Когнитивное моделирование этноединиц с соматическим компонентом в системах ИИ и семантические девиации в переводе

Статья посвящена актуальной проблеме современной компьютерной лингвистики и NLP – исследованию способности крупных языковых моделей (LLM) распознавать этнокультурные коды и национальномировоззренческие пласты казахского языка. Актуальность исследования обусловлена тем, что основным пробелом в существующих системах перевода на базе искусственного интеллекта является неспособность адекватно распознавать этнокультурные единицы. Кроме того, наблюдается дефицит исследований в данной области и растет спрос на создание моделей ИИ, адаптированных к переводческой эрратологии и способных точно передавать культурные смыслы. Цель исследования – выявление когнитивных механизмов обработки казахских соматических этнографизмов (жүрек жалғау, бауырымдау, аузына түкірту и др.) в системах ChatGPT, Gemini и Claude, а также классификация семантических отклонений (аберраций) в цифровой среде. В работе использован комплекс методов: когнитивное моделирование, лингвокультурный анализ и сравнительно-экспериментальный метод. В качестве эмпирической базы отобраны соматические этноединицы из классических произведений А. Кекилбаева, М. Ауэзова, Т. Алимкулова и Т. Ахтанова. Для проверки чувствительности моделей к контексту были разработаны двухэтапные (лексические и контекстно-прагматические) лингвистические промпты. Результаты экспериментального анализа показали, что системы ИИ при интерпретации казахских этносоматических кодов часто допускают такие ошибки, как «прагматическая инверсия», «лингвокультурная деритуализация» и «денотативный буквализм». В моделях были выявлены явления подмены сакральных смыслов западными этическими нормами и когнитивная инертность. Ценность работы заключается в том, что в ней впервые на материале казахского языка в когнитивно-семантическом аспекте рассмотрена этнокультурная дезадаптация генеративных приложений (ChatGPT, Gemini, Claude). Практическая значимость результатов исследования определяется возможностью их применения для специализированной настройки моделей ИИ (fine-tuning) на основе этнографической базы данных казахского языка, а также для повышения качества машинного перевода.

1. Абдрахманова М.Б. «Көз» концепті: лингвомәдени және танымдық парадигмасы: филол. ғыл. канд. дис.– Алматы, 2008.

2. Алдабергенова А.А., Жұмабекова А.Қ. Жаңа аударма мәтіндерінің баламалылық деңгейі // Торайғыров университетінің Хабаршысы. Филологиялық серия. – 2024. – №3. – 44-52-бб.

3. Барменқұлова А.С., Жаңабекова А.Ә., Манкеева Ж.А. Этномәдени бірліктердің корпуста берілу жолдары // Тілтаным, 2023. №1 (56). – 56-66-бб.

4. Ескермесова Г.А., Ермекова Т.Н., Шойбекова Ғ.Б. Этномәдени бірліктердің жасанды интеллект арқылы аударылуы: машиналық аудармалар және оның сапасын бағалау // Еуразия гуманитарлық институтының хабаршысы. – 2026. – №2. – 67–74-бб. DOI: https://doi.org/10.55808/1999-4214.2026-2.06

5. Жанабекова А.А., Усенов М., Тлегенова Г.Б. Создание больших языковых моделей в казахском языке: казахстанский опыт и глобальные тренды // Tiltanym, 2026. №1 (101). – С. 135–149. DOI: https://doi.org/10.55491/2411-6076-2026-1-135-149

6. Имангазина М. Аудармадағы коммуникант эмоциясы: түр-түс атауларының қызметі мен семантикасы // Вестник евразийского гуманитарного института. – 2024. – №3. – С. 41-52.

7. Исаева Г.С., Өтебаева Э.Ә., Серікқызы М. Лингвомәдени ішкорпусты әзірлеудегі мәдени-семантикалық белгіленім // Тілтаным, 2023. №3 (135). – 135-143-бб.

8. Ислам А. Медиалингвистика негіздері және медиа аударма мәселелері // Қарағанды университетінің хабаршысы. Филология сериясы. – 2025. – №2 (118). – 151-160-бб.

9. Қазақ әдеби тілінің сөздігі. Он бес томдық. 6-том / Құраст.: Ж. Қоңыратбаева, Ғ. Қалиев, Қ. Есенова және т.б. – Алматы, 2011. – 752 б.

10. Қазақ әдеби тілінің сөздігі. Он бес томдық. 10-том / Құраст.: М. Малбақов, Н. Оңғарбаева, А. Үдербаев және т.б. – Алматы, 2011. – 752 б.

