تُقدّم العبرية مجموعة فريدة من التحديات لا تكون معظم خطوط أنابيب معالجة اللغة الطبيعية مُجهَّزة للتعامل معها. فعلى عكس الإنجليزية، العبرية هي لغة سامية غير تسلسلية (non-concatenative)، أي أن الكلمات تُبنى من جذور ثلاثية الحروف تتشابك مع أنماط الحروف المتحركة لخلق المعنى. جذر واحد كـ ק–ט–ל يمكن أن ينتج عشرات الكلمات المختلفة حسب نمط المتحركات المُطبَّق.
مشكلة الحروف المتحركة الغائبة
العبرية المكتوبة الحديثة تحذف الحروف المتحركة بشكل شبه كامل. الجملة כתב ספר يمكن أن تعني "كتب كتاباً"، أو "اكتب كتاباً!"، أو "كُتب كتاب" — والمعنى الدقيق يعتمد على السياق ومعرفة المتحدث. بالنسبة لنموذج NLP مدرَّب بشكل أساسي على نصوص بالتشكيل أو نصوص منقحة، هذا فجوة معلوماتية كارثية.
معظم مجموعات بيانات العبرية NLP المتاحة للعموم تأتي من المدونات الإخبارية في العبرية القياسية الحديثة. أما المستخدمون الفعليون، فهم يكتبون بلهجات غير رسمية، ويمزجون الكلمات المستعارة من العربية، ويتحولون باستمرار بين الشفرات مع الإنجليزية — خاصة في السياقات التقنية والتجارية.
الفجوة في التحويل بين الشفرات
التحويل بين الشفرات — التنقل بين العبرية والإنجليزية (أو العبرية والعربية) في منتصف الجملة — شائع جداً في التواصل التقني الإسرائيلي لدرجة أنه أصبح لهجة قائمة بذاتها. جملة كـ "אני צריך לעשות deploy לפרויקט" ("أحتاج إلى نشر المشروع") تمزج التركيب النحوي العبري مع فعل إنجليزي مصروف وفق الصرف العبري.
النماذج المدرَّبة على مدونات نصية نظيفة أحادية اللغة تفشل في هذا الأمر باستمرار.
ما الذي يغيره التوصيف من قِبل الناطقين الأصليين
الحل ليس خوارزمياً بحتاً. بيانات تدريب أفضل — موصَّفة من قِبل ناطقين أصليين يفهمون اللهجة والتحويل بين الشفرات والسياق الثقافي — هي ما يحرّك مؤشر الدقة بالنسبة لمعالجة اللغة الطبيعية بالعبرية.
في AXOVATE، يشمل مجمع التوصيف العبري لدينا ناطقين أصليين بالعبرية الإسرائيلية ذوي خلفية لغوية، ومُوصِّفين ثنائيي اللغة عبري-عربي للمهام متعددة اللغات، ومُوصِّفين متخصصين في التعرف الضوئي على النصوص اليدوية للنصوص العبرية التاريخية والمكتوبة بخط اليد.
الخلاصة العملية
إذا كنت تبني منتج ذكاء اصطناعي للسوق الإسرائيلي أو الناطق بالعبرية، فإن الاستثمار الأكثر تأثيراً ليس في نموذج أساسي أكبر — بل في بيانات تدريب وتقييم عالية الجودة، ذات جذور ثقافية. هذه هي الطبقة التي نعمل فيها.
استكشف خدمات بيانات الذكاء الاصطناعي أو تحدث إلينا حول احتياجاتك من البيانات العبرية.