On the Wings of Imagination: Conflicting Script-based Multi-role Framework for Humor Caption Generation
تقدم هذه الورقة HOMER، وهو إطار عمل جديد لنماذج اللغات الكبيرة متعدد الأدوار مدفوع بنظرية الفكاهة، يستفيد من التضادات السيناريوية، والتخيل الهرمي المعزز بالاسترجاع، وتوليد التعليقات المستهدف للتفوق بشكل كبير على الأساليب الحالية الرائدة في إنشاء تعليقات صور متعددة الوسائط مضحكة.
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 كيف يلقي نكتة. قد تفكر: "فقط أعطه صورة واطلب منه أن يكون مضحكاً!" ولكن هنا تكمن العقبة: بالنسبة للكمبيوتر، فإن "المرح" مفهوم مراوغ ومربك. الأمر لا يقتصر فقط على وصف ما تراه؛ بل يتعلق بفهم القواعد الخفية للعالم، ورصد متى تُكسر تلك القواعد، ثم إجهاد عقلك لإيجاد المفاجأة في ذلك الكسر. هذا هو جوهر توليد الفكاهة متعدد الوسائط (multimodal humor generation)، وهو مجال يحاول فيه العلماء مساعدة الذكاء الاصطناعي (AI) على فهم الفرق بين كوب قهوة عادي وكوب قهوة بحجم حوض الاستحمام.
للقيام بذلك، يعتمد الباحثون في هذه الورقة البحثية على فكرة كلاسيكية من نظرية الفكاهة تسمى تضاد السيناريوهات (Script Opposition). فكر في "السيناريو" كأنه نص فيلم ذهني نحفظه جميعاً عن ظهر قلب، مثل "حضور اجتماع" أو "شرب القهوة". غالباً ما تحدث الفكاهة عندما يصطدم سيناريوهان من هذه السيناريوهات مع بعضهما البعض بطريقة غريبة—مثل اجتماع عمل جاد حيث يشرب الجميع من أكواب ضخمة. تقترح الورقة أنه لكي تجعل الكمبيوتر مضحكاً حقاً، لا يمكنه مجرد التخمين؛ بل يحتاج إلى خطة منظمة لإيجاد هذه الاصطدامات، وتخيل روابط جامحة، ثم كتابة جملة ختامية (punchline) تربط كل ذلك معاً.
تقدم الورقة نظاماً جديداً يسمى HOMER (إطار عمل تعاوني لنماذج اللغات الكبيرة متعددة الأدوار مدفوع بنظرية الفكاهة مع استرجاع الفكاهة). بدلاً من مطالبة ذكاء اصطناعي واحد بأن "يكون مضحكاً" والأمل في تحقيق أفضل النتائج، يعمل HOMER كفريق كتابة كوميدي صغير ومتخصص. فهو يقسم المهمة إلى ثلاثة أدوار متميزة، يلعب كل منها "وكيل ذكاء اصطناعي" مختلف يعمل معاً:
- محقق الصراع (مستخرج السيناريوهات المتعارضة): يبحث هذا الوكيل في الصورة ووصف المشهد لإيجاد "الخلل" في الواقع. إذا كانت الصورة تظهر غرفة اجتماعات بكراسي عادية ولكن مع كوب قهوة واحد ضخم وفوق العادة، فإن هذا الوكيل يرصد التضارب بين "المكتب الطبيعي" و"الكوب الضخم". إنه يحدد التناقض الجوهري الذي يجعل النكتة ممكنة.
- المتخيل الجامح (المتخيل الهرمي): بمجرد العثور على الصراع، ينطلق هذا الوكيل في رحلة بحث إبداعية. يأخذ هذا الوكيل الشيء الغريب (الكوب الضخم) ويبني شجرة من الارتباطات. قد يفكر: كوب ← قهوة ← حليب ← بقرة. لكنه لا يكتفي بالتخمين فحسب؛ بل يتحقق من قاعدة بيانات ضخمة من النكات البشرية الحقيقية ليرى أي الروابط ستكون مضحكة بالفعل. يقوم بتقليم الأفكار المملة ويحتفظ بالأفكال التي تمتلك أكبر قدر من "إمكانات الفكاهة".
- كاتب الجملة الختامية (مولد التعليقات): أخيراً، يأخذ هذا الوكيل الصراع، وشجرة الخيال الجامح، ووصف المشهد ليكتب التعليق الفعلي. إنه يجمع كل القرائن في جملة قصيرة وذكية تشرح الموقف العبثي.
تجد الورقة أن نهج الفريق هذا يعمل بشكل أفضل بكثير من ترك ذكاء اصطناعي واحد يحاول القيام بكل شيء في وقت واحد. فعند اختباره على آلاف التعليقات الكرتونية الواقعية من مجلة نيويوركر (مجلة شهيرة معروفة برسوماتها المضحكة)، تفوق HOMER باستمرار على نماذج الذكاء الاصطناعي الرائدة الأخرى. في الواقع، كانت تعليقات HOMER، في المتوسط، أكثر عرضة للفوز ضد التعليقات المكتوبة بشرياً بنسبة 7% مقارم بالمنهج التالي في الأفضلية.
يجادل المؤلفون ضد فكرة أن مجرد جعل الذكاء الاصطناعي "يفكر بجهد أكبر" أو "يستنتج أكثر" (مثل استخدام سلاسل منطقية معقدة خطوة بخطوة) هو أمر كافٍ لتوليد الفكاهة. إنهم يظهرون أنه بدون دليل محدد حول كيفية عمل الفكاهة (مثل البحث عن تضاد السيناريوهات) وبدون طريقة منظمة لاستكشاف الأفكار الإبداعية، تميل التعليقات التي ينتجها الذكاء الاصطناعي إلى أن تكون منطقية ولكنها ليست مضحكة حقاً. ومن خلال تفكيك العملية إلى هذه الخطوات المحددة والموجهة نظرياً، يخلق HOMER تعليقات تبدو أكثر أصالة وممتعة حقاً، مما يثبت أنه أحياناً، لكي تكون مضحكاً، تحتاج إلى القليل من الهيكلية والكثير من الخيال.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.