Ambivalence/Hesitancy Recognition in Videos for Personalized Digital Health Interventions
تستقصي هذه الورقة تطبيق نماذج التعلم العميق، بما في ذلك التعلم الخاضع للإشراف، وتكييف النطاق غير الخاضع للإشراف، والاستدلال من نوع "الصفر محاولة" عبر النماذج اللغوية الكبيرة، للتعرف على التردد والارتباك في مقاطع الفيديو لتمكين التدخلات الصحية الرقمية المخصصة، لكنها تجد أن الأساليب الحالية تحقق أداءً محدوداً على مجموعة بيانات BAH، مما يسلط الض الضوء على الحاجة إلى تقنيات دمج أكثر تقدماً للزمان والمكان والوسائط المتعددة.
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 تشجيع صديق لك على ممارسة الرياضة. ترسل له رسالة نصية ودية: "هيا، لنذهب للجري!"
إذا رد قائلاً: "نعم! أنا متحمس جداً!"، فأنت تعلم أنه مستعد.
وإذا رد قائلاً: "مستحيل، أنا أكره الجري"، فأنت تعلم أنه ليس مستعداً.
ولكن ماذا لو رد قائلاً: "يجب عليّ الذهاب... لكنني متعب حقاً اليوم"؟ أو ماذا لو قال "نعم" بنبرة صوت تبدو غير واثقة ووجه يبدو عليه القلق؟ إنه عالق في المنتصف. هو يريد أن يكون صحياً، لكنه أيضاً يشعر بالخوف أو الكسل. في علم النفس، يُسمى هذا الشعور المربك والمتضارب بـ التردد (Ambivalence) أو التذبذب (Hesitancy).
هذه الورقة البحثية تدور حول تعليم الحواسيب رصد ذلك الشعور المحدد: "أريد ذلك، ولكنني لا أريد" في مقاطع الفيديو، حتى نتمكن من بناء تطبيقات صحية رقمية أفضل.
المشكلة: "الشبح" في الآلة
حالياً، تطبيقات الصحة تشبه الروبوتات الجامدة. فهي ترسل نفس النصائح العامة للجميع: "اشرب الماء!" أو "امشِ 10,000 خطوة!".
لكن البشر الحقيقيين معقدون. عندما يشعر شخص ما بالتردد، فإنه لا يكتفي بقول "لا". قد يبتسم وهو يقول "سأحاول"، أو قد يهز رأسه بينما تتهدج نبرة صوته بالشك. هذا هو التضارب (Conflict). كلماته تقول شيئاً، لكن وجهه أو صوته يقول شيئاً آخر.
في عيادة الطبيب الحقيقية، يكون المعالج البشري بارعاً في التقاط هذه الإشارات الدقيقة؛ إذ يمكنه رؤية التردد ويقول: "مهلاً، تبدو غير متأكد. دعنا نتحدث عما يمنعك".
لكن تطبيقات الصحة الرقمية (مثل تطبيقات الهاتف) عادة ما تكون "عمياء" عن هذه الإشارات. لا يمكنها رؤية التردد، لذا تستمر في دفع نفس النصائح، مما يؤدي غالباً إلى استسلام المستخدم وتوقفه.
الحل: تعليم الذكاء الاصطناعي قراءة "الإشارات المختلطة"
حاول الباحثون في هذه الورقة تعليم الذكاء الاصطناعي (AI) كيف يصبح مراقباً فائق الملاحظة مثل المعالج النفسي. أرادوا من الذكاء الاصطناعي أن يشاهد فيديو لشخص ما ويقول: "آه، هذا الشخص متردد!".
للقيام بذلك، استخدموا مجموعة بيانات خاصة تسمى BAH (التردد/التذبذب السلوكي). تخيل مجموعة البيانات هذه كمكتبة تضم 1,421 مقطع فيديو حيث طُلب من الأشخاص الإجابة على أسئلة مصممة لجعلهم يشعرون بشعور "أريد ذلك، ولكنني لا أريد". تحتوي الفيديوهات على ثلاث طبقات من المعلومات:
- البصرية: كيف تبدو وجوههم وأجسادهم.
- الصوتية: كيف تبدو نبرة أصواتهم (النغمة، السرعة).
- النصية: ما قالوه بالفعل.
التجارب: تجربة أدوات مختلفة
جرب الفريق ثلاث طرق مختلفة لتعليم الذكاء الاصطناعي، مثل تجربة ثلاثة مفاتيح مختلفة لفتح باب مغلق:
1. النهج "المُشرف عليه" (الطالب)
عرضوا على الذكاء الاصطناعي آلاف الأمثلة وقالوا له: "هذا تردد، وهذا ليس تردداً". حاولوا تعليمه باستخدام الفيديو فقط، أو الصوت فقط، أو الكلمات فقط.
