Kasra
Kasra
خواندن ۲۵ دقیقه·۷ ماه پیش

نبشته، میراثی کهن (۲)

تا اینجا متوجه شدیم که ظهور نوشتارها برای اولین بار، در میان‌رودان و مصر باستان رخ داد. سپس یک فرایند تکاملی پیوسته در طول چند سده را در پیش گرفت.
الواح گِلی و طومارهای پاپیروسی، آخرین نقطه تکامل متن مربوط به سومری‌ها و مصریان می‌شود. ادامه فرایند تکامل به سمت خاور نزدیک باستان منتقل شده و ابتدا در حوالی لبنان امروزی (حروف صامت)، و سپس در یونان (حروف صامت و مصوت)، اولین نسخه از الفباها ابداع شدند.
در ادامه این الفبا، و فرایند خواندن و نوشتن توسط رومیان باستان، توسعه قابل توجهی می‌یابد و اولین شکل از زبان‌های امروزی نیز ابداع می‌شوند.
سپس در طول سالیان متمادی، از نبشته تحت قالب‌هایی همچون نامه، قرارداد، وصیت‌، راهنمای نقشه‌ها، نمایشنامه‌ها، کتب در حوزه‌های مختلف و ... استفاده می‌شد تا زمانی که مجددا، دچار تحول جدیدی شود!
از قرن پانزدهم، توسط افرادی همچون یوهانس گوتنبرگ (پیشتر شکل ساده‌تری از دستگاه چاپ توسط کیمیاگری به نام Bi Sheng و در سال ۱۰۴۰ میلادی در چین ابداع شده بود)، صنعت چاپ مدرن (۱۴۳۹ میلادی) پای به عرصه گذاشت که منجر به تولید انبوه کتاب و نشر بی‌شمار متون گشت. این آغازی برای مسیر جدیدی از تکامل نبشته در طول تاریخ بود..
در ادامه با استفاده از روش‌های جدیدی همچون لیتوگرافی یا چاپ آفسِت (ابداع برای اولین بار توسط رابرت بارکلی در سال ۱۸۷۵)، صنعت چاپ به سطح جدیدی از بهره‌وری و توان چاپ رسید و همه این موارد در کنار هم، باعث ایجاد یک ثبات حداکثری برای سیستم نوشتاری در جوامع شد.
طی این روند، با ظهور کامپیوترها و فناوری‌های دیجیتال، بهره‌وری در چاپ و نشر متون، بیش از پیش افزایش یافت و نسبت به گذشته، کارآمدتر و مقرون‌به‌صرفه‌تر گردید.
آسیبی که صنعت چاپ سنتی به واسطه رشد فناوری‌های دیجیتال خورد، ربط چندانی به قدرت و اهمیت نبشته‌ها ندارد. نبشته‌ تا به امروز با همان قدرت و استواری سابق، به سیر و سلوک خود در جهان ما ادامه داده است..!

نبشته‌های پایدارتر - صفحه‌کلیدهای QWERTY روی ماشین‌های تحریر

تاریخچه ماشین‌های تحریر و صفحه‌کلید QWERTY (چینش مشابه صفحه‌کلیدهای امروزی) کاملاً در هم تنیده شده است. اولین ماشین تحریر در سال ۱۸۶۶ توسط کریستوفر لاتام شولز (طراح) و کارلوس گلیدن (مکانیک) اختراع شد، ولی آن‌ها در سال ۱۸۷۳، امتیاز طرح خود را به E. Remington and Sons فروختند. اولین ماشین تحریر رمینگتون، یعنی Remington Model 1، در سال ۱۸۷۴ عرضه شد. اما موفقیت تجاری نداش؛ زیرا کُند و دست و پا گیر بود و کلیدها اغلب پس از فشار انگشت‌ها، گیر می‌کردند.
در سال ۱۸۷۸، رمینگتون مدل جدیدی به نام رمینگتون شماره 2 را روانه بازار کرد که پیشرفت بزرگی نسبت به مدل 1 را نشان می‌داد. سریع‌تر و خوش‌دست‌تر (به همین دلیل خطاهای تایپی را کاهش می‌داد) بود، و صفحه‌کلید جدیدی داشت که برای کاهش ایرادات پیشین طراحی شده بود. این طرح که با نام QWERTY (برگرفته از ترتیب قرارگیری این کلیدها روی صفحه‌کلید) شناخته می‌شود، امروزه هنوز هم در اکثر صفحه‌کلیدهای کامپیوتر مورد استفاده قرار می‌گیرد.
طرح QWERTY به طور خاص صرفا برای ماشین تحریر اختراع نشده بود. در واقع، اولین ماشین‌های تحریر دارای صفحه کلید الفبایی بودند. با این حال، تایپیست‌های اولیه دریافتند که چیدمان الفبایی برای عمل تایپ، ناکارآمد است و باعث می‌شود کلیدها در جای خود گیر کنند. شولز و گلیدن (ماشین تحریر رمینگتون مدل 1، به نام Sholes and Glidden نیز شناخته می‌شود)، قبل از اینکه درباره چیدمان QWERTY به هم‌نگری برسند، طرح‌های مختلف صفحه‌کلید را آزمایش کردند. آنها دریافتند که این طرح‌بندی برای تایپ سریع‌تر و راحت‌تر است و همچنین باعث کاهش خطا در تایپ‌کردن می‌شود.
چیدمان QWERTY به سرعت به یک استاندارد واحد برای تمام ماشین‌های تحریر تبدیل شد و امروزه استاندارد صفحه‌کلیدهای کامپیوتر نیز از همین چیدمان تبعیت می‌کند.پس از طرح مذکور، تلاش‌های زیادی برای ایجاد چیدمان بهتری برای صفحه‌کلید صورت گرفت، اما هیچ‌یک از آنها نتوانستند به کارآمدی چیدمان QWERTY عمل کنند و همگی بدون استثنا، شکست خوردند.
در ادامه و با راه‌یافتن کامپیوترهای شخصی به بازار از اوایل دهه هشتاد میلادی (و بعضا از اواخر دهه هفتاد)، واضح بود که چیدمان غالب نسبت به سایر چیدمان‌های کاندیدا برای قرارگیری بر روی صفحه‌کلید کامپیوترها، چیدمان QWERTY بوده و به بقیه استانداردها ترجیح داده می‌شود.
در واقع تغییر عادتی که در طول یک قرن به استفاده از این چیدمان ایجاد شده بود، کاری به شدت دشوار و نشدنی بود!


