يمثل التعرف الآلي على الانفعالات من الكلام أحد مجالات الذكاء الاصطناعي المتنامية لما له من تطبيقات واسعة في التفاعل بين الإنسان والحاسوب وخدمات الصحة النفسية وأنظمة التعليم الذكية، غير أن أداء هذه الأنظمة يتراجع عادة عندما تُدرَّب على مدونة كلامية وتُختبر على مدونة أخرى تختلف عنها في المتحدثين أو ظروف التسجيل أو طبيعة المحتوى، وهي المشكلة المعروفة بصعوبة التعميم عبر المدونات، إذ قد تؤدي أساليب معالجة السمات غير الملائمة إلى فقدان معلومات انفعالية جوهرية، كما أن الشبكات العصبية العميقة تتضمن قدرًا كبيرًا من التكرار الزائد يثير مشكلات انزياح النطاق ويضعف قدرة أنظمة التعرف الانفعالي على التعميم
وانطلاقًا من هذه التحديات تقدم هذه الدراسة نموذجًا للتعرف على الانفعالات في الكلام عبر المدونات يقوم على تنقية السمات الموجهة بالانتباه وإعادة البناء المكاني، بهدف الحفاظ على المكونات الانفعالية في السمات الصوتية أثناء المعالجة وتعزيز متانة النموذج عبر النطاقات المختلفة، بما يرفع دقة التعرف في السيناريوهات الواقعية التي تختلف فيها مصادر الكلام عن بيانات التدريب
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى بناء نموذج قادر على التعرف على الانفعالات الكلامية بدقة أفضل عبر مدونات مختلفة، واعتمدت في بنائه على ثلاثة مكونات رئيسة، أولها مشفر تلقائي مدمج بآلية انتباه متعددة الرؤوس تعزز قدرة النموذج على التركيز على المكونات الانفعالية للسمات الصوتية أثناء عملية ضغط السمات في شبكة المشفر التلقائي، وثانيها وحدة لتنقية السمات وإعادة بنائها مكانيًا مصممة لتحسين استخلاص السمات الانفعالية مع توظيف آلية بوابات لتحسين عملية إعادة بناء السمات، وثالثها اعتماد دالة خسارة شاربونييه مقياسًا للخسارة أثناء التدريب من أجل تقليل الفروق بين سمات نطاق المصدر ونطاق الهدف، ومن ثم تعزيز متانة النموذج وقدرته على العمل عبر النطاقات المتباينة
ثانيًا: أبرز النتائج
1. حقق الأسلوب المقترح متوسط دقة تعرف بلغ 46.75 في المئة عبر ست مجموعات من تجارب التعرف عبر المدونات، وهو مستوى يعكس قدرة النموذج على الحفاظ على المعلومات الانفعالية الصوتية رغم اختلاف المدونات المستخدمة في التدريب عنه في الاختبار
2. تفوق الأسلوب المقترح على أساليب تكييف النطاق التقليدية بفوارق تراوحت بين 4.17 و14.33 في المئة، بما يؤكد أن الجمع بين التنقية الموجهة بالانتباه وإعادة البناء المكاني يعالج جانبًا جوهريًا من مشكلة انزياح النطاق التي تخفض أداء الأنظمة التقليدية
3. تستند كفاءة النموذج إلى تكامل مكوناته الثلاثة، إذ تتولى دالة خسارة شاربونييه تقريب سمات نطاقي المصدر والهدف أثناء التدريب، فتحد من الفروق بين النطاقات وتعزز قدرة النظام على التعميم في بيئات كلامية جديدة لم يسبق له التدرب عليها
ثالثًا: دلالات الدراسة وتطبيقاتها
تنطوي هذه الدراسة على دلالات مهمة لمطوري أنظمة التفاعل الصوتي الذكي، إذ تقدم مسارًا عمليًا لبناء أنظمة تعرف انفعالي لا تنهار دقتها عند الانتقال من مدونة إلى أخرى، وهو شرط أساسي لتوظيفها في بيئات واقعية متنوعة المتحدثين وظروف التسجيل، كما تفيد الباحثين في معالجة الإشارات الصوتية والتعلم العميق بتقديمها بنية تجمع بين الانتباه متعدد الرؤوس وإعادة البناء المكاني ودالة خسارة متينة في إطار واحد قابل للتجريب والتطوير والقياس المقارن
وتمتد فائدة الدراسة إلى طلاب الدراسات العليا والباحثين العرب العاملين في مجالات الذكاء الاصطناعي التطبيقي، إذ تعرض أمامهم منهجية متكاملة للتعامل مع مشكلة التعميم عبر النطاقات التي تواجه كثيرًا من النماذج المدربة على بيانات محدودة المصادر، وتفتح أمامهم اتجاهات لاحقة لتجريب البنية المقترحة على مدونات كلامية عربية وانفعالات أوسع نطاقًا
وخلاصة القول إن الدراسة تقترح نموذجًا للتعرف على الانفعالات في الكلام عبر المدونات يجمع بين مشفر تلقائي معزز بالانتباه متعدد الرؤوس ووحدة تنقية وإعادة بناء مكاني للسمات ودالة خسارة شاربونييه، وقد حقق متوسط دقة بلغ 46.75 في المئة متفوقًا على أساليب تكييف النطاق التقليدية، بما يعزز متانة أنظمة التعرف الانفعالي وقدرتها على التعميم عبر النطاقات المختلفة
