MultiLinguahah : A New Unsupervised Multilingual Acoustic Laughter Segmentation Method
تقترح الورقة البحثية MultiLinguahah، وهي طريقة غير خاضعة للإشراف لتجزئة الضحك متعدد اللغات تستخدم غابة العزل (Isolation Forest) على تمثيلات BYOL-A الصوتية للكشف عن الضحك كشذوذ، مما يظهر أداءً فائقاً في السياقات غير الإنجليزية مقارنة بالخوارزميات الحالية المتطورة والخاضعة للإشراف والمتمحورة حول اللغة الإنجليزية.
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 في حفلة ضخمة وصاخبة حيث يتحدث الناس عشرات اللغات المختلفة. وسط ثرثرة الأصوات، والموسيقى، ورنين الكؤوس، هناك صوت واحد يتعرف عليه الجميع فوراً: الضحك. إنه لغة عالمية للفرح، أو الارتياح، أو حتى الحرج، ولا يحتاج إلى قاموس لفهمه.
ورقة البحث "MultiLinguahah" تتحدث عن تعليم الكمبيوتر كيفية إيجاد هذا الضحك في تسجيل ما، حتى عندما يكون التسجيل فوضوياً، صاخباً، ومليئاً بلغات مختلفة.
إليك تفصيل بسيط لما فعلوه ولماذا يهم ذلك:
المشكلة: "إبرة في كومة قش"
إن العثور على الضحك في ملف صوتي أمر صعب. الأمر يشبه محاولة العثور على نوع معين من الإبر في كومة قش، لكن كومة القش مكونة من أنواع مختلفة من القش (موسيقى، رياح، كلام)، والإبر تأتي بأشكال مختلفة اعتماداً على اللغة.
معظم البرامج الحاسوبية الحالية تشبه المحققين المتخصصين الذين يتحدثون الإنجليزية فقط. لقد تم تدريبهم على آلاف الساعات من البرامج التلفزيونية الأمريكية والكوميديا الارتجالية (Stand-up comedy). إذا طلبت منهم العثور على الضحك في تسجيل إسباني أو روسي، فسيصابون بالارتباك لأنهم يبحثون عن أنماط خاصة باللغة الإنجليزية. كما أنهم عادةً ما يحتاجون إلى إنسان يجلس يدوياً لتحديد مكان بداية ونهاية كل ضحكة بالضبط، وهو ما يشبه استئجار فريق من الأشخاص لمشاهدة كل ثانية من كل فيديو فقط لتعليم الكمبيوتر. هذا أمر مكلف وبطيء.
الحل: "كاشف الضجيج العالمي"
ابتكر المؤلفون طريقة جديدة تسمى MultiLinguahah. بدلاً من محاولة تعليم الكمبيوتر كيف "يبدو" الضحك في لغة معينة، علموه كيف "لا يكون" الضحك.
فكر في الأمر كالتالي:
- إسكات المتحدثين (إزالة الصوت البشري): أولاً، يستخدم الكمبيوتر مرشحاً (فلتر) لكتم جميع الأصوات البشرية. الأمر يشبه ارتداء سماعات عازلة للضوضاء تحجب الكلام فقط، تاركةً موسيقى الخلفية، والرياح، والضحك.
- تقطيع الكعكة (تقسيم الطاقة): بعد ذلك، يقوم بتقطيع الصوت المتبقي إلى قطع صغيرة بناءً على مستوى الصوت. إذا حدث ارتفاع مفاجئ في الصوت (مثل نوبة ضحك)، فإنه يحدد تلك القطعة.
- لعبة "المختلف عن البقية" (كشف الشذوذ): هذه هي الخطوة السحرية. ينظر الكمبيوتر إلى كل هذه القطع الصوتية. هو يعلم أن ضجيج الخلفية والموسيقى عادة ما تكون "طبيعية" ومتسقة. أما الضحك، فهو "المختلف عن البقية". إنه النمط الغريب والفريد الذي لا يتناسب مع بقية الخلفية.
- يستخدم الكمبيوتر أداة تسمى الغابة المعزولة (Isolation Forest). تخيل غابة حيث تمثل الأشجار نقاط بيانات. يقوم الكمبيوتر ببناء أسوار لعزل الأشجار التي تبدو مختلفة عن البقية. وبما أن للضحك "بصمة صوتية" عالمية عبر جميع اللغات، يمكن للكمبيوتر رصده كحالة شاذة، حتى لو لم يره في لغة معينة من قبل.
الاختبار: "عرض المواهب العالمي"
اختبر الباحثون طريقتهم مقابل أفضل "المحققين المتخصصين في الإنجليزية" على أربعة أنواع مختلفة من الصوت:
- الكوميديا الارتجالية (Stand-up Comedy): جمهور حي يضحك على النكات بلغات عديدة.
- المسلسلات الكوميدية (Sitcoms): تسجيلات استوديو (مثل مسلسل Friends).
- مقاطع يوتيوب: أصوات حقيقية عشوائية وفوضوية.
- بيانات اصطناعية: ضحك تم إنشاؤه بواسطة الكمبيوتر.
النتائج: "الفوز للمستضعف"
إليك ما حدث:
- في الإنجليزية: أدى المحققون المتخصصون القدامى (المدربون على بيانات إنجليزية) عملاً رائعاً. لقد كانوا أبطال العالم الناطق بالإنجليزية.
- في اللغات الأخرى: تعثر المحققون المتخصصون القدامى. عندما سمعوا الإسبانية أو الفرنسية أو الروسية، انخفض أداؤهم بشكل كبير لأنهم كانوا يبحثون عن أنماط إنجليزية غير موجودة.
- MultiLinguahah: لم يهتم هذا الأسلوب الجديد باللغة. نظرًا لأنه ركز على "الغرابة" العالمية للضحك بدلاً من كلمات محددة، فقد كان أداؤه جيداً ومتسقاً عبر جميع اللغات. في الواقع، في البيئات غير الإنجليزية، تفوق على المحققين المتخصصين في الإنجليزية في كل مرة.
الخلاصة
تظهر الورقة البحثية أن محاولة تعليم الكمبيوتر التعرف على الضحك عبر حفظ لغات محددة تشبه محاولة تعليم كلب جلب كرة من خلال استخدام كرة حمراء فقط. إذا أعطيت له كرة زرقاء، فلن يعرف ماذا يفعل.
بدلاً من ذلك، MultiLinguahah يعلم الكمبيوتر التعرف على "فعل" الجلب، بغض النظر عن لون الكرة. ومن خلال معاملة الضحك كـ "شذوذ" عالمي في ضجيج الخلفية، يعمل النظام في كل مكان، من نادي كوميدي في باريس إلى بودكاست في طوكيو، دون الحاجة إلى إنسان يقوم بتسمية كل ضحكة يدوياً أولاً.
باختصار: لقد صنعوا كاشف ضحك عالمي لا يحتاج للتحدث بلغتك ليعرف متى تضحك.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.