هب أنك باحث مصري متخصص في أمراض القلب بإحدى الجامعات الإقليمية المصرية، ولتكن مثلا جامعة المنوفية، وكنت بصدد إجراء دراسة علمية موسعة حول جين "إف كيه بي بي 5" لدى مرضى متلازمة الشريان التاجي الحادة"، لكنك تريد معرفة الدراسات العلمية السابقة التي أجريت في جامعتك حول هذا الموضوع قبل أن تشرع في بحثك.
حينها لن تجد صعوبة في أن تسأل كافة نماذج الذكاء الاصطناعي باللغة الإنجليزية عما تريده، لتحصل على أحدث بحث مصري في هذا المجال والمنشور باللغة الإنجليزية في المجلة الطبية بجامعة المنوفية.
لكن في المقابل، إذا أراد زميلك في كلية الآداب بنفس الجامعة إعداد دراسة حول "ترجمات روايات نجيب محفوظ إلى اللغة العبرية"، وطلب من أدوات الذكاء الاصطناعي السؤال نفسه، فسيكون الرد هو تعذر العثور على سجل ببليوغرافي موثوق يثبت عنوان أحدث دراسة في الموضوع وتاريخ نشرها، وذلك على الرغم من وجود دراسة منشورة باللغة العربية في العدد الأخير من المجلة تحمل هذا العنوان.
هذا التفاوت في الإجابة بين الحالتين يكشف عن إحدى أزمات الباحثين العرب مع أنظمة الذكاء الاصطناعي، والذي تتحمل مسؤوليته بالدرجة الأكبر المؤسسات العربية.
يقول الدكتور مصطفى العطار، مدير برنامج الذكاء الاصطناعي بجامعة النيل الأهلية بمصر للجزيرة نت، إن أدوات الذكاء الاصطناعي مثل "شات جي بي تي" تعتمد في جمعها للمعلومات على محركات البحث، وبالتالي إذا لم تكن مؤسسة ما حريصة على إتاحة أبحاثها على محركات البحث، فلن تستطيع أدوات الذكاء الاصطناعي الوصول إليها.
ويوضح أنه "لا يكفي رفع البحث على موقع الجامعة، حتى يسهل على محركات البحث الوصول إليه، إذ يجب تنفيذ مجموعة من الإجراءات حتى يسهل عليها الوصول إليه، ومن ثم تسهيل ظهوره في نتائج أدوات الذكاء الاصطناعي".
وأول الإجراءات المطلوبة هو "رقمنة الأبحاث القديمة والجديدة"، ويشير مصطفى في هذا الإطار إلى أن كثير من الأبحاث المنشورة في الدوريات العربية قد تكون متاحة في صورة صفحات مصورة لا يستطيع محرك البحث استخراج نصوصها بسهولة.
وحتى يتم تسهيل الوصول إلى الدراسات، يوضح أنه "ينبغي أن يكون لكل دراسة رابط دائم وصفحة تعرض بوضوح عنوانها، وأسماء الباحثين، والملخص، والكلمات المفتاحية، واسم المجلة، وسنة النشر، ورابط النص الكامل".
ويضيف أن هذه الإجراءات يجب أن تدعمها خطوات تتخذها فرق تقنية المعلومات بالموقع للتأكد من أن إعداداته لا تمنع برامج الزحف من الوصول إلى صفحات الأبحاث وملفاتها، وأن الروابط تعمل دون الحاجة إلى تسجيل دخول، وأن صفحات الدراسات يمكن الوصول إليها عبر روابط واضحة من الأرشيف.
لكن نجاح أدوات الذكاء الاصطناعي في الوصول إلى الدراسات لا يعني انتهاء أزمة الباحث العربي معها، فحتى إذا عثرت الأداة على الدراسة، فهناك إشكالية أخرى، وهي هل سيتم استخراج نتائجها بدقة، أم سيتم الخلط بينها وبين دراسة أخرى، ليتم نقل رقم أو استنتاج على نحو خاطئ، حيث يتفاوت أداء أنظمة الذكاء الاصطناعي حسب اللغة المستخدمة، وهي المشكلة التي يرى مصطفى أن مسؤوليتها مشتركة بين شركات أنظمة الذكاء الاصطناعي والحكومات العربية ومراكز الأبحاث العاملة بالدول العربية.
