واليوم، يستند إلى تاريخ تجهيز اللغات الطبيعية الذي نصادفه في كثير من الأحيان في مجالات تعلم الآلات والاستخبارات الاصطناعية. وهو يستند إلى خضم القرن العشرين. The foundations of NLP, which are mostly encountered with artificial intelligence models, were laid out with Turing Test, which Alan Turing introduced in 1950. وكان هذا الاختبار أحد الخطوات الهامة لبدء عملية تطوير الاستخبارات الاصطناعية.
تكنولوجيا تجهيز اللغات الطبيعية (تجهيز اللغة الغامضة) هي تكنولوجيا تساعد إلى حد كبير على توفير العلاقة والتواصل بين الجهاز الحاسوبي. ويسمح هذا الحاسوب بالرد على الناس بتعليقاتهم، بعد تحليل الناس وفقا للمشاعر والفكر والنية.
1950-1960
In 1950, Alan Turing introduced Turing Test, which is based on machine intelligence, designed in order to create human conversation-like in an article. ومع إجراء اختبارات على مدى عشر سنوات، كُلفت المؤسسات التابعة للشركة. وكانت تجربة جورج تاون الأكثر فعالية وواعدة لهذه العملية. لأن هذه التجربة كانت اختباراً هاماً يترجم بنجاح أكثر من 60 حكماً روسياً إلى الإنكليزية.
1960-1980 الفترة
وقد وُضع نظامان ليكونا رائدين في نظام NLP في الستينات. وطورها تيري وينوغراد، كان لدى وحدة تنمية الموارد البشرية القدرة على فهم اللغة الطبيعية. The ELIZA developed by Joseph Weizenbaum was a psychotherapy system, i.e. giving answers to human queries like a psychotherapyist. ونشرت الولايات المتحدة الأمريكية تقرير الرابطة في عام 1966. ويحتج هذا التقرير بأن تكنولوجيا المعلومات والتجهيز اللغوي تحتاج إلى قدر أكبر بكثير من التطوير وأن المترجمين الشفويين من البشر أكثر فعالية من الترجمة الحاسوبية. كما قُطع التقرير عن تمويل بعض المشاريع في العملية المقبلة. غير أن ذلك لم يكن ليتوقف إلى حد كبير عن البحوث المتعلقة بتجهيز اللغات، بل أدى في السنوات الأخيرة إلى زيادة تعميق البحوث والتكنولوجيات في هذا الميدان. وفي هذه الفترة، تحسنت أيضا الترجمة الآلية، ولكن الترجمة الآلية الأولى كانت بسيطة. وهو يكتب عكس الكلمات في اللغة البشرية وفقا للسؤال الوارد في الجملة. لكن حتى مع القواعد المكتوبة باليد هذه التكنولوجيا صنعت وقد فهم المطورون أنهم بحاجة إلى إجراء المزيد من الدراسات بشأن هذه التكنولوجيا، ولكن أيضاً المعقدة.
1980-2000 الفترة
وخلال هذه الفترة، نُقلت خوارزميات تجهيز اللغات الطبيعية إلى الخوارزميات بالانتقال بعيداً عن القواعد التي وضعها الإنسان. بدأت بتدريس بيانات اللغة الحقيقية للآلات 90s were introduced by machine learning techniques and the process was faster. وبدأت الآلات تتعلم تلقائياً وتحسن مهاراتها على اللغة. وفي هذه الفترة، ومع وجود شبكة الإنترنت، قدمت الشبكة الوطنية الليبرية موردا لا يصدق لنظمها، ومن ثم بدأت النظم تتطور بسرعة. وبالإضافة إلى ذلك، أُنشئ نموذجان متكرران للشبكة العصبية من طراز N-Grams وLSTM، ولعبا دوراً هاماً في معالجة تدفق النصوص عبر الإنترنت.
2000
In 2001, Yoshua Bengio and his team developed neurological language models using advanced symptom networks.
During this period NLP search motors were online with tools such as voice Assistant, and more users have access to NLP systems. وقد أخذ حزب التحرير الوطني حالة أكثر تعقيدا مع نموه. وتختلف نظم التخطيط الوطنية عن 80 و90 سنة، واتخذت قرارات أكثر مرونة. وقد أصبح دعم أجهزة المحرك (SVM) ونموذجي Hidden Markov (HM) أكثر فائدة بهذه الطريقة، أصبحت النظم أكثر فائدة. أحد نظم الترجمة التحريرية القائمة على نظام التحرير الوطني في هذه الفترة Google Translateأُطلق في عام 2006.
2010
وأعلنت شركة Google في عام 2018 نموذج " Bidirectional Encoder Representations from Transformers " . وقد حلل هذا النموذج الجملة من جانبين باستخدام كثافة طبقات المحولات، مما زاد معدل فهم اللغة البشرية. In 2000s, NLP started to change in 2010. ومع هذا التغيير، تم الكشف عن النظم المستخدمة في مختلف المهام. وهذه النظم هي:
- Word2Vec (2013): (توماس) اخترع من قبل (ميكولوف) وفريقه
Cross to Nöral Models in Translation Services (2017): وإلى جانب هذا التطور، فإن ترجمة Google بعيدة كل البعد عن السياق الإحصائي، ويسمح بترجمة الجملة. وبهذه الطريقة، بدأت نتائج أكثر دقة ودقة.
