BhaRaTa: A Novel Framework for Emotion Analysis of Sanskrit Narratives

تخيل أنك محقق يحاول فهم مزاج غرفة ما بمجرد الاستماع إلى الأشخاص الذين يتحدثون بداخلها. في عالم علوم الحاسوب، يسمى هذا "تحليل المشاعر". عادةً، تكون الحواسيب جيدة في رصد الأساسيات: هل الشخص سعيد أم حزين؟ هل المراجعة إيجابية أم سلبية؟ لكن الحياة الواقعية، وخاصة القصص العظية، أكثر تعقيداً بكثير من مجرد "إبهام للأعلى" أو "إبهام للأسد". البشر يشعرون بمزيج مذهل من المشاعر في آن واحد—مثل الشعور بالإثارة ولكن مع القليل من التوتر، أو الغضب ولكن مع الفخر أيضاً.

لفترة طويلة، حاولت الحواسيب فهم هذه المشاعر المعقدة باستخدام خرائط نفسية غربية، والتي تصنف المشاعر إلى فئات مثل "الفرح" أو "الخوف" أو "الغضب". ولكن ماذا لو كانت هناك خريطة مختلفة تماماً؟ واحدة رُسمت قبل آلاف السنين في الهند القديمة؟ تغوص هذه الورقة البحثية في زاوية من علوم الحاسوب تسمى "معالجة اللغات الطبيعية" (NLP)، حيث يقوم الباحثون بتعليم الحواسيب كيفية قراءة وفهم اللغة البشرية. السؤال الكبير هنا هو: هل يمكننا تعليم الحاسوب فهم المشاعر العميقة والمتنوعة للقصص السنسكريتية القديمة باستخدام نظرية هندية قديمة تسمى "راسا" (Rasa)؟ تشير هذه النظرية إلى أن القصص لا تتعلق فقط بما يحدث، بل بـ "النكهة" المحددة أو التجربة الجمالية التي تخلقها في ذهن القارئ، والتي تُبنى من خلال أدلة عاطفية صغيرة جداً. إذا استطعنا فك هذه الشفرة، فقد يساعد ذلك الحواسيب على فهم الأدب بطريقة أكثر إنسانية، مع احترام التاريخ الثقافي الفريد لكيفية سرد القصص.

---

الوصفة القديمة للمشاعر: BhaRaTa

تعرف على الفريق وراء مشروع BhaRaTa (والذي يرمز إلى Bhāva & Rasa Tagging). هم مجموعة من الباحثين من معهد IIIT-Hyderabad الذين قرروا معالجة لغز محدد وشديد الصعوبة: كيف تعلم حاسوباً فهم المشاعر في المسرحيات السنسكريتية؟

السنسكريتية هي لغة قديمة، تشبه المستحاثة اللغوية. إنها جميلة، لكنها نادرة أيضاً في العالم الرقمي. لا توجد ملايين التغريدات أو منشورات "ريديت" باللغة السنسكريتية لكي تتعلم منها الحواسيب. بالإضافة إلى ذلك، المسرحيات نفسها معقدة؛ فهي ليست مجرد حوار، بل هي مزيج من الشعر والنثر، مليئة بالأفعال الجسدية، والهمسات، والوقفات الدرامية. أدرك الباحثون أنهم إذا حاولوا استخدام أدوات المشاعر "الغربية" القياسية (التي تبحث عن كلمات بسيطة مثل "سعيد" أو "حزين")، فإنهم سيفقدون السحر. لذا، قاموا ببناء إطار عمل جديد يعتمد على "ناتيا شاسترا" (Nāṭyaśāstra)، وهو رسالة قديمة حول الدراما تعمل ككتاب وصفات لإنشاء التجارب العاطفية.

