💻 computer science

NarrativeLoom: Enhancing Creative Storytelling through Multi-Persona Collaborative Improvisation

يقدم البحث نظام NarrativeLoom، وهو نظام سرد قصصي تعاوني متعدد الشخصيات يرتكز على نظرية كامبل حول التباين الأعمى والاحتفاظ الانتقائي، والذي أظهرت دراسة منضبطة شملت 50 مشاركاً أنه يعزز بشكل كبير الحداثة والتنوع والإبداع العام للقصص المشتركة في التأليف مقارنة بالأدوات الحالية، لا سيما من خلال تقديم الدعم الهيكلي للكُتّاب المبتدئين.

المؤلفون الأصليون: Yuxi Ma, Yongqian Peng, Fengyuan Yang, Siyu Zha, Chi Zhang, Zixia Jia, Zilong Zheng, Yixin Zhu

نُشر 2026-03-10

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yuxi Ma, Yongqian Peng, Fengyuan Yang, Siyu Zha, Chi Zhang, Zixia Jia, Zilong Zheng, Yixin Zhu

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 كتابة قصة، لكنك اصطدمت بحائط مسدود. أنت تعرف البداية، لكن ليس لديك أدنى فكرة عما سيحدث بعد ذلك. تسأل روبوت دردشة ذكاء اصطناعي قياسي للحصول على المساعدة، فيعطيك اقتراحاً. إنه جيد، لكنه يبدو مملًا ومتوقعًا بعض الشيء. تسأل مرة أخرى، فيعطيك شيئًا مشابهًا جدًا. هذه هي المشكلة التي تواجهها معظم أدوات الكتابة بالذكاء الاصطناعي الحالية: فهي بارعة جدًا في تخمين الكلمة "الأكثر احتمالاً" التالية، مما يعني أنها نادرًا ما تفاجئك بشيء إبداعي حقًا.

إليك NarrativeLoom، وهي أداة جديدة صُممت لإصلاح ذلك عبر العمل ليس ككاتب آلي واحد، بل كـ غرفة مليئة بالخبراء المبدعين المختلفين الذين يعقدون جلسة عصف ذهني معك.

إليك كيف يعمل، مشروحًا من خلال تشبيهات بسيطة:

١. المشكلة: الروبوت "الآمن"

فكر في روبوت الدردشة القياسي كأنه أمين مكتبة مهذب للغاية وآمن للغاية. إذا سألته عن قصة حول تنين، سيعطيك القصة الأكثر شيوعًا عن التنانين التي يعرفها. إنها سليمة لغويًا، لكنها نفس القصة التي سمعتها ألف مرة. إنها تفتقر إلى "الشرارة".

٢. الحل: "جلسة عزف إبداعية"

يغير NarrativeLoom قواعد اللعبة. فبدلاً من أمين مكتبة واحد، يقوم بتوظيف عشرة متخصصين مختلفين (يُطلق عليهم اسم "شخصيات") لمساعدتك.

أحدهم هو محقق غموض يحب الأدلة والتحولات المفاجئة.
أحدهم هو روائي رومانسي يركز على المشاعر والعلاقات.
أحدهم هو مستقبلي خيال علمي يحب التكنولوجيا والفضاء.
أحدهم هو كاتب رعب يعرف كيف يبني التشويق.

عندما تعطيهم فكرة صغيرة (تسمى "الشرارة")، يصرخ هؤلاء المتخصصون العشرة بأفكار مختلفة للمشهد التالي في نفس الوقت. قد يقول أحدهم: "التنين في الواقع هو روبوت!" وقد يقول آخر: "التنين يبكي لأنه فقد طفله!" وقد يقول آخر: "التنين في الواقع هو استعارة للتغير المناخي!"

هذا ما يسمى التباين الأعمى (Blind Variation). يقوم النظام بإنشاء تنوع هائل من الأفكار الجامحة والمختلفة، والغريبة أحيانًا، دون الاهتمام بما إذا كانت منطقية بعد.

٣. دورك: "المخرج"

هنا يأتي دورك. أنت المدير الإبداعي.

تنظر إلى الاقتراحات العشرة من "فريقك" من خبراء الذكاء الاصطناعي.
تختار الاقتراح الذي يثير حماسك أكثر.
يمكنك تعديله، أو تغيير الإعداد، أو دمج فكرتين معًا.
ثم تخبر النظام: "حسنًا، لنكتب هذا المشهد الآن".

هذا ما يسمى الاحتفاظ الانتقائي (Selective Retention). أنت المسؤول، تحافظ على القصة وفية لرؤيتك بينما تستخدم الذكاء الاصطناعي للخروج من عاداتك الإبداعية الخاصة.

