Machine translation of modern Chinese poetry into Japanese: A comparative evaluation of LLMs, neural machine translation systems, and prompt strategies

تُعد اللغة مشهداً شاسعاً ومتحولاً، حيث لا تُحمل المعاني بالكلمات فحسب، بل بالإيقاع، والصمت، والثقل النوعي للعبارة. لعقود من الزمن، تعلمت الحواسيب ترجمة هذا المشهد، متنقلةً من الأنظمة الصارمة القائمة على القواعد إلى الشبكات العصبية التي تحاكي قدرة الدماغ البشري على إيجاد الأنماط. وقد أصبحت هذه الأنظمة الحديثة، المعروفة باسم الترجمة الآلية العصبية، بارعة بشكل ملحوظ في تحويل المقالات الإخبارية أو الأدلة التقنية من لغة إلى أخرى، مستوعبةً الحقائق بدقة عالية. وفي الآونة الأخيرة، دخل جيل جديد من الذكاء الاصطناعي، يُسمى النماذج اللغوية الكبيرة، إلى هذا المجال. وبخلاف أسلافها، التي كانت تُدرب خصيصاً للترجمة، فإن هذه النماذج هي مفكرات للأغراض العامة، يمكنها اتباع تعليمات معقدة وفهم السياق بطريقة تبدو أقرب إلى المحادثة. وهي تَعِدُ بالتعامل مع الأجزاء الفوضوية والإبداعية من اللغة التي عادة ما تعاني معها الآلات. لكن الشعر يظل الاختبار الأسمى؛ فالقصيدة ليست مجرد رسالة ليتم فك رموزها، بل هي تجربة مبنية على الصور، واللمسات الثقافية، والتوازن الدقيق بين ما يُقال وما يُترك دون قول. وتتطلب ترجمة القصيدة من الحاسوب أن يفعل أكثر من مجرد استبدال الكلمات؛ إذ يجب عليه إعادة بناء الشعور. وهذا يثير سؤالاً صعباً: هل يمكن لهذه الآلات الحوارية الجديدة حقاً أن تترجم الشعر بشكل أفضل من الأدوات الراسخة التي نستخدمها كل يوم، وهل تغير الطريقة التي نطلب منها العمل النتيجة؟

ولمعرفة ذلك، سعى الباحثون إلى مقارنة أداء هذه الأنظمة المختلفة على الشعر الصيني الحديث، وهو نوع معروف بكثافة صوره وعمقه العاطفي. وقد اختاروا مجموعة محددة مكونة من اثنتي عشرة قصيدة للشاعرة المعاصرة يو شيو هوا، لضمان أن تكون النصوص حديثة ولم يسبق ترجمتها آلياً أو بشرياً. وضع الفريق اثنتين من أشهر خدمات الترجمة عبر الإنترنت، والتي تعتمد على شبكات عصبية قياسية، في مواجهة نموذجين من النماذح اللغوية الكبيرة الرائدة. ولرؤية ما إذا كانت التعليمات المعطاة للآلات تهم، فقد اختبروا النماذج اللغوية الكبيرة تحت شرطين مختلفين. في السيناريو الأول، أعطوا النماذج أمراً مباشً وبسيطاً لترجمة النص. وفي السيناريو الثاني، طلبوا من النماذج أولاً شرح معنى القصيدة بالتفصيل قبل محاولة الترجمة، وهي استراتيجية صُممت لإجبار الآلة على فهم السياق قبل توليد الكلمات. ثم تم تقييم الترجمات الناتجة من قبل لجنة مكونة من ثمانية خبراء في الأدب الصيني والياباني. لم يقيّم هؤلاء الخبراء القصائد بناءً على ما إذا كان المعنى صحيحاً فحسب، بل أيضاً على مدى انسيابية الترجمة، وما إذا كانت تبدو كقصيدة حقيقية، ومدى شعورهم بأنها كُتبت بواسطة آلة.

