The Computational Grammar of Human Behaviour in a Biological Environment
تقدم هذه الورقة "DynaClade"، وهو خوارزمية غير خاضعة للإشراف تكشف أن السلوك البشري العفوي في البيئات الافتراضية منظم بواسطة قواعد حوسبية من الدرجة الثانية تعتمد على السياق بدلاً من التسلسلات المخطط لها مسبقاً، وتتميز بحالات كامنة متميزة ونمط تمايل غير حركي تم تحديده حديثاً.
المؤلفون الأصليون:Serratos Hernandez, U. D., Goekay, U., Kornemann, L., Hutabarat, Y., Sen, D., Bach, D. R.
البشر في حركة مستمرة، تيار متدفق من الخطوات والإيماءات وتغيرات الوضعية التي تسمح لنا بالتنقل في العالم وتحقيق أهدافنا. وبينما يمكننا بسهولة وصف حركة واحدة مثل التقاط كوب، فإن فهم كيفية ربط الدماغ لآلاف من هذه اللحظات العفوية معاً لتكوين حياة متماسكة يمثل لغزاً عميقاً. لقد تساءل العلماء طويلاً عما إذا كنا نتحرك باتباع نص جامد ومكتوب مسبقاً، أم أننا ببساطة نختار الخطوة التالية بناءً على ما فعلناه للتو وأين نحن الآن. يمس هذا السؤال جوهر الإرادة الحرة وحدود التخطيط العقلي لدينا. فلو كانت أفعالنا مخططة بالكامل، لاحتاجت عقولنا إلى حساب كل خطوة مستقبلية قبل اتخاذ خطوة واحدة، وهي مهمة من شأنها أن تثقل كاهلنا ذهنياً بسرعة. وبدلاً من ذلك، تشير نظريات عديدة إلى أن سلوكنا أكثر سيولة، حيث يشكله الاحتياج المباشر وتاريخ آخر حركاتنا القليلة، بدلاً من مخطط بعيد وثابت.
ولاستقصاء ذلك، أنشأ الباحثون عالماً رقمياً حيث يمكن للناس التحرك بحرية دون إخبارهم بما يجب فعله بالضبط. لقد بنوا بيئة واقع افتراضي مليئة بأشجار الفاكهة والمخاطر الخفية، مثل الثعابين والدببة والنمور. ارتدى ثلاثة وعشرون مشاركاً بدلات التقاط الحركة وسماعات رأس، مما سمح للعلماء بتسجيل كل حركة من حركاتهم بتفاصيل دقيقة أثناء تجولهم في هذه المناظر الطبيعية المحفوفة بالمخاطر. كان الهدف بسيطاً: جمع أكبر قدر ممكن من الفاكهة مع تجنب الاتصال بالتهديدات. ومن الأهمية بمكان أن المشاركين لم يُعطوا نصاً؛ فقد كانوا أحراراً في الجري أو المشي أو الانحناء أو الوقوف متى شعروا بضرورة ذلك. ثم استخدم الباحثون برنامجاً حاسوبياً جديداً، أطلقوا عليه اسم "داينا كليد" (DynaClade)، لمراقبة ساعات الحركة المسجلة وتصنيفها تلقائياً إلى أفعال متميزة. لم يكن هذا البرنامج يعرف مسبقاً ما الذي يبدو عليه "الجري" أو "الوقوف"، بل كان عليه اكتشاف هذه الأنماط بنفسه من خلال النظر في سرعة وشكل حركة الجسم.
نجح الحاسوب في تحديد مفردات غنية مكونة من اثنين وعشرين نوعاً عريضاً من الحركة، تتراوح من المشي والجري إلى أفعال أكثر دقة مثل الركوع لالتقاط الفاكهة أو الوقوف ساكناً. وكان أحد أكثر الاكتشافات إثارة للاهتمام هو سلوك محدد وصفه الباحثون بأنه "متردد". لم يكن هذا تجمدًا ناتجًا عن الخوف، بل كان حركة تأرجح بطيئة في المكان، تحدث غالباً مباشرة قبل أن يقرر الشخص التحرك في اتجاه جديد. بدا الأمر وكأنه لحظة لجمع المعلومات، وقفة جسدية حيث يبدو الشخص وكأنه يزن خياراته. كما وجد البرنامج أيضاً أن هذه الأفعال لم تكن عشوائية؛ فعندما يكون الشخص بالقرب من شجيرة فاكهة، يكون أكثر عرضة للوصول أو الركوع. وعند ظهور تهديد، يكون أكثر عرضة للجري أو الوقوف ساكناً، اعتماداً على نوع الحيوان. كانت الحركات مرتبطة بوضوح بالبيئة، مما يثبت أن تصنيف الحاسوب يتوافق مع المنطق الواقعي.
