في السنوات الأخيرة، أصبحت نماذج اللغة الضخمة (Large Language Models) أدوات قوية في العديد من التطبيقات، ولكن الجديد أن هناك دراسة حديثة تثير تساؤلات حول قدرتها على التعبير عن المشاعر بشكل فعال. مفهوم "استخدام العواطف" أصبح مثار جدل بين الباحثين في هذا المجال، حيث أظهرت التجارب أن هذه النماذج تميل إلى التقليل من شدة العواطف المطلوبة في ردودها.

وبحسب ما جاء في الدراسة، عند طلب نموذج لغة لتقديم إجابة "بحماس كبير"، تكون نتائجها غالبًا فقط أكثر طاقة بشكل طفيف. استخدم الباحثون نماذج تعتمد على تكنولوجيا التعلم الشخصي المباشر (Direct Preference Optimization - DPO) وقاموا بتقييم استجابة النموذج بناءً على مقياسين: الفالنس (Valence) الذي يقيس مدى إيجابية الحالة، والأرousal الذي يقيس مدى تنشيطها.

التجربة أظهرت أن الاستجابة كانت أقل بكثير مما تم طلبه، حيث سجلت الفالنس 0.26 والأرousal 0.13 على نموذج Llama-3.1-8B، وهذا رقم يعكس عدم كفاءة النموذج في التعبير عن شدة المشاعر. إن الضعف في التعبير عن المشاعر يعود إلى أن نماذج التدريب تعتمد على بيانات تحتوي على نسبة عالية من العواطف المحايدة.

لتحسين أداء هذه النماذج، اقترح الباحثون تعبئة مساحة الهدف بشكل متوازن وتوسيع مجموعة العينات بحيث تشمل عواطفًا أكثر تطرفًا. وقد أسفرت هذه الخطوة عن زيادة واضحة في قدرة النموذج على التعبير عن المشاعر، حيث ارتفعت مستويات الفالنس إلى 0.40.

خلاصة القول، هذه التجارب تسلط الضوء على أهمية تحسين مجموعة البيانات المستخدمة لتدريب نماذج اللغة من أجل تعزيز قدرتها على التعبير عن العواطف بشكل أفضل. في ظل التطورات السريعة في مجال الذكاء الاصطناعي، يبقى السؤال: كيف يمكننا دفع حدود هذه التكنولوجيا للأمام بشكل أكبر؟