I Built My Wife a Patient English Idiom Coach That Runs on Our Laptop

Süni İntellekt Dəstəkli Fərdi Dil Təlimçisi: Noutbukda Lokal İşləyən İdiom Məşqçisi

Xarici dil öyrənmə prosesində qrammatika və baza lüğət ehtiyatı müəyyən səviyyəyə çatdıqdan sonra tələbələrin qarşılaşdığı ən böyük maneələrdən biri frazeoloji birləşmələr, yəni idiomlar olur. Xüsusilə ingilis dilində gündəlik ünsiyyət “it’s a piece of cake”, “call it a day” və ya “under the weather” kimi hərfi mənası ilə heç bir əlaqəsi olmayan ifadələrlə zəngindir. Hacktoberfest çərçivəsində təqdim edilən yeni layihə, dil daşıyıcılarının mühitinə yeni daxil olmuş A2 səviyyəli istifadəçilər üçün idiomları interaktiv və səbirlə öyrədən fərdi bir süni intellekt köməkçisinin necə yaradıldığını nümayiş etdirir.

Layihənin ən diqqətçəkən tərəfi onun bulud serverlərindən asılı olmadan, birbaşa istifadəçinin şəxsi noutbukunda tamamilə lokal şəkildə çalışmasıdır. Bu yanaşma həm internet bağlantısı tələbini aradan qaldırır, həm də istifadəçi məxfiliyini ən yüksək səviyyədə təmin edir.

Niyə Bulud Yox, Məhz Lokal Süni İntellekt?

Ənənəvi SaaS həlləri və kommersiya API-ləri (məsələn, OpenAI GPT-4 və ya Claude) yüksək səviyyəli linqvistik imkanlar təqdim etsə də, gündəlik fərdi təcrübədə bəzi çatışmazlıqlara malikdir. Müəllifin lokal inferensə üstünlük verməsinin arxasında bir neçə mühüm texniki səbəb dayanır:

• Sıfır Gecikmə və Oflayn Əlçatanlıq: Noutbukda çalışan lokal dil modelləri (SLM – Small Language Models) internet kəsildikdə belə fasiləsiz işləyir.
• Məlumat Məxfiliyi: İstifadəçinin tələffüz səhvləri, cavabları və qarşılıqlı əlaqə tarixçəsi heç bir kənar serverə ötürülmür.
• API Xərclərinin Olmaması: Model üçün hər sorğuya görə token ödənişi tələb olunmur; bu da istifadəçiyə heç bir maliyyə məhdudiyyəti olmadan limitsiz təkrarlama və məşq imkanı verir.
• Fərdiləşdirilmiş Sistem Təlimatları: Lokal model spesifik olaraq “səbirli, A2 səviyyəsinə uyğunlaşan və sadə izahatlar verən” repetitor roluna köklənir.

Texniki Arxitektura və Sistem Quruluşu

Bu cür layihələrin noutbuk aparat təminatında rahat işləməsi üçün müasir kvantlaşdırma (quantization) üsullarından və yüngül neyron şəbəkələrindən istifadə olunur. Ümumi memarlıq aşağıdakı komponentlərdən ibarətdir:

• İnferens Mühərriki: Yerli maşında modelin resursları optimallaşdırılmış şəkildə istifadə etməsi üçün Ollama və ya llama.cpp arxitekturası tətbiq edilir.
• Əsas Model: Sistemdə resurs tələbatı az, lakin təbii dil anlama qabiliyyəti yüksək olan Llama-3-8B-Instruct və ya Mistral-7B modellərinin 4-bitlik (Q4_K_M) kvantlaşdırılmış versiyaları istifadə olunur.
• İstifadəçi İnterfeysi: Tətbiq sadə və intuitiv Python çərçivəsi (məsələn, Streamlit və ya yüngül veb interfeys) üzərindən idarə olunur.
• Prompt Mühəndisliyi (System Prompt): Modelə ciddi təlimat verilir ki, mürəkkəb qrammatik izahatlardan qaçsın, idiomları gündəlik həyat ssenariləri ilə vizuallaşdırsın və tələbəni ruhlandıran ton qorusun.

Öz Lokal İdiom Məşqçinizi Necə Qura Bilərsiniz? (Addım-addım Bələdçi)

Oxşar bir köməkçini öz şəxsi kompüterinizdə quraşdırmaq üçün aşağıdakı ardıcıllığı icra edə bilərsiniz.

Addım 1: Ollama Platformasının Quraşdırılması

Əvvəlcə açıq mənbəli modelləri lokalda asanlıqla idarə etmək üçün sisteminizə uyğun Ollama mühitini quraşdırın və yüngül modeli yükləyin:

# Modeli terminaldan endirin və yoxlayın
ollama run llama3:8b

Addım 2: İşçi Mühitin Hazırlanması

Python əsaslı interfeys və API əlaqəsi üçün tələb olunan kitabxanaları quraşdırın:

pip install ollama streamlit

Addım 3: Tətbiq Kodunun Yazılması

Layihə qovluğunda app.py faylı yaradın və modeli fərdiləşdirən aşağıdakı sadə kodu daxil edin:

cat << 'EOF' > app.py
import streamlit as st
import ollama

st.set_page_config(page_title="Lokal İdiom Məşqçisi", page_icon="🎓")
st.title("İngilis Dili İdiom Təlimçisi")

SYSTEM_PROMPT = """
You are a patient, encouraging English idiom coach for an A2-level learner.
Explain idioms using very simple vocabulary, short sentences, and everyday SF/modern life examples.
Always test the user with a gentle multiple-choice or fill-in-the-blank question after explaining.
"""

if "messages" not in st.session_state:
    st.session_state.messages = [{"role": "system", "content": SYSTEM_PROMPT}]

for msg in st.session_state.messages:
    if msg["role"] != "system":
        with st.chat_message(msg["role"]):
            st.write(msg["content"])

if prompt := st.chat_input("Hansı idiomu öyrənmək istəyirsiniz?"):
    st.session_state.messages.append({"role": "user", "content": prompt})
    with st.chat_message("user"):
        st.write(prompt)

    response = ollama.chat(
        model="llama3:8b",
        messages=st.session_state.messages
    )
    
    reply = response['message']['content']
    st.session_state.messages.append({"role": "assistant", "content": reply})
    with st.chat_message("assistant"):
        st.write(reply)
EOF

Addım 4: Tətbiqin İşə Salınması

Sistemi işə salmaq üçün terminalda aşağıdakı əmri daxil edin:

streamlit run app.py

Təhsil Texnologiyaları (EdTech) Üçün Əhəmiyyəti

Bu təşəbbüs göstərir ki, müasir süni intellekt inqilabı yalnız böyük korporasiyaların meqa-serverləri ilə məhdudlaşmır. Fərdi tələblərə uyğunlaşdırılmış, lokal çalışan “Edge AI” tətbiqləri təhsil sahəsində inqilabi dəyişikliklərə yol açır. Tələbə səhv etməkdən çəkinmədən, heç bir abunə haqqı ödəmədən və məlumatlarının qorunduğundan əmin olaraq təbii dildə dialoq qura bilir.

Yekun Dəyərləndirmə

Hacktoberfest çərçivəsində təqdim olunan bu fərdi layihə, texnologiyanın gündəlik real problemləri həll etmək üçün necə humanistləşdirilə biləcəyinin bariz nümunəsidir. Güclü açıq mənbəli modellərin (Open Source LLMs) və aparat təminatı optimizasiyalarının inkişafı sayəsində, yaxın gələcəkdə hər kəsin öz ehtiyaclarına uyğunlaşdırılmış fərdi lokal repetitorlara sahib olacağını proqnozlaşdırmaq olar.