SumTablets: A Transliteration Dataset of Sumerian Tablets
تقدم هذه الورقة البحثية SumTablets، وهي مجموعة بيانات شاملة تزاوج بين 91,606 لوحاً من الكتابة المسمارية السومرية ونصوصها المترجمة من Oracc لتمكين تطبيقات معالجة اللغات الطبيعية الحديثة، مبرهنةً على أن نماذج اللغة ذات التوليد الذاتي والضبط الدقيق يمكنها تحقيق دقة عالية (97.55 chrF) في أتمتة عملية الترجمة الحرفية.
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 مكتبة ضخمة من الألواح الطينية القديمة، المكتوبة بلغة لم تُنطق منذ 4000 عام. هذه الألواح مغطاة بعلامات تشبه الأوتاد تسمى المسمارية (Cuneiform). بالنسبة للعين الحديثة، تبدو هذه العلامات كفن تجريدي أو شفرة سرية.
لقد اضطر الخبراء، الذين يُطلق عليهم علماء الآشوريات (Assyriologists)، لقرون من الزمن إلى الجلوس والتدقيق في صور هذه الألواح الطينية وترجمة تلك العلامات الوتدية يدوياً إلى الأبجدية اللاتينية التي نستخدمها اليوم. تُسمى هذه العملية النقحرة (Transliteration)، وهي عملية بطيئة ومملة وتتطلب سنوات من التدريب المتخصص.
تقدم هذه الورقة أداة جديدة تسمى SumTablets تهدف إلى تغيير قواعد اللعبة. إليك قصة كيف فعلوا ذلك، مشروحة ببساطة.
1. المشكلة: الحلقة المفقودة
فكر في الأرشيفات الرقمية الموجودة للنصوص السومرية كأنها مجموعتان منفصلتان من الكتب:
- المجموعة أ: صور عالية الجودة أو صور رقمية للألواح الطينية (الـ "صور").
- المجموعة ب: ترجمات الخبراء المكتوبة بخط اليد لتلك الصور إلى نص يشبه الإنجليزية (الـ "قاموس").
ما المشكلة؟ هاتان المجموعتان لم يتم دمجهما أبداً. لم تكن هناك مجموعة بيانات واحدة توضح أن: "هذه الصورة المحددة لعلامة وتد تساوي هذا الحرف المحدد". وبدون هذا الاتصال، لم تستطع الحواسيب تعلم كيفية ترجمة الصور نفسها. كان الأمر يشبه محاولة تعليم روبوت قراءة خريطة دون إظهار الخريطة وأسماء الشوارب جنباً إلى جنب.
2. الحل: SumTablets (الـ "حجر رشيد" للذكاء الاصطناعي)
أنشأ المؤلفون SumTablets، وهي مجموعة بيانات ضخمة تعمل كجسر عملاق بين الصور والكلمات.
- النطاق: لقد جمعوا 91,606 لوحاً طينياً قديماً.
- المحتوى: قاموا بربط أكثر من 6.9 مليون علامة وتدية (glyph) فردية بترجماتها المقابلة.
- السحر: لم يكتفوا بالنسخ واللصق؛ بل قاموا بتنظيف البيانات. لقد حولوا الملاحظات الفوضوية التي يستخدمها الخبراء (مثل "هذا الجزء مكسور" أو "هذا الجزء مفقود") إلى أكواد حاسوبية خاصة. هذا يجعل البيانات "نظيفة" بما يكفي ليتعلم منها الحاسوب.
فكر في SumTablets كأنها مجموعة ضخمة من البطاقات التعليمية (Flashcards) للذكاء الاصطناعي. على أحد الجانبين يوجد الرمز القديم، وعلى الجانب الآخر توجد القراءة الحديثة.
3. كيف علموا الحاسوب (الـ "معلم" والـ "طالب")
بمجرد حصولهم على هذه البطاقات، جربوا طريقتين مختلفتين لتعليم الحاسوب القيام بالترجمة.
الطريقة أ: "تخمين القاموس" (الأساس المرجعي)
تخيل أنك تلعب لعبة حيث يتعين عليك تخمين كلمة بناءً على صورة. لديك قاموس يقول: "هذه الصورة قد تعني قطة، أو خفاش، أو جرذ".
- ينظر الحاسوب إلى الصورة.
- يتحقق من القاموس.
- يختار التخمين الأكثر شيوعاً بناءً على مدى تكرار هذه الكلمة في التاريخ.
- النتيجة: نجح في معرفة حوالي 61% من الكلمات بشكل صحيح. إنه يشبه طالباً حفظ القاموس لكنه لا يفهم سياق الجملة.
الطريقة ب: "القارئ الخارق" (النموذج العصبي)
هنا يصبح البحث مثيراً للاهتمام. استخدموا نموذج Transformer (وهو نفس نوع الذكاء الاصطناعي الذي يقف وراء أدوات مثل ChatGPT).
- التحدي: عادة ما تتحدث هذه النماذج أكثر من 100 لغة حديثة (مثل الفرنسية والصينية والإسبانية). أما السومرية فهي "لغة معزولة" (Language Isolate)؛ ليس لها أقارب أحياء. الأمر يشبه محاولة تعليم شخص متعدد اللغات لغة من كوكب مختلف تماماً.
- الحيلة: لم يعلم الباحثون الذكاء الاصطناعي من الصفر. لقد أخذوا نموذجاً يعرف بالفعل كيفية فهم القواعد وهيكل الجمل في العديد من اللغات، ثم قاموا بـ "ضبط دقيق" (Fine-tuning) له باستخدام بطاقات SumTablets التعليمية.
- النتيجة: تعلم الذكاء الاصطناعي النظر إلى تسلسل من العلامات الوتدية والتنبؤ بالترجمة بدقة تصل إلى 97.5%.
4. لماذا يهم هذا الأمر؟
فكر في الحالة الراهنة لعلم الآشوريات كعالم لا يستطيع فيه إلا حفنة من الناس قراءة الخرائط القديمة، ويضطرون لرسم كل طريق يدوياً.
- قبل SumTablets: يقضي الخبير 3 ساعات في ترجمة لوح واحد يدوياً.
- مع SumTablets: يمكن للذكاء الاصطناعي إنشاء مسودة ترجمة في ثوانٍ. ثم يعمل الخبير فقط كـ مدقق، حيث يراجع عمل الذكاء الاصطناعي بحثاً عن الأخطاء بدلاً من القيام بالمهمة بأكملها من البداية.
هذا لا يستبدل الخبراء؛ بل يمنحهم قوة خارقة. فهو يحررهم من العمل الممل والمتكرر ليركزوا على الأشياء المثيرة للاهتمام: فهم التاريخ، والسياسة، وقصص العالم القديم.
الخلاصة
بنى المؤلفون أول مجموعة بيانات ضخمة ونظيفة تربط الصور السومرية القديمة بترجماتها الحديثة. لقد أثبتوا أنه حتى بالنسبة للغة ميتة وفريدة من نوعها ذات عدد قليل جداً من المتحدثين، يمكن للذكاء الاصطناعي الحديث أن يتعلم قراءتها بشكل مثالي تقريباً.
إنه يشبه منح أفضل علماء الآثار في العالم نظارات تحول الخربشات الطينية القديمة فوراً إلى نص مقروء، مما يسمح لهم بقضاء وقت أطول في استكشاف التاريخ ووقت أقل في فك الشفرات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.