الخريطة: اللسانيات الحاسوبية كحقلٍ بحثي
النقاط المضيئة خلف هذا العنوان ليست زخرفة — إنها محاكاة لِما يحدث للغة داخل النموذج: كلماتٌ تصير نقاطًا في فضاء، وقربُها من بعضها هو «المعنى». هذه الجلسة خريطة ذلك الفضاء: صراعاته الفكرية، ومشكلاته المفتوحة، وموقع العربية — وموقعكم — منه.
مخرجات الجلسة — ستغادرون وبحوزتكم:
- موقفًا مُسبَّبًا من السؤال المؤسِّس: ما الذي «تفهمه» النماذج اللغوية فعلًا؟
- خريطة مهام الحقل مصنّفةً بحالتها البحثية: محلولة / جزئية / مفتوحة.
- آليات إنتاج المعرفة في الحقل: المؤتمرات، والـ preprints، والـ benchmarks.
- جردًا محدَّثًا لمشهد الـ Arabic NLP حتى ٢٠٢٦: النماذج السيادية، والمختبرات، والفجوات.
كيف تقرأ هذه الصفحة
- الصفحة تفاعلية: اضغط أزرار الترشيح في لوحة الحالة، وراقب العناصر المتحركة — ليست زخرفة، كلٌّ منها يشرح فكرة.
- كلما رأيت صندوقًا بعنوان «جرّبها بنفسك» أو «افعلها الآن»، توقّف ونفّذ فعلًا — دقيقتان هناك تساويان صفحةً من القراءة.
- افتح دفترًا جانبيًا وسجّل فيه كل سؤالٍ يخطر لك ولم تجد جوابه هنا. هذا الدفتر هو نواة موضوع رسالتك، وسنعود إليه في الجلسة الثانية.
الافتتاحية: لغزان بدل التعريف
نظامٌ «يكتب» أطروحاتٍ بلغة سليمة ويترجم بين مئة لغة. لنختبره في مهمتين من عُدّة طالبِ السنة الأولى بكلية الألسن — وليكن المبدأ المنهجي واضحًا من البداية: نحن لا نصطاد أخطاء؛ نحن نرسم حدود قدرةٍ، وهذا عملٌ علمي.
◂ اللغز الأول: «عَقَدَ» مبنيًا للمعلوم يجعل المجلس فاعلَ العقد — والأرجح «عُقِدَ» (انعقد اجتماعُه). قرارٌ يتطلب تحليلًا نحويًا‑دلاليًا‑إحاليًا متزامنًا، والنموذج حسمه دون أن «يتردد».
◂ اللغز الثاني أعمق: المشكلة ليست في اختيار المرجع، بل في الثقة الزائفة — إخفاءُ الالتباس أخطر معرفيًا من الخطأ الصريح، لأنه يوهم المستخدم بيقينٍ لا وجود له. قياس «معايرة الثقة» (calibration) في النماذج مجالٌ بحثي قائم بذاته.
◂ الخلاصة المؤسِّسة: الفجوة بين الطلاقة (fluency) والكفاءة اللغوية العميقة هي المساحة البحثية التي يعمل فيها هذا الحقل اليوم — وهي المساحة التي ستُكتب فيها رسائلكم.
افتح أي نموذج لغوي الآن، واطلب منه اللغزين بنصّهما. ثلاثة احتمالات، وكلّها مفيدة لك:
◂ أخطأ: رأيتَ الفجوة بعينك — سجّل الخطأ حرفيًا في دفترك.
◂ أصاب: نتيجة أثمن. أعد الطلب بصياغةٍ مختلفة قليلًا («شكّل الجملة» بدل «اضبطها بالشكل») وراقب هل تبدّل الناتج. تبدّلُ الإجابة مع ثبات المعنى ظاهرةٌ اسمها عدم الثبات (robustness)، وهي بذاتها موضوع أوراقٍ منشورة.
◂ أصاب وثبت: جرّب جملةً أصعب من عندك، فأنت الآن تصمّم اختبارًا — وهذا بالضبط ما يفعله الباحثون.
ما هذا الحقل؟ ولماذا العربية تحديدًا؟ وبأيّ كتابٍ نبدأ؟
رأيتَ المشكلة في اللغزين أعلاه؛ الآن نُسمّي الحقل الذي يدرسها، ونبيّن لماذا موقعُك فيه — بوصفك عربيًا — موقعٌ نادر، وبأيّ مرجعٍ تبدأ رحلتك فيه.
١. التعريف — ثلاثة تعريفات لا واحد
في العلوم الشابة لا يوجد تعريفٌ واحد مقدَّس، بل تعريفاتٌ لكلٍّ منها مدرسة. وأول ما يميّز طالب الدراسات العليا أنه يسأل «مَن عرّف؟» قبل أن يسأل «ما التعريف؟». إليك الثلاثة بترتيبٍ مقصود:
اللسانيات الحاسوبية هي الدراسة العلمية للغة من منظورٍ حاسوبي؛ ويُعنى الباحث فيها ببناء نماذج حاسوبية للظواهر اللغوية المختلفة — نماذجَ إمّا قائمةً على المعرفة (مصنوعة يدويًا) أو مقودةً بالبيانات (إحصائية/تجريبية).
لماذا نبدأ به؟ لأنه تعريف الجمعية العلمية الأم للحقل، وهي التي تنظّم مؤتمر ACL وتُصدر دورية Computational Linguistics. ولاحظ تفصيلًا تاريخيًا يعنيك مباشرةً: الجمعية تأسست عام ١٩٦٢ باسم «جمعية الترجمة الآلية واللسانيات الحاسوبية» — أي أن هذا الحقل وُلد من رحم مشكلة ترجمة. تخصّصك ليس ضيفًا عليه؛ هو في صميم نشأته.
لا يفصل الكتاب بين التخصصات الثلاثة، بل يعرضها بوصفها مجالًا واحدًا موحّدًا: معالجة اللغة الطبيعية، واللسانيات الحاسوبية، والتعرف على الكلام — تُقرأ جميعًا اليوم من خلال النماذج اللغوية.
والدليل في العنوان نفسه: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models. إضافةُ عبارة «مع النماذج اللغوية» في الطبعة الثالثة ليست تحريرًا شكليًا — إنها إعلان موقف: النماذج اللغوية صارت العدسة التي يُقرأ بها الحقل كله.
اللسانيات الحاسوبية هي الحقل الذي يحوّل المعرفة اللغوية إلى تمثيلاتٍ وإجراءاتٍ قابلة للحساب، ثم يستثمر ذلك في اتجاهين: بناء أنظمة تعالج اللغة، واختبار فرضياتنا عن اللغة نفسها.
فائدته لك: يوضّح أن أمامك مسارين — مسارًا يتجه إلى الصناعة (أبني نظامًا يعمل)، ومسارًا يعود إلى العلم (أفهم اللغة أعمق). والتقاطع بينهما هو أخصب مكانٍ للبحث.
فرقٌ لا بد أن تضبطه من اليوم الأول
| المصطلح | السؤال المركزي | مثال |
|---|---|---|
| Computational Linguistics لسانيات حاسوبية (علم) | كيف تساعدني النمذجة الحاسوبية على فهم اللغة؟ | نمذجة الصرف العربي لتفسير كيف يولّد المتحدث آلاف الصيغ من جذرٍ واحد |
| Natural Language Processing معالجة اللغات الطبيعية (هندسة) | كيف أبني نظامًا يشتغل على اللغة؟ | نظام يصنّف شكاوى العملاء أو يترجم عقدًا |
| Speech Technology تقنيات الكلام | كيف أتعامل مع اللغة المنطوقة؟ | نظام يحوّل تسجيلًا صوتيًا إلى نص |
القاعدة المختصرة: إن بدأ السؤال بـ«لماذا اللغة هكذا؟» فأنت في اللسانيات الحاسوبية؛ وإن بدأ بـ«كيف أجعل النظام يفعل هذا؟» فأنت في الـ NLP. وأجود الأبحاث اليوم تسأل السؤالين معًا.
