الترجمة الآلية — من القواعد للـ Neural

الترجمة الآلية — من القواعد للـ Neural

افتح جوجل ترجمة، الصق فقرة إنجليزي، وبأقل من ثانية بتطلعلك ترجمة عربي مفهومة ومترابطة. عادي، مش حدث. بس لو جربت نفس الإشي قبل خمسطعش سنة، كانت النتيجة غالباً جملة مضحكة بتنفع تنحط بجروب العيلة للضحك. شو اللي تغيّر بالضبط؟ القصة رحلة سبعين سنة، فيها ثلاث محطات كبار — وفهمها رح يخليك تفهم ليش الترجمة اليوم زي ما هي: ممتازة بأشياء، وبتغلط غلطات غريبة بأشياء تانية.

ليش القصة هاي بتهمك؟

لأن الترجمة الآلية (Machine Translation) صارت بكل مكان بحياتنا: ترجمة تلقائية للتغريدات، ترجمة صفحات الويب، الترجمة الفورية بالمكالمات، وحتى ترجمة الفيديوهات. ولأن هاي السلسلة رح توصلنا بالجزء الجاي لنموذج بيترجم ٢٠٠ لغة — وعشان تقدّر حجم الإنجاز، لازم تعرف من وين بلشنا.

المحطة الأولى: الترجمة بالقواعد (Rule-based MT)

أول محاولة جدية كانت تجربة جورجتاون وIBM سنة ١٩٥٤، لما كمبيوتر ترجم أكتر من ستين جملة من الروسي للإنجليزي والصحافة جُنّت: «خلال سنوات الترجمة رح تكون محلولة!»

الفكرة كانت منطقية جداً: اللغة إلها قواعد، والقاموس فيه معاني الكلمات — خلينا نكتب القواعد كلها للكمبيوتر: «الفعل بالإنجليزي بيجي بعد الفاعل، بالعربي ممكن قبله»، «كلمة bank يعني بنك»… وهيك.

المشكلة؟ اللغة مليانة استثناءات وسياق. كلمة bank ممكن تكون بنك وممكن تكون ضفة النهر — والقاعدة المكتوبة يدوياً ما بتعرف تفرق. كل استثناء بدك تكتبله قاعدة، وكل قاعدة بتكسر قاعدة تانية. النتيجة: عقود من الشغل اليدوي، وترجمات خشبية بتنهار قدام أي جملة حقيقية.

المحطة الثانية: الترجمة الإحصائية (Statistical MT)

بالتسعينات إجت فكرة قلبت الطاولة: بلاش نعلّم الكمبيوتر قواعد اللغة — خليه يتعلمها لحاله من الأمثلة.

بدل ما نكتب «bank يعني بنك»، بنعطي النظام ملايين الجمل المترجمة أصلاً (بيسموها parallel corpus — نصوص متوازية، زي وثائق الأمم المتحدة المترجمة رسمياً لكذا لغة)، وهو بيحسب احتمالات: لما تيجي bank جنب كلمة river، الترجمة الأرجح «ضفة»؛ لما تيجي جنب money، الأرجح «بنك».

هاد الجيل هو اللي شغّل جوجل ترجمة لما انطلق سنة ٢٠٠٦، وهو سبب الترجمات المضحكة اللي بتتذكرها: النظام بيترجم قطع قصيرة من الجملة كل وحدة لحالها وبيلزقهم — فبتطلع كلمات صحيحة بس جملة مكسرة، لأنه ما حدا «شايف» الجملة كاملة.

المحطة الثالثة: الشبكات العصبية (Neural MT)

سنة ٢٠١٤ صار التحول الكبير: نماذج sequence-to-sequence — شبكة عصبية بتقرا الجملة كاملة، بتبني منها تمثيل داخلي للمعنى، وبعدين بتولّد الترجمة كلمة كلمة وهي واعية للسياق كله.

