بناء ذكاء اصطناعي عربي أفضل

قد تخفي تسمية «العربية» وحدها اختلافات جوهرية تؤثر مباشرة في نتائج تدريب الذكاء الاصطناعي.

تختلف العربية من حيث الفصحى واللهجات واللكنات، كما تختلف طريقة استخدامها من دولة إلى أخرى ومن منطقة ومدينة إلى أخرى، وتتغير المفردات والمصطلحات بحسب المجال وطبيعة الاستخدام. لذلك لا يكفي أن تكون البيانات كبيرة الحجم أو مصنفة تحت تسمية «العربية»؛ الأهم أن تكون مختارة بما يعكس الاستخدام المستهدف بصورة طبيعية ودقيقة.

وتزداد أهمية ذلك في التطبيقات التي تعتمد على فهم اللغة وإنتاجها، مثل التعرف على الكلام، وأنظمة المحادثة بالذكاء الاصطناعي، وخدمة العملاء، والتطبيقات المتخصصة، وتقييم أداء النماذج. ففي هذه الحالات، قد يؤدي خلط اللهجات والسياقات المختلفة دون تصنيف دقيق إلى نتائج تبدو عربية، لكنها لا تعكس الطريقة الطبيعية التي يتحدث بها المستخدم أو يتعامل بها مع الموضوع.

العربية لا ينبغي أن تُعامل كتصنيف لغوي واحد عند إعداد بيانات الذكاء الاصطناعي؛ فهي تحتاج إلى منهج مختلف يراعي تنوع اللهجات والسياقات والمعرفة المتخصصة حتى تكون نتائج التدريب أكثر دقة وطبيعية.

المعرفة أولاً، ثم الشمولية، ثم التخصص.

نموذج الذكاء الاصطناعي لا يتعلم اللغة فقط؛ بل يبني معرفة من المحتوى الذي يُقدَّم إليه: المفاهيم، والمنطق، والسياق، وطريقة تفسير المواقف، وأنماط السؤال والإجابة، وردود الفعل، والمصطلحات، والعلاقات بين الموضوعات. لذلك فإن اختيار المحتوى يحدد إلى حد كبير ما الذي سيعرفه النموذج وكيف سيفهمه.

لا يكفي أن يعرف النموذج اللغة؛ يجب أن يعرف العالم الذي تُستخدم فيه.

تختلف القوانين والأنظمة والإجراءات والخدمات من دولة عربية إلى أخرى، وقد تختلف أحياناً داخل الدولة نفسها. لذلك لا يكفي أن نقول «نريد محتوى عربياً» عن موضوع معين. يجب تحديد المعرفة التي يحتاجها النموذج، ثم اختيار محتوى يحقق الشمولية مع الاحتفاظ بالعمق المتخصص. وغالباً ما يتركز اهتمام مطوّر الذكاء الاصطناعي على الجانب التقني، خصوصاً إذا كان يعمل من خارج المنطقة العربية، وقد لا تكون لديه المعرفة الإقليمية اللازمة لاكتشاف هذه التفاصيل الجوهرية.

نهج قائم على المعرفة والشمولية والتخصص في إعداد بيانات الذكاء الاصطناعي العربية.

دور Oryx Live لا يقتصر على العثور على محتوى يحمل تسمية «العربية». نحدد أولاً ما يحتاج النموذج إلى معرفته وفق الاستخدام المستهدف، ثم نقيّم المواد المتوفرة من حيث الجودة والشمولية والعمق المتخصص، ونكشف أوجه القصور التي قد لا تكون واضحة لفريق التطوير، ثم نوفر المحتوى الأنسب أو ننتج محتوى جديداً عند الحاجة.

1. 01 تحديد الاستخدام المستهدف وما يحتاج النموذج إلى معرفته
2. 02 تحديد فجوات المعرفة
3. 03 اختيار وتوفير مصادر مرخّصة للاستخدام وذات حقوق واضحة
4. 04 إعداد النصوص والبيانات الوصفية وفحوص الجودة والتسليم