تکامل مجدد نبشته در عصر فناوری

همان‌طور که در تصویر بالا واضح است، احتمالا حدس زدید که می‌خواهم این بحث فعلی را از کجا شروع کنم.
از SMS..
مفهوم پیام کوتاه یا پیامک، اولین بار توسط GSM (نام یک گروه فرانسوی-آلمانی استانداردسازی است که در سال ۱۹۸۲ برای ایجاد یک استاندارد همگانی تلفن همراه در قاره اروپا که مشخصات مربوط به یک سیستم رادیویی تلفن همراهِ پان‌اروپایی [کشورهای وقت عضو اتحادیه اروپا] و روی فرکانس ۹۰۰ مگاهرتز را فرموله می‌کند، تأسیس شد) در سال ۱۹۸۴ توسط Friedhelm Hillebrand و Bernard Ghillebaert توسعه یافت.
اولین پیام متنی اما سال‌ها بعد در ۳ دسامبر ۱۹۹۲ توسط نیل پاپورث، کارمند سابق Sema Groups (شرکت انگلیسی-فرانسوی خدمات IT که در ۲۰۰۱ امتیاز آن توسط Schlumberger خریداری شد) ارسال شد. تلفن‌های همراه در آن زمان صفحه کلید نداشتند، بنابراین پاپورث مجبور شد پیام را به وسیله رایانه شخصی تایپ کند. متن "کریسمس مبارک" توسط پاپورت، با موفقیت برای ریچارد جارویس در وُدافون (شرکت مخابراتی در انگلستان) ارسال شد.
نکته جالب اینجاست که اکثر گوشی‌های اولیه که از استاندارد GSM استفاده می‌کردند، از سرویس SMS پشتیبانی نمی‌کردند. اولین مواردی که می‌توان کاربردشان را با SMS مقایسه کرد، پیغام‌های کوتاه صوتی و اعلان‌های مربوط به بدهی‌های صورت حساب و آن هم بر بستر شبکه مخابراتی بود.
نوکیا اولین شرکت سازنده موبایل بود که در سال ۱۹۹۳، امکان استفاده از سرویس SMS را برای گوشی‌های خود را فراهم ساخت. و همچنین اولین شرکتی بود که گوشی‌های مجهز به صفحه‌کلید را تولید کرد. (از سال ۱۹۹۷ و با مدل Nokia 9000i)

مت مکونن خالق پیامک است. وی اولین بار ایدهٔ ارسال پیام کوتاه از طریق شبکه‌های موبایل را مطرح کرد. «مکونن» همواره از اینکه به‌عنوان خالق پیامک نامیده شود سر بازمی‌زد و معتقد بود ارائهٔ این فناوری حاصل تلاش و خرد جمعی بوده‌است.
- ویکی پدیا

به‌سان خیلی دیگر از فناوری‌های جدید، استقبال از پیامک نیز به کُندی افزایش می‌یافت. متوسط ارسال پیامک در یک ماه به ازای هر فرد آمریکایی در سال ۱۹۹۵، تنها و تنها ۰٫۴ بود.
در ادامه اما، شرکت‌های سازنده تلفن همراه، بیش از پیش نسبت به پیامک اقبال نشان دادند و همگی به تدریج، پشتیبانی از این قابلیت توسط گوشی‌های تولیدی را میسر ساختند.
همچنین در سال ۱۹۹۹ برای اولین بار امکان ارسال پیامک به صورت فراگیر و شبکه‌های ارتباطی مختلف میسر شد که خود امر مهمی در ترویج عادت استفاده از این سرویس بود.
از طرف دیگر پیام‌رسان‌های محبوبی مانند ICQ در سال ۱۹۹۶ (که هنوز مشغول فعالیت است و سرویس‌های جدیدی را ارائه می‌دهد)، یاهو مسنجر در سال ۱۹۹۸ و MSN Messenger در سال ۱۹۹۹ وارد عرصه شدند. ایموجی‌ها نیز برای اولین بار در سال ۱۹۹۹ معرفی شدند و به مردم امکان می‌داد تا به شکل بهتر و جزئی‌تری، به صورت آنلاین با هم ارتباط برقرار کنند.

