تجاوز التعرّف على المشاعر في الوجوه بالذكاء الاصطناعي مرحلة الطرافة منذ زمن. فهو يقرأ تعابير دقيقة لا تراها العين البشرية، ويربط وحدات الحركة في الوجه بالحالات الشعورية، ويعمل في الوقت الفعلي. يشرح هذا المقال بدقة كيف تعمل التقنية، وأين ما زالت تخفق، وكيف يمكن لنماذج الرؤية على منصات مثل PicassoIA أن تقيّم البورتريهات الغنية بالمشاعر وتولّدها اليوم.
وجهك الآن يبثّ معلومات لم تقرر يومًا أن تشاركها عن وعي. التوتر الخفيف على جبينك، والانضغاط الطفيف عند زاويتي عينيك، والاختلاف شبه غير المرئي في تعبيرك وأنت في حالة سكون: نظام ذكاء اصطناعي مدرَّب جيدًا يقرأ كل ذلك في أقل من 40 ميلي ثانية. لقد تجاوز التعرّف على المشاعر في الوجوه مرحلة الفضول البحثي وأصبح تقنية جاهزة للإنتاج، والآليات التي تقف وراءه أدق بكثير مما يظنه معظم الناس.
هذا لا يتعلق بالتصنيف الأساسي "سعيد/حزين" الذي ربما تتذكره من روبوتات المحادثة الأولى. يعمل ذكاء المشاعر الحديث على طبقات متراكبة من الرؤية الحاسوبية والشبكات العصبية وأبحاث علم النفس السلوكي، وقد استغرق بناؤها عقودًا. إليك كيف يعمل فعلًا.
يستطيع الوجه البشري إنتاج نحو 10,000 تعبير مختلف. معظمها يحدث دون إرادة. عندما تشعر بومضة احتقار، ينقبض عضلك رافع الشفة العليا والجناح الأنفي لجزء من الثانية قبل أن تتمكن من كبتها. وعندما تتلقى خبرًا سارًا غير متوقع، تنشط عضلتك الجاذبة الكبيرة قبل أن يكون عقلك الواعي قد استوعب ما حدث بالكامل.
يتحكم في وجهك 43 عضلة، مقسّمة إلى نظامين: إرادي ولا إرادي. النظام الإرادي هو ما يتيح لك الوقوف أمام الكاميرا وإظهار تعابير متمرَّن عليها. أما النظام اللاإرادي فهو ما يستهدفه الذكاء الاصطناعي.
علامات دوشين هي أوضح مثال على ذلك. الابتسامة الحقيقية تستدعي العضلة الجاذبة الكبيرة (التي تسحب زاويتي الشفتين إلى الأعلى) والعضلة الدائرية للعين (التي تجعل الجلد عند زاويتي العينين يتجعّد). أما الابتسامة المصطنعة فتستخدم العضلة الجاذبة الكبيرة وحدها. والفرق مرئي في الصور عالية الدقة، ويلتقطه الذكاء الاصطناعي المدرَّب جيدًا بثبات عالٍ.
حدّد بول إيكمان في أبحاثه في سبعينيات القرن العشرين (1970s) فئة من التعابير تُعرف باسم التعابير الدقيقة: حركات وجهية قصيرة وغير إرادية تستمر ما بين 1/25 من الثانية و1/5 من الثانية. وتظهر قبل أن يتسنى للشخص الوقت لإخفاء ردّ فعله بوعي.
💡 التعابير الدقيقة تحدث بسرعة أكبر من أن يلاحظها معظم البشر دون تدريب خاص، لكن أنظمة الذكاء الاصطناعي التي تعمل بمعدل 30 أو 60 إطارًا في الثانية تلتقطها وتصنّفها بدقة لافتة.
تُعد هذه التعابير المعيار الذهبي لمدخلات ذكاء المشاعر لأنه يكاد يستحيل تزييفها. ولهذا السبب تمثل الكاميرات عالية السرعة، لا الصور الثابتة، صيغة الإدخال الأدق لأنظمة المشاعر في الإنتاج.
قبل أي معالجة للمشاعر، يجب على الذكاء الاصطناعي أن يحل مشكلة أساسية أعمق: تحديد موضع الوجه في الصورة ورسم بنيته بدقة.
