خارطة بحثية جديدة تتساءل: هل يفهم الذكاء الاصطناعي لغات الهند فعلاً، أم يعالجها فقط؟

ورقة بحثية جديدة بعنوان "إعادة التفكير في الذكاء الاصطناعي الهندي من منظور الحفاظ على التراث الثقافي" تطرح فكرة جوهرية: النهج السائد في بناء الذكاء الاصطناعي (AI) لخدمة لغات الهند يتجاهل عنصراً أساسياً، وهو الثقافة نفسها. الورقة، المنشورة على منصة arXiv، تعيد تعريف مشكلة الذكاء الاصطناعي الهندي (Indic AI)، فهي ليست مسألة قابلة للحل بمزيد من البيانات ونماذج أكبر حجماً، بل قضية حفظ وصون، تتعلق بمصير أبجديات ولهجات وأنظمة معرفية يعود عمرها إلى ما قبل عصر الحوسبة بآلاف السنين.

يبني الباحثون حجتهم على التعقيد البنيوي الهائل الذي تتميز به اللغات الهندية. فالصرف الغني (Rich Morphology)، والأبجديات المعقدة، وقواعد النحو المتشعبة، وظاهرة "ثنائية اللغة الاجتماعية" أو التنويع اللغوي (Diglossia) التي تعني تعايش المستوى الرسمي والعامي جنباً إلى جنب، إضافة إلى التفاوت اللهجي الكبير بين المناطق، كل هذه العوامل مجتمعة تجعل من المشهد اللغوي الهندي بيئة شديدة المقاومة لافتراضات التقطيع الرمزي (Tokenization) والتدريب التي بُنيت عليها معظم النماذج اللغوية الكبيرة (Large Language Models). وتشير الورقة إلى أن هذه ليست حالات استثنائية يمكن تصحيحها لاحقاً، بل قيود تصميمية جوهرية يجب أن تُبنى النماذج الأساسية الهندية (Indic Foundation Models) عليها منذ البداية.

من فجوات الموارد إلى "استكشاف الثقافة"

يستعرض جزء كبير من الورقة تاريخ معالجة اللغة الطبيعية (Natural Language Processing) في السياق الهندي، متتبعاً المحطات الرئيسية والتحولات المنهجية وجهود بناء الموارد التي حاولت تضييق فجوة التمثيل بالنسبة للغات الهندية محدودة الموارد. هذا المسح التاريخي يمهّد للمقترح المحوري في البحث: توجه بحثي جديد يسميه الباحثون "استكشاف الثقافة" (Culture Sensing).

بدلاً من التعامل مع السياق الثقافي كبيانات وصفية (Metadata) تُضاف إلى مخرجات النموذج، يُقدَّم "استكشاف الثقافة" كمقاربة تفسيرية (Hermeneutic Approach)، تقوم على الفهم وصناعة المعنى بدلاً من الاعتماد الصرف على مطابقة الأنماط الإحصائية. الهدف مزدوج: تحقيق أداء عادل بين اللغات التي تحصل اليوم على قدر أقل بكثير من بيانات التدريب مقارنة بالإنجليزية أو الماندرين، وإنتاج مخرجات متماسكة ثقافياً بحق، لا مجرد نصوص سليمة لغوياً وخالية من العمق السياقي.

نموذج BharatiyaGPT كتطبيق عملي

تشير الورقة إلى نظام BharatiyaGPT كمثال ملموس لتطبيق هذه الفلسفة على الأرض. ووفق البحث، يُستخدم هذا النظام في رقمنة القطع الأثرية الهشة والمساعدة في فك رموز اللغات المهددة بالانقراض، وهي مهام أقرب إلى علوم الأرشفة وعلم اللغة منها إلى تطوير روبوتات الدردشة التقليدية. ومن هذا المنظور، لا يبدو BharatiyaGPT مجرد عرض تسويقي لمنتج، بل حالة دراسية توضح ما يمكن أن يحدث حين يُربط تطوير الذكاء الاصطناعي بشكل مباشر بإحياء التراث الثقافي، بعيداً عن الهدف التجاري وحده.

لماذا يهم هذا الأمر خارج حدود الهند

الدلالة الأعمق هنا أن مقاييس "تغطية اللغات"، التي تفتخر بها مختبرات الذكاء الاصطناعي عند الإعلان عن دعمها لأكثر من مئة لغة، قد تكون معياراً ضعيفاً لقياس ما إذا كان النموذج يحترم بالفعل الواقع اللغوي والثقافي لمتحدثيه. وحجم الهند (بآلاف اللهجات وعشرات الأبجديات وتاريخ موثق يمتد إلى ما قبل معظم اللغات المكتوبة) يجعلها اختباراً صعباً بامتياز. فإذا نجح "استكشاف الثقافة" أو أي إطار مشابه في الهند، فقد يصبح نموذجاً تحتذي به مناطق أخرى ظل فيها تطوير الذكاء الاصطناعي يتعامل مع الفوارق الثقافية كتفصيل ثانوي، لا كشرط تصميمي أساسي.