EmotionThinker: نماذج اللغة الكبيرة تتعلم شرح المشاعر في الكلام

ظلّت أنظمة التعرّف على المشاعر لفترة طويلة تعمل كصندوق أسود: يستمع النموذج إلى الصوت ويُخرج تصنيفًا، مثل «حزن» أو «فرح» أو «غضب»، وينتهي عمله عند هذا الحد. لا شرح ولا سياق. قرر فريق من الباحثين تغيير هذا النهج جذريًا، وقد عُرضت نتيجة عملهم، نموذج EmotionThinker، في مؤتمر ICLR 2026 ضمن فئة Oral، وهو ما يدل في حد ذاته على التقدير العالي الذي حظي به العمل في الأوساط العلمية.

فهم المشكلة التي يعالجها EmotionThinker ليس صعبًا. فالتعرّف التقليدي على المشاعر في الكلام مهمة تصنيف: يُدرَّب النظام على مطابقة السمات الصوتية مع مجموعة محددة مسبقًا من الفئات العاطفية. ينجح هذا النهج، لكن فيه عيبًا جوهريًا هو غياب الشفافية. فالطبيب النفسي السريري حين يستمع إلى مريضه لا يكتفي بوصمه بأنه «قلِق». بل يلاحظ ارتجاف الصوت عند كلمات بعينها، وتوقفات في مواضع لا تُتوقع، وتسارع وتيرة الكلام في لحظات محددة. ويُحدث EmotionThinker لأول مرة نقلًا لهذه العملية التحليلية إلى فضاء نماذج اللغة الكبيرة.

من الناحية المعمارية، يقوم النموذج على فكرة سلسلة الاستدلال، وهو نهج أصبح خلال العامين الأخيرين من أبرز اتجاهات تطوير نماذج LLM. فبدلًا من إصدار إجابة تصنيفية مباشرة، يولّد EmotionThinker أولًا شرحًا نصيًا مفصلًا: لماذا هذه المشاعر تحديدًا، وما الإشارات الصوتية والدلالية التي تدل عليها، وكيف يتفاعل معنى الكلمات المنطوقة مع طريقة نطقها. وبعد هذه الخطوة فقط يصوغ النموذج استنتاجه النهائي. والأهم أن الشرح ليس تبريرًا لاحقًا للقرار، بل جزء مباشر من عملية اتخاذه.

هنا يكمن الإنجاز التقني الرئيسي. فالإشارات الصوتية والنص نمطان مختلفان جوهريًا، ومعالجتهما معًا ما زالت من أصعب المهام في مجال الذكاء الاصطناعي متعدد الوسائط. ينقل الكلام معلومات يستحيل نقلها بالكلمات: ارتفاعات النغمة، والتوقفات الدقيقة، وتغيرات الجرس الصوتي. ولا يكتفي EmotionThinker بتحويل هذه الإشارات إلى نص، بل يتعلم بناء سرد متماسك يربط الطبقة الصوتية بالطبقة الدلالية. وهذا ما يجعل شروح النموذج ذات مضمون حقيقي لا مجرد شكليات.

تتجاوز أهمية هذا العمل حدود الاهتمام الأكاديمي. فشفافية الذكاء الاصطناعي العاطفي مسألة ثقة وقابلية للتطبيق. تخيّل نظامًا لدعم الصحة النفسية لا يكتفي برصد مؤشرات القلق في صوت المستخدم، بل يستطيع أن يشرح للمشغّل أو للمستخدم نفسه ما الذي أثار انتباه الخوارزمية. أو نظامًا آليًا لمراقبة الجودة في مراكز الاتصال لا يكتفي بوضع علامة على مكالمة، بل يشير إلى اللحظات المحددة التي بدأت فيها النبرة العاطفية للتفاعل بالتدهور. وفي التعليم والطب والاتصالات المؤسسية، أي في كل مجال لا يهم فيه ما يشعر به الإنسان فحسب بل لماذا يشعر به، تكتسب هذه الأنظمة قيمة مختلفة نوعيًا.

وللسياق الأوسع أهميته أيضًا. فقانون الاتحاد الأوروبي للذكاء الاصطناعي، الذي أُقرّ في عام 2024، يفرض متطلبات صارمة على قابلية الشرح في الأنظمة العاملة في المجالات الحساسة، والتعرّف على المشاعر واحد منها. ويتماشى نهج EmotionThinker بسلاسة مع هذا الاتجاه التنظيمي: فالنموذج القادر على شرح قراراته يلبّي متطلبات التدقيق والتحقق بسهولة أكبر بكثير. وعمليًا، قدّم الباحثون ردًا معماريًا على تحدٍّ قانوني.

وبالطبع تبقى أسئلة مفتوحة. فمدى انعكاس الشروح المولَّدة فعليًا للمنطق الداخلي للنموذج، بدلًا من كونها نصوصًا معقولة الشكل لكنها اعتباطية، مسألة ينبغي أن تتحقق منها دراسات مستقلة. كذلك فإن إمكانية تعميم النهج على لغات وسياقات ثقافية مختلفة، حيث تتباين أعراف التعبير العاطفي بصورة جذرية، ستتطلب عملًا منفصلًا. فالجمهور الصيني، الذي صُمم النظام في الأصل من أجله، والجمهور المتوسطي مثلًا، بيئتان عاطفيتان مختلفتان تمامًا.

ومع ذلك، يرسم EmotionThinker اتجاهًا مهمًا. فالتعرّف على المشاعر يتوقف عن كونه مهمة تصنيف ويصبح مهمة فهم. وذكاء اصطناعي لا يستطيع أن يستشعر فحسب، بل أن يشرح أيضًا، يمثل مستوى مختلفًا جذريًا من التفاعل بين الإنسان والآلة. وحصول هذا العمل تحديدًا على فئة Oral في ICLR 2026 يدل على أن المجتمع العلمي يدرك ذلك.