المرحلة الأولى هي اكتشاف معالم الوجه. يحدد النموذج المدرَّب ما بين 68 و468 نقطة مرجعية محددة على الوجه: زوايا العينين، وطرف الأنف، وقوس الشفة العليا، ونقاط اتصال شحمة الأذن. تشكّل هذه النقاط خريطة هندسية تُسمى شبكة الوجه.
تؤدي شبكة الوجه وظيفتين في آن واحد:
تعمل أدوات اكتشاف المعالم الحديثة في الوقت الفعلي على الأجهزة الاستهلاكية، إذ تعالج شبكات الوجه الكاملة بمعدل يتجاوز 60 إطارًا في الثانية على معالج لاب توب قياسي.
بمجرد إنشاء شبكة الوجه، تنتقل المهمة الثقيلة إلى الشبكات العصبية التلافيفية (CNNs). تتفوق هذه الشبكات في التعرّف على الأنماط المكانية، ما يجعلها مثالية لمعالجة الوجوه.
تُدرَّب الشبكة على ربط تهيئات مكانية محددة من المعالم، وكثافات البكسلات بينها، بتسميات عاطفية. وتفعل ذلك من خلال استيعاب مجموعات بيانات مُعلَّمة ضخمة، تحتوي أحيانًا على ملايين الصور الوجهية المشروحة عبر الفئات السكانية المختلفة.
| نوع طبقة الشبكة | ما تعالجه |
|---|---|
| تلافيفية | الحواف والملمس والأنماط المحلية |
| تجميع (Pooling) | تقليل الأبعاد المكانية والمتانة أمام الإزاحات الصغيرة |
| متصلة بالكامل | تركيبات الميزات عالية المستوى |
| مخرجات Softmax | توزيع احتمالي عبر فئات المشاعر |
المخرجات ليست نتيجة ثنائية "سعيد أو غير سعيد". إنها متجه احتمالي: 0.72 سعيد، 0.14 مندهش، 0.08 محايد، 0.06 أخرى. وهذا الخرج الاحتمالي هو ما يمكّن الذكاء الاصطناعي من التعامل مع الحالات الملتبسة حقًا، وهي التي تهيمن على التعبير البشري الواقعي.
لم يُطوَّر الإطار الأكثر صرامة لذكاء المشاعر على يد عالم حاسوب. بل جاء من عالم نفس.
طوّر بول إيكمان ووالاس فريسن نظام ترميز الحركة الوجهية (FACS) عام 1978. يقسّم FACS كل حركة وجهية إلى وحدات حركة (AUs) منفصلة، تقابل كل منها انقباض عضلة وجهية واحدة أو أكثر.
يحدد FACS 44 وحدة حركة، ولكل منها ترميز قياسي:
يُدرَّب ذكاء التعرّف على المشاعر على رصد وحدات الحركة هذه فرديًا قبل دمجها في تصنيفات عاطفية. وهذا أكثر متانة بكثير من التدريب المباشر على "شكل السعادة" في صورة إجمالية.
لكل مشاعر أساسية بصمة مميزة من وحدات الحركة:
| الشعور | وحدات الحركة الأساسية |
|---|---|
| السعادة | AU6 + AU12 |
| الحزن | AU1 + AU4 + AU15 |
| الدهشة | AU1 + AU2 + AU5 + AU26 |
| الخوف | AU1 + AU2 + AU4 + AU5 + AU7 + AU20 + AU26 |
| الاشمئزاز | AU9 + AU15 + AU16 |
| الغضب | AU4 + AU5 + AU7 + AU23 + AU24 |
| الاحتقار | AU12R + AU14R (من جانب واحد) |
💡 الاحتقار هو الشعور الأساسي الوحيد غير المتماثل. ينشط العضل على جانب واحد من الوجه فقط، ما يجعله مميزًا بشكل خاص في الرصد الآلي.
المشاعر المركبة، وهي تمثل معظم ما يشعر به الناس فعلًا من لحظة إلى أخرى، تنطوي على تركيبات متداخلة من وحدات الحركة وإشارات سياقية. وهنا تواجه أنظمة الذكاء الاصطناعي الحالية أصعب تحدياتها.
