The Overlooked Repetitive Lengthening Form in Sentiment Analysis
تقدم هذه الورقة مجموعة بيانات "Lenghening" وإطار عمل "ExpInstruct" لمعالجة "نمط الإطالة التكراري" (RLF) المهمل في تحليل المشاعر، مبرهنةً على أن هذا الأسلوب غير الرسمي الفريد يعد مؤشراً هاماً للمشاعر، وأن الضبط الدقيق للتعليمات المكون من مرحلتين يمكن أن يمكّن النماذج اللغوية الكبيرة مفتوحة المصدر من مضاهاة أداء GPT-4 وقدرته على التفسير في هذه المهمة.
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 تقرأ رسالة نصية من صديق، حيث كتب: "أنا أعوووود هذا الفيلم!!!!"
بالنسبة للإنسان، الأمر واضح تماماً: إنه يحب الفيلم حقاً، حقاً. إن الحروف الإضافية وعلامات التعجب ليست مجرد أخطاء مطبعية؛ بل هي المعادل الرقمي للصراخ ببهجة أو تمديد الكلمة لجعلها تبفدو أكبر.
لكن بالنسبة لبرنامج كمبيوتر (ذكاء اصطناعي) يحاول معرفة ما إذا كان هذا الشخص سعيداً أم حزيناً، فإن هذا يمثل لغزاً. فمعظم نماذج الذكاء الاصطناعي يتم تدريبها على نصوص رسمية ونظيفة مثل المقالات الإخبارية، وغالباً ما تفشل في إدراك "مقبض التحكم في مستوى الصوت" العاطفي الذي يستخدمه البشر عبر أشكال الإطالة المتكررة (RLF) — وهو فعل تمديد الكلمات أو علامات الترقيم.
هذه الورقة البحثية تشبه قصة بوليسية حيث يقول المؤلفون: "مهلاً، لقد كنا نتجاهل دليلاً ضخماً في المحادثات عبر الإنترنت لسنوات! دعونا نصلح ذلك".
إليك قصة اكتشافهم، مقسمة ببساة:
1. الدليل المفقود: "الكلمة الممدودة"
لاحظ المؤلفون أن الناس على الإنترنت (في المراجعات، والتغريدات، والتعليقات) يستخدمون RLF باستمرار.
- تمديد الحروف: "جنييييل"، "كبيييير"، "سعيييييدة".
- تمديد علامات الترقيم: "رائع!!!!"، "لا..."
أدركوا أنه بينما يصبح الذكاء الاصطناعي أكثر ذكاءً، إلا أنه لا يزال يعامل كلمة "جيد" و "جويييييد" بنفس الطريقة تقريباً. الأمر يشبه طباخاً يمكنه تذوق الملح، لكنه لا يستطيع تذوق الملح "الإضافي".
2. بناء المكتبة: "مجموعة بيانات الإطالة"
لتعليم الذكاء الاصطناعي، أنت بحاجة إلى أمثلة. قام المؤلفون برحلة بحث عن الكنز عبر أربعة أماكن مختلفة (مراجعات أمازون، Yelp، TripAdvisor، وتويتر). لم يجمعوا نصوصاً عشوائية فحسب؛ بل بحثوا خصيصاً عن الجمل التي تحتوي على هذه الكلمات "الممدودة".
قاموا ببناء مكتبة ضخمة تسمى Lengthening، تحتوي على 850,000 عينة. فكر في هذا كقاموس ضخم لـ "الصراخ العاطفي" الذي يمكن للذكاء الاصطناعي دراسته.
3. السؤال الكبير: هل يفهم الذكاء الاصطناعي؟
أجروا اختباراً باستخدام مجموعتين من الجمل:
- المجموعة (أ): جمل عادية ("هذا الكتاب جيد").
- المجموعة (ب): جمل تحتوي على RLF ("هذا الكتاب جوووووويد!!!!").
المفاجأة:
عندما اختبروا الذكاء الاصطناعي، تبين أن المجموعة (ب) كانت في الواقع أسهل للفهم بالنسبة للذكاء الاصطناعي!
