🤖 Marokkaans AI-model bewijst efficiëntie in verwerking van Darija met beperkte middelen

Een Marokkaans onderzoeksteam heeft een baanbrekende studie gepresenteerd onder de titel GemMaroc: Unlocking Darija Proficiency in LLMs with Minimal Data, waarin een nieuw taalkundig model wordt ontwikkeld dat de Marokkaanse Darija kan begrijpen en genereren met beperkte gegevensbronnen en een nauwgezette methodologie. De studie markeert een belangrijke stap in de integratie van de Marokkaanse volkstaal binnen de wereld van kunstmatige intelligentie.

🧠 Integratie van Darija in artificiële intelligentie
De onderzoekers willen de Marokkaanse dialecttaal opnemen in AI-technologieën voor toepassingen in digitaal onderwijs, publieke dienstverlening en slimme communicatiesystemen. Zo hopen ze de taal dichter bij de bevolking te brengen en digitale rechtvaardigheid te bevorderen door lokale talen een volwaardige plaats te geven binnen moderne technologie.

📊 Opmerkelijke resultaten met minimale data
De studie, uitgevoerd door Marokkaanse specialisten in AI en taalkunde, toont aan dat grote taalmodellen (LLM’s) in staat zijn Darija te begrijpen en te produceren, zelfs met een beperkte hoeveelheid trainingsdata. Door zorgvuldig vertaalde teksten te gebruiken, steeg de nauwkeurigheid van antwoorden bij kleine modellen van 33% naar meer dan 47%, zonder verlies van prestaties in het Engels. Het grotere model, GemMaroc-27B, overtrof zelfs internationale modellen in algemene begripstesten van Darija.

⚙️ Technische efficiëntie en lage kosten
Een opvallend detail is dat deze resultaten in slechts twee dagen training werden behaald, wat bewijst dat krachtige AI in Darija mogelijk is met beperkte middelen en lage kosten. Succes bleek niet enkel af te hangen van de hoeveelheid data, maar vooral van de kwaliteit, diversiteit en realistische context van de gebruikte teksten.

🗣️ Structurering van de Darija
Het onderzoeksteam gebruikte dialogen en dagelijkse scenario’s die de Marokkaanse realiteit weerspiegelen — van informele gesprekken tot educatieve instructies — waardoor het model beter kon inspelen op de lokale context. Door een “gestructureerde Darija” te hanteren, werd taalkundig “ruis” verminderd, wat resulteerde in consistentere en preciezere antwoorden, vooral in maatschappelijke en educatieve thema’s.

🔤 Uitdaging: gebrek aan standaardisatie
Een van de grootste uitdagingen bleek het ontbreken van een gestandaardiseerde schrijfwijze van de Darija. Om dit op te lossen, hanteerden de onderzoekers een hybride methode die zowel Arabische als Latijnse schrijfvormen combineert. Dit stelde het model in staat om beter te navigeren in de digitale representatie van Darija, vooral op sociale media.

🌐 Toepassingen en open toegang
De studie benadrukt dat deze technologische doorbraak de weg opent voor toepassingen zoals klantenservice, educatieve hulpmiddelen, analyse van lokale digitale inhoud en zelfs publieke interactie in de volkstaal. Het team heeft bovendien alle bijhorende codes, datasets en checkpoints publiek gedeeld om andere onderzoekers te ondersteunen bij de ontwikkeling van AI-diensten gebaseerd op Darija.

🇲🇦 Een nationale stap in AI-ontwikkeling
Volgens de onderzoekers is GemMaroc niet enkel een technisch succes, maar ook een stimulans voor lokale innovatie. De modellen werden volledig in Marokko ontwikkeld, zonder beroep te doen op internationale teams of omvangrijke middelen. Dit bewijst dat het land over het potentieel beschikt om een eigen, duurzame onderzoeksinfrastructuur voor kunstmatige intelligentie op te bouwen.

© mnws.be — Alle rechten voorbehouden.