تُعتبر ترجمة النصوص من العربية إلى اللغات الأخرى من أكثر التحديات المعقدة في عالم الذكاء الاصطناعي، ولذلك قامت وحدة TTLab بتقديم ابتكار متميز وعالي الأداء في مجال اكتشاف وتصنيف أخطاء الترجمة العربية أثناء مشاركتها في تحدي AlexandriaX-2026.

يتسم النظام الجديد بـتوظيف تقنيات متطورة تُصنف أخطاء الترجمة عند مستوى الرموز (tokens)، مما يضمن دقة عالية في تحديد مواقع الأخطاء، وذلك من خلال الحفاظ على توازن الحروف لضمان توافق تام مع معايير التقييم. ولمواجهة تحديات عدم التوازن بين الفئات، تم اعتماد تقنية تُعرف باسم "focal loss" مع وزن الفئات (class weighting) واعتماد عتبات (decoding thresholds) مخصصة للهجات.

وقد أظهرت الاختبارات أن نموذج "MARBERTv2"، الذي يُعتبر أحد النماذج المدربة مسبقًا، قد حقق أفضل أداء بمعدل دقة بلغ 40.8 و40.91 على مجموعتي التطوير والاختبار على التوالي، مما يضعه في المرتبة الثالثة بين جميع الفرق المشاركة.

ومع أن النظام أثبت فعالية عالية في تحديد مواقع الأخطاء، إلا أن تصنيف الأنواع النادرة من الأخطاء لا يزال يمثل تحديًا كبيرًا، مما يبرز الحاجة إلى تطوير بيانات إضافية للفئات القليلة (tail categories).

للمهتمين، يُمكنكم الاطلاع على كود النظام من خلال الرابط: GitHub – TTLab at AlexandriaX-2026.

ما رأيكم في هذا التطور المثير في مجال الذكاء الاصطناعي؟ شاركونا بأفكاركم في التعليقات!