كيف تعمل الترجمة الآلية، من جوجل ترانسليت إلى النماذج اللغوية

تغيّرت الترجمة الآلية أربع مرات، وما الذي تغيّر في كل مرة

بدأت الترجمة الآلية من فكرة بسيطة: أعطِ الحاسوب معجما وقواعد النحو وينبغي أن يقدر على بناء جملة. وكان الجيل الأول هذا بالضبط، والناس يكتبون القواعد بأيديهم. وكان ناتجه متوقعا، وأي جملة لم يتوقعها كاتب القواعد كانت تكسره.

وأسقط الجيل الثاني القواعد ولجأ إلى الإحصاء. فبدل أن يُقال للنظام ما هو النحو، أُعطي حجما كبيرا من النصوص الثنائية اللغة وتُرك ليحسب بنفسه أي عبارة تقترن عادة بأي عبارة. فصارت الجمل أسلس وظلت تفوح منها رائحة الآلة، لأن النظام كان يعمل عبارة عبارة ولا يرى الجملة كاملة.

والجيل الثالث هو حيث كفّت الترجمة الآلية العامة عن كونها نكتة. فالنماذج العصبية تحوّل الجملة كلها إلى تمثيل عددي وتعيد توليد جملة الهدف منه. وكانت النتيجة جملا ذات بنية صحيحة يستطيع المرء قراءتها دون أن يضحك.

والجيل الرابع هو النموذج اللغوي، وفرقه عن الثلاثة قبله فرق في النوع لا في الدرجة. فالثلاثة الأولى لم تكن تعرف إلا عملا واحدا. أما النموذج اللغوي فنموذج عام الترجمة فيه مهمة من مهام كثيرة، والأهم أنه يتلقى تعليمات: يمكنك أن تخبره من القارئ، وما ينبغي أن تكون عليه النبرة، وأي الكلمات لا يمسّها. ولم يكن أي من الأجيال الثلاثة السابقة يفهم شيئا من ذلك.

ويحسن هنا تصحيح تصور شائع خاطئ: هذه الأجيال الأربعة لم يحل بعضها محل بعض. فحصة كبيرة من الترجمة الآلية العاملة داخل منتجات حقيقية اليوم لا تزال عصبية لا نموذجا لغويا، وهي لكثير من الأعمال الخيار الصحيح.

أين يتفوق النموذج اللغوي فعلا على الترجمة الآلية الكلاسيكية

ثلاثة مواضع، وكلها ترجع إلى أمر واحد: النموذج اللغوي يرى خارج الجملة.

أولها السياق. فالضمير الغامض أو الكلمة ذات المعنيين يُتركان للحظ في الترجمة الآلية الكلاسيكية، لأن النظام لا يملك إلا تلك الجملة. أما النموذج اللغوي فيستطيع قراءة بقية الفقرة، وإن أخبرته بموضوع النص كفّ تخمينه عن أن يكون تخمينا.

وثانيها النبرة. لا يمكنك أن تخبر محرك ترجمة كلاسيكيا بأن هذا النص لعميل وينبغي أن يكون رسميا دافئا. أما النموذج اللغوي فيمكنك ذلك ويظهر أثره. ومسألة المستوى اللغوي التي أثيرت في الدرس الأول من هذا المسار صارت لأول مرة شيئا يمكن إصداره كتعليمة.

وثالثها اتساق المصطلح على امتداد وثيقة. فإن أعطيت النموذج قائمة مصطلحات أمكنك أن تشترط أن يستعمل الفصل السابع المقابل الذي استعمله الفصل الأول. وهذا ما تفشل فيه المواقع متعددة اللغات أكثر من أي شيء آخر.

وثمة شرط مهم يسري على الثلاثة: هذه إمكانات لا سلوك افتراضي. فبلا سياق ولا نبرة ولا قائمة مصطلحات يتصرف النموذج اللغوي تصرف المحرك الكلاسيكي تماما، بجمل أسلس فحسب. ومن يكتفي بلصق النص وضغط الزر لا ينال من هذا الجيل شيئا سوى مزيد من السلاسة.

أين هو أخطر من الجيل السابق

حين كانت الترجمة الآلية القديمة تخطئ كان الأمر بيّنا. تتفكك الجملة ويسقط فعل، ويرى القارئ بنظرة أن آلة كتبت هذا وأنه يحتاج مراجعة. كانت تلك الأخطاء قبيحة، والقبح نفسه كان تحذيرا.

وقد أزال النموذج اللغوي ذلك التحذير. فأخطاؤه سلسة. جملة صحيحة ونبرة مناسبة، وفي وسطها مصطلح لا يستعمله أحد في ذلك المجال. ومن لا يعرف المجال لا سبيل له إلى التقاطه، لأن لا شيء في النص يبدو نابيا.

