A Cross-lingual Comparison of Human and Classification Model Entrainment Behavior in Code-switched Speech Settings
تقدم هذه الورقة تحليلاً عابراً للغات حول التقمص البشري في الكلام الممزوج لغوياً عبر حوارات باللغات الصينية-الإنجليزية، والهندية-الإنجليزية، والإسبانية-الإنجليزية، كاشفةً أنه في حين أن التقمص المعجمي يتعمم، فإن التقمص الصوتي والأسلوبي يتباين باختلاف السياق، ومبينةً أن نماذج التصنيف الحالية تخفق في إعطاء الأولوية للميزات المحددة الأكثر بروزاً في السلوك البشري.
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 حيث يتجاذب الجميع أطراف الحديث. قد تلاحظ أنه عندما ينسجم شخصان حقًا، يبدآن في محاكاة بعضهما البعض. إذا تحدث أحدهما بسرعة، يسرع الآخر أيضًا؛ وإذا استخدم أحدهم الكثير من كلمات مثل "اممم" و"مثلًا"، يبدأ الآخر في فعل الشيء نفسه. قد يبدأون حتى في استخدام نفس المصطلحات أو مطابقة نبرات أصواتهم ليبدو صوتهم متشابهًا. في عالم العلوم، يُسمى هذا الارتباط (ententrainment). إنه يشبه رقصة لا شعورية حيث يقلد الناس أسلوب بعضهم البعض دون وعي لبناء اتصال، والشع feel بالفهم، وجعل المحادثة تتدفق بسلاسة.
لقد درس العلماء هذه "الرقصة" لفترة طويلة، ومعظم دراساتهم كانت على أشخاص يتحدثون لغة واحدة فقط، مثل الإنجليزية. لكن العالم مليء بأشخاص يخلطون اللغات، حيث ينتقلون ذهابًا وإيابًا بين، لنقل، الإسبانية والإنجليزية، أو الهندية والإنجليزية، في منتصف الجملة. يُسمى هذا التبديل اللغوي (code-switching). والسؤال الكبير هو: هل لا تزال هذه الرقصة المماثلة تحدث عندما يخلط الناس لغاتهم؟ وهنا تكمن المفاجأة: لقد بنينا برامج حاسوبية متطورة (ذكاء اصطناعي) للكشف عن هذا التقليد. ولكن هل تفهم هذه الحواسيب حقًا كيف يفعل البشر ذلك، أم أنها مجرد تخمين بناءً على أدلة خاطئة؟
تتعمق هذه الورقة البحثية في هذا السؤال. فقد نظر الباحثون في محادثات حقيقية حيث خلط الناس بين الماندرين والإنجليزية، والهندية والإنجليزية، والإسبانية والإنجليزية. أرادوا معرفة ما إذا كانت "رقصة المحاكاة" هذه تبدو متشابهة عبر أزواج اللغات المختلفة هذه. ثم اختبروا مجموعة من النماذج الحاسوبية لمعرفة ما إذا كان الذكاء الاصطناعي ينتبه لنفس الأشياء التي ينتبه إليها البشر.
إليكم ما وجدوه:
الرقصة البشرية: متشابهة في الغالب، ولكن بلمسات محلية خاصة
عندما يخلط البشر اللغات، فإنهم يحاكون بعضهم البعض، لكن الطريقة التي يفعلون بها ذلك تعتمد على اللغات المعنية.
- الكلمات: عبر جميع أزواج اللغات الثلاثة، قام الناس بمحاكاة اختيارات الكلمات لبعضهم البعض باستمرار. فإذا استخدم أحد الأشخاص الكثير من الكلمات الشائعة أو أصوات التوقف (filler sounds)، يميل الشخص الآخر إلى تقليد ذلك. هذا الجزء من الرقصة كان ثابتًا جدًا، بغض النظر عن اللغات المختلطة.
- الصوت والإيقاع: هنا أصبح الأمر مثيرًا للاهتمام. في مجموعات الإسبانية-الإنجليزية والماندرين-الإنجليزية، أظهر الناس القليل جدًا من المحاكة المتسقة لنبرة الصوت أو السرعة. ومع ذلك، في مجموعة الهندية-الإنجليزية، كانت المحاكاة أقوى بكثير على مستوى الدور (turn-level) (بين المتحدثين المباشرين)، حيث تلاقت نبرات أصوات المتحدثين بشكل متسق في ميزات الصوت. ويقترح الباحثون أن هذا الاختلاف قد يكون بسبب أن الماندرين تمتلك طبيعة نغمية فريدة (حيث تغير النبرة معنى الكلمة) مما يجعل "رقصة الصوت" مختلفة، بينما يتماشى المتحدثون بالهندية والإنجليزية بشكل أوثق مع الأنماط المشاهدة في الإسبانية والإنجليزية. ومع ذلك، من المهم ملاحظة أنه حتى في الهندية-الإنجليزية، لم تمتد هذه المحاكة القوية إلى مستوى المحادثة الأوسع؛ إذ لم يظهر المتحدثون تقاربًا متسقًا عبر الحوار بأكل.
- أسلوب التبديل: كيف يغير الناس لغاتهم أيضًا تباين. في الإسبانية-الإنجليزية والماندرين-الإنجليزية، قام الناس بمحاكاة مدى تكرار وتيرة تبديلهم للغات. ولكن في الهندية-الإنجليزية، كانت المحاكة أضعف بكثير. ويرى المؤلفون أن هذا قد يكون لأن المتحدثين بالهندية والإنجليزية يبدلون اللغات بشكل طبيعي ومتكرر للغاية لدرجة أنه لا يوجد "مساحة" كافية ليؤثر شخص على أسلوب الآخر — الأمر يشبه أن الجميع يرقصون بالفعل بنفس الطريقة، لذا فإن التقليد لا يبرز بوضوح.
رقصة الروبوت: جيدة في التخمين، سيئة في الفهم
سأل الباحثون بعد ذلك: هل ترى نماذجنا الحاسوبية الرقصة كما يراها البشر؟
- النتيجة: كانت الحواسيب جيدة حقًا في الكشف عن متى يقوم الناس بالمحاكاة. فقد استطاعت التمييز بين المحادثة التي تتضمن "محاكاة" والمحادثة التي لا تتضمنها بدقة جيدة.
- العقبة: ومع ذلك، كانت الحواسيب تعطي الأولوية لـ أدلة خاطئة لاتخاذ هذا القرار. فعندما ألقى الباحثون نظرة تحت الغطاء لمعرفة الأدلة التي يستخدمها الذكاء الاصطناعي، وجدوا عدم تطابق. كان البشر يحاكون كلمات محددة وأساليب تبديل، لكن الحواسيب كانت غالبًا تعطي الأولوية لميزات أخرى غير تلك الأكثر بروزًا للسلوك البشري، وتركز بدلاً من ذلك على تفاصيل أخرى أقل أهمية مثل التقلبات الطفيفة في نبرة الصوت أو شدته.
- التشبيه: تخيل حارس أمن يحاول رصد لص. اللص دائمًا يرتدي قبعة حمراء زاهية (الدليل البشري). لكن كاميرا حارس الأمن مركزة جدًا على أربطة حذاء اللص (الدليل الحاسوبي) لدرجة أنها تغفل عن القبعة تمامًا. الحارس يمسك باللص في النهاية (النموذج يعطي الإجابة الصحيحة)، لكنه يستخدم منطقًا خاطئًا.
لماذا يهم هذا؟
تشير الورقة البحثية إلى أنه بينما يمكن للذكاء الاصطناعي رصد حدوث اتصال، فإنه لا يفهم حقًا الطريقة البشرية التي يُبنى بها هذا الاتصال. إنه يشبه طالبًا يحصل على الإجابة الصحيحة في اختبار الرياضيات عن طريق حفظ مفتاح الإجابات بدلاً من فهم الصيغة الرياضية.
يشير المؤلفون إلى أن هذا يمثل مشكلة للمستقبل. إذا أردنا بناء مساعدين يعملون بالذكاء الاصطناعي يمكنهم الدردشة بشكل طبيعي مع الناس الذين يخلطون اللغات، فنحن بحاجة إلى جعلهم يفهمون الرقصة الحقيقية، وليس فقط الرقصة المزيفة. إذا اعتمد الذكاء الاصطناعي على الأدلة الخاطئة، فقد يفشل عندما يلتقي بمجموعة جديدة من الناس أو بمزيج لغوي مختلف. لا تدعي الورقة أنها حلت هذه المشكلة بعد، بل تقترح أننا بحاجة إلى تعليم حواسيبنا الانتباه إلى نفس الأشياء التي ينتبه إليها البشر إذا أردناهم أن يكونوا شركاء محادثة طبيعيين حقًا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.