ثورة جديدة في الذكاء الاصطناعي: كيف يمكن للصرف العربي تحسين النماذج اللغوية

بينما يواصل العالم استثمار مليارات الدولارات في تطوير مراكز البيانات وتعزيز القدرات الحوسبية، يطرح سؤال مهم في مختبرات الأبحاث: هل تكمن المشكلة في حجم النماذج أم في كيفية فهمها لكلماتنا؟

خلف الأضواء الساطعة للذكاء الاصطناعي، يوجد مفهوم تقني يدعى "الترميز"، والذي يمثل النقطة التي تتحول فيها لغة البشر إلى أرقام تفهمها الآلة. وفي هذا السياق، يظهر مشروع بحثي جديد يحمل اسم "الترميز الدلالي السياقي" (سي إس تي)، الذي يعد بتقديم حلول مبتكرة من خلال التركيز على بنية اللغة العربية لتحسين كفاءة النماذج اللغوية عالميًا.

وأشار الباحثون إلى أن الذكاء الاصطناعي لا يقرأ النصوص كما نفعل نحن؛ بل يقوم بتجزئتها إلى وحدات صغيرة تعرف بـ"الرموز". في الأنظمة الحالية، غالبًا ما تُستخدم أساليب إحصائية بحتة لبناء المفردات على أساس الأنماط الأكثر تكرارًا. ورغم فعالية هذه المقاربة، فإنها لا تضمن توافق الوحدات الناتجة مع المعاني أو الصرف.

تزداد المسألة تعقيدًا عند الحديث عن اللغة العربية، حيث تحمل الكلمة العربية في بنيتها معلومات غزيرة عن الجذر، الوزن، والزمن. وعندما تتعامل أدوات الترميز الإحصائية مع هذه البنية على أنها مجرد تتابع حروف، فإنها تنتج تسلسلات غير واضحة من الناحية اللغوية، مما يؤدي إلى بذل النموذج جهدًا أكبر لفهم ما يقرأه.

انطلقت فكرة مشروع "سي إس تي" من ملاحظة تتعلق بالصرف العربي، حيث يسمح نظام الجذر والوزن بتمثيل العلاقة بين البنية والمعنى بشكل مباشر. على سبيل المثال، يشير الجذر "ك-ت-ب" إلى حقل الكتابة، ومنه تتولد كلمات مثل "كاتب، كتاب، مكتبة، ومكتوب". ويهدف المشروع إلى تعميم هذه الملاحظة ليصبح إطار العمل عالميًا، حيث يتم تحويل الكلمات في لغات مختلفة إلى وحدات دلالية أكثر انتظامًا.

في هذا المشروع، لا تظل الكلمة مجرد شظية حرفية، بل يتم تمثيلها كمفهوم دلالي مرتبط بدور صرفي أو نحوي. الفكرة هنا ليست استبدال اللغة بقاموس مصطنع، بل تقديم مدخلات أكثر انتظامًا للنموذج، بحيث يصبح جزء من العمل اللغوي منظمًا قبل بدء التدريب بدلاً من تركه كله للاستنتاج الإحصائي اللاحق.

أثبتت التجارب على نماذج مثل "جي بي تي-2" (GPT-2) أن هذه المقاربة تتجاوز كونها نظرية لغوية، بل تحقق نتائج تقنية ملموسة. في اختبارات مضبوطة على اللغة الإنجليزية، خفّض "سي إس تي" مقدار المعلومات اللازمة لتمثيل النص بنسبة تصل إلى 35.5%، كما قلص طول الجملة بنسبة 30%، مما أدى إلى تسريع زمن التدريب بنسبة 36%.

أما في الاختبارات العربية، فقد كانت النتائج أكثر إثارة للإعجاب، حيث سجل "سي إس تي" تحسنًا في كفاءة التمثيل بنسبة تصل إلى 46% مقارنة بالمرمزات التقليدية. تشير هذه النتائج إلى وجود علاقة واضحة: كلما كانت وحدة الإدخال أكثر قربًا من البنية اللغوية، استطاع النموذج تمثيل الجملة بعدد خطوات أقل وبتكلفة أقل.

تتجاوز أهمية هذا المشروع الأوساط الأكاديمية لتصبح مسألة مالية وتشغيلية، ففي بيئة تستثمر بكثافة في الذكاء الاصطناعي، يعني تقليل طول التسلسل ورفع جودة التمثيل خفض تكلفة التدريب وزيادة سرعة الاستدلال. وهذا أمر حيوي لقطاعات مثل الخدمات الحكومية، التعليم، والرعاية الصحية، حيث لا تكون الأولوية دائمًا لأكبر نموذج ممكن، بل للنموذج الأكثر دقة وامتثالاً لغويًا وأقل تكلفة.

كما يتماشى بناء أدوات تأسيسية تنطلق من العربية والإنجليزية مع التوجه الإقليمي نحو تطوير قدرات محلية أصيلة في الذكاء الاصطناعي، بدلاً من الاعتماد على النماذج الجاهزة التي قد لا تراعي خصوصية لغاتنا.

يعمل المشروع حاليًا على تحويل "سي إس تي" من فكرة بحثية إلى أداة عملية، مع التركيز على تشغيل النماذج على الأجهزة المحلية أو داخل المتصفح. الفكرة هي أنه مع تقنيات الضغط والتحسين، قد يساعد مشروع "سي إس تي" على جعل النماذج اللغوية أخف وأكثر قابلية للاستخدام اليومي دون الحاجة لبنية سحابية ثقيلة.

يطرح هذا المشروع مسارًا مختلفًا، حيث يركز على جودة التمثيل منذ الخطوة الأولى بدلاً من اعتبار الأداء مجرد نتيجة للتوسع في الحوسبة وحده. إذا استمرت النتائج في هذا الاتجاه، فقد يصبح هذا التصميم عاملاً حاسمًا في بناء نماذج أكثر كفاءة وقابلية للتطبيق في منطقتنا والعالم.

كما أن تطوير أدوات تنطلق من خصوصية اللغة العربية، مع قابلية التوسع إلى لغات أخرى، يتماشى مع توجه أوسع نحو بناء قدرات محلية في هذا المجال بدلاً من الاعتماد الكامل على نماذج مستوردة.

ومع ذلك، يبقى من المبكر اعتبار "سي إس تي" بديلاً نهائيًا لأساليب الترميز الحالية، لكنه يقدم مؤشرًا قويًا على أن تحسين "مدخلات" النموذج قد يكون بنفس أهمية تحسين بنيته أو زيادة حجمه. ومع استمرار التجارب وتوسيع نطاق التطبيق، قد يتحول هذا النهج إلى أحد المسارات الرئيسية في تطوير النماذج اللغوية.

في النهاية، يطرح المشروع سؤالًا بسيطًا لكنه عميق: ماذا لو لم يكن مفتاح الذكاء الاصطناعي في المزيد من الحوسبة فقط، بل في فهم أفضل للكلمة منذ البداية؟