وبسرعة انضافت القطعة الأهم: آلية الـ attention — بدل ما النموذج يعصر الجملة كلها بذاكرة صغيرة وحدة، صار يقدر «يبص» على أي كلمة بالجملة الأصلية وهو بيترجم، ويركز على الأهم بكل خطوة. الفرق بالجودة كان هائل، لدرجة إنه جوجل رمت نظامها الإحصائي كله سنة ٢٠١٦ واستبدلته بنظام عصبي بالكامل.

وبعدها بسنة، طلعت ورقة «Attention Is All You Need» اللي قالت: خلينا نبني النموذج كله من الـ attention — وهيك انولدت معمارية الـ Transformer. المفارقة الحلوة؟ الـ Transformer انخلق أصلاً عشان الترجمة، وبعدين طلع هو الأساس اللي انبنت عليه ChatGPT وكل نماذج اللغة الكبيرة اللي بنعرفها اليوم.

مثال محسوس: جملة وحدة بثلاث عصور

خد جملة: "I sat by the bank and watched the water."

• بالقواعد: «أنا جلست بجانب البنك وشاهدت الماء» — القاموس قال bank = بنك، وخلص، ما حدا بيسأل شو دخل البنك بالمَيّ.
• بالإحصاء: «جلست بجانب الضفة وشاهدت الماء» — الاحتمالات لقطت إنه bank جنب water غالباً ضفة. أحسن! بس بجمل أطول وأعقد، القطع بتتلخبط والنتيجة بتتكسر.
• بالعصبية: «قعدت عالضفة وضليت أتفرج عالمَيّ» — مش بس فهمت السياق، كمان بتقدر تمسك أسلوب وسلاسة، لأنها بتولّد الجملة ككل مش قطع ملزقة.

أخطاء وسوء فهم شائع

• «النموذج العصبي بيفهم اللغة زي البشر»: لأ — هو بيتعلم أنماطاً إحصائية عميقة جداً من ملايين الأمثلة. النتيجة بتبين زي الفهم، بس ما في «معنى» بالطريقة اللي احنا بنعيشها.
• «الترجمة العصبية حلّت كل إشي»: ولا يهمك — النماذج العصبية بتغلط غلطة أخطر من القديمة: بتترجم غلط بثقة وسلاسة، فالغلط بيمر عليك بدون ما تحس. وباللغات اللي بياناتها قليلة، الجودة لسا بعيدة.
• «الإحصائية ماتت وانتهى دورها»: أفكارها هي الأساس — النصوص المتوازية اللي جمعوها لعقود هي نفسها وقود تدريب النماذج العصبية اليوم.

خلاصة سريعة

• الترجمة الآلية مرّت بثلاث محطات: قواعد مكتوبة يدوياً ← احتمالات من ملايين الأمثلة ← شبكات عصبية بتفهم السياق كله.
• كل محطة حلّت مشكلة اللي قبلها: القواعد ما بتغطي الاستثناءات، والإحصاء ما بيشوف الجملة كاملة.
• الـ Transformer — أساس كل نماذج اللغة الحديثة — انولد أصلاً من مشكلة الترجمة.
• الترجمة اليوم ممتازة باللغات الغنية بالبيانات… وهون بتيجي قصة الجزء الجاي: شو نعمل بالـ ٢٠٠ لغة الباقيين؟

كمّل رحلتك من هون

• الجزء التاني من السلسلة: NLLB-200 — النموذج اللي بيترجم ٢٠٠ لغة وليش مهم للعربي بالذات
• الترجمة بتتعثر باللهجات؟ اقرأ ليش الـ AI بيفهم الفصحى وبيضيع باللهجة؟
• قبل ما يترجم، النموذج بيقطّع جملتك لقطع صغيرة — شو يعني Token؟
• مصطلح مش واضح؟ افتح قاموس «شو يعني؟»

المصادر

• تجربة جورجتاون–IBM سنة ١٩٥٤ — أول عرض عام للترجمة الآلية
• Sequence to Sequence Learning with Neural Networks (2014)
• Neural Machine Translation by Jointly Learning to Align and Translate — ورقة الـ attention (2014)
• Google's Neural Machine Translation System (2016)
• Attention Is All You Need — ورقة الـ Transformer (2017)
• الرسم التوضيحي: من إعداد «شو في AI؟»