تستند الفرضية الأساسية في ذكاء المشاعر إلى أبحاث إيكمان العابرة للثقافات، التي رأت أن ست مشاعر عالمية في كل الثقافات البشرية: السعادة، والحزن، والغضب، والخوف، والاشمئزاز، والدهشة. وأُضيف الاحتقار لاحقًا بوصفه المشاعر السابعة.
تُدرَّب أنظمة الذكاء الاصطناعي الحديثة أساسًا على هذه الفئات السبع لأنها تظهر باتساق في بيانات التدريب المجمّعة من شعوب متنوعة. وهي الأكثر وضوحًا في التصنيف، والأكثر دراسةً، والأكثر أهمية تجاريًا في التطبيقات الواقعية.
فرضية "المشاعر العالمية" لا تسلم من النقد. فقد وجدت الأبحاث منذ عمل إيكمان الأصلي تباينًا ثقافيًا كبيرًا في طريقة التعبير عن المشاعر وتفسيرها. فرفع الحاجب يعني شيئًا مختلفًا في اليابان عنه في البرازيل. والحزن المكبوت شائع في الثقافات ذات أعراف التنظيم العاطفي الصارمة، ما يجعله شبه غير مرئي للذكاء الاصطناعي المدرَّب على بيانات غربية.
المشهد العاطفي الحقيقي بُعدي، وليس فئويًا. يرسم نموذج التكافؤ والاستثارة (Valence-Arousal)، الذي يعتمده كثير من الباحثين، المشاعر على محورين متصلين:
وفق هذا النموذج، لا يُعد "سعيد" و"متحمس" فئتين منفصلتين، بل نقطتين في فضاء متصل. وتستخدم بعض أنظمة الذكاء الاصطناعي الحديثة هذا النهج البُعدي بدلًا من التسميات المنفصلة، فتنتج مخرجات أكثر دقة تعكس تعقيد التجربة العاطفية في الحياة الواقعية.
الدقة في المختبر والأداء في الواقع أمران مختلفان. فالنموذج الذي يحقق دقة 95% على مجموعة بيانات مضبوطة قد يتراجع أداؤه بشكل ملحوظ أمام المدخلات الفوضوية والمتغيرة التي تميّز الاستخدام الفعلي.
يتطلب تتبّع المشاعر في الوقت الفعلي مفاضلات. فالنماذج الأكبر والأدق تستغرق وقتًا أطول في التشغيل. أما النماذج السريعة بما يكفي للاستخدام الفوري، أي أقل من 100 ميلي ثانية لكل إطار، فغالبًا ما تضحي ببعض دقة التصنيف لتبلغ هذا الحد.
يعمل مسار الإنتاج المعتاد على النحو التالي:
الإجمالي نحو 37 ميلي ثانية لكل إطار، ما يتيح التشغيل في الوقت الفعلي بمعدل يتجاوز 27 إطارًا في الثانية على وحدة معالجة رسومية (GPU) استهلاكية.
الإضاءة هي أكبر مصدر منفرد لتدهور الأداء في ذكاء المشاعر الواقعي. فالوجه نفسه، عند تصويره في ظروف مختلفة، يتصرف بطرق متباينة تمامًا:
ولهذا بالتحديد يمكن للبيانات التدريبية الاصطناعية الواقعية كالصور الفوتوغرافية، المولَّدة بإضاءة مضبوطة ومتنوعة، أن تحسّن بشكل ملموس متانة النماذج في الواقع. فتوليد الصور بالذكاء الاصطناعي لم يعد أداة إبداعية فحسب، بل أصبح أيضًا أداة لإنتاج البيانات لتدريب نماذج الإدراك.
لا توجد تقنية بلا أوجه فشل، ولذلك لدى ذكاء المشاعر عدة نقاط تستحق الجدية قبل نشره في أي مكان يهم.
جُمعت معظم مجموعات بيانات المشاعر الكبيرة أساسًا من أشخاص في أمريكا الشمالية وأوروبا الغربية. والنماذج المدرَّبة على هذه البيانات تنقل هذا التحيّز الجغرافي والثقافي إلى بيئات الإنتاج.
