Los científicos de la Universidad de Sharjah creen haber creado un sistema de inteligencia artificial que puede identificar automáticamente qué dialecto árabe está hablando alguien.el trabajo espublicadoenExploración IEEE.

Dicen que su sistema desentraña el rico y complejo tejido de los dialectos árabes que hasta ahora los sistemas de habla convencionales no logran interpretar e identificar con precisión.

"El árabe es un idioma rico con muchos dialectos regionales, y cada uno tiene su propio vocabulario, expresiones y pronunciación únicos. Esta diversidad hace que sea un desafío para la tecnología comprenderlos y diferenciarlos con precisión", afirmó Ashraf Elnagar, profesor de Ciencias de la Computación ySistemas de Inteligencia.

"Para solucionar este problema, desarrollamos un sistema que puede identificar automáticamente qué dialecto árabe está hablando alguien".

El árabe, idioma oficial en 22 países que abarcan el Medio Oriente, el norte de África y la Península Arábiga, es uno de los idiomas más hablados a nivel mundial conmás de 370 millones de personasteniéndolo como lengua materna.También es una de las lenguas del mundo más inmersas en la cultura y quienes la tienen como lengua materna o la aprenden como segunda olengua extranjerase encuentran aprendiendo sobre el Islam y su cultura también.

Con un alfabeto totalmente diferente al inglés, el idioma tiene numerosos sonidos propios de su fonología.El encanto de sus sonidos y personajes desconciertainnumerables estudiantes extranjerosque aspiran a hablarlo con fluidez.Aunque la mayor parte del aprendizaje de la lengua árabe se produce en la variedad formal estándar, muchos estudiantes extranjeros optan por versiones coloquiales o cotidianas, en particular las formas habladas vigentes en Egipto y Siria.

Los autores dicen que no se enfrentaron a una tarea fácil en su intento de enseñar a las computadoras a reconocer diferentes dialectos árabes simplemente escuchando palabras habladas.Escriben: "El principal desafío es el desarrollo de un modelo de aprendizaje automático capaz de identificar con precisión una amplia gama de dialectos árabes degrabaciones de audio.

"Esta tarea se ve agravada por la diversidad y complejidad inherentes de los dialectos árabes, junto con los desafíos técnicos del procesamiento de audio y la optimización del modelo de aprendizaje automático".

Los autores utilizaron conjuntos de datos que comprenden más de 3000 horas de segmentos de audio recopilados de YouTube.Los datos incluyen 19 dialectos diferentes hablados en Argelia, Egipto, Irak, Jordania, Arabia Saudita, Kuwait, Líbano, Libia, Mauritania, Túnez, Marruecos, Omán, Palestina, Qatar, Sudán, Siria, Emiratos Árabes Unidos (EAU) y Bahrein.y Yemen.

Los resultados fueron impresionantes, dijo el profesor Elnagar, subrayando la alta precisión del modelo en la identificación del dialecto árabe a nivel regional y nacional."Nuestro modelo identificó correctamentedialectos regionalesel 97,29% del tiempo y dialectos específicos del país el 94,92% del tiempo.

"Lo notable es que lo logramos utilizando sólo el 29% de ladatos de entrenamientonormalmente requerido por otros investigadores.Hemos puesto nuestros modelos a disposición del público para que otros investigadores y desarrolladores puedan utilizarlos para crear mejores tecnologías relacionadas con el habla para los hablantes de árabe".

El proyecto tiene el potencial de mejorar la comunicación y la accesibilidad para millones de hablantes de árabe en todo el mundo.El profesor Elnagar dijo que la capacidad del modelo para identificar correctamente un dialecto puede "mejorar las tecnologías activadas por voz como asistentes virtuales, servicios de traducción y sistemas automatizados de atención al cliente".

"Esto no sólo cierra las brechas de comunicación entre las diferentes regiones de habla árabe, sino que también contribuye a hacer que la tecnología sea más inclusiva y fácil de usar para los hablantes de árabe".

A pesar de los sorprendentes resultados, señaló el profesor Elnagar, el proyecto aún se puede mejorar.Para ello, los autores han puesto su sistema a disposición del público "en línea en una plataforma llamada HuggingFace, para que otros puedan acceder y aprovechar nuestro trabajo para mejorar las tecnologías del idioma árabe".

La investigación es el resultado de la colaboración entre el Prof. Elnagar y tres de susestudiantes universitarioscomo parte de un proyecto para construir un modelo de aprendizaje profundo para la identificación del dialecto árabe a partir del habla.Los resultados iniciales de la investigación se presentaron por primera vez en la 15.ª Conferencia Anual de Investigación de Pregrado sobre Computación Aplicada (URC) en 2024.

"Desarrollada por nuestros dedicados estudiantes, la tecnología detrás de nuestro sistema integra metodologías de vanguardia y técnicas de aprendizaje profundo. Ampliar su funcionalidad de texto a señales de audio lo distingue, brindando un enfoque multimodal para comprender y procesar el idioma árabe", dijo el profesordijo Elnagar.

Para el estudiante investigador Amr Barakat, el proyecto "supera una brecha crítica en la tecnología del lenguaje, permitiendo una comunicación más inclusiva y precisa para los hablantes de árabe en todo el mundo. Al aprovechar el aprendizaje automático avanzado, hemos creado un modelo que no solo destaca en rendimiento sino que también allana el camino".para futuras innovaciones en el reconocimiento de voz".

Otro estudiante investigador, Abdulla Aldhaheri, informó de un gran interés de la industria en el proyecto, ya que "tiene el potencial de una adopción generalizada, ofreciendo numerosos beneficios y mejoras a diversas aplicaciones y servicios de lenguaje impulsados ​​por IA".

Además de su alta precisión, la herramienta que han desarrollado los autores, a diferencia de los modelos disponibles actualmente, requiere menos datos y recursos computacionales, lo que la hace accesible para un uso más amplio.Esta característica, según los autores, fue la causa del interés de la industria por su trabajo.Citaron a corporaciones tecnológicas como Microsoft y organismos gubernamentales en Sharjah, en los Emiratos Árabes Unidos.especialmente entusiasmados con su trabajo.

Más información:Amr Barakat et al, Identificación del dialecto árabe a partir del habla,2024 15a Conferencia Anual de Investigación de Pregrado en Computación Aplicada (URC)(2024).DOI: 10.1109/URC62276.2024.10604557