Debiased Multimodal Personality Understanding through Dual Causal Intervention

ملخص تقني: فهم الشخصية متعدد الوسائط غير المنحاز عبر التدخل السببي المزدوج

بيان المشكلة
يهدف فهم الشخصية متعدد الوسائط إلى استنتاج السمات الجوهرية (مثل "الخمس الكبرى" وMBTI) من بيانات الفيديو التي تحتوي على إشارات بصرية، وصوتية، ولغوية. وبينما حققت نماذج التعلم العميق دقة عالية من خلال دمج الوسائط المتغايرة، إلا أنها تعاني تكراراً من تحيز الموضوع (Subject Bias). حيث تتعلم النماذج ارتباطات زائفة بين السمات الديموغرافية (المربكات المرصودة مثل العمر، والجنس، والعرق - وهي مربكات ملحوظة) أو الحالات النفسية العابرة (المربكات غير المرئية). على سبيل المثال، قد يربط النموذج خطأً بين الديموغرافيا المتمثلة في "أنثى بيضاء" ودرجة عالية من "المقبولية" بناءً على توزيع بيانات التدريب، مما يؤدي إلى تنبؤات غير عادلة وغير دقيقة للمواضيع الذين لا يتوافقون مع هذا الملف الديموغرافي المحدد. وتفتقر المنهجيات الحالية إلى إطار عمل موحد لمعالجة كل من المربكات المرصودة والكامنة في آن واحد، كما تفتقر المعايير المرجعية الحالية غالباً إلى التوصيفات الديموغرافية الشاملة أو تركز فقط على سمات "الخمس الكبرى"، مما يحد من تحليل العدالة.

المنهجية: شبكة التعديل السببي المزدوج (DCAN)
يقترح المؤلفون نموذجاً سببياً بنيوياً (SCM) لصياغة العلاقات السببية بين المدخلات متعددة الوسائط ($X$)، وسمات الشخصية ($Y$)، والوسائط الوسيطة للوسائط ($M_x$)، والمربكات المرصودة ($C^o_x$)، والمربكات غير المرئية ($C^u_x$). وللتخفيف من حدة التحيز، قدموا DCAN، وهي شبكة متكاملة من الطرف إلى الطرف تدمج آليتين للتدخل السببي:

1. تعلم المربكات عبر تعديل الباب الخلفي (BACL):

   • الهدف: المربكات الديموغرافية المرصودة (مثل العمر، والجنس، والعرق).
   • الآلية: إنشاء قواميس مربكات نموذجية خاصة بكل وسيط ($D_{back}$).
     • النص: تحديد الكلمات ذات الفروق الاحتمالية الكبيرة عبر المجموعات الديموغرافية لتشكيل قاموس.
     • البصري/الصوتي: تجميع التضمينات حسب الثلاثيات الديموغرافية (العرق، الجنس، العمر) لإنشاء نماذج أولية عالمية، يتم تحديثها عبر المتوسط المتحرك الأسي (EMA).
   • التدخل: استرجاع تمثيلات المربكات عبر آلية الانتباه وتطبيق اتصال متبقي (residual connection) على ميزات المدخلات. يعمل هذا بفعالية على حظر مسار الباب الخلفي ($X \leftarrow C^o_x \rightarrow Y$)، مما يقرب التأثير السببي $P(Y|do(X))$ عن طريق الهامش فوق توزيع المربكات.

2. تعلم المربكات عبر تعديل الباب الأمامي (FACL):

• الهدف: المربكات غير المرئية/الكامنة (مثل الحالات العاطفية العابرة، والتقلبات النفسية) التي لا يستطيع BACL التقاطها.
• الآلية: إدخال وسيط ($M$) لتشكيل المسار $F_m \rightarrow M \rightarrow Y$. يقوم بإنشاء قاموسين: قاموس الميزات العالمي ($D_{global}$) الذي يقرب فضاء المدخلات، وقاموس الوسيط ($D_{med}$) الذي يعمل كمعرفة سابقة.
• التدخل: يستخدم آلية انتباه مزدوجة لاسترجاع النماذج الأولية ذات الصلة من هذه القواميس بناءً على مخرجات BACL. هذا يقرب صيغة تعديل الباب الأمامي، مما يعزل التأثير السبدي الحقيقي من خلال التدخل في الوسيط، وبالتالي التعامل مع التحيزات التي ليس لها مسار مباشر مرصود.

3. الدمج والتنبؤ:

• يتم دمج التمثيلات منزوعة المربكات من كلا النموذجين باستخدام محول عبر الوسائط (Cross-Modal Transformer).
• يتم تدريب النموذج باستخدام دالة خسارة موحدة تجمع بين متوسط مربع الخطأ (MSE) وتنظيم $L_2$ للتنبؤ بدرجات السمات المستمرة لكل من تصنيفات "الخمس الكبرى" وMBTI.

المساهمات الرئيسية

• التحليل السببي: تعد هذه الورقة هي الأولى التي تبحث في تحيز الموضوع في فهم الشخصية متعدد الوسائط من منظور سببي، مع نمذجة صريحة للمربكات المرصودة وغير المرئية.
• إطار العمل السببي المزدوج: يتميز نظام DCAN المقترح بدمج تعديلات الباب الخلفي والأمامي بشكل فريد في شبكة واحدة لمعالجة التحيزات الديموغرافية والكامنة معاً، متجاوزاً بذلك مجرد رسم الخرائط القائم على الاحتمالية ($P(Y|X)$) إلى التدخل السببي ($P(Y|do(X))$).
• مجموعة بيانات جديدة (DMSP): أنشأ المؤلفون مجموعة بيانات "شخصية الطلاب متعددة الوسائط ذات التوصيف الديموغرافي" (DMSP). وخلافاً للمعايير المرجعية الحالية (مثل CFI-V2) التي تركز أساساً على سمات "الخمس الكبرى وتفتقر إلى التوصيفات الديموغرافية التفصيلية، تحتوي DMSP على 839 فيديو تفاعل ثنائي موصوفة بسمات MBTI وسمات حساسة (الجنس، العمر)، مما يسمح بتقييم صارم للعدالة.
• تقييم شامل: تقدم الدراسة تجارب واسعة النطاق تثبت التحسينات في كل من دقة التنبؤ ومقاييس العدالة (التكافؤ الديموغرافي وتكافؤ الفرص).

النتائج التجريبية
أُجريت تجارب مكثفة على المعيار المرجعي CFI-V2 ومجموعة بيانات DMSP الجديدة.

• الدقة: حقق DCAN أداءً هو الأفضل في حالته (SOTA)، حيث وصل إلى 92.11% دقة على CFI-V2 (متفوقاً على أفضل نموذج سابق PMGRT بنسبة 0.12%) و 92.90% دقة على DMSP (متفوقاً على MM-ResVGG بنسبة 1.21%).
• العدالة: قلل النموذج التحيز بشكل كبير. ففي CFI-V2، بلغت التحسينات في التكافؤ الديموغرافي (DP) وتكافؤ الفرص (EO) 6.57% و 7.97% على التوالي. وفي مجموعة بيانات DMSP، تحسنت هذه المقاييس بنسبة 15.38% و 20.06%.
• التعميم: أظهرت اختبارات التوزيع خارج النطاق (OOD) أن DCAN يحافظ على أداء قوي عبر التقسيمات الديموغرافية (العمر، الجنس، العرق) حيث تتدهور النماذج الأساسية، لا سيما في التعامل مع الصور النمطية الجندرية في بُعد (التفكير/الشعور) الخاص بـ MBTI.
• دراسة الاستئصال (Ablation): أدى حذف BACL أو FACL إلى تدهور في الأداء، مما يؤكد ضرورة معالجة المربكات المرصودة والكامنة في وقت واحد.

الأهمية والادعاءات
تدعي الورقة أنه من خلال الانتقال من التعلم القائم على الارتباط إلى التدخل السببي، نجح DCAN في فصل إشارات الشخصية الجوهرية عن الارتباطات الديموغرافية الزائفة. ويؤكد المؤلفون أن هذا النهج أمر بالغ الأهمية لتطوير أنظمة ذكاء اصطناٍعي عادلة وموثوقة متمحورة حول الإنسان، خاصة في تطبيقات مثل مراقبة الصحة العقلية والتوصيات الشخصية حيث يمكن أن يؤدي التحيز إلى نتائج ضارة. ويُبرز تقديم مجموعة بيانات DMSP كخطوة ضرورية لسد الفجوة في المعايير المرجعية الحالية فيما يتعلق بالتوصيفات الديموغرافية وتحليل العدالة القائم على MBTI. وتخلص الدراسة إلى أن إزالة المربكات السببية أمر ضروري لتعميم نماذج فهم الشخصية عبر مجموعات متنوعة وغير مرئية من المواضيع.