العائلات اللغوية وأثرها في أداء النماذج اللغوية الكبيرة في تحليل المشاعر عبر اللغات

أصبح تحليل مشاعر وسائل التواصل الاجتماعي أحد أهم الأدوات لفهم آراء الجمهور في مجالات الرعاية الصحية والسياسة والتعليم، غير أن النماذج اللغوية الكبيرة ما تزال متفاوتة في تغطيتها اللغوية فلا تخدم جزءًا كبيرًا من لغات العالم خدمة كافية، فتتفاوت جودة أدائها بين اللغات الغنية بالموارد واللغات فقيرة الموارد تفاوتًا يثير أسئلة عن العدالة اللغوية في تطبيقات الذكاء الاصطناعي

وتطرح هذه الدراسة سؤالًا أعمق يتجاوز الأداء في كل لغة على حدة، وهو ما إذا كانت العائلة اللغوية التي تنتمي إليها اللغة تؤثر في أداء النماذج، فاللغات المتقاربة نسبيًا في شجرة الأنساب اللغوية تتقاسم خصائص صرفية وتركيبية قد تنعكس على سهولة معالجتها حاسوبيًا، ويتيح التحليل الهرمي بحسب العائلات اللغوية كشف أنماط منهجية لتفوق الأداء أو قصوره بين عائلات كالهندية الأوروبية والأفريقية الآسيوية والنيجرية الكونغولية والتركية والأسترونيزية وكريولات الإنجليزية

وتندرج هذه الدراسة ضمن مسار بحثي متنامٍ يعيد النظر في تقويم الذكاء الاصطناعي متعدد اللغات، إذ طالما قُدّرت قدرات النماذج بمعايير إنجليزية شبه خالصة ثم عُممت نتائجها على لغات العالم، فجاءت الصورة مضللة بشأن جاهزية هذه النماذج للتطبيق العالمي في خدمات حساسة كرصد الرأي العام الصحي والسياسي والتعليمي

أولًا: أهداف الدراسة ومنهجيتها

قوّمت الدراسة خمسة من أحدث النماذج اللغوية الكبيرة هي جي بي تي 4 أو وجيميناي 2.0 فلاش وديب سيك الإصدار الثالث وميسترال لارج وكلود 3.7 سونيت في مهمة تصنيف المشاعر إلى ثلاث فئات عبر 36 مجموعة بيانات تغطي 36 لغة، مع تركيز خاص على البيئات منخفضة الموارد ومتوسطة الموارد، واستُخدم التلقين الصفري والتلقين بأمثلة قليلة دون ضبط دقيق خاص بالمهمة، وإضافة إلى مقاييس الأداء التقليدية لكل لغة قدمت الدراسة تحليلًا هرميًا للغات يستند إلى شجرة الأنساب اللغوية لست عائلات كبرى بما يمكن من تحديد أنماط التفوق والقصور المنهجية بين العائلات

ثانيًا: أبرز النتائج

1، حسّن التلقين بأمثلة قليلة النتائج في الغالبية العظمى من اللغات، واقتربت عدة نماذج من أداء النماذج المرجعية المتخصصة بالمهمة أو تجاوزته

2، حقق نموذجا جي بي تي 4 أو وكلود أعلى أداء في البيئات الغنية بالموارد ومتوسطة الموارد، بينما قدم جيميناي موازنة كفؤة بين الأداء والكلفة الحاسوبية

3، رغم انخفاض أداء ميسترال في التلقين الصفري فقد استفاد أكثر النماذج من التلقين بأمثلة قليلة وأصبح شديد التنافسية في تلك البيئة

4، ظل الأداء في اللغات منخفضة الموارد مثل الأورومو والتسيتسونغا والأذربيجانية والتوي أدنى بدرجة ملحوظة، بما يؤكد أن التقدم في النماذج متعددة اللغات يتطلب تجاوز التقويم المتمركز حول الإنجليزية نحو معايير مرجعية تمثيلية وشاملة عالميًا بصدق

ثالثًا: دلالات الدراسة وتطبيقاتها

تحمل هذه النتائج دلالات مهمة للباحثين والمطورين في معالجة اللغات الطبيعية، فاختيار النموذج الأمثل ليس مطلقًا بل يتوقف على موارد اللغة المستهدفة وعائلتها وكلفة التشغيل، كما أن التلقين بأمثلة قليلة يعد وسيلة عملية منخفضة الكلفة لرفع أداء اللغات الأقل حظًا دون الحاجة إلى بيانات تدريب ضخمة، وبالنسبة إلى الباحثين العرب وطلاب الدراسات العليا تكتسب الدراسة أهمية خاصة لأن اللغة العربية تنتمي إلى العائلة الأفريقية الآسيوية الممثلة في هذا التحليل، ويمكن البناء عليها بدراسات تقيس أداء النماذج في اللهجات واللغات الإقليمية وتطور معايير مرجعية عربية أصدق تمثيلًا لتطبيقات تحليل المشاعر في الصحة والسياسة والتعليم

وتفتح الدراسة أيضًا أسئلة حول عدالة التمثيل في بيانات التدريب ذاتها، فالنماذج تتعلم من نصوص الإنترنت التي تهيمن عليها لغات قليلة غنية، وأي تحسين حقيقي للغات منخفضة الموارد يستلزم استثمارًا في مدونات لغوية موثقة لتلك اللغات وبناء مجتمعات بحثية محلية تقود تقويم النماذج بلغاتها بدل الاكتفاء بترجمة معايير إنجليزية

وخلاصة القول إن العائلات اللغوية تهم فعلًا عند تقويم النماذج اللغوية الكبيرة، فأداء هذه النماذج في تحليل المشاعر يتفاوت تفاوتًا منهجيًا بحسب موارد اللغة وانتمائها العائلي، ويظل التحدي الأكبر هو تضييق الفجوة عن اللغات منخفضة الموارد بمعايير تقويم أكثر تمثيلًا وإنصافًا للغات العالم جميعًا