذه الورقة نموذج العالم العاطفي الكبير (LEWM)، وهو إطار عمل مبتكر يدمج العاطفة البشرية كمتغير حالة أساسي للتنبؤ بالحالات العاطفية والجسدية المستقبلية، مما يظهر تحسينات كبيرة في الأداء في مهام التنبؤ بحالة العالم، وفهم العواطف، ومهام الاستدلال العام.

المؤلفون الأصليون: Changhao Song, Yazhou Zhang, Hui Gao, Chang Yang, Peng Zhang

نُشر 2026-07-30

📖 2 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Changhao Song, Yazhou Zhang, Hui Gao, Chang Yang, Peng Zhang

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول تعليم روبوت كيفية قيادة سيارة. إذا عرضت عليه قوانين الفيزياء فقط، فسيتعلم أنه إذا اصطدم بجدار من الطوب، فإن السيارة ستتوقف. هذا هو "العالم المادي". ولكن إذا أردت لهذا الروبوت أن يقود في مدينة مليئة بالبشر، فإن الفيزياء ليست كافية. يجب أن يفهم أنه إذا قطع عليه سائق آخر الطريق، فقد يغضب السائق الآخر، أو يضغط على المكابح بقوة، أو يصرخ. إذا لم يتوقع الروبوت هذا الشعور، فلن يتمكن من توقع ما سيحدث بعد ذلك. هذا هو السؤال الكبير في مجال يسمى "نماذج العالم" (World Models). يحاول العلماء بناء عقول رقمية لا تكتفي برؤية ما يحدث الآن فحسب، بل يمكنها محاكاة كيفية تكشف المستقبل. لفترة طويلة، كانت هذه العقول الرقمية تشبه محركات الفيزياء: بارعة في تحريك الكتل والكرات، لكنها سيئة للغاية في فهم سبب قيام البشر بما يفعلونه. لقد افتقرت إلى المكون السري: المشاعر.

تقدم هذه الورقة البحثية نوعاً جديداً من العقول الرقمية يسمى نموذج العالم العاطفي الكبير (LEWM). أدرك الباحثون، تشانغهاو سونغ وفريقه من جامعة تيانجين، أنه للتنبؤ بالمستقبل في عالم بشري، عليك التنبؤ بالمشاعر أولاً. لقد بنوا مجموعة بيانات ضخمة جديدة تسمى EWH (العاطفة-لماذا-كيف)، وهي تشبه مكتبة من 10,850 قصة فيديو قصيرة. تعرض كل قصة شخصاً، وما كان يشعر به قبل ذلك، وما فعله، وكيف تغيرت مشاعره، وما حدث بعد ذلك. فكر في الأمر ككتاب "اختر مغامرتك الخاصة" حيث تعتمد تقلبات الحبكة تماماً على ما إذا كانت الشخصية سعيدة، أو غاضبة، أو حزينة.

باستخدام هذه المكتبة، دربوا نموذج LEWM ليفكر في خطوتين، مثل محقق يحل لغزاً. أولاً، يسأل النموذج: "بالنظر إلى ما حدث للتو، كيف سيشعر هذا الشخص بعد ذلك؟" هو يتنبأ بالعاطفة. ثانياً، يسأل: "الآن بعد أن عرفت كيف يشعر، ماذا سيفعل بعد ذلك؟" من خلال وضع العاطفة في المنتصف، يمكن للنموذج أن يرى أن حادث المرور نفسه قد يؤدي إلى محادثة هادئة إذا كان السائق سعيداً، أو إلى مشاجرة صاخبة إذا كان غاضباً. النتائج مثيرة للإعجاب: على مجموعة البيانات العاطفية الجديدة الخاصة بهم، حقق LEWM دقة أعلى بنسبة تصل إلى 45.72% مقارنة بالنماذج السابقة. كما أصبح أفضل في فهم العواطف بشكل عام (بتحسن قدره 17.47% في أحد الاختبارات)، وأصبح أيضاً أكثر ذكاءً في الإجابة على الأسئلة الصعبة حول السياسة والعلوم دون أن يفقد قدرته على فهم العالم المادي. تشير الورقة البحثية إلى أنه من خلال تعليم الذكاء الاصطناعي الاهتمام بالمشاعر، نحن لا نجعله لطيفاً فحسب؛ بل نجعله أفضل بكثير في التنبؤ بكيفية عمل العالم البشري الحقيقي بالفعل.