11. Қазақтың этнографиялық категориялар, ұғымдар мен атауларының дәстүрлі жүйесі. Энциклопедия. – Т. 1: АД / Ғылыми ред. Н. Әлімбай. – Алматы: DPS, 2011. – 735 б.

12. Қайдар Ә. Қазақтар ана тілі әлемінде (этнолингвистикалық сөздік). – Т. 1: Адам. – Алматы: Дайк-Пресс, 2009. – 784 б.

13. Манкеева Ж. Қазақ тіл білімінің мәселелері. – Алматы: «Абзал-Ай» баспасы, 2014. – 640 б.

14. Нұржанова А. Дүниенің қарабайыр бейнесі: фразеологиялық фрагменттің соматикалық коды: филол. ғыл. канд. ... дис. – Астана, 2010.

15. Раманова А.А. Қазақ тіліндегі соматизмдердің лексикалық-семантикалық өрісі // Батыс Қазақстан инновациялық-технологиялық университетінің хабаршысы. – 2023. – Т. 68. №1. – 101-110-бб.

16. Смағұлова Г. Қазақ фразеологиясы лингвистикалық парадигмаларда: монография. – Алматы: «Елтаным баспасы», 2020. – 256 б.

17. Сыздық Р. Ғылыми таным үзіктері: Мақалалар жинағы. 1-кітап. / Рабиға Сыздық. – Алматы: «Сардар», 2025. Қазақ және орыс тілдерінде.

18. Ташауов Ә.С. «Кодекс Куманикус» тіліндегі соматикалық атаулар және олардың лексика-семантикалық топтары: филол. ғыл. канд. ... дис. — Алматы, 1995. – 161 б.

19. Уәли Н. Қазақ сөз мәдениетінің теориялық негіздері. Монография. – Алматы: «Қазақ тілі» баспасы, 2021. – 424 б.

20. Уызбаева Б.К. Қазақ тіліндегі соматикалық етістік фразеологизмдердің этнолингвистикалық сипаты: филол. ғыл. канд. ... дис. – Алматы, 1994.

21. Alimzhanova, Sh.A. The role of somatisms in polysemantic phraseological units: a cognitive and cultural feature // International Journal of Literature and Languages. 2025. Vol. 5. Issue 03. Pp. 74-77.

22. Bender, E.M., Koller, A. Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data // Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics. 2020. Pp. 5185–5198.

23. Cao, Y., Zhou, L., Lee, S., Cabello, L., Chen, M., Hershcovich, D. Assessing Cross-Cultural Alignment between ChatGPT and Human Societies: An Empirical Study // Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing (EMNLP). 2023. Pp. 53–67.

24. Kadyrbek, N., Tuimebayev, Z., Mansurova, M., Viegas, V. The Development of Small-Scale Language Models for Low-Resource Languages, with a Focus on Kazakh and Direct Preference Optimization // Information. 2025. Vol. 16(1). Art. No. 85.

25. Karyukin, V., Rakhimova, D., Karibayeva, A., et al. The neural machine translation models for the low-resource Kazakh–English language pair // Scientific Reports. 2024. Vol. 14. Art. No. 7166.

26. Marcus, G. The Next Decade in AI: Four Steps Towards Robust Artificial Intelligence // arXiv preprint. 2020. arXiv:2002.06177. Pp. 1-45.

27. Maxutov, A., Myrzakhmet, A., Braslavski, P. Do LLMs Speak Kazakh? A Pilot Evaluation of Seven Models // Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing (EMNLP). 2024. Pp. 112–128.

28. Tekgürler, M. LLMs for Translation: Historical, Low-Resourced Languages and Contemporary AI Models // Proceedings of LaTeCH-CLfL 2025. Pp. 227–237.

29. Togmanov, M., Mukhituly, N., Turmakhan, D., et al. KazMMLU: Evaluating Language Models on Kazakh, Russian, and Regional Knowledge of Kazakhstan // MBZUAI Technical Report. 2025. Pp. 1-22.

30. Toleu, A., Tolegen, G., Ualiyeva, I. Fine-Tuning Large Language Models for Kazakh Text Simplification // Applied Sciences. 2024. Vol. 14(5). Art. No. 2100.

31. Wang, X., Fantinuoli, C. Exploring the Correlation between Human and Machine Evaluation of Simultaneous Speech Translation // Proceedings of the 25th Annual conference of the European Association for Machine Translation (Volume 1). 2024. Pp. 327–336.