تصویر نوستالژی از پیام‌رسان ICQ
تصویر نوستالژی از پیام‌رسان ICQ


تصویر نوستالژی از پیام‌رسان یاهو
تصویر نوستالژی از پیام‌رسان یاهو


تصویر نوستالژی از پیام‌رسان MSN
تصویر نوستالژی از پیام‌رسان MSN


باتوجه به رخ‌دادهای فوق، متوسط ارسال پیامک در یک ماه برای هر فرد آمریکایی در سال ۲۰۰۰، به ۳۵ عدد رسید!
اولین و رایج ترین روش ارسال پیامک ،"multi-tap" یا چندضربه‌ای نامیده می‌شد. هر عدد روی گوشی به سه یا چهار حرف نیز اشاره می‌کرد.
برای مثال، کلید «3»، حروف «D»، «E» و «F» را نیز نمایندگی می‌کند که باید با زدن چند بار پشت سر هم روی کلید 3، حرف مدنظر تایپ شود (ABC توسط کلید 2، PQRS توسط کلید 7 و...). درک این سیستم برای کاربران آسان بود، اما از طرفی کارآمدی خاصی نداشت و نوشتن یک متن حتی کوتاه را سخت و خسته‌کننده می‌کرد.
مثلا شما برای تایپ حرف E باید دو بار کلید 3 را فشاد داده و سپس برای مدت زمان مشخصی صبر می‌کردید (در حد یک ثانیه) و سپس حرف E تایپ می‌شد.
در دهه ۹۰ میلادی، کلیف کوشلر، بنیان‌گذار Tegic سیستم "T9" را اختراع کرد که مخفف عبارت Text on 9 key است. اگر حتی متولد دهه هشتاد خورشیدی (اوایل دهه) هم بوده باشید، احتمالا تجربه استفاده از کیبوردهای مدل T9 سنتی را داشته‌اید.
این کیبوردها، ساختاری مشابه همان حالت multi-tap را دارند اما طرز کارشان متفاوت است. اگر یک بار روی یکی از کلیدها بزنید، مقدار پیش‌فرض برای کلید را تایپ می‌کند. مثلا برای کلید 1، مقدار پیش‌فرض (اولین مقدار در ردیف مقادیر) "." است. برای کلید 2 مقدار a، برای کلید 3 مقدار d و به همین ترتیب..
در صورتی که شما بخواهید غیر از مقدار پیش‌فرض یا همان مقدار اول در ردیف مقادیر منتسب به یک کلید را انتخاب کنید، کافی‌ بود در ردیفی که بالای صفحه‌کلید برایتان نمایش داده می‌شد، روی مقدار مدنظرتان بزنید:



اگر یک کلید را نگه می‌داشتید و سپس رها می‌کردید، عدد مربوط به کلید را تایپ می‌کرد. همچنین این سیستم، با توجه به کلمات موجود در فرهنگ لغت کوچکی که همراه خود داشت، می‌توانست برخی کلمات را برای تایپ پیش‌بینی کند و در ردیف بالای کیبورد به شما نمایش دهد.
همچنین الگوریتمی پشت این کیبورد بود که کلمات پرتکرار در تایپ شما را تشخیص می‌داد و از آن پس به بعد، به محض تایپ اولین حرف آن کلمه، آن را به شما پیشنهاد می‌داد تا در صورت تمایل خودش کلمه را برایتان کامل کند. مثلا در صورت پراستفاده بودن کلمه "Just" برای شما، به محض تایپ حرف j، واژه کامل just را به شما پیشنهاد می‌داد. (مشابه این سیستم در صفحه‌کلیدهای امروزی نیز اعمال شده است)
این سیستم همچنین عمل تصحیح املایی و تکمیل عبارات متنی با توجه به کلمات قبلی را نیز انجام می‌داد و به‌نوبه خود شبیه به سیستم‌های هوشمند امروزی که مبتنی بر AI هستند، عمل می‌کرد. (البته به شکل خیلی خیلی جزئی‌تر) همچنین در ادامه، امکان استفاده از این روش در باب سایر زبان‌های دنیا نیز فراهم شد.
در سال 2011، کوشلر سازوکار دیگری تحت عنوان "Swype" را ابداع کرد و تایپ با کیبورد گوشی را برای دومین بار دچار تحول کرد.
این سیستم جدید تنها در گوشی‌های لمسی نسل جدید قابل پیاده‌سازی بود. طرز کارش هم این‌طور بود که شما باید انگشت خود را به سرعت روی حروف مدنظرتان حرکت می‌دادید تا در نهایت یک کلمه را برایتان کامل کند.
صفحه‌کلیدهای لمسی نیز دارای قابلیت تصحیح املای خودکار، پیش‌بینی ادامه متن و یادگیری کلمات جدید بودند.
امروزه صفحه‌کلیدهای لمسی به یک ویژگی استاندارد برای گوشی های هوشمند تبدیل شده‌اند.
فرایند افزایش محبوبیت سرویس SMS هم‌چنان رو به افزایش بود و در سال ۲۰۰۷ برای اولین بار در آمریکا، تعداد پیامک‌های متنی رد و بدل شده بین کاربران آمریکایی حتی از تماس‌های صوتی بین آن‌ها سبقت گرفت. همچنین در ادامه با ظهور شبکه‌های اجتماعی مثل توییتر، اهمیت استفاده از متون کوتاه نیز بیش از پیش خود را نشان داده و این فرهنگ نوظهور را هر چه بیشتر رواج داد.
امروزه و پس از گذشت چند سال از آن دوران پر تب و تاب پیامک‌ها و پیام‌رسان‌های متنی، SMS پرکاربردترین اپلیکیشن داده‌محور در جهان است که ۸۱ درصد از مشترکان تلفن همراه روزانه از آن استفاده می‌کنند.
پیامک به چیزی بیش از صرفا امکانی برای حال و احوال‌کردن با دوستان تبدیل شده است؛ از آن‌جایی که به ما امکان می‌دهد به‌روزرسانی‌ها و هشدارها را دریافت کنیم، وضعیت مالی خود را پیگیری کنیم، پیام ارسال کنیم، از صورت‌حساب‌های مالیاتی خود خبردار شویم، اطلاعات بانکی را انتقال دهیم و..
در کل پیامک‌ها، یک راهکار کم‌هزینه و به‌صرفه برای برقراری ارتباط در دنیای فناوری‌های جدید بودند و همچنان نیز هستند.
امروزه می‌توان از پیام‌های متنی برای تعامل با سیستم‌های خودکار استفاده کرد؛ مثلاً برای سفارش محصولات و خدمات از خرده‌فروشی‌های آنلاین. (در کشور ما به خاطر بحث استفاده از USSD، کاربردهای SMS به دنبال سرویس USSD ، حتی بسیار پررنگ‌تر از سایر نقاط دنیاست!)
تبلیغ‌کنندگان و ارائه‌دهندگان خدمات، از بازاریابی متنی برای ارسال پیام به گوشی کاربران در حوزه تبلیغات، یا برای ارسال سررسید پرداخت و سایر اعلان‌ها به جای استفاده از پست، ایمیل یا پیام صوتی استفاده می‌کنند.
به موازات رشد پیام‌های کوتاه، سازوکارهای دیگر متنی همچون دانشنامه‌های آنلاین (که تحت عنوان ویکی‌ها شروع به کار کردند)، وبلاگ‌ها و فروم‌های گفتگو نیز ترند شدند. از آن‌جایی که بحث مواردی همچون ویکی‌پدیا، ردیت، کورا، توییتر، بلاگر، مدیوم، بلاگفا، تامبلر، وردپرس (به عنوان ابزار) و امثالهم متفاوت با بحث فعلی‌ست، این موارد را در پست جداگانه بررسی خواهیم کرد و فعلا از پرداختن به آن صرف نظر کنیم بهتر است..