٢. لماذا دراسته في العربية تحديدًا؟ — خمسة أسباب
أربع خصائص تجعل العربية حالةً اختباريةً قاسية لأي نظرية حاسوبية: الصرف القالبي (جذر متقطّع + وزن، بخلاف الإلصاق الخطي في الإنجليزية)، وغياب التشكيل (الرسم الواحد يحتمل قراءاتٍ عدة — انظر «علم» في القسم التالي)، والازدواجية اللغوية (فصحى للكتابة وعاميات للكلام)، واللواصق التي تجعل «حدّ الكلمة» مفهومًا ملتبسًا. أي نظريةٍ تصمد أمام العربية نظريةٌ أقوى — ولهذا تُعَدّ نتائج الأبحاث العربية مساهمةً عامة في الحقل لا محليةً فحسب.
في اللغات الغنية بالموارد صار كل شيءٍ تقريبًا مبنيًا، ومساهمة الباحث الجديد تُقاس بكسور النقطة المئوية. في العربية — وخصوصًا لهجاتها — لا تزال هناك موارد لم تُبنَ بعد: مدوّنات موسومة، ومعايير تقييم، ومجموعات تحدٍّ. أن تكون أول من يبني موردًا أثمن — وأكثر استشهادًا — من أن تكون الألف في تحسين نموذج.
خلال السنوات الأخيرة دخلت المنطقة عصر بناء نماذجها الوطنية (Jais في الإمارات، ALLaM في السعودية، Fanar في قطر، وغيرها). هذه المشاريع تستهلك خبرةً لغوية بشرية بكثافة: بناء بيانات التدريب، والوسم، وتصميم معايير التقييم، واختبار السلوك اللغوي والثقافي. الطلب على من يعرف العربية من الداخل في ذروته الآن — لا بعد عشر سنوات.
المهندس يحتاج سنواتٍ ليستوعب الصرف العربي وأحكام الإعراب وفروق اللهجات؛ وأنت تحتاج شهورًا لتتقن أدواته الأساسية. المعادلة في صالحك — بشرط أن تتحرك. وتذكّر ما سترى في القسم الأخير: حتى الـ tokenizer صار يُبنى اليوم على وعيٍ صرفي، وهذه معرفةٌ لسانية لا برمجية.
كل قرارٍ تقني في معالجة العربية هو قرارٌ لغوي مُقنَّع: أيّ تطبيعٍ نطبّق؟ أيّ لهجةٍ نُدرج؟ أيّ معيارٍ نقيس عليه؟ إن لم يتّخذ هذه القرارات من يعرف العربية، اتّخذها من لا يعرفها — وستُمثَّل لغتنا رقميًا بقراراتِ غيرنا. المسألة ليست فرصةً مهنية فحسب؛ فيها بُعدٌ يخصّ من يملك تمثيل لغته في الفضاء الرقمي.
٣. الكتاب المرجع — من أين تبدأ؟
Speech and Language Processing — Daniel Jurafsky & James H. Martin
3rd edition · مسوّدة مجانية كاملة على موقع المؤلفَين بجامعة ستانفورد
هذا هو الكتاب الذي يُدرَّس منه في برامج الماجستير حول العالم، ويُشار إليه اختصارًا بـ«J&M». ثلاث ميزات تجعله خيارك الأول:
- مجاني ومتاح بالكامل — فصولًا بصيغة PDF، ومعها شرائح عرضٍ جاهزة لمعظم الفصول يسمح المؤلفان باستخدامها في التدريس.
- يُحدَّث باستمرار — الطبعة الثالثة أُعيد بناؤها لتستوعب عصر النماذج اللغوية، وصارت في مجلدين: الأول عن النماذج اللغوية، والثاني عن وسم البنية اللغوية (الصرف والنحو والدلالة والإحالة والخطاب).
