تمهيد
أسهمت تطورات الذكاء الاصطناعي إسهامًا كبيرًا في تحسين التواصل لذوي الإعاقة السمعية، إذ أتاحت أنظمة التعرف على لغة الإشارة تحويل الحركات والإيماءات إلى نص أو كلام يفهمه الآخرون، غير أن معظم الأنظمة القائمة تعالج لغة إشارة واحدة بعينها، وهو ما يحد من نفعها في البيئات متعددة اللغات والثقافات، ويثير سؤالًا بحثيًا مهمًا عن قدرة نموذج واحد وبنية خصائص واحدة على العمل عبر لغات إشارة مختلفة في قواعدها ومفرداتها الحركية
ويزداد التحدي صعوبة لأن لغات الإشارة تختلف فيما بينها اختلافًا جوهريًا في أشكال اليد وحركاتها، وتتأثر دقة التعرف بزوايا التصوير والمسافات وتنوع المؤدين، ومن ثم تحتاج الأنظمة العابرة للغات إلى استخراج خصائص مستقرة ومتسقة تمثل معالم اليد تمثيلًا أمينًا في سياقات لغوية متنوعة، وهو ما سعت هذه الدراسة إلى اختباره عبر إطار موحد لثلاث لغات إشارة ومقارنة منهجية بين ثلاث من أحدث بنى التعلم العميق
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تقديم إطار متين للتعرف على لغة الإشارة عابر للغات، يشمل لغات الإشارة التركية والأمريكية والعربية، واستخدم الإطار مكتبة MediaPipe خفيفة الوزن لاستخراج معالم اليد بكفاءة، بما يضمن تمثيلًا مستقرًا ومتسقًا للخصائص عبر السياقات اللغوية المتنوعة، وبُنيت مجموعات البيانات بعناية من تسعة مصادر عامة المصدر، أربعة منها عربية وثلاثة أمريكية واثنان تركيان
وتكونت بيانات التدريب النهائية من مجموعات صور منقّحة اختيرت إطاراتها لكل لغة بعناية من زوايا ومسافات متفاوتة لضمان تنوع عالٍ، ثم أجرى الباحثون تقييمًا مقارنًا شاملًا بين ثلاث بنى حديثة للتعلم العميق هي ConvNeXt القائمة على الشبكات الالتفافية، وSwin Transformer القائمة على محولات الرؤية، وVision Mamba القائمة على نماذج فضاء الحالة، وطُبقت البنى الثلاث على مجموعات الخصائص ذاتها المستخرجة من معالم اليد في مهمة تعرف ساكن قائم على الوضعية
واعتمدت المقارنة مبدأ ضبط الخصائص وتوحيدها بين النماذج، فبدلًا من أن يتلقى كل نموذج تمثيلًا مختلفًا للبيانات، استُخدمت معالم اليد المستخرجة بمكتبة MediaPipe مدخلًا واحدًا للبنى الثلاث، وهو ما يجعل الفروق المرصودة في الأداء عائدة إلى قدرة كل بنية على معالجة التمثيل المكاني لليد وعلاقات أجزائها، لا إلى اختلاف البيانات أو طريقة استخراجها، ويمنح نتائج المقارنة قيمتها التوجيهية عند اختيار البنى لمثل هذه الأنظمة مستقبلًا
ثانيًا: أبرز النتائج
أظهر التقييم المقارن تفوقًا واضحًا لمحولات الرؤية المعاصرة ونماذج فضاء الحالة في التقاط الإشارات المكانية الدقيقة عبر لغات الإشارة المتنوعة، إذ استطاعت هذه البنى الحديثة تمييز الفروق الطفيفة في وضعيات اليد ومعالمها التي تميز إشارة من أخرى حتى مع اختلاف اللغة والسياق
وقدمت الدراسة تحليلًا مقارنًا لقدرات النماذج الثلاثة على التعميم عبر ثلاث لغات إشارة متميزة، فبيّنت كيف يتصرف كل نموذج عند انتقاله بين اللغات وبيئات البيانات المختلفة، وهو ما يوفر رؤى قيّمة لاختيار النموذج المناسب عند بناء أنظمة التعرف على لغة الإشارة القائمة على الوضعية، لا سيما أن المقارنة جرت على خصائص موحدة فعُزل أثر البنية ذاتها عن أثر البيانات
ثالثًا: دلالات الدراسة وتطبيقاتها
تدعم النتائج التوجه نحو بنى الرؤية الحديثة ونماذج فضاء الحالة في تطبيقات التعرف على لغة الإشارة متعددة اللغات، وتبشر بأنظمة تواصل أذكى تخدم الصم عبر الحدود اللغوية، كتطبيقات الترجمة الفورية للإشارات في المؤسسات والخدمات العامة ومنصات التعليم، كما يمنح الإطار الموحد القائم على معالم اليد الباحثين قاعدة مشتركة لتطوير أنظمة قابلة للنقل بين اللغات بتكلفة بيانات أقل
ولا يقف نفع الإطار عند حدود اللغات الثلاث المدروسة، إذ يوحي نجاحه بأن مسار معالم اليد الموحد قابل للتعميم على لغات إشارة أخرى بجهد بيانات محدود، وهو ما يهم مجتمعات الصم الصغيرة لغويًا التي تفتقر إلى مجموعات بيانات ضخمة، كما ينسجم اختيار وحدة استخراج خفيفة الوزن مع متطلبات التطبيقات المحمولة التي تعمل على أجهزة محدودة القدرات في الزمن الحقيقي داخل المدارس والمستشفيات والمصالح الحكومية
وخلاصة القول إن الدراسة قدمت إطارًا عابرًا للغات للتعرف الساكن على لغات الإشارة التركية والأمريكية والعربية، وأثبتت بمقارنة منهجية تفوق محولات الرؤية ونماذج فضاء الحالة في التقاط الإشارات المكانية الدقيقة، بما يرشد اختيار النماذج في أنظمة لغة الإشارة القائمة على الوضعية
