إعادة بناء اللغات الضائعة من خلال تقنيات التعلم في مجال الآلات

وفيما يتعلق باللغات المفقودة التي لا يوجد نص يذكر، يستخدم الباحثون أحيانا نهجاً شاملاً للغات، إذ يمكن مثلاً تطبيق شبكة مدربة على المراسلات السليمة بين اليونان وسانسكريت على لغة غير مثبتة، مثل لغة فيريجيان، مع التنبؤات القائمة على الأنماط العالمية التي استوعبتها، وقد استخدم هذا النهج لاقتراح إعادة إعمار عشرات الكلمات في اللغة الفريغية التي كانت تعتبر سابقاً غير قابلة للتحل.

الفيوجات الإحصاء

وتُستخدم النماذج الإحصائية في بيزيزيا، التي تُستَنَد من البيولوجيا التطورية، لبناء أشجار أسرية لغوية، وتبين هذه المقاييس كيف تتفاوت اللغات بمرور الوقت، وتسمح للباحثين بتقدير خصائص لغات الأجداد، وتُستخدم هذه الطريقة بمقارنة الخصائص الملزمة قانوناً ولغوياً عبر اللغات ذات الصلة، ثم تستخدم نماذج مركبة من طراز Markov Chain Monte Carlo غير المكتوبة لعينة على الأرجح.

وقد كانت هذه التقنية فعالة بشكل خاص بالنسبة للكتاب المروي، حيث يوجد تشت جزئي في الهواتف، ولكن لا تزال هناك علامات كثيرة غامضة، وببناء زهرة لغات نيلو - الصحراء، ومقارنة توزيعات الإشارات، تمكن الباحثون من تضييق نطاق النطق المحتمل لعدة خصائص غير مؤكدة في السابق.

التعلم في مجال النقل والتعدد اللغوي قبل التدريب

كما أن قواعد التعلم في مجال النقل قد تم تدريبها مسبقاً على كميات هائلة من البيانات النصية - أحياناً من عشرات اللغات - ثم تُحَسَّم على مجموعة صغيرة من اللغات المفقودة، وهذا أمر حاسم لأن معظم اللغات المفقودة لا توجد سوى بضع مئات أو بضعة آلاف من خصائص النص، ونموذج مُدرب قبل ذلك، وقد تعلم سمات لغوية عامة (مثل الحد الأدنى من الأصوات التي تُحدَّد في الأصل بلغات معينة، أو الهيكل النموذجي للكلمات غير مُت).

دراسات حالة في مجال إعادة البناء المهيمنة على الآلات

الصف باء والغز المينوان - البحر

وكان انحراف الخط باء في عام 1952 من قبل مايكل فينتريس علامة بارزة في اللغات التاريخية، وأظهرت فينتريس أن الخط باء سجل شكلا مبكرا من أشكال اللغة اليونانية، واستخدم مزيجا من التحليلات البكائية والأدلة المقارنة لكسر الشفرة، ولكن قريبه الأكبر سنا، الخط ألف، لا يزال يقاوم، ولا يوجد في مجموعة الطول ألف حوالي 500 1 وصفة، والكثير منها مجزأة، ولا في اللغة الأصلية.

وقد اتجهت الدراسات الحديثة للتعلم الآلي إلى الخط ألف بمعالجة المشكلة باعتبارها مهمة للمواءمة الإحصائية، بينما درب الباحثون شبكة عصبية على زوج من العلامات من الخط باء والخط ألف، باستخدام القيم الهاتفية المعروفة للخط باء كهدف تدريبي، وقد حققت الشبكة تسلسلاً للعلامات من خط ألف لتسلسل العلامات من خط باء، ومن تلك التي تُستخدم في القيم الهاتفية، وكانت النتائج توحي بأن الدلائل المصورة التي كانت تُعدّتُعدّها على الدلّة.

Mayan Hieroglyphs: Automating the Gaps

وقد تم فصل السيناريو المائي إلى حد كبير خلال القرن العشرين بفضل العمل الرائد الذي قام به يوري نوروزووف وعلماء لاحقون، غير أن العديد من التسجيلات لا تزال مضرة، وبعض اللبنات التي لا يمكن تصورها، ويجري الآن استخدام التعلم الآتي لاستعادة النص المفقود.

وفي دراسة أجريت في عام 2021، قدم الباحثون نموذجا للمحولات يستكمل مجموعة النصوص الهرجوفية المايا من الفترة الكلاسيكية، وقد تعلم النموذج استكمال الأحكام المجزأة بالتنبؤ بالجليف المفقودة، وعندما جرى اختباره على النصوص المضرورة عمدا، أعادوا قراءة القراءة بدقة تبلغ نحو 80 في المائة، مما يتجاوز كثيرا التخمين العشوائي، ويستخدم الكاتبون هذه التنبؤات كنقطة مرور أولى، ويتحققون من الكفاءة.

