🤖 AI

LLM-Based Selection of Incongruent Verbal and Nonverbal Behavior for Virtual Humans

تقترح هذه الورقة تصنيفاً للتناقضات بين السلوك اللفظي وغير اللفظي بناءً على إطار إكمان، وتستقصي استخدام النماذج اللغوية الكبيرة لاختيار سلوكيات غير متوافقة ملائمة سياقياً للبشر الافتراضيين، وتتحقق من فعاليتها في إنتاج تأثيرات الملاحظ المقصودة من خلال دراسة على مشاركين بشريين.

المؤلفون الأصليون: Parisa Ghanad Torshizi, Stacy Marsella

نُشر 2026-08-25

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Parisa Ghanad Torshizi, Stacy Marsella

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

في المساحات الهادئة بين الكلمات المنطوقة، غالبًا ما يقوم التواصل البشري بأكثر أعماله تعقيدًا. فعندما نتحدث، نحن لا ننقل المعلومات فحسب؛ بل نسقط مشاعرنا، ومكانتنا الاجتماعية، ونوايانا الخفية من خلال وجوهنا، وأعيننا، ووضعيات أجسادنا. هذه الإشارات الصامتة، المعروفة بالسلوكيات غير اللفظية، يمكن أن تعزز ما نقوله، ولكن يمكنها أيضًا أن تناقضه. قد يقول الشخص "أنا بخير" بينما يشتد وجهه قلقًا، أو يقدم إطراءً بنبرة توحي بالسخرية. هذه القدرة على جعل الجسد يخون الفم، أو إخفاء المشاعر الحقيقية خلف ابتسامة مهذبة، هي جزء أساسي من كيفية إدارة البشر للعلاقات، وإدارة الصراعات، وإظهار الثقة. لعقود من الزمن، حاول الباحثون تعليم الحواسيب محاكاة هذا التعقيد، عبر بناء وكلاء افتراضيين يمكنهم التحرك والإيماء مثل البشر. ومع ذلك، ظل معظم هذه الشخصيات الرقمية مقيدين بقاعدة بسيطة: إذا كانت الكلمات سعيدة، فيجب أن يكون الوجه سعيدًا. إنهم يكافحون لفهم أن أكثر الأشياء صدقًا يمكن للإنسان القيام به أحيانًا هو أن يقول شيئًا بينما يقول جسده شيئًا آخر.

سعى فريق من الباحثين في جامعة نورث إيسترن لتغيير هذا القصور. أرادوا معرفة ما إذا كان بإمكانهم تعليم إنسان افتراضي توليد هذه السلوكيات المتناقضة واللطيفة تلقائيًا، باستخدام نوع من الذكاء الاصطناعي يُعرف بالنموذج اللغوي الكبير. هذه النماذج هي أنظمة قوية مدربة على كميات هائلة من النصوص، وقادرة على فهم السياق والفروق الدقيقة. طرح الباحثون سؤالًا محددًا: إذا أعطوا الكمبيوتر محادثة ووصفًا للموقف، فهل يمكنه معرفة متى يجب على المتحدث أن يبدو غير سعيد أثناء قول شيء لطيف، أو يبدو ودودًا أثناء تقديم أخبار سيئة؟ لم يريدوا من الكمبيوتر أن يخمن فحسب؛ بل أرادوا رؤية ما إذا كان بإمكان الكمبيوتر اتخاذ هذه الخيارات بطريقة تبدو واقعية للمراقبين البشر.

ولاختبار ذلك، قام الفريق أولاً بإنشاء خريطة للطرق المختلفة التي يخلط بها الناس بين كلماتهم وأفعالهم. لقد حددوا أربعة أسباب رئيسية قد تدفع الشخص للقيام بذلك. أحيانًا تكون السخرية، حيث يستخدم المتحدث الثناء للإساءة إلى شخص ما أو النقد لإظهار المودة. وفي أحيان أخرى، يتعلق الأمر بحفظ الوجه، حيث يخفف الشخص من نقد قاسٍ بابتسامة دافئة لتجنب جرح المشاعر، أو يفرض ابتسامة مهذبة لإخفاء غضبه. هناك أيضًا الخداع، حيث يحاول الشخص إخفاء شعور سري، والتنظيم العاطفي، حيث يحاول شخص ما كبح شعور يتدفق بداخله. وباستخدام هذه الفئات، صمم الباحثون ثمانية سيناريوهات محددة، مثل موظف مبتدئ يتحدث إلى مدير زاد من عبء عمله، أو أم تقدم ملاحظات لابنها المراهق.

