روبوتات مدربة على قراءة العواطف البشرية باستخدام نموذج لغوي بصري — الثقة أهم من الأدب

علماء من جامعة ملبورن دربوا الروبوتات التعاونية على قراءة العواطف البشرية باستخدام نموذج رؤية-لغة (VLM). يُظهر البحث المنشور في IEEE Robotics and Automation Letters أن الروبوتات تصبح أكثر انتباهاً للأشخاص، لكن الثقة فيها تظل تحدد ليس بطريقة التواصل، بل بالقدرة على أداء المهام.

السياق بدلاً من تعبيرات الوجه

تعتمد أنظمة التفاعل القياسية بين الإنسان والآلة على تحليل تعبيرات الوجه وتتبع الأشياء في الإطارات. قرر الباحثون بقيادة Sung Chan Hong الذهاب أبعد من ذلك واستخدام VLM — فئة من النماذج التي تعالج النص والبيانات البصرية في نفس الوقت.

لتدريب النموذج، شاهد المتطوعون مقاطع فيديو حيث قام الروبوتات بتسليم الأشياء للأشخاص بدرجات متفاوتة من النجاح ووصفوا عواطف المشاركين في المشهد. الأهم من ذلك، أخذ المقيّمون السياق الكامل في الاعتبار: الجبين المقطب لدى شخص يقرع أصابعه على الطاولة يعني الانزعاج؛ نفس الجبين المقطب لدى شخص مركز على مهمة يعني ببساطة التركيز.

أسفرت المقارنة مع خوارزمية كلاسيكية عن نتائج مقنعة: حققت VLM دقة 0.86 على مقياس من 0 إلى 1، بينما حققت الطريقة التقليدية 0.77. وفقاً لـ Hong، النموذج "رأى المشهد كاملاً: أين يقع الشخص، ماذا يفعل، كيف يتفاعل مع الروبوت" — هذا بالضبط ما أعطاه الميزة.

الاعتذارات الشخصية تعمل — لكن ليس دائماً

في التجربة الثانية، عمل 40 متطوعاً بشكل تعاوني مع روبوت تم برمجته مسبقاً لارتكاب خطأ. بعد الفشل، استجاب الروبوت بإحدى طريقتين:

• اعتذار تكيفي — تم صياغته بناءً على قراءة الروبوت لحالة الشخص العاطفية
• عبارة معيارية — رد فعل معد مسبقاً

فضّل 31 من 40 مشاركاً الرد الشخصي. يؤكد هذا: يهتم الناس بالشعور بأن الروبوت يلاحظ حالتهم ويستجيب لها بشكل ذي مغزى.

ومع ذلك، أظهرت بيانات المسح جانباً آخر من القصة: انخفضت تقييمات الثقة لدى غالبية المشاركين في الروبوت بعد الخطأ بغض النظر عن نوع الاعتذار.

«الاعتذار الشخصي يعمل كمزيت اجتماعي، لكنه لا يستعيد الثقة المفقودة بسبب فشل المهمة الجسدية»، كما يشرح

Hong.

حيث تنتهي قدرات VLM

كشف تحليل بيانات التجربة الثانية عن قيد مهم. عندما تمت مقارنة تقييمات VLM للعاطفة مع ما أبلغ به المشاركون أنفسهم عن حالتهم العاطفية، انخفضت دقة النموذج بشكل حاد. تطابق النموذج بشكل جيد مع تصورات المراقبين الخارجيين، لكنه تنبأ بشكل سيء بالتجارب الداخلية للمشاركين أنفسهم.

«VLM مراقب جيد للإشارات الاجتماعية الخارجية، لكنها لا تستطيع قراءة الأفكار»، كما شرح Hong. بعبارة أخرى، يلاحظ النموذج ما لاحظه المراقب الخارجي الذي ينظر من الخارج. في الحالات التي يخفي فيها الشخص عواطفه أو يختبر شيئاً لا ينعكس في تعبيرات وجهه وإيماءاته، يفشل النظام.

ماذا يعني هذا

تحدد الأبحاث أولوية واضحة للمطورين: أولاً الموثوقية والدقة في تنفيذ المهام، ثم طبقة التفاعل العاطفي. الناس مستعدون للتعاون مع الروبوتات التي يمكنها الاعتذار بطريقة إنسانية، — لكن قبل كل شيء يريدون شركاء أكفاء لا يرتكبون أخطاء.

مع تطور الأساليب القائمة على VLM، ستتسع الفجوة مع أنظمة التعرف على العواطف التقليدية، لكن هذا لا يحل السؤال الأساسي حول الثقة.