💬 NLP

Enabling Stroke-Level Structural Analysis of Hieroglyphic Scripts without Language-Specific Priors

تقدم هذه الورقة HieroSA، وهو إطار عمل قابل للتعميم يُمكّن النماذج اللغوية الكبيرة متعددة الوسائط من استخراج تمثيلات هيكلية قابلة للتفسير على مستوى الضربات (stroke-level) تلقائياً من صور الرموز الهيروغليفية واللوغاريثمية دون الاعتماد على مسبقات لغوية محددة أو بيانات مصممة يدوياً.

المؤلفون الأصليون: Fuwen Luo, Zihao Wan, Ziyue Wang, Yaluo Liu, Pau Tong Lin Xu, Xuanjia Qiao, Xiaolong Wang, Peng Li, Yang Liu

نُشر 2026-04-21

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Fuwen Luo, Zihao Wan, Ziyue Wang, Yaluo Liu, Pau Tong Lin Xu, Xuanjia Qiao, Xiaolong Wang, Peng Li, Yang Liu

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 أنك تنظر إلى رمز هيروغليفي مصري قديم أو حرف صيني معقد. بالنسبة للإنسان، هو صورة ذات معنى. أما بالنسبة للذكاء الاصطناعي القياسي (مثل تلك التي تشغل برامج الدردشة الآلية اليوم)، فهو مجرد شبكة من البكسلات الملونة أو رمز كودي عشوائي. يرى الذكاء الاصطناعي "جلد" الرمز، لكنه أعمى تمامًا عن رؤية "عظامه" — أي الخطوط والضربات الفردية التي يتكون منها.

تقدم هذه الورقة أداة جديدة تسمى HieroSA (محلل الضربات الهيروغليفية) والتي تُعلم الذكاء الاصطناعي أن يرى هذه الرموز ليس كصور ضبابية، بل كـ هياكل "ليجو" مكونة من عصي متميزة.

إليك تفصيل بسيط لكيفية عملها، ولماذا هي مهمة، وما الذي يمكنها فعله.

1. المشكلة: الذكاء الاصطناعي "أعمى عن الضربات"

فكر في نموذج لغوي كبير (LLM) حديث كشخص حفظ القاموس عن ظهر قلب ولكنه لم يتعلم أب ever كيف يرسم. إذا عرضت عليه رسمًا لمنزل، سيعرف كلمة "منزل"، لكنه لا يفهم أن المنزل يتكون من سقف وجدران وباب.

الذكاء الاصطناعي الحالي: يرى الرمز ككتلة من البكسلات. يمكنه تخمين الكلمة، لكنه لا يفهم كيف تم بناء هذه الكلمة.
الطرق القديمة: حاولت تعليم الذكاء الاصطناعي قواعد الكتابة (على سبيل المثال: "الحروف الصينية تحتوي دائمًا على خط رأسي أولاً"). لكن هذا لا ينجح إلا مع اللغات التي نعرفها جيدًا بالفعل. إذا عرضت عليه نصًا قديمًا ومنسيًا، سيصاب الذكاء الاصطناعي بالارتباك لأنه لا يعرف القواعد.

2. الحل: "الهيكل الرقمي"

بنى الباحثون نظامًا يعمل مثل الأشعة السينية الرقمية. بدلاً من مطالبة الذكاء الاصطناعي بتخمين القواعد، سمحوا له بالتعلم عن طريق التجربة والخطأ، باستخدام تقنية تسمى التعلم المعزز (فكر في الأمر كتدريب كلب باستخدام المكافآت).

الهدف: يُعطى الذكاء الاصطناعي صورة باللونين الأبيض والأسود لرمز ما. مهمته هي رسم مجموعة من الخطوط المستقيمة (الضربات) التي تغطي الأجزاء السوداء من الصورة بدقة.
نظام المكافأة:
- إذا رسم الذكاء الاصطناعي خطًا يغطي حبرًا أسود؟ مكافأة! (عمل جيد).
- إذا رسم خطًا يدخل في الخلفية البيضاء؟ لا توجد مكافأة. (عمل سيء).
- إذا رسم الكثير من الخطوط غير الضرورية؟ عقوبة. (توقف عن إضاعة الوقت).
النتيجة: يتعلم الذكاء الاصطناعي تفكيك الرمز إلى أبسط وحداته البنائية (قطع الخطوط) دون أن يخبره أحد أبدًا ما هي "الضربة". إنه يكتشف الهيكل من تلقاء نفسه.

3. السحر: أداة واحدة لكل اللغات

الجزء الأكثر روعة هو أن HieroSA لا يحتاج إلى دليل تعليمات.

تخيل أن لديك صندوق ألغاز. عادةً، تحتاج إلى دليل تعليمات خاص بـ "الصندوق الصيني" ودليل آخر لـ "الصندوق المصري". HieroSA يشبه حلّال الألغاز العالمي. نظرًا لأنه يتعلم من الأشكال البصرية (الحبر الأسود) فقط، فإنه يستطيع أخذ حرف صيني حديث، أو حرف "كانجي" ياباني، أو خط "أوراكل العظم" من العصور القديمة، وتفكيكها جميعًا إلى خطوط باستخدام نفس المنطق تمامًا. هو لا يحتاج للتحدث باللغة؛ هو فقط يحتاج لرؤية الصورة.

4. ماذا يمكننا أن نفعل بهذا؟

بمجرد أن يفهم الذكاء الاصطناعي "عظام" الرموز، يمكنه القيام ببعض الأشياء الرائعة حقًا:

قراءة أفضل (التعرف الضوئي على الحروف - OCR): تمامًا كما يقرأ البشر بشكل أسرع عندما يفهمون بنية الكلمة، يقرأ الذكال الاصطناعي النصوص القديمة أو الضبابية بشكل أفضل عندما يفهم الضربات. الأمر يشبه منح الذكاء الاصطناعي نظارات تزيد من حدة حواف الحروف.
إيجاد "الأقارب الخفيين": هذا هو الجزء الأكثر إثارة. يمكن لـ HieroSA العثور على رموز تبدو مختلفة ولكنها تشترك في نفس "الهيكل العظمي".
- مثال: قد يجد رمزين مصريين قديمين يبدوان مختلفين تمامًا بالنسبة لنا. لكن عندما يقوم HieroSA بتفكيكهما، يرى أن كلاهما يستخدم شكل "قدم" في المنتصف. هذا يخبر علماء اللغويات أن هاتين الكلمتين مرتبطتان، حتى لو لم نكن نعرف ذلك من قبل. الأمر يشبه العثور على تشابه عائلي بين شخصين يبدوان مختلفين تمامًا للوهلة الأولى.

الصورة الكبيرة

باختصار، HieroSA هو مترجم يتحدث لغة البنية بدلاً من لغة الكلمات.

إنه يسمح للحواسيب بالنظر إلى أنظمة الكتابة القديمة أو المنسية أو المعقدة والقول: "أنا لا أعرف معنى هذه الكلمة، لكني أعرف بالضبط كيف بُنيت". هذا يفتح الباب أمام الذكاء الاصطناعي للمساعدة في فك رموز التاريخ المفقود وفهم المنطق العميق لكيفية استخدام البشر للصور للتواصل لآلاف السنين.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "تمكين التحليل الهيكلي على مستوى الضربات (Stroke-level) للخطوط الهيروغليفية دون الاعتماد على مسبقات لغوية محددة".

1. بيان المشكلة

تُشفّر أنظمة الكتابة الهيروغليفية واللوغوجرافية (مثل الصينية، والكانجي الياباني، وخط العظام (Oracle Bone Script)، والهيروغليفية المصرية) معلومات دلالية غنية داخل تكوينها الهيكلي الداخلي. ومع ذلك، تفشل النماذج اللغوية الكبيرة (LLMs) والنماذج اللغوية متعددة الوسائط (MLLMs) الحالية في نمذجة هذا الهيكل بفعالية:

النماذج اللغوية الكبيرة (LLMs): تعامل الرموز كرموز نصية مجردة، مما يؤدي إلى التخلص من المعلومات الهيكلية الداخلية.
النماذج اللغوية متعددة الوسائط (MLLMs): تعالج الرموز كشبكات بكسلية خام، مما يلتقط المظهر البصري لكنه يفشل في نمذجة المنطق الكامن وراء علاقات الضربات (strokes) أو مبادئ التكوين.
طرق التحليل الهيكلي الحالية: غالبًا ما تكون خاصة بنصوص معينة، وتعتمد بشكل كبير على التوصيف اليدوي الشاق، أو قوائم الضربات المحددة مسبقًا، أو المسبقات اللغوية. وهذا يحد من قدرتها على التوسع والتعميم في النصوص القديمة أو الأقل دراسة حيث تكون تعريفات الضربات القياسية غامضة أو غير موجودة.

التحدي الجوهري هو تطوير إطار عمل قابل للتعميم وخالٍ من التوصيف اليدوي يمكنه استخراج هياكل الضربات تلقائيًا من صور البت ماب (bitmaps) دون الاعتماد على قواعد خاصة باللغة أو خبرة بشرية.

2. المنهجية: HieroSA

يقترح المؤلفون HieroSA (محلل الضربات الهيروغليفية)، وهو إطار عمل مبتكر يمكّن النماذج اللغوية متعددة الوسائط من تحويل صور الرموز إلى تمثيلات صريحة وقابلة للتفسير لقطع الخطوط باستخدام التعلم التعزيزي (Reinforcement Learning).

أ. تمثيل الضربات (Stroke Representation)

التجريد الهندسي: يتم نمذجة الرموز كمجموعة من قطع الخطوط في مساحة إحداثيات موحدة. تُعرف الضربة $S$ بإحداثيات طرفيها: $S = \{(p_s^k, p_e^k)\}_{k=1}^n$ .
المرونة: على عكس الطرق التقليدية التي تتطلب أنواع ضربات محددة مسبقًا، يقوم HieroSA بتقريب الأشكال المعقدة أو المنحنية عن طريق تفكيكها إلى عدة قطع خطية. وهذا يسمح للنموذج بالتكيف مع النصوص ذات تعريفات الضربات الغامضة (مثل خط العظام).

ب. تصميم المكافأة (الإشراف بدون توصيف يدوي)

تعتمد عملية التدريب فقط على صور البت ماب (خلفية بيضاء مع مقدمة سوداء) كإشارات إشراف. تم تصميم دالة المكافأة لزيادة التداخل بين الضربات المولدة والبكسلات السوداء مع تقليل الضربات غير الصالحة. وتتكون من ثلاث خطوات:

تحديد الضربات الصالحة: يقوم النموذج بأخذ عينات من النقاط على طول قطعة الخط المتوقعة. إذا وقعت أي نقطة خارج منطقة البكسلات السوداء، تُعتبر الضربة غير صالحة.
تقدير التغطية: بالنسبة للضربات الصالحة، يقدر النموذج التغطية المكانية عن طريق تمديد قطعة الخط مماسياً وعموديًا داخل منطقة البكسلات السوداء. ويتم قص التمديدات المفرطة التي تقتحم الضربات المجاورة لتشكيل منطقة تغطية مضلعة.
تجميع المكافأة:
- مكافأة التغطية: تقيس النسبة المئوية لمنطقة البكسلات السوداء التي تغطيها اتحاد مضلعات الضربات الصالحة.
- العقوبة: تعاقب توليد الضربات غير الصالحة والضربات الزائدة (التي لا تساهم في تغطية جديدة).
- الصيغة: $r_s = \frac{|C_{final} \cap \Omega_B|}{|\Omega_B|} \cdot (1 - \alpha N_{invalid})$ ، حيث $\Omega_B$ هي مجموعة البكسلات السوداء، و $\alpha$ هو معامل العقوبة.

ج. نموذج التدريب

الخوارزمية: يستخدم المؤلفون تحسين السياسة النسبية الجماعية (GRPO)، وهي خوارزمية تعلم تعزيزي معروفة بتحسين القدرة على الاستنتاج في النماذج اللغوية الكبيرة.
النموذج الأساسي: يُستخدم Qwen3-VL-4B-Instruct كنموذج أساسي.
الهدف: يتم تدريب النموذج على إخراج بيانات هيكلية لقطع الخطوط (مثل قوائم الإحداثيات الشبيهة بـ JSON) التي تزيد من المكافأة $r = r_s + \beta r_f$ ، حيث $r_f$ هي مكافأة التنسيق التي تضمن مخرجات قابلة للتحليل.

3. المساهمات الرئيسية

إطار تدريب مبتكر: تقديم طريقة تمكن النماذج اللغوية متعددة الوسائط من التقاط الهياكل على مستوى الضربات مباشرة من صور البت ماب دون الحاجة إلى توصيف يدوي أو مسبقات لغوية محددة.
التعميم عبر اللغات: أثبتت الدراسة أن الطريقة تتعمم بفعالية عبر أنظمة كتابة متنوعة (الصينية الحديثة، والكانجي الياباني، وخط العظام) دون الحاجة لإعادة هندسة مخصصة لكل نص.
الفائدة في المهام اللاحقة: أظهرت التمثيلات الهيكلية للضربات التي تعلمها النموذج تحسنًا في المهام اللاحقة، وتحديدًا التعرف الضوئي على الحروف (OCR) والاستكشاف الهيكلي الموجه للرموز (إيجاد الرموز المرتبطة هيكليًا أو دلاليًا عبر نصوص مختلفة).

4. النتائج التجريبية

قام المؤلفون بتقييم HieroSA على مجموعات بيانات صينية (ZH)، ويابانية (JA)، وخط العظام (OBS)، ومقارنتها بنماذج مرجعية قوية (GPT-5، وClaude Sonnet 4، وQwen3-VL-4B) وأدوات رؤية حاسوبية لتقطيع قطع الخطوط (ELSED، وDeepLSD).

الأداء الكمي:
- المكافأة (RE) والتغطية (CO): تفوق HieroSA بشكل كبير على جميع النماذج المرجعية. على سبيل المثال، في الرموز الصينية، حقق HieroSA مكافأة قدرها 0.837 وتغطية بنسبة 78.5%، مقارنة بحوالي 0.13 و3-11% لنماذج GPT-5/Claude.
- الضربات غير الصالحة (IS): قلل HieroSA بشكل جذري من معدلات الضربات غير الصالحة (6.1% للصينية مقابل 88.2% لـ GPT-5).
- المقاييس الهندسية: في مجموعة بيانات "Make Me A Hanzi"، أظهر HieroSA أداءً فائقًا في فرق عدد الضربات (CD)، ومتوسط المسافة (MD)، وفرق الطول (LD) مقارنة بجميع الطرق الأخرى.
التحليل النوعي: أكدت التصورات البصرية أن HieroSA يلتقط الهياكل الأساسية والاتصال للرموز، مما ينتج تفكيكات متسقة بصريًا حتى بالنسبة للنصوص القديمة التي لا توجد لها تعريفات ضربات قياسية.
المهام اللاحقة:
- التعرف الضوئي على الحروف (OCR): أدى دمج تمثيلات الضربات من HieroSA إلى تحسين دقة OCR بنسبة ~1-2% فوق النماذج المرجعية المضبوطة بدقة والتي لا تملك بيانات الضربات.
- استكشاف الرموز: نجح استخدام الأقنعة المستمدة من الضربات في البحث عن التشابه في تحديد الرموز المرتبطة هيكليًا عبر النصوص المختلفة (مثل ربط رموز خط العظام بمكونات مشابهة تتعلق بالقدم)، مما كشف عن علاقات دلالية كامنة.

5. الأهمية والأثر

دمقرطة تحليل النصوص الهيروغليفية: من خلال إزالة الاعتماد على المعرفة اللغوية الخبيرة والتوصيف اليدوي، يجعل HieroSA التحليل الهيكلي متاحًا للنصوص القديمة أو الغامضة أو غير الموثقة.
الجسر بين الرؤية والدلالة: يوفر إطار العمل آلية لتمكين النماذج اللغوية متعددة الوسائط من "رؤية" البناء المنطقي للرموز بدلاً من مجرد مظهرها البكسلي، مما قد يفتح آفاقًا لفهم دلالي أعمق للغات اللوغوجرافية.
القابلية للتوسع: يوفر النهج مسارًا قابلاً للتوسع في علم الرسم الكتابي الحاسوبي، مما يتيح الدراسة المنهجية لتطور أنظمة الكتابة وفك رموز النصوص غير المفككة من خلال مطابقة الأنماط الهيكلية.

في الختام، يمثل HieroSA خطوة مهمة للأمام في اللغويات الحاسوبية والرؤية الحاسوبية، حيث يثبت أن التعلم التعزيزي يمكنه بنجاح تعليم النماذج متعددة الوسائط فهم المنطق الهيكلي الجوهري لأنظمة الكتابة المعقدة دون إشراف بشري.