ثم اختبر الباحثون ثلاث طرق مختلفة لطلب توليد السلوك من الكمبيوتر. في الطريقة الأولى، أعطوا الكمبيوتر الجملة المنطوقة فقط. وفي الثانية، أضافوا تاريخ المحادثة المؤدي إلى تلك الجمة. وفي الثالثة والأكثر تفصيلًا، قدموا تاريخ المحادثة بالإضافة إلى وصف مكتوب للعلاقة بين المتحدثين والسياق الاجتماعي. طُلب من الكمبيوتر، المدعوم بنموذج يسمى "كلود" (Claude)، أن يقرر ما يجب أن يفعله وجه الشخص وعيناه لكل جملة. كانت النتائج واضحة: عندما كان الكمبيوتر يحصل على الكلمات فقط، كان في الغالب يجعل الشخصية تبدو سعيدة عندما تكون الكلمات سعيدة وحزينة عندما تكون الكلمات حزينة. ولكن عندما زودهم الباحثون بالسياق الكامل — ديناميكيات القوة، والتاريخ، والضغط الاجتماعي — بدأ الكمبيوتر في اختيار سلوكيات تناقض الكلمات. في السيناريو الذي كان يتعين فيه على موظف مبتدئ الموافقة على مزيد من العمل من مدير متطلب، اختار الكمبيوتر ابتسامة صغيرة ومتحفظة، مصحوبة بنظرة خاطفة بعيدًا وتشنج في الشفاه. لقد فهم أن الموظف يقول "نعم" بينما يشعر بـ "لا".

ولرؤية ما إذا كانت هذه الخيارات التي ولدها الكمبيوتر تعمل بالفعل، حول الباحثون التعليمات الرقمية إلى مقاطع فيديو لإنسان افتراضي وعرضوها على الناس. في الدراسة الأولى، طلبوا من المشاركين مشاهدة أزواج من الفيديوهات وتحديد أي المتحدثين كان لديه موقف أكثر إيجابية. عندما قال الإنسان الافتراضي شيئًا إيجابيًا ولكنه بدا سلبيًا، صنف الناس الموقف على أنه أقل إيجابية مما لو كان الإنسان يبدو سعيدًا. وعندما قال الإنسان شيئًا سلبيًا ولكنه ابتسم بدفء، صنف الناس الموقف على أنه أكثر إيجابية مما لو كان الإنسان يبدو غاضبًا. بحثت الدراسة الثانية بشكل أعمق، حيث سألوا الناس عن تقييم المشاعر المحددة التي رأوها. أظهرت النتائج أن الإشارات غير اللفظية التي اختارها الكمبيوتر كانت قوية بما يكفي لتغيير شعور الناس تجاه عواطف المتحدث. إذا اختار الكمبيوتر عبوسًا ليتماشى مع جملة سعيدة، فقد أفاد الناس بأنهم شعروا في الواقع أن المتحدث غاضب أو ساخر. وإذا اختار الكمبيوتر ابتسامة دافئة لتتماشى مع جملة حزينة، فقد أفاد الناس بشعورهم بالتعاطف بدلاً من الغضب.

تؤكد الدراسة أن تزويد الذكاء الاصطناعي بالسياق الاجتماعي الكامل للمحادثة يسمح له بتوليد سلوكيات غير لفظية أكثر شبهاً بالبشر مما لو استندت إلى الكلمات وحدها. لم يكتفِ الكمبيوتر بتكرار عاطفة الجملة؛ بل فسر الموقف وقرر أن التناقض هو الاستجابة الأكثر صدقًا. وبينما أشار الباحثون إلى أن نظامهم لا يزال بحاجة إلى عمل للتعامل مع الإيماءات ونبرة الصوت، وأن الفيديوهات كانت قصيرة، فإن النتيجة الجوهرية مهمة. إنها تشير إلى أنه لكي يكون البشر الافتراضيون مقنعين حقًا، خاصة في أدوار مثل تدريب المعالجين أو التفاوض، يجب أن يكونوا قادرين على جعل أجسادهم تروي قصة مختلفة عن أفواههم. لقد تعلم الكمبيوتر أن الحقيقة أحيانًا لا تكمكمن في الكلمات، بل في الصمت الذي بينها.

LLM-Based Selection of Incongruent Verbal and Nonverbal Behavior for Virtual Humans

ملخص تقني: استخدام النماذج اللغوية الكبيرة (LLM) لاختيار السلوكيات اللفظية وغير اللفظية غير المتطابقة للبشر الافتراضيين

بيان المشكلة

المنهجية

1. الإطار النظري والتصنيف

2. نهج التلقين (Prompting Approaches)

3. توليد السيناريوهات

4. التقييم البشري

المساهمات الرئيسية

النتائج

تحليل مخرجات النموذج اللغوي (LLM)

نتائج الدراسة البشرية

الأهمية والادعاءات