- النتيجة: كان الأمر كمن يحاول تخمين حبكة فيلم من خلال النظر إلى إطار واحد فقط. عانى الذكاء الاصطناعي؛ فقد استطاع رؤية الابتسامة، لكنه لم يعرف ما إذا كانت الابتسامة حقيقية أم مزيفة. كان بحاجة لرؤية الصورة الكاملة (الوجه + الصوت + الكلمات) لفهم التضارب. وحتى مع ذلك، لم يكن مثالياً.
2. نهج "التخصيص" (الخياط)
حاول الباحثون تعليم الذك de الذكاء الاصطناعي كيف يتكيف مع أشخاص محددين. تخيل خياطاً يصنع بدلة لشخص واحد، ثم يحاول تعديل نفس تلك البدلة لشخص ثانٍ دون إعادة قياسه.
- النتيجة: أصبح الذكاء الاصطناعي أفضل قليلاً في التخمين لما يشعر به أشخاص محددون، لكنه لا يزال يخطئ في التقدير كثيراً. من الصعب تخمين الصراع الداخلي لشخص ما دون معرفته حق المعرفة.
3. نهج "التعلم الصفري" (القارئ الذكي)
استخدموا نموذج ذكاء اصطناعي ذكي جداً ومُدرب مسبقاً (نموذج لغوي كبير) وسألوا ببساطة: "هل هذا الشخص متردد؟" دون تعليمه أي شيء جديد. أعطوا الذكاء الاصطناعي الفيديو والنص المفرغ لما قيل.
- النتيجة: كان هذا الجزء الأكثر إثارة للاهتمام. كان الذكاء الاصطناعي جيداً بشكل مفاجئ في فهم الكلمات، لكنه كان سيئاً جداً في فهم المرئيات ما لم يكن "الأمر" (Prompt) محدداً للغاية. كان الأمر كمن يطلب من "دودة كتب" أن تحكم على لوحة فنية؛ هم يعرفون القصة، لكنهم يفتقدون ملاحظة ضربات الفرشاة.
الخلاصة الكبرى: "كاشف التضارب" مفقود
الاستنتاج الرئيسي للورقة البحثية هو بمثابة واقع صادم: الذكاء الاصطناعي الحالي ليس جيداً بما يكفي بعد.
وجد الباحثون أن نماذج الذكاء الاصطناعي القياسية تشبه شخصاً يحاول سماع همس في غرفة صاخبة. يمكنهم سماع الكلمات، لكن لا يمكنهم سماع نبرة الصوت أو رؤية العبوس على الوجه في نفس الوقت.
ولإصلاح ذلك، تقترح الورقة أننا بحاجة إلى نوع جديد من بنية الذكاء الاصطناعي. فبدلاً من مجرد دمج الفيديو والصوت والنص معاً، نحتاج إلى نظام يبحث خصيصاً عن التناقضات.
- التشبيه: تخيل حكماً في مباراة كرة قدم. الذكاء الاصطناعي العادي يكتفي بعد الأهداف فقط. أما "كاشف التضارب" فيراقب اللاعبين ويقول: "انتظر، اللاعب يبتسم، لكنه أيضاً يمسك ساقه من الألم. هذا تناقض! إما أنه يتظاهر أو أنه يتألم فعلاً".
لماذا يهم هذا؟
إذا تمكنا من بناء ذكاء اصطناعي يفهم التردد حقاً، يمكن لتطبيقات الصحة الرقمية أن تتغير من روبوتات مزعجة إلى أصدقاء داعمين.
- في الوقت الحالي: يقول التطبيق: "لم تمشِ اليوم! حاول بجهد أكبر!" (يشعر المستخدم بالذنب ويتوقف عن الاستخدام).
- مع هذه التقنية: يرى التطبيق التردد ويقول: "تبدو غير متأكد بشأن المشي اليوم. لا بأس. ما رأيك أن نقوم ببعض تمارين التمدد لمدة 5 دقائق فقط؟" (يشعر المستخدم بأنه مفهوم ويستمر في التفاعل).
ملخص
هذه الورقة هي خطوة أولى. لقد بنى الباحثون الأدوات ومجموعة البيانات، لكنهم وجدوا أن "عيون" و"آذان" الذكاء الاصطناعي الحالي لا تزال ضبابية بعض الشيء عندما يتعلق الأمر برصد المشاعر المختلطة والدقيقة للتردد البشري. إنهم يدعون إلى ذكاء اصطناعي أكثر ذكاءً وتخصصاً يمكنه رصد التضارب بين ما نقوله وما نشعر به، مما يجعل الصحة الرقمية شخصية وفعالة حقاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.