الذكاء الصنعي شاعرُ العصر! أنموذج Deep-Speare

• المرونة العالية.
• سهولة تدريب النماذج لأداء أنواع متعددة من المَهمّات.
• قدرة النماذج المدرّبة على اكتشاف الأنماط وتعميمها.
• إمكانية الحصول على مخرجات مختلفة في كل مرة بمجرد تغيير عنصر الدخل العشوائي، الأمر الذي يفسح المجال للكثير الكثير من الإبداع.
  
  

• أنموذج اللغة Language Model.
• أنموذج الإيقاع Pentameter Model. 
• أنموذج القافية Rhyme Model.

1. أنموذج اللغة واختيار الكلمات
   لإنشاء مقطع شعري؛ يختار النظام أحد مخططات القافية الكلاسيكية عشوائيًّا، ثم يبدأ في توليد القصيدة بدءًا من الكلمة الأخيرة من السطر الأخير رجوعًا إلى الخلف، وينتقل بعدها من اليمين إلى اليسار لتجميع كل سطر.
   
   
   Image: https://spectrum.ieee.org/image/MzYxNzU1Nw.jpeg 
   (1) مثال يوضح آلية تشكيل بيت شعري باستخدام نظام Deep-speare.
   
   استنادًا للمثال السابق، تبدأ عملية التعلم العميق باختيار الكلمة الأخيرة من السطر الأخير عشوائيًّا (والتي هي Wait)، وذلك بعد مراعاة جميع الكلمات الإنجليزية المتاحة في مجموعة التدريب وتقييم احتمالية ظهور كل كلمة في هذا الموضع، بعد ذلك يبدأ شاعرنا الذكي بمحاولة التنبؤ تراجعيًّا (رجوعًا إلى الخلف) بالكلمة التالية عن طريق تحديد أفضل خمسة احتمالات للكلمة التالية، وهكذا دواليك؛ لنحصل في النهاية على العديد من أبيات الشعر المقترحة من شاعرنا الصنعي (1،3).
   
   
2. أنموذج الإيقاع
   بعد صياغة الأبيات الشعرية، يحدد أنموذج الإيقاع درجات التفعيلات الخاصة لكل خط من الخطوط الشعرية بما يتناسب مع مخطط الخماسي الإيامبي (1،3).
   
   
3. أنموذج القافية
   يحدد أنموذج القافية درجةَ القافية لكل كلمة في خواتيم كل خط شعري (1،3).
   
   

• تقييم محكّمين crowd workers: هم خبراء في اللغة الإنجليزية تعيّنهم منصة Amazon’s Mechanical Turk، لكنهم لا يمتلكون الخبرة الشعرية، إذ قُدّم إليهم زوجٌ من رباعي السوناتا؛ صاغ أحدَهما شاعرُ الذكاء الصنعي، في حين خطّ الآخر شاعرٌ بشري، واعتمد تقييمهم على تخمين أيّ من عيّنتَي الاختبار من صنع البشر وأيّهما من صنع الآلة.
• تقييم Adam Hammond؛ الأستاذ المساعد في قسم الأدب من جامعة Toronto، وقد اعتمد في تقييمه على أربع سمات: القافية والإيقاع والقراءة والتأثير العاطفي.
  
  

• سوء فهم بعض الكلمات في حالة النصوص الطويلة (1).
• أقل قدرة على التأثير العاطفي مقارنةً بالمنتوج البشري (1-3).
• ضعف الأداء من ناحية سهولة القراءة مقارنةً بالمنتوج البشري (1-3).
  
  

الشيفرة البرمجية لأنموذج تدريب Deep-speare
تجد في الرابط هنا قاعدةَ البيانات والشيفرة البرمجية المستخدمة في تدريب نماذج الشبكة العصبونية اعتمادًا على لغة البرمجة Python- بايثون.

الرؤية المستقبلية
يسعى الخبراء إلى المضي قُدمًا في تطوير قدرات نظام الـ Deep-speare عن طريق تحسين التماسك الكلي للمقطع الشعري ليكون مفهومًا وسَلسًا في عملية القراءة أكثر من ذي قبل، وكذلك إضفاء تأثير عاطفي أكبر عليه (1)؛ إذ سيركّز البحث المستقبلي على اللغة الشعرية لجعلها أعلى انسيابية (3-1).
كذلك تشمل الخطط المستقبلية تدريب أنموذج لغة أكثر هرمية، يولد أولاً فكرة موضوع للقصيدة كالحب أو الخسارة، ثم يصيغ كلمات تتمحور حول هذه الفكرة فقط، بحيث تصبح القصيدة أكثر اتساقًا من ناحية الصياغة والمضمون (1).

إنّ هذه الجهود الحثيثة كلها تجعل شاعرنا الصنعي أقرب ما يكون إلى أن تنطبق عليه أحد أروع أبيات الشاعر وليم شكسبير، الذي يقول فيه (1):

Image: http://syr-res.com/?5880

مقطع من إحدى قصائد شكسبير (1).
المصادر: