هوشِ مصنوعی به فارسی: کجا ایستادهایم، کجا میرویم
نگاهی صادقانه به وضعیتِ هوشِ مصنوعیِ فارسیزبان؛ از مدل و رابط تا کاربرد، و سؤالی که هنوز بیپاسخ است: چه چیزی واقعاً «بومی» است و سازندهٔ کوچک کجا میتواند وارد شود.
وقتی از «هوشِ مصنوعیِ فارسی» حرف میزنیم، اغلب منظورمان روشن نیست. گاهی یعنی مدلی که فارسی میفهمد، گاهی یعنی رابطی که از راست به چپ کار میکند، و گاهی یعنی محصولی که مسئلهای فارسیزبان را حل میکند. این سه چیزِ متفاوتاند و خَلطشان باعث میشود بحثها به جایی نرسد. میخواهم در این یادداشت کمی منظمتر نگاه کنم؛ نه با هیجانِ کنفرانسهای فناوری، نه با ناامیدیِ کسانی که میگویند «در ایران هیچ کاری نمیشود کرد». جایی میانهٔ این دو ایستادهام.
بومی بودن یعنی چه
سادهترین تعریفِ بومی بودن این است: مدل فارسی را میفهمد. اما این تعریف خیلی زود کم میآورد. یک مدلِ بزرگِ خارجی هم فارسی را میفهمد، گاهی بهتر از مدلهایی که در داخل آموزش دیدهاند. پس اگر «فهمیدنِ فارسی» کافی بود، مسئله حل بود.
بومی بودن، آنطور که من میفهمم، سه لایه دارد. اول، دادهٔ آموزش: مدل با چه متنهایی بزرگ شده؟ روزنامههای دههٔ شصت، یا فقط ترجمههای ماشینی از انگلیسی؟ دوم، بافتِ فرهنگی: مدل میداند «چهارشنبهسوری» چیست؟ تفاوتِ «شما» و «تو» را در مکالمهٔ رسمی میفهمد؟ سوم، مسئلهای که حل میکند: آیا کاری انجام میدهد که فقط برای کاربرِ فارسیزبان معنا دارد؟ تشخیصِ تاریخِ شمسی در یک قرارداد، خواندنِ دستخطِ نستعلیق، فهمیدنِ لحنِ شعرِ سپید.
یک ابزارِ خلاصهسازِ خبر که فقط فارسی را پشتیبانی میکند، بومی نیست — صرفاً ترجمهشده است. اما یک ابزارِ کوچک که قراردادهای کاری را بر اساسِ قانونِ کارِ ایران بررسی میکند، حتی اگر زیرِ پوست از یک مدلِ خارجی استفاده کند، بومیتر است. تفاوت در مسئله است، نه در زبانِ خروجی.
سه لایهای که در حال شکلگیری است
اگر بخواهم نقشهٔ امروز را بکشم، سه لایه میبینم.
لایهٔ اول، مدل. اینجا کارِ سنگین انجام شده اما نه بهاندازهٔ کافی. تیمهای دانشگاهی و چند گروهِ مستقل، مدلهای پایهای را برای فارسی تنظیمِ دقیق کردهاند. نتیجهاش مدلهایی است که برای کارهای روزمره — خلاصهسازی، پاسخ به سؤال، طبقهبندیِ متن — قابلِ استفادهاند. اما هنوز شکافِ معناداری با مدلهای مرجعِ جهانی دارند، بهخصوص در استدلالِ چندمرحلهای و کدنویسی. این شکاف، تا وقتی محاسبه گران است و دادهٔ فارسیِ باکیفیت کمیاب، باقی میماند.
لایهٔ دوم، رابط. اینجا اوضاع بهتر است. ابزارهایی دیدهام که مدلِ خارجی را گرفتهاند و رویش یک رابطِ فارسیِ تمیز ساختهاند — با راستچینیِ درست، با نیمفاصلههای درست، با میانبُرهای صفحهکلیدی که برای کاربرِ فارسیزبان معنا دارد. این کار ساده بهنظر میرسد اما نیست. اکثرِ رابطهایی که ادعا میکنند فارسی را پشتیبانی میکنند، در عمل یک ترجمهٔ تحتاللفظیاند که چشم را اذیت میکنند.
لایهٔ سوم، کاربرد. اینجا کمکارترین لایه است و بیشترین فرصت. ابزارهایی که یک مسئلهٔ مشخصِ ایرانی را با کمکِ هوشِ مصنوعی حل میکنند — هنوز انگشتشمارند. تشخیصِ گفتارِ فارسی برای پزشکانی که نمیخواهند تایپ کنند. خواندنِ فاکتورهای کاغذیِ بازارِ تهران برای دفترداریِ کوچک. کمک به نوشتنِ نامهٔ اداری به لحنِ درست. اینها کارهایی است که هیچ مدلِ خارجی بهتنهایی نمیتواند انجامشان دهد، چون مسئله را نمیشناسد.
محدودیتهایی که نباید پنهان کرد
اگر بخواهم با خودم صادق باشم، باید سه محدودیت را بگویم.
اول، داده. متنِ فارسیِ باکیفیت، در مقایسه با انگلیسی، اندک است. آنچه هست هم اغلب پراکنده، با کیفیتِ متغیر، و پُر از خطاهای املایی و فاصلهگذاری است. آموزشِ مدلِ بزرگ روی این داده، نتیجهاش مدلی است که خطاهای ما را یاد میگیرد. کسانی که میخواهند مدلِ فارسیِ خوب بسازند، باید بخشِ زیادی از وقتشان را صرفِ پاکسازیِ داده کنند، نه صرفِ معماریِ مدل.
دوم، محاسبه. آموزشِ مدلِ بزرگ گران است و تحریم، دسترسی به سختافزارِ روز را سختتر کرده. این یعنی بازیِ ساختنِ مدل از صفر، عملاً برای تیمهای کوچک بسته است. اما این لزوماً بد نیست — مجبور میشویم سراغِ تنظیمِ دقیق، تقطیر، و کاربردهای کوچکتر برویم، که اتفاقاً جاهای پُربازدهتریاند.
سوم، دسترسی. کاربرِ ایرانی به بسیاری از سرویسهای جهانی بهسادگی دسترسی ندارد. این برای سازندهٔ ایرانی هم یک محدودیت است و هم یک فرصت. محدودیت، چون نمیتوان روی زیرساختِ ابریِ خارجی بنا کرد. فرصت، چون اگر تو در داخل سرویسی بسازی که پایدار است و با ریال پرداخت میشود، یک سدِ طبیعی دورِ کسبوکارت کشیده شده.
جایی که سازندهٔ کوچک وارد میشود
من به مدلهای بزرگ کاری ندارم؛ آن کارِ تیمهای بزرگ است. اما به سازندههای کوچکی فکر میکنم که صفحهٔ /submit این سایت را پُر میکنند. اگر فردا یکی از آنها بیاید و بپرسد «من با یک مدلِ آماده، چه چیزی بسازم که واقعاً فارسی باشد و واقعاً مفید؟»، جوابم این است: دنبالِ مسئلهای بگرد که هیچ مدلِ خارجی بهتنهایی نمیتواند حلش کند، چون بافتش را نمیفهمد.
مثالِ مشخص: یک ابزارِ کوچک که متنِ قراردادِ اجارهٔ مسکن را میگیرد و بندهای پُرریسک را برای مستأجر علامت میزند — بر اساسِ قانونِ روابطِ موجر و مستأجرِ ایران، نه کالیفرنیا. این کار از نظرِ فنی سخت نیست؛ یک مدلِ متوسط با چند صد قرارداد بهعنوانِ نمونه میتواند انجامش دهد. اما هیچ کسی در سیلیکونولی این را نخواهد ساخت. اگر تو نسازی، کسی نمیسازد.
همین الگو را برای دهها مسئلهٔ دیگر میشود تکرار کرد: تطبیقِ گزارشِ مالی با استانداردِ حسابداریِ ایران، خلاصهٔ پروندهٔ حقوقی به لحنِ وکیل، کمک به نوشتنِ آگهیِ استخدامِ فارسی که سوگیریِ جنسیتی نداشته باشد. هر کدامِ اینها یک محصولِ مستقل است. در /categories/ai میتوانید ببینید چه کسانی شروع کردهاند، و در /trending کدامشان این ماه توجه گرفتهاند.
چشماندازِ دو سالِ آینده
پیشبینی کارِ بیخطری نیست، اما اگر مجبور باشم، چند چیز را محتمل میبینم.
مدلهای متوسطِ فارسی به جایی میرسند که برای اکثرِ کارهای روزمره «کافی»اند. این یعنی بازیِ رقابت از کیفیتِ خامِ مدل، به کیفیتِ کاربرد منتقل میشود — به اینکه چهقدر مسئله را خوب فهمیدهای و چهقدر تجربهٔ کاربر را دقیق چیدهای. این خبرِ خوبی است برای سازندهٔ کوچک.
تشخیصِ گفتارِ فارسی، که سالها عقبمانده بود، به سرعت بهتر میشود. این یک موجِ کامل از محصولاتِ صوتی را ممکن میکند که هنوز شروع نشده — از یادداشتبرداریِ صوتی تا پادکستنویسیِ خودکار.
اما در عینِ احتیاط: انتظار نداشته باشید که یک «چتجیپیتیِ ایرانی» ظهور کند که با غولهای جهانی رقابت کند. این هدفِ غلطی است. هدفِ درست، صد محصولِ کوچکِ مفید است که هر کدام یک گوشهٔ زندگیِ کاریِ کاربرِ فارسیزبان را بهتر میکنند. در /leaderboard چند نمونه از این محصولاتِ کوچک را میبینید که آرامآرام رشد کردهاند.
اگر چیزی در این فضا ساختهاید — حتی اگر کوچک است، حتی اگر فقط برای خودتان شروع شده — در /submit ثبتش کنید. این یادداشتها بدونِ محصولِ واقعی، فقط فلسفهاند.
