Building Community-Centred NLP Resources for Puno Quechua
تقدم هذه الورقة أول موارد مخصصة للتعرف التلقائي على الكلام للغة كيتشوا بونو، والتي تضم مجموعة بيانات كلامية تشاركية مدتها 66 ساعة، ومعيارًا منهجيًا لأحدث النماذج المتطورة، والإصدار المفتوح لجميع مجموعات البيانات والنماذج المضبوطة بدقة لدعم الحفاظ على اللغة المتمحور حول المجتمع.
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 اللغة كمكتبة شاسعة وقديمة. لقرون، ظلت الكتب في قسم "بونو كيتشوا" (Puno Quechua) في هذا الجزء من المكتبة مهملة في الظلام، دون فهرس رقمي أو محرك بحث يساعد الناس على العثور عليها. وبينما يهرع العالم لبناء أدوات ذكاء اصطناعي تتحدث الإنجليزية أو الإسبانية أو المندرين، ظل الـ 465,000 شخص الذين يتحدثون "بونو كيتشوا" في بيرو مستبعدين من المحادثة الرقمية لأنهم لا يستطيعون الكتابة بلغتهم الخاصة.
هذه الورقة البحثية تشبه فريقاً من أمناء المكتبات والمهندسين الذين يبنون أول مفتاح رقمي لفتح ذلك القسم. لم يكتفوا ببناء مفتاح فحسب؛ بل بنوا نظاماً كاملاً مصمماً خصياً لأهل المنطقة.
إليك قصة ما فعلوه، مقسمة إلى أجزاء بسيطة:
1. المشكلة: لغة بلا صوت في العالم الرقمي
تخيل أدوات الذكاء الاصطناعي مثل "ChatGPT" كأمين مكتبة صارم لا يتحدث إلا بضع لغات رئيسية فقط. إذا حاولت التحدث معه بـ "بونو كيتشوا"، فسيحدق بك بجمود. لماذا؟ لأن "بيانات التدريب" (الكتب التي قرأها الأمين) لـ "بونو كيتشوا" كانت مفقودة. المحاولات السابقة لتعليم الحواسيب لغة الكيتشوا كانت تشبه محاولة تعليم كلب الكلام عبر خلط تعليمات للقطط، والهامستر، والكلاب معاً. لقد عاملوا جميع لهجات الكيتشوا كمجموعة واحدة ضخمة ومتطابقة، متجاهلين الأصوات والقواعد الفريدة لـ "بونو كيتشوا".
2. الحل: بناء مكتبة مع المجتمع
بدلاً من مجرد جلب البيانات من الإنترنت، ذهب الباحثون إلى منطقة "بونو" وبنوا حديقة مجتمعية. استخدموا نهج "التصميم التشاركي"، وهو ما يشبه دعوة الجيران للمساعدة في زراعة البذور بدلاً من مجرد تسليمهم حديقة جاهزة.
- الحصاد: جمعوا 66 ساعة من التسجيلات الصوتية. تخيل 66 ساعة من الناس وهم يقرؤون القصص، ويتجاذبون أطراف الحديث عن يومهم، ويتحدثون عن الزراعة والصحة والتكنولوجيا.
- ضبط الجودة: من بين هذه الساعات، تم فحص 36 ساعة بدقة وتفريغها يدوياً بواسطة متحدثين أصليين (المعيار الذهبي). أما الباقي فكان مزيجاً من الكلام العفوي والبيانات "الفضية" (التي تم تفريغها آلياً ولكنها أقل دقة، مثل المسودة الأولية).
- النتيجة: هذا هو الآن أكبر مجموعة من بيانات الكلام للغة "بونو كيتشوا" تم إنشاؤها على الإطلاق لمتغير واحد من اللغة.
3. التجربة: تعليم الذكاء الاصطناعي كيف يستمع
بمجرد حصولهم على "الكتب" (البيانات)، كان عليهم تعليم الذكاء الاصطناعي كيفية قراءتها. جربوا ثلاثة "طلاب" مختلفين (نماذج الذكاء الاصطناعي):
- Whisper: طالب عام يعرف لغات عديدة.
- wav2vec2: طالب تعلم معظم دروسه من الكتب الإنجليزية.
- XLS-R: طالب خارق قرأ كتباً بـ 128 لغة مختلفة.
اختبروا هؤلاء الطلاب بطريقتين:
- القراءة بصوت عالٍ: اختبارهم على جمل واضحة ومكتوبة نصياً.
- التنصت: اختبارهم على محادثات عفوية وحقيقية (وهي محادثات غير منظمة وسريعة).
كما جربوا خدعة خاصة تسمى "التدريب المسبق المستمر" (CPT). تخيل أخذ "الطالب الخارق" (XLS-R) وإرساله إلى معسكر صيفي حيث يستمع فقط إلى إذاعات ومحادثات "بونو كيتشوا" دون الحاجة لقراءة الكلمات أولاً. ساعد هذا أذنيه على الاعتياد على الأصوات الفريدة للغة (مثل الأصوات "النقيرية" الحادة) قبل البدء في العمل الشاق لتعلم القراءة.
4. النتائج: ما الذي نجح بشكل أفضل؟
وجد الفريق بعض الأشياء المفاجئة، تماماً كما يكتشف المدرب أي تدريبات رياضية تساعد الفريق على الفوز:
- سر "البيانات الفضية": بالنسبة للمحادثات العفوية والواقعية، كانت "المسودات الأولية" (التفريغات الفضية) هي السلاح السري. على الرغم من أنها لم تكن مثالية، إلا أن إضافة هذه البيانات إلى التدريب قللت الأخطاء بنسبة 77%. الأمر يشبه إعطاء طالب دفتر ملاحظات فوضوي مليء بالأفكار؛ فهو يساعده على فهم تدفق المحادثة بشكل أفضل من مجرد امتلاك ملاحظات نظيفة ومثالية.
- تأثير "المعسكر الصيفي": ساعد "التدريب المسبق المستمر" (CPT) الذكاء الاصطناعي على فهم الأصوات الفريدة لـ "بونو كيتشوا" بشكل أفضل بكأثير، خاصة بالنسبة للكلام الواضح والمكتوب. لقد خفض الأخطاء بنسبة 42% مقارنة بتجاهل هذه الخطوة.
- المقايضة: النماذج الأكبر والأقوى للذكاء الاصطنا_ (مثل نموذج "omniASR" ذو الـ 7 مليارات بارامتر) كانت الأفضل في فهم الكلام العشوائي خارج النطاق (مثل مقاطع الراديو التي لم يسبق لها رؤيتها). ومع ذلك، فهي ثقيلة جداً وتحتاج إلى حاسوب ضخم لتشغيلها. أما النماذج الأصغر والمخصصة التي بناها الفريق فهي أخف وزناً ويمكن تشغيلها على حاسوب محمول أو هاتف عادي، لكنها تعاني قليلاً مع أنواع الكلام الجديدة تماماً.
5. الهدية: منح كل شيء للجميع
الجزء الأكثر أهمية في هذه الورقة هو أن الفريق لم يحتفظ بالمفاتيم لنفسه. لقد فتحوا الأبواب ومنحوا الجميع:
- الـ 66 ساعة من التسجيلات.
- النصوص المفرغة.
- نماذج الذكاء الاصطناعي المدربة (الطلاب الذين تعلموا التحدث بـ "بونو كيتشوا").
لماذا يهم هذا؟
الأمر لا يتعلق فقط بجعل الكمبيوتر يفهم لغة ما؛ بل يتعلق بـ الكرامة والوصول. حالياً، إذا أراد متحدث بـ "بونو كيتشوا" استخدام مساعد صوتي، فإنه يضطر للتحدث بالإسبانية، وهي لغة قد لا يكون متمكناً من القراءة والكتابة بها تماماً. من خلال بناء هذه الأدوات، يقدم الباحثون للمجتمع ميكروفوناً يفهم صوتهم أخيراً، مما يسم يسمح لهم بالتفاعل مع التكنولوجيا بلغتهم الخاصة.
باخت-صار: لقد بنوا أول مكتبة ضخمة لأصوات "بونو كيتشوا"، وعلموا ثلاثة طلاب من الذكاء الاصطناعي كيفية الاستماع إليها، واكتشفوا أن "المسودات الأولية" و"معسكرات الاستماع" هي أفضل المعلمين، ثم منحوا المكتبة بأكملها والطلاب المدربين للعالم مجاناً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.