تشير دراسات حديثة إلى أن أنظمة التصنيف الآلي، والتي تعتمد على تقديم تنبؤات معينة بناءً على عتبات الثقة، تعاني من تفاوت كبير في الأداء عند التعامل مع لغات مختلفة. في أحد الأبحاث الجديدة، جرى اختبار ثلاثة واجهات تقديم تصنيفات لمجموعة ضخمة من البيانات (MASSIVE) تتضمن 1,000 عنصر باللغة الإنجليزية و50 لغة أخرى، مستخدمة عتبة ثقة مقدارها 0.9.

كانت النتائج مثيرة للاهتمام، حيث أظهرت البيانات أن النسخة الإنجليزية من الطلبات كانت تتجاوز عتبة الثقة بنسبة تتراوح بين 8.6 و11.7 نقطة مئوية أكثر من النسخ باللغات الأخرى. وهذا يعني أن الطلبات باللغة الإنجليزية كان يتم التعامل معها تلقائيًا بمعدل أعلى، مما يزيد من الفجوة بين اللغات المختلفة.

حتى عند إعادة وزن كل لغة لتتناسب مع دقة متساوية، استمرت الفجوة بين النسخ الإنجليزية وغير الإنجليزية. على الرغم من ذلك، كانت هناك دلائل على أن ترجمة المدخلات إلى الإنجليزية يمكن أن تُقلص الفجوة بشكل كبير عند استخدام نفس عتبة الثقة.

ويظهر أيضًا أن الطلبات المُكتوبة بلغة أفريقية Native كانت تعاني من فجوة عند المقارنة مع الترجمة البشرية إلى الإنجليزية. يوصي الباحثون بالضرورة لنشر تقارير تحدد دقة كل لغة عند عتبة التشغيل، لضمان تحسين تغطية الأنظمة الآلية مع جميع اللغات.

في ختام هذا التحليل، يتضح أن التوجه نحو تحسين دقة البيانات المترجمة قد يكون له تأثير كبير على النجاح العام للأنظمة الآلية في بيئات متعددة اللغات. ما رأيكم في هذه التطورات؟ شاركونا آراءكم في التعليقات.