script async src="https://pagead2.googlesyndication.com/pagead/js/adsbygoogle.js?client=ca-pub-1007278898878224" crossorigin="anonymous"> هل ستساعدنا التكنولوجيا على تعلم اللغات الأجنبية؟ | zmzme
الذكاء الاصطناعي

هل ستساعدنا التكنولوجيا على تعلم اللغات الأجنبية؟

 هل ستساعدنا التكنولوجيا على تعلم اللغات الأجنبية؟

أصبحت تقنيات الذكاء الاصطناعي للمحادثة منتشرة في كل مكان ، ودخل السوق المزيد والمزيد من المنتجات التي تستخدم التعرف التلقائي على الكلام وفهم اللغة الطبيعية وتوليف الكلام. متخصص التعلم الآلي هو مهنة المستقبل.


Unsplash

ماركوس وينكلر

 

هل تتذكر حشر الكلمات الإنجليزية أو الألمانية في لعبة ورق؟ بالنسبة للأجيال القادمة ، سيكون الأمر أشبه بالنحت على ألواح من الطين بالقصب.

في غضون عام ، يمكن أن تبدو اجتماعات العمل في الفرق و zoome على النحو التالي: أشتري صورة رمزية لعملات البيتكوين (مثلي تمامًا ، أجمل فقط) ، ثم ضبط نفسي في إصدار المكتب ، مضيفًا خيار الترجمة الآلية. الآن يمكنني التحدث باللغة الأردية. أو الهندية.

تحقق أيضًا من:

في الوقت الحالي ، لا يزال الأمر مجرد خيال ، فهناك ما يقرب من 6.5 ألف شخص في العالم. اللغات ، وعملية التعلم من هذه القاعدة تستغرق وقتًا وموارد. ومع ذلك ، أصبحت الترجمة التلقائية في الوقت الفعلي إلى اللغات الأكثر شيوعًا – الإنجليزية والفرنسية والألمانية ممكنة الآن.

لماذا الترجمة الحية صعبة للغاية؟ لنبدأ بحقيقة أنه يجب عليك الجمع بين تقنيتين مختلفتين: الطبقة الأولى هي التعرف على الكلام ، أي تحويل الصوت إلى نص. المسألة الثانية هي الترجمة الآلية. يفسر نظام برمجيات الترجمة الآلية بنية الجملة للغة المصدر (التي نترجم منها) وينشئ ترجمة بناءً على قواعد اللغة الهدف (التي نترجم إليها). تتضمن العملية تحطيم تراكيب الجمل المعقدة والمتنوعة ، وتحديد أجزاء الكلام ، وحل الغموض ، وتجميع المعلومات في مكونات وهيكل لغة جديدة.

في البداية ، تم استخدام الأساليب الإحصائية لهذه المهام. في الترجمة الآلية والتعرف على الكلام ، في البداية ، تم استخدام الجهاز الإحصائي ، مثل سلاسل ماركوف المخفية. “منذ حوالي 2013-2015 ، حدث تغيير في الأساليب ، وشهدنا تحولًا من النماذج الكلاسيكية والإحصائية والاحتمالية إلى الخوارزميات القائمة على التعلم الآلي العميق. نحن نعمل حاليًا على تطوير وتطوير مثل هذه النماذج في OPI PIB “- كما يقول الدكتور م. ماريك كوزوفسكي ، رئيس مختبر الهندسة اللغوية. تم تنقيح خوارزميات التعلم العميق في البداية في معالجة الصور. فهي ممتازة في تصنيف الصور التي سرعان ما ضمها الطب. الخوارزميات ، على سبيل المثال ، تدعم عمل اختصاصي الأشعة ، لأنها تكتشف المخالفات في الصور بشكل فعال للغاية. أبلغ البريطانيون مؤخرًا عن العمل على استخدام الذكاء الاصطناعي في التشخيص المبكر لمرض الزهايمر بناءً على تحليل كلام المستجيبين.

حدث اختراق كبير آخر قبل 5 سنوات. في عام 2017 ، تم نشر أول مقالات بحثية من Google Brain حول استخدام شبكات Transformer بناءً على آلية الانتباه الذاتي. “كان أحد المعالم البارزة التي أتاحت انتقالًا أسرع وأوسع من المختبر إلى الصناعة هو وصول الشبكة العصبية العميقة من نوع Transformer. بعد ذلك بعامين – في عام 2019 – كان هناك بالفعل الكثير من المنشورات العلمية حول هذه الشبكات وتطبيقاتها المتعددة “، يتابع د. كوزوفسكي. في نهاية عام 2021 ، فاز فريقه في مسابقة وطنية نظمتها Centrum Govtech و UOKiK ، والتي تتعلق بالذكاء الاصطناعي. يتمثل في تطوير أساليب ذكية تدعم الكشف عن البنود المحظورة في العقود. لقد كان استخدام شبكات Transformer هو الذي فاز بمهندسي OPI ، مما سمح باكتشاف أكثر دقة وأسرع لجمل معينة ، مقارنة بأساليب التعلم الآلي الكلاسيكية أو حتى الشبكات العودية العميقة. بالحديث عن مقياس الدقة النوعية الذي توفره شبكات Transformer ، فهذا يمثل تحسنًا بنسبة 5-10٪ تقريبًا عن أفضل الأساليب السابقة. ليس كثيرًا من الناحية النظرية ، ولكن مع الأخذ في الاعتبار تأثير المقياس ، فقد بدأ بالفعل في التأثير بشكل كبير على القبول النهائي والأرباح المالية. بادئ ذي بدء ، تعد شبكات Transformer أيضًا أسرع (فهي قادرة على معالجة المزيد من البيانات في وقت أقل) وأسهل للتطبيق في الصناعة بفضل تعدد المكتبات أو عدد النماذج المدربة مسبقًا. كما أنها لا تتطلب فرقًا كبيرة من العلماء لضبط طويل المدى “- يقول ماريك كوزوفسكي. كما يقول ، المحولات هي حاليًا بنية الخيار الأول والأفضل (مثل هندسة BERT أو GPT-3) في مهام معالجة اللغة الطبيعية (NLP). في مهمة التعرف على الكلام ، أصبحت شبكات Transformer أيضًا أفضل حل جودة. ومع ذلك ، ظهرت مؤخرًا نماذج تسمى Vision Transformer (ViT) ، والتي تقدم نموذجًا خالصًا لشبكة المحولات ، دون الحاجة إلى الكتل التلافيفية. تظهر الأبحاث أن ViT يمكن أن يتفوق في الأداء على معظم الشبكات التلافيفية الحديثة على مجموعة متنوعة من مجموعات بيانات التعرف على الصور ، مع موارد حسابية أقل بشكل ملحوظ.

يمكن أن يكون زميلك في العمل افتراضيًا

وجد تقرير صادر عن شركة الأبحاث والاستشارات Metrigy عن المساعدين الافتراضيين الأذكياء أن ما يقرب من 24 ٪ من المستجيبين يحضرون اجتماعات مع غير المتحدثين باللغة الإنجليزية. تكاليف الترجمة ، في كثير من الأحيان ليست ضئيلة. في بعض الأحيان يمكن أن يمرض مترجم بشري ، على سبيل المثال ، وهو ما لن يحدث للآلة. نعم ، لا تزال جودة الترجمات الآلية غير متساوية مع الترجمات البشرية ، ولن يشعر الذكاء الاصطناعي بالسخرية أو الدقة ، ولكنه يتحسن في واقع الأعمال اليومية ، خاصةً مع الترجمات المتخصصة. تستخدم أكثر من نصف الشركات التي شملها الاستطلاع خدمات خارجية لترجمة ما يقوله الآخرون ، ويبلغ متوسط ​​تكلفة هذه الترجمة 172 دولارًا لكل اجتماع. يتيح لك دمج مساعدي الاجتماع الظاهري الأذكياء مع وظائف الترجمة تقليل التكاليف بشكل كبير.

بفضل الأدوات والتقنيات الجديدة ، أصبح إنشاء تطبيق AI للمحادثة أسهل من أي وقت مضى ، مما يتيح نطاقًا أوسع بكثير من التطبيقات ، مثل المساعدين الافتراضيين أو النسخ في الوقت الفعلي. هذه التقنيات متوفرة بالفعل في السوق. في عام 2019 ، استحوذت CISCO Webex على تقنية الترجمة في الوقت الفعلي من خلال الاستحواذ على Voicea ، وهو اجتماع متخصص وتكنولوجيا الصوت القائمة على الذكاء الاصطناعي. تقدم Cisco Webex حاليًا ترجمة فورية إلى 9 لغات. يستخدم الحل المقدم ترجمة Google والتعلم الآلي الصوتي. جزء Google هو نفس الترجمة ، والجزء الصوتي هو التعرف التلقائي على الكلام والتقاط التسجيلات وتوقيعها. هذا هو المكان الذي يأتي فيه التعلم الآلي: نظرًا لأن المزيد والمزيد من الأشخاص يستخدمون هذه الميزة ، تتحسن الترجمة بمرور الوقت حيث تتعلم المزيد من أنواع الأصوات واللهجات. ومع ذلك ، فإن جزء كلمة مقابل كلمة هو Google Translate.

بدورها ، نشرت Microsoft في أكتوبر 2021 نموذجًا معقدًا للغاية لشبكة Transformer للترجمة الآلية (محولات عميقة جدًا للترجمة الآلية العصبية) وأثبتت أن نماذجها للأزواج اللغوية الشائعة (الإنجليزية والفرنسية والألمانية) تقدم حاليًا أفضل ترجمة عالية الجودة . تعمل الأساليب القائمة على المحولات أيضًا على تحسين جودة التعرف على الصوت بشكل كبير. كما لاحظ د. ماريك كوزوفسكي ، أكبر أعمالهم هو سهولة التنفيذ ، فأنت لست بحاجة إلى توظيف عشرات العلماء لضبطهم لتطبيق معين لتشغيلهم. في هذه الحالة ، يعتمد الكثير على حجم مجموعة التدريب ومقدار قوة الحوسبة التي يجب أن نتعلمها من هذه النماذج. أصبح كل شيء أكثر بساطة من جانب المستهلك والمتكامل ، وهذه الشبكات ، على الرغم من تعقيدها ، يمكن الوصول إليها بشكل أكبر واستخدامها أقل تكلفة. بالإضافة إلى ذلك ، يتيح لك توفر مجموعات بطاقات الرسومات إمكانية تدريب هذه النماذج بسرعة وتحقيق نتائج أفضل وأفضل.

مقالات ذات صلة

زر الذهاب إلى الأعلى