في عالم الذكاء الاصطناعي، تتطور نماذج اللغة باستمرار، ولكنها تواجه تحديًا كبيرًا فيما يتعلق بفهم المجازات والثقافات. قامت دراسة حديثة بتقديم نموذج جديد يُدعى «كامار» (Culture-Aware Matryoshka for Metaphorical Arabic Representations)، وهو إطار تعليمي يهدف إلى تنظيم المعاني في اللغة العربية من خلال تقسيمها إلى تركيبات متداخلة من المعاني المعجمية والثقافية والمجازية.

تعتمد فكرة «كامار» على مبدأ النظُم عند الجرجاني (Al-Jurjani) حيث يتعامل مع المعاني المجازية كعلاقات تركيبية تُبنى على أساس العلاقات الدلالية السابقة. هذا النموذج يتجاوز الإشكالية المعروفة باسم "تشويش المعاني" (semantic smearing)، حيث يصعب على الأنظمة الحالية فهم الفروق الدقيقة بين الكلمات في السياقات المختلفة.

عند تقييم أداء «كامار» على مجموعة بيانات جديدة تحتوي على أمثلة من المجاز العربي، أظهر النموذج دقة ملحوظة في تمييز المجازات عن المعاني الحرفية، حيث حقق نسبة دقة تصل إلى 82.6% في التعرف على المجازات مقارنة بالمعاني الحرفية لنفس الكلمات. يتضمن ذلك قياسًا هندسيًا غير خاضع للتدريب يقيس المسافة بين التمثيلات المعجمية والمجازية، مما يوفر أداة فعالة لقياس المجاز، مما يشير إلى مستقبل مشرق لعلم اللغات العربية.