الدرس 1 — لماذا يكون النصّ صعباً
الأرقام مرتّبة، والصور شبكات منتظمة، واللغة مبنيّة على ما لم يُقَل. وهذا هو أصل الصعوبة كلّها.
أربع طبقات من الغموض
الغموض المعجمي. الكلمة الواحدة معانٍ متعدّدة. «عين» قد تكون عضو البصر، أو نبع الماء، أو الجاسوس، أو ذات الشيء. ولا سبيل إلى التحديد إلا بالسياق.
الغموض التركيبي. الجملة الواحدة تحليلان. «رأيت الرجل بالمنظار»: هل استعملت المنظار، أم كان الرجل يحمله؟ الكلمات نفسها، والبنية غامضة.
الغموض المرجعي. «أخذ الولد الكتاب من أخيه فقرأه» — فقرأ ماذا؟ الكتاب بالتأكيد، ونحن نعرف ذلك من معرفتنا بأنّ الكتب تُقرأ والأشخاص لا يُقرأون. هذه معرفة عن العالم، لا عن اللغة.
الغموض التداولي. «ما أجمل هذا العمل!» قد تكون مدحاً أو سخرية. والحكم يتوقّف على السياق والنبرة والعلاقة بين المتحدّثين، وكلّها غائبة عن النصّ المجرّد.
«لم يستطع الرجل حمل الطاولة عبر الباب لأنّها كانت عريضة جدّاً» — وأنت تعرف أنّ الضمير ي عود إلى الطاولة. غيّر كلمة واحدة: «لأنّه كان ضيّقاً جدّاً» — ويعود الضمير إلى الباب. لا قاعدة نحوية تحلّ هذا؛ ما يحلّه هو معرفتك بأنّ الأشياء العريضة لا تمرّ في الفتحات الضيّقة.
لماذا فشلت القواعد اليدوية
مثل ما رأينا في دورة المقدّمة, المقاربة الأولى كانت كتابة القواعد: قواميس، وقواعد نحوية، وأنظمة استنتاج.
نجح ذلك في نطاقات ضيّقة جدّاً، وانهار عند أوّل ملامسة للغة الحقيقية:
- الاستثناءات لا تنتهي: كلّ قاعدة لها استثناءات، وللاستثناءات استثناءات.
- اللغة تتغيّر: مفردات جديدة كلّ سنة، واستخدامات تتحوّل.
- الواقع فوضوي: أخطاء إملائية، واختصارات، ولهجات، ورموز، وخلط لغات في الجملة نفسها.
- لا تعميم: نظام مبني للفرنسية لا ينفع للعربية، وكلّ شيء يُعاد من الصفر.
الحلّ: تعلّم المعنى من الاستخدام
المقاربة التي نجحت تقوم على فكرة لغوية قديمة: معنى الكلمة يُستنتج من الكلمات التي تصحبها.
إذا رأى النموذج ملايين الجمل التي تظهر فيها كلمة «طبيب»، وكانت تحيط بها كلمات مثل «مريض» و«عيادة» و«علاج» و«وصفة»، فهو يتعلّم موضع هذه الكلمة في شبكة المعاني دون أن يعرّفها أحد.
هذه هي الفكرة التي أنتجت التمثيلات المتّجهية، ثمّ النماذج السياقية، ثمّ النماذج اللغوية الكبيرة. والدرسان القادمان يفصّلانها.
خصوصيات اللغة العربية
العربية تضيف تحدّيات حقيقية، ومعرفتها تفسّر كثيراً من أخطاء النماذج:
الاشتقاق الغني. من الجذر «كتب» تتفرّع: كتب، كاتب، مكتوب، كتاب، مكتبة، اكتتاب، استكتاب. النموذج الذي يعالج الكلمات ككيانات مستقلّة يرى هذه كلمات مختلفة تماماً، فيهدر البنية المشتركة.
التشكيل الغائب. «علم» قد تُقرأ عِلْم أو عَلَم أو عَلِمَ أو عُلِّمَ. والنصّ المكتوب لا يحسم، والقارئ البشري يحسم بالسياق.
الالتصاق. «وبكتابهم» كلمة واحدة تحتوي حرف عطف وحرف جرّ واسماً وضميراً. والتقطيع بالمسافات وحده يعطي وحدة واحدة تحمل أربع معلومات نحوية.
الفصحى واللهجات. العربية المكتوبة الرسمية تختلف عن العربية المستخدَمة في وسائل التواصل، والفروق بين اللهجات كبيرة إلى حدّ يجعل نموذجاً مدرَّباً على الفصحى ضعيفاً على تعليقات المستخدمين.
هذه الخصائص تجعل التقطيع إلى وحدات فرعية — موضوع الدرس القادم — أكثر أهمّية في العربية منه في الإنجليزية، لأنّه يستعيد جزءاً من البنية الصرفية تلقائياً. وتجعل أيضاً جودة بيانات التدريب العربية العامل الحاسم في جودة النموذج، أكثر من المعمارية.
الاختبار العملي: ما يمكن أتمتته وما لا يمكن
بعد فهم مستويات الغموض، يصبح لديك معيار عملي:
| المهمّة | صعوبتها الحقيقية | أتمتة موثوقة؟ |
|---|---|---|
| تصنيف تذاكر إلى أقسام | غموض معجمي محدود | نعم، بجودة عالية |
| استخراج مبلغ وتاريخ من فاتورة | بنية متوقّعة | نعم |
| تحليل مشاعر تعليق واضح | غموض تداولي محدود | نعم، مع نسبة خطأ |
| كشف السخرية | غموض تداولي عالٍ | ضعيف، بشر يختلفون فيه أيضاً |
| فهم عقد قانوني كاملاً | يحتاج معرفة بالعالم واستدلالاً | لا، مساعدة فقط |
| الإجابة عن سؤال يحتاج استنتاجاً متعدّد الخطوات | استدلال | غير موثوق |
القاعدة التي تُستخلص: كلّما اقتربت المهمّة من التصنيف والاستخراج نجحت الأتمتة، وكلّما اقتربت من الاستدلال والفهم العميق احتاجت إنساناً في الحلقة.
في ثلاث جم ل
اللغة غامضة على أربعة مستويات — معجمي وتركيبي ومرجعي وتداولي — وكثير من الجمل لا يُفهم إلا بمعرفة عن العالم لا عن اللغة. ولهذا فشلت القواعد اليدوية ونجحت مقاربة تعلّم المعنى من السياق الإحصائي. والعربية تضيف الاشتقاق الغني وغياب التشكيل والالتصاق وتعدّد اللهجات، وهذا يجعل التقطيع إلى وحدات فرعية وجودة البيانات العربية عاملين حاسمين.
التالي — الدرس 2: التقطيع إلى رموز ←