از نبشته تا متن

آن‌چه که تاکنون دیدید، بررسی سیر تکامل نبشته از ابتدا تا به امروز بود. اما در جایی که به عصر حاضر رسیدیم، و زمانی که سر و کارمان با پیامک‌ها افتاد؛ چیزی در این میان تغییر کرد!
توانستید متوجه تغییر مربوطه شوید؟ شاید آن‌چنان به چشم نیامده باشد اما باید بدانید که میان "نوشته" (writing) و "متن" (texting) تفاوت‌هایی وجود دارد که بررسی آن خالی از لطف نیست..
در نظریه ادبی، متن را هر آن‌چه می‌گویند که قابل خواندن (read) باشد. خواه اثر ادبی باشد، یا تابلوی تبلیغاتی، بروشور، دیوارنگاره، دیوارنوشته، طرح‌های خاص البسه، پیامی در یک پیام‌رسان، تابلوهای راهنما، و ..
هر نشانه‌ای که برای خواننده یا ناظر، قابل خوانش و تفسیر باشد و امکان کافی برای تفسیر را ارائه دهد، یک نوع متن محسوب می‌شود.
برای مثال در نقد ادبی، «متن» به محتوای اطلاعاتی خاصه به یک نوشته اشاره دارد. با توجه به گزاره قبلی، می‌توان متن را زیرمجموعه نوشته درنظر گرفت. نوعی خاص از نوشته که برای انتقال پیام، به امکانات بسیار بیشتری نسبت به صرف گرامر و ساختار کلمات و جملات دست می‌برد.
یک نوشته چیزی جز ساختار خود و توانایی درک و تفسیر خواننده‌اش ندارد، اما یک متن به هر چیزی که بتواند به وسیله آن، به درک بهتر از سمت خواننده‌اش کمک کند، دست‌درازی خواهد کرد!
به همین دلیل در فرایند نقد ادبی، به دنبال تقلیل یک نوشته به بنیادی‌ترین اطلاعات موجود در آن هستند که طی این فرایند، هرگونه عامل اضافی و فرعی باید از تحلیل کنار گذاشته شود. یعنی در نقد ادبی، به دنبال ایجاد تمایز بین متن و اضافات مربوط به آن هستند.
اکثر متون در طول تاریخ، پیش از نظریه ادبی به نگارش در آمده‌اند. به همین دلیل اکثرشان فاقد ویژگی‌های لازم برای قرارگیری در بین گزینه‌های قابل نقد و تحلیل‌اند.
در واقع زمانی با یک متن طرف هستیم که برای فهم یک نوشته نیاز به ارجاع مستقل از خود نوشته داشته باشیم. هرگاه که به توصیف و توضیح نوشته بیفتیم، نشانه این است که ما به احتمال زیاد با یک متن طرف هستیم که ورای کلمات درونش عمل می‌کند..
(در اینجاست که کاربر باید با خودش بگه ما در تمام طول تاریخ درگیر نبشته بودیم یا متن!؟)


این متن‌های پیچیده

اگر بخواهیم بر اساس گفته‌های ویتگنشتاین پیش رویم. باید با زبان به‌سان یک تصویر یا تصویرنگاری رفتار کنیم. بنیادی‌ترین ویژگی تصویر، این است که می‌تواند هر آنچه هست را به تصویر کشد جز خودش!

