الذكاء الاصطناعي أمام الامتحان العربي
لم تعد اللغة العربية في عالم الذكاء الاصطناعي مجرد لغة تُترجم إليها الإجابات، أو خيارًا إضافيًّا ضمن واجهات الاستخدام، بل تحوّلت إلى ساحة تنافس استراتيجية بين شركات التكنولوجيا العالمية والمؤسسات البحثية العربية، في سباق يهدف إلى بناء نماذج لغوية قادرة على فهم العربية بوصفها منظومة لغوية وثقافية معقدة، لا مجرد مجموعة من المفردات والقواعد.
خلال العامين الماضيين، شهد هذا المجال تحوّلًا نوعيًّا. فبعد أن كان الاهتمام منصبًّا على تحسين أداء النماذج في اللغة العربية الفصحى، انتقلت الأولوية إلى تحدٍّ أكثر صعوبة، يتمثل في استيعاب اللهجات العربية المتعددة، التي تشكّل لغة التواصل اليومية لمئات الملايين من الناطقين بالعربية، وتختلف فيما بينها في المفردات والتراكيب والدلالات، بل وأحيانًا في البنية اللغوية ذاتها.
ولا يتعلق الأمر باختلافات بسيطة بين لهجة وأخرى، بل بمنظومة واسعة تمتد من الخليج إلى بلاد الشام، ومن مصر إلى المغرب العربي، حيث تتغير الكلمات والتعبيرات والإشارات الثقافية بصورة قد تجعل المتحدثين بالعربية أنفسهم يحتاجون أحيانًا إلى تفسير ما يقوله أبناء مناطق أخرى.
هذا الواقع يجعل تطوير نموذج لغوي عربي أكثر تعقيدًا من تطوير نماذج مخصصة للغات أكثر تجانسًا، إذ لا يواجه الباحثون لغة واحدة، وإنما شبكة واسعة من التنوع اللغوي والثقافي، تتداخل فيها العربية الفصحى مع عشرات اللهجات المحلية والإقليمية.
وتؤكد دراسات حديثة في مجال اللغويات الحاسوبية أن اللهجات العربية ما تزال ممثَّلة بصورة محدودة في معظم النماذج اللغوية الكبرى، وهو ما يفسر استمرار التفاوت في أداء هذه النماذج عند التعامل مع المحادثات اليومية، مقارنة بالنصوص المكتوبة بالفصحى. وقد دفع ذلك باحثين إلى تطوير معايير جديدة لقياس قدرة النماذج على فهم اللهجات والسياق الثقافي العربي، في محاولة لسد فجوة طالما شكّلت أحد أبرز أوجه القصور في الذكاء الاصطناعي الموجّه إلى المنطقة.
ولا تكمن المشكلة في الكلمات وحدها، بل في المعاني الضمنية التي تحملها اللغة. فالأمثال الشعبية، والسخرية، والتلميحات الاجتماعية، والتعابير المجازية، والإشارات الثقافية، كلها عناصر يصعب على أي نموذج فهمها ما لم يتدرّب على بيانات تعكس الاستخدام الحقيقي للغة داخل المجتمعات العربية.
ورغم ذلك، شهدت السنوات الأخيرة تقدمًا واضحًا. فإلى جانب التحسن الملحوظ الذي حققته النماذج العالمية، مثل «ChatGPT» و«Gemini» و«Claude»، في التعامل مع العربية، برزت نماذج عربية متخصصة، مثل «علّام» في السعودية و«جيس» في الإمارات، كما كشفت الإمارات عن نموذج «فالكون أرابيك»، الذي اعتمد، بحسب مطوّريه، على بيانات عربية أصلية بدلًا من الاعتماد على ترجمة محتوى بلغات أخرى، في محاولة لتقليل الفجوة بين اللغة الحقيقية واللغة التي تتعامل معها النماذج.
