العربية التي في خزانة الملفات

في كل مشروع تقريباً لحظة يفتح فيها أحدهم الأرشيف. أحياناً غرفة صناديق. وأحياناً محرك أقراص مشترك فيه أربعة عشر ألف ملف وورد اسمها نهائي، ونهائي2، ونهائي-نهائي. ومرة كانت خزانة أشرطة كاسيت. والسؤال هو نفسه دائماً، ويُطرح بشيء من الأمل: هل يستطيع النموذج قراءة هذا؟ والجواب الصادق، في ذلك اليوم: ليس بعد.

ثلاثة أنواع من العربية في مبنى واحد

العربية التي تتعلمها النماذج اللغوية الكبيرة من الإنترنت هي عربية المواقع الإخبارية والموسوعات. فصحى حديثة، مكتوبة بعناية، بأقلام أناس مهنتهم الكتابة. والمؤسسات لا تنتج ذلك. تنتج ثلاثة أشياء أخرى، وعادةً كلها معاً.

اللهجة: شكوى دُوّنت من مكالمة هاتفية، وملاحظة ميدانية من مفتش، ورسالة من مواطن، باللهجة الخليجية، بمفرداتها ومن دون إملاء متفق عليه. والنموذج المدرَّب على الصحف يقرؤها كما يقرؤها أجنبي بكتاب مدرسي، أي يفهم العموم ويفوّت المقصود.

الخلط: تقرير يغيّر لغته في منتصف الجملة. مصطلح تقني بالإنجليزية داخل عبارة عربية، ثم رمز منتج، واسم مكان، ووحدة. على النموذج أن يحمل اللغتين معاً. والنماذج العامة تترجم المصطلح الإنجليزي إلى كلمة عربية لا يستخدمها أحد في المبنى، فيتوقف المهندسون عن الثقة بالمخرجات من الصفحة الأولى.

الورق: عقود من السجلات لا توجد إلا كمسوحات. نماذج مختومة، وهوامش بخط اليد، وجداول طُبعت على آلة وصُوّرت مرتين. وقراءتها مشكلة رؤية قبل أن تكون مشكلة لغة، وإن حُلّت المشكلتان على حدة تعلّم النموذج من أخطاء الماسح.

الأرشيف هو مجموعة التدريب. لا أحد يضطر لشراء بيانات.

كيف نعرف أنه يعمل

نحجز مجموعة من ملفات المؤسسة نفسها، تختارها المؤسسة، لا يراها النموذج أثناء التدريب. وحين يجهز النموذج يقرؤها، ونعدّ كم مرة أصاب، حقلاً حقلاً وسؤالاً سؤالاً. وهذا هو الرقم الذي نبلّغ عنه. المعايير العامة مفيدة لاختيار نموذج البداية وعديمة الفائدة لتقرير ما إذا كان موظف جمارك يستطيع الثقة بالمخرجات. وحين يخطئ النموذج تُجمع الإجابات الخاطئة وتُراجع وتُعاد إليه، فيرتفع الرقم في الدورة التالية. ويرتفع سريعاً عادةً، لأن الأخطاء التي تثيرها مستندات مؤسسة ما متسقة، والأخطاء المتسقة قابلة للتعلم.