ومع ذلك، فإن الغموض الأعمق يكمن في ترتيب هذه الأفعال. هل يتحرك الناس في سلاسل ثابتة، مثل تأثير أحجار الدومينو حيث تجبر حركة واحدة الحركة التالية؟ أم أنهم يختارون كل خطوة بناءً على الخطوة التي سبقتها مباشرة فقط؟ اختبر الباحثون ذلك من خلال النظر في تسلسلات الأفعال. ووجدوا أن الترتيب كان بالفعل غير عشوائي، لكنه لم يكن نصاً جامداً أيضاً. أظهرت البيانات أن أفضل طريقة للتنبؤ بما سيفعله الشخص بعد ذلك هي النظر فيما يفعله الآن وما فعله للتو. وهذا ما يُعرف بالبنية من الدرجة الثانية، مما يعني أن الماضي القريب يهم أكثر من تاريخ طويل من التحركات السابقة. وقد استبعدت الدراسة فكرة أن البشر ينفذون باستمرار خططاً معقدة طويلة الأمد لكل خطوة يتخذونها. بدلاً من ذلك، تشير الأدلة إلى أن عقولنا تستخدم استراتيجية أبسط وأكثر كفاءة؛ فنحن نبدو وكأننا نختار حركتنا التالية بناءً على وضعنا الحالي والفعل الذي انتهينا منه للتو.
يسمح لنا هذا النهج بالتعامل مع تعقيدات الحياة الواقعية دون أن نتعثر في حسابات لا نهاية لها. وجد الباحثون أنه بمجرد مراعاة السياق — مثل ما إذا كان الشخص يقوم بجمع الطعام أو الهروب من تهديد — يصبح تسلسل الأفعال قابلاً للتنبؤ به بدرجة عالية. كان الأمر كما لو أن الشخص ينتقل بين مجموعات مختلفة من القواعد اعتماداً على الموقف، ولكن ضمن كل موقف، يتم تحديد الحركة التالية إلى حد كبير من خلال الحركة التي سبقتها. يتحدى هذا الاكتشاف التصور بأننا ننفذ باستمرار تسلسلات سلوكية مُجمعة مسبقاً. بدلاً من ذلك، فإنه يرسم صورة لحركة الإنسان كتدفق مرن واستجابي، يوجهه الحاضر المباشر والماضي القريب جداً. ومن خلال مراقبة الناس في بيئة واقعية ومحفوفة بالمخاطر، تكشف الدراسة أن حياتنا اليومية ليست سلسلة من الروتينات الجامدة، بل هي رقصة ديناميكية من التكيف، حيث نعدل خطوتنا التالية باستمرار بناءً على مكان وجودنا وما فعلناه للتو.
ملخص تقني: القواعد الحسابية للسلوك البشري في بيئة بيولوجية
بيان المشكلة يتجلى السلوك البشري في شكل تدفقات ممتدة من الأفعال العفوية التي تشكلها المتطلبات البيئية وأهداف الوكيل. وبينما تم توصيف توليد التسلسلات الحركية المُتدربة أو المُوجهة بشكل جيد، فإن تنظيم الأفعال العفوية والطبيعية لا يزال غير مفهوم بشكل كافٍ. تشير الأطر النظرية الحالية إلى أن الأفعال البشرية قد يتم اختيارها عشوائياً بواسطة خوارزميات "خالية من النموذج" (model-free) بدلاً من كونها مُخطط لها مسبقاً، ومع ذلك لم يتم اختبار هذه الفرضية بصرامة على تسلسلات الفعل البشري المتولدة تلقائياً. علاوة على ذلك، تعتمد الطرق الحالية لتحليل السلوك غالباً على مجموعات أفعال محددة مسبقاً أو تفترض هياكل تسلسلية معينة (مثل عمليات ماركوف من الدرجة الأولى)، والتي قد لا تستطيع استيعاب تعقيد الحركة البشرية العفوية في الإعدادات الواقعية بيئياً.
