الترجمة العربية الجيدة إما أخشن من أن تُنشر أو أثقل من أن تُشغَّل.
تُسطّح النماذج متعددة اللغات العامة قواعد اللغة العربية وصرفها وتنوعها اللهجي. النماذج الضخمة العامة تترجم بشكل أفضل لكنها أثقل وأبطأ من أن تُشغَّل في مسارات إنتاجية بحجم كبير.
يُقدَّم عبر
يقدّم مترجم ترجمة من الإنجليزية إلى العربية بأفضل أداء متاح، بحجم 1.5 مليار معامل فقط، وهو صغير بما يكفي للتشغيل الإنتاجي، ويتفوق على GPT-4o mini على معيار Tarjama-25. تغطي عائلة لهجاوي الترجمة بين اللهجات ومن اللهجة إلى الفصحى عبر 15 لهجة عربية.
لماذا صِغَر النموذج هو المقصد
أفضل أداء عند 1.5 مليار معامل
بُني مترجم على كُوين 1.5B، نموذج اللغة العربي الخاص بمختبر كون، بمنهج تدريب من مرحلتين على مدونة ثنائية اللغة منتقاة، وهو صغير بما يكفي للتشغيل الإنتاجي، ويتفوق على GPT-4o mini في الترجمة من الإنجليزية إلى العربية.
اللهجة ضمن النطاق
يتولى لهجاوي الترجمة بين اللهجات ومن اللهجة إلى الفصحى عبر 15 لهجة عربية، وهو الموضع الذي تتوقف عنده النماذج متعددة اللغات العامة عن الإفادة تمامًا.
مقيس على معيار نزيه
Tarjama-25 مجموعة من 5,000 زوج جُمَل راجعها خبراء عبر مجالات وأطوال متنوعة، بُنيت خصيصًا لمعالجة ضيق المجال وانحياز المصدر الإنجليزي اللذين يجعلان المعايير القائمة بين العربية والإنجليزية غير موثوقة.
ماذا يترجم
ثنائي الاتجاه، طويل النص، كثيف التخصص
من العربية إلى الإنجليزية والعكس عبر المحتوى الطبي والقانوني والتقني، مع الحفاظ على المعنى في الجمل المعقدة بدل تسطيحها.
خمس عشرة لهجة عربية
بين اللهجات ومن اللهجة إلى الفصحى، فيصير المحتوى الإقليمي مادة قابلة للترجمة لا استثناءً.
التشكيل خطوة معالجة مسبقة
يحلّ سديد الالتباس الأصلي في العربية بقراءة القواعد والمعنى حول كل كلمة، وهو مفيد مباشرة للترجمة الآلية وفهارس البحث وتحويل النص إلى كلام.
بحجم يناسب مسارات العمل الحقيقية
صغير بما يكفي للتشغيل الآني والبيئات محدودة الموارد، حيث يكون النموذج اللغوي الضخم العام أبطأ أو أغلى من أن يعمل بحجم كبير.
الأرقام وراءه
- 1.5Bمعامل، ويضاهي مترجم نماذج تفوقه حجمًا بعشرين ضعفًا
- SOTAمن الإنجليزية إلى العربية على Tarjama-25، متفوقًا على GPT-4o mini
- 15لهجة عربية يغطيها لهجاوي
ما الذي يتغير
الترجمة تنتقل إلى داخل مسار العمل
تعمل كخطوة في المسار لا كتعاقد منفصل مع مورّد له زمن استجابة خاص به.
المحتوى اللهجي يكفّ عن كونه غير قابل للترجمة
تصبح المادة الإقليمية شيئًا يعالجه النظام لا شيئًا يُحوَّل إلى إنسان في كل مرة.
الالتباس يُحلّ قبل أن ينتشر
النص المشكَّل يعني أن البحث وتحويل النص إلى كلام ومعالجة اللغة اللاحقة تتوقف عن وراثة التخمين الذي تسلّمه لها العربية غير المشكَّلة.
كيف يُنشر
واجهة برمجية سحابية
عبر كون كونسول: حساب واحد ونقطة تكامل واحدة لمجموعة النماذج كاملة.
نشر محلي داخل مؤسستك
للجهات ذات متطلبات سيادة البيانات. صِغَر حجم النموذج هو ما يجعل هذا عمليًا لا نظريًا.
البيئات محدودة الموارد
تشغيل آني حيث لا يتسع سقف زمن الاستجابة أو التكلفة لنموذج لغوي ضخم عام.
لنتحدث عمّا تحاول بناءه.
أخبرنا بالمشكلة، وسنخبرك بصراحة إن كان الذكاء الاصطناعي هو الحل الصحيح.