ثورة في ترجمة التراث الثقافي: مقارنة التحسينات الذكية في تقنيات الذكاء الاصطناعي

تسعى مؤسسات التراث الثقافي حول العالم إلى نشر الأبحاث والمواد التفسيرية بطريقة متعددة اللغات، ولكن محدودية الميزانيات والموارد البشرية تعيق هذه الجهود. وفي مجالات غنية بالمصطلحات، مثل فنون الرسم على الصخور، يعتمد جودة الترجمة على الاستخدام الدقيق والمتسق للمصطلحات المتخصصة. أي خطأ بسيط في المصطلحات قد يؤدي إلى إرباك غير المتخصصين ويقلل من إمكانية إعادة استخدام المحتوى.

في هذا السياق، تم إجراء مقارنة بين ثلاثة أنظمة ترجمة للغة الإنجليزية لنص أكاديمي إسباني يتناول فنون الرسم على الصخور. تم التركيز على تدخلات سهلة التنفيذ بدلاً من تغييرات معقدة في نماذج الذكاء الاصطناعي. الأنظمة التي تم اختبارها هي:
1. **DeepL** كنموذج قوي للترجمة الآلية العصبية (NMT).
2. **Gemini-Simple** (نموذج لغوي ضخم مع مطالبة أساسية).
3. **Gemini-RAG** (نفس النموذج المدعوم بقاموس مصطلحات من خلال استرجاع أزواج المصطلحات).

اُستخدمت تقنية **PEARMUT** لإجراء تقييم بشري يعتم على (i) تقييم مباشر متعدد الاتجاهات (من 0 إلى 100) و(ii) تدقيق مصطلحات مستهدف باستخدام تصنيف MQM المحدود. ووجد أن **Gemini-RAG** حقق أعلى دقة في تطابق المصطلحات الدقيقة بنسبة 81.4% مقارنةً بـ **Gemini-Simple** (69.1%) و **DeepL** (64.4%). كما حافظ **Gemini-RAG** على الجودة العامة بمعدل تقييم متوسط بلغ 85.3، متجاوزًا **Gemini-Simple** (85.2) و**DeepL** (80.3).

تظهر هذه النتائج أن استخدام المطالب المدعومة بالقواميس هو وسيلة منخفضة التكلفة لتحسين التحكم في المصطلحات في ترجمة التراث الثقافي، إذا حافظت المؤسسات على حد أدنى من الموارد للمصطلحات وإجراءات تقييم خفيفة الوزن. فهل تعتقد أن هذه التقنيات يمكن أن تحول طريقة التعامل مع التراث الثقافي العالمي وتحافظ عليه؟ شاركونا آراءكم في التعليقات!