المنهجية استخدم المؤلفون نهجاً في علم سلوك الحيوان الحسابي (computational ethology) باستخدام بيانات التقاط الحركة كاملة الجسم للمشاركين أثناء تنقلهم في بيئات بحث عن الطعام محفوفة بالمخاطر وواقعية بيئياً في بيئة واقع افتراضي حرة الحركة (fm-VR). تضمنت الدراسة 23 مشاركاً أكملوا 924 حقبة بحث عن الطعام (متوسط المدة 35 ثانية) حيث طُلب منهم جمع الفاكهة وتجنب التهديدات دون تعليمات محددة حول كيفية أداء هذه الأفعال.
لتحليل البيانات الكينماتيكية المستمرة دون افتراض مسبق لمجموعة الأفعال، طور المؤلفون خوارزمية DynaClade (التجميع الهرمي الديناميكي لاكتشاف الأفعال في التضمينات غير الخطية)، وهي خوارزمية تقسيم الأفعال الزمنية غير الخاضعة للإشراف. سارت المنهجية عبر خمس خطوات:
استخراج الميزات: تم استخراج مجموعة ميزات كينماتيكية عالية الأبعاد (311 متغيراً)، شملت المسافات بين المفاصل، ارتفاعات المفاصل، زوايا القطع، التوجه العالمي، ومشتقاتها الزمنية الأولى والثانية والثالثة (السرعة، التسارع، والارتجاج/jerk).
تقليل الأبعاد: تم إسقاط الميزات إلى فضاء أقل أبعاداً باستخدام تقنية (Uniform Manifold Approximation and Projection - UMAP).
التجميع: تم تحديد مجموعات السلوك الأولية باستخدام التجميع الهرمي القائم على الكثافة للتطبيقات ذات الضجيج (HDBSCAN).
المعالجة اللاحقة بمشاركة العنصر البشري (Human-in-the-Loop): تمت مراجة مراكز المجموعات بصرياً، ودمج الحركات المتشابهة وظيفياً لإنشاء قاموس هرمي للأفعال (70 فعلاً دقيقاً، 46 فعلاً متوسطاً، و22 فعلاً عاماً).
التصنيف: تم تدريب مصنف "الغابة العشوائية" (Random Forest) على الملصقات المنقحة لتعيين تسميات الأفعال النهائية لجميع النقاط الزمنية، بما في ذلك تلك التي صُنفت في البداية كضجيج.
تم تحليل تسلسلات الأفعال الناتجة باستخدام مصفوفات الانتقال من الدرجة الأولى، وتحليل تكرار الـ n-gram، ونماذج ماركوف الخفية (HMM) لتحديد رتبة هيكل التسلسل ودور السياق.
المساهمات الرئيسية
خوارزمية DynaClade: تقديم خوارزمية غير خاضعة للإشراف قادرة على اكتشاف قاموس أفعال هرمي من بيانات التقاط الحركة البشرية المستمرة دون معرفة مسبقة بفضاء الأفعال أو هيكل التسلسل.
اكتشاف السلوك "المتردد": تحديد نمط حركي لم يوصف سابقاً وُسم بـ "المتردد"، والذي يتميز بزيادة تمايل الجسم دون انتقال مكاني، ويحدث بشكل متكرر عند نقاط اتخاذ القرار.
توصيف هيكل التسلسل: تحليل صارم يثبت أن تسلسلات الأفعال البشرية العفوية تظهر هيكلاً من درجات عليا (أعلى من ماركوف من الدرجة الأولى) ويُفسر إلى حد كبير بسياق الفعل بدلاً من التسلسلات الثابتة والمخطط لها مسبقاً.