ويقول مصطفى إن الشركات المطورة لأنظمة الذكاء الاصطناعي مثل "أوبن إيه آي" أو "غوغل" أو "أنثروبيك"، قد تتخذ قرارات تؤثر بدورها على أداء النماذج مثل اختيار البيانات التي يتم تدريب النموذج عليها، وتصميم آليات معالجة اللغات، وتحديد اللغات والمهام التي تحظى باختبارات مكثفة.
وبالتالي، فإن إطلاق إحدى الشركات نظاماً يدعم العربية، يتعين أن يصاحبه اختبارات لكفاءته ثم معالجة أوجه القصور التي تكشفها الاختبارات، وبدون القيام بذلك، فإنها تتحمل المسؤولية مباشرة عن جودة أدائه.
وكشفت دراسة عرضت في مؤتمر "الأساليب التجريبية في معالجة اللغة الطبيعية" في عام 2023 عن هذه المشكلة، حيث رصد الباحثون ضعفا في أداء الأنظمة لبعض المهام بالعربية والتركية، حتى عند تدريبها على بيانات موازية بالكامل للبيانات الإنجليزية، ما يعني أن ترجمة البيانات وحدها لا تضمن تكافؤ الأداء.
ولفهم هذه النتيجة التي توصلت إليها الدراسة، نفترض أن باحثا قام بسؤال أحد أنظمة الذكاء الاصطناعي باللغتين العربية والإنجليزية عن تركيز الرصاص في عينات المياه التي رصدتها إحدى الدراسات، بحيث إن الإجابة محددة برقم ووحدة قياس، وفقا للورقة البحثية.
فعندما تم السؤال بالإنجليزية، استخرجت الأداة النتيجة الصحيحة من البيانات، لكن عندما طرح السؤال نفسه بالعربية، أخطأت في تحديد الرقم، أو خلطت بين وحدة القياس، أو عجزت عن ربط السؤال بالنتيجة الصحيحة، رغم أن المعلومات متاحة باللغتين.
ويعني ذلك أن تكافؤ المعلومات المقدمة للنظام لا يضمن تكافؤ قدرته على استخدامها، فقد يتوقف الأداء أيضاً على النموذج اللغوي الأساسي، وطريقة تكييفه مع اللغة، وطبيعة المهمة وحجم بيانات التدريب.
ويعزو مصطفى هذه الأزمة، في المقام الأول، إلى صعوبة معالجة اللغة العربية مقارنة بالإنجليزية، إذ تتسم العربية بتنوع مفرداتها، كما أن التشكيل قد يغير معنى الكلمة الواحدة. ويضاف إلى ذلك أن المحتوى العربي المتاح على الإنترنت أقل من نظيره الإنجليزي، ما يمنح أدوات الذكاء الاصطناعي فرصاً أكبر للتدرب على الإنجليزية، ويجعل أداءها بها أفضل.
ويتفق الدكتور علي البقلوطي، أستاذ الرياضيات بجامعة صفاقس التونسية، مع مصطفى في رصد هذا التفاوت، لكنه يضيف سبباً آخر يتعلق بخلفيات القائمين على تطوير هذه الأدوات من المبرمجين وعلماء الرياضيات. ويوضح في تصريحات للجزيرة نت: "أغلبهم لغتهم الأم الإنجليزية، لذلك لا تقتصر هذه الأزمة على العربية، بل تمتد إلى لغات أخرى، مثل الفرنسية والإسبانية".
وتتحمل الشركات بدورها جزءاً من المسؤولية عن الحل، لكن توجد أجزاء أخرى تقع على عاتق الحكومات ومراكز الأبحاث العربية، كما يشير علي.
