في عالم اللغات التاريخية، يعد تمييز المعاني (Word Sense Disambiguation) من التحديات الكبرى التي تواجه الباحثين والمطورين. بينما شهدت اللغات الحديثة مثل الإنجليزية تقدمًا ملحوظًا في هذا المجال، إلا أن اللغات التاريخية وذات المصادر المحدودة تواجه صعوبات كبيرة بسبب نقص البيانات ونماذج الكلمات المُعتمدة. هنا يظهر إنسبكيو (Inspicio) كحل مبتكر يغير قواعد اللعبة.

إنسبكيو هو أنبوب استرجاع مفتوح الم Vocabulary، يربط بين الرموز (tokens) في السياق والمجموعات الدلالية (synsets) من Open English WordNet دون الحاجة إلى وجود أي فهرس أو خرائط في اللغة المصدر. يعتمد إنسبكيو على نماذج لغوية متقدمة (LLM) مدربة على توثيق التعليمات، حيث يقوم بإنتاج ترجمتين إنجليزية لجمل محيطة، مجموعة بسيطة من التعريفات، وبعض الأسماء الإنجليزية المقترحة.

تعتمد العملية على خطوة استرجاع هجينة تجمع بين التشابه في التعريفات والمجموعات الدلالية، بالإضافة إلى تطابق الأسماء، مما يزيد من دقة النتائج.

خلال التجارب، حقق إنسبكيو نتائج مذهلة على مجموعة جديدة من الأفعال الإدراكية باللغة اللاتينية واليونانية القديمة، محققًا دقة تصل إلى 96% في اختبارات معينة، وقد أظهرت المكونات المختلفة لنظامه تأثيرات إيجابية واضحة.

إنسبكيو لا يعد بتفوق كبير فقط في الاستخدامات داخل النطاق، ولكنه أيضًا يتفوق في البيئات متعددة اللغات، مما يُظهر فائدة حقيقية لهذه الأداة الرائدة.

إذا كنت من الباحثين في هذا المجال، أو مهتمًا بتطورات الذكاء الاصطناعي في اللغات التاريخية، فإن إنسبكيو يستحق المتابعة. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.