تمهيد
تُعد لغة الإشارة العربية وسيلة تواصل أساسية لمجتمعات الصم وضعاف السمع، غير أن التعرف الآلي عليها ما زال مهمة صعبة، ولا سيما في الأنظمة المستقلة عن المؤدي، أي التي تتعرف على إشارات أشخاص لم ترهم من قبل، فقد انشغلت معظم الدراسات السابقة بالتعرف من الصور أو المقاطع المرئية لمؤدين معروفين للنظام سلفًا، وهو ما يحد من صدق النتائج عند نقلها إلى العالم الحقيقي حيث تتنوع أساليب الأداء بتتابع المؤدين واختلاف خصائصهم الحركية
ولمحاكاة هذا الواقع لا بد من نماذج تتعرف على لغة الإشارة من المقاطع المرئية بمؤدين مستقلين، قادرة على استيعاب تنوع أساليب التوقيع بين الأفراد، وقد اتجهت الدراسات الحديثة إلى البنى العميقة الهجينة التي تجمع بين استخراج الخصائص المكانية ومتابعة الديناميات الزمانية، وهو الاتجاه الذي تندرج فيه هذه الدراسة بنموذج يجمع بين المحولات ووحدات الذاكرة المتكررة
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تقديم نموذج للتعرف على لغة الإشارة العربية من المقاطع المرئية مستقلًا عن المؤدي، فطوّر الباحثون نموذجًا هجينًا أطلقوا عليه اسم ArSL-TGRU يجمع بين المحولات ووحدات التكرار ذات البوابات، إذ تعمل فيه أربع طبقات محولات متتابعة على تحسين التجريد الزماني والمكاني للخصائص، بينما تلتقط وحدتا تكرار ذواتا بوابات تعملان بالتوازي الديناميات المتسلسلة للحركات
وطُبق النموذج على مجموعة بيانات مخصصة مستخرجة من مجموعة KArSL تضم 60918 مقطعًا مرئيًا لعدد 136 إشارة موزعة على ست فئات هي الحروف والأرقام وكلمات الأسرة وكلمات المشاعر وكلمات المهن والجمل، أداها ثلاثة مؤدين مستقلين، واستخدم النموذج تقنيات الانتباه والتنظيم للتقليل من فرط التخصيص ونمذجة العلاقات بعيدة المدى، ثم قورن أداؤه بست من البنى الشائعة في فئات متعددة وبمؤدين مختلفين
وتجدر الإشارة إلى أن استقلال النموذج عن المؤدي اختُبر اختبارًا حقيقيًا لا شكليًا، إذ تنوع المؤدون الثلاثة وتباينت أساليب أدائهم للإشارات ذاتها، وتوزعت البيانات على فئات لغوية متفاوتة التعقيد من الحروف والأرقام المفردة إلى الجمل المركبة، وهو تصميم يجعل نجاح النموذج دليلًا على تعلمه الخصائص الجوهرية للحركة الإشارية لا بصمات مؤدٍ بعينه، ويقربه من شروط الاستخدام الفعلي في المؤسسات والخدمات العامة
ثانيًا: أبرز النتائج
أظهرت التجارب أن النموذج المقترح تفوق على البنى الست الشائعة التي قورن بها في فئات عدة من فئات الإشارات، وذلك مع اختلاف المؤدين، وهو ما يشير إلى أن تفوقه لم يكن مقيدًا بفئة لغوية واحدة ولا بأسلوب أداء بعينه
وعزا الباحثون هذا التفوق إلى قدرة النموذج على فهم الارتباطات المكانية والزمانية في حركات الإشارة فهمًا متكاملًا، فطبقات المحولات ترتقي بالتجريد المكاني والزماني، ووحدتا التكرار تتابعان تطور الحركة عبر الزمن، ومن ثم استطاع النموذج التكيف مع تباين المؤدين وتحقيق تعميم قوي عبر الأشكال اللغوية المتنوعة من حروف مفردة إلى جمل كاملة
ويعني هذا التفوق عمليًا أن النظام المقترح أقدر على خدمة مستخدمين جدد لم يسبق له التعامل معهم، وهو شرط أساسي لأي تطبيق تواصلي يطمح إلى الانتشار الواسع خارج بيئات التجارب المخبرية المضبوطة وصولًا إلى الحياة اليومية لمجتمع الصم ومؤسساتهم التعليمية والخدمية المتنوعة
ثالثًا: دلالات الدراسة وتطبيقاتها
تدعم هذه النتائج إمكان بناء أنظمة تعرف على لغة الإشارة العربية تعمل في ظروف واقعية بمؤدين جدد دون إعادة تدريب مخصوصة لكل مستخدم، وهو ما يفتح المجال أمام تطبيقات تواصلية وتعليمية تخدم مجتمع الصم في المؤسسات والخدمات العامة، كما تقدم الدراسة دليلًا عمليًا على جدوى الهجين بين المحولات ووحدات التكرار ذات البوابات في مهام التعرف الحركي المتسلسل عمومًا
كما أن نجاح النموذج عبر الفئات الست، بما فيها فئة الجمل الأطول والأكثر تركيبًا زمنيًا، يشير إلى أن الجمع بين طبقات المحولات المتتابعة ووحدات التكرار المتوازية يوفر توازنًا فعالًا بين الرؤية الشاملة للسياق الحركي والحساسية للتفاصيل الزمنية الدقيقة، وأن تقنيات الانتباه والتنظيم المستخدمة حدّت من فرط التخصيص الذي كثيرًا ما يقوض أداء النماذج العميقة عند انتقالها إلى مؤدين لم يسبق لها التعامل معهم في بيانات التدريب، وتفتح نتائجها الطريق أمام توسيع قاعدة المؤدين والفئات واختبار النموذج في بيئات استخدام حقيقية مباشرة
وخلاصة القول إن نموذج ArSL-TGRU الهجين أثبت قدرة متفوقة على التعرف على لغة الإشارة العربية من المقاطع المرئية باستقلال عن المؤدي، بفضل تكامل التجريد المكاني والزماني والتكيف مع تباين الأداء، بما يجعله أساسًا واعدًا لأنظمة تواصل ذكية أكثر شمولًا لمجتمع الصم
