- صاحب المنشور: كشاف الأخبار
ملخص النقاش:تعدّ لغة العرب واحدة من أكثر اللغات تعقيدًا وتنوعًا حول العالم؛ مما يجعل منه مجال جذَّاب ومحفوف بالتحديات أيضًا بالنسبة لمنظومات الذكاء الاصطناعي التي تحاول فهمها معالجة البيانات المكتوبة باللغة العربية. تُظهر هذه الورقة البحثية بعض المشكلات الرئيسية المتعلقة بتعلم الآلة لفهم اللغة الطبيعية العربية وكيف يمكن لهذه التحديات التأثير على دقة نماذج NLP. سنناقش الجوانب المختلفة مثل عدم توفر كميات كافية من بيانات التدريب متاحة للجمهور، وغلبة اللهجات العامية وغير الرسمية، وانخفاض جودة وضع علامة على النصوص العربية مقارنة بنظيراتها الأخرى.
**1. قلة توافر بيانات تدريبية مفتوحة المصدر ذات جودة عالية**:
في حين يوجد عدد كبير نسبيّاً من الكتب والمجلات والأدبيات الأكاديمية الرقمية المكتوبة بلغتنا الأم، إلا أنها غالبًا ما تكون محمية بحقوق الطبع والنشر وبالتالي غير قابلة للاستخدام مباشرة داخل خوارزميات تعلم آلة. بالإضافة إلى ذلك، تعد عملية جمع وتحضير مجموعة بيانات مناسبة لتدريب نماذج المعالجة اللغوية مهمة شاقة تتطلب الكثير من الوقت والجهد.
وقد أدى نقص البيانات المفتوحة المجانية والتقييم الصعب لعبارات عربية مختلفة الأشكال والصياغات إلى وجود فجوة كبيرة بين فعالية نماذج NLP القائمة على الإنجليزية وأقرانهم الذين يستخدمون العربية كلغة مدعومة رسميًا بهم.
**2. انتشار اللهجات المحلية واستعمال الاختصارات الفيسبوكية والسوشيال ميديان**:
يتمتع سكان الوطن العربي بمجموعة هائلة ومتنوعة من لهجات المنطقة المحلية المختلفة والتي قد تختلف اختلافًا واضحا عن الفصحى المعيارية الحديثة المستخدمة لأغراض الكتابات الرسمية والشؤون الحكومية والعالمية عامة. ويتزايد استخدام وسائل التواصل الاجتماعي اليوم بشكل ملحوظ بين مستخدمين شباب وشيوخ مما يؤدي أيضاً لتطور ظاهرة جديدة وهي ظهور اختصارات خاصة بألفاظ وإشارات افتراضية تساهم هي الاخرى بتغيير شكل بناء الجُمل والحروف التقليدية.
**3. محدودية حالات مساعدة المعالجة اللغوية الطبيعية للمحتوى البارز باللهجات الخاصة بالمستخدم*:
إن قدرة تقنيات البرمجيات الحالية على إدراك وفهم المحتويات المنشورة عبر الشبكات العنكبوتية بلغة عامية ليست مثلى كما ينبغي نظراً لحقيقة كون تلك الأعمال الأدائية موجّه نحو جمهور ذو خلفية لغوية مشتركة ولذا فإن تأثيرها خارج هذا السياق الضيق سيكون ضئيلاً للغاية.
**4. انخفاض جودة تسمية نصوص اللغة العربية مقابل المقاييس العالمية**:
وفيما يتعلق بإعداد مجموعات متنوعة وموثوق بها لإرشاد عمليات التدريس بالأجهزة الجديدة فإنه ثمة حاجة ماسّة لمواجهة مشكلة افتقار قاموس الترجمة المعتمد لدينا حالياً والذي يُعتَبَر أساس أي نظام قائم على علوم الكمبيوتر؛ إذ يكمن السبب الأساسي لهذا الوضع يرجع نتيجة لقلة الدعم المؤسساتي وعدم وجود استراتيجيات واضحة مصاحِبة لذلك المشروع الحيوي.
الختام: الحلول المُمكنة لتحسين قابلية تشغيل نُموعات العلوم العصبية المعرفية لدى عربيَّتنا:
تشجيع ثقافة مشاركة المعلومات والدعم المالي لجهات بحث مستقلة مهتمة بهذا القطاع
إجراء دراسات موسعة تستهدف تحديد نقاط ضعف نقاط قوة النظام التعليمي الحالي وطرق تطوير محتواه
تعليم خطوات تخزين وصناعة قاعدة معرفية شاملة لكل اصناف الثقافية المرتبطة بعادات مجتمعات المسلمين وأساليب تفكيرهم بغرض مواصلة حمل الراية العلم
