Making Large Language Models Speak Tulu: Structured Prompting for an Extremely Low-Resource Language
تُثبت هذه الورقة أن تقنيات التلقين المهيكلة، بما في ذلك التوثيق النحوي الصريح، والقيود السلبية، وتوليد البيانات الاصطناعية، يمكن أن تمكّن النماذج اللغوية الكبيرة من تحقيق دقة نحوية عالية في لغة "تولو"، وهي لغة ذات موارد منخفضة للغاية، دون الحاجة إلى ضبط دقيق للنموذج.
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 روبوتًا عبقريًا وفائق الذكاء (نموذج لغوي كبير) قد قرأ كل كتاب وموقع ومقال تقريبًا في العالم. لكن هناك عقبة: لقد قرأ فقط حوالي 10% من لغات العالم، أما الـ 90% المتبقية؟ فهي بالنسبة له صفحة بيضاء تمامًا.
الآن، تخيل أنك تريد من هذا الروبوت أن يتحدث لغة "تولو" (Tulu)، وهي لغة جميلة يتحدث بها مليونا شخص في الهند، لكنها تكاد لا توجد على الإنترنت. إذا سألت الروبوت ببساطة: "من فضلك تحدث التولو"، فسيصاب بالذعر. ولأن الروبوت يعرف أن لغة "تولو" تشبه لغة "الكانادا" (Kannada) التي يعرفها جيدًا، فإنه سيبدأ بالخطأ في التحدث بالكانادا بدلاً منها. الأمر يشبه أن تطلب من شخص أن يتحدث الفرنسية، ولكن نظرًا لأنه يعرف الإسبانية جيدًا، فإنه يبدأ بالخطأ في التحدث بالإسبانية بلكنة فرنسية.
هذه الورقة البحثية هي قصة حول كيفية تعليم المؤلفين لهذا الروبوت التحدث بلغة "تولو" دون تعليمه كلمات جديدة أو إعادة تدريب دماغه. بدلاً من ذلك، استخدموا "دليل تعليمات" (Prompt) محددًا ومنظمًا للغاية لتوجيهه.
إليك كيف فعلوا ذلك، مشروحًا ببعض التشبيهات من الحياة اليومية:
1. المشكلة: اللغة "المحتالة"
الروبوت يشبه طالبًا درس بجد لامتحان الإسبانية، ولكن طُلب منه خوض اختبار في البرتغالية. ولأن اللغتين تبدوان وتصوتان متشابهتين، يستمر الطالب في كتابة كلمات إسبانية، ظنًا منه أنها برتغالية.
- المشكلة: عندما يرى الروبوت لغة "تولو" مكتوبة بخط "الكانادا" (الذي يشبه خط الكانادا)، يفترض قائلاً: "أوه، هذه هي الكانادا!" ويبدأ باستخدام كلمات الكانادا. يسمي المؤلفون هذا "تلوث المفردات" (Vocabulary Contamination).
2. الحل: "البرومبت الخارق" (The Super-Prompt)
بدلاً من تغذية الروبوت بآلاف الكتب الجديدة (التي لا وجود لها لـ "تولو")، بنى المؤلفون دليل تعليمات ضخمًا ومفصلًا لإعطائه للروبوت قبل أن يجيب. فكر في هذا الدليل كأنه نظام ملاحة (GPS) لعقل الروبوت.
لقد استخدموا أربع أدوات رئيسية لبناء نظام الملاحة هذا:
أ. "مفتاح تغيير اللهجة" (التحويل إلى الحروف اللاتينية - Romanization)
لغة "تولو" تُكتب عادةً بخط "الكانادا"، مما يربك الروبوت. قرر المؤلفون كتابة "تولو" باستخدام الأبجدية الإنجليزية، ولكن مع لمسة خاصة.
- التشبيه: تخيل أن الروبوت هو طاهٍ لا يتعرف إلا على المكونات المكتوبة بالفرنسية. إذا أعطيتهم قائمة بالفرنسية، فقد يأخذون التوابل الخطأ. ولكن إذا أعطيتهم قائمة بالإنجليزية مع ملاحظات محددة مثل "استخدم هذا النوع المحدد من الملح، وليس الملح العادي"، فسوف يصيبون الهدف.
- النتيجة: من خلال كتابة "تولو" بأبجدية خاصة تشبه الإنجليزية، أدرك الروبوت: "انتظر، هذه ليست الكانادا! هذه لغة مختلفة!" وقد قلل هذا من ارتباك الروبوت بهامش كبير.
ب. "لوحات ممنوع الدخول" (القيود السلبية - Negative Constraints)
كانت هذه هي الأداة الأكثر قوة. لم يكتفِ المؤلفون بقول "تحدث التولو"، بل قالوا: "لا تستخدم هذه الكلمات الـ 50 المحددة من لغة الكانادا. إذا أردت قول 'أنا'، فلا تستخدم 'naanu' (بالكانادا)؛ بل يجب أن تستخدم 'yān' (بالتولو)."
- التشبيه: الأمر يشبه قولك لطفل: "لا تأكل الحلوى الحمراء". إذا قلت له فقط "كل الحلوى الخضراء"، فقد يظل الطفل يمسك بالحلوى الحمراء لأنها موجودة أمامه مباشرة. ولكن إذا وضعت علامة "توقف" صريحة على الحلوى الحمراء، فسوف يتجنبها.
- النتيجة: منعت هذه "القيود السلبية" الروبوت من استخدام الكلمات الخاطئة بنسبة تتراوح بين 12 إلى 18% أكثر من أي طريقة أخرى.
ج. "ورقة الغش" (توثيق القواعد - Grammar Documentation)
بما أن الروبوت لم يرَ قواعد لغة "تولو" من قبل، فقد كتب المؤلفون كتابًا مدرسيًا مصغرًا داخل "البرومبت". شرحوا كيف تتغير الأفعال، وكيف تقول "أنا"، و"أنت"، و"نحن"، وترتيب الكلمات في الجملة.
- التشبيه: الأمر يشبه إعطاء الروبوت "ورقة غش" لاختبار لم يذاكر له.
- النتيجة: ساعد هذا الروبوت على بناء جمل صحيحة، رغم أن النتيجة كانت أفضل مع بعض نماذج الروبوتات مقارنة بغيرها.
د. "التحقق الذاتي" (Self-Verification)
أخيرًا، أخبروا الروبوت: "قبل أن تضغط على 'إرسال'، راجع عملك. هل استخدمت الكلمات المحظورة؟ هل القواعد صحيحة؟"
- التشبيه: هذا يشبه الطالب الذي يراجع مقالته قبل تسليمها للمعلم.
- النتيجة: قامت هذه الخطوة النهائية بتنقية الأخطاء المتبقية، مما رفع الدقة إلى 85%.
3. هل نجح الأمر؟
كانت النتائج مثيرة للإعجاب.
- قبل: كان الروبوت يتحدث الكانادا بنسبة 80% (اللغة الخاطئة) وبنسبة 18% فقط بشكل صحيح.
- بعد: أصبح الروبوت يتحدث التولو بشكل صحيح بنسبة 85%، مع وجود "تلوث" بنسبة 5% فقط من لغة الكانادا.
حتى أنهم أجروا "اختبار كشف الكذب" (يسمى تجربة التزييف). أعطوا الروبوت قواعد قواعد نحوية خاطئة وزائفة وطلبوا منه اتباعها. اتبع الروبوت القواعد الزائفة وحصل على نتائج سيئة للغاية. أثبت هذا أن الروبوت لم يكن يخمن فح، بل كان يقرأ ويستخدم التعليمات التي أعطوها له بالفعل.
4. العقبة (القيود)
على الرغم من أن الروبوت يمكنه الآن إجراء محادثة، إلا أنه ليس مثاليًا.
- "صوت الروبوت": الجمل صحيحة نحوياً، لكنها تبدو جامدة بعض الشيء، مثل الترجمة وليست محادثة طبيعية.
- مشكلة الخط: استخدم المؤلفون الحروف الإنجليزية لكتابة "تولو" لأن ذلك كان يعمل بشكل أفضل مع الكمبيوتر. ومع ذلك، يستخدم متحدثو "تولو" الحقيقيون خطوط "الكانادا" أو "التيجالاري". تحذر الورقة من عدم فرض الحروف الإنجليزية على ثقافة ما لمجرد أنها أسهل للذكاء الاصطناعي.
- ليس للأمور الجادة: نظرًا لأن الروبوت لا يزال يرتكب حوالي 15% من الأخطاء، فلا ينبغي استخدامه للاستشارات القانونية، أو التشخيص الطبي، أو تعليم الأطفال. إنه رائع للدردشة أو الاستكشاف، ولكن ليس للوظائف عالية المخاطر.
الخلاصة الكبرى
تظهر هذه الورقة أنك لست بحاجة دائمًا لبناء دماغ جديد (إعادة تدريب النموذج) لتعليم الروبوت لغة جديدة. أحيانًا، تحتاج فقط إلى إعطائه مجموعة من التعليمات المحددة جدًا والواضحة (البرومبت) التي تخبره بالضبط بما يجب فعله، والأهم من ذلك، بما لا يجب فعله.
إنها طريقة ذكية ومنخفضة التكلفة للمساعدة في الحفاظ على اللغات والتحدث بها، وهي اللغات التي نسيها العالم الرقمي في الغالب.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.