نماذج VLM تعلّم الروبوتات قراءة المشاعر البشرية — لكن الثقة أهم من اللباقة

درّب باحثون في جامعة ملبورن روبوتات تعاونية على قراءة المشاعر البشرية باستخدام نموذج لغوي بصري (VLM). وتُظهر الدراسة، المنشورة في IEEE Robotics and Automation Letters، أن الروبوتات باتت أكثر انتباهًا للناس، لكن الثقة بها ما زالت تتحدد بقدرتها على إنجاز المهام، لا بأسلوب تواصلها.

السياق بدلًا من تعابير الوجه

تعتمد أنظمة التفاعل بين الإنسان والآلة التقليدية على تحليل تعابير الوجه وتتبّع الأجسام في الإطار. أما الباحثون بقيادة سونغ تشان هونغ (Seung Chan Hong) فقرروا تجاوز ذلك واستخدام نماذج VLM، وهي فئة من النماذج تعالج النصوص والبيانات المرئية في آنٍ واحد. ولتدريب النموذج، شاهد متطوعون تسجيلات فيديو تسلّم فيها الروبوتات أغراضًا للبشر بدرجات متفاوتة من النجاح، ووصفوا مشاعر المشاركين في المشهد. والأهم أن المقيّمين أخذوا السياق كله في الحسبان: فالجبين المقطّب لدى شخص ينقر بأصابعه على الطاولة يعني الانزعاج، بينما يعني الجبين المقطّب نفسه لدى شخص منهمك في مهمة التركيز فحسب.

وجاءت المقارنة مع الخوارزمية الكلاسيكية بنتيجة مقنعة: حقق نموذج VLM دقة بلغت 0,86 على مقياس من 0 إلى 1، مقابل 0,77 للنهج التقليدي. وبحسب هونغ، فإن النموذج «رأى المشهد كله: أين يقف الشخص، وماذا يفعل، وكيف يتفاعل مع الروبوت»، وهذا ما منحه الأفضلية.

الاعتذارات المخصّصة تنفع — لكن ليس دائمًا

في التجربة الثانية، عمل 40 متطوعًا مع روبوت برمجه الباحثون مسبقًا لارتكاب خطأ. وبعد الخلل، كان الروبوت يتصرف بإحدى طريقتين:

• اعتذار تكيّفي: صِيغ بناءً على الحالة العاطفية التي قرأها الروبوت لدى الشخص
• عبارة قياسية: ردّ جاهز مكتوب مسبقًا

وفضّل 31 من أصل 40 مشاركًا الاستجابة المخصّصة. وهذا يؤكد أن الناس يهمّهم أن يشعروا بأن الروبوت يلاحظ حالتهم ويتفاعل معها بشكل مدروس. غير أن بيانات الاستبيانات كشفت جانبًا آخر من الصورة: فقد تراجعت تقييمات الثقة بالروبوت لدى غالبية المشاركين بعد الخطأ، بغضّ النظر عن نوع الاعتذار.

«الاعتذار المخصّص يعمل كمادة تليين اجتماعية، لكنه لا يستعيد الثقة التي

ضاعت بسبب الإخفاق في مهمة جسدية»، يوضح هونغ.

أين تنتهي قدرات VLM

كشف تحليل بيانات التجربة الثانية عن قيد مهم. فعندما قورنت تقديرات النموذج للمشاعر بما أفاد به المشاركون أنفسهم عن حالتهم، تراجعت دقة النموذج بشكل حاد. فقد تطابق النموذج جيدًا مع انطباعات المراقبين الخارجيين، لكنه أخفق في التنبؤ بالمشاعر الداخلية للمشاركين أنفسهم.

«نموذج VLM مراقب جيد للإشارات الاجتماعية الخارجية، لكنه لا يستطيع قراءة الأفكار»، أوضح هونغ. وبعبارة أخرى، يلاحظ النموذج ما قد يلاحظه شخص غريب يراقب من الجانب. وفي المواقف التي يُخفي فيها الشخص مشاعره، أو يمرّ بتجربة لا تنعكس على تعابير وجهه وإيماءاته، يخفق النظام.

ماذا يعني ذلك

تحدد الدراسة أولوية واضحة للمطورين: الموثوقية ودقة تنفيذ المهام أولًا، ثم طبقة التفاعل العاطفي. فالناس مستعدون للتعاون مع روبوتات تعرف كيف تعتذر بطريقة إنسانية، لكنهم يريدون في المقام الأول شركاء أكفاء لا يرتكبون الأخطاء.

ومع تطور نهج VLM، ستتسع الفجوة بينه وبين أنظمة التعرّف التقليدية على المشاعر، لكن ذلك لن يحلّ مسألة الثقة الجوهرية.