ملخص تقني: نموذج العالم العاطفي الكبير (LEWM)

بيان المشكلة

تُصمم نماذج العالم الحالية بشكل أساسي لتعلم القوانين الفيزيائية التي تحكم انتقالات الحالة (مثل حركة الأجسام، والاستمرارية المكانية). وبينما هي فعالة في محاكاة العالم المادي، إلا أنها تفشل في استيعاب "العالم البشري"، حيث تتشكل الأفعال والقرارات والتفاعلات بعمق من خلال الديناميكيات الوجدانية الداخلية. نادراً ما تعامل النماذج الحالية العاطفة كعامل سببي صريح في انتقالات الحالة. وبناءً على ذلك، لا يمكنها التنبؤ بدقة بالحالات المستقبلية في البيئات التي تتمحور حول الإنسان، حيث يمكن لحدث مادي واحد (مثل حادث مروري) أن يؤدي إلى مسارات متباينة اعتماداً على الحالة العاطفية للفاعل (مثل الحل التعاوني مقابل المواجهة العدائية).

المنهجية

1. بناء مجموعة البيانات: (Emotion-Why-How - EWH)

لمعالجة نقص البيانات المتعلقة بانتقالات الحالة العاطفية، قام المؤلفون ببناء EWH، وهي أول مجموعة بيانات لنماذج العالم تتمحور حول الديناميكيات العاطفية.

مصادر البيانات: 2,258 فيديو من منظور الشخص الأول من منصة TikTok/Douyin و1,583 حلقة من ثمانية مسلسلات تلفزيونية (مثل Friends و The Office)، تغطي إعدادات متنوعة مثل المنازل، وأماكن العمل، والسفر.
الهيكل: تحتوي مجموعة البيانات على 10,850 زوجاً (tuple) من الانتقالات المدركة عاطفياً. يتم صياغة كل زوج كـ $T = \langle(S_0, E_0), H, (S_1, E_1)\rangle$ $T = ⟨(S_{0}, E_{0}), H, (S_{1}, E_{1})⟩$ ، حيث:
- $S_0, S_1$ : الحالات الملحوظة (فيديو متزامن، صوت، صورة).
- $E_0, E_1$ : الحالات العاطفية (مصنفة كحياد، سعادة، حزن، غضب، خوف، مفاجأة، اشمئزاز).
- $H$ : مسار السلوك المتدخل.
منطق (لماذا-كيف): يربط الهيكل صراحةً بين "لماذا" (السبب الوجداني للسلوك) و"كيف" (أثر الانتقال العاطفي على تطور الحالة المستقبلية).
سير العمل: عملية مكونة من أربع مراحل تشمل تقسيم الفيديو، واستخراج الانتقالات المدركة عاطفياً (باستخدام Qwen3.5-VL و GPT-5)، وبناء العينات، والرقابة الصارمة على الجودة (التصفية التلقائية + التحقق البشري).

2. بنية النموذج: نموذج العالم العاطفي الكبير (LEWM)

LEWM هو إطار عمل متعدد الوسائط يتكون من مشفر (Encoder)– لغة ضخمة (LLM)– ومفكك تشفير (Decoder) متعدد الوسائط، يقوم بتجزئة التنبؤ المستقبلي إلى خطوتين مقترنتين:

ترميز حالة العالم متعدد الوسائط: يتم ترميز الحالات الملحوظة ( $V, A, I$ ) والعاطفة الحالية ( $E_t$ ) عبر مشفرات خاصة بكل وسيط، ثم تُسقط في فضاء تضمين النموذج اللغوي الضخم (LLM). وتُحول مسارات السلوك ( $H_t$ ) إلى رموز نصية (Tokens).
نمذجة الانتقال المدرك للعاطفة (التنبؤ المجزأ):
- الخطوة 1 (التنبؤ بالعاطفة): يتنبأ النموذج أولاً بالحالة العاطفية المستقبلية ( $\hat{E}_{t+1}$ ) بناءً على السياق الحالي: $p(E_{t+1} | S_t, E_t, H_t)$ .
- الخطوة 2 (التنبؤ بالحالة): تُستخدم العاطفة المتنبأ بها كإشارة شرطية لتوجيه التنبؤ بحالة العالم المستقبلية: $p(S_{t+1} | S_t, E_t, H_t, \hat{E}_{t+1})$ .
- يفترض هذا التصميم أن الحالات المستقبلية تتم بوساطة الانتقالات الوجدانية، وليس فقط الملاحظات الخارجية.
التوليد التكراري (Autoregressive Generation): يستخدم النموذج رموز توليد مخصصة ([IMG], [VID], [AUD]) لتوليد الحالات متعددة الوسائط المستقبلية بشكل تكراري.
التحسين (Optimization): تستخدم دالة خسارة متعددة المهام تشرف بشكل مشترك على تصنيف العاطفة المستقبلية، وتوليد الرموز التكراري، والتنبؤ بالحالة المستقبلية متعددة الوسائط (عبر المسافة في فضاء التضمين).