إعادة بناء الروت في سكالي

وقد قامت دراسة تاريخية نشرت في Proceedings of the National Academy of Sciences (2019) بتطبيق شبكة عصبية على مشكلة إعادة بناء جذور بروتو إندو - أوروبية، وقد تم تدريب الشبكة على أكثر من 000 100 مجموعة من مجموعات المعرفة من أكثر من 200 لغة من لغات الهند الأوروبية القديمة والحديثة على حد سواء.

وقد أدى هذا النجاح إلى استلهام الباحثين لتطبيق أساليب مماثلة على أسر اللغات التي لديها الكثير من الوثائق الخاصة بالفريق، وعلى سبيل المثال، فإن الأسر الأفريقية والأوسترونية لديها الآن مشاريع إعادة البناء التي تدعمها حركة التحرير، ويمكن أن تقترح النماذج نماذج للكلمات التي لم تُعاد صياغتها من قبل، مما يعرض فرضيات ملموسة يمكن أن يختبرها اللغويون الميدانيون ضد بيانات جديدة أو أدلة مقارنة.

التحديات والحدود

وعلى الرغم من وعدها، فإن التعلم الآلاتي ليس عصا سحرية لإعادة بناء اللغات الضائعة، ويواجه الميدان عدة عقبات حاسمة تحد من ما يمكن أن تحققه حركة تحرير الكونغو اليوم.

سجّالة البيانات ونوعيتها

ولا تزال معظم اللغات المفقودة قائمة إلا بعد بضع مئات من الشخصيات أو بالتسجيل الجزئي، إذ إن التدريب على نموذج متين للتعلم العميق يتطلب عادة آلاف أو حتى ملايين من نقاط البيانات، ولعمله على هذا النحو، يستخدم الباحثون تقنيات زيادة البيانات: توسيع نطاق الجسد بصورة مصطنعة عن طريق إصدار أوامر بالعلامات، أو إضافة الضوضاء الاصطناعية، أو توليد مواصف تستند إلى قواعد جمهية معروفة، ولكن احتمال الإفراط في استخدام نماذج محددة

اليونيك المقدس والحاجة إلى أنكور

ولا يمكن لبعض النصوص، مثل نص هارابان أو بروتو - إلاميت، أن تكون نصاً ثنائي اللغة معروفاً ولا توجد أسرة لغوية محددة، وبدون أي مذيع خارجي مثل لغة معروفة أو اسم مناسب يمكن قراءة نماذجها - لا يمكن أن يكشف إلا الأنماط الداخلية: ترددات الإشارة، والقيود على تحديد المواقع، وإحصاءات التكوين المشترك، ويمكن أن تكشف هذه القيم عن هيكل الكتابة.

الترجمة الشفوية والتحقيـق

إن نواتج التعلم المكبوت هي افتراضات مرجحة، وليست وقائع ثابتة، ولا يوجد قياس موحد لتقييم دقة إعادة البناء عندما تكون الحقيقة الحقيقية غير معروفة، وقد يقترح نموذجاً لقراءة هاتفية تبدو معقولة من الناحية الإحصائية، ولكنها متناقضة مع السياق الأثري أو من التطورات اللغوية اللاحقة، ولا تزال الخبرة البشرية أساسية للتحقق من اقتراحات حركة التحرير المتعددة ضد المجموعة الكاملة من المعارف التاريخية واللغوية.

مستقبل إعادة إعمار اللغات

ويوعِد العقد المقبل بتقدم كبير في إعادة بناء اللغات الآلية، معززاً بعدة اتجاهات متفاوتة في التعلم الآلاتي والإنسانيات الرقمية.

عدد قليل من المتعلمين غير المشرفين من أجل سيناريوهات منخفضة الموارد

وينشط الباحثون في تطوير التعليم المميت والتصويرات التعليمية القليلة الطلقات التي تتطلب فقط مجموعة من الأمثلة لتعميمها، ويمكن لهذه الأساليب، وفقا للخطوط الفريدة، أن تُفضي إلى قواعد مميتة ومراسلات هاتفية من أقل من ٥٠ إلى ١٠٠ طن، كما أن التعلم غير المشرف يمضي قدما: فالنماذج يمكن أن تكتشف الآن مراسلات هاتفية عبر اللغات دون أي بيانات مقترنة متماثلة، عن طريق المواءمة بين الإشارات الفضائية المعروفة.

تبادل البيانات عبر التخصصات

وتتاح مشاريع رقمنة واسعة النطاق صوراً عالية الاستبانة للتسجيلات بحرية، مثل قاعدة بيانات لينينا ] للخط ألف و] مبادرة المكتبة الرقمية العامة [وليست] نماذج إرشادية متاحة مباشرة في إطار برنامج " ليسبيكا " ، وهي نماذج يمكن أن تكون أكثر انفتاحاً.