GemMaroc: la rivoluzione marocchina che integra il darija nell'intelligenza artificiale

Monday 13 October 2025 - 15:00

Il Marocco ha appena compiuto un importante passo avanti nel mondo della tecnologia linguistica con il lancio di GemMaroc, uno studio pionieristico intitolato "Sbloccare la competenza in darija negli LLM con dati minimi", che esplora la capacità dei modelli linguistici di comprendere e generare il darija, il dialetto marocchino.

Questa iniziativa, guidata da un gruppo di ricercatori marocchini specializzati in intelligenza artificiale e linguistica, segna una vera e propria rivoluzione nell'integrazione delle lingue locali nei sistemi digitali. Molto più di un progetto scientifico, GemMaroc si distingue come un atto di emancipazione tecnologica di fronte al dominio linguistico globale nel campo dell'intelligenza artificiale.

I risultati di questo studio sono impressionanti: in soli due giorni di formazione, i ricercatori sono riusciti a sviluppare un modello in grado di comprendere e produrre il darija con notevole precisione, utilizzando risorse di dati limitate.

Utilizzando un piccolo corpus di frasi accuratamente tradotte e selezionate, il team ha osservato un aumento del tasso di risposta corretta dal 33% a oltre il 47%, senza compromettere le prestazioni del modello in inglese. Il modello più avanzato, GemMaroc-27B, ha persino superato diversi modelli internazionali nei test di comprensione del Darija.

Lo studio sottolinea un punto cruciale: il successo del modello non dipende dal volume dei dati, ma dalla loro qualità e diversità. I ricercatori hanno privilegiato scenari di vita reale e dialoghi quotidiani che riflettessero la vita marocchina – istruzioni orali, espressioni popolari e questioni culturali – per consentire al modello di integrare le sottigliezze del contesto locale.

Un'altra importante innovazione è stata la creazione di una lingua "Darija strutturata", volta a ridurre il "rumore linguistico" causato dalla varietà di dialetti regionali. Questo approccio ha permesso all'intelligenza artificiale di rispondere in modo più coerente e accurato, aprendo la strada alla progettazione di strumenti educativi, amministrativi e digitali in Darija.

Lo studio evidenzia anche una sfida fondamentale: la mancanza di uno standard di scrittura per il Darija, a causa della sua natura essenzialmente orale. Per risolvere questo problema, il team ha adottato un metodo ibrido che combina la scrittura in alfabeto arabo e latino per riflettere la realtà linguistica marocchina su internet e sui social media.

Infine, per mantenere l'equilibrio delle competenze del modello, il 20% dei testi di formazione è rimasto in inglese, garantendo il mantenimento delle competenze complessive del sistema in matematica, ragionamento e comprensione contestuale.

Con GemMaroc, il Marocco si sta affermando come pioniere nell'inclusione linguistica dell'intelligenza artificiale, dimostrando che una tecnologia all'avanguardia può adattarsi a una lingua locale e trasformarla in uno strumento di innovazione culturale e sociale. Questo progetto annuncia una nuova era in cui il Darija entra finalmente a far parte del linguaggio delle macchine, alla pari con le principali lingue del mondo.