القدرة 04 · اللغة
العربية لغةً أولى
معالجة اللغة العربية
مبنيّة للعربية من البيانات صعوداً، لا مترجمة في آخر الطريق.
في فقرة واحدة
تبني سيادة تك معالجة اللغة العربية في كل نظام تُطلقه: استخراج وتصنيف وبحث وتوليد تتعامل مع صرف العربية وتشكيلها واختلاف إملائها والنصوص المختلطة بالإنجليزية بوصفها حالات أساسية لا استثناءات. وتُقاس العربية والإنجليزية كلٌّ على حدة، فلا تختبئ جودة العربية خلف متوسط إنجليزي.
- معالجة عربية أصيلة
- النصوص القانونية والتنظيمية
- مخرجات باللغتين
٠١ما هو
الطبقة اللغوية تحت منتجاتنا وأنظمة عملائنا: التطبيع، والتقطيع، واستخراج الكيانات والحقول، والتصنيف، وضبط الاسترجاع، والتوليد بالعربية، من عربية الأنظمة واللوائح الرسمية إلى عربية رسائل العملاء غير الرسمية.
٠٢لمن هو
- الجهات التي تغلب العربية على وثائقها ونماذجها وعملائها
- الفرق التي يعمل ذكاؤها الاصطناعي جيداً بالإنجليزية ويخيّب الآمال بالعربية
- الجهات الحكومية والخاضعة للتنظيم التي تصدر نصوصاً عربية رسمية
٠٣المشكلة
يُبنى معظم الذكاء الاصطناعي بالإنجليزية ثم يُترجم في آخر الطريق، فتأتي العربية متأخرة: كلمات تُقطَّع في غير موضعها، وتشكيل واختلاف إملائي يُعامَلان كأنهما كلمات مختلفة، وخلطٌ بين الفصحى والعامية، وفجوة في الجودة لم يقسها أحد لأن الاختبار اقتصر على الإنجليزية.
٠٤كيف يعمل
-
٠١
نجمع مدخلات عربية حقيقية من مسار العمل
وثائق ونماذج ورسائل وأسئلة.
-
٠٢
نطبّع النص ونقطّعه بقواعد ونماذج تناسب صرف العربية وإملاءها.
-
٠٣
نضبط الاستخراج والتصنيف والاسترجاع على أمثلة عربية، لا على أمثلة إنجليزية مترجمة فقط.
-
٠٤
نولّد العربية أصالةً وفق القيود نفسها التي تحكم الإنجليزية، لا ترجمةً عنها.
-
٠٥
نقيس العربية والإنجليزية كلّاً على حدة في كل جولة تقييم.
٠٥أين يعمل
- مبنية داخل الأنظمة التي نسلّمها، لا تُباع نموذجاً منفصلاً
- تعمل داخل بيئة العميل مع بقية النظام
- تعمل مع نماذج مستضافة أو ذاتية الاستضافة، بحسب ما تقتضيه قواعد البيانات لدى العميل
٠٦الأمن والبيانات
- يُعالج النص العربي حيث تقيم بقية البيانات: داخل بيئة العميل
- البيانات الشخصية في الوثائق العربية تُعالج وفق نظام حماية البيانات الشخصية
- نتائج التقييم لكل لغة تُحفظ مع سجل الإصدار
٠٧الأدلة
ما نقيسه هنا. ننشر النتائج حين يكتمل لكلٍّ منها منهج معلن وحجم عينة وتاريخ تقييم. كيف ننشر الأدلة
- دقة الاستخراج العربي على مجموعات اختبار بمستوى الحقول
- فجوة الجودة بين العربية والإنجليزية لكل إصدار
- تغطية اللهجات في مجموعات اختبار رسائل العملاء
٠٨حدوده، بوضوح
- اللهجات غير الرسمية متباينة جداً؛ نقيس تغطيتها في كل نشر ولا نفترضها.
- العربية الممسوحة ضوئياً تحتاج تعرّفاً ضوئياً بجودة كافية قبل أن تفيد أي معالجة لغوية.
- لا ندّعي التكافؤ مع الإنجليزية في كل مهمة؛ وننشر الفجوة حين نقيسها.
?يُسأل كثيراً
أسئلة
ماذا تعني العربية الأصيلة عملياً؟
أن الأمثلة العربية حاضرة في البيانات والاختبارات والتصميم منذ البداية، وأن المخرج العربي يُولَّد توليداً لا يُترجم عن الإنجليزية.
هل تتعاملون مع اللهجات؟
الفصحى هي الأساس. وتُضاف لهجات رسائل العملاء إلى مجموعة الاختبار في كل نشر، وتُقاس تغطيتها ولا تُفترض.
هل يقرأ النصوص القانونية والتنظيمية العربية؟
نعم. وحُكم-AI مبني على ذلك تحديداً: العربية القانونية والتنظيمية الرسمية.
كيف تثبتون جودة العربية؟
كل جولة تقييم تقيس العربية والإنجليزية كلّاً على حدة، فتظهر نتيجة العربية مستقلة.
هل تدرّبون نموذجاً لغوياً خاصاً بكم؟
نختار النماذج ونكيّفها لكل نشر، مستضافة كانت أو ذاتية الاستضافة، بحسب قواعد بياناتكم. ونذكر اسم النموذج في سجل الإصدار، لا في المواد التسويقية.
أرونا أين يتعثّر ذكاؤكم الاصطناعي بالعربية
أحضروا المدخلات العربية التي يخطئ فيها نظامكم الحالي. نقيس الفجوة قبل أن نقترح أي شيء.
آخر مراجعة · فريق الهندسة في سيادة تك