ويمثل هذا التحول تغيرًا في فلسفة بناء النماذج نفسها، إذ لم يعد الهدف مجرد تمكين الذكاء الاصطناعي من التحدث بالعربية، بل تدريبه على فهم البيئة الثقافية والاجتماعية التي تنتج تلك اللغة.
لكن الاختبارات العلمية تشير إلى أن الطريق لا يزال طويلًا. فقد أظهرت دراسات حديثة، اعتمدت على قواعد بيانات متخصصة في اللهجات العربية، أن أداء النماذج تحسن بصورة ملحوظة مقارنة بالأعوام السابقة، إلا أن قدرتها على التمييز بين اللهجات وفهم السياق المحلي ما تزال متفاوتة، خاصة عند التعامل مع النصوص التي تتضمن تعبيرات محلية أو إشارات ثقافية يصعب ترجمتها حرفيًّا.
كما كشفت هذه الدراسات أن نتائج النماذج تختلف بصورة كبيرة تبعًا لنوعية البيانات التي تدرّبت عليها، ما يعني أن حجم النموذج أو عدد معاملاته الحسابية لم يعد المؤشر الأهم على جودة الأداء، بل أصبحت جودة البيانات وتنوعها العامل الحاسم في بناء نموذج قادر على فهم العربية بعمق.
وهنا تبرز إحدى أكبر العقبات أمام تطوير الذكاء الاصطناعي العربي. فبخلاف اللغة الإنجليزية، لا تزال البيانات العربية المنظمة والمفتوحة محدودة نسبيًّا، كما أن جزءًا كبيرًا من المحتوى العربي المنشور على الإنترنت مكتوب باللهجات بصورة غير معيارية، أو يفتقر إلى التصنيف اللغوي الدقيق، الأمر الذي يعقّد عملية تدريب النماذج ويؤثر في قدرتها على التعميم.
قاعدة بيانات جديدة
ولهذا، تتجه مؤسسات بحثية وشركات تقنية في المنطقة إلى إنشاء قواعد بيانات عربية جديدة، تعتمد على محادثات واقعية ونصوص محلية تغطي أكبر عدد ممكن من اللهجات، بهدف إنتاج نماذج أكثر ارتباطًا بالواقع اللغوي العربي.
ومع ذلك، يلفت المتخصصون إلى ضرورة التمييز بين قدرة النموذج على إنتاج اللهجة، وقدرته على فهمها. فقد يستطيع النموذج كتابة نص يبدو مقنعًا باللهجة المصرية أو الخليجية أو الشامية، لكنه قد يخطئ في تفسير المقصود عندما تتضمن الجملة استعارة أو سخرية أو مرجعية ثقافية لا تظهر في المعنى الحرفي للكلمات.
وتؤكد تجارب بحثية حديثة أن أفضل أداء يتحقق غالبًا عندما تُخصَّص النماذج أو تُكيَّف لكل لهجة على حدة، وهو ما يشير إلى أن فكرة وجود نموذج واحد يفهم جميع اللهجات العربية بالمستوى نفسه لا تزال هدفًا بحثيًّا أكثر منها واقعًا تقنيًّا.
ومع تسارع الاستثمارات الخليجية في تقنيات الذكاء الاصطناعي، وتوسع المشاريع البحثية العربية، تبدو المؤشرات واعدة لبناء جيل جديد من النماذج اللغوية القادرة على خدمة قطاعات التعليم، والترجمة، وخدمة العملاء، والإعلام، والمساعدات الرقمية.
غير أن المنافسة الحقيقية خلال السنوات المقبلة لن تكون حول عدد اللغات التي يدعمها النموذج، بل حول مدى قدرته على فهم الإنسان الذي يستخدم تلك اللغة. فالمستخدم العربي لا يبحث فقط عن إجابة صحيحة، وإنما عن مساعد رقمي يدرك الفروق الدقيقة بين مفردات الرياض والقاهرة وبيروت والدار البيضاء، ويستوعب السياق الاجتماعي والثقافي الذي يمنح الكلمات معناها الحقيقي.