كشفت النتائج عن ميزة واضحة للنماذج الأحدث التي تتبع التعليمات. فعند منحها الأمر البسيط بالترجمة، أنتجت النماذج اللغوية الكبيرة نسخاً كانت أكثر أمانة للمعنى الأصلي، وأكثر طلاقة في اللغة اليابانية، وأقرب بكثير إلى الأسلوب الشعري الأصلي من المترجمات عبر الإنترنت القياسية. فغالباً ما أنتجت الأدوات القياسية ترجمات صحيحة قواعدياً ولكنها بدت مسطحة، فاقدةً الإيقاع والثقل الثقافي النوعي للكلمات. ومع ذلك، بدا أن النماذج اللغبية الكبيرة تستوعب القصيدة كوحدة واحدة، محافظةً على التوتر والصور التي تجعل الشعر يتردد صداه. فعلى سبيل المثال، حيث قد يحول المترجم القياسي عبارة طقوسية إلى وصف حرفي للسرعة، نجحت النماذح اللغبية الكبيرة في الحفاظ على إحساس الأمر المهيب، ملتقطةً النبرة الروحانية للأصل. كما أظهرت علامات أقل بكثير على كونها ناتجة عن حاسوب، متجنبةً هياكل الجمل الجامدة التي غالباً ما تفضح الترجمة الآلية.

ومع ذلك، تصبح القصة أكثر تعقيداً عندما غير الباحثون التعليمات. فالفكرة القائلة بأن إعطاء الآلة مزيداً من السياق — بطلب شرح القصيدة أولاً — سيؤدي دائماً إلى ترجمة أفضل، ثبت خطؤها. فقد اعتمد تأثير استراتيجية "الشرح أولاً" كلياً على النموذج المحدد المستخدم. فبالنسبة لأحد النماذج اللغوية الكبيرة، جعلت الخطوة الإضافية المتمثلة في شرح القصيدة الترجمة أسوأ؛ إذ أصبحت القصائد الناتجة صريحة للغاية، وفقدت غموضها وتكثيفها الشعري، كما لو أن الآلة قامت بتحليل النص بشكل مفرط وجردته من روحه. أما بالنسبة للنموذج الآخر، فقد كانت نفس الاستراتيجية نجاحاً؛ حيث ساعدت خطوة الشرح النموذج على تنظيم أفكاره، مما أدى إلى ترجمات أكثر تماسكاً وقوة من حيث الأسلوب. وهذا يشير إلى عدم وجود طريقة واحدة "مثلى" لتوجيه هذه الآلات؛ فما يصلح لنظام ما قد يعيق آخر، اعتماداً على كيفية معالجة ذلك النظام المحدد للمعلومات.

ولعل الاكتشاف الأكثر إثارة للدهشة هو ما حدث عندما قارن الباحثون بين النموذجين اللغبيين الكبيرين بعد منحهما كلاهما تعليمات "الشرح أولاً" التفصيلية. ففي ظل هذه الظروف المحددة، اختفى الفارق في الأداء بين النموذجين. وبينما قد يكونان قد بدآ بنقاط قوة ونقاط ضعف مختلفة، إلا أن التعليمات المشتركة وجهتهما نحو مستوى متماثل من الجودة. فقد أنتجا ترجمات لا يمكن تمييزها إحصائياً عن بعضها البعض من حيث الدقة، والانسيابية، والأسلوب. وهذا يشير إلى أن الطريقة التي نطلب بها من الآلة العمل يمكن أن تكون بنفس أهمية الآلة نفسها. وفي مجال ترجمة الشعر، يخلق التفاعل بين التصميم الداخلي للنموذج وبين "الأمر" (prompt) البشري النتيجة النهائية. وتخلص الدراسة إلى أنه لا يمكننا ببساطة اختيار الذكاء الاصطناعي الأكثر قوة وتوقع أن يتعامل مع الأدب بشكل مثالي. بدلاً من ذلك، فإن ترجمة الشعر باستخدام الآلات هي عملية تفاوض دقيقة بين الأداة والتعليمات، حيث يكون الهدف هو إيجاد المزيج المحدد الذي يسمح للآلة بالتراجع وترك القصيدة تتنفس.