تصویر نمی‌تواند آن‌چه را که باعث می‌شود تصویر باشد، به تصویر بکشد. برای مثال اگر نقاشی یک پیپ را برمی‌داشتیم و رویش می‌نوشتیم، «این تصویر یک پیپ است»، آن‌گاه از صورتِ تصویری، خارج می‌شدیم.
اگر از سوی دیگر، نوشته مزبور را صرفا بخشی دیگر از نقاشی در نظر می‌گرفتیم، در آن صورت درست مانند بقیه تصویر، نیازمند تفسیر بود(!).
لازم بود تا گفته دیگری روی نقاشی بنویسیم که بگوید معنای نوشته مزبور چیست (و وارد یک حلقه بی‌پایان از این فرایند می‌شدیم). دلیل آن، این است که حقیقت ذاتی، تصویر نیست؛ بلکه برعکس چیزی است که یک تصویر به واسطه رابطه‌اش با چیزی دیگر به دست می‌آورد (چیزی خارج از خودش).
یعنی حقیقتِ ذاتی تصویر، وضعیتِ اموری‌ست که تصویر، آن را نمودار می‌سازد. (به تصویر می‌‎کشد)
لذا یک چیز در جهان هست که تصویر نمی‌تواند به تصویر بکشدش، و آن خودش است!
- برگرفته از عقاید لودویگ ویتگنشتاین

فلذا به دنبال مسئله پیچیدگی بیش از حد زبان که شاید ویتگنشتاین، اولین نفر در تاریخ معاصر نبوده باشد که بارها به آن اشاره کرده، مسئله دومی نیز در پی آن پدید آمده باشد.
ویتگنشتاین فقید در زمان خود، بیش از حد به فلسفه بدبین بود و آن را اصولا امری حاصل از انحراف زبان می‌دانست. یعنی معتقد بود که اگر از زبان به شکل درستی استفاده می‌شد، هیچ‌گاه چیزی تحت عنوان فلسفه اصلا به وجود نمیامد!

مسائل فلسفی زمانی پدیدار می‌شوند که، به تعبیر ویتگنشتاین، «زبان به تعطیلات می‌رود». شیوه صحبت‌کردن‌مان درباره چیزها می‌تواند «افسون»مان کند، به گونه‌ای که وقتی می‌گوییم نقشه‌ای «در ذهن» داریم، شروع به این تصور می‌کنیم که انگار ذهن، جعبه‌ای همراه با محتویات است که نقشه، یکی از آن محتویات محسوب می‌شود!
- برگرفته از آراء ویتگنشتاین



فلسفه به خصوص فلسفه سیاسی و به خصوص آثاری همچون آراء مارکس، به زعم بسیاری از تحلیلگران در طول تاریخ، علت اصلی جنگ و نزاع‌های بزرگی میان کشورها بوده که اگر بخواهیم آراء ویتگنشتاین در این‌باره را در نظر بگیریم، این یعنی همان فلسفه‌ای که ناشی از کجروی‌های زبانی‌ست، چه بلاها که سر بشر نیاورده!
اما امروزه، کمتر از فلسفه می‌شنویم و کمتر پیش می‌آید که مانند سده‌های گذشته، کسی به کار فلسفه به آن سبک و سیاق سنتی بپردازد.
لذا فلسفه جای خود را به متون کوتاه و بلندی داده که عموما در شبکه‌های اجتماعی یا وب‌سایت‌ها می‌بینیم.(بیشتر در صفحه شخصی افرادی که اهل قلم‌اند زیرا متن‌ها همواره مالک می‌طلبند!)
و از طرف دیگر، فیلسوف جای خود را به روشن‌فکر یا فعال دانشجویی، مدنی، حزبی و .. داده!
فلذا با توجه به این تعابیر، امروزه همان گمراهی و کجروی‌های زبانی که در فلسفه دیده می‌شد را عین به عین در متون تحلیلی می‌بینیم که توسط افراد مختلفی به نگارش در می‌آیند.
هرچند که می‌توان این را هم گفت که خطاهای تحلیلی و محاسباتی تحلیلگران، لزوما ربطی به فلسفه یا متون ندارد اما باید این را در نظر داشته باشیم که با توجه به خاصیت متن (پیشتر توضیح دادم)، پتانسیل آن برای پذیرش این خطاهای تحلیلی و بعضا پرهزینه زیاد است.
و نکته دیگر این است که سایر رسانه‌های ارتباطی نیز مستقیم یا غیرمستقیم از متون سرچشمه می‌گیرند، بنابراین وجود تهدید فوق در قبال سایر ابزارها و روش‌های ارتباطی نیز صدق می‌کند.
یکی از راه‌های ساده برای مقابله با این متن‌های پیچیده، وادارکردن نویسندگان به توضیح و تفسیر مجدد این متون است. متن ناخوانا، زمینه انحرافات بسیاری‌ست، لذا هر کس مسئول متون تولیدی خود است و باید در قبال آن پاسخگو باشد و دست کم، خودش توان توضیح آن برای سایرین را و اثبات منطقی‌بودن متن مذکور را داشته باشد!


