LQM: Linguistically Motivated Multidimensional Quality Metrics for Machine Translation
تقدم هذه الورقة البحثية (LQM)، وهو تصنيف هرمي للأخطاء مستند إلى دوافع لغوية ومصمم لتشخيص أخطاء الترجمة الآلية عبر الأبعاد السوسيولغوية، والبراغماتية، واللغوية، والذي تم التحقق من صحته من خلال مدونة عربية ضخمة خاصة بلهجة معينة وتوسيم بشري من قبل خبراء لمعالجة أوجه القصور في أطر التقييم الحالية غير المرتبطة بلغة محددة.
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 توظف مترجماً لمساعدتك في التواصل مع صديق يتحدث نسخة محلية محددة جداً من لغة ما — مثل قريب "ابن حارة" ذكي وملمّ بلهجة منطقته، وليس أستاذاً من جامعة.
لفترة طويلة، امتلكنا أدوات للتحقق مما إذا كان المترجم قد قام بـ "عمل جيد". لكن هذه الأدوات كانت تشبه أدوات التدقيق الإملائي. كانت تهتم فقط بما إذا كانت الكلمات مكتوبة بشكل صحيح وما إذا كان بناء الجملة يبدو سليماً. لم تكن تهتم بما إذا كان المترجم يبدو كآلة جامدة، أو استخدم لغة عامية خاطئة، أو أساء إلي صديقك دون قصد باستخدام تحية رسمية بينما كان المطلوب هو "أهلاً" ودية.
تقدم هذه الورقة البحثية طريقة جديدة وأكثر ذكاءً للتحقق من الترجمة، تسمى LQM (مقاييس الجودة متعددة الأبعاد ذات الدوافع اللغوية). فكر في LQM ليس كأداة تدقيق إملائي، بل كـ محقق ثقافي يمتلك عدسة مكبرة ذات ستة مستويات.
إليك كيف تعمل LQM، مقسمة إلى مفاهيم بسيطة:
1. المشكلة: فخ "المقاس الواحد الذي يناسب الجميع"
وجد المؤلفون أن الأدوات الحالية (مثل MQM) كانت عامة للغاية. لقد عاملت جميع اللغات بنفس الطريقة. ولكن في لغات مثل العربية، هناك فجوة كبيرة بين اللغة "الرسمية" (مثل العربية الفصحى) والعديد من اللهجات المحلية (مثل المصرية، المغربية، أو الإماراتية).
إذا طلبت من مترجم أن يتحدث كشخص محلي مغربي، لكنه رد عليك بالعربية الفصحى الرسمية، فإن أداة التدقيق الإملائي ستقول: "رائع! لا توجد أخطاء إملائية!"، لكن إنساناً مغربياً سيقول: "هذا يبدو غريباً؛ أنت تبدو كمذيع أخبار، وليس كجارٍ".
2. الحل: سلم الطبقات الست
تتسلق LQM سلماً من ست درجات لتجد بالضبط أين تعثرت الترجمة. بدلاً من مجرد قول "هذا خطأ"، هي تخبرك لماذا.
- المستوى 1: البدلة الاجتماعية (علم الاجتماع اللغوي)
- التشبيه: تخيل ارتداء بدلة رسمية (توكسيدو) في حفلة على الشاطئ. أنت ترتدي ملابس صحيحة، لكنك في السياق الخاطئ.
- الخطأ: استخدم المترجم اللغة "الرسمية" بدلاً من اللهجة المحلية المطلوبة، أو استخدم نبرة رسمية عندما كان المطلوب نبرة عفوية.
- المستوى 2: القصد (التداولية)
- التشبيه: شخص يقول، "الجو بارد هنا". هو لا يطلب تقريراً عن درجة الحرارة؛ بل يلمح إلى: "من فضلك أغلق النافذة".
- الخطأ: فهم المترجم الكلمات لكنه فاته المغزى. لم يدرك النكتة، أو الطلب المهذب، أو الفروق الثقافية الدقيقة.
- المستوى 3: المعنى (الدلالة)
- التشبيه: تطلب "سيارة"، فيحضر لك "فيراري". هذا صحيح تقنياً، ولكن ربما ليس ما أردته. أو يحضر لك "دراجة هوائية".
- الخطأ: أخطأ المترجم في الحقائق، أو فاته اسم، أو استخدم الكلمة الخاطئة لشيء معين.
- المستوى 4: القواعد (الصرف والنحو)
- التشبيه: بناء منزل باستخدام طوب بترتيب خاطئ. قد تصمد الجدران، لكن الباب موجود على السطح.
- الخطأ: بناء الجملة مكسور، أو تصريفات الأفعال لا تتطابق.
- المستوى 5: الإملاء (الرسم الكتابي)
- التشبيه: أخطاء مطبعية وخط يد غير مرتب.
- الخطأ: كلمات مكتوبة بشكل خاطئ أو علامات ترقيم غريبة.
- المستوى 6: الخلل (الرموز الكتابية)
- التشبيه: النص مشوه، مثل آلة فاكس ابتلعت الورقة.
- الخطأ: تعطل كود الكمبيوتر، وتبدو الحروف كرموز عشوائية (مثل
ñبدلاً منñ).
3. التجربة: اختبار "المحققين"
قام الباحثون ببناء مجموعة اختبار ضخمة باستخدام 3,850 جملة من سبع لهجات عربية مختلفة (مثل المصرية، المغربية، واليمنية). طلبوا من ستة نماذج ذكاء اصطناعي مختلفة (المترجمين) ترجمة هذه الجمل.
ثم استعانوا بخبراء بشريين ليعملوا كـ "محققين ثقافيين" ويقيموا الترجمات باستخدام سلم LQM.
ماذا وجدوا؟
- "الاتجاه" مهم:
- عند الترجمة من اللهجة إلى الإنجليزية، فشل الذكاء الاصطناعي غالباً في المستوى 3 (المعنى). لم يفهم المصطلحات المحلية أو التعبيرات الاصطلاحية.
- عند الترجمة من الإنجليزية إلى اللهجة، فشل الذكاء الاصطناعي غالباً في المستوى 1 (البدلة الاجتماعية). ظل يعود تلقائياً إلى اللغة "الرسمية" بدلاً من اللهجة المحلية المطلوبة. كان الأمر أشبه بسائح يحاول التحدث بلهجة محلية لكنه يبدو كأنه يتحدث من كتاب مدرسي.
- الأدوات القديمة أخطأت الهدف: كانت المقاييس القديمة (مثل BLEU) التي تعتمد على أسلوب "التدقيق الإملائي" مرتبطة بشكل ضعيف بمدى جودة الترجمة بالنسبة للبشر. لم تستطع رؤية التناقضات الثقافية.
4. لماذا هذا مهم؟
هذه الورقة البحثية هي بمثابة جرس إنذار لمطوري الذكاء الاصطناعي. إنها تقول: "لا تجعلوا ذكاءكم يقتصر على القواعد؛ اجعلوه ذكياً في الثقافة أيضاً."
إذا كنت تريد من الذكاء الاصطناعي أن يترجم للبشر الحقيقيين، فعليه أن يعرف الفرق بين اجتماع عمل رسمي وبين دردشة عفوية مع الأصدقاء. توفر LQM الخريطة للعثور على تلك الأخطاء حتى نتمكن من إصلاحها، مما يضمن أن المترجمين في المستقبل لن يبدوا صحيحين فحسب، بل سيبدون مناسبين.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.