← أحدث الأبحاث
🤖 AI

MultivationBench: A Benchmark for Multimodal Sequential Motivation Reasoning

تقدم الورقة البحثية MultivationBench، وهو معيار جديد قائم على أطر نفسية يقيم قدرة النماذج اللغوية الكبيرة متعددة الوسائط على إجراء الاستدلال التسلسلي للدافع في السرديات البصرية القائمة على القصص، كاشفاً أن النماذج الحالية تعاني في الحفاظ على استدلال متسق عبر السياقات الديناميكية رغم قدراتها على الإدراك الثابت.

المؤلفون الأصليون: Kawai Chung, Chunkit Chan, Yauwai Yim, Yuxuan Liu, Haochen Shi, Weiqi Wang, Qing Zong, Tianshi Zheng, Yixuan Fu, Kai Chung Wong, Hao Liang, Yifan Gao, Xi Yang, Janet Hui-wen Hsiao, Yangqiu Song

نُشر 2026-07-30
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Kawai Chung, Chunkit Chan, Yauwai Yim, Yuxuan Liu, Haochen Shi, Weiqi Wang, Qing Zong, Tianshi Zheng, Yixuan Fu, Kai Chung Wong, Hao Liang, Yifan Gao, Xi Yang, Janet Hui-wen Hsiao, Yangqiu Song

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 تشاهد فيلماً، ولكن بدلاً من مجرد رؤية ما يحدث، أنت تحاول تخمين لماذا يقوم الشخصيات بذلك. هذا هو جوهر "الذكاء الاجتماعي"، وهي قوة خارقة يمتلكها البشر تتيح لهم فهم المشاعر والأهداف الخفية وراء أفعالنا. يطلق العلماء على هذا اسم "الاستدلال بالدوافع". الأمر لا يتعلق فقط برؤية شخص يمسك بهاتف؛ بل يتعلق بمعرفة ما إذا كان يتصل لطلب المساعدة، أو للتحقق من الوقت، أو للنظر إلى صورة لشخص عزيز مفقود. عادةً، لا نخمن هذا من صورة ثابتة واحدة؛ بل نشاهد القصة وهي تتكشف، ونجمع الأدلة بمرور الوقت. إذا بدا الشخص حزيناً في المشهد الأول، ثم رأى صورة في المشهد الثاني، فإن تخميننا لدوافعه يتغير. تغوص هذه الورقة البحثية فيما إذا كانت أدمغة الكمبيوتر فائقة الذكاء والجديدة (التي تسمى نماذج اللغات الكبيرة متعددة الوسائط) يمكنها القيام بهذا النوع من "عمل المحقق في القصص". وبينما تبدع هذه الحواسيب في النظر إلى صورة ووصفها، أو قراءة قصة والإجابة على أسئلة حولها، فإن هذا البحث يطرح سؤالاً أصعب: هل يمكنها تتبع مشاعر الشخصية المتغيرة كقصة كاملة، تماماً كما يفعل الإنسان؟

قرر الباحثون وراء هذه الدراسة، بقيادة فريق من جامعة هونغ كونغ للعلوم والتكنولوجيا وشركة أمازون، بناء اختبار ضخم لمعرفة ذلك. لقد أنشأوا ما يسمى بـ MultivationBench. فكر في الأمر كمكتبة ضخمة تضم 1,000 قصة بصرية قصيرة، مثل مزيج من مقاطع الأف_لام ومنشورات وسائل التواصل الاجتماعي، تحتوي على أكثر من 4,000 لحظة محددة يقوم فيها الشخص بفعل ما. لكن هذا ليس مجرد اختبار لـ "ماذا حدث"؛ بل هو اختبار لـ "لماذا حدث". ولجعل الاختبار عادلاً وعلمياً، استخدم الفريق كتابين للقواعد النفسية الشهيرة: هرم ماسلو للاحتياجات (الذي يصنف الرغبات البشرية من البقاء الأساسي مثل الطعام والأمان إلى الأهداف العليا مثل الحب وتطوير الذات) ورغبات ريس الـ 16 الأساسية (التي تنظر في الدوافع الشخصية المحددة مثل الفضول، أو الشرف، أو العائلة).

طلب الفريق من نماذج الكمبيوتر مشاهدة هذه القصص إطاراً تلو الآخر. وفي كل خطوة، كان على النماذج تخمين دافع الشخص بناءً فقط على ما شاهدته حتى الآن. والجزء الصعب؟ مع استمرار القصة، تظهر معلومات جديدة من شأنها أن تغير السبب تماماً لفعل سابق. على سبيل المثال، قد يمد شخص يده نحو الهاتف، وفي البداية، يبدو وكأنه يتحقق من رسالة (حاجة "معرفية"). ولكن لاحقاً، تكشف القصة أنه ينظر إلى صورة لعائلته بينما يشعر بالوحدة في حفلة، مما يعني أن السبب الحقيقي كان في الواقع يتعلق بـ "الحب والانتماء". كان على الكمبيوتر أن يكون ذكياً بما يكفي ليقول: "مهلاً، لقد كنت مخطئاً من قبل؛ الآن أعرف السبب الحقيقي".

كانت النتائج بمثابة جرس إنذار لعالم التكنولوجيا. وجدت الورقة البحثية أنه بينما تجيد نماذج الذكاء الاصطناعي المتقدمة تخمين الدوافع في القصص القصيرة والبسيطة، إلا أنها تعاني حقاً عندما تصبح القصة أطول. ومن بين الـ 1,000 قصة التي تم اختبارها، نادراً ما استطاعت النماذج الحفاظ على اتساق استدلالها من البداية إلى النهاية. في الواقع، عندما طُلب منها الحصول على كل دافع بشكل صحيح في قصة كاملة، نجحت أفضل النماذج بنسبة تقل عن 1% فقط. تشير الدراسة إلى أن أدمغة الذكاء الاصطناعي هذه تشبه الطلاب الذين يجيدون حفظ الحقائق ولكنهم سيئون جداً في فهم تدفق الحبكة. فهي تميل إلى التوقف عند أول شيء تراه وتفشل في تحديث تفكيرها عند وصول أدلة جديدة. كما أنها غالباً ما "تهلوس" بأسباب تبدو منطقية ولكنها غير مدعومة بالقصة، أو تفشل في إدراك الأسباب العاطفية الأعمق والأكثر تعقيداً التي تتطلب ربط النقاط عبر السرد بأكمله.

كما قارن الباحثون الذكاء الاصطناعي بالبشر الحقيقيين. وكان البشر، وهم طلاب دراسات عليا، أفضل بكثير في هذه المهمة، خاصة عندما تكون القصص طويلة ومعقدة. وتظهر هذه الفجوة أن الذكاء الاصطناعي، رغم تحسنه في الرؤية والقراءة، لا يزال يفتقر إلى "الدماغ الاجتماعي" اللازم لفهم كيف تتغير دوافعنا وتتطور بمرور الوقت. وتخلص الورقة إلى أننا لا نزال بعيدين عن امتلاك حواسيب يمكنها حقاً فهم الأسباب المتغيرة والمعقدة وراء السلوك البشري في قصة ما. إنه تذكير بأن فهم لماذا يفعل الناس ما يفعلونه أصعب بكثير من مجرد معرفة ماذا فعلوا.

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.AI →