- يجمع النظرية بالتطبيق — يشرح الظاهرة اللغوية أولًا ثم نمذجتها الحاسوبية، وهو ترتيبٌ يناسب القادم من اللسانيات لا العكس.
| الترتيب | الفصل | لماذا هنا |
|---|---|---|
| ١ | Ch. 2 — الكلمات والتقطيع | أول أدواتك العملية: التعبيرات النمطية، وتطبيع النص، والتقطيع. تطبيقه على العربية مباشر |
| ٢ | Ch. 3 — نماذج N-gram | أول إجابة رياضية عن سؤال «ما احتمال هذه الجملة؟» — وكل ما بعده مبنيٌّ عليه |
| ٣ | Ch. 5 — التمثيلات المتجهية | الفصل المفصلي: كيف يصير المعنى أرقامًا. وأساسه النظري لسانيٌّ خالص (الفرضية التوزيعية) |
| ٤ | Ch. 6 — الشبكات العصبية | الأساس الذي تُبنى عليه بنية الـ Transformer لاحقًا |
تحذير من خطأ شائع: لا تقفز إلى فصول الـ Transformers والنماذج الضخمة مباشرةً لأنها «الموضوع الساخن». من يبني الأساس يفهم البناء؛ ومن يبدأ من القمة يحفظ مصطلحاتٍ دون أن يمتلكها.
◂ ACL Anthology: أرشيف أوراق الحقل كاملًا ومجانًا — مكتبتك البحثية.
◂ وثائق أدوات العربية (مثل CAMeL Tools): تجمع بين الشرح النظري والتطبيق العملي على العربية.
◂ ورقة مسحية حديثة عن Arabic NLP من الـ Anthology أو arXiv: تختصر عليك سنواتٍ في رسم خريطة ما أُنجز وما لم يُنجز.
لماذا هذا الحقل صعب؟ ثلاثة أحرف تكفي للجواب
قبل الخوض في تاريخ الحقل وفلسفته، دليلٌ حسّي واحد على حجم المشكلة. أمامكم ثلاثة أحرف — رسمٌ كتابي واحد يحمل ستّ هويات لغوية كاملة، ولا شيء يفصل بينها إلا حركاتٌ غائبة عن النص المكتوب:
الآن الأرقام التي تجعل من هذه الظاهرة كارثةً حاسوبية: الفعل الإنجليزي له في المتوسط ٤–٥ صيغ كتابية؛ الجذر العربي الواحد يولّد آلاف الصيغ بالاشتقاق والإلصاق — وكل صيغةٍ قد تحتمل قراءاتٍ عدة بلا تشكيل. النتيجتان الحاسوبيتان: تناثر البيانات (معظم الصيغ نادرة في أي مدونة مهما ضخُمت) والغموض المضاعف (على المحلل أن يختار قراءةً من بينها بالسياق وحده).
والكلمة الواحدة قد تكون جملةً كاملة — شاهدوا بأنفسكم:
لأن هذين العرضين يعيدان تعريف موقعكم: كل صعوبةٍ رأيتموها الآن تعني أن الحلول المبنية للإنجليزية تعمل أسوأ على العربية — وأن مَن يعرف العربية من الداخل (صرفَها ونحوَها ولهجاتِها) يملك أندرَ مهارةٍ في هذا الحقل، لا أكثرَها فائضًا. سنعود لهذه النقطة بأدلةٍ مؤسسية في ختام الجلسة.
سبعون عامًا في موجتين ونصف — ثم الصراع الذي لم يُحسم
تاريخ الحقل ليس تعاقُب تقنيات بل صراعٌ إبستمولوجي حول سؤالٍ واحد: ما الذي يُعَدّ «تفسيرًا علميًا» للغة؟ راقبوا الخيط الذهبي وهو يتحول تيليًا (أخضر البحر) عند لحظة التحول العصبي:
تجربة Georgetown–IBM: الوعد الأول
أول عرضٍ علني للترجمة الآلية: نيّفٌ وستون جملة من الروسية إلى الإنجليزية، بمعجمٍ من ٢٥٠ كلمة وست قواعد نحوية فقط. الصحافة بشّرت بحل الترجمة الآلية «خلال ثلاث إلى خمس سنوات» — وأخذت الرحلة ستين عامًا. درسٌ افتتاحي في تواضع التنبؤ داخل هذا الحقل.
