Do LLMs Know What Luxembourgish Borrows? Probing Lexical Neology in Low-Resource Multilingual Models
تقدم هذه الورقة LexNeo-Bench، وهو معيار لغوي للنيولوجيا (الاشتقاق اللفظي) في اللغة اللوكسمبورغية، لتوضيح أن حقن الرسوم البيانية للمعرفة اللغوية المهيكلة في المطالبات يحسن بشكل كبير قدرة النماذج اللغوية الكبيرة على تصنيف الاقتراضات اللفظية في لغات الاتصال ذات الموارد المنخفضة، رغم أن اكتشاف النيولوجيا لا يزال يشكل تحدياً.
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 روبوتًا ذكيًا ومطلعًا للغاية، قرأ كل شيء تقريبًا على الإنترنت. تطلب منه قراءة جملة باللغة اللوكسمبورغية، وهي لغة صغيرة يتحدث بها سكان بلد صغير يقع بين ألمانيا وفرنسا وبلجيكا. في هذا البلد، غالبًا ما يخلط الناس الكلمات من الفرنسية والألمانية والإنجليزية في حديثهم اليومي.
السؤال الذي طرحه الباحثون هو: هل يدرك هذا الروبوت حقًا أي الكلمات هي كلمات "أصلية" في اللغة اللوكسمبورغية وأيها كلمات مستعارة من جيرانه؟
إليك تفصيل بسيط لما وجدوه، باستخدام تشبيهات من الحياة اليومية.
المشكلة: الروبوت يخمن فقط
قام الباحثون ببناء اختبار يسمى LexNeo-Bench. فكر في الأمر كأنه اختبار اختيار من متعدد حيث يتعين على الروبوت النظر إلى كلمة معينة في جملة وتحديد:
- هل هذه كلمة لوكسومبورغية أصلية؟
- هل جاءت من الفرنسية؟
- هل جاءت من الألمانية؟
- هل جاءت من الإنجليزية؟
النتيجة: عندما طلبوا من الروبوت القيام بذلك ببساطة دون أي مساعدة (مثل طالب يؤدي اختبارًا بدون ملاحظات)، كان أداؤه يكاد لا يتعدى التخمين العشوائي. على الرغم من أن الروبوت قد قرأ ملايين الكتب، إلا أنه لم يكن "يعرف" قواعد كيفية استعارة اللغة اللوكسمبورغية للكلمات. كان الأمر يشبه سؤال شخص شاهد ملايين الصور للكلاب لتحديد سلالة معينة من الكلاب دون أن يدرس كتابًا عن الكلاب قط؛ لقد كان يكتفي بالتخمين فقط.
الحل: إعطاء الروبوت "ورقة غش"
أدرك الباحثون أن الروبوت يحتاج إلى القليل من المساعدة. فقاموا بإنشاء رسم بياني للمعرفة اللغوية (Linguistic Knowledge Graph).
فكر في هذا الأمر كأنه ورقة غش مفصلة للغاية أو خريطة. فبدلاً من مجرد إعطاء الروبوت الجملة، أعطوه بطاقة ملاحظات خاصة لتلك الكلمة تحديدًا تقول:
- "هذه الكلمة تبدو وكأنها من أصل فرنسي."
- "إنها تتبع هذا النمط الإملائي المحدد المستخدم في اللغة اللكسومبورغية."
- "إليك ثلاث كلمات أخرى تشبهها وهي فرنسية بالتأكيد."
النتيجة: عندما أعطوا الروبوت ورقة الغش هذه، ارتفع أداؤه بشكل صاروخي. فقد انتقل من مرحلة التخمين (حوالي 25-35% صحيحة) إلى مرحلة الخبير (71-81% صحيحة).
التحول المفاجئ: الروبوتات الأصغر كانت أفضل حالًا
عادةً، في عالم الذكاء الاصطناعي، "الأكبر هو الأفضل". فمن المتوقع أن يتفوق روبوت ضخم بـ "دماغ" هائل (مثل النموذج ذو الـ 70 مليار معلمة) على الروبوتات الأخرى.
لكن هنا، حدث العكس تمامًا.
- الروبوت الأصغر (12 مليار معلمة) أصبح هو الطالب المتفوق عندما أُعطي ورقة الغش؛ فقد اتبع التعليمات بدقة.
- الروبوت العملاق (70 مليار معلمة) أدى في الواقع بشكل أسوأ من الصغير عند إعطائه ورقة الغش نفسها.
لماذا؟ يعتقد الباحثون أن الروبوت العملاق كان "عنيدًا" للغاية. لقد قرأ الكثير من الفرنسية والألمانية على الإنترنت لدرجة أنه كان لديه اعتقاد داخلي قوي بأن "إذا بدت هذه الكلمة فرنسية، فلا بد أنها فرنسية". وعندما أخبرته ورقة الغش: "في الواقع، هذه كلمة مستعارة تم تطويعها لتناسب اللوكسمبورغية"، تجاهل الروبوت العملاق الملاحظة وتمسك بشعوره الداخلي. أما الروبوت الأصغر فلم تكن لديه هذه الانحيازات المسبقة القوية، لذا استمع إلى ورقة الغش وأعطى الإجابة الصحيحة.
مشكلة "الكلمة الجديدة"
حاول الباحثون أيضًا خداع الروبوت لاكتشاف "الكلمات الجديدة" (Neologisms). سألوه: "هل هذه كلمة جديدة تمامًا، أم أنها موجودة منذ فترة؟"
النتيجة: فشل الروبوت فشلًا ذريعًا في هذا، حتى مع وجود ورقة الغش.
- التشبيه: أخبرت ورقة الغش الروبوت عن أصل الكلمة، لكنها لم تخبره متى وصلت الكلمة. الأمر يشبه إعطاء شخص ما خريطة لمدينة، ولكن دون إخباره أي المباني بُنيت بالأمس وأيها بُني قبل 100 عام. لم يستطع الروبوت التمييز بين الكلمة المستعارة "الجديدة" والكلمة المستعرة "القديمة".
الخلاصة الرئيسية
- الذكاء الاصطناعي ليس سحرًا: مجرد أن الروبوت قد قرأ الكثير لا يعني أنه يفهم القواعد المعقدة للغات الصغيرة.
- السياق هو الملك: إذا أعطيت الذكاء الاصطناعي دليلًا محددًا ومنظمًا (مثل ورقة غش) حول قواعد اللغة، فيمكنه التعلم بسرعة كبيرة.
- الأكبر ليس دائمًا الأفضل: أحيانًا، يكون الذكاء الاصطناعي الأصغر والأكثر مرونة أكثر قدرة على الاستماع للمعلومات الجديدة من ذكاء اصطناعي عملاق وعنيد يعتمد كثيرًا على ما "يعتقد" أنه يعرفه بالفعل.
- الوقت أمر صعب: الذكاء الاصطناعي جيد في معرفة من أين تأتي الكلمة، لكنه لا يزال سيئًا في معرفة متى أصبحت الكلمة جزءًا من اللغة.
باخت️صار، بالنسبة للغات الصغيرة مثل اللوكسمبورغية، لا يمكنك الاعتماد فقط على ذاكرة الذكاء الاصطناعي؛ بل يجب عليك إعطاؤه خريطة محددة للتنقل عبر الكلمات المستعارة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.