أظهرت أبحاث مختبر MIT Media Lab وغيره أن أنظمة التعرّف التجارية على المشاعر تنتج معدلات خطأ أعلى بشكل ملحوظ في الحالات التالية:
هذه ليست حالات هامشية. فهي تمثل غالبية الوجوه البشرية على وجه الأرض، ما يعني أن التحيز ليس مشكلة معايرة بسيطة. بل هو خلل بنيوي في الطريقة التي جُمعت بها بيانات التدريب تاريخيًا.
لدى كثيرين تعبير سكوني يُقرأ على أنه سلبي، سواء من البشر أو الآلات. وتتعامل مصنّفات ذكاء المشاعر مع التعابير المحايدة الملتبسة بالانجذاب نحو أقرب فئة مدرَّبة، وغالبًا ما تكون الحزن أو الاستياء.
ينتج عن ذلك إيجابيات كاذبة تترتب عليها عواقب حقيقية في التطبيقات عالية المخاطر: أدوات فرز الموارد البشرية، وأنظمة الأمن، أو أدوات المساعدة في التشخيص الطبي. فالذكاء الاصطناعي الذي يقرأ وجهًا محايدًا بوصفه عدائيًا أو مكروبًا قد يُلحق ضررًا كبيرًا.
💡 النشر المسؤول لذكاء المشاعر يتطلب مراجعة بشرية في أي سياق لاتخاذ القرار، بدلًا من الاعتماد على إجراء آلي بناءً على مخرج نموذج واحد فقط.
الصلة بين التعرّف على المشاعر وتوليد الصور أوثق مما تبدو عليه للوهلة الأولى. فكلاهما يتطلب المعرفة الأساسية نفسها: ما الذي يجعل الوجه يبدو صادقًا عاطفيًا على مستوى البكسل.
عندما تولّد بورتريهًا واقعيًا كالصور الفوتوغرافية بنموذج لتوليد الصور بالذكاء الاصطناعي، تعتمد جودة التعبير العاطفي في الصورة على مدى نجاح بيانات التدريب في التقاط الأصالة العاطفية. فالنماذج المدرَّبة على بيانات عاطفية مسطّحة أو مصطنعة أو معلَّمة بشكل خاطئ تنتج وجوهًا تبدو صحيحة تقنيًا، لكنها فارغة عاطفيًا.
لقد دُرِّبت أفضل نماذج توليد البورتريهات، أو خضعت للضبط الدقيق استنادًا إلى بيانات ذات تسميات عاطفية دقيقة. ولهذا تُظهر بعض النماذج ابتسامات دوشين حقيقية، بينما تنتج نماذج أخرى تلك المحاكاة الغريبة قليلًا التي تبدو "قريبة جدًا" لكنها لا تبلغ الإقناع أبدًا.
تتوفر على PicassoIA عدة نماذج ذكاء اصطناعي متعددة الوسائط تستطيع تقييم المحتوى العاطفي في الصور مباشرة. وهي نماذج تمتلك قدرات الرؤية، وتتيح لك رفع صورة وجه والحصول على وصف مفصّل للتعبير والمزاج والإشارات العاطفية الموجودة.
GPT-4o من أقوى نماذج الرؤية لهذه المهمة. يمكنه وصف الملامح الوجهية المحددة التي تسهم في القراءة العاطفية، وشرح ملاحظات على مستوى وحدات الحركة بلغة بسيطة، والمقارنة بين التعابير عبر صور متعددة في جلسة واحدة.
Gemini 2.5 Flash يوفر معالجة متعددة الوسائط سريعة مع قدرات رؤية قوية، وهو مفيد للأعمال الدفعية أو التطبيقات التي تهم فيها سرعة الاستجابة بقدر أهمية العمق.
Gemini 3 Flash يجمع بين المحادثة والرؤية في حزمة فعّالة مناسبة للعمل التكراري مع الصور الوجهية والمحتوى العاطفي.
Claude Opus 4.7 يضيف استدلالًا سياقيًا عميقًا إلى المعالجة البصرية، ويقدم في كثير من الأحيان تفسيرات أكثر دقة للتعابير المعقدة أو الملتبسة التي قد تسيء المصنّفات الأبسط قراءتها تمامًا.
Kimi K2.5 من Moonshotai يدعم أيضًا إدخال الصور إلى جانب النص، ويوفر خيارًا آخر قادرًا للعمل الاستكشافي على المشاعر انطلاقًا من الصور الفوتوغرافية.
لا تُخرج هذه النماذج رموز AU الخام ولا متجهات الاحتمالات كما تفعل واجهات API المخصصة للتعرف على المشاعر. بدلًا من ذلك، تقدّم أوصافًا غنية وسياقية، وهي غالبًا أكثر فائدة عندما تحتاج إلى تقييم الطابع العاطفي للبورتريه بدلًا من تصنيفها ببساطة ضمن فئة معينة.
إذا حاولت أن تطلب من مولّد صور بالذكاء الاصطناعي تعبيرًا عاطفيًا محددًا فحصلت على شيء يبدو خاطئًا، فأنت كنت تصطدم بالمشكلة الأساسية نفسها التي يواجهها باحثو التعرّف على المشاعر: الأصالة العاطفية على مستوى البكسل معقدة للغاية.
أفضل نهج هو أن تكون دقيقًا في أوامرك النصية. فبدلًا من "امرأة سعيدة"، حدّد التفاصيل على مستوى العضلات:
"انحناءة خفيفة إلى الأعلى عند زاويتي الشفتين، وتجعّد العضلة الدائرية للعين عند زاويتي العينين، وخدود مرتفعة بشكل خفيف، وحاجب مسترخٍ، وضيق ناعم في العينين يتوافق مع ابتسامة دوشين حقيقية، وتوتر جلدي طبيعي عند ثنيات الأنف والشفة"
تتطابق لغة هذا الأمر النصي مباشرةً مع معرفة وحدات الحركة التي يقوم عليها ذكاء المشاعر، وغالبًا ما تنتج نتائج أكثر إقناعًا بكثير من التسميات العاطفية الغامضة. فنموذج توليد الصور اطّلع على بيانات وجهية معلَّمة كافية ليستجيب لهذا القدر من الدقة.
يمكنك أيضًا استخدام نماذج الرؤية على PicassoIA لتقييم بورتريه موجود، وتحديد ما يقرؤه الذكاء الاصطناعي في التعبير العاطفي، ثم استخدام هذه الملاحظات لتحسين أمر التوليد الخاص بك. والنتيجة حلقة تغذية راجعة محكمة بين التعرّف والتوليد تنتج بورتريهات ذات صفات عاطفية مقصودة ومحددة.
سير عمل عملي:
هذه العملية أبطأ من أمر نصي بمحاولة واحدة، لكن جودة الناتج أعلى باستمرار.
الفجوة بين وجه صحيح تقنيًا ووجه مقنع عاطفيًا هي بالضبط المكان الذي يجري فيه حاليًا أكثر العمل إثارة للاهتمام في فن البورتريه بالذكاء الاصطناعي. فقد حلّ توليد الصور الواقعية كالصور الفوتوغرافية معظم المشاكل التقنية إلى حد كبير. والتحدي المتبقي هو الأصالة العاطفية، وهذا ما يجعل أبحاث التعبير الوجهي ذات صلة مباشرة بكل من يعمل مع صور البورتريه اليوم.
تمنحك PicassoIA الوصول إلى جانبي هذه المشكلة. فنماذج الرؤية مثل GPT-4o وGemini 2.5 Flash وClaude Opus 4.7 تتيح لك تقييم الصور الفوتوغرافية الحقيقية من حيث المحتوى العاطفي بدقة فعلية. وأدوات توليد الصور تتيح لك تطبيق هذه المعرفة لإنتاج بورتريهات ذات بصمات عاطفية محددة ومقصودة.
ابدأ بوجه يثير اهتمامك. مرّره عبر نموذج رؤية واطلب قراءة عاطفية مفصّلة. ثم استخدم ما تلاحظه لتوليد شيء يجتاز التقييم نفسه بالجودة العاطفية الدقيقة التي كنت تقصدها. النتائج مدهشة باستمرار، وتزداد حدة في كل مرة تكرر فيها الحلقة.
اختر لغتك