٤. بناء القصة: "النول" (The Loom)

يأتي اسم "NarrativeLoom" من كيفية بناء القصة. فبدلاً من كتابة رواية كاملة في كتلة واحدة ضخمة، يبني القصة نبضة بنبضة (مثل الإيقاع الموسيقي أو سلسلة من أحجار الخطوة).

الخطوة ١: تختار "نبضة" (مثلاً: "البطل يدخل المنزل المسكون").
الخطوة ٢: يعطيك خبراء الذكاء الاصتمت العشرة ١٠ طرق مختلفة لكيفية سير ذلك المشهد.
الخطوة ٣: تختار الأفضل منها وتوسعها لتصبح مشهدًا كاملاً.
الخطوة ٤: تنتقل إلى النبضة التالية.

يحتفظ النظام بـ "بنك ذاكرة" لكل ما كتبته حتى الآن. إنه يعمل كـ محرر استمرارية، ويتأكد من أنه إذا فقد بطل قصتك ذراعه في المشهد الأول، فلن تظهر فجأة بذراعين في المشهد العاشر. هذا يحافظ على منطقية القصة حتى بينما تكون الأفكار جامحة.

ماذا وجدوا؟

اختبر الباحثون هذا مع ٥٠ شخصًا وأربعة من خبراء القصص المحترفين. وإليك ما حدث:

قصص أفضل: كانت القصص التي صُنعت باستخدام NarrativeLoom أطول، وتحتوي على حوارات أكثر، وتدور أحداثها في بيئات أكثر إثارة للاهتمام من القصص التي صُنعت باستخدام روبوت دردشة عادي.
مفاجآت أكثر: صنف الخبراء قصص NarrativeLoom بأنها أكثر إبداعًا وأصالة وتعقيدًا بشكل ملحوظ. شعروا وكأن الذكاء الاصطناعي "يفكر" حقًا خارج الصندوق.
جيد للمبتدئين: أحب الكتاب الجدد هذه الأداة لأنها منحتهم هيكلًا والعديد من الأفكار للاختيار من بينها. لقد ساعدتهم على تجاوز حالة الانسداد الإبداعي.
جيد للمحترفين أيضًا: حتى الكتاب ذوو الخبرة أحبوا الأداة، رغم أنهم فضلوا استخدامها أكثر لتبادل الأفكار (العصف الذهني) بدلاً من الكتابة الفعلية، وهو ما يمكنهم القيام به بأنفسهم.

الخلاصة الكبرى

يثبت NarrativeLoom أنه لجعل الذكاء الاصطناعي مبدعًا حقًا، لا ينبغي لنا فقط جعل الذكاء الاصطناعي "أذكى" أو "أكبر". بدلاً من ذلك، يجب أن نغير كيفية عملنا معه.

من خلال معاملة الذكاء الاصطناعي ليس كمؤلف واحد، بل كـ فريق متنوع من المرتجلين الذين يمكنك توجيههم، يمكننا إنشاء قصص تكون مثيرة ومترابطة في آن واحد. إنه يحول الكتابة من صراع وحيد إلى لعبة تعاونية ممتعة حيث تكون أنت القبطان لسفينة مبدعة للغاية.

إليك ملخص تقني مفصل لورقة بحثية بعنوان: "NarrativeLoom: تعزيز السرد القصصي الإبداعي من خلال الارتجال التعاوني متعدد الشخصيات."

1. بيان المشكلة

تعاني أدوات سرد القصص الحالية القائمة على النماذج اللغوية الكبيرة (LLMs) من "فخ الاحتمالية"، حيث تولد نصوصاً هي الأكثر احتمالاً إحصائياً، مما يجعلها متوقعة، ومبتذلة، ومتجانسة. يحدث هذا لأن بنيات التنبؤ بالرمز التالي (next-token prediction) القياسية تعمل على تحسين التماسك والطلاقة على حساب الجدة والمفاجأة. يواجه الكتاب توتراً بين الحاجة إلى التنوع الإبداعي (تحولات الحبكة غير المتوقعة) والحفاظ على التحكم السردي (التماسك والقدرة التأليفية). غالباً ما تفشل الأدوات الحالية في تقديم مفاجآت ذات معنى دون التضحية بقدرة المستخدم على توجيه القصة، مما يؤدي إلى "وعد زائف بالإبداع".

2. المنهجية

الإطار النظري: التباين الأعمى والاستبقاء الانتقائي (BVSR)

يرتكز النظام على نظرية BVSR لدونالد كامبل، والتي تفترض أن الإبداع ينشأ من مرحلتين:

التباين الأعمى (Blind Variation): توليد بدائل متنوعة وغير مقيدة بمعزل عن الأنماط الموجودة.
الاستبقاء الانتقائي (Selective Retention): تنسيق واستبقاء البدائل الأكثر واعدة بشكل متعمد بناءً على السياق والأهداف.

بنية النظام: NarrativeLoom

يقوم NarrativeLoom بتفعيل نظرية BVSR من خلال بنية الارتجال التعاوني متعدد الشخصيات.

الوحدة الأساسية: يقسم النظام سرد القصص إلى ضربات سردية (Story Beats) منفصلة (تحتوي على الإعداد، والشخصيات، والأحداث الرئيسية) بدلاً من توليد نص مستمر. وهذا يسمح بالتحكم الدقيق والتباين الجزئي.
التباين الأعمى (التوليد):
- يستخدم النظام مجموعة من 10 شخصيات ذكاء اصطناعي متخصصة (مثل: حل الألغاز، التوفيق الرومانسي، خلق أجواء الرعب، مستقبلي الخيال العلمي).
- بخلاف الشخصيات القائمة على الأسلوب، فإن هذه الشخصيات هي شخصيات قائمة على النوع الأدبي (Genre-based)، حيث تؤثر على المنطق السردي، والهياكل السببية، وأنواع الأحداث بدلاً من مجرد الاختيارات المعجمية.
- تقوم جميع الشخصيات العشر بتوليد بدائل الضربات السردية بالتوازي عبر استدعاءات واجهة برمجة التطبيقات (API) لضمان التباين المستقل.
الاستبقاء الانتقائي (الوكالة البشرية):
- يعمل المستخدم البشري كـ مدير إبداعي، يقوم بتقييم واختيار وتحرير الضربات السردية المولدة.
- يمكن للمستخدمين تنقيح الضربات قبل توسيعها إلى نثر كامل (800-1000 كلمة).
إدارة الاتساق (متحكم الحبكة القائم على RAG):
- لمنع عدم التماسك عبر الضربات السردية المتعددة، يقوم نظام التوليد المعزز بالاسترجاع (RAG) (باستخدام LlamaIndex والتمثيلات المتجهة/embeddings) بمراقبة تاريخ القصة.
- يقوم بإجراء فحوصات الاتساق المنطقي للضربات الجديدة مقابل نقاط الحبكة الراسخة، وحالات الشخصيات، وقواعد العالم، مع التنبيه بوجود أي عدم اتساق للمستخدم دون استبعاد الخيارات الإبداعية تلقائياً.
التقنيات المستخدمة:
- النموذج اللغوي الكبير (LLM): نموذج GPT-4o للتوليد؛ وGPT-3.5-turbo للتحقق من الاتساق.
- التمثيلات المتجهة (Embeddings): نموذج text-embedding-ada-002 للاسترجاع الدلالي.
- الواجهة: تم بناؤها باستخدام Streamlit، وتتميز بتخطيط ثلاثي اللوحات للمقارنة بين الضربات، والاختيار، والتنقيح.

الدراسة التقييمية

أُجريت دراسة مستخدم داخل المجموعات (within-subjects) مع 50 مشاركاً (من المبتدئين إلى الخبراء).

الحالات: استخدم المشاركون NarrativeLoom (نظام BVSR متعدد الشخصيات) مقابل روبوت دردشة أساسي (وكيل واحد، واجهة محادثة قياسية).
المقاييس:
- الذاتية: مقياس الدلالة للمنتج الإبداعي (CPSS) ومؤشر دعم الإبداع (CSI) المعدل للسرد القصصي (الجدة، التنوع، التماسك، التخصيص، التفاعل، وسهولة الاستخدام).
- الموضوعية (الحسابية): عدد الكلمات، مؤشر غانينج فوغ (Gunning Fog Index) للقراءة، نسبة الحوار، وعدد المواقع.
- تقييم الخبراء: قام أربعة كتاب محترفين بتقييم 40 قصة (20 زوجاً) باستخدام اختبار تورانس للكتابة الإبداعية (TTCW)، والذي يقيس الطلاقة، والمرونة، والأصالة، والتوسع.

3. المساهمات الرئيسية

الإطار النظري: آلية مبدئية لتفعيل نظرية Campbell (BVSR) في التأليف المشترك بين الإنسان والذكاء الاصطناعي، مما يوازن بين التنوع المدفوع بالذكاء الاصطوئي والتحكم التنفيذي البشري.
تصميم النظام: بنية الارتجال الجماعي متعدد الشخصيات المبتكرة التي تحقق التباين من خلال التغاير الوظيفي (الأنواع المتخصصة) بدلاً من أخذ العينات البارامترية العشوائية.
الرؤى التجريبية: أدلة على أن الخبرة الكتابية تعدل من فعالية النظام، حيث كشفت أن المبتدئين يستفيدون أكثر من السقالات الهيكلية، بينما يفضل الخبراء الواجهات الأكثر انسيابية، ومع ذلك ينتج كلا المجموعتين قصصاً ذات جودة أعلى مع النظام.

4. النتائج

النتائج الكمية

إدراك المستخدم: حصل NarrativeLoom على تقييم أعلى بكثير في التنوع ( $p=0.037$ ) وأظهر اتجاهاً إيجابياً في الجدة. كانت سهولة الاستخدام والتماسك والتفاعل متقاربة مع النموذج الأساسي.
جودة السرد (الموضوعية):
- الطول: كانت قصص NarrativeLoom أطول بمرتين تقريباً (3,803 كلمة مقابل 1,907 كلمة؛ $p < 0.001$ ).
- الثراء: عدد أكبر من المواقع (3.86 مقابل 2.44؛ $p = 0.002$ ) ونسبة حوار أعلى (0.30 مقابل 0.16؛ $p < 0.001$ ).
- القابلية للقراءة: مؤشر غانينج فوغ أقل (7.45 مقابل 8.17)، مما يشير إلى نثر أكثر سهولة في الوصول.
تقييم الخبراء (TTCW): قيم الخبراء قصص NarrativeLoom بشكل أعلى بكثير عبر جميع أبعاد الإبداع الأربعة (الطلاقة، المرونة، الأصالة، والتوسع) بقيمة $p < 0.001$ . في المقارنات بالاختيار القسري، فضل الخبراء قصص NarrativeLoom في 38 حالة من أصل 40.

النتائج النوعية

الاستخدام الاستراتيجي للشخصيات: لم يختار المستخدمون الشخصيات عشوائياً، بل استخدموا شخصيات محددة كـ "مبادرين" (مثل التاريخي أو الديستوبي) لضبط المشهد، و**"مطورين"** (مثل الغموض) لدفع الحبكة للأمام. تبعت الانتقالات بين الشخصيات مسارات مجاورة للأنواع الأدبية (مثل: غموض $\leftarrow$ رومانسي).
التحول الإبداعي: لاحظ الخبراء أن قصص NarrativeLoom تعتمد على "العرض" بدلاً من "الإخبار"، حيث تتميز بعمق في سيكولوجية الشخصيات وتحولات حبكة غير متوقعة، بينما اعتمد روبوت الدردشة على الكليشيهات والسرد التلخيصي.
تعديل الخبرة: وجد الكتاب المبتدئون أن NarrativeLoom أكثر جدة بشكل ملحوظ وفضلوا هيكله، بينما وجد الكتاب المحترفون أن روبوت الدردشة أكثر سهولة في الاستخدام قليلاً، لكنهم أقروا بتفوق جودة مخرجات NarrativeLoom.

5. الأهمية والآثار المترتبة

ما وراء حجم النموذج: تثبت الدراسة أن التصميم الموجه نظرياً (BVSR) أكثر فعالية للمهام الإبداعية من مجرد زيادة معاملات النموذج. التنوع المهيكل عبر الشخصيات المتخصصة يتفوق على التوليد أحادي الصوت.
إعادة صياغة العمل المشترك: يغير النظام دور الذكاء الاصطناعي من "مولد" إلى "محرك تباين"، بينما يعمل الإنسان كـ "منسق". هذا الفصل الصريح في الأدوار يحافظ على الوكالة البشرية ويقاوم الشعور بسيطرة الذكاء الاصطناعي على العملية الإبداعية.
الدعم التكيفي: تشير النتائج إلى ضرورة أن تكون أدوات الكتابة بالذكاء الاصطناعي تكيفية. يحتاج المبتدئون إلى سقالات هيكلية (مثل نظام الضربات السردية متعدد الشخصيات) للتغلب على العقبات الإبداعية، بينما قد يفضل الخبراء التدخل الأدنى.
التركيب الزمني: يسلط البحث الضوء على أن الإبداع السردي في الذكاء الاصطناعي يتطلب تركيباً زمنياً (دمج الضربات السردية المختارة بمرور الوقت) بدلاً من مجرد الاختيار المتوازي (كما هو الحال في توليد الصور). نجحت بنية الضربات السردية في إدارة المقايضة بين التماسك والانبثاق.

في الختام، يثبت NarrativeLoom أنه من خلال تفكيك سرد القصص إلى وحدات مهيكلة والاستفيد من شخصيات الذكاء الاصطناعي المتخصصة للتباين الأعمى، يمكن إنشاء نظام تعاوني إبداعي ينتج قصصاً أكثر جدة وتنوعاً وتقييماً من قبل الخبراء مقارنة بروبوتات الدردشة التقليدية، مع الحفاظ على التأليف البشري.