الصدمة المزدوجة: تقرير ALPAC وبرنامج ELIZA
تقرير ALPAC الحكومي الأمريكي أعلن تعثّر الترجمة الآلية وقطع تمويلها — أول «شتاءٍ» للحقل. وفي العام نفسه بنى Weizenbaum برنامج ELIZA: محاكي معالجٍ نفسي يعمل بقواعد استبدالٍ نصية بسيطة، فتعلّق به الناس عاطفيًا حتى فزع مبتكرُه. أول درسٍ موثّق في قوة إيهام الطلاقة — وهو الدرس الذي عاد بقوةٍ مضاعفة عام ٢٠٢٢.
مشروع IBM Candide: الانقلاب المنهجي
بدل كتابة قواعد الترجمة يدويًا: دَع الآلة تتعلّمها من ملايين الجمل المترجمة فعلًا — محاضر البرلمان الكندي ثنائية اللغة. الاحتمال بدل القاعدة، والمدونة بدل الحدس. ومن هذا العصر المقولة المنسوبة إلى Jelinek عن تحسّن الأنظمة كلما قلّ الاعتماد على اللغويين — سنقلبها رأسًا على عقب في ختام الجلسة.
word2vec: الكلمة تصير متجهًا
فريق Mikolov في Google يحوّل «معنى» الكلمة إلى متجه أرقامٍ متعلَّمٍ من سياقاتها — التجسيد الرقمي لمقولة اللساني Firth: تُعرَف الكلمة بصحبتها. لأول مرة «تعرف» الآلةُ أن ملكًا أقرب إلى سلطانٍ منه إلى ملعقة، دون أن يخبرها أحد.
ورقة Attention Is All You Need: ميلاد الـ Transformer
البنية التي يقوم عليها كل ما تلاها — BERT وGPT وClaude والنماذج العربية السيادية جميعًا. جوهرها الذي يهمّكم: آلية «الانتباه» تُقدّر ديناميكيًا أيُّ الكلمات في السياق أهمّ لتفسير كلٍّ منها — نمذجةٌ صريحة للاعتماد السياقي الذي تعرفونه لسانيًا.
ChatGPT: الحقل يغادر المختبر
النموذج اللغوي يصير منتجًا جماهيريًا، ومرحلة «ما بعد التدريب» بالتقييم البشري (RLHF) تصير صناعةً قائمة — صناعةٌ عمودُها الفقري أحكامٌ لغوية بشرية. وتذكّروا ELIZA ١٩٦٦: سؤال «إيهام الطلاقة» عاد، لكن على نطاق مئات ملايين المستخدمين.
المناظرة الكبرى: تشومسكي × نورفيغ (٢٠١١) — ولمّا تُحسم
المعسكر العقلاني
النجاح الإحصائي في محاكاة السلوك اللغوي ليس فهمًا علميًا — إنه وصفٌ بلا نظرية.
◂ هدف العلم تفسيرُ الكفاءة اللغوية بوصفها نظامًا معرفيًا، لا التنبؤ بالأداء السطحي.
◂ النموذج الذي «ينجح» دون أن نفهم لماذا، كفيزياء تتنبأ بلا قوانين.
◂ موقفه من الـ LLMs اليوم امتدادٌ مباشر: براعةٌ هندسية، لا نظريةَ لغة.
المعسكر التجريبي
اللغة الحقيقية احتماليةٌ غامضة متغيرة — والنماذج الاحتمالية وصفُها الأصدق لا حيلةٌ هندسية.
◂ معيار النظرية العلمية قدرتها التنبؤية على بياناتٍ لم ترها — معيارٌ راسخ في كل العلوم.
◂ الجمل «المثالية» تجريدٌ؛ العلم يبدأ من اللغة كما تقع فعلًا.
◂ ردّه المكتوب على تشومسكي (On Chomsky and the Two Cultures) قراءةٌ إلزامية في هذه السلسلة.