ويقول إن الشركات لا ينبغي أن تكتفي بإثبات أن نماذجها تدعم العربية، بل يجب إجراء اختبارات تقيس الدقة بالعربية مقارنة بالإنجليزية، في مهام متكافئة تشمل فهم النصوص العلمية، واستخراج الأرقام، وتفسير النتائج، والاستشهاد بالمصادر، ويجب أن تشمل الاختبارات العربية الفصحى، والمصطلحات العلمية، وأنواع النصوص المختلفة، مع توضيح مواطن الضعف بدلاً من الاكتفاء بمتوسط عام للأداء.
كما تحتاج الشركات أيضاً إلى إجراءات أخرى، ومنها اختبار كيفية تقسيم النصوص العربية إلى وحدات لغوية، ومعالجة الاشتقاق والتصريف، والتعامل مع المصطلحات العلمية والأسماء والمراجع المكتوبة بالعربية، كما ينبغي اختبار أثر هذه العوامل في دقة الإجابات، ثم تحسينها عندما تكشف النتائج عن مشكلات فعلية.
ولا ينبغي الاعتماد على ما حفظه النموذج أثناء التدريب وحده، بل يشير علي إلى أن الشركات تستطيع تطوير أنظمة تسترجع الأوراق العلمية من مستودعات موثوقة عند الإجابة، وتحدد المقطع الذي استندت إليه، وتربط كل معلومة بمصدرها الأصلي.
ويُعرف هذا النهج الذي أشار إليه علي باسم "التوليد المعزز بالاسترجاع"، لكنه لن يحل المشكلة تلقائياً، إذ يعتمد نجاحه على جودة فهرسة الأبحاث، وقدرة النظام على العثور على الدراسة الصحيحة، ودقة استخدام المعلومات المسترجعة، وهو ما يعني أن هناك دوراً لا بد أن تلعبه الحكومات ومراكز الأبحاث العربية في هذا الإطار.
ويقول د. مكي حبيب، العالم العراقي المتخصص في "الروبوتات والميكاترونكس" بالجامعة الأمريكية بالقاهرة، إنه يمكن للحكومات والجامعات والمراكز البحثية العربية الإسهام في إتاحة المعرفة العلمية العربية عبر إنشاء مستودعات رقمية تتيح البحث الآلي في الدراسات المنشورة، بما يشمل رقمنة الأبحاث القديمة وتحويلها إلى نصوص قابلة للبحث، وتوفير بيانات وصفية دقيقة عن كل دراسة، مثل عنوانها وأسماء الباحثين وملخصها وتاريخ نشرها، فضلاً عن إتاحة نصوصها الكاملة.
ويضيف أن ما نقوم به سيساعد أدوات الذكاء الاصطناعي على تحسين نتائجها بمرور الوقت، إذ إن الشركات حريصة على تطوير نتائجها بالعربية حتى لا تخسر شريحة كبيرة من مستخدميها، وهم المستخدمون العرب.
وإلى جانب محاولة دعم تطوير الأدوات القائمة، يرى مصطفى أنه يجب أن يكون لدى المؤسسات العربية مشروعها الخاص، أسوة بما يحدث في الصين.
ويقول: "مشكلة العربية ليست فقط في عدد مفرداتها، بل أيضاً في تنوع لهجاتها من بلد إلى آخر، لذلك فإننا في حاجة إلى تطوير نماذج لغوية متخصصة بالعربية، بحيث تتعامل بدقة أكبر مع خصائص اللغة العربية، وتتعرف على اللهجات، وتفهم المصطلحات المحلية والعلمية، وتقلل الأخطاء في الترجمة والتلخيص".
ولا ينكر مصطفى أن هذا العمل يحتاج إلى تمويل ضخم يشمل توفير أجهزة حاسوبية قوية تعمل داخل مراكز البيانات، وشرائح (جي بي يو)، وهي شرائح متخصصة تنفذ عدداً هائلاً من العمليات الرياضية بالتوازي، ما يسرع تدريب النماذج اللغوية الكبيرة.
ويضيف أن "هذه الشرائح أصبحت باهظة الثمن، لكن إذا أردنا عالماً يحظى فيه العلم العربي بفرص تقترب من العدالة مع العلم الغربي فلا بد من اقتحام هذا المجال".
