جامعة محمد بن زايد للذكاء الاصطناعي وشركاؤها أطلقوا يوم الثلاثاء “جيس 2″، وهو نموذج لغوي يحتوي على 70 مليار متغير، وتم تدريبه على أكبر مجموعة بيانات تركز على اللغة العربية تم جمعها على الإطلاق – 600 مليار رمز عربي، وهو نطاق لم تحاوله أي مؤسسة أخرى.
يعزز هذا الإصدار مكانة الإمارات في مجال الذكاء الاصطناعي العربي. في حين كانت النماذج العربية السابقة تحقق حوالي 62% في معايير التقييم، يقدم “جيس 2” أداءً يوصف بأنه “متطور” في المهام العربية وثنائية اللغة.
قال الأستاذ بريسلاف ناكوف، رئيس قسم معالجة اللغة الطبيعية في MBZUAI، لصحيفة خليج تايمز: “لطالما كانت اللغة العربية غير مخدومة بشكل كافٍ في تطوير الذكاء الاصطناعي بسبب نقص البيانات عالية الجودة. اليوم يمثل تقدمًا حاسمًا – نموذج بني على نطاق واسع وعمق ثقافي ووفاء لغوي.”
التركيز على العربية، وليس مجرد تعديلها
ما يميز “جيس 2” هو فلسفة تطويره. العديد من النماذج العالمية تعامل اللغة العربية كلغة ثانوية، حيث تترجم مجموعات بيانات إنجليزية أو تضيف طبقات عربية رقيقة أعلى الأنظمة المتمركزة حول الإنجليزية. تم بناء “جيس 2” من الصفر حول بنية اللغة العربية، واللهجات، والاستخدام الواقعي.
قال ناكوف: “النماذج المطورة في أماكن أخرى تميل إلى اعتبار العربية إضافة هامشية. معظمها يبقى منحازًا بشكل كبير نحو الإنجليزية، مما يترك اللهجات والسياقات الثقافية الدقيقة غير ممثلة بشكل جيد.”
تشمل مجموعة البيانات اللغة العربية الفصحى الحديثة و17 لهجة إقليمية – بما في ذلك الخليجية والإماراتية والمغربية والمصرية والعراقية – و”عربيزية”، الكتابة العربية بالحروف اللاتينية المستخدمة بشكل واسع على الإنترنت. كما يدمج “جيس 2” 1.6 تريليون رمز إنجليزي وبرمجي، مما يمنحه قدرات ثنائية اللغة قوية وهامة في منطقة يظهر فيها استخدام التحويل بين اللغات كجزء من المحادثات اليومية.
“التحويل بين اللغات أمر طبيعي في العالم العربي,” قال ناكوف. “يتعامل جيس 2 مع ذلك ليس كظاهرة شاذة، بل كنمط لغوي طبيعي.”
الأستاذ بريسلاف ناكوف، رئيس قسم معالجة اللغة الطبيعية في MBZUAI
عمق لغوي
تم تدريب “جيس 2” على أكثر من 427,000 قصيدة عربية مع بيانات وصفية وتعليقات توضيحية دلالية – مما يمنحه فهمًا للشعر الكلاسيكي والمعاصر الذي تفتقر إليه النماذج العالمية.
قال ناكوف: “الشعر العربي هو مجال واضح يتفوق فيه جيس 2. النماذج الغربية ببساطة لا تمتلك ما يكفي من التعرض لتفسير الرمزية أو الإشارات الثقافية التي يعالجها جيس بشكل طبيعي.”
تعزز هذه الأسس الثقافية من خلال مفردات عربية مخصصة وأطر أمان مصممة حول معايير الاتصال الإقليمية بدلاً من الافتراضات الغربية.
بني بالشراكة، لأجل المنطقة
تم تطوير “جيس 2” بالشراكة مع إنسبشن (شركة G42)، سيبرياس سيستمز، ومعهد النماذج الأساسية في MBZUAI، وتم تدريبه ويخدم بالكامل على معدات سيبرياس – وهو إعداد يقول الشركاء أنه يتطلب جزءًا صغيرًا من قوة الحوسبة التي تستخدمها النماذج العالمية المشابهة.
بالإضافة إلى الإنجاز التقني، يمثل النموذج خطوة كبيرة للأمام. بالنسبة للإمارات والعالم العربي الأوسع، تضمن النماذج العربية السيادية تمثيل اللغة واللهجات والسياق الثقافي بدقة في عالم يتجه نحو الرقمنة بسرعة.
قال ناكوف: “بالنسبة للمنطقة، بناء نماذج عربية سيادية يضمن التمثيل والملاءمة الثقافية والموثوقية. يسمح للعالم العربي بالقيادة بدلاً من المتابعة.”
نموذج مفتوح الأوزان
يتم إصدار “جيس 2” كنموذج مفتوح الأوزان بالكامل بقدرة 70 مليار متغير – قرار يصفه ناكوف بأنه ضروري لتسريع الابتكار المحلي.
قال لـخليج تايمز: “إصدار نموذج مفتوح الأوزان يسمح للباحثين والشركات الناشئة والحكومات ببناء حلول عربية على أساس متطور.”
يمكن هذا الإصدار من ضبط التطبيقات بدقة في مجالات مثل التمويل، والرعاية الصحية، والتعليم، وخدمة العملاء، والإعلام، والخدمات الحكومية. “جيس 2” متاح الآن عبر صفحة إنسبشن على HuggingFace وعبر jaischat.ai
