Authorship Verification of Transcribed German-Language Videos
تتناول هذه الورقة التحدي غير المستكشف كفايةً المتمثل في التحقق من هوية المؤلف للغة الألمانية المنطوقة من خلال تقييم عشر طرق على نصوص الفيديو، حيث وجدت أن أساليب الـ n-gram التقليدية القائمة على الحروف والرموز (tokens) تتفوق على النماذج الحديثة القائمة على المحولات (transformers) بدقة تصل إلى 88%.
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 محقق تحاول حل لغز ما، ولكن بدلاً من البحث عن بصمات الأصابع أو الحمض النووي، أنت تبحث عن "البصمة" غير المرئية لأسلوب كتابة شخص ما. هذا المجال يسمى التحقق من التأليف (Authorship Verification). فكر في الأمر كأنه اختبار كشف كذب أدبي: لديك قطعتان من النص، وعليك أن تقرر: "هل كتب نفس الشخص كليهما؟". يشبه الأمر محاولة معرفة ما إذا كانت لوحتان قد رُسمتا بواسطة نفس الفنان بمجرد النظر إلى ضربات الفرشاة، دون معرفة ما الذي تصوره اللوحتان بالفعل. وبينما تمت دراسة هذا الأمر لسنوات في الرسائل والمقالات المكتوبة، ظل هناك سؤال كبير قائماً: هل ينجح هذا مع الكلمات المنطوقة؟ وهل ينجح مع لغات أخرى غير الإنجليزية؟ هذا الأمر مهم لأن الناس يتحدثون أكثر مما يكتبون في العالم الحقيقي. فإذا تمكنا من معرفة من يتحدث فقط من خلال طريقة كلامه (حتى لو لم نتمكن من سماع صوته، بل فقط الكلمات التي اختارها)، فقد يساعد ذلك في كشف المحتالين، أو التحقق من الهويات عبر الإنترنت، أو حتى رصد الغش الأكاديمي. ولكن هنا تكمن العقبة: عندما يتحدث الناس، غالباً ما يتحدثون عن مواضيع محددة (مثل إصلاح حوض غسيل أو حل مسألة رياضية). وإذا خمن الكمبيوتر ببساطة أن "هذا الشخص يحب الرياضيات"، فهو لا يتحقق حقاً من "هوية" الشخص، بل من "موضوع" حديثه فقط. لذا، فإن التحدي الحقيقي هو تجريد النص من الموضوع ورؤية ما إذا كان "الصوت" الفريد للمتحدث باقياً.
يتعمق هذا البحث في هذا التحدي تحديداً، ولكن مع لمسة مختلفة: فهو يركز على مقاطع الفيديو باللغة الألمانية. أراد الباحثان، أورين هالفاني وسوفي تيتزي، معرفة ما إذا كانت الحيل القديمة المتبعة في كشف الكتاب تنجح مع النصوص المفرغة لأشخاص يتحدثون في مقاطع فيديو. لقد جمعا 300 مقطع فيديو من 150 متحدثاً مختلفاً، تغطي ثلاثة عوالم مختلفة تماماً: النصائح المالية، والدروس الخصوصية في الرياضيات، وأعمال الصيانة المنزلية (DIY). وللتأكد من أن أجهزة الكمبيوتر لا تقوم بمجرد حفظ الموضوع (مثل "هذا الشخص يتحدث دائماً عن تغيير الزيت")، استخدما أداة ذكية تسمى POSNoise. تخيل هذه الأداة كأنها ممحاة سحرية تزيل كل الكلمات "الدسمة" (الأسماء، الأفعال، الحقائق المحددة) وتترك وراءها فقط كلمات "الربط" (مثل "الـ"، "و"، "لكن") وعلامات الترقيم. الأمر يشبه أخذ وصفة طعام وإزالة جميع المكونات منها، وترك التعليمات فقط حول كيفية خلطها. إذا استطاع الكمبيوتر تخمين من كتب الوصفة بمجرد النظر في تعليمات الخلط، فهذا يعني وجود تطابق حقيقي في الأسلوب.
اختبروا عشر طرق حاسوبية مختلفة، تتراوح بين حيل العد البسيطة والقديمة ونماذج الذكاء الاصطناعي المتطورة (المعروفة باسم الـ transformers) التي عادة ما تقرأ الكتب وتكتب المقالات. كانت النتائج بمثابة تحول في الحبكة. فالنماذج "المتطورة" للذكاء الاصطناعي، والتي عادة ما تكون هي النجوم في العروض، تعثرت بشكل سيء. لقد كان أداؤها ضعيفاً، وغالباً ما ارتبكت عندما تمت إزالة الموضوع. يبدو الأمر كما لو أن نماذج الذكاء الاصطناعي هذه اعتادت كثيراً على القراءة عن أشياء محددة، لدرجة أنه عندما سحبت منها القصة، لم يتبقَّ لديها شيء لتستند إليه. في الواقع، لم تتمكن أي من نماذج الذكاء الاصطناعي الحديثة من تحقيق درجة دقة أعلى من 75%.
على الجانب الآخر، كانت الطرق التقليدية —وهي الطرق التي تكتفي بعدّ مجموعات معينة من الحروف أو الكلمات التي تظهر معاً— هي الأبطال الحقيقيين. الطريقة الأفضل أداءً، وهي طريقة تسمى COAV، أصابت في حوالي 88% من فيديوهات الصيانة المنزلية، وطريقة أخرى تسمى LambdaG، وصلت إلى 90% من حيث مقياس إحصائي يسمى AUC. يشير البحث إلى أن هذه الطرق القديمة تعمل بشكل أفضل لأنها تركز على العادات الصغيرة واللاواعية في الكلام: كيف يستخدم المتحدث الفواصل، وأين يضع كلمات مثل "و" و"لكن"، وإيقاعه الخاص. هذه العادات تظل باقية حتى لو مسحت الموضوع. ووجد الباحثون أنه عندما حاولوا استخدام نماذج الذكاء الاصطناعي المتطورة، غالباً ما فشلت لأن تلك النماذج تعتمد كثيراً على محتوى الكلام، وهو الشيء ذاته الذي حاولوا إخفاءه.
يؤكد المؤلفان بحذر أن نتائجهما تستند إلى هذه التجارب المحددة مع فيديوهات المونولوج باللغة الألمانية، وقد لا تعمل بنفس الطريقة تماماً لكل لغة أو لكل نوع من أنواع المحادثات (مثل النقاشات الفوضوية التي يشارك فيها عدة أشخاص يتحدثون في وقت واحد). كما أشارا أيضاً إلى أن مجموعة البيانات الخاصة بهما كانت صغيرة نسبياً، لذا فبينما تبدو الطرق التقليدية واعدة جداً، فإن الفجوة بينها وبين نماذج الذكاء الاصطناعي هي مجرد اقتراح قوي وليست قانوناً نهائياً لا يتغير من قوانين الفيزياء. ومع ذلك، فإن الرسالة واضحة: في عالم التحقق من هوية المتحدث من خلال نص مفرغ، أحياناً تكون الأدوات الأبسط، التي تولي اهتماماً للتفاصيل الصغيرة والمملة في القواعد واختيار الكلمات، هي أكثر المحققين حدة في الغرفة. يبدو أن نماذج الذكاء الاصطناعي المعقدة والحديثة، رغم سمعتها، تحتاج إلى مزيد من التدريب للتعامل مع واقع اللغة المنطوقة الفوضوي دون أن يتشتت انتباهها بالموضوع المطروح.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.