💬 NLP

Rashid: A Cipher-Based Framework for Exploring In-Context Language Learning

تقدم الورقة البحثية "رشيد" (Rashid)، وهو إطار عمل يقوم بتشفير اللغات ذات الموارد العالية بشكل عكسي لإنشاء لغات "غير مرئية" غنية بالموارد وقابلة للتحكم، مما يتيح تقييماً قابلاً للتوسع وصارماً لاستراتيجيات تعلم اللغة في السياق (ICLL)، ويتغلب على محدودية البيانات والأدوات المرتبطة عادةً باللغات ذات الموارد المنخفضة.

المؤلفون الأصليون: Niyati Bafna, Ryan Soh-Eun Shim, Barbara Plank, David Yarowsky, Hale Sirin

نُشر 2026-03-25

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Niyati Bafna, Ryan Soh-Eun Shim, Barbara Plank, David Yarowsky, Hale Sirin

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 تريد تعليم روبوت فائق الذكاء لغة لم يسمع بها من قبل، مثل لهجة نادرة تتحدث بها قبيلة صغيرة في منطقة الأمازون. المشكلة؟ ليس لديك قاموس، ولا كتاب قواعد، ولا حتى متحدثين أصليين لمساعدتك. الروبوت يحلق في عماء، ومن المستحيل أن تعرف ما إذا كان يتعلم بشكل صحيح لأنك أنت نفسك لا تستطيع فهم المخرجات.

هذا هو الصداع الكبير الذي يواجه الباحثين في مجال تعلم اللغة داخل السياق (ICLL): محاولة تعليم الذكاء الاصطناعي لغات جديدة دون الأدوات المعتادة.

إليك "رشيد" (Rashid)، وهو إطار عمل ذكي ومبتكر تم تقديمه في هذه الورقة البحثية. الاسم مستوحى من الخليفة الشهير هارون الرشيد، الذي اشتهر بتنكّرُه في زي عامة الناس ليتجول في شوارع بغداد ويفهم مشاكل الناس. وبالمثل، يقوم هذا الإطار بـ "تنكّر" لغة معروفة لخداع الذكاء الاصطناعي ليظن أنه يتعلم لغة جديدة تماماً، مما يسمح للباحثين بدراسة عملية التعلم في بيئة محكومة وآمنة.

إليك كيف يعمل الأمر، مقسماً باستخدام تشبيهات بسيطة:

١. "المُشفر السحري" (الشيفرة)

بدلاً من محاولة البحث عن لغة حقيقية نادرة ومنخفضة الموارد لاختبارها، أخذ الباحثون ١٠ لغات شائعة وعالية الموارد (مثل الفرنسية، الألمانية، الهندية، والتركية) وأجروا عليها "مشفرًا سحريًا".

التشبيه: تخيل أن لديك جملة إنجليزية مثالية: "The cat sat on the mat."
التشفير: تقوم بتطبيق كود سري حيث يتم استبدال كل حرف بآخر (على سبيل المثال، حرف 'T' يصبح 'X'، وحرف 'h' يصبح 'q'). تصبح الجملة: "Xq qat qat on qe mat."
النتيجة: بالنسبة للذكال الاصطناعي، سيبدو هذا كلغة غريبة تماماً. ولكن بالنسبة للباحثين، لا تزال هذه الجملة فرنسية أو هندية في جوهرها. ولأنهم يعرفون الكود السري، يمكنهم "فك تشفير" إجابة الذكاء الاصطناتد فوراً للتأكد مما إذا كانت صحيحة.

هذا هو الجزء العبقري: لقد صنعوا "لغات وهمية" غير معروفة، لكنها في الواقع تمتلك قواميس وكتب قواعد مثالية. وهذا يتيح لهم اختبار استراتيجيات الذكاء الاصطناعي دون النقص المعتاد في الموارد.

٢. التجربة: تعليم الروبوت

بمجرد تشفير اللغة، حاول الباحثون تعليم الذكاء الاصطناعي ترجمتها باستخدام "وسائل مساعدة للدراسة" مختلفة، تماماً كما يفعل طالب بشري:

القاموس: إعطاء الذكاء الاصطناعي قائمة بالترجمات (كلمة مقابل كلمة).
كتاب القواعد: إعطاؤه قواعد حول بنية الجملة (مثل "الأفعال تأتي في النهاية").
الأمثلة: عرض جمل نموذجية من استخدام اللغة.

ما وجدوه:

القراءة أسهل من الكتابة: أصبح الذكاء الاصطناعي جيداً جداً في فهم اللغة المشفرة (ترجمتها إلى الإنجليزية) عند إعطائه قاموساً وقواعد لغوية. الأمر يشبه قراءة قائمة طعام أجنبية؛ يمكنك تخمين المكونات.
الكتابة صعبة: عندما طُلب منه إنتاج نص باللغة المشفرة (ترجمة من الإنجليزية إلى اللغة الجديدة)، واجه الذكاء الاصطناعي صعوبة. فحتى مع وجود القاموس، لم يستطع معرفة كيفية تركيب الكلمات معاً بشكل صحيح. كان الأمر أشبه بمحاولة كتابة قصيدة بلغة تعرف كلماتها فقط، ولكنك لا تعرف إيقاعها.

٣. خدعة "المحور" (الجسر)

اكتشف الباحثون حلاً ذكياً لمشكلة الكتابة. فبدلاً من الانتقال مباشرة من الإنجليزية إلى "اللغة المشفرة"، ذهبوا عبر لغة ذات صلة أولاً.

التشبيه: تخيل أنك تريد ترجمة قصة من الإنجليزية إلى لهجة نادرة من اللغة الهندية. أنت لا تعرف هذه اللهجة، ولكنك تعرف اللغة الهندية القياسية.
الاستراتيجية: تترجم من الإنجليزية -> الهندية القياسية -> الهندية المشفرة.
النتيجة: نظرًا لأن الهندية القياسية والنسخة المشفرة تشتركان في نفس "الهيكل العظمي" (القواعد وترتيب الكلمات)، فقد أبلى الذكاء الاصطناعي بلاءً حسناً. كان الأمر بمثابة استخدام جسر لعبور النهر بدلاً من محاولة السباحة عبره في الظلام.

٤. لماذا هذا مهم؟

هذا الإطار يشبه محاكي الطيران لتعلم اللغة.

في الحياة الواقعية: اختبار الذكاء الاصطناعي على لغات حقيقية ونادرة هو أمر مكلف، بطيء، ومحفوف بالمخاطر. وإذا فشل الذكاء الاصطناعي، قد لا تعرف حتى لماذا لأنك لا تتحدث تلك اللغة.
محاكي "رشيد": يمكن للباحثين "تحطيم الطائرة" (الذكاء الاصطناعي) ألف مرة، وفحص "الصندوق الأسود" (المخرجات)، وإصلاح "المحرك" (الاستراتيجية) فوراً لأن بإمكانهم "فك تشفير" الحادث.

الخلاصة

تخلص الورقة البحثية إلى أنه بينما تتحسن طرق الذكاء الاصطناعي الحالية في قراءة اللغات الجديدة، إلا أنها لا تزال سيئة جداً في التحدث بها. ومع ذلك، من خلال استخدام "صندوق الرمل" الخاص باللغة المشفرة، يمكن للباحثين الآن اختبار أفكار جديدة بسرعة — مثل استخدام اللغات ذات الصلة كجسر — لمعرفة كيفية تعليم الذكاء الاصطناعي أخيراً التحدث بطلاقة بآلاف لغات العالم.

إنها طريقة لحل مشكلة "الموارد المنخفضة" عبر التظاهر بأن الموارد غير موجودة، حتى نتمكن من تعلم كيفية بناءها للواقع.

إليك ملخص تقني مفصل لورقة البحث بعنوان "Rashid: إطار عمل قائم على التشفير لاستكشاف التعلم اللغوي في السياق".

1. بيان المشكلة

يهدف مجال التعلم اللغوي في السياق (ICLL) إلى تمكين النماذج اللغوية الكبيرة (LLMs) من معالجة اللغات غير المرئية أو اللغات ذات الموارد المنخفضة للغاية (LRLs) من خلال توفير الموارد اللغوية (المعجم، كتب القواعد، الأمثلة) داخل المطالبة (prompt). ومع ذلك، فإن التقدم في هذا المجال يعوقه بشدة ندرة الموارد:

نقص التقييم: تفتقر اللغات الحقيقية ذات الموارد المنخفضة غالبًا إلى أدوات تقييم عالية الجودة، والخبرة البشرية، وبيانات المعايير المرجعية، مما يجعل من الصعب تقييم أداء النموذج بشكل موثوق.
العوامل المربكة: من الصعب التمييز ما إذا كان أداء النموذج اللغوي الكبير ناتجًا عن تعلم لغوي حقيقي أم عن معرفة متبقية من التدريب المسبق على لغات ذات صلة.
القيود التجريبية: لا يستطيع الباحثون إجراء تجارب واسعة النطاق أو التكرار على الاستراتيجيات بسهولة لأن إنشاء الموارد للغات الحقيقية ذات الموارد المنخفضة عملية مكلفة وتستغرق وقتًا طويلاً.

2. المنهجية: إطار عمل راشد (Rashid)

قدم المؤلفون Rashid، وهو إطار عمل مصمم لإنشاء "بيئة اختبار" (sandbox) للتجريب المنهجي في مجال التعلم اللغوي في السياق (ICLL). بدلاً من استخدام لغات حقيقية ذات موارد منخفضة، يقوم Rashid بإنشاء لغات غير مرئية اصطناعيًا عن طريق تطبيق شفرات (ciphers) على مستوى الحروف للغات ذات الموارد العالية (HRLs).

بناء الشفرة: يستخدم إطار العمل شفرة استبدال أحادية الأبجدية ( $\chi_L$ $χ_{L}$ ) تُطبق على مستوى الحرف.
- القابلية للعكس: الشفرة هي دالة تقابلية (bijective)، مما يسمح بفك تشفير مخرجات النموذج وإعادتها إلى اللغة الأصلية ذات الموارد العالية (HRL) لتقييمها باستخدام أدوات معالجة اللغات الطبيعية القياسية.
  // الإخفاء: الشفرة معقدة بما يكفي (مع فضاء مفاتيح يبلغ $\approx |C|!$ ) بحيث لا تستطيع النماذج اللغوية الكبيرة فك تشفيرها عبر الاستنتاج أو تحليل الشفرات، مما يجبرها على الاعتماد على التعلم في السياق.
- الحفاظ: من الضروري أن الشفرة تحافظ على جميع الخصائص اللغوية الأساسية (الصرف، النحو، الدلالة، ترتيب الكلمات) للغة المصدر، وتغير فقط الشكل السطحي.
الإعداد التجريبي:
- اللغات: 10 لغات متوسطة إلى عالية الموارد (الألمانية، الفرنسية، الإسبانية، الهندية، إلخ) تغطي أنواعًا لغوية متنوعة (إلصاقية، تصريفية، عزلية) ونصوصًا مختلفة (اللاتينية، الديفاناغاري، التيلوجو).
- النماذج: GPT-5.1 (أساسي)، Llama-3.1-8B، و Qwen-2.5-7B.
- المهام: الترجمة الآلية (MT) هي المهمة الأساسية (WMT24++)، مع تقييم ثانوي على المهام اللاحقة (MMLU-ProX، XNLI، XStoryCloze).
- الاستراتيجيات المختبرة: يضيف المؤلفون الموارد تدريجيًا إلى المطالبة:
  1. المعاجم (L): خرائط (كلمة إلى كلمة).
  2. الأمثلة (LE): أمثلة داخل السياق (few-shot).
  3. التجذير (Lem): جذور مورفولوجية.
  4. الصرف (M): علامات أقسام الكلام (POS) والسمات القواعدية.
  5. النحو (S): الملفات التعريفية النحوية عالية المستوى (مثل SOV مقابل SVO).
  6. استراتيجيات جديدة: تغطية معجمية شبه كاملة (عبر وسيط ترجمة جوجل) والتتابع عبر لغة ذات موارد عالية ذات صلة (RHRL).
المساهمات الرئيسية:
1. إطار عمل راشد (Rashid): طريقة مبتكرة لمحاكاة لغات "غير مرئية حقًا" مع الاحتفاظ بالوصول الكامل إلى مجموعة الأدوات والموارد المتاحة للغات ذات الموارد العالية. وهذا يسمح بتجارب صارمة، واسعة النطية، وقابلة للتكرار.
2. التقييم الشامل لـ ICLL الحالي: أول تقييم منهجي لطرق ICLL الحالية باستخدام مقاييس حالة الفن (SOTA) (مثل xCOMET، GEMBA-MQQM) والتحليل اليدوي، متجاوزًا مقاييس مطابقة السلاسل البسيطة مثل BLEU.
3. تحديد القيود: تثبت الورقة أن طرق ICLL الحالية فعالة في الفهم (الترجمة إلى الإنجليزية) ولكنها غير فعالة إلى حد كبير في التوليد (الترجمة من الإنجليزية)، حيث تكون المخرجات غير قابلة للاستخدام غالبًا.
4. توجهات استراتيجية جديدة:
  - التغطية المعجمية: أظهرت أن التغطية المعجمية شبه الكاملة تحسن الفهم بشكل كبير ولكنها لا تحل مشكلات التوليد.
  - التتابع عبر اللغات ذات الصلة: أظهرت أن ترجمة (الإنجليزية $\to$ لغة عالية الموارد ذات صلة $\to$ اللغة المستهدفة المشفرة) تحسن التماسك النحوي والترجمة الاصطلاحية بشكل كبير مقارنة بالترجمة المباشرة.

4. النتائج الرئيسية

فجوة الفهم مقابل التوليد:
- $\to$ الإنجليزية (الفهم): يتحسن الأداء تدريجيًا مع إضافة الموارد. الاستراتيجية الأفضل (المعجم + الجذور + الصرف + النحو) تحقق أعلى الدرجات ولكنها لا تزال تتخلف بشكل كبير عن الأداء "العلوي" (غير المشفر).
- الإنجليزية $\to$ (التوليد): تظهر الاستراتيجيات الحالية تحسنًا ضئيلاً مقارلة بأساس بسيط (كلمة مقابل كلمة). تعاني النماذج في توليد نصوص صحيحة نحويًا ومتماسكة دلاليًا في اللغة غير المرئية.
تحليل المقاييس:
- المقاييس القائمة على السلاسل (chrF) غالبًا ما تبالغ في تقدير الجودة لمهام التوليد من خلال مطابقة ترجمات "كلمة مقابل كلمة" غير منطقية.
- المقاييس الدلالية (xCOMET) والمقاييس القائمة على الأخطاء (GEMBA-MQM) تكشف أن المخرات غالبًا ما تكون غير قابلة للاستخدام، مع معدلات عالية من الأخطاء الحرجة.
النتائج النوعية:
- تساعد الأمثلة في تقليل الانحراف الموضوعي وتحسين استخدام كلمات محددة.
- تساعد المعلومات المورفولوجية في الفهم ولكن يتم تطبيقها بشكل غير متسق في التوليد.
- تساعد أدلة النحو في إعادة ترتيب العبارات البسيطة ولكنها تفشل في الجمل المعقدة.
أداء الاستراتيجيات الجديدة:
- المعجم شبه الكامل ( $L_{cov}$ ): حسن درجات الفهم بشكل كبير (على سبيل المثال، +10 نقاط xCOMET للألمانية) ولكنه فشل في إصلاح جودة التوليد.
- التتابع ( $CL_{cov}$ ): أدت الترجمة عبر لغة ذات صلة (على سبيل المثال، الإنجليزية $\to$ الفرنسية $\to$ الإسبانية المشفرة) إلى انتصارات بالإجماع في التقييمات اليدوية من حيث ترتيب الكلمات والاصطلاحية، متفوقة على استراتيجيات الترجمة المباشرة.

5. الأهمية والآثار المترتبة

بيئة اختبار تكميلية: لا يحل Rashid محل الدراسات على اللغات الحقيقية ذات الموارد المنخفضة، بل يوفر بيئة محكومة ومنخفضة التكلفة لاختبار الفرضيات التي يستحيل التحقق منها حاليًا بسبب قيود الموارد.
توجيه إنشاء الموارد: تشير النتائج إلى أنه لتحسين توليد ICLL، يجب على الباحثين إعطاء الأولوية للموارد المتوازية بين اللغات ذات الصلة بدلاً من مجرد الموارد المتمحورة حول اللغة الإنجليزية.
رؤى موجهة للمهام: تمتد الدراسة إلى ما وراء الترجمة الآلية، حيث تظهر أن النهج المتتابع (ترجم $\to$ حل المهمة) يتفوق على حل المهام المباشر في اللغات المشفرة، مما يسلط الض الضوء على الحاجة إلى الاستكشاف الموجه نحو المهام في ICLL.
الاعتبار الأخلاقي: يؤكد المؤلفون أنه بينما يعد إطار العمل قويًا، يجب التحقق من الرؤى في لغات حقيقية لتجنب محو الظواهر الخاصة بكل لغة والتي تنفرد بها المجتمعات المهمشة.

في الختام، يوفر Rashid منهجية صارمة لتفكيك تحديات التعلم اللغوي في السياق، كاشفًا أنه بينما يمكن للنماذج اللغوية الكبيرة تعلم فهم اللغات غير المرئية مع توفر سياق كافٍ، فإن توليدها يظل عقبة كبيرة تتطلب استراتيجيات جديدة مثل التتابع عبر اللغات والتنميط المورفولوجي الأفضل.