Statistical Machine Translation Systems of English-Pnar Language Pair : Some Insights of the Emperical Study
تقدم هذه الورقة أول دراسة تجريبية حول الترجمة الآلية الإحصائية بين اللغتين الإنجليزية والبنار، حيث استُخدمت مجموعة نصوص متوازية تضم أكثر من 10,000 جملة لتدريب وتقييم أنظمة الترجمة الآلية الإحصائية التي حققت درجة "بلو" (BLEU) بلغت 14.97 للترجمة من البنار إلى الإنجليزية، مما أرسى معياراً كمياً وسلط الضوء على تأثير إعادة الترتيب المعجمي والتحديات الصرفية في هذا الزوج اللغوي منخفض الموارد.
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
في المشهد الشاسع للتواصل البشري، توجد آلاف اللغات، ومع ذلك لا يتحدث العالم الرقمي إلا القليل منها. بالنسبة لمعظم لغات العالم، لا توجد قواميس للحواسيب، ولا مجموعات ضخمة من النصوص لتعليمها، ولا أدوات لترجمتها إلى لغات أخرى. وهذا يترك الملايين من المتحدثين معزولين عن الإنترنت، والتعليم، والحوار العالمي. ولجسر هذه الفجوة، يبني الباحثون أنظمة تتعلم الترجمة من خلال دراسة أزواج من الجمل بلغتين مختلفتين. تبحث هذه الأنظمة عن الأنماط، وتتعلم كيف تعبر فكرة ما بلغة ما عن الفكرة ذاتها في لغة أخرى. وكلما زادت الأمثلة التي تملكها، أصبحت أفضل. ولكن بالنسبة للعديد من اللغات، تكون الأمثلة نادرة، مما يضطر العلماء إلى اكتشاف كيفية تعليم الكمبيوتر باستخدام بيانات قليلة جداً. هذا هو التحدي الذي يواجه لغة "بنار" (Pnar)، وهي لغة يتحدث بها ما يقرب من 400,000 شخص في تلال شمال شرق الهند.
شرع فريق من الباحثين في بناء أول نظام ترجمة آلية للغة "بنار"، وربطها باللغة الإنجليزية. لغة "بنار" لغة فريدة لها قواعدها وتاريخها المتميزين، ويتحدث بها مجتمع "جاينتيا" (Jaintia). وعلى عكس اللغات المدروسة على نطاق واسع في أوروبا، تمتلك "بنار" موارد رقمية قليلة جداً متاحة. ولحل هذه المشكلة، لم ينتظر الفريق ظهور قاعدة بيانات مثالية؛ بل قاموا بإنشاء واحدة بأنفسهم. فقد جمعوا مقالات من صحيفة محلية تسمى "ويرتا" (Wyrta)، والتي تغطي أخبار المجتمع والرياضة والحوكمة المحلية. ومن خلال مطابقة هذه المقالات المكتوبة بلغة "بنار" يدوياً مع ترجماتها الإنجليزية، بنوا مجموعة موازية تضم ما يقرب من 10,000 زوج من الجمل. أصبح هذا هو الأساس لتجربتهم، ساحة تدريب رقمية حيث يمكن للكمبيوتر تعلم قواعد لغتي "بنار" والإنجليزية.
درب الباحثون نظامهم باستخدام طريقة تفكك الجمل إلى قطع صغيرة من الكلمات، بدلاً من محاولة الترجمة كلمة بكلمة. واختبروا طرقاً مختلفة لمساعدة الكمبيوتر على فهم بنية الجمل. كان أحد العقبات الرئيسية هو أن لغتي "بنار" والإنجليزية ترتبان الكلمات بترتيب مختلف تماماً. ففي لغة "بنار"، يأتي الفعل عادة في نهاية الجملة، بينما في الإنجليزية، يأتي في المنتصف. وجد الفريق أن تعليم الكمبيوتر التعرف على هذا الاختلاف المحدد والتكيف معه حقق تأثيراً هائلاً. فعندما قاموا بتفعيل ميزة تسمت بتمكين النظام من إعادة ترتيب الكلمات بناءً على هذه الأنماط، تحسنت جودة الترجمة من "بنار" إلى الإنجليزية بشكل كبير. أصبح النظام أفضل بكثير في إنتاج جمل تبدو طبيعية وتتبع الترتيب الصحيح لقواعد اللغة الإنجليزية.
ومع ذلك، كشفت الدراسة أيضاً عما لا يعمل بشكل جيد عندما تكون البيانات شحيحة. حاول الفريق استخدام تقنية شائعة تسمى "الضبط" (tuning)، والتي تعدل الإعدادات الداخلية للنظام لزيادة درجة معينة إلى أقصى حد. وفي هذه الحالة، أدت عملية الضبط في الواقع إلى جعل الترجمات أسوأ. ولأن مجموعة التدريب كانت صغيرة نسبياً، فقد أفرط الكمبيوتر في التكيف (overfitted) مع عينة الاختبار الصغيرة التي أُعطيت له، حيث تعلم تخمين طول الجمل بدلاً من معناها. وهذا يشير إلى أنه بالنسبة للغات ذات الموارد المحدودة، فإن الطرق القياسية المستخدمة للغات الأكبر يمكن أن تؤدي أحياناً إلى نتائج عكسية، مما يؤدي إلى مخرجات تبدو جيدة على الورق لكنها تفشل في الممارسة العملية.
أظهرت النتائج النهائية أن أفضل نظام يمكنه ترجمة "بنار" إلى الإنجليزية بدرجة تضعها في نطاق محترم لمثل هذه المهمة الصعبة، رغم أنه لا يزال يرتكب أخطاءً. عانى النظام من الكلمات التي لم يسبق له رؤيتها، وهو أمر شائع في اللغات التي تتغير فيها أشكال الكلمات للإشارة إلى الزمن أو الصيغة. كما واجه صعوبة في الجمل الطويلة حيث يعتمد معنى كلمة في البداية على كلمة في النهاية تماماً. علاوة على ذلك، غالباً ما كانت مقالات الصحف تمزج كلمات من لغة مجاورة، وهي لغة "خاسي" (Khasi)، مما أربك النظام. وبالرغم من هذه الأخطاء، وضع الباحثون نقطة انطلاق صلبة. لقد أثبتوا أنه حتى مع مجموعة صغيرة من المقالات الصحفية، من الممكن بناء أداة ترجمة عاملة. يوفر هذا العمل معياراً للباحثين المستقبليين، موضحاً أنه مع النهج الصحيح لترتيب الكلمات وتجنب التعديلات المعقدة للغاية، يمكن للتكنولوجيا أن تبدأ في خدمة المجتمعات التي طالما تم تهميشها من قبل الثورة الرقمية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.