الخدمات · الذكاء الاصطناعي العربي
معظم أدوات النماذج اللغوية تُبنى وتُختبر بالإنجليزية. وللعربية تحدياتها الخاصة: الفصحى إلى جانب اللهجات الخليجية والمصرية والشامية، والعربية والإنجليزية في الجملة نفسها، وأكثر من طريقة صحيحة لكتابة الكلمة الواحدة، ومستندات من اليمين إلى اليسار تُربك أدوات التحليل المعتادة. والنظام الذي ينجح في الإنجليزية قد يخذل مستخدميك العرب دون أن تلاحظ.
أنا متحدث أصلي للعربية ومهندس ذكاء اصطناعي أول في الرياض. أبني مساعدات وأنظمة بحث ومعالجة كلام بالعربية وثنائية اللغة، وأختبرها على العربية كما يكتبها مستخدموك ويتحدثونها فعلًا.
تُكتب الكلمة الواحدة بأكثر من شكل: صور الألف والهمزة (أ إ آ ا)، والتاء المربوطة والهاء (ة / ه)، والألف المقصورة والياء (ى / ي)، مع التشكيل أو دونه. ومن يبحثون عن اسمي يكتبون «إسلام» و«اسلام» معًا. ودون توحيد الكتابة يفوّت البحث نتائج واضحة.
يكتب المستخدمون باللهجة، وينتقلون إلى الإنجليزية في المصطلحات التقنية، أو يكتبون العربية بحروف لاتينية. ويجب أن يتعامل الاسترجاع وتعليمات النموذج مع ذلك كله، وأن يشمله التقييم.
تقسّم نماذج كثيرة النص العربي إلى رموز (tokens) أكثر من المحتوى نفسه بالإنجليزية، فترتفع التكلفة ويزيد زمن الاستجابة ويقل ما تتسع له نافذة السياق. لذلك يهم اختيار النموذج ونموذج التضمين أكثر مما يهم في الإنجليزية.
تحتاج ملفات PDF الممسوحة والجداول مختلطة الاتجاه وأخطاء التعرف الضوئي على النصوص إلى تنظيف قبل الفهرسة. وفي الصوت، يفرّغ Whisper large-v3 الكلام العربي، لكن دقته تختلف باختلاف اللهجة ومصطلحات المجال، فيجب التحقق من النصوص على تسجيلات حقيقية.
إجابة الأسئلة من مستندات عربية وإنجليزية، بلغة المستخدم، مع الإحالة إلى المقاطع المصدر.
بحث يطابق المعنى لا الكلمات الحرفية فقط، مع توحيد صور الكتابة، وبحث هجين بالكلمات المفتاحية للأسماء والرموز والأرقام.
تفريغ المكالمات والاجتماعات والتسجيلات باستخدام Whisper، وتغذية البحث والملخصات واستخراج المعلومات والتحليلات بالنتائج.
ضبط دقيق بتقنيات LoRA وQLoRA لنماذج مفتوحة الأوزان في التصنيف واستخراج الكيانات والإجابات الخاصة بمجالك بالعربية، حين لا تكفي التعليمات وحدها.
أسئلة ومستندات حقيقية من مجالك، بالفصحى واللهجات، بما فيها النصوص المختلطة بين العربية والإنجليزية. لا أسئلة إنجليزية مترجمة آليًا.
نماذج متعددة اللغات مفتوحة الأوزان مثل Qwen وLLaMA وMistral حين يجب أن تبقى البيانات على خوادمك، ونماذج عبر واجهات برمجية مثل GPT وClaude وGemini حين يُسمح بخروجها، ونماذج عربية أولًا مثل ALLaM أو Jais حين تناسب الحالة. وتُقارن نماذج التضمين بالطريقة نفسها.
توحيد النص والتقسيم والبحث الهجين وإعادة الترتيب، مع قياس كل منها على مجموعة الاختبار العربية بدل افتراض أن ما ينجح في الإنجليزية ينجح هنا.
النشر على سحابتك أو على خوادمك، مع ملاحظات المستخدمين الناطقين بالعربية التي تغذي الجولة التالية من الاختبارات.
مساعدات RAG ومحادثات بالنماذج اللغوية وتحويل الكلام إلى نص باستخدام Whisper large-v3 لحالات استخدام واسعة في مؤسسات سعودية، تعمل على نماذج LLaMA وQwen مستضافة ذاتيًا على Kubernetes بوحدات GPU.
الأثر: ذكاء اصطناعي توليدي يحافظ على سيادة البيانات في البيئات الحساسة.
أنظمة نماذج لغوية وRAG وWhisper تؤتمت مسارات التوظيف وإدارة القوى العاملة، منها مطابقة دلالية بين السير الذاتية والوظائف ومساعد ذكي للاجتماعات.
الأثر: مستخدم في مسارات توظيف حكومية.
ضبط نماذج معالجة اللغة للتصنيف والتعرف على الكيانات المسماة والبحث الدلالي لعملاء حول العالم، بنسبة نجاح ١٠٠٪ على Upwork.
مع الاثنين. تشمل مجموعة الاختبار اللهجات التي يستخدمها مستخدموك فعلًا، فترى الدقة لكل لهجة قبل الإطلاق.
نعم. يمكن تشغيل النماذج مفتوحة الأوزان والتضمينات وقاعدة البيانات المتجهية على بنيتك التحتية أو في منطقة سحابية داخل المملكة.
يعتمد ذلك على بياناتك وميزانيتك ومكان تشغيل النظام. لا أختار نموذجًا مسبقًا: أقارن قائمة قصيرة على مجموعة الاختبار العربية وأعرض عليك النتائج.
عادةً باستشارة قصيرة ونموذج أولي صغير على مستنداتك أو تسجيلاتك العربية.
أخبرني بما يحتاجه مستخدموك وكيف يكتبون. أرد بالعربية أو الإنجليزية.