بیان اینکه شکل‌گیری توده‌های افراطی که بعدا تبدیل به گروه‌های سازمان‌یافته برای قتل و غارت تبدیل شدند، به کل به واسطه کج‌روی‌های فلسفه است، امری نادرست و به دور از عقلانیت است.
اما هرگز نباید پتانسیل بالای فلسفه، در گمراه‌کردن خوانندگان و ممکن‌ساختن کج‌فهمی‌های خطرناک را دست کم گرفت!
برای مثال، جدای از اینکه ایده «نظریه قدرت» نیچه خود به تنهایی درست است یا غلط، این ایده پایه‌های شکل‌گیری یکی از بزرگ‌ترین فجایع تاریخی در جنگ جهانی دوم را فراهم ساخت.
به موازات این امر، هگلیسم در سیستم آموزش عالی و در ادامه، برداشت‌های دل‌بخواهی از آراء فیلسوفان قاره‌ای که عمدتا با برداشت‌های چپ خَلط می‌شد، زمینه بزرگ‌ترین جنبش‌های دانشجویی در آمریکا در دهه ۶۰ میلادی را در پی داشتند که به‌تبع گروه‌های چپی سردمدار این سبک اعتراضات محسوب می‌شدند.
یا حتی ایده‌هایی همچون کمونیسم و سوسیالیسم (چپی‌ها) که این‌ها دیگر حتی کج‌برداشت هم محسوب نمی‌شوند، بلکه عینا خود آراء مارکس و انگلس هستند که فجایع بزرگی را در قرن بیستم رقم زدند و امروزه نیز به شکلی ضعیف‌تر اما هوشمندانه، همچنان در حال پیشروی در جهت اهداف خود هستند!
اگر بخواهیم به عقب‌تر برگردیم، می‌توانیم کج‌برداشت‌های حکام اروپایی در دوران جنگ‌های صلیبی را مثال بزنیم که به نام مسیحیت از هیچ جنایتی دریغ نکردند و حتی برخی از سرزمین‌های اقوام مسلمان را به خاک و خون کشیدند.
یا برای مثال، برداشت‌هایی که برگرفته از نظریات فیلسوفانی همچون جان لاک، دنیس دیدرو و ادموند بروک شکل گرفت، منجر به تشدید سیاست‌های استعماری اروپاییان گشت.
همچنین تروریسم مذهبی همچون گروه‌های تروریستی القاعده، داعش، طالبان، بوکوحرام و ... مثال خوبی برای سوبرداشت‌های برگرفته متون دینی محسوب می‌شوند.
یا به عنوان مثال نهایی برای این بخش، جنگ و خشونت بر مبنای برداشت‌های اشتباه و ایدئولوژیک از متون دینی، یکی از تکراری‌ترین وقایع این روزهای ماست که می‌توان مثال‌های آن را به فزونی در جامعه مشاهده کرد!
رد ایده‌های چپ کمابیش در اکثر این کج‌برداشت‌ها مشهود است، لذا چه چیزی را می‌توان خطرناک‌تر از فلسفه سیاسی در قرون گذشته به حساب آورد که امروزه در صورت ظهور، خود را به شکل متون عمدتا کوتاه در همین صفحات مجازی یا شبکه‌های اجتماعی نشان خواهند داد!؟

هوش مصنوعی وارد می‌شود

یادکردن از هوش مصنوعی تحت عنوان یک قهرمان، کار چندان عقلانی‌ای نیست. شاید اگر عموم مردم از قدرت حقیقی هوش مصنوعی و تکنولوژی‌های مطرح در این حوزه خبر داشتند، آن‌قدرها که امروز بحثش در میان است، نُقل محافل نمی‌بود! (البته منظورم توانایی‌های فعلی است نه توانایی‌های محتمل در آینده)
اولین خاطره‌ای که شخصا از هوش مصنوعی به یاد دارم، مربوط به سه‌گانه ماتریکس یا هم آثاری دیگر همچون جنگ دنیاها و من ربات هستم است. آثاری که بدون استثنا، نگاه بدبینانه‌ای به مقوله هوش مصنوعی دارند و همگی از هوش مصنوعی به عنوان عامل نابودی دنیا یاد می‌کنند.
اولین خاطره مربوط به دنیای واقعی هم تجربه‌ای نسبتا مشابه است، به خاطر دارم که در سال ۲۰۱۷، دو هوش فیس‌بوک، طراحی شده بودند تا با یک‌دیگر یکسری گفتگوی ساده داشته باشند و همچنین یکسری معاملات تجاری پیش پا افتاده ائم از معامله چند عدد توپ و کلاه داشته باشند. اما این دو ناگهان شروع به استفاده از یک زبان نامفهوم کردند که ظاهرا گرامری خاص از زبان انگلیسی آن هم به شیوه‌ای ناشناخته برای خلاصه‌سازی بود!
یا مورد دیگری که در خاطرم هست، اپلیکیشن رپلیکا (Replika, My AI Friend) بود که می‌توانست تا حد خیلی خوبی، نقش دوست مجازی شما را ایفا کند و گزینه خوبی برای گفتگوهای مختلف بود.
پس از این دیگر اتفاق خاصی یادم نیست تا اینکه رسیدیم به LLMها و ChatGPT.



برای حُسن ختام کار، چند حوزه یا فناوری مربوط به هوش مصنوعی را به‌طور کوتاه بررسی می‌کنیم که پیرامون متن و زبان هستند؛

  • هوش مصنوعی متنی مولد (AI Text Generator):
    مبتنی بر متن است و از الگوریتم‌های یادگیری ماشین برای تولید خودکار متن استفاده می‌کند. این مورد، در عین حال، خود بخشی از یکی از مهم‌ترین زیرمجموعه‌های هوش مصنوعی، یعنی "پردازش زبان طبیعی" یا
    Natural Language Processing محسوب می‌شود که به آن "تولید زبان طبیعی" یاNatural Language Generation می‌گویند. این تکنولوژی می‌تواند متنی شبیه به متون انسان تولید کند، آن هم بر اساس الگوهایی که از مجموعه داده‌های بزرگ متنی آموخته است. هوش مصنوعی مولد فقط به نوع داده متنی محدود نمی‌شود، نمونه‌هایی همچون DALL-E یا Midjourney تصاویر را به عنوان خروجی برمی‌گردانند.


تولیدشده توسط میدجرنی
تولیدشده توسط میدجرنی


  • مدل‌های زبانی بزرگ (Large Language Model):
    مدل‌هایی از این دست همچون ChatGPT، از معماری Transformer برای درک و تولید زبان انسانی استفاده می‌کنند. پی‌بردن به معنای عبارات یک فرایند پیچیده و چندمرحله‌ای است که مختصری از آن را در ادامه بررسی می‌کنیم..
    ترانسفورمر برای اولین بار در مقاله‌ای تحت عنوان «Attention is All You Need» معرفی شد. یکی از نکات مهم درباره ترانسفورمر، انحراف این مدل از مدل‌های شبکه‌های عصبی بازگشتی (RNN) و شبکه‌های عصبی کانولوشن (CNN) است. مدل‌هایی همچون RNN بیش از حد به دنباله‌های ترتیبی وابسته بودند، یعنی درست طرز فکر انسان را تقلید می‌کردند، که به صورتی خطی و پیوسته مبتنی بر آموخته‌های پیشین، به تفکر درباره مسائل جدید می‌پردازد. و البته بر خلاف مدل CNN که مبتنی بر وزن ارتباط بین نودهای گراف پیش می‌رفت و مبتنی بر این وزن‌ها و تاثیر پارامتر بر نتایج نهایی، خروجی را تولید می‌کند.
    ترانسفورمر منحصراً از مکانیزمی به نام "توجه به پردازش داده های ورودی" (attention to process input data) استفاده می‌کند که به آن امکان می‌دهد وابستگی‌های طولانی را مدیریت کند و متن کلمات را به طور مؤثرتری یاد بگیرد.
    هسته اصلی توانایی ترانسفورمر برای پردازش زبان، توانایی آن در جاسازی کلمات است. این کار را به کمک ماتریس‌هایی با تعداد ابعاد بالا انجام می‌دهد. هر کلمه در واژگان مدل با یک ماتریس منحصر به فرد نشان داده می‌شود. این ماتریس‌ها در نهایت، روابط معنایی و نحوی بین کلمات را نشان می‌دهند، بدین معنا که کلماتی با معانی یا نقش‌های مشابه در زبان، تمایل دارند بازنمایی‌های مشابهی در ساختار ماتریس‌ها نیز داشته باشند.
    این به مدل اجازه می دهد تا کلمات را در، زمینه مربوطه درک کند. این یعنی این امکان را پیدا می‌کند تا بیشتر شبیه انسان، استدلال‌های مبتنی بر درک از متن را شکل دهد.
    این مدل‌ها به کمک حجم عظیمی از داده‌ها آموزش می‌بینند (ترین می‌شوند) و برای مثال، می‌توانند به راحتی تشخیص دهند که واژه "شاه" به احتمال زیاد به همراه واژه "ملکه" یا "پادشاهی" در یک متن می‌آید تا واژه‌ای همچون "سیب" یا "درخت" مگر اینکه با بودا طرف باشیم!
تصویری مربوط به فصل سوم سریال وست ورلد
تصویری مربوط به فصل سوم سریال وست ورلد


  • پردازش زبان طبیعی (Natural Language Processing):
    شاخه‌ای از هوش‌ مصنوعی که تمرکزش بر توانمند کردن ماشین‌ها برای درک، تفسیر و تولید بهتر و پرمعناتر متون مبتنی بر زبان انسانی است. هدف ان‌ال‌پی، پرکردن شکاف ارتباطی میان انسان و درک رایانه از آن است که با توانمندسازی ماشین‌ها در امر پردازش و تولید متن، و درک گفتار در زبان طبیعی، این هدف را به پیش می‌برد.
    خود این حوزه، شامل چند زیررده دیگر می‌شود که بررسی‌شان کمک زیادی به درک سیر تکاملی متون تا به امروز می‌کند؛
    - تشخیص گفتار (Speech Recognition): سیستم‌های NLP می‌توانند زبان گفتاری را به متن نوشتاری تبدیل کنند. این فناوری در برنامه‌هایی مانند دستیارهای صوتی (Siri, Alexa, Google Assistant, Cortana, Bixby) و خدمات رونویسی (Scribie, Rev AI, Otter) استفاده می‌شود.
    - درک متن (Text Understanding): این امکان را به رایانه‌ها می‌دهد تا معنای متن را درک و تفسیر کنند. این شامل وظایفی مانند تجزیه و تحلیل احساسات (تعیین اینکه آیا یک متن احساسات مثبت، منفی یا خنثی را بیان می‌کند) یا Sentiment Analysis، شناسایی موجودیت اسامی داخل متن (مواردی مانند نام، تاریخ و یا مکان) یا Named Entity Recognition، و طبقه‌بندی متن (دسته‌بندی متن به دسته‌های از پیش تعریف شده) یا Text Classificationمی‌شود.
    - تولید زبان (Language Generation): کامپیوترها را قادر می‌سازد تا متنی شبیه به متن انسان تولید کنند. این قابلیت همچنین شامل خلاصه‌سازی متن (ایجاد یک نسخه مختصر از متن) یا Text Summarization، تولید پاسخ چت‌بات‌ها یا Chatbot Responses و حتی نوشتن خلاقانه می‌شود.
    - ترجمه ماشینی (Machine Translation): NLP در سیستم‌های ترجمه ماشینی برای ترجمه خودکار متن از یک زبان به زبان دیگر استفاده می‌شود. Google Translate نمونه‌ای بارز، از این سیستم ترجمه مبتنی بر پردازش زبان طبیعی است.
    - پاسخ‌دهی به سوال (Question Answering): سیستم‌های مبتنی بر NLP همچنین می‌توانند سوالات طرح شده به زبان طبیعی را پردازش کرده و پاسخ‌های متناسب با سوال را ارائه دهند. این قضیه در سیستم‌هایی مانند موتورهای جستجو و چت‌بات‌های مبتنی بر هوش مصنوعی استفاده می‌شود (ChatGPT).
    - مدل‌سازی زبانی (Language Modeling): مدل‌های NLP پیرامون حجم وسیعی از متون آموزش داده می‌شوند تا ساختار، گرامر و ویژگی‌های معناشناختی زبان انسانی را بیاموزند. مبتنی بر عمل پیشین، این مدل‌ها می‌توانند متن منسجم و مناسبی را تولید کنند که معنادار و قابل فهم برای انسان باشد.
    - خلاصه‌سازی متن (Text Summarization): به کمک این ابزار، سیستم‌ها به‌طور خودکار، خلاصه و چکیده‌ای از متون پیشتر طولانی را ایجاد می‌کنند که در خصوص استخراج سریع اطلاعات کلیدی از متون یا اسناد، بسیار کاربردی است.
    - تحلیل احساسات (Sentiment Analysis): کاربرد این یکی بیشتر در حوزه تجاری و فروش است. NLP می تواند لحن احساسی یک متن را تشخیص دهد یا حداقل نمره‌ای بر اساس احساسات مختلف به آن دهد، آن در سه سطح‌بندی مثبت، منفی یا خنثی. این برای پایش شبکه‌های اجتماعی، تحلیل میزان محبوبیت برند و مواردی مشابه این‌ها مورد استفاده قرار می‌گیرد.

