Stoicheia: Character-Level Masked Diffusion for Ancient Greek Textual Restoration, Parsing, and Metrical Scansion
إن Stoicheia هو نموذج انتشار مقنع على مستوى الحروف بـ 405 مليون معلمة، تم تدريبه على متن لغة يونانية قديمة منزوهة، يوحد بين ترميم النصوص، والإعراب، والتقطيع العروضي في إطار عمل واحد، محققاً أداءً هو الأفضل حالياً عبر مهام متعددة من خلال التفوق بشكل كبير على الأنظمة السابقة مثل Ithaca وAeneas.
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 مكتبة تضم كتباً عمرها آلاف السنين، كُتبت بلغة تطورت وتغيرت عبر آلاف السنين. هذا هو عالم فقه اللغة الحوسبي (computational philology)، وهو مجال يتعاون فيه علماء الحاسوب مع المؤرخين وعلماء اللغويات لقراءة النصوص القديمة وترميمها وفهمها. تكمن المشكلة في أن هذه الكتب القديمة غالباً ما تكون تالفة، أو مفقودة الصفحات، أو مكتوبة في تدفق مستمر وفوضوي من الحروف دون مسافات، أو فواصل، أو علامات التشكيل الصغيرة التي نستخدمها اليوم. ولجعل هذه النصوص مفهومة، يستخدم الباحثون نماذج الذكاء الاصطناعي—وهي برامج حاسوبية مدربة على التنبؤ بما سيأتي بعده في تسلسل معين، تماماً كما يتوقع هاتفك الكلمة التالية التي تكتبها. لكن العائق هنا هو أن معظم نماذج الذكاء الاصطناعي هذه تتدرب على "الكلمات الفرعية" (أجزاء من الكلمات)، مما يجعلها سيئة في إصلاح الثقوب الصغيرة التي تكون على مستوى حرف واحد في النقوش الحجرية القديمة أو لفائف البردي. كما أنها غالباً ما "تحفظ" الكتب التي درستها، مما يعني أنه لا يمكن الوثوق بها لحل الألغاز في نصوص لم ترها من قبل. يسأل هذا البحث سؤالاً بسيطاً ولكنه حيوي: هل يمكننا بناء ذكاء اصطناعي أكثر ذكاءً وأمانة، يقرأ اليونانية القديمة حرفاً بحرف، ويفهم التاريخ الفوضوي لكيفية كتابة النص، ويستطيع حل الألغاز في وثائق قديمة جديدة تماماً لم يسبق له مواجهتها؟
إليك Stoicheia، نموذج الذكاء الاصطناعي الجديد المصمم خصيصاً ليكون المحقق الأمثل للغة اليونانية القديمة. فكر فيه كمرمم بارع لا يكتفي فقط بتخمين شكل الإناء المكسور؛ بل ينظر إلى الطين، والشقوق، والطلاء، والطريقة التي تتداخل بها القطع مع بعضها البعض، كل ذلك في آن واحد.
المشكلة في الذكاء الاصطناعي القديم
قبل ظهور Stoicheia، كانت أفضل أدوات الذكاء الاصطناعي لليونانية القديمة تشبه الطلاب الذين حفظوا إجابات اختبار محدد. إذا سألتهم عن نص درسوه، كانوا رائعين. ولكن إذا قدمت لهم نقشاً جديداً تالفاً لم يروه من قبل، فقد يقومون فقط بسرد مقطع مشابه من ذاكرتهم أو يصابون بالارتباك. علاوة على ذلك، غالباً ما تعاملت هذه النماذج مع الكلمات ككتل واحدة. لكن التلف في الآثار ليس مرتباً؛ فقد يمر صدع في الحجر عبر منتصف كلمة تماماً. ولإصلاح ذلك، تحتاج إلى رؤية كل حرف، وكل علامة تشكيل، وكل علامة ترقيم بشكل فردي.
كيف يعمل Stoicheia: "ساندوتش" الطبقات الخمس
بنى مبتكرو Stoicheia نموذجاً بهيكل فريد يشبه "ساندوتش الطبقات الخمس". فبدلاً من رؤية سلسلة من الحروف فحسب، يرى النموذج خمسة أشياء مختلفة تحدث في وقت واحد، ومنسقة بدقة:
- الحروف: الأبجدية الأساسية.
- الحدود: أين تنتهي كلمة ويبدأ التالية (حتى لو لم تكن هناك مسافات في النص الأصلي).
- علامات التشكيل: العلامات الصغيرة فوق حروف العلة التي تغير النطق.
- حالة الأحرف (الكبيرة والصغيرة): أي الحروف كبيرة وأيها صغيرة.
- علامات الترقيم: الفواصل، والنقاط، وغيرها من علامات التوقف.
تخرّج في محاولة إصلاح خريطة ممزقة؛ قد يحاول الذكاء الاصطناعي العادي تخمين المدينة المفقودة بأكملها دفعة واحدة. أما Stoichia، فينظر إلى الحواف الممزقة، ولون الحبر، وخطوط الشبكة، ووردة البوصلة بشكل منفصل، ثم يجمعها معاً. يتيح له ذلك أخذ نص قديم فوضوي، غير متباعد وغير مشكّل، و"ترميمه" عبر ملء الفراغات، وإضافة علامات التشكيل الصحيحة، وتحديد أين تنتهي الجمل، وكل ذلك دون الحاجة لإعادة تدريبه لكل مهمة محددة.
التدريب "الأمين": لم يره من قبل
أحد الأجزاء الأكثر ذكاءً في هذا المشروع هو كيفية تدريب الذكاء الاصطناعي ليكون "أميناً". عادةً، تُدرب نماذج الذكاء الاصطناعي على كل ما هو متاح، مما يعني أنها قد تحفظ الإجابة على لغز معين قبل أن تعرضه عليها حتى. أراد الباحثون التأكد من أن Stoicheia يقوم فعلياً بـ حل المشكلة، وليس مجرد تذكر الإجابة.
للقيام بذلك، أنشأوا أحد عشر إصداراً مختلفاً من النموذج. أخذوا مكتبتهم الضخمة المكونة من 361 مليون كلمة وقسموها إلى عشر مجموعات مختلفة. تم تدريب كل نموذج على تسع مجموعات واختباره على المجموعة العاشرة. وهذا يعني أنه لأي نص قديم تلقيه عليهم، هناك نسخة واحدة على الأقل من Stoicheia لم ترَ هذا النص من قبل في حياتها بأكملها. الأمر يشبه امتلاك فريق من عشرة محققين، وفي كل مسرح جريمة جديد، تختار المحقق الذي لم يسبق له زيارة ذلك الحي من قبل. هذا يضمن أنه عندما يحل النموذج لغزاً، فإنه يستخدم عقله، وليس ذاكرته.
النتائج: التفوق على الأفضل
وضع الفريق Stoicheia تحت الاختبار بثلاث طرق رئيسية، مقارناً إياه بأفضل الأنظمة الموجودة (مثل Ithaca وAeneas) وحتى بنموذج بدأ بأوزان عشوائية "غبية" ليروا مدى مساعدة التدريب فعلياً.
إصلاح الحجارة واللفائف المكسورة: عندما طُلب منه ملء الحروف المفقودة في النقوش والبرديات التالفة، كان Stoicheia بطلاً. في اختبار قياسي لـ 3,000 فجوة، خفض معدل الخطأ إلى 15.5%، متفوقاً على الأفضل سابقاً (Ithaca) الذي كان عند 24.6%. كما أصاب "التخمين الأول" بنسبة 74.5% من الوقت، مقارنة بالرقم القياسي القديم البالغ 63.0%. والأكثر إثارة للإعجاب، أنه عند اختباره على وثائق جديدة تماماً تم تحريرها بعد انتهاء تدريب جميع نماذج الذكاء الاصطناعي الأخرى، ظل Stoicheia في الصدارة، مما أثبت أنه لم يكن مجرد حفظ لإجابات قديمة.
فهم القواعد: اختبر الفريق أيضاً ما إذا كان بإمكان Stoicheia فهم قواعد اللغة اليونانية القديمة (تحديد وظائف الكلمات ومعرفة كيفية ارتباطها ببعضها البعض). هنا، تفوق على جميع النماذج الأخرى، بما في ذلك تلك المدربة على مجموعات بيانات أكبر بكثير. وكان الاكتشاف الرئيسي هو أن "التدريب المسبق" (مرحلة التعلم الضخمة) كان مسؤولاً عن قفزة هائلة في الأداء—بمقدار 12.9 نقطة أفضل من النموذج الذي بدأ من الصفر. وهذا يثبت أن "عقل" النموذج هو من قام بالعمل الشاق، وليس مجرد الأدوات الملحقة به.
قراءة إيقاع الشعر: يعتمد الشعر اليوناني القديم على طول حروف العلة (الطويلة أو القصيرة) لخلق الإيقاع، لكن النص المكتوب لا يظهر ذلك. استطاع Stoicheia تحديد هذه الأطوال المخفية بدقة 93.37%، متفوقاً على نظام متخصص قائم على القواعد كان يضطر إلى "الامتناع" (الاستسلام) في 40% من الكلمات لأنه لم يكن متأكداً. أما Stoicheia فلم يستسلم أبداً.
لماذا هذا مهم؟
يخلص البحث إلى أن Stoicheia يغير قواعد اللعبة لأنه يجمع بين الانفتاح (البيانات والشيفرة البرمجية متاحة للجميع)، والدقة (يعمل على مستوى الحرف)، والنزاهة (نعرف بالضبط ما هي النصوص التي رآها وما لم يرها). فهو يسمح للباحثين بالنظر إلى نص قديم تالف والسؤال: "ماذا يقول هذا؟" مع الثقة بأن الذكاء الاصطناعي لا يقوم فقط بسرد إجابة من كتاب مدرسي حفظه. إنه أداة تسمح لنا بقراءة الماضي بعيون جديدة، مما يضمن ترميم قصص اليونان القديمة ليس عن طريق الذاكرة، بل عن طريق الفهم.
ومع ذلك، يلاحظ المؤلفون بحذر أن هذا ليس عصا سحرية. فالنموذج لا يكون جيداً إلا بقدر جودة البيانات التي تدرب عليها، وجزء كبير من تلك البيانات تم "إصلاحه" بواسطة أدوات ذكاء اصطناعي أخرى، مما يضيف خطراً ضئيلاً لحدوث أخطاء. أيضاً، النموذج يقدم دائماً إجابة، حتى عندما قد يكون غير متأكد، مما يعني أن الخبراء البشر لا يزالون بحاجة إلى مراجعة العمل. ولكن لأول مرة، لدينا نظام يمكنه التعامل مع هذه الألغاز القديمة بمستوى من الأمانة والدقة كان مستحيلاً في السابق.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.