Automatic Annotation of Ancient Greek Vowel Length
تقدم هذه الورقة أول نظام عام الأغراض وقائم على القواعد لتحديد طول الحروف (macronizer) للغة اليونانية القديمة، والذي يقوم تلقائياً بتوسيم طول الحروف المتحركة في الحروف ثنائية الزمن (dichrona letters) باستخدام السياق الصرفي، وتُثبت أن مخرجاته تدرب بفعالية نموذج محول على مستوى الحرف (character-level transformer) لتحقيق دقة عالية في كل من الشعر والنثر مع تحسين المهام العروضية اللاحقة.
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 محقق يحاول حل لغز مكتوب بشفرة فُقدت منذ ألفي عام. هذه الشفرة هي اللغة اليونانية القديمة، وهي لغة منحتنا الفلسفة والدراما وأسس العلوم الغربية. لكن هنا تكمن الحبكة؛ فالكتبة القدامى الذين دونوا هذه النصوص لم يستخدموا أبجدية كاملة للأصوات، بل كان لديهم نسخة "قصيرة" ونسخة "طويلة" من ثلاثة أحرف محددة: ألفا (alpha)، وإيوتا (iota)، ويپسيلون (ypsilon)، لكنهم لم يكتبوها بشكل مختلف على الورق. الأمر يشبه لو كانت اللغة الإنجليزية تحتوي على نسختين من حرف "a" (نسخة قصيرة كما في كلمة "cat"، ونسخة طويلة كما في كلمة "father")، لكننا نكتب "a" لكليهما فقط. لفهم الشعر والقواعد والمعنى، عليك أن تكتشف أي "a" هي المقصودة. هذا ليس مجرد مسابقة تهجئة؛ ففي اليونانية القديمة، يمكن للخطأ في طول الحرف أن يغير الكلمة من فعل إلى اسم، أو يحول سؤالاً إلى أمر. لعقود من الزمن، تعثرت الحواسيب التي تحاول قراءة هذه النصوص لأنها لا تستطيع التمييز بينهما. الحوسبة بدون معرفة الطول تشبه عازف موسيقى يحاول عزف مقطوعة دون معرفة أي النوتات تُعزف بنغمات طويلة وأيها تُعزف بنغمات قصيرة.
هنا تبدأ قصة "التوسيم التلقائي لطول الحروف المتحركة في اليونانية القديمة". يعالج المؤلفان، ألبين ثورن كلي لاند وإريك كولهيد، مشكلة تسمى "الوضع الماكروني" (macronizing). فكر في وضع العلامات المكرونية (macronizing) كإضافة علامات موسيقية صغيرة (مثل شرطة طويلة أو قبعة صغيرة) فوق الحروف لإخبار الحاسوب: "أطل هذا الصوت"، أو "انطقه بسرعة". التحدي هائل: هناك ملايين الصيغ من الكلمات، والقاعدة التي تحدد ما إذا كان الحرف طويلاً أم قصيراً تعتمد على مزيج مربك من العوامل: معنى الكلمة، وبنائها، واللهجة، والفترة الزمنية، وحتى الإيقاع الذي تتبعه القصيدة. إنها "مشكلة ذيل طويل" (long-tail problem)، مما يعني وجود الكثير من الحالات النادرة والغريبة التي لا يمكن لقائمة بسيطة من القواعد تغطيتها. أراد الباحثون معرفة: هل يمكننا بناء برنامج حاسوبي يقوم بهذا تلقائياً؟ وإذا فعلنا، فهل يساعد ذلك الحواسيب حقاً على فهم اليونانية بشكل أفضل؟
أدوات المحقق: القواعد والتكرار
بدأ الفريق ببناء "موسم علامات (macronizer) قائم على القواعد". تخيل هذا كأمين مكتبة صارم جداً ومعرف جداً، قد حفظ آلاف الكتب النحوية والقواميس. يتبع هذا الأمين مجموعة محددة من التعليمات: "إذا بدت الكلمة بهذا الشكل وانتهت بذلك، فلا بد أن يكون الحرف المتحرك طويلاً". وإذا لم يكن الأمين متأكداً بنسبة 100%، فإنه يترك الحرف فارغاً بدلاً من التخمين.
قاموا بتغذية هذا الأمين بمكتبة ضخمة من النصوص اليونانية القديمة تحتوي على 40 مليون كلمة. كان الأمين بارعاً بشكل مفاجئ، حيث نجح في تحديد طول حوالي 69% من الحروف الصعبة. لكن كان لدى الأمين نقطة ضعف: كان حذراً للغاية. فإذا كانت الكلمة نادرة أو لم تتناسب مع قواعده المثالية، فإنه يستسلم ببساطة ويتركها فارغة. لم يكن قادراً على "التخمين" كما يفعل البشر باستخدام قرائن السياق لملء الفراغات.
الطالب الذي يتعلم التخمين
لإصلاح تردد أمين المكتبة، جرب المؤلفون شيئاً ذكياً. لقد أخذوا عمل الأمين -أي الـ 6% من الكلمات التي تأكد منها الأمين- واستخدموه كـ "كتاب مدرسي" لتدريب طالب جديد: ذكاء اصطناعي صغير يسمى "محول على مستوى الحرف" (character-level transformer).
فكر في طالب الذكاء الاصطناعي كمتدرب بارع يراقب عمل أمين المكتبة. يتعلم المتدرب من إجابات الأمين الصحيحة، لكنه مدرب أيضاً على النظر إلى الحروف نفسها، واحداً تلو الآخر، لرصد الأنماط التي فاتت على الأمين. الخدعة الرئيسية هنا هي أنه طُلب من المتدرب تجاهل الأجزاء التي كان الأمين غير متأكد منها. منع هذا المتدرب من تعلم شكوك الأمين؛ وبدلاً من ذلك، تعلم المتدرب كيفية التعميم، أي النظر إلى شكل الكلمة والقول: "أراهن أن هذه طويلة"، حتى لو لم يكن لدى الأمين قاعدة لها.
كانت النتائج مبهرة. بينما غطى الأمين الصارم حوالي 70% من الحروف، غطى متدرب الذكاء الاصطناعي ما يقرب من 99.7%. والأهم من ذلك، أن المتدرب لم يخمن عشوائياً؛ بل قدم الإجابة الصحيحة في الحالات الأكثر صعوبة بشكل أكثر تكراراً من الأمين. وعند اختباره على معيار ذهبي من النصوص التي تم التحقق منها يدوياً، حقق الذكاء الاصطناعي دقة تزيد عن 92%، مما أثبت قدرته على تعلم "إحساس" اللغة بما يتجاوز مجرد اتباع قواعد جامدة.
لماذا يهم الأمر: مسح الإيقاع
لم يتوقف الباحثون عند مجرد تسمية الحروف؛ بل أرادوا رؤية ما إذا كانت هذه المهارة الجديدة ستساعد الحواسيب فعلياً في مهام أخرى. اختبروا ذلك في عملية "التقطيع الشعري" (scansion)، وهي فن تحديد إيقاع القصيدة. في الشعر اليوناني القديم، يعتمد الإيقاع تماماً على ما إذا كان المقطع الصوتي "ثقيلاً" (طويلاً) أو "خفيفاً" (قصيراً).
أخذوا برنامجاً حاسوبياً مصمماً لقراءة الشعر وأعطوه نسختين من نفس النص: نسخة تحتوي على علامات طول الحروف الجديدة، ونسخة بدونها. والنتيجة؟ البرنامج الذي حصل على النص "الموسوم بالماكرونات" كان أفضل بنسبة 5.8% تقريباً في تحديد الإيقاع الصحيح. هذه قفزة كبيرة في عالم علوم الحاسوب. فهي تظهر أن تعليم الحاسوب الموسيقى الخفية للغة يساعده على فهم بنية الشعر بشكل أفضل بكثير.
التفاصيل الدقيقة
بالطبع، هذا ليس عصا سحرية تحل كل شيء. المؤلفون واضحون جداً بشأن القيود. نظامهم مضبوط حالياً على اليونانية "الأتيكية" (Attic Greek)، وهي لهجة أثينا. إذا غذيتموه بشعر من مناطق أخرى أو فترات زمنية لاحقة، فقد يخطئ في تحديد أطوال الحروف لأنه يطبق "القواعد الأتيكية" على كلمات غير أتيكية. الأمر يشبه دليل لهجة نيويورك يحاول تعليم شخص ما كيف يتحدث بلكنة الجنوب؛ قد ينجح في بعض الكلمات، لكنه سيخطئ في أخرى.
أيضاً، تعلم طالب الذكاء الاصطناعي من كتاب الأمين المدرسي. إذا ارتكب الأمين خطأ في القواعد، فإن الطالب سيتعلم هذا الخطأ أيضاً. النظام جيد بقدر جودة القواعد والبيانات التي بُني عليها. ومع ذلك، فقد جعل المؤلفون أدواتهم وبياناتهم ومعيارهم متاحين للجميع. وهذا يعني أن الباحثين الآخرين يمكنهم الآن أخذ هذا "المتدرب"، وتدريبه بكتب مدرسية أفضل، وربما كسر الشفرة لكل اللهجات والعصور في اليونانية القديمة، وتحويل نص صامت وغامض إلى لغة مسموعة وإيقاعية بالكامل مرة أخرى.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.