در کل، تکنیک‌های مربوط به پردازش زبان طبیعی، از روش‌هایی همچون تعریف دستی قواعد زبانی و امثالهم گرفته تا استفاده از الگوریتم‌های یادگیری ماشین پیچیده را شامل می‌شود. پیشرفت‌های اخیر در یادگیری عمیق (Deep Learning)، به ویژه با مدل‌هایی مانند ترانسفورمرها، عملکرد سیستم‌های NLP را در طیف گسترده‌ای از بخش‌ها، به طور قابل توجهی بهبود بخشیده است.


جمع‌بندی

در پایان کار، می‌توانیم دوربرد وسیعی از گذشته را تا به امروز در نظر داشته باشیم. پس از توسعه نوشتار و نبشته تا مرحله شکل‌گیری اولین نسل از الفباهای مدرن به دست نخبگان امپراتوری روم باستان، به تاریخی نزدیک‌تر نسبت به امروز جهش زدیم.
پس از گسترش زبان و ساختارمندشدن آن، نیاز به چاپ انبوه و فراگیر آن احساس می‌شد و به همین سبب، دستگاه‌های چاپ برای اولین بار اختراع شدند.
سپس با ایجاد امکان نشر انبوه کتاب، نوشتن یک قدم دیگر فراتر رفت و تبدیل به عنصر بسیار قدرتمندی در بحث ارتباطات و ثبت اطلاعات در جوامع، حتی بیش از پیش گشت.
با ظهور کامپیوترها و درهم‌تنیدگی ابزار مورد نیاز برای استفاده از آن‌ها با زبان ماشین، باری دیگر امر نوشتن دچار تغییر و تحول شد. این‌بار نوشتن در قالب صفحه‌کلید وارد سیستم فناورانه کامپیوتری شد، صفحه‌کلیدهایی که پیش از این ده‌ها بار دستخوش آزمایش و بهبود در قالب سیستم ماشین‌های تایپ شده بودند.
پس از این، با ظهور سرویس‌هایی همچون SMS و پیام‌رسان‌های اولیه، متون به دنیای دیجیتال راه پیدا کردند و این بار دیگر هیچ خدایی را بنده نبودند!
رشد تصاعدی فناوری‌های کامپیوتری، خواه یا ناخواه متون را نیز به جلو هدایت می‌کند. آن‌چه امروز برای ما روشن شده، این است که متون و سازه‌های متنی، رابطه‌ای دیرینه با سیر تکامل بشر دارند.
در واقع، همچون زبان، نوشته‌ها نیز تا زمانی که بشر به حیات خود ادامه می‌دهد، همراهی‌مان خواهند کرد.
نبشته روزگاری اشاره عین به عین به موجودیت‌ها داشت، اما حال به لطف متن‌های پیچیده، ایده‌ها در ایده‌ها پیچ و تاب می‌خورند و ما در عین احساس خطر کردن از باب عدم درک صحیح مطالب، از تماشای این سیستم ساخت دست بشر که تاکنون با همان قدرت ابتدایی‌اش، در حال رشد و گسترش بوده، لذت وافر می‌بریم.
پاسخ سوال پست قبلی این بود؛ نبشته و نبشتن، هیچ‌گاه منسوخ نمی‌شوند!
امروز در نقطه‌ای از تاریخ ایستاده‌ایم که وظیفه پیشبرد روند تکامل نبشته و متون، اینک بر شانه‌های AI قرار می‌گیرد. میراثی که برای نگاه‌داشت آن، از انواع و اقسام ابزار و وسایل استفاده شده و خون دل‌ها خوردند مردمان دیار مختلف تا این تکامل به نقطه مطلوبی برسد.
نبشته، این میراث کهن، نقشی بنیادین در کل تاریخ بشر و روند تکامل ما به عنوان یک گونه زیستی کربن‌پایه دارد، امید است تحت هر قالب و به هر شیوه‌ای که در توانمان است، این میراث ارزشمند را حفظ کرده و در راستای گسترش آن عمل کنیم.
در همین راستا، از این پس بیشتر؛

افکارتان را مکتوب کنید!





هوش مصنوعینوشتنnlpپیامکوبلاگ
در آینده انