← أحدث الأبحاث
💻 computer science

User-Aware Active Knowledge Acquisition for Emotional Support Dialogue

تقدم هذه الورقة إطار عمل "الاستحواذ النشط على المعرفة الواعي بالمستخدم" (UKA)، وهو إطار عمل خالٍ من التدرج يستفيد من تقدير عدم اليقين القائم على "نظرية العقل" للاستحواذ بنشاط على المعرفة الحوارية واختيار الردود، مما يؤدي إلى تحسين جودة حوار الدعم العاطفي والمواءمة مع المستخدم من خلال المعالجة الفعالة للاحتياجات الضعيفة وغير المباشرة للمستخدم.

المؤلفون الأصليون: Mufan Xu, Kehai Chen, Jiahao Hu, Xinchao Xu, Muyun Yang, Tiejun Zhao, Min Zhang

نُشر 2026-05-29
📖 5 دقيقة قراءة🧠 قراءة متعمّقة
CC BY 4.0

المؤلفون الأصليون: Mufan Xu, Kehai Chen, Jiahao Hu, Xinchao Xu, Muyun Yang, Tiejun Zhao, Min Zhang

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 تتحدث إلى صديق يمر بوقت عصيب. تريد المساعدة، لكنك لا تعرف بالضبط ما يحتاجه الآن. هل يريد عناقاً؟ هل يريد خطاباً تحفيزياً؟ أم يريدك أن تتوقف عن الكلام وتكتفي بالاستماع فقط؟

إذا أخطأت في التخمين، فقد ينزعج ويقول: "أنا لا أحتاج إلى نصيحة، أنا فقط أحتاج لمن يسمعني!"

هذه هي المشكلة التي تحاول ورقة البحث بعنوان "الاستحواذ النشط على المعرفة الواعية بالمستخدم في حوار الدعم العاطفي" حلها لأنظمة الدردشة الآلية (AI). لقد ابتكر المؤلفون، موفان شو وزملاؤه، نظاماً جديداً يسمى UKA (الاستحواذ النشط على المعرفة الواعية بالمستخدم).

إليك كيف يعمل، مشروحاً من خلال تشبيهات بسيطة:

1. المشكلة: "لعبة التخمين"

تعمل أدوات المساعدة الحالية من الذكاء الاصطناًي غالباً مثل آلة بيع معطلة. تضع عملة معدنية (رسالة حزينة من المستخدم)، فتقوم الآلة بإخراج وجبة خفيفة جاهزة (مثل "أنا آسف لسماع ذلك" أو "إليك بعض النصائح").

  • المشكلة: أحياناً يكون المستخدم قد أراد مشرباً غازياً، لكن الآلة أعطته كيساً من الرقائق. يشعر المستخدم بالإحباط.
  • رؤية الورقة البحثية: الاحتياجات العاطفية هي "إشارات ضعيفة". قد يقول المستخدم "أنا بخير"، لكنه في الواقع يتوق للمساعدة. تعاني أنظمة الذكاء الاصطناعي الحالية في فهم ذلك لأنها تنتظر فقط أن يتحدث المستخدم بوضوح، وهو ما لا يحدث غالباً.

2. الحل: "المحقق مع دفتر ملاحظات"

نظام UKA مختلف. فبدلاً من أن يكون مجرد آلة بيع، فإنه يعمل كـ محقق يحمل دفتر ملاحظات ديناميكي.

يمتلك النظام ثلاث قدرات خارقة:

أ. "قبعة الفرضيات" (نظرية العقل)

تخيل أن الذكاء الاصطناعي يرتدي قبعة محقق ويضع ثلاث نظريات مختلفة حول ما يحتاجه المستخدم:

  1. النظرية (أ): يريد التنفيس عما بداخله.
  2. النظرية (ب): يريد حلاً.
  3. النظرية (ج): يريد تشتيت انتباهه.

وبدلاً من اختيار نظرية واحدة والتمسك بها، يبقي الذكاء الاصطناعي جميع النظريات الثلاث قائمة. وبينما يتحدث المستخدم، يتحقق الذكاء الاصطناعي: "هل تناسب هذه الجملة الجديدة النظرية (أ) أكثر، أم النظرية (ب)؟" إنه يقوم بتحديث "اعتقاده" باستمرار حول ما يحتاجه المستخدم فعلياً.

ب. "المستجوب النشط" (التعلم النشط)

هذا هو الجزء الأكثر ذكاءً. معظم أنظمة الذكاء الاصطناعي تنتظر فقط أن يتحدث المستخدم. أما UKA فهو نشط.

