شبكة عصبية تحدد موطن المتحدث من لهجته العربية بدقة 481 كم

قدّم باحثون في يوليو 2026 على arXiv شبكة عصبية تحدد الأصل الجغرافي للمتحدث من لهجته العربية بخطأ وسيط قدره 481,2 كم. وهي تتنبأ بإحداثيات خطي العرض والطول مباشرة، بدلاً من اختيار دولة من قائمة.

كيف صُمم النموذج

يعالج النموذج الكلام عبر مشفّرين (encoders) هما XLS-R-300M وWhisper-large-v3، ويضيف إليهما واصفات صوتية تتعلق بتتابع الأصوات (phonotactic descriptors)، ثم يدمج كل ذلك عبر مشفّر Transformer وآلية attention-pooling قابلة للتدريب. وبدلاً من التصنيف إلى فئات منفصلة مثل الدولة أو المدينة، يتنبأ النموذج بنقطة على الخريطة، أي بزوج «خط العرض – خط الطول». والتفصيل الأهم هنا أن دالة الخسارة كروية جيوديسية، فهي تقلّص مباشرة المسافة على سطح الأرض (المسافة الأرثودرومية)، لا الخطأ على إسقاط مسطّح تتشوه فيه الإحداثيات عند القطبين وخط الاستواء بصورة مختلفة.

ودُرّب النموذج وقُيّم وفق بروتوكول 5-fold GroupKFold مع التجميع حسب التسجيل الأصلي، بحيث لا تقع مقاطع المتحدث الواحد في التدريب والاختبار معاً. ويحول هذا الأسلوب دون تسرب البيانات، وهو التسرب الذي كثيراً ما يؤدي إلى مبالغة في الدقة المعلنة.

• خطأ التحديد الوسيط — 481,2 كم (بروتوكول 5-fold GroupKFold دون تسرب للبيانات)
• دقة «رأس» الدولة المساعد — 64,5%، و«رأس» المدينة — 45,2%
• مشفّرا الكلام: XLS-R-300M وWhisper-large-v3
• وضع zero-shot (مدن لم ترد في التدريب): الخطأ 1173,3 كم
• التدهور في المدن غير المعروفة — بمقدار 1,32 مرة

ما مدى دقة النموذج؟

يبلغ الخطأ الوسيط في المدن المألوفة 481,2 كم، بحسب الدراسة المنشورة على arXiv. وتخمّن «الرؤوس» المساعدة في النموذج دولة المتحدث في 64,5% من الحالات ومدينته في 45,2%. وفحص المؤلفون التعميم بشكل منفصل: ففي وضع city-masking استُبعدت مدينتان من التدريب في كل fold وبقيتا في التحقق فقط. وفي هذه المدن «غير المرئية» يرتفع متوسط الخطأ إلى 1173,3 كم، أي أسوأ بمقدار 1,32 مرة مما هو عليه في المدن المألوفة. ويرى المؤلفون أن ذلك يُظهر قوة المنهج، ويُظهر كذلك حجم «الهامش» المتاح للتحسين.

استمرارية بدلاً من فئات

يقدّم العمل تأكيداً كمياً لفرضية الاتصال اللهجي العربي المتدرج، وهي فكرة أن اللهجات تنتقل بسلاسة من إحداها إلى الأخرى على امتداد الجغرافيا، ولا تنقسم إلى كتل واضحة الحدود. وللتحقق، أجرى المؤلفون اختبار Mantel التبديلي (permutation Mantel test) على الفضاء الكامن الذي تعلّمه النموذج. وربط الاختبار بين «تشابه» التمثيلات الصوتية والقرب الجغرافي الفعلي بين المتحدثين. أي أن الشبكة استعادت بنفسها، ودون وسم يستند إلى الحدود السياسية للدول، البنية الجغرافية للهجات العربية. وعملياً يعني ذلك أن النموذج يلتقط النسيج المتدرج للنطق لا رايات الدول.

«النمذجة الجغرافية المستمرة إطار مرجعي سليم لتحديد الموقع الجغرافي

للهجات العربية»، بحسب ما ورد في الورقة على arXiv.

ماذا يعني ذلك

يبتعد تحديد الموقع الجغرافي من الكلام عن التصنيفات الصارمة «دولة/مدينة» نحو التنبؤ بنقطة على الخريطة، وهذا أقرب إلى طبيعة التنوع اللهجي الحي. وهو يتيح للطب الشرعي وعلم اللغة الاجتماعي والخدمات الصوتية تقدير أصل المتحدث بهامش خطأ يُقاس بالكيلومترات، لا بفئات تقريبية. وبحسب arXiv، هذا أول تطبيق منهجي للنمذجة الجغرافية المستمرة على الكلام العربي، ويصف المؤلفون الفجوة المتبقية صراحةً بأنها مجال واسع لأعمال مستقبلية. غير أن الطريقة بعيدة عن الدقة التي يتطلبها الاستخدام اليومي: فخطأ بمئات الكيلومترات وتراجع ملحوظ في المدن غير المألوفة يدلان على أن المسألة لم تُحل إلا جزئياً.

أسئلة شائعة

ما المقصود بالاتصال اللهجي المتدرج؟

هو فكرة أن اللهجات المتجاورة تنتقل بسلاسة من إحداها إلى الأخرى دون حدود حادة، وأن «المسافة» بين أنماط الكلام تتسع مع اتساع المسافة الجغرافية. وقد أكد النموذج ذلك كمياً عبر اختبار Mantel التبديلي على فضائه الكامن.

ما مدى دقة النموذج في تحديد الأصل؟

الخطأ الوسيط 481,2 كم في المدن المألوفة، و1173,3 كم في المدن التي لم ترد في التدريب. ويخمّن النموذج الدولة في 64,5% من الحالات، والمدينة في 45,2%.