Evaluating GPT -5 Literary Metaphor Translation from English into Arabic through Recognition, Interpretation, and Rendering
تقيم هذه الدراسة ترجمة نموذج GPT-5 للاستعارات الأدبية من الإنجليزية إلى العربية باستخدام إطار عمل مدرك للمراحل، كاشفةً أنه بينما يتفوق النموذج في التعرف على الاستعارات وتفسيرها، فإنه يعاني بشكل كبير في صياغتها مقارنة بكل من DeepL والترجمة البشرية، مما يكشف عن فجوة حرجة بين الفهم والإنتاج الإبداعي في الذكاء الاصطناعي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
إن اللغة أكثر من مجرد شفرة لتبادل الحقائق؛ إنها مشهد من الصور، حيث قد يصف الكاتب قلباً مثقلاً بالهموم بأنه حجر، أو ذكرى باهتة بأنها ضباب. وعندما ينقل المترجم قصة من لغة إلى أخرى، فعليه ألا ينقل فقط حقائق الحبكة، بل تلك الصور الرقيقة أيضاً. ويتجلى هذا بوضوح في الاستعارات، وهي اللغة المجازية التي تمنح الأدب عمقه العاطفي. ولعقود من الزمن، كان المترجمون البشر هم الوحيدين الموثوق بهم للإبحار في هذا التضاريس، لكن صعود الذكاء الاصطناعي غير مجرى الحديث. فالنماذج اللغوية الكبيرة، وهي الأنظمة الحاسوبية القوية التي تقف وراء روبوتات الدردشة الحديثة، يمكنها الآن إنتاج ترجمات سلسة تبدو منسابة ومنطقية من الناحية النحوية. ومع ذلك، يظل هناك سؤال جوهري: عندما تواجه هذه الآلات استعارة ما، هل تفهم حقاً الصورة الكامنة وراء الكلمات، أم أنها تكتفي بمجرد إعادة ترتيب الأثاث مع ترك الصورة خلفها؟
لقد سعى باحثون في جامعة القصيم للإجابة على هذا السؤال من خلال النظر داخل "الصندوق الأسود" للذكاء الاصطناعي. فقد ركزوا على نوع محدد من الآلات، وهو نموذج يُعرف باسم GPT-5، واختبروا قدرته على التعامل مع الاستعارات الأدبية الموجودة في رواية كازو إيشيغورو "العملاق المدفون". وبدلاً من مجرد طلب ترجمة جملة من الآلة والحكم على النتيجة النهائية، قام الباحثون بتفكيك العملية إلى ثلاث خطوات متميزة. أولاً، طلبوا من الآلة تحديد الكلمات التي تمثل استعارات فقط. ثانياً، طلبوا منها شرح ما تعنيه تلك الاستعارات داخل سياق القصة. وأخيراً، طلبوا منها ترجمة المقطع إلى اللغة العربية. ومن خلال فصل هذه المهام، استطاع الفريق معرفة أين نجحت الآلة وأين تعثرت، بدلاً من مجرد التخمين حول سبب فشل الترجمة النهائية.
فحصت الدراسة 20 تعبيراً استعارياً من الفصلين الأولين من الرواية. وكشفت النتائج عن فجوة مفاجئة بين الفهم والتنفيذ. فقد كان الذكاء الاصطناعي بارعاً بشكل ملحوظ في الخطوتين الأوليين؛ إذ حدد الاستعارات في النص بدقة وقدم شروحاً دقيقة لمعانيها، وغالباً ما كان أداؤه يضاهي أداء الخبراء البشر. فقد أدرك أن عبارة "ترياق مرحب به لشمس الظهيرة" هي استعارة تعني الراحة من الحرارة، واستطاع شرح هذا الارتباط بوضوح. ومع ذلك، عندما طُلِب من الآلة ترجمة المقطع إلى العربية، انخفض أداؤها بشكل كبير. فرغم فهمها للمفهوم، إلا أنها عانت في إعادة خلق الصورة في اللغة الجديدة. وفي أكثر من ثلث الحالات، قامت الآلة إما بحذف الاستعارة تماماً، محولةً صورة حية إلى عبارة تقريرية بسيطة، أو شوهت المعنى بحيث فُقدت الصورة الأصلية.
ولمعرفة كيف يقارن ذلك بطرق أخرى، وضع الباحثون الآلة في مواجهة مترجمين آخرين: برنامج ترجمة متخصص يُدعى DeepL، وترجمة عربية منشورة لمترجمة محترفة تُدعى خلود عمرو. وكانت الترجمة البشرية المحترفة هي الفائزة بوضوح، حيث حافظت على الصور والوزن العاطفي للنص الأصلي بشكل أفضل بكثير من أي من الآلتين. أما برنامج DeepL المتخصص، فقد كان أداؤه أفضل من روبوت الدردبة العام، لكنه ظل دون المستوى البشري. ووجدت الدراسة أنه بينما يمكن لروبوت الدردشة إنتاج جمل سلسة، فإنه غالباً ما يفشل في الحفاظ على اتساق الصور عبر القصة. فعلى سبيل المثال، إذا وُصف شخص بأنه "ملاح قارب" في جملة ما، فقد يسميه الروبوت "سفينة" في الجملة التالية، مما يكسر تدفق السرد. وفي المقابل، حافظت المترجمة البشرية على صورة متسقة وحية طوال الوقت.
حدد الباحثون أربعة أسباب رئيسية جعلت الآلات تعاني. أولاً، غالباً ما كانت تعجز عن إيجاد الكلمة المكافئة المناسبة في اللغة العربية التي تحمل نفس الثقل الثقافي. ثانياً، فشلت في الحفاظ على اتساق الصور مع تقدم القصة. ثالثاً، كانت أحياناً تسيء فهم السياق، مما يؤدي إلى ترجمة تبدو منطقية في حد ذاتها ولكنها خاطئة بالنسبة للقصة. وأخيراً، والأهم من ذلك، افتقرت الآلات إلى القدرة على إعادة بناء الاستعارة بشكل إبداعي. فعندما لا تنجح الترجمة المباشرة، قد يقوم المترجم البشري بتغيير الصورة قليلاً لتناسب اللغة الجديدة مع الحفاظ على الشعور نفسه، أما الآلات، فكانت تميل إما إلى التمسك الصارم بالكلمات الأصلية أو إسقاط الصورة تماماً.
تشير هذه الدراسة إلى أن الطريقة الحالية التي نقيم بها الذكاء الاصطناعي في الترجمة قد تكون سخية للغاية. فإذا نظرنا فقط إلى ما إذا كانت الترجمة سلسة أو صحيحة نحوياً، فقد نغفل عن حقيقة أن روح النص —أي الاستعارات والصور— قد فُقدت. يمكن للآلة أن تخبرك بما تعنيه الاستعارة، لكنها لا تستطيع بعد إعادة خلق تجربة تلك الاستعارة في لغة جديدة بنفس مهارة البشر. ورغم أن هذه الأدوات قوية وتتطور باستمرار، إلا أنها لا تزال تفتقر إلى الإدراك العميق والبديهي للثقافة والصور الذي يسمح للمترجم البشري بجعل القصة تبدو حية في لغة أخرى. إن الفجوة بين التعرف على الاستعارة والنجاح في رسمها بلغة جديدة تظل عقبة كبيرة يتعين على الذكاء الاصطناعي تجاوزها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.