Polyglot-Lion: Efficient Multilingual ASR for Singapore via Balanced Fine-Tuning of Qwen3-ASR
تقدم الورقة البحثية Polyglot-Lion، وهي عائلة من نماذج التعرف التلقائي على الكلام (ASR) متعددة اللغات، مدمجة ومنخفضة التكلفة للغات سنغافورة الرسمية الأربع، والتي تحقق دقة تنافسية مع أنظمة أكبر بكثير من خلال توظيف الضبط الدقيق المتوازن على نموذج Qwen3-ASR دون اشتراط لغوي صريح.
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 سنغافورة كطريق سريع مزدحم مكون من أربعة مسارات، حيث تتدفق حركة المرور بأربع لغات مختلفة: الإنجليزية، والماندارين، والتاميل، والمالاي. وغالباً ما يغير السائقون مساراتهم في منتصف الرحلة (التبديل بين اللغات)، وأحياناً يتحدثون بلهجة محلية فريدة تسمى "سينغليش" تمزج اللغات الأربع معاً.
لفترة طويلة، كان بناء "شرطي مرور" (ذكاء اصطناعي يستمع وينسخ الكلام) لهذا الطريق السريع تحديداً أمراً مكلفاً وصعباً للغاية. كانت أفضل نماذج الشرطة الموجودة تشبه شاحنات ضخمة تزن 10 أطنان. كانت دقيقة، لكنها تتطلب أسطولاً هائلاً من 128 حاسوباً خارقاً للتدريب، وتكلف قرابة 19,000 دولار لبنائها. لم يكن بإمكان معظم فرق البحث الصغيرة أو الشركات المحلية تحمل تكلفة الوقود أو مساحة المرآب.
إليك Polyglot-Lion.
الفكرة الكبرى: سكوتر ذكي ومدمج
قام الباحثون في مختبر "Knovel Engineering Lab" ببناء عائلة جديدة من نماذج الذكاء الاصطناعي تسمى Polyglot-Lion. فكر في هذه النماذج ليس كشاحنات تزن 10 أطنان، بل كـ سكوترات رشيقة وعالية الأداء.
إنها أصغر بكثير (تحتوي على 1.7 مليار "خلية دماغية" أو معلمة فقط، مقارنة بـ 10 مليارات في الشاحنة)، لكنها فعالة للغاية. وإليك كيف تمكنوا من جعل سكوتر صغير يقود ببراعة الشاحنة العملاقة:
1. نظام التغذية "العادل" (أخذ العينات المتوازن)
المشكلة: يتم تدريب معظم نماذج الذكاء الاصطناعي على بيانات تكون فيها الإنجليزية والماندارين مثل بوفيه يحتوي على 100 طبق من الطعام، بينما تحتوي لغات التاميل والمالاي على 5 أطباق فقط. يشبع الذكاء الاصطناعي من الإنجليزية والماندارين ويموت جوعاً في اللغات الأخرى، لذا ينسى كيفية التحدث بها جيداً.
الحل: استخدم الباحثون استراتيجية أخذ عينات متوازنة. تخيل معلماً يجبر الذككاء الاصطناعي على تناول نفس الكمية تماماً من الطعام من كل طبق لغة، حتى لو اضطر للعودة إلى أطباق التاميل والمالاي عدة مرات للحصول على نفس حجم الحصة.
- النتيجة: لم يتعلم الذكاء الاصطناعي اللغات الشائعة فحسب؛ بل أصبح خبيراً في اللغات "الأقل تمثيلاً" (التاميل والمالاي) دون الحاجة إلى أي بيانات سرية أو خاصة.
2. قاعدة "عدم الغش" (فك التشفير المستقل عن اللغة)
المشكلة: عادةً، عندما تطلب من الذكاء الاصطناعي الاستماع، يجب أن تخبره مسبقاً: "هذه هي الإنجليزية" أو "هذه هي التاميل". إذا أخطأت، سيصاب الذكاء الاصطناعي بالارتباك. في سنغافورة، يغير الناس لغاتهم في منتصف الجملة، لذا فإن إخبار الذكاء الاصطناعي باللغة مسبقاً أمر مستحيل.
الحل: علم الباحثون Polyglot-Lion كيف يستمع بدون ورقة غش. لقد أزالوا تعليمات "وسم اللغة" تماماً. كان على الذكاء الاصطناعي أن يكتشف: "هل هذه إنجليزية أم تاميل؟" بمجرد الاستماع إلى الموجات الصوتية، تماماً مثل الإنسان الذي يمكنه التمييز بين اللكنة الفرنسية واللكنة الإسبانية بمجرد سماع الإيقاع.
- النتيجة: أصبح قوياً بما يكفي للتعامل مع المحادثات المختلطة والفوضوية في سنغافورة دون أن يفقد مساره.
النتائج: السرعة، التكلفة، والذكاء
تقارن الورقة البحثية بين "السكوتر" الجديد (Polyglot-Lion) وبين "الشاحنة" العملاقة (MERaLiON-2-10B-ASR) والمنافسين الآخرين.
- الدقة: السكوتر دقيق تقريباً مثل الشاحنة. في اختبار شمل 12 سيناريو مختلفاً للكلام، سجلت الشاحنة 14.32 (الرقم الأقل هو الأفضل)، بينما سجل السكوتر 14.85. هذا فرق ضئيل جداً مقابل هذا التقليص الهائل في الحجم.
- السرعة: السكوتر أسرع بـ 20 مرة. بينما تستغرق الشاحنة ثانيتين لنسخ جملة واحدة، يقوم السكوتر بذلك في 0.1 ثانية. إنه الفرق بين الحلزون والفهد.
- التكلفة: هذه هي الصدمة الأكبر.
- الشاحنة: كلفت 18,862 دولاراً للتدريب باستخدام 128 حاسوباً خارقاً.
- السكوتر: كلف 81 دولاراً فقط للتدريب على بطاقة رسوميات واحدة (مكون حاسوبي قياسي عالي الأداء).
- التشبيه: الأمر يشبه بناء محرك فيراري بسعر دراجة مستعملة، وهو يعمل بنفس السرعة تقريباً.
لماذا هذا مهم؟
قبل هذا، كان بإمكان شركات التكنولوجيا الكبرى ذات الميزانيات الضخمة فقط بناء التعرف على الكلام عالي الجودة لمزيج اللغات الفريد في سنغافورة. يثبت Polyglot-Lion أنك لا تحتاج إلى ميزانية ضخمة أو نموذج عملاق للحصول على نتائج رائعة. أنت فقط بحاجة إلى تدريب ذكي (تناول الكمية الصحيحة من كل لغة) وتصميم ذكي (القدرة على تحديد اللغات تلقائياً).
هذا يفتح الباب للجامعات، والشركات الناشئة الصغيرة، والمطورين المحليين لبناء مساعديهم الصوتيين الخاصين، وأدوات النسخ، وتطبيقات سهولة الوصول، مما يجعل التكنولوجيا متاحة حقاً للجميع في الجزيرة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.