Multilingual LLMs Struggle to Link Orthography and Semantics in Bilingual Word Processing
تكشف هذه الدراسة أنه في حين تعالج النماذج اللغوية الكبيرة متعددة اللغات الكلمات المتشابهة (cognates) والكلمات غير المتشابهة (non-cognates) بفعالية، إلا أنها تعاني بشكل كبير مع الكلمات متجانسة الحروف بين اللغات (interlingual homographs) لاعتمادها على التشابهات الإملائية بدلاً من الفهم الدلالي، وغالباً ما تفشل في فض الالتباس في المعاني حتى ضمن سياقات الجمل.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك روبوت أمين مكتبة فائق الذكاء يُدعى "LLM" (نموذج لغوي كبير). هذا الروبوت قد قرأ كل الكتب تقريباً في العالم، لكنه قرأ معظمها باللغة الإنجليزية. الآن، تطلب منه المساعدة في حل لغز لغوي معقد يتضمن الإنجليزية ولغات أخرى مثل الإسبانية أو الفرنسية أو الألمانية.
أراد الباحثون في هذه الورقة البحثية معرفة ما إذا كان هذا الروبوت "يفهم" الكلمات حقاً، أم أنه مجرد بارع في الخدع البصرية.
إليك قصة تجربتهم، مقسمة إلى مفاهيم بسيطة:
١. الأنواع الثلاثة من أزواج الكلمات
لاختبار الروبوت، أعطوه ثلاثة أنواع من أزواج الكلمات، مثل لعبة "متشابه أم مختلف؟"
- "الأقارب" (Cognates): هي كلمات تبدو متشابهة وتعني الشيء نفسه في كلتا اللغتين.
- مثال: Blind (بالإنجليزية) و Blind (بالألمانية). كلاهما يعني "غير قادر على الرؤية".
- رد فعل الروبوت: "سهلة جداً! بما أنها تبدو متشابهة، فلا بد أنها تعني الشيء نفسه". كان الروبوت بارعاً في هذا.
- "الغرباء" (Non-Cognates): هي كلمات لها نفس المعنى ولكن شكلها مختلف تماماً.
- مثال: Pot (بالإنجليزية) و Olla (بالإسبانية).
- رد فعل الروبوت: "هممم، إنهما يبدوان مختلفين، لذا لا بد أن معناهما مختلف". لقد عانى الروبوت هنا، وغالباً ما كان يخطئ في التخمين لأنه لم يستطع رؤية الرابط البصري.
- "المحتالون" (Interlingual Homographs): هذا هو الجزء الصعب. هذه الكلمات تبدو متطابقة تماماً ولكنها تعني أشياء مختلفة تماماً.
- مثال: Gift. في الإنجليزية، تعني "هدية". في الألمانية، تعني "سمّ".
- رد فعل الروبوت: "إنهما متطابقان تماماً! لا بد أن معناهما هو نفسه!". ارتبك الروبوت وغالباً ما اختار المعنى الخاطئ، وأحياناً كان أداؤه أسوأ مما لو كان قد خمن عشوائياً.
٢. الاكتشاف الكبير: الروبوت "سطحي المستوى"
وجد الباحثون شيئاً مفاجئاً: الروبوت مهووس بكيفية مظهر الكلمات، وليس بما تعنيه.
فكر في الروبوت كشخص يقرأ فقط غلاف الكتاب لكنه لا يفتحه أبداً.
- عندما تبدو الأغلفة متشابهة (مثل "Gift" في الإنجليزية والألمانية)، يفترض الروبوت أن القصص بالداخل هي نفسها.
- هو لا "يعرف" حقاً أن كلمة "Gift" تعني "سمّ" في الألمانية؛ هو فقط يرى الحروف G-I-F-T ويفترض أنها "هدية".
الدراسة أظهرت أنه عندما كان يتعين على الروبوت تخمين معنى كلمة بمفرده، فقد اعتمد بشكل كبير على الهجاء (الرسم الإملائي) بدلاً من الفهم (الدلالة). الأمر يشبه طالباً يحفظ شكل الرمز الرياضي لكنه لا يعرف كيفية حل المعادلة.
٣. اختبار السياق: "فخ الجملة"
بعد ذلك، حاول الباحثون خداع الروبوت باستخدام الجمل. وضعوا كلمات "المحتالين" داخل قصة حيث يعطي السياق دليلاً.
- الفخ: "The villain gave the hero a gift." (في الإنجليزية، هذا منطقي. في الألمانية، إذا كانت الكلمة هي Gift، فإنها تعني "الشرير أعطى البطل سماً"، وهذا أيضاً منطقي في القصة، لكن كان على الروبوت معرفة أي لغة هي المستخدمة).
- النتيجة:
- عندما كانت الجملة باللغة الإنجليزية، كان الروبوت ينجح عادةً لأنه معتاد على الإنجليزية.
- عندما كانت الجملة باللغة الإسبانية أو الفرنسية أو الألمانية، كان الروبوت غالباً ما يرتبك. كان يرى الكلمة، ويتجاهل لغة الجملة، ويفرض المعنى الإنجليئي عليها بالقوة.
الأمر يشبه إذا كنت تتحدث الفرنسية، وقال أحدهم "I am bored"، لكن الروبوت، بسماعه للكلمة الإنجليزية "bored"، تجاهل بنية الجملة الفرنسية وفكر فقط في الشعور بالملل، حتى لو كانت الكلمة الفرنسية تعني شيئاً آخر تماماً.
٤. لماذا يهم هذا؟
قارن الباحثون بين طريقة عمل الروبوت وكيفية عمل الأدمغة البشرية.
- البشر: عندما يرى شخص ثنائي اللغة كلمة "Gift"، يقوم دماغه فوراً بتنشيط كلا المعنيين (هدية وسمّ) ويستخدم السياق لاختيار المعنى الصحيح. إنها عملية ديناميكية ومرنة.
- الروبوت: يعمل كآلة جامدة. يرى الحروف، ويختار التطابق الأكثر احتمالاً بناءً على تدريبه (الذي هو في الغالب إنجليزي)، ويتمسك به، حتى لو كان السياق يصرخ بخلاف ذلك.
الخلاصة
تخبرنا هذه الورقة البحثية أنه بينما يعد الذكاء الاصطناوي مذهلاً في القواعد والقدرة على الظهور بمظهر بشري، إلا أنه لا يزال يعاني مع الواقع العميق والمعقد للغة البشرية.
- هو جيد في: التعرف على الكلمات التي تبدو وتعني الشيء نفسه عبر اللغات (الأقارب).
- هو سيء في: فهم الكلمات التي تبدو متشابهة ولكن تعني أشياء مختلفة (المحتالون).
- الدرس المستفاد: نماذج الذكاء الاصطناعي الحالية تشبه مطابقات الأنماط فائقة السرعة، وليست مفكرات حقيقية. فهي تعتمد على التشابه البصري (الهجاء) بدلاً من الفهم العميق (المعنى). لجعل الذكاء الاصطناعي ثنائي اللغة وذكياً حقاً، نحتاج إلى تعليمه كيف ينظر إلى ما وراء غلاف الكتاب ويفهم القصة بالداخل، بغض النظر عن اللغة التي كُتبت بها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.