Afri-MCQA: Multimodal Cultural Question Answering for African Languages
تقدم هذه الورقة البحثية "Afri-MCQA"، وهو أول معيار تقييم متعدد الوسائط يتكون من 7.5 ألف زوج من الأسئلة والأجوبة ذات الجذور الثقافية عبر 15 لغة أفريقية تم إنشاؤها بواسطة متحدثين أصليين، مما يكشف عن فجوات كبيرة في أداء النماذج اللغوية الكبيرة الحالية فيما يتعلق بقدرات اللغة الأصلية والقدرات الصوتية، مع الدعوة إلى تطوير ذكاء اصطناعي أكثر شمولاً ووعياً بالثقافة.
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 أمين مكتبة آلياً عملاقاً وذكياً للغاية، قرأ جميع الكتب الموجودة في العالم تقريباً. قد تظن أن هذا الروبوت يعرف كل شيء، أليس كذلك؟ ولكن ماذا لو سألته عن مهرجان قرية معينة في نيجيريا أو طبق تقليدي في إثيوبيا، فحدق فيك بصمت وفراغ؟ أو والأسوأ من ذلك، ماذا لو تحدثت إليه بلغتك المحلية، ولم يفهم حتى الكلمات التي تقولها؟
هذه هي بالضبط المشكلة التي تحاول ورقة بحثية جديدة تسمى Afri-MCQA حلها.
إليك قصة الورقة البحثية، مقسمة إلى أجزاء بسيطة:
1. قطع الأحجية المفقودة
أفريقيا قارة ضخمة تضم أكثر من 1.3 مليار نسمة وأكثر من ثلث اللغات المنطوقة على الأرض. ومع ذلك، فإن معظم الروبوتات الذكية (التي تسمى نماذج اللغات الكبيرة) قد تمت تغذيتها فقط بالكتب والبيانات من الدول الناطقة بالإنجليزية أو الدول الغربية. الأمر يشبه محاولة خبز كعكة ولكن ليس لديك سوى الدقيق والسكر، بينما تفتقر إلى البيض أو الحليب. إن الذكاء الاصطناعي يفتقد إلى "المكونات" الخاصة بالثقافة واللغة الأفريقية.
2. الوصفة الجديدة: Afri-MCQA
قرر الباحثون خبز نوع جديد من الكعك. لقد أنشأوا اختباراً ضخماً يسمى Afri-MCQA.
- ما هو؟ إنه برنامج مسابقات ضخم يحتوي على 7,500 سؤال وجواب.
- من صنعه؟ أشخاص حقيقيون يعيشون في 12 دولة أفريقية مختلفة ويتحدثون 15 لغة محلية مختلفة (مثل السواحيلية، واليوربا، والأمهرية، والزولو). لم يكتفوا بمجرد ترجمة أسئلة من الإنجليزية؛ بل ابتكروا أسئلة جديدة بناءً على حياتهم الخاصة.
- كيف يبدو؟ تخيل صورة لسوق محلي. يطلب الاختبار: "ما نوع الفاكهة هذه؟" أو "ماذا يرتدي هذا الشخص؟".
- اللمسة المميزة: الاختبار ليس مجرد نص مكتوب. إنه أيضاً منطوق. يمكنك طرح السؤال على الذكاء الاصطناعي عن طريق الكتابة، أو عن طريق التحدث عبر الميكروفون بلغتك المحلية.
3. الاختبار الكبير: كيف كان أداء الروبوتات؟
وضع الباحثون أذكى روبوتات الذكاء الاصطناعي في العالم تحت هذا الاختبار ليروا كيف ستتعامل مع الثقافة واللغات الأفريقية. كانت النتائج صادمة بعض الشيء:
- جدار "حاجز اللغة": عندما سُئلت الروبوتات باللغة الإنجليزية، كان أداؤها جيداً. ولكن عندما سُئلت باللغات الأفريقية المحلية، انهار أداؤها. كان الأمر وكأن الروبوت نسي فجأة كيف يتحدث.
- مشكلة "الأذن": كانت هذه هي المشكلة الأكبر. عندما "تحدث" الباحثون الأسئلة للروبوتات (بدلاً من كتابتها)، فشلت الروبوتات بشكل شبه كامل.
- تشبيه: تخيل أن تطلب من إنسان أن يقرأ قائمة طعام بلغة لا يعرفها؛ قد يخمن. ولكن إذا "تحدثت" إليه بالقائمة بلغة لا يعرفها، فلن يتمكن حتى من سماع الكلمات. لم يستطع الذكاء الاصطناعي حتى "سماع" أو التعرف على اللغات الأفريقية بشكل صحيح.
- "لعبة التخمين" مقابل "المعرفة الحقيقية": كانت الروبوتات أفضل في اختيار الإجابة الصحيحة من قائمة خيارات (اختيار من متعدد) مقار بسؤاله عن الإجابة بنفسها (سؤال مفتوح). وهذا يشير إلى أنها كانت تخمن بناءً على الأنماط بدلاً من فهم الثقافة حقاً.
4. فحص "التحكم"
للتأكد من أن الروبوتات لم تكن تفشل لمجرد أن الأسئلة صعبة للغاية، قدم لها الباحثون اختبارات أسهل:
- هل يمكنك قراءة هذا؟ (اختبارات نصية)
- هل يمكنك سماع هذا؟ (اختبارات كلامية)
- هل يمكنك معرفة ما هذه اللغة؟ (اختبارات تحديد الهوية اللغوية)
أظهرت النتائج أن الروبوتات كانت تفشل حتى في الأساسيات. لم تكن قادرة حتى على تحديد أي لغة أفريقية يتم التحدث بها، ناهيك عن الإجابة على سؤال ثقافي عنها. الأمر يشبه محاولة حل مسألة رياضية بينما لا تعرف حتى كيفية قراءة الأرقام.
5. الخلاصة الرئيسية
تخلص الورقة البحثية إلى أنه لا يمكننا بناء ذكاء اصطناعي للعالم أجمع عن طريق تعليمه اللغة الإنجليزية والثقافة الغربية فقط.
- نحن بحاجة إلى ذكاء اصطناعي "يعتمد على الكلام أولاً": بما أن العديد من اللغات الأفريقية هي لغات منطوقة في المقام الأول (الناس يتحدثون أكثر مما يكتبون)، يجب بناء الذكاء الاصطناعي ليسمع ويتحدث أولاً، وليس فقط ليقرأ ويكتب.
- نحن بحاجة إلى تدريب ثقافي: يجب "تربية" الذكاء الاصطناعي في الثقافات الأفريقية، وليس مجرد إعطائه قاموساً.
- الفجوة هائلة: هناك فرق شاسع بين الذكاء الاصطناعي "المغلق" (مثل نموذج جوجل، الذي كان أداؤه أفضل) والذكاء الاصطناعي "المفتوح" (النماذج المجانية)، ولكن حتى الأفضل منها عانى مع اللغات الأصلية.
باخت-صار: أظهرت هذه الورقة البحثية "مرآة" لعالم الذكاء الاصطناعي توضح أنه حالياً أعمى وأصم عن جزء كبير من البشرية. ولإصلاح ذلك، نحتاج إلى تعليم هذه الروبوتات الاستماع إلى الأصوات الأفريقية وفهم القصص الأفريقية، وليس فقط ترجمتها. لقد أطلق الباحثون الآن "اختبارهم" (مجموعة البيانات) للجمهور حتى يتمكن الآخرون من المساعدة في بناء روبوتات أفضل وأكثر شمولاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.