الجولة المعاصرة: هل «تفهم» النماذج؟ — خذوا مواقعكم
| الموقف | الحجة المركزية | مدخل القراءة |
|---|---|---|
| «الببغاء العشوائي» Bender وزميلاتها | النموذج يخيط أنماطًا سطحية من بيانات تدريبه دون قصدٍ أو إحالة — الطلاقةُ وهمُ فهمٍ نُسقطه نحن عليه | ورقة Stochastic Parrots (FAccT 2021) |
| حجة الأخطبوط Bender & Koller | تجربة فكرية: كائنٌ يعترض كابلًا بحريًا ويُتقن أنماط المحادثة دون أي صلةٍ بالعالم — أيّ «فهمٍ» هذا؟ الشكل وحده لا يبلغ المعنى | Climbing towards NLU (ACL 2020) |
| الموقف المضاد: التمثيلات الناشئة | تجارب الاستنطاق (probing) تكشف داخل النماذج تمثيلاتٍ بنيوية حقيقية — نحوًا وإحالةً وأنساقًا شبيهة بنماذج عالمٍ جزئية. القصة أعقد من ببغاء | أدبيات probing/interpretability — سنمارسها بأيدينا في الجلسة الثانية |
لأنه جدلٌ لساني-فلسفي في جوهره (ما المعنى؟ ما الإحالة؟ ما الكفاءة؟) يجري في قلب حقلٍ هندسي يفتقر غالبًا إلى عُدّتكم النظرية — ولاحظوا أن أشهر أوراق النقد في العقد الأخير كتبتها لسانِيةٌ (Emily Bender). أنتم لا تدخلون الحقل ضيوفًا؛ تدخلونه وقد احتاج أدواتِكم بالاسم.
خريطة المهام كلوحة حالةٍ بحثية — رشِّحوها بأنفسكم
في مستوى الدراسات العليا لا يكفي جدول «المستويات والمهام»؛ المهم العمود الثالث: الحالة البحثية. الباحث لا يذهب حيث الأخضر — يذهب حيث الأصفر والأحمر:
«محلولة» = الأداء على المعايير المتاحة تشبّع — عبارةٌ محمّلة: مَن بنى المعيار؟ على أيّ لغةٍ وأيّ نطاق؟ تشبّع المعيار قد يعني استنفادَ المعيار لا حلَّ المشكلة. نقدُ المعايير — لا سيما العربية منها — مساهمةٌ بحثية منشورة بذاتها، وسنعود إليه عمليًا في الجلسة الثانية.
سوسيولوجيا الحقل: كيف تُنتَج المعرفة هنا؟
هذا لا يُدرَّس في الكتب، وجهلُه يكلّف الوافد من العلوم الإنسانية سنةً من الارتباك. أولًا: أرقامُ الحيّ الذي تنتقلون إليه —
الصدمة الأولى: المؤتمر أهم من الدورية
في حقولكم الأم، الدورية المحكّمة ذروةُ النشر والمؤتمر هامش. هنا العكس: أوراق المؤتمرات الكبرى كاملةُ التحكيم وهي العملة الأكاديمية الأولى:
| المستوى | الاسم | ما يعنيكم |
|---|---|---|
| قمة الحقل | ACL · EMNLP · NAACL | ورقةٌ واحدة هنا بوابةٌ لأي برنامج دكتوراه في العالم |
| الموارد والتقييم | LREC · COLING | الأقرب لمزاج اللسانيين: مدوناتٌ ومعاييرُ وتوصيف موارد |
| بيت العربية | ArabicNLP (WANLP سابقًا) | المؤتمر المتخصص بالعربية — نقطةُ نشرِكم الأولى الواقعية |
الصدمة الثانية: دورة حياة الورقة تمرّ بـ arXiv
الصدمة الثالثة: الـ benchmark ساحةُ النزال
الادعاء العلمي لا يُحسم بالحجاج بل بالقياس العلني القابل للتكرار: نموذجُك ضد خطوط الأساس على معيارٍ مشترك. ومن هنا خطورة سؤال «مَن يبني المعيار؟» — فمن يبنيه يرسم حدود ما يُرى. لاحظ الحلقة المكتملة: بناء المعايير يحتاج وسمًا لغويًا رشيدًا... وهذه صنعتُكم.