وأخطر صوره اختلاق المصطلحات بثقة. فبدل أن يقول إنه لا يعرف، ينتج النموذج مقابلا سليم البنية يبدو محترفا ولا وجود له في أي مصدر. وفي نص طبي أو قانوني، هذا بالضبط مصدر الضرر المالي والبشري. وقد شُرح هذا السلوك بتوسع أكبر في درس هلوسة الذكاء الاصطناعي، وهو يأخذ في الترجمة صورة أسوأ، لأن قارئ النص الهدف لا يملك المصدر أصلا ليقارن به.

وموقفنا صريح: للنص الذي يُراد فهمه فقط، هذا الجيل أفضل ما امتلكناه يوما. أما للنص الذي سيُنشر أو يُوقّع، فهذا الجيل أخطر من سابقه لا أأمن، وذلك بالضبط لأنه ينوّم المراجع.

أي نموذج يسمّي الفارسية فعلا

«متعدد اللغات» ادعاء تسويقي إلى أن تطبع الشركة الصانعة قائمة اللغات. وقد اتخذنا ذلك معيارا في فئة الترجمة في قسم الذكاء الاصطناعي بهذا الموقع، والنتيجة صفّان لا يكتمل أي منهما.

في جهة كوهير. فـ Command A Translate هو النموذج الوحيد في ذلك الكاتالوج الذي سمّاه صانعه صراحة نموذج الترجمة الآلية لديه وأورد لغاته الثلاث والعشرين واحدة واحدة، ولغات هذا الموقع الأربع كلها في تلك القائمة. والوجه الآخر أن نافذته ٨ آلاف رمز، أقصر نافذة في الكاتالوج كله، وأن اتفاقية كوهير التجارية نفسها تكتب اسم إيران في تعريف الموقع المقيّد. أي أن النموذج الذي يعرف الفارسية لا سبيل رسمي لشرائه من إيران.

وفي الجهة الأخرى ميتا. فهي تطرح لاما ٤ بأوزان مفتوحة وبرخصة تسمح بالاستخدام التجاري، أي يمكنك أخذه وتشغيله على خادمك. وقائمة لغاته اثنتا عشرة وهي مغلقة: العربية فيها، والفارسية والتركية ليستا. ونسخة سكاوت منه بنافذة عشرة ملايين رمز.

احفظ هذا الانقلاب، فهو يحدد شكل أي مشروع لترجمة موقع. فالنموذج الذي يسمّي لغتك يتسع لبضع صفحات، والذي لا يسمّيها يتسع لكتاب. والنتيجة العملية أنك تترجم الموقع صفحة صفحة لا دفعة واحدة، وإن أردت تمرير وثيقة طويلة مرة واحدة فأنت تختار عن علم نموذجا لم يُبن للترجمة ولم يعلن لغتك.

وثمة نقطة ترخيص يدركها كثيرون متأخرا: انفتاح الأوزان وحرية الاستخدام ليسا شيئا واحدا. فنموذج مثل آيا إكسبانس نشرت أوزانه ويسمّي اللغات فعلا، لكن رخصته غير تجارية؛ فإن ترجمت به موقع عميل وأخذت أجرا فقد خالفت الرخصة.

ماذا يعني كل هذا لموقع متعدد اللغات

ثلاث نتائج عملية، ولا علاقة لأي منها باختيار أفضل نموذج.

الأولى أن وحدة عملك هي الصفحة لا الموقع. فالنافذة القصيرة لنماذج الترجمة المخصصة تفرض ذلك، وهي مصادفةً أفضل للمراجعة أيضا، لأن خطأ صفحة واحدة يُكتشف في تلك الصفحة. والثانية أن قائمة المصطلحات ينبغي أن تُكتب قبل الصفحة الأولى وأن تسافر مع النص في كل مكالمة، وإلا فالاتساق الموصوف في القسم الثاني لا يحدث ببساطة. والثالثة أن المراجعة البشرية تتركز على الصفحات التي يمر بها قرار أو دفعة مالية، لا أن تتوزع بالتساوي على كل صفحة.

وثمة قول أمين نادرا ما يُكتب. لم تنشر أي من الشركات التي فحصناها في تلك الفئة رقما قابلا للاستشهاد لجودة ترجمة نموذجها. فكوهير تكتب أن Command A Translate نموذجها المتقدم للترجمة ولا تطبع أي نتيجة؛ والبقية لا تطبع كذلك. فأي جدول بالفارسية يدّعي أنه رتّب «أفضل ذكاء اصطناعي للترجمة» فهو إما يستعمل مقياسا خارجيا وعليه أن يقول أيّه، وإما يختلق أرقامه.

ونقول الشيء نفسه عن أنفسنا: تلك الفئة تخبرك أي شركة أدرجت لغتك لذلك النموذج بعينه، لا كم تبدو ترجمته طبيعية. ومعرفة الثانية تعني قراءة الناتج، وذلك عمل آخر لم ندّعِ أننا قمنا به.