SMILE-Next: Teaching Large Language Models to Detect, Classify, and Reason about Laughter
تقدم هذه الورقة SMILE-Next، وهي مجموعة بيانات شاملة للضحك في العالم الحقيقي، وتقترح إطار عمل لنموذج لغوي كبير متخصص يتميز بآلية "التعليم الذاتي الخاص بالضحك" (Laughter-specific Self-Instruct) وآلية "خليط من خبراء الضحك" (Mixture-of-Laugh-Experts - MoLE) لتحسين اكتشاف وتصنيف واستدلال إشارات الضحك الاجتماعي المعقدة بشكل كبير.
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 الضحك كأنه شفرة سرية ومعقدة يستخدمها البشر للتواصل. الأمر لا يقتصر فقط على العثور على شيء مضحك؛ فأحياناً نضحك لنكون مهذبين، أو لنخفي الارتباك، أو لنظهر أننا متوترون. لفترة طويلة، كانت الحواسيب سيئة جداً في فك هذه الشفرة. كان بإمكانها معرفة أن شخصاً ما قد ضحك، لكنها كانت تكافح لفهم لماذا ضحك أو ما نوع تلك الضحكة.
تقدم هذه الورقة البحثية مشروع SMILE-Next، وهو مشروع جديد مصمم لتعليم الحواسيب كيف تصبح "محققاً في الضحك". وإليك كيف فعلوا ذلك، مشروحاً ببساطة:
1. "الكتاب المدرسي" الجديد (مجموعة البيانات)
تخيل الباحثين وكأنهم ينشئون كتاباً مدرسياً ضخماً وجديداً للذكاء الاصطناعي. قبل ذلك، كانت الكتب المدرسية تحتوي فقط على صفحات قليلة عن الضحك، معظمها من البرامج التلفزيونية أو خطابات "تيد" (TED talks).
- الجديد هنا: قاموا بجمع آلاف المقاطع الفيديوية من الحياة الواقعية — برامج حوارية، أفلام، وحتى شخصين يتحدثان في الشارع.
- الدروس الثلاثة: بدلاً من مجرد سؤال "هل ضحكوا؟"، يعلم هذا الكتاب المدرسي الذكاء الاصطناعي ثلاث مهارات محددة:
- الاكتشاف (Detection): رصد وقوع الضحك.
- التصنيف (Classification): تحديد نوع الضحكة (هل هي ضحكة "مرحة" سعيدة؟ أم ضحكة "مجاملة" تعني "أنا أتابع معك فحسب"؟ أم ضحكة "ارتباك" تعني "لا أعرف ماذا أقول"؟).
- التعليل (Reasoning): شرح سبب حدوث ذلك (مثلاً: "لقد ضحك لأن مديره ألقى دعابة، لكنه في الواقع كان متوتراً بشأن الاجتماع").
2. استراتيجية "المترجم" (التحويل إلى نص)
هذه هي الخدعة الأكبر في الورقة البحثية. عادةً، يحاول الذكاء الاصطناعي مشاهدة الفيديو والاستماع إلى الصوت في وقت واحد، مثل شخص يحاول قراءة كتاب أثناء الاستماع إلى راديو صاخب؛ مما يجعله يتشتت لأن الإشارات تتداخل معاً.
قرر الباحثون تحويل كل شيء إلى نص أولاً.
- الاستعارة: تخيل أن الفيديو لغة أجنبية. بدلاً من إجبار الذكاء الاصطناعي على تعلم اللغة من الصفر، قاموا باستئجار فريق من المترجمين (أدوات متخصصة) لتحويل الفيديو إلى قصة مكتوبة.
- القصة تشمل: ما قيل (النص المكتوب)، كيف كان صوت الشخص (طبقة الصوت، النبرة)، كيف كانت الوجوه (ابتسامات، عبوس)، ومن هم الأشخاص بالنسبة لبعضهم البعض (مدير/موظف، أصدقاء).
- لماذا ينجح هذا: من خلال تحويل الفيديو إلى قصة، يمكن للذكاء الاصطناعي استخدام قوته الخارقة — وهي القراءة وفهم اللغة — ليفهم النكتة. من الأسهل بكثير للحاسوب أن "يقرأ" وصفاً لصمت محرج بدلاً من أن "يشاهد" صمتاً محرجاً.
3. "الفريق المتخصص" (مزيج من خبراء الضحك)
بمجرد أن يمتلك الذكاء الاصطناعي "الكتاب المدرسي" و"القصص المترجمة"، احتاج الباحثون إلى طريقة لتعليمه كيف يكون بارعاً في الدروس الثلاثة (الاكتشاف، التصنيف، والتعليل) دون أن يرتبك.
- الاستعارة: تخيل طبيباً عاماً ماهراً في كل شيء ولكنه ليس متخصصاً. منح الباحثون هذا الطبيب فريقاً من ثلاثة مساعدين متخصصين (يُطلق عليهم "الخبراء").
- الخبير الأول: بارع في رصد الضحكة.
- الخبير الثاني: بارع في تخمين نوع الضحكة.
- الخبير الثالث: بارع في شرح السبب.
- الموجه (The Router): هناك "مدير" (الموجه) ينظر إلى السؤال. إذا كان السؤال "هل ضحكوا؟"، يستدعي الخبير الأول. إذا كان السؤال "لماذا ضحكوا؟"، يستدعي الخبير الثالث. يعملون جميعاً في نفس العقل، لكنهم يغيرون أدوارهم بناءً على المهمة. هذا يجعل الذكاء الاصطناعي أسرع وأذكى.
4. "تدريبات الممارسة" (التعليم الذاتي)
كانت مقاطع الفيديو الواقعية التي جمعوها رائعة، لكنها لم تكن كافية لتغطية كل المواقف الممكنة.
- الاستعارة: لجعل الذكاء الاصطناعي أكثر ذكاءً، استخدموا ذكاءً اصطناعياً قوياً (GPT-4) لكتابة تدريبات ممارسة جديدة.
- قيل للذكاء الاصطناعي: "إليك بعض الأمثلة على الضحكات. الآن، ابتكر 1,000 سيناريو جديد قد يضحك فيه الناس، بما في ذلك المواقف الغريبة أو المحرجة".
- سمح هذا للذكاء الاصطناعي بالتدرب على مواقف لم يرها من قبل، مما جعله أفضل بكثير في التعامل مع المفاجات الواقعية.
النتائج
عندما اختبروا هذا النظام الجديد:
- كان أفضل بكثير في فهم الضحك من النماذج السابقة التي حاولت مشاهدة الفيديوهات مباشرة.
- استطاع تحديد أن الضحكة كانت "محرجة" وليست "مضحكة" من خلال النظر إلى لغة الجسد ونبرة الصوت الموصوفة في النص.
- فضل البشر تفسيراته على النماذج الأخرى لأنهم شعروا أنها أكثر دقة وتشبه البشر.
باختاً: لم تكتفِ الورقة البحثية ببناء كاشف ضحك أفضل؛ بل بنت نظاماً يترجم الفيديو إلى قصة، ويستخدم فريقاً من المتخصصين لتحليل تلك القصة، ويتدرب على سيناريوهات مختلقة ليصبح خبيراً في الإشارات الاجتماعية البشرية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.