افتح ACL Anthology الآن وابحث عن: Arabic diacritization. تصفّح أحدث ثلاث نتائج وسجّل عناوينها — هذه أول خطوةٍ في مراجعة أدبياتٍ حقيقية، وسنشرّح إحداها تشريحًا كاملًا في الجلسة الثانية.
مشهد الـ Arabic NLP حتى ٢٠٢٦ — جردٌ أمين ومحدَّث
لا تهويل ولا تهوين. الخبر الأهم الذي ربما فاتكم: العربية دخلت عصر «النماذج السيادية» — دولٌ تبني نماذجَها الوطنية باستثماراتٍ ضخمة، وكلُّها تتنافس على نُدرةٍ واحدة: خبراء اللغة.
النماذج العربية الكبرى — خريطة ٢٠٢٦
| النموذج | الجهة | ما يميّزه بحثيًا |
|---|---|---|
| Jais / Jais 2 | Inception (G42) — أبوظبي | من أوائل النماذج المبنية من الصفر للعربية؛ الجيل الثاني وصل فئة الـ 70B بأوزانٍ مفتوحة |
| ALLaM | SDAIA / HUMAIN — السعودية | مشروع وطني بمشاركة مئات الخبراء وبيانات تدريبٍ من فئة تريليونات التوكِنز — نموذج «الرهان السيادي» الأوضح |
| Fanar | قطر (بمشاركة QCRI) | الأهم لكم: طوّر tokenizer واعيًا بالصرف اسمه MorphBPE — فكرة «التقطيع الصرفي» التي سنناقشها كموضوع رسالةٍ صارت منتجًا فعليًا |
| Falcon Arabic | TII — أبوظبي | نماذج خفيفة تعمل على عتادٍ استهلاكي — مسار «الديمقراطية الحاسوبية» للعربية |
| Atlas-Chat | مجتمع بحثي — المغرب | أول نماذج مفتوحة للدارجة المغربية — دليلٌ حي أن «فجوة اللهجات» تُسدّ بمبادراتٍ بحجم رسالة دكتوراه |
كل صفٍّ فيه فريقٌ يوظّف: بناءُ بيانات التدريب والتقييم لهذه النماذج يستهلك لسانيين بالعشرات — في الوسم، والتحكيم، وتصميم المعايير، والـ red teaming الثقافي واللغوي. المسار الأكاديمي والمسار المهني في هذا الحقل بابهما واحد.
البنية التحتية البحثية
| الفئة | الموارد | تقييم صريح |
|---|---|---|
| التحليل الصرفي والتقطيع | CAMeL Tools · Farasa · MADAMIRA | ناضجة وموثوقة للفصحى؛ أضعف على اللهجات |
| المدونات الموسومة | Penn Arabic Treebank · مدونات UD العربية | موجودة لكنها أصغر بكثير من نظيراتها الإنجليزية — والوسم مكلف: فرصتكم |
| معايير التقييم العربية | ArabicMMLU · ACVA · ArabLegalEval | موجةٌ جديدة من معايير عربية أصيلة — ونقدُها وتوسيعُها بابٌ بحثي مفتوح |
مَن يعمل أين — عناوين تراسلونها فعلًا
CAMeL Lab
المرجع العالمي في المعالجة العربية: أدوات ومدونات ولهجات — برامجه وزياراته البحثية هدفٌ واقعي.
QCRI
وراء Farasa وأعمال اللهجات، وشريكٌ في Fanar — تدريبٌ وتعاون بحثي نشط.
فرق النماذج السيادية
Jais وALLaM وFanar وFalcon — طلبٌ فعلي متصاعد على لسانيين للبيانات والتقييم.
الجامعات المصرية
مجموعات NLP متنامية — خيار الدراسات العليا الأقرب، مع إمكان تعاونٍ بحثي عن بُعد.
