EmotionThinker: نماذج LLM تتعلم شرح المشاعر في الكلام

لفترة طويلة، عملت أنظمة التعرف على العواطف كصندوق أسود: كان النموذج يستمع إلى الصوت، ويصدر تسمية — «حزن»، «فرح»، «غضب» — وهنا ينتهي عمله. لا تفسيرات، لا سياق. قررت مجموعة من الباحثين تغيير هذا النهج بشكل جذري، والنتيجة — نموذج EmotionThinker — تم عرضها في مؤتمر ICLR 2026 كعرض شفهي، مما يشهد بحد ذاته على التقييم العالي من الجماعة العلمية.

من السهل فهم جوهر المشكلة التي يحلها EmotionThinker. التعرف التقليدي على العواطف في الكلام هو مهمة تصنيف: يتعلم النظام مطابقة الميزات الصوتية مع مجموعة محددة مسبقاً من الفئات العاطفية. يعمل الأسلوب، لكنه يحتوي على عيب أساسي — عدم الشفافية. لا يقوم عالم نفس إكلينيكي يستمع إلى مريض بالبساطة بوضع علامة عليه بـ «قلق». يلاحظ رجفة في الصوت على كلمات معينة، وفترات توقف حيث لا تتوقعها، وتسارع معدل الكلام في لحظات محددة. يقوم EmotionThinker لأول مرة بنقل هذه العملية التحليلية إلى مجال نماذج اللغة الكبيرة.

من الناحية المعمارية، يتم بناء النموذج على فكرة سلسلة من الأفكار — وهو نهج أصبح أحد الاتجاهات الرئيسية في تطوير LLM على مدى السنتين الماضيتين. بدلاً من إنتاج إجابة تصنيف فوراً، ينتج EmotionThinker أولاً تفسيراً نصياً مفصلاً: لماذا بالضبط هذه العاطفة، وما الإشارات الصوتية والدلالية التي تشير إليها، وكيف يتفاعل معنى الكلمات التي يتم نطقها وطريقة نطقها مع بعضها البعض. فقط بعد هذه الخطوة يصيغ النموذج الاستنتاج النهائي. من المهم بشكل أساسي أن التفسير ليس تبريراً بأثر رجعي، بل جزء مباشر من عملية صنع القرار.

هنا يكمن الإنجاز التقني الرئيسي. إشارات الكلام والنص هما أنماط مختلفة بشكل أساسي، وتجهيزهما معاً يبقى أحد أصعب المهام في الذكاء الاصطناعي متعدد الأنماط. يحمل الكلام معلومات لا يمكن نقلها بالكلمات: الارتفاعات التنغيمية، والتوقفات الدقيقة، والتغييرات في الجرس. يتعلم EmotionThinker ليس فقط ترجمة هذه الإشارات إلى نص، بل بناء سرد متماسك يربط الطبقة الصوتية بالطبقة الدلالية. وهذا ما يجعل تفسيرات النموذج جوهرية بدلاً من أن تكون رسمية.

تمتد أهمية هذا العمل إلى ما هو أبعد بكثير من الاهتمام الأكاديمي. الشفافية في الذكاء الاصطناعي العاطفي مسألة ثقة وقابلية التطبيق. تخيل نظام دعم الصحة العقلية الذي لا يكتشف فقط علامات القلق في صوت المستخدم، بل يمكنه أن يشرح للمشغل أو المستخدم نفسه ما الذي أنبه الخوارزمية بالضبط. أو نظام التحكم في الجودة التلقائية في مركز اتصالات لا يقيّد المكالمة فحسب، بل يشير إلى لحظات محددة حيث بدأ النبرة العاطفية للتفاعل تتدهور. في التعليم، في الطب، في الاتصالات الشركات — في كل مكان يهم ليس فقط ما يشعر به الشخص بل لماذا، تكتسب هذه الأنظمة قيمة مختلفة نوعياً.

والسياق الأوسع مهم أيضاً. يقدم قانون الذكاء الاصطناعي الأوروبي، المعتمد في عام 2024، متطلبات صارمة لشرح الأنظمة العاملة في المناطق الحساسة. التعرف على العواطف هو أحدها. يتناسب نهج EmotionThinker عضويًا مع هذا الاتجاه التنظيمي: النموذج الذي يمكنه شرح قراراته يندرج بسهولة أكبر مع متطلبات التدقيق والتحقق. قدم الباحثون، في الواقع، إجابة معمارية على تحدٍ قانوني.

بالطبع، تبقى الأسئلة المفتوحة. إلى أي مدى تعكس التفسيرات المولدة بصدق المنطق الداخلي للنموذج، بدلاً من كونها نصوصاً معقولة لكن تعسفية — مسألة ستتطلب بحثاً مستقلاً للتحقق منها. علاوة على ذلك، قابلية تعميم النهج عبر لغات وسياقات ثقافية مختلفة — حيث تختلف معايير التعبير العاطفي بشكل جذري — ستتطلب عملاً منفصلاً. الجمهور الصيني، الذي تم إنشاء النظام في الأصل لأجله، والمتوسطي، على سبيل المثال — بيئات عاطفية مختلفة تماماً.

مع ذلك، يحدد EmotionThinker اتجاهاً مهماً. يتوقف التعرف على العواطف عن كونه مهمة تصنيف ويصبح مهمة فهم. الذكاء الاصطناعي الذي لا يستطيع فقط الشعور بل أيضاً الشرح — هذا مستوى مختلف بشكل أساسي من التفاعل بين الإنسان والآلة. وحقيقة أن هذا العمل حصل على حالة الجلسة الشفهية في ICLR 2026 تشير إلى أن الجماعة العلمية تفهم هذا.