  • التشبيه: تخيل أنك تحاول العثين على كنز مخفي. إذا وقفت ساكناً، فلن تتعلم شيئاً. ولكن إذا خطوت خطوة في اتجاه معين، فقد تجد دليلاً.
  • كيف يفعل UKA ذلك: عندما لا يكون الذكاء الاصطناعي متأكداً، فإنه يختار عمداً رداً يعمل بمثابة مسبار تشخيصي. فهو يطرح سؤالاً أو يدلي بعبارة مصممة لمعرفة أي "قبعة فرضيات" تناسب الموقف بشكل أفضل.
    • مثال: إذا لم يكن الذكنا الاصطناعي متأكداً مما إذا كان المستخدم يريد نصيحة أم تعاطفاً، فقد يقول: "هل تريد مني أن أستمع فقط، أم تود أن نتباحث في بعض الحلول؟"
    • هذا ليس مجرد حديث عابر؛ إنها خطوة استراتيجية للحصول على إشارة واضحة حتى يتمكن الذكاء الاصطناعي من تعلم حاجة المستخدم الحقيقية بشكل أسرع.

ج. "الدفتر الحي" (الاستحواذ على المعرفة)

في كل مرة يتفاعل فيها الذكاء الاصطناعي مع مستخدم، فإنه يكتب مدخلاً جديداً في دفتر ملاحظاته الخارجي (قاعدة المعرفة).

  • الطريقة القديمة: قد يحفظ الذكاء الاصطناني "المستخدم (س) يحب النصيحة".
  • طريقة UKA: إنه يكتب قواعد سياقية. على سبيل المثال: "عندما يقول المستخدم 'أنا بخير' ولكنه يبدو غاضباً، وكان يتحدث عن العائلة، فإنه عادة ما يريد التحقق من مشاعره (Validation)، وليس خطة عمل".
  • والأهم من ذلك، أن الذكاء الاصطناعي يتعلم أثناء حديثه. فهو لا يحتاج إلى إعادة تدريب من قبل المهندسين في كل مرة يتعلم فيها شيئاً جديداً. إنه فقط يضيف "الصفحة" الجديدة إلى دفتر ملاحظاته ويستخدمها فوراً في المحادثة التالية.

3. التدريب مقابل الاختبار: "ملعب التدريب" مقابل "المباراة"

تشرح الورقة البحثية أن سلوك UKA يختلف قليلاً اعتماداً على ما إذا كان في مرحلة "التعلم" أو "الأداء":

  • أثناء التدريب (ملعب التدريب): يكون الذكاء الاصطناعي أكثر مغامرة. فهو يخاطر بطرح أسئلة قد تكشف عن معلومات جديدة. إنه يشبه طالباً يجرب تقنيات دراسية مختلفة ليرى ما الذي سينجح معه.
  • أثناء الاختبار (المباراة): يصبح الذكاء الاصطناعي أكثر موثوقية. ينظر إلى دفتر ملاحظاته، ويرى ما تعلمه بالفعل، ويستخدم الاستراتيجيات الأكثر إثباتاً لدعم المستخدم. وهو لا يطرح إلا الأسئلة التوضيحية إذا كان لا يزال مرتبكاً حقاً.

4. النتائج: لماذا يهم ذلك؟

اختبر المؤلفون هذا النظام مقابل طرق الذكاء الاصطناعي الأخرى باستخدام "شخصيات" مختلفة (مستخدمون قلقون، أو سلبيون، أو حتى غاضبون/متشككون).

  • النتيجة: تفوق UKA باستمرار في الأداء. كان أفضل في معرفة ما يريده المستخدم حقاً، حتى عندما كان المستخدم غامضاً أو صعب المراس.
  • "الاختبار البشري": عندما قرأ البشر المحادثات، فضلوا ردود فعل UKA. شعروا أن الذكاء الاصطناعي كان أكثر "تناغماً" مع مشاعر المستخدم.
  • "الاختبار السلبي": حتى عندما كان المستخدمون فظّين أو اعترضوا (مثل قولهم "توقف عن إعطائي المواعظ!")، تكيف UKA بسرعة لأن منطق "المحقق" لديه ساعده على إدراك: "أوه، هذا المستخدم لا يريد نصيحة؛ إنه يريد تعاطفاً"، فقام بتغيير استراتيجيته فوراً.

ملخص

فكر في UKA كأنه مساعد دعم عاطفي لا ينتظر التعليمات فحسب. إنه محقق فضولي يقوم بـ:

  1. الاحتفاظ بعدة نظريات حول ما تحتاجه في رأسه.
  2. طرح أسئلة ذكية لمعرفة أي نظرية هي الصحيحة.
  3. تدوين ما يتعلمه في دفتر ملاحظات حتى لا يرتكب نفس الخطأ مرتين.
  4. القيام بكل ذلك دون الحاجة إلى "إعادة برمجة" من قبل البشر، حيث يتعلم بشكل طبيعي من خلال المحادثة.

تزعم الورقة البحثية أن هذا يجعل الذكاء الاصطناعي أكثر فائدة، وأقل إزعاجاً، وأفضل في فهم المشاعر الخفية وراء كلماتنا.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →