AMALIA Technical Report: A Fully Open Source Large Language Model for European Portuguese
تقدم الورقة البحثية AMALIA، وهو نموذج لغوي كبير مفتوح المصدر بالكامل ومُحسَّن للغة البرتغالية الأوروبية من خلال تدريب مستهدف على بيانات عالية الجودة ومجموعة جديدة من الاختبارات المعيارية الأصلية، مما يثبت أن مثل هذه النهج المركزة تتفوق بشكل كبير على النماذج القياسية في المهام الخاصة بالمتغيرات اللغوية.
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 عالم الذكاء الاصطناعي كمكتبة ضخمة وصاخبة، حيث الكتب مكتوبة بواسطة أجهزة الكمبيوتر. لفترة طويلة، كانت هذه المكتبة مليئة بشكل مفرط بالكتب المكتوبة باللغة الإنجليزية. كما توجد العديد من الكتب المكتوبة بـ البرتغالية البرازيلية (البرتغالية التي يتحدث بها سكان البرازيل)، ولكن الكتب المكتوبة بـ البرتغالية الأوروبية (البرتغالية التي يتحدث بها سكان البرتغال) ظلت عالقة في الرف العلوي، يغطيها الغبار ويصعب الوصول إليها.
عندما حاول الباحثون اختبار هؤلاء "المكتبيين" من الذكاء الاصطناعي في اللغة البرتغالية الأوروبية، كانوا غالباً ما يأخذون أسئلة بالإنجليزية، ويمررونها عبر مترجم آلي، ثم يطلبون من الذكاء الاصطناعي الإجابة عليها. الأمر يشبه أن تطلب من شخص وصف أغنية "فادو" برتغالية تقليدية عن طريق ترجمة كلماتها من الإنجليزية أولاً؛ حيث تفقد الأغنية روحها، وإيقاعها، ونكهتها الثقافية الخاصة.
إليك "أماليا" (AMALIA).
"أماليا" هي نموذج ذكاء اصطناعي جديد، مفتوح المصدر بالكامل، تم بناؤه خصيصاً لحل هذه المشكلة. فكر في "أماليا" ليس مجرد مترجم، بل كـ دليل محلي نشأ في لشبونة، يعرف العامية، ويفهم التاريخ، ويتحدث اللغة بشكل طبيعي.
إليك كيف بنى الفريق "أماليا"، مقسمة إلى خطوات بسيطة:
1. جمع المواد الخام (حصاد البيانات)
لتعليم "أماليا"، لم يكتفِ الفريق بجمع كتب عشوائية من الإنترنت. بل ذهبوا إلى Arquivo.pt، وهو بمثابة كبسولة زمنية رقمية ضخمة للإنترنت البرتغالي بأكمله.
- الفلتر: استخدموا مصفاة دقيقة جداً لتنقية "الضجيج". لقد قاموا بتصفية أي شيء من البرازيل خصيصاً (لتجنب خلط اللهجات) وأزالوا أي محتوى غير لائق.
- النتيجة: انتهى بهم المطاف بمجموعة نقية وعالية الجودة تضم 5.8 مليار كلمة مكتوبة تحديداً بأسلوب البرتغالية الأوروبية.
2. عملية التدريب (سنوات الدراسة)
مرت "أماليا" بثلاث مراحل دراسية متميزة لتصبح ذكية:
- ما قبل التدريب (قراءة الموسوعة): أولاً، قرأت "أماليا" كمية هائلة من النصوص لتعلم كيفية عمل اللغة، والقواعد، والحقائق. لقد أعطوها "حمية" خاصة من القراءات الطويلة حتى تتمكن من فهم القصص الطويلة والمعقدة دون ارتباك.
- الضبط الدقيق الخاضع للإشراف (تعلم الدردشة): بعد ذلك، جلس المعلمون (البشر ونماذج الذكاء الاصطناعي الأخرى) مع "أماليا" وتدربوا على مهام محددة. علموا لها كيفية اتباع التعليمات، وحل المسائل الرياضية، وإجراء محادثة طبيعية. حتى أنهم أنشأوا "فصلاً لغوياً" خاصاً حيث قام خبير بتعليم "أماليا" الفروق الدقيقة بين البرتغالية والبرتغالية البرازيلية (مثل استخدام "comboio" بدلاً من "trem" للتعبير عن القطار).
- تدريب التفضيل (التعلم من الملاحظات): أخيراً، لعبت "أماليا" لعبة "هذا أم ذاك". كانت تولد إجابتين لسؤال واحد، وكان القاضي يختار الأفضل بينهما. علم هذا "أماليا" أن تفضل الإجابة التي تبدو أكثر فائدة، وأماناً، وإدراكاً ثقافياً كالبشر.
3. الامتحانات الجديدة (شهادة الدرجات)
أدرك الفريق أن الاختبارات القديمة كانت غير عادلة. لذا، اخترعوا أربعة امتحانات جديدة تماماً مخصصة للبرتغالية الأوروبية:
- اختبار "ملء الفراغات": هل تستطيع "أماليا" تمييز الفرق بين كلمة برتغالية وأخرى برازيلية في جملة ما؟
- امتحان الثانوية العامة: قدموا لـ "أماليا" أسئلة حقيقية من الامتحانات الوطنية للثانوية العامة في البرتغال (الرياضيات، التاريخ، الفلسفة) لمعرفة ما إذا كانت تفهم المنهج الدراسي المحلي بالفعل.
- تحدي اللسانيات: اختبار صعب في القواعد، والتلاعب بالألفاظ، والثقافة، لمعرفة ما إذا كان الذكاء الاصطناعي "يفهم" اللغة حقاً.
- اختبار الانحياز: طلبوا من "أماليا" سرد قصة، للتحقق مما إذا كانت ستنزلق دون قصد إلى البرتغالية البرازيلية أو تظل وفية للأسلوب الأوروبي.
النتائج
عندما خضعت "أماليا" لهذه الاختبارات، كانت النتائج مبهرة:
- إنها من النخبة: من بين جميع النماذج "المفتوحة بالكامل" (حيث الكود والبيانات متاحة للجميع لرؤيتها)، تعد "أماليا" حالياً الأفضل في فهم والتحدث بالبرتغالية الأوروبية.
- إنها واعية ثقافياً: على عكس النماذج الأخرى التي غالباً ما تبدو وكأنها تتحدث مزيجاً عاماً من البرتغالية، تبدو "أماليا" طبيعية لشخص من البرتغال. فهي تعرف الفرق بين "autocarro" (حافلة في البرتغال) و"ônibus" (حافلة في البرازيل).
- إنها آمنة: اختبر الفريق أيضاً ما إذا كان يمكن خداع "أماليا" لقول أشياء ضارة. لقد اجتازت "أماليا" الاختبار بتفوق، مما أظهر أنها آمنة للاستخدام.
لماذا هذا مهم؟
فكر في "أماليا" كـ مفتاح يفتح باباً كان مغلقاً سابقاً أمام المتحدثين بالبرتغالية الأوروبية. من خلال جعل هذا النموذج "مفتوح المصدر بالكامل"، يقدم المبتكرون المفاتيح للجميع — للمعلمين، والمطورين، والباحثين — حتى يتمكنوا من بناء أدوات تحترم وتحتفي بالثقافة واللغة الخاصة بالبرتغال، بدلاً من مجرد معاملتها كترجمة للإنجليزية أو البرتغالية البرازيلية.
باخت-الاختصار: تثبت "أماليا" أنك لست بحاجة لأن تكون شركة تقنية عملاقة لبناء ذكاء اصطناعي عالمي المستوى؛ كل ما تحتاجه هو الاهتمام الكافي بلغتك لبنائها بحب ودقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.