المساهمات الرئيسية

صياغة نمذجة العالم الوجداني: يقدم البحث مفهوم دمج العاطفة كمتغير حالة رئيسي في نماذج العالم لالتقاط كل من تطور الحالة الفيزيائية والأسباب الوجدانية.
مجموعة بيانات EWH: إنشاء أول مجموعة بيانات لنماذج العالم تتمحور صراحةً حول الانتقالات العاطفية، مما يسد الفجوة بين التعرف الثابت على العواطف والنمذجة الديناميكية للعالم.
بنية LEWM: اقتراح إطار تنبؤ مجزأ يشترط التنبؤ بحالة العالم على الحالات العاطفية المتنبأ بها، مما يثبت أن هذا النهج يحسن الأداء دون التضحية بقدرات الاستدلال العامة.

النتائج التجريبية

التنبؤ بحالة العالم

EWH (العالم العاطفي): حقق LEWM أفضل أداء في 10 من أصل 12 مهمة. مقارنة بالنموذج المرجعي WorldGPT، فقد حسن التنبؤ بالفيديو بنسبة تصل إلى 45.73% والتنبؤ بالصوت بنسبة تصل إلى 24.75%.
WorldNet (العالم الفيزيائي): أظهر LEWM مكاسب ثابتة (تصل إلى 3.94%) حتى في إعدادات العالم الفيزيائي، لا سيما في التنبؤ بالصوت، مما يشير إلى أن الديناميكيات العاطفية توفر إشارات تكميلية للانتقالات الفيزيائية.
دراسة الاستئصال (Ablation): أدى إزالة الشرط العاطفي ("No Emotion") إلى تدهور الأداء باستمرار. استخدام "المستقبل المثالي" (Oracle Future - العاطفة الحقيقية) حقق أعلى المكاسب، مما يشير إلى الإمكانات الكبيرة للتحسين من خلال التنبؤ الأكثر دقة بالعواطف.

فهم العواطف

MELD: حقق LESM تحسناً بنسبة 17.47% في مقيء Weighted-F1 في تحليل المشاعر، ومكاسب كبيرة في التعرف على العواطف الدقيقة.
التعميم: تفوق النموذج على هيكله الأساسي في اختبار GoEmotions الصعب المكون من 28 فئة، مما يشير إلى أن تعلم الانتقالات العاطفية ينتج تمثيلات عاطفية قابلة للنقل.

الاستدلال العام

الاختبارات المرجعية (MMLU, HellaSwag, VQAv2, NExT-QA): ظل LEWM مقارباً للنموذج المرجعي WorldGPT في مهام الاستدلال العامة. ومن الملاحظ أنه حقق زيادة بنسبة 6.10% في العلوم السياسية (MMLU) و 5.95% في التعرف على الحيوانات (VQAv2)، مما يثبت أن النمذجة العاطفية لا تضر، بل قد تعزز، الاستدلال العام.

التحليل المقابل للواقع (Counterfactual Analysis)

أظهرت تجارب التدخل (استبدال العاطفة المدخلة مع تثبيت الحالة والسلوك) أن LEWM ينتج تغييرات هيكلية غير صفرية في تنبؤات الحالة المستقبلية عبر الوسائط المختلفة. وقد أدت العواطف ذات الاستثارة العالية إلى تباينات أكبر، مما يؤكد أن النموذج يعامل العاطفة كمتغير نشط في التنبؤ بالحالة المستقبلية.

الأهمية والادعاءات

يزعم البحث أن دمج العاطفة في نماذج العالم يتيح محاكاة أكثر واقعية للبيئات التي تتمحور حول الإنسان. ومن خلال تجاوز التنبؤ بالحالة الفيزيائية إلى نمذجة الديناميكيات الوجدانية، يوسع LEWM الفهم التنبئي للوكلاء الأذكياء. يضع هذا العمل حجر الأساس لـ "الوكلاء المتجذرين اجتماعياً" القادرين على نمذجة أفضل للسلوك البشري، والتفاعل، واتخاذ القرار. ويؤكد المؤلفون أن نهجهم لا يكتفي بتصنيف العواطف بشكل ثابت، بل ينمذج التطور الديناميكي للعاطفة كمحرك سببي لحالات العالم المستقبلية.