تُعتبر ترجمة العواطف الدقيقة من أكبر التحديات التي تواجه تقنيات الترجمة الآلية (Machine Translation - MT)، حيث غالبًا ما تُعطى الأولوية للتوافق الدلالي على حساب الأمانة العاطفية. في دراسة جديدة، تم تقييم أداء ثلاث نماذج لغوية صغيرة (Small Language Models - SLMs) متطورة وهي EuroLLM وAya Expanse وGemma، لمعرفة مدى قدرتها على الحفاظ على العواطف المتنوعة أثناء عمليات الترجمة العكسية.

لتقييم الأداء، استخدم الباحثون مجموعة بيانات GoEmotions، التي تتضمن تعليقات من منصة Reddit مقسمة إلى 28 فئة عاطفية مختلفة. وقد شمل البحث تقييم الحفاظ على العواطف عبر خمس لغات أوروبية: الألمانية، الفرنسية، الإسبانية، الإيطالية، والبولندية.

تتناول الدراسة عدة جوانب، منها: (i) القدرة الذاتية لهذه النماذج على الاحتفاظ بالعواطف، (ii) فعالية تعزيز استراتيجيات استجابة مرتكزة على العواطف في تحسين الدقة العاطفية، و(iii) مقارنة أداء نموذج ModernBERT كبديل معاصر لنموذج BERT في تصنيف العواطف في تقييم الترجمة الآلية.

تُظهر النتائج قدرة هذه النماذج على تحقيق توازن بين الدقة الدلالية والاحتفاظ بالعواطف، مما يسلط الضوء على أهمية استخدام استراتيجيات جديدة لضمان نقل الجوانب العاطفية بشكل صحيح في الترجمة الآلية. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.