في عالم التكنولوجيا الحديثة، تصبح نماذج اللغات الضخمة (Large Language Models) هي القاعدة عند الحديث عن ترجمة النصوص. إلا أن معظم هذه النماذج تم تدريبها على مهام متعددة، مما يجعلها متشبعة بالمعايير وغير فعالة في تخصص الترجمة. وفي خطوة مبتكرة، اقترح فريق من الباحثين طريقة لقص الاختصاصات غير الضرورية من هذه النماذج، مما يفتح آفاقاً جديدة في مجال الترجمة.

تستند هذه الطريقة إلى الاستفادة من تخصص الخبراء من خلال نماذج مختلطة من الخبراء (Mixture-of-Experts) حيث يمكن تحديد الخبراء الذين لا يرتبطون بالترجمة، وبالتالي تقليل الازدواجية وتحسين الكفاءة.

ما هو أكثر إثارة هو أن هذه العملية لا تتطلب إعادة تدريب للنموذج. حيث أظهرت الدراسة أن بإمكانهم تقليص نصف عدد الخبراء مع الحفاظ على جودة الترجمة. وبهذه الطريقة، يمكنهم تقليص ما يصل إلى 70% من الخبراء وبفقدان طفيف للجودة، بل إنهم أظهرو أنه يمكنهم إزالة 90% من الخبراء مع الاستمرار في الحفاظ على مستوى معقول من الجودة.

تعد هذه النتائج خطوة كبيرة نحو تحسين أداء نماذج الترجمة، حيث تتيح تقليص مساحة التخزين والموارد الحاسوبية المطلوبة. إن النتائج التي توصل إليها الباحثون لا تعني فقط توفير التكاليف، بل تفتح المجال أمام تحقيق نقلة نوعية في سرعة وكفاءة أنظمة الترجمة.

فالترجمة لم تعد تتطلب أدوات ضخمة كما كان يُعتقد سابقاً. إذاً، هل نحن أمام ثورة جديدة في عالم الذكاء الاصطناعي والترجمة؟