الذكاء الصنعي شاعرُ العصر! أنموذج Deep-Speare

يعجّ الأدب الكلاسيكي بروائع شعرية عديدة، ولعل أهم ما يميّز هذه الأشعار هو اتساقها وارتكازها على أُسس مضبوطة بدقة؛ إذ تتسم كل قصيدة بسمات رئيسة تتناغم معًا لتقدّم لوحات فنية مليئة بمزيج من العاطفة والإيقاع المدروس والمقفّى. وكما جرت العادة؛ دائمًا ما يذهلنا الذكاء الصنعي (Artificial intelligence) برفعه الستار عن أبحاث ودراسات تنافس البشرية في جوانب الحياة كلّها، وجديده اليوم في عالم الفن (4-1).

نشأة الفكرة

أجرى فريق مؤلف من ثلاثة باحثين -يعمل اثنان منهم في مجال تعلم الآلة (machine learning)، وثالثهم باحثٌ في مجال الأدب- تجربةً فريدة من نوعها، تهدف إلى اكتشاف قدرة التعلم العميق (Deep Learning) على الاستفادة من الخصائص الشعرية في تصميم نظام ذكي يحاكي القدرة البشرية على صياغة الأشكال الشعرية -كالسوناتات المعقدة- على نحو مستقل وبجودة فنية مقبولة (1).

مزايا التعلم العميق

استخدم الباحثون التعلم العميق في عملهم لعددٍ من المزايا، منها (1):

• 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.

السوناتا هي قالب شعري موسيقي يبلغ طوله 14 سطرًا، مكون من جزأين؛ يطرح الجزء الأول فكرة جدلية، في حين يقدم الجزء الثاني حلًّا أو حكمًا.

طور مجموعة من الشعراء الإنجليز في القرن التاسع عشر نمطًا مميزًا من السوناتات وفق الإيقاع الإيامبي (pentameter iambic)، بحيث أمست السوناتا الإنجليزية تتألف من ثلاثة مقاطع من أربعة أسطر تسمى الرباعيات (quatrains)، يليها بيتان شعريان (عروض) غالبًا ما تكون وفق قافية من النمط ABAB CDCD EFEF GG، وقد استخدم شكسبير هذا الشكل الشعري على نحو متكرر لدرجة أنه يُطلق عليه اليوم "سوناتا شكسبير" (1،3).

المعالجة الشعرية المطبّقة على أنموذج Deep-speare

ركز الباحثون في مشروع شاعر الذكاء الصنعي "Deep-speare" على توليد الرباعيات الفردية من قسم المشكلات في سوناتا شكسبير، وفي سبيل ذلك؛ أُجريت عملية نمذجة لبنية النظام إلى شبكة عصبونية مكونة من ثلاثة عناصر (3):

• 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.

    

   (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).

تُقيَّم جودة النص الشعري الذي يقدمه شاعر الذكاء الصنعي على مستويين (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.

على الرغم من أنّ قصائد شاعر الذكاء الصنعي تُعدّ إنجازًا لا يستهان به في المجال الشعري، وذلك من ناحية صعوبة تمييزها عن الشعر البشري بسهولة؛ فهو لا يزال يواجه عديدًا من التحديات التي تحتاج إلى بحث ودراسة، نذكر منها:

• 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):

مقطع من إحدى قصائد شكسبير (1).

المصادر: