هل تفهم نماذج الذكاء الاصطناعي اللهجة السعودية؟ تحليل 4 أبحاث علمية

تحليل بحثي من AI KSA — 17 أكتوبر 2026. هذا المقال قراءة تحريرية أصلية لدراسات منشورة ومحكمة؛ وليس اختبارًا ميدانيًا أجرته AI KSA على خدمات ChatGPT أو Claude أو Gemini أو DeepSeek أو Qwen.

قد يبدو نموذج الذكاء الاصطناعي بارعًا عندما نطلب منه تلخيص نص بالعربية الفصحى، لكنه يتعثر في رسالة واتساب بسيطة مثل «شيّك على الطلب ودز لي خبر». لماذا؟ لأن فهم العربية لا يساوي مهارة واحدة؛ فاللغة اليومية تحمل لهجات واختصارات وسياقًا اجتماعيًا لا تظهر عادة في الأسئلة المدرسية.

ما معنى أن النموذج «يفهم العربية»؟

يمكن قياس مهارات متباينة: قراءة نص فصيح، استيعاب تعبير خليجي، حل مسألة حسابية مكتوبة بالعربية، تفسير مقصد صاحب الكلام، أو تقديم رد مهذب لعميل سعودي. قد يتفوق نموذج في محور ويتراجع في آخر. لذلك فإن عبارة «الأفضل في العربية» غير دقيقة ما لم نحدد المهمة وإصدار النموذج والاختبار وتاريخ إجرائه.

أربع دراسات توضّح الصورة

1. ArabicMMLU: الفصحى والأسئلة الأكاديمية

قدمت دراسة ArabicMMLU المنشورة في ACL 2024 مجموعة تضم 14,575 سؤالًا من متعدد موزعة على 40 مهمة باللغة العربية الفصحى. تستفيد منها المقارنات الأكاديمية، لكن هذا النوع من الأسئلة لا يكشف وحده هل يفهم النظام دعابة محلية أو شكوى مختصرة من عميل في جدة. ولا يجوز إسقاط نتائج النماذج التي درستها سنة 2024 على إصدارات جديدة سنة 2026.

2. DialectalArabicMMLU: من العربية الواحدة إلى خمس لهجات

في مؤتمر LREC 2026، عرض الباحثون مجموعة DialectalArabicMMLU. وشملت 3,000 سؤال مترجمًا ومكيفًا إلى خمس لهجات: السعودية والإماراتية والمصرية والسورية والمغربية، بما مجموعه 15,000 زوج سؤال وجواب في 32 مجالًا. كشفت النتائج تفاوتًا في التعامل مع اللهجات لدى النماذج التي شملتها الدراسة. لا يعني ذلك بالضرورة أن كل النماذج التجارية المتاحة حاليًا متساوية أو أن الدراسة اختبرتها جميعًا.

3. Saudi-Alignment: معرفة البيئة السعودية ليست مرادفًا لفهم الكلمات

تقدم دراسة Saudi-Alignment Benchmark لعام 2025 زاوية مختلفة: 874 سؤالًا صيغت يدويًا لتغطية المعرفة المحلية والأعراف والثقافة السعودية. أوضحت نتائجها تباينًا بين النماذج محل الدراسة، مع اختلاف الأداء بين الأسئلة ذات الخيارات والإجابات المفتوحة. أهم ما نتعلمه ليس اسم المتصدر في نسخة قديمة من الاختبار، بل أن الإجابة الصحيحة لغويًا قد تكون غير مناسبة اجتماعيًا أو تفتقر إلى معرفة محلية دقيقة.

4. ArabCulture-Dialogue: أهمية المحادثات الواقعية

في بحث ArabCulture-Dialogue المنشور في ACL 2026، استُخدمت محادثات ذات محتوى ثقافي من 13 دولة عربية بالفصحى واللهجات المحلية. تناولت الدراسة الاستدلال الثقافي والترجمة بين الفصحى واللهجات وتوليد النصوص باللهجات. تشير نتائج الباحثين إلى استمرار فجوة في الأداء عندما ينتقل الاختبار من الفصحى إلى الاستخدام اللهجي. وهذا يفسر ضرورة تضمين سيناريوهات حوار واقعية في أي تقييم للمساعدين الذكيين.

ماذا تعني هذه النتائج للمستخدم السعودي؟

1. التسويق: اطلب من النموذج صياغة وصف منتج للفئة المستهدفة، ثم راجع إن كان يكتب لهجة سعودية طبيعية أو يخلط مفردات من دول مختلفة.
2. خدمة العملاء: اختبر فهم الرسائل القصيرة مثل «الطلب ما وصلني للحين». قيّم هل يفهم المشكلة ويطلب البيانات اللازمة دون اختراع موعد تسليم.
3. المبيعات: جرّب رسائل الاعتراض على السعر. فهم «السعر قوي» يتطلب تفسير الاعتراض، لا اعتباره موافقة نهائية.
4. المعلومات الحساسة: لا تعتمد على النموذج وحده في الأحكام الشرعية أو الطبية أو المالية أو النظامية. راجع الجهات المختصة والمصادر الرسمية.
5. تجربة النموذج: استخدم النص نفسه في كل خدمة، ودوّن الإصدار وتاريخ الاختبار، وأعد المحاولة لمعرفة التباين في الردود.

مثال تطبيقي: جملة واحدة تكشف ثلاثة أخطاء محتملة

النص: «دق علي عقب المغرب وإذا ما رديت دز لي واتساب».

1. فهم اللهجة: المطلوب اتصال بعد المغرب، وليس مجرد رسالة مباشرة.
2. فهم السياق: يرسل رسالة إذا لم يُجَب على الاتصال، وليس قبل الاتصال.
3. تجنب اختراع التفاصيل: لا ينبغي تحويل «المغرب» إلى ساعة ثابتة دون معرفة المدينة والتاريخ.

من يفهم العبارة لا يحتاج فقط إلى قاموس؛ بل إلى التقاط تسلسل الأفعال وطبيعة الموعد المحلي والتعامل مع عدم اليقين.

كيف نبني اختبارًا أكثر إنصافًا؟

لذلك وضعنا في AI KSA بروتوكولًا من 25 مطالبة أصلية تشمل الفصحى واللهجة السعودية والاستدلال والالتزام بالتعليمات والسياق الثقافي. ستُستخدم الصيغة نفسها مع النماذج الخمسة عند إتاحة تشغيلها وتوثيق إجاباتها. **لم تُجمع نتائج هذه التجربة بعد**، ولم نصدر حكمًا بترتيب الفائزين.

يؤكد أيضًا إطار NIST لإدارة مخاطر الذكاء الاصطناعي التوليدي أهمية تقييم الأداء والمخاطر بحسب الاستخدام والسياق. وتطبيقًا لذلك، سنوضح حدود الاختبارات وحجم العينة والنسخ المستخدمة قبل نشر أي مقارنة رقمية.

الخلاصة

الأبحاث المتاحة لا تدعم اختيار فائز مطلق في «فهم العربية» من دون اختبار متزامن ومحدد المهمة. يمكن قياس الفصحى بأدوات أكاديمية، لكن تقييم تجربة مستخدم سعودي يحتاج اختبار اللهجة والفهم الاجتماعي والقدرة على الاعتراف بنقص المعلومات. هذه هي الفجوة التي صممنا أبحاث AI KSA المقبلة لتغطيتها.

المصادر العلمية والأصلية

1. ArabicMMLU
2. DialectalArabicMMLU
3. Saudi-Alignment Benchmark
4. ArabCulture-Dialogue
5. NIST AI RMF: Generative AI Profile

اقرأ أيضًا: قسم الأبحاث الحصرية، وشروحات الذكاء الاصطناعي.

الإفصاح التحريري: هذه مراجعة مصادر وتحليل من AI KSA، وليست تجربة مباشرة على النماذج الخمسة. تُحدّث المعلومات عند ظهور أبحاث أو اختبارات جديدة.