المكونات: Bhāva و Rasa

لفهم تجربتهم، عليك أن تفهم مكوناتها. استخدم الباحثون مفهومين رئيسيين من النص القديم:

1. بهافا (Bhāva - المكونات): فكر في هذه كحالات عاطفية خام. في المسرحية، قد يشعر الشخص بـ الشوق، أو الخوف، أو الفرح، أو التصميم. هذه هي المشاعر المحددة واللحظية. حدد الباحثون 31 من هذه "النكهات" لوسمها في النص.
2. راسا (Rasa - الطبق النهائي): هذا هو الصورة الكبيرة. عندما تخلط كل تلك الـ "بهافا" معاً بطريقة معينة، فإنها تخلق مزاجاً مهيمناً أو تجربة جمالية للمشهد بأكمله، تسمى "راسا". الأمر يشبه كيف أن خلط الدقيق والسكر والبيض ينتج كعكة. أنت لا تتذوق "الدقيق" بعد الآن؛ بل تتذوق "الكعكة". في الدراما السنسكريتية، قد يهيمن على المشهد طابع الرومانسية، أو البطولة، أو الرعب، أو الكوميديا.

كان هدف الفريق هو معرفة ما إذا كان بإمكان الحاسوب تذوق "الكعكة" (مزاج المشهد) من خلال تحليل "المكونات" (أسطر الحوار الفردية).

التجربة: إطعام الآلة

جمع الباحثون 18 مسرحية سنسكريتية شهيرة، بما في ذلك أعمال الكاتب المسرحي الأسطوري "كاليدا سا". قاموا بتنقية النصوص (وهو أمر كان صعباً بشكل مفاجئ لأن النسخ الرقمية القديمة كانت تحتوي على كلمات مفقودة وأخطاء مطبعية) وقسموا المسرحيات إلى 6,947 سطراً من الحوار.

بعد ذلك، قاموا بالعمل الشاق: قاموا بوسم كل سطر يدوياً بـ "البهافا" (العاطفة) الصحيحة، وكل مشهد بـ "الستايي بهافا" (المزاج المهيمن) الصحيح. أنشأوا أداة ويب خاصة لمساعدتهم في القيام بذلك، مما ضمن اتفاق شخصين مختلفين على الوسوم في معظم الأحيان. خلق هذا مجموعة بيانات جديدة، وهي كنز من الدراما السنسكريتية الموسومة التي لم تكن موجودة من قبل.

بمجرد تجهيز البيانات، عرضوها على الحواسيب. جربوا نهجين رئيسيين:

1. اختبار السطر الواحد: هل يمكن للحاسوب النظر إلى جملة واحدة وتخمين العاطفة؟ (مثلاً: "هل هذا السطر يعبر عن 'الفرح' أم 'القلق'؟")
2. اختبار المشهد: هل يمكن للحاسوب النظر إلى مشهد كامل وتخمين المزاج العام؟ (مثلاً: "هل هذا المشهد 'رومانسي' أم 'بطولي'؟")

اختبروا أنواعاً عديدة من "أدمغة" الحواسيب، من النماذج الرياضية البسيطة والقديمة إلى أنظمة الذكاء الاصطناي المتطورة والحديثة التي تقرأ مثل البشر (والتي تسمى "ترانسفورمرز").

النتائج: القديم يتفوق على الحديث

هنا تصبح القصة مثيرة للاهتمام. قد تتوقع أن تفوز نماذج الذكاء الاصطناعي الحديثة والذكية جداً بسهولة. ففي النهاية، هي مدربة على كميات هائلة من البيانات. ولكن في هذه الحالة، كانت النماذج البسيطة والقديمة تؤدي عملاً أفضل بالفعل.

لماذا؟ يقترح الباحثون أن السبب هو أن مجموعة البيانات كانت صغيرة جداً بالنسبة لنماذج الذكاء الاصطناعي الضخمة. المسرحيات السنسكريتية لم تكن تحتوي سوى على حوالي 7,000 سطر. بالنسبة لذكاء اصطناعي ضخم، هذا يشبه محاولة تعلم عزف البيانو من خلال الاستماع إلى ثلاث أغانٍ فقط. أصيب الذكاء الاصطناعي بالارتباك وحاول حفظ أنماط لا تعمل. أما النماذج الأبسط، فكانت مثل محقق حاد الذكاء يستطيع رصد "العلامات" المحددة في الكلمات السنسكريتية—بعض العبارات التي تعني دائماً "الغضب" أو "الفرح"—دون أن يشعر بالارتباك.

وجد الباحثون أن أفضل طريقة لحل اللغز هي استخدام نهج هرمي. بدلاً من مطالبة الحاسوب بتخمين واحدة من 32 عاطفة دفعة واحدة (وهو أمر يشبه مطالبة طفل بتخمين بطاقة محددة من مجموعة تضم 52 بطاقة دون أي تلميحات)، طلبوا منه تخمين الفئة أولاً (هل هي إيجابية، سلبية، أم مختلطة؟) ثم العاطفة المحددة. هذا الأسلوب "ثنائي الخطوات" كان يعمل بشكل أفضل بكثير، حيث رفع الدقة بشكل كبير.

وعندما تعلق الأمر بتخمين مزاج المشهد بأكمله، وجد الحاسوب أن النظر إلى توزيع العواطف كان هو المفتاح. إذا كان المشهد يحتوي على الكثير من أسطر "الفرح" و"الشوق"، يمكن للحاسوب أن يخمن بشكل صحيح أن المشهد "رومانسي". ومن المثير للاهتمام أن محاولة تخمين المزاج بمجرد قراءة النص الخام للمشهد (دون عد العواطف أولاً) كانت أصعب وأقل دقة. يبدو أن بالنسبة لهذه المسرحيات القديمة، فإن مزيج العواطف الصغيرة هو دليل أقوى من الكلمات الخام نفسها.

ما الذي لم ينجح

حاول الباحثون أيضاً استخدام أحدث وأقوى نماذج الذكاء الاصطناعي المتاحة (نماذج اللغات الكبيرة مثل Llama 3.1). حاولوا أن يطلبوا من هذه النماذ تخمين العواطف مباشرة. كانت النتائج مخيبة للآمال. أدت هذه النماذج أداءً ضعيفاً جداً، وغالباً ما كانت تخطئ أكثر مما تصيب. يشير الباحثون إلى أن هذه النماذج العامة ليست جاهزة لهذه المهمة المحددة بعد؛ فهي تحتاج إلى مزيد من التدريب على اللغة السنسكريتية تحديداً قبل أن تتمكن من فهم الفروق الدقيقة لهذه المسرحيات القديمة.

الخلاصة

لا تدعي هذه الورقة البحثية أنها حلت لغز المشاعر البشرية. بدلاً من ذلك، هي تضع حجر الأساس. إنها تظهر أن:

• يمكننا بنجاح تعليم الحواسيب فهم المشاعر الهندية القديمة باستخدام إطار عمل يعتمد على نظرية عمرها 2,000 عام.
• بالنسبة للغات ذات الموارد المنخفضة مثل السنسكريتية، غالباً ما تعمل النماذج الأبسط والأكثر ذكاءً بشكل أفضل من أنظمة الذكاء الاصطناعي الضخمة المتعطشة للبيانات.
• تقسيم مشكلة معقدة (تخمين 32 عاطفة) إلى خطوات أصغر (تخمين الفئة أولاً) يجعل الحاسوب أكثر دقة بكثير.

الباحثون متحمسون لأن هذه هي مجرد البداية. يأملون في استخدام إطار عمل "BhaRaTa" هذا لتحليل أنواع أخرى من الأدب السنسريتي، مثل الملاحم والشعر، وفي النهاية تطبيق هذه الأفكار على لغات هندية أخرى. لقد أثبتوا أن الحكمة القديمة والتكنولوجيا الحديثة يمكن أن يمتزجا لخلق شيء جديد، مما يساعدنا على فهم الأعماق العاطفية للقصص التي صمدت لآلاف السنين.