ليس كل سؤال باللغة العربية هو السؤال نفسه بالنسبة إلى الذكاء الاصطناعي. النموذج الذي يكتب مقالاً مقنعاً قد يتعثّر في اكتشاف خطأ نحوي صغير، والأداة التي تتفوّق في التصحيح لا تصبح بالضرورة الأفضل في الترجمة أو البحث أو التلخيص. هذه الفجوة تظهر في اختبار نشرته شركة «لسان» في أيلول 2026، وتقارن فيه أداء أداتها المتخصصة مع مجموعة واسعة من إعدادات النماذج اللغوية.
ماذا تقول الأرقام فعلياً؟
وفق تقرير «L3» الذي نشرته الشركة في 15 أيلول 2026، شمل التقييم 26 إعداداً لنماذج لغوية كبيرة على مجموعة من الجمل العربية الحقيقية راجعها لغويون. وسجّلت أداة L3 الخاصة بالشركة 80.29% في مقياس «Edit F0.5»، مقابل 44.68% لأقوى إعداد نموذج لغوي ضمن الاختبار بحسب الجهة الناشرة. هذه نسبة أداء في مهمة تحريرية محددة وبمقياس محدد، وليست «دقة عربية عامة» لكل الاستخدامات.
تورد الدراسة أيضاً دقةً في اكتشاف الأخطاء بلغت 84.54% للأداة المتخصصة، واسترجاعاً بلغ 66.85%، إلى جانب مقاييس أخرى للتصحيح والتطابق على مستوى الجملة. لا يجوز جمع هذه المؤشرات أو مقارنتها كما لو كانت جميعها مقياساً واحداً؛ فهي تقيس وجوهاً مختلفة من المهمة نفسها.
ما هو مقياس F0.5؟
في تقييم أدوات التدقيق اللغوي، تُستخدم مقاييس تجمع بين الدقة والاسترجاع. يعطي F0.5 وزناً أكبر للدقة، أي لتجنّب تعديل نص سليم على نحو خاطئ، مقارنة بالاسترجاع الذي يقيس التقاط الأخطاء الموجودة. هذا الاختيار منطقي في تطبيقات التحرير: فالتصحيح غير المطلوب قد يفسد جملة سليمة. لكنه يعني أيضاً أن نتيجة مرتفعة على F0.5 لا تختزل أداء النظام في كل أنواع الأخطاء.
من وضع أسئلة الامتحان؟
هناك نقطة منهجية ينبغي ألا تغيب عن القارئ: الاختبار منشور من الشركة المطوّرة للأداة التي تصدّرت النتائج. هذا لا يلغي قيمته، لكنه يستدعي طلب تفاصيل كافية عن تركيب العيّنة، توزيع اللهجات وأنواع الأخطاء، وكيفية إعداد طلبات النماذج المنافسة، وإتاحة إعادة الاختبار بصورة مستقلة. ولا تثبت صفحة النتائج وحدها أن ترتيب الأنظمة سيبقى نفسه مع نصوص صحفية لبنانية أو فصحى أكاديمية أو رسائل عامية.
كما أن المقارنة بين مدقّق مخصص ونموذج لغوي عام ليست سباقاً متكافئاً بالضرورة؛ الأول مصمم لمهمة ضيقة ويُحسّن عليها، والثاني يؤدي عشرات المهام المختلفة. السؤال المهني الأكثر فائدة ليس «من هزم من؟»، بل أي أداة تقلّل الأخطاء في نوع النص الذي نعمل عليه وبأي كلفة ووقت ومخاطر.
العربية ليست كتلة واحدة
تقرير منشور في تموز 2026 عن العربية والذكاء الاصطناعي يذكّر بتحديات الصرف والتركيب وتنوع اللهجات وندرة بعض مجموعات البيانات عالية الجودة. ومن ثمّ لا يكفي اختبار فصيح مكتوب للحكم على أداء نظام في المحادثة اللبنانية أو النصوص التاريخية أو التخصصات الطبية والقانونية.
في غرفة الأخبار، يمكن لتقنيات التدقيق أن تختصر جهد التحرير، لكن القرار النهائي يجب أن يبقى لدى محرّر يفهم السياق والمعنى والمصطلحات والاقتباسات. فالعلامة الأعلى على جدول المقارنات لا تعطي أي أداة حق تصحيح أسماء الناس أو البيانات أو شهاداتهم من دون مراجعة بشرية.
الاختبار الذي نحتاج إليه عربياً
لن يكون التقدّم الحقيقي في نشر رقم أكبر وحده، بل في بناء اختبارات عربية مستقلة ومعلنة، تشارك فيها جامعات ومحررون ومتخصصون باللهجات، وتتيح المقارنة على عينات مختلفة. عندها يصبح السؤال قابلاً للإجابة: أي أداة نستطيع الوثوق بها، في أي مهمة، وتحت أي شروط؟
