في إطار مسابقة NADI 2026، تم تقديم نظام Aslema، الذي يمثل خطوة جديدة ومثيرة في عالم التعلم الآلي. يهدف هذا النظام إلى تحقيق هدفين رئيسيين: التعرف على النية (Intent Recognition) وإدخال البيانات (Slot Filling).

تم تقييم النظام باستخدام أربعة نماذج لغوية عالمية (Omni LLMs) في إعداد Zero-Shot، وتم مقارنتها مع نماذج تم ضبطها خصيصاً (Fine-tuned Models). أظهرت النتائج أن ضبط النماذج باستمرار يتفوق على الاستدلال بدون ضبط، مما يبرز أهمية التدريب المتخصص في تحقيق أفضل النتائج.

ما هو مثير للاهتمام هو كيفية استخدام Aslema لأساليب زيادة البيانات الاصطناعية، عبر الاعتماد على نموذج لغوي لتوليد جمل باللهجة التونسية (Tunisian Derja) تفاعلاً مع الثقافة المحلية، ثم تم استخدام تقنية استنساخ الصوت (Voice Cloning) لإنشاء الكلام الاصطناعي. هذه الإضافات ساهمت في تحسين أداء النظام في كلا المهمتين.

النظام النهائي الذي تم تقديمه، المعتمد على نموذج Qwen3-Omni-30B، تم تدريبه باستخدام مزيج من البيانات الأصلية والاصطناعية، وحقق دقة في التعرف على النية بلغت 86.8% ونسبة أخطاء الكلمات (WER) مقدارها 34.7 على بيانات الاختبار الأولية. وعند الاختبار الرسمي، احتل المركز الأول في إدخال البيانات بنسبة 59.5% في الدقيقة، والمركز الرابع من بين 8 فرق في التعرف على النية بنسبة 66.1%.

مع نية دعم المزيد من الأبحاث في هذا المجال، يعتزم فريق Aslema إطلاق السكربتات التجريبية الخاصة بهم قريباً ومشاركة مجموعة البيانات الاصطناعية مع المجتمع البحثي. استعد للغوص في بحر من الابتكارات الجديدة في عالم الذكاء الاصطناعي!