الفصحى مقابل اللهجة (الفصحى والعامية)

لا يكبر أي متحدث عربي أصلي وهو يتحدث الفصحى في المنزل — فهي تُتعلَّم رسمياً في المدارس وتُستخدم في الكتابة والنشرات الإخبارية والخطاب الديني والمراسلات الرسمية، وتعمل كمعيار أدبي مشترك عبر العالم العربي. أما اللهجات فهي اللغات الأم الحقيقية: يستخدم السعوديون والإماراتيون اللهجة الخليجية، ويستخدم المصريون اللهجة المصرية، ويستخدم اللبنانيون والسوريون اللهجة الشامية، وتختلف هذه اللهجات عن الفصحى — وعن بعضها البعض — في المفردات والنطق وحتى تركيب الجملة الأساسي، أحياناً لدرجة محدودية الفهم المتبادل بينها.

هذه الفجوة هي السبب الأكبر في ضعف أداء أدوات الذكاء الاصطناعي العامة مع العربية: معظم النصوص العربية المتاحة للتدريب (المواقع الإخبارية، ويكيبيديا، الوثائق الحكومية) هي فصحى، لذا فإن نموذجاً أو نظام ASR/TTS يبدو طليقاً في معايير النص المكتوب قد يفشل بشكل واضح في مكالمة هاتفية حقيقية أو محادثة واتساب، حيث يتحدث عميل من الرياض اللهجة الخليجية ويتحدث عميل من القاهرة اللهجة المصرية. وكيل ذكاء اصطناعي إنتاجي في الخليج يجب أن يُبنى ويُقيَّم مقابل اللهجات المحددة التي يتحدث بها عملاؤه فعلياً، وليس الفصحى فقط — وهذا هو السبب الجوهري في أن 'يدعم العربية' و'يدعم لهجة عملائك' ادعاءان مختلفان تماماً.