النتائج
صلاحية قاموس الأفعال: حددت DynaClade 22 فعلاً عاماً (مثل: مشي، ركض، وقوف، وصول، تردد، انحناء/وصول) حيث تتماشى خصائصها الكينماتيكية وتوزيعاتها المكانية مع الإمكانات البيئية (Affordances) (على سبيل المثال: "الوصول" و"الانحناء/الوصول" حدثا بشكل مهيمن بالقرب من الفاكهة؛ "الركض" و"المشي" بالقرب من البيوت الآمنة). كما نجحت الخوارزمية في استعادة الأفعال المُعطاة في جلسات التحقق.
خصائص الأفعال: شكلت مجموعة فرعية (11/22 من الأفعال العامة) 95% من جميع الفترات الزمنية. وشكل السلوك "المتردد" 11.2% من الفترات الزمنية وكان متميزاً كينماتيكياً عن "الوقوف"، حيث أظهر سرعة أعلى في حركة الخصر وحدث بشكل متكرر بين نوبات التنقل. كشفت بيانات تتبع العين (التي لم تُستخدم في التقسيم) عن أنماط متميزة لحجم حدقة العين والمسح البصري مرتبطة بأفعال مختلفة، مما يشير إلى اختلافات في الاستثارة وجمع المعلومات.
هيكل التسلسل:
عدم العشوائية: كانت تسلسلات الأفعال غير عشوائية للغاية، حيث ظهرت 53.1% فقط من الـ bigrams الممكنة.
الاعتماد عالي الرتبة: بينما التقطت انتقالات الدرجة الأولى الهيكل غير العشوائي، إلا أن التسلسلات انحرفت بشكل كبير عن نموذج ماركوف من الدرجة الأولى. أشارت الاختبارات الإحصائية إلى وجود دليل على هيكل ماركوف من الدرجة الثامنة على الأقل في تسلسلات الأفعال الخام.
التفسير السياقي: ومع ذلك، تحسنت دقة التنبؤ بشكل ملحوظ فقط من الدرجة الأولى (39.6%) إلى الدرجة الثانية (49.0%)، مع تناقص العوائد بعد الدرجة الثانية.
الحالات الكامنة: نموذج ماركوف الخفي (HMM) بـ 30 حالة كامنة (مقارنة بـ 22 فعلاً مرصوداً) كان الأفضل في تفسير البيانات. في هذا النموذج، ارتبطت الأفعال المرصودة بحالات كامنة متعددة، حيث تقابل كل حالة نفس الفعل في سياق مختلف (على سبيل المثال: "المشي" في سياق البحث عن الطعام مقابل "المشي" في سياق الهروب).
الاستنتاج حول التنظيم: كان الهيكل عالي الرتبة لتسلسلات الأفعال المرصودة مدفوعاً بشكل أساسي بالحساسية لسياق الفعل. ضمن سياق فعل معين، اتبع تسلسل الأفعال إلى حد كبير بنية ماركوف من الدرجة الأولى، مع عدم وجود دليل على وجود تسلسلات أفعال ثابتة جوهرية تتجاوز الدرجة الأولى.
الأهمية تزعم الورقة أن الأفعال البشرية العفوية يتم اختيارها في الغالب بناءً على الفعل الحالي وسياقه، بدلاً من اتباع تسلسلات مخططة مسبقاً أو مجمعة بشكل اعتيادي. تدعم هذه النتيجة وجهة النظر القائلة بأن البشر يستخدمون استراتيجية فعالة حسابياً وتعتمد على السياق لجعل تجميع السلوك الموجه ذاتياً أمراً قابلاً للتنفيذ في البيئات المعقدة. ومن خلال إثبات أن السلوك البشري في الإعدادات الواقعية بيئياً يتنظم في قاموس غني من الأفعال التي يُفسر تجميعها التسلسلي إلى حد كبير من خلال عمليات ماركوف من الدرجة الأولى المرتبطة بالسياق، فإن الدراسة تثبت صلاحية علم سلوك الحيوان الحسابي كإطار عمل منتج لتوصيف بنية ووظيفة والتباين الفردي في الفعل البشري الطبيعي. يجسّر هذا العمل الفجوة بين المقترحات النظرية للاختيار العشوائي للأفعال والملاحظة التجريبية للسلوك البشري العفوي.