ختام الجلسة — قلبُ مقولة Jelinek
في الموجة الأولى كتب اللسانيُّ القواعدَ بيده؛ وفي الثانية قيل «كلما خرج لسانيٌّ تحسّن الأداء». واليوم انقلبت الآية على نحوٍ موثّق: النماذج تتعلم من بياناتٍ يصنعها ويقيّمها بشر، ومرحلة ما بعد التدريب قائمةٌ على أحكامٍ لغوية، والنماذجُ السيادية العربية توظّف اللسانيين بالاسم، وحتى الـ tokenizer صار يُبنى على وعيٍ صرفي (MorphBPE). دورُ اللساني لم يَعُد كتابة القواعد — بل هندسة المعرفة اللغوية التي تتغذى عليها النماذج، ومساءلتَها حين تدّعي ما لا تملك.
الواجب التمهيدي للجلسة الثانية مبنيٌّ على مهاجمة هذه الأطروحة أو الدفاع عنها — انظر التدريب الرابع.
تدريبات الجلسة الأولى
تدريب ١ — موقعك من المناظرة (١٠ دقائق — ناقشه مع زميل إن أمكن)
حجة الأخطبوط: مَن يتعلم الشكل وحده لا يبلغ المعنى. ونتائج الاستنطاق تُظهر تمثيلاتٍ بنيوية حقيقية داخل النماذج. صُغ موقفك في ثلاث جمل مستندًا إلى مفهومٍ واحد على الأقل من تراثك النظري (الكفاءة/الأداء، الدال/المدلول، القصدية...).
كيف تعرف أن موقفك متماسك؟ — لا إجابة نموذجية هنا عمدًا
تدريب ٢ — اقرأ لوحة الحالة قراءةَ باحث
اختر من اللوحة مهمةً «جزئية» ومهمةً «مفتوحة»، وأجب: لماذا الأولى أنسب لرسالة ماجستير والثانية أخطر عليها؟ وما «وحدة المساهمة» الواقعية في كلٍّ: مورد؟ معيار؟ تحسين نموذج؟ دراسة تحليلية؟
منطق الإجابة
تدريب ٣ — أول غوصة في الـ Anthology (منزلي، ٤٥ دقيقة)
ابحث عن مهمةٍ عربية تهمّك، واختر أحدث ورقتين، واملأ لكلٍّ بطاقةً من أربعة أسطر: (المشكلة — البيانات — المنهج — الرقم الرئيسي). لا يُطلب فهم كل التفاصيل؛ يُطلب تحديد مواضعها. أحضر البطاقتين للجلسة الثانية — سنبني عليهما التشريح الكامل.
تدريب ٤ — الواجب التمهيدي للجلسة الثانية (كتابي، فقرة)
قلنا إن دور اللساني تحوّل إلى «هندسة المعرفة اللغوية ومساءلتها». هاجِم الأطروحة أو دافع عنها من موقع تخصصك الدقيق، مبيّنًا: ما الذي يملكه تخصصك ولا تعوّضه فرق الهندسة ببساطة؟ وما الذي يجب أن تكتسبه أنت لتحتلّ الدور فعلًا لا شعارًا؟
قائمة قراءة الجلسة — بالأولوية
| # | المادة | لماذا |
|---|---|---|
| ١ | Jurafsky & Martin, 3rd ed. — Ch.1 (مجاني على موقع المؤلفَين) | الخريطة القانونية للحقل |
| ٢ | Norvig: On Chomsky and the Two Cultures of Statistical Learning | أوضح عرضٍ للمعسكر التجريبي بقلم رأسه |
| ٣ | Bender & Koller (ACL 2020): Climbing towards NLU | حجة الأخطبوط من مصدرها — وصوتُ اللسانيين في قلب الحقل |
| ٤ | ورقة مسحية حديثة عن Arabic LLMs من arXiv/الـ Anthology | خريطة تفصيلية لمشهد ٢٠٢٥–٢٠٢٦ الذي عرضناه |