- التشبيه: تخيل أنك تحاول العثور على إبرة في كومة قش (المجموعة أ). الآن تخيل أن الإبرة تتوهج باللون الوردي الفاقع وتدور حول نفسها (المجموعة ب). الكلمات "الممدودة" تعمل كعلامة نيون، تصرخ "أنا مهم!".
- النتيجة: كانت الجمل التي تحتوي على RLF بمثابة "تواقيع" أفضل لتحديد ما إذا كانت المراجعة بأكملها إيجابية أم سلبية.
4. المشكلة: "الإجابة الصحيحة، والسبب الخاطئ"
هنا تصبح الأمور معقدة.
- الذكاء الاصطناعي القديم (النماذج الضبطية): حصل على الإجابة الصحيحة (إيجابي/سلبي) بشكل جيد جداً، حتى أفضل من GPT-4 الخارق. ولكن، لم يكن يعرف لماذا. لقد كان يخمن بشكل صحيح بالصدفة، وليس عن طريق فهم العاطفة. إنه يشبه طالباً يحفظ نموذج الإجابة لكنه لا يفهم الرياضيات.
- الذكاء الاصطناعي الخارق (GPT-4 بنظام Zero-shot): لقد فهم العاطفة تماماً واستطاع شرح لماذا كانت كلمة "أعوووود" مهمة. لكنه مكلف ومغلق المصدر.
5. الحل: "ExpInstruct" (المعلم السحري)
أراد المؤلفون أن يكون الذكاء الاصطناعي مفتوح المصدر والرخيص (مثل LLaMA2) بذكاء وقدرة على الشرح مثل GPT-4 الغالي، ولكن دون الحاجة إلى ملايين الدولارات من البيانات.
ابتكروا طريقة تدريب جديدة تسمى ExpInstruct.
- كيف تعمل: بدلاً من مجرد قول "هل هذا سعيد؟"، علموا الذكاء الاصطناعي أن يعمل كمعلم. سألوا: "قم بتحليل هذه الجملة. أي كلمة هي الأعلى صوتاً؟ أعطِ كل كلمة درجة من 1 إلى 5 بناءً على مقدار العاطفة التي تحملها."
- التشبيه: الأمر يشبه تعليم طالب ليس فقط حل المعادلة، بل إظهار خطوات الحل. من خلال إجبار الذكاء الاصطناعي على شرح أي الحروف هي التي تقوم بالعمل الثقيل، يتعلم الذكاء الاصطناعي المفهوم فعلياً.
النتيجة: باستخدام هذه الطريقة، أصبح الذكاء الاصطناعي الصغير مفتوح المصدر بجودة GPT-4 في كل من الحصول على الإجابة الصحيحة وفي شرح السبب أيضاً، وذلك باستخدام كمية ضئيلة جداً من بيانات التدريب.
6. لماذا يهم هذا؟
هذه الورقة البحثية هي بمثابة جرس إنذار لعالم التكنولوجيا.
- بالنسبة لوسائل التواصل الاجتماعي: إذا كنت تريد فهم كيف يشعر الناس حقاً تجاه منتج أو فيلم، فلا يمكنك تجاهل الـ "سوووو" والـ "!!!!".
- بالنسبة للذكاء الاصطناعي: نحن بحاجة لتعليم الذكاء الاصطناعي فهم "الضجيج البشري" للإنترنت، وليس فقط اللغة الرسمية للكتب المدرسية.
باخت-الاختصار:
وجد المؤلفون أنه عندما يمدد الناس كلماتهم عبر الإنترنت، فإنهم يصرخون بمشاعرهم الحقيقية. لقد بنوا مكتبة ضخمة لهذه الصرخات، وعلموا طريقة جديدة للذكاء الاصطناعي للاستماع إليها، وأثبتوا أنه مع القليل من التدريب على مبدأ "اشرح عملك"، يمكن حتى لنماذج الذكاء الاصطناعي الصغيرة فهم العاطفة البشرية بقدر نماذجهم الأكبر والأغلى ثمناً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.