Uzun Kısa Süreli Bellek (LSTM) Ağları: LSTM sistemleri dil anlama yeteneği sayesinde ön plana çıkmıştır. Google Çeviri ve Apple Siri sistemlerinde kullanılmaya başlandı.
عرض نموذج التحول (2017): (ج) نموذج التحول الذي يُفضي إلى تحسين عملية تجهيز البيانات ويحسن الأداء والسرعة.
وقد أوجدت كل هذه الدراسات والاختبارات تكنولوجيا تجهيز اللغات الطبيعية التي نستخدمها حاليا.
تكنولوجيا تجهيز اللغات الطبيعية اليوم
وقد وضع نموذج GPT خلال هذه الفترة. وقد أتاح نموذج GPT نتائج ذات دقة عالية مع بيانات أقل عن التدريب لأنه نموذج مدرب مسبقا. واليوم، أصبح التدريب، والبرامجيات، وتيسير الحياة اليومية، قادراً على خدمة العديد من الأماكن مثل فهم اللغة البشرية. وعندما ننظر إلى الفترات السابقة، زاد حزب التحرير الوطني أداءه زيادة كبيرة.
- فهم اللغات وتصنيف النصوص: الشعور بالاستفسارات، التفكير، تحليل النوايا يسمح للمستعمل بالعودة المجدية.
- Chat Robots and Virtual Assistants: ويدمج تشاتغب التطبيقات الرامية إلى تيسير الحياة البشرية في نماذج استخبارات اصطناعية مثل ديبيك، Qwen.
- المعلومات: يمكنك الحصول على الآلاف من الموارد في وقت قصير جدا.
- Speech Recognition and Language Translation Services: فهما لأنماط الكلمات والعقوبات المتكلّمة، ويمكنهما توفير الترجمة إلى لغات مختلفة.
أما تكنولوجيا تجهيز اللغات الطبيعية، التي تستند إلى نظم بسيطة لا يمكن أن تترجم سوى بضع كلمات قبل 75 عاما، فقد وصلت الآن إلى هيكل يمكن أن يؤدي العديد من المهام المتقدمة مثل التفاهم، وتوفير المعلومات، والاعتراف بالحديث، وتصنيف النصوص. وفي البداية، كان هذا التقدم، الذي يُنظر إليه على أنه مستحيل، مدعوما بالاستخبارات الاصطناعية والتعلم الآلاتي، تحولا رئيسيا. ولا يزال برنامج العمل الوطني مجالاً لا يزال يتطور وسيأخذ تفاعلاً بين الإنسان والملاحة إلى مرحلة أكثر تقدماً مع هياكل أكثر سياقاً وأكثر دقة وأقوى أخلاقياً في المستقبل.
واليوم، يستند إلى تاريخ تجهيز اللغات الطبيعية الذي نصادفه في كثير من الأحيان في مجالات تعلم الآلات والاستخبارات الاصطناعية. وهو يستند إلى خضم القرن العشرين. The foundations of NLP, which are mostly encountered with artificial intelligence models, were laid out with Turing Test, which Alan Turing introduced in 1950. وكان هذا الاختبار أحد الخطوات الهامة لبدء عملية تطوير الاستخبارات الاصطناعية. تكنولوجيا تجهيز اللغات الطبيعية (تجهيز اللغة الغامضة) هي تكنولوجيا تساعد إلى حد كبير على توفير العلاقة والتواصل بين الجهاز الحاسوبي. ويسمح هذا الحاسوب بالرد على الناس بتعليقاتهم، بعد تحليل الناس وفقا للمشاعر والفكر والنية. 1950-1960 In 1950, Alan Turing introduced Turing Test, which is based on machine intelligence, designed in order to create human conversation-like in an article. ومع إجراء اختبارات على مدى عشر سنوات، كُلفت المؤسسات التابعة للشركة. وكانت تجربة جورج تاون الأكثر فعالية وواعدة لهذه العملية. لأن هذه التجربة كانت اختباراً هاماً يترجم بنجاح أكثر من 60 حكماً روسياً إلى الإنكليزية. 1960-1980 الفترة وقد وُضع نظامان ليكونا رائدين في نظام NLP في الستينات. وطورها تيري وينوغراد، كان لدى وحدة تنمية الموارد البشرية القدرة على فهم اللغة الطبيعية. The ELIZA developed by Joseph Weizenbaum was a psychotherapy system, i.e. giving answers to human queries like a psychotherapyist. ونشرت الولايات المتحدة الأمريكية تقرير الرابطة في عام 1966. ويحتج هذا التقرير بأن تكنولوجيا المعلومات والتجهيز اللغوي تحتاج إلى قدر أكبر بكثير من التطوير وأن المترجمين الشفويين من البشر أكثر فعالية من الترجمة الحاسوبية. كما قُطع التقرير عن تمويل بعض المشاريع في العملية المقبلة. غير أن ذلك لم يكن ليتوقف إلى حد كبير عن البحوث المتعلقة بتجهيز اللغات، بل أدى في السنوات الأخيرة إلى زيادة تعميق البحوث والتكنولوجيات في هذا الميدان. وفي هذه الفترة، تحسنت أيضا الترجمة الآلية، ولكن الترجمة الآلية الأولى كانت بسيطة. وهو يكتب عكس الكلمات في اللغة البشرية وفقا للسؤال الوارد في الجملة. لكن حتى مع القواعد المكتوبة باليد هذه التكنولوجيا صنعت وقد فهم المطورون أنهم بحاجة إلى إجراء المزيد من الدراسات بشأن هذه التكنولوجيا، ولكن أيضاً المعقدة. 1980-2000 الفترة وخلال هذه الفترة، نُقلت خوارزميات تجهيز اللغات الطبيعية إلى الخوارزميات بالانتقال بعيداً عن القواعد التي وضعها الإنسان. بدأت بتدريس بيانات اللغة الحقيقية للآلات 90s were introduced by machine learning techniques and the process was faster. وبدأت الآلات تتعلم تلقائياً وتحسن مهاراتها على اللغة. وفي هذه الفترة، ومع وجود شبكة الإنترنت، قدمت الشبكة الوطنية الليبرية موردا لا يصدق لنظمها، ومن ثم بدأت النظم تتطور بسرعة. وبالإضافة إلى ذلك، أُنشئ نموذجان متكرران للشبكة العصبية من طراز N-Grams وLSTM، ولعبا دوراً هاماً في معالجة تدفق النصوص عبر الإنترنت. 2000 In 2001, Yoshua Bengio and his team developed neurological language models using advanced symptom networks. During this period NLP search motors were online with tools such as voice Assistant, and more users have access to NLP systems. وقد أخذ حزب التحرير الوطني حالة أكثر تعقيدا مع نموه. وتختلف نظم التخطيط الوطنية عن 80 و90 سنة، واتخذت قرارات أكثر مرونة. وقد أصبح دعم أجهزة المحرك (SVM) ونموذجي Hidden Markov (HM) أكثر فائدة بهذه الطريقة، أصبحت النظم أكثر فائدة. أحد نظم الترجمة التحريرية القائمة على نظام التحرير الوطني في هذه الفترة Google Translate أُطلق في عام 2006. 2010 وأعلنت شركة Google في عام 2018 نموذج " Bidirectional Encoder Representations from Transformers " . وقد حلل هذا النموذج الجملة من جانبين باستخدام كثافة طبقات المحولات، مما زاد معدل فهم اللغة البشرية. In 2000s, NLP started to change in 2010. ومع هذا التغيير، تم الكشف عن النظم المستخدمة في مختلف المهام. وهذه النظم هي: Word2Vec (2013): (توماس) اخترع من قبل (ميكولوف) وفريقه Cross to Nöral Models in Translation Services (2017): وإلى جانب هذا التطور، فإن ترجمة Google بعيدة كل البعد عن السياق الإحصائي، ويسمح بترجمة الجملة. وبهذه الطريقة، بدأت نتائج أكثر دقة ودقة. Uzun Kısa Süreli Bellek (LSTM) Ağları: LSTM sistemleri dil anlama yeteneği sayesinde ön plana çıkmıştır. Google Çeviri ve Apple Siri sistemlerinde kullanılmaya başlandı. عرض نموذج التحول (2017): (ج) نموذج التحول الذي يُفضي إلى تحسين عملية تجهيز البيانات ويحسن الأداء والسرعة. وقد أوجدت كل هذه الدراسات والاختبارات تكنولوجيا تجهيز اللغات الطبيعية التي نستخدمها حاليا. تكنولوجيا تجهيز اللغات الطبيعية اليوم وقد وضع نموذج GPT خلال هذه الفترة. وقد أتاح نموذج GPT نتائج ذات دقة عالية مع بيانات أقل عن التدريب لأنه نموذج مدرب مسبقا. واليوم، أصبح التدريب، والبرامجيات، وتيسير الحياة اليومية، قادراً على خدمة العديد من الأماكن مثل فهم اللغة البشرية. وعندما ننظر إلى الفترات السابقة، زاد حزب التحرير الوطني أداءه زيادة كبيرة. فهم اللغات وتصنيف النصوص: الشعور بالاستفسارات، التفكير، تحليل النوايا يسمح للمستعمل بالعودة المجدية. Chat Robots and Virtual Assistants: ويدمج تشاتغب التطبيقات الرامية إلى تيسير الحياة البشرية في نماذج استخبارات اصطناعية مثل ديبيك، Qwen. المعلومات: يمكنك الحصول على الآلاف من الموارد في وقت قصير جدا. Speech Recognition and Language Translation Services: فهما لأنماط الكلمات والعقوبات المتكلّمة، ويمكنهما توفير الترجمة إلى لغات مختلفة. أما تكنولوجيا تجهيز اللغات الطبيعية، التي تستند إلى نظم بسيطة لا يمكن أن تترجم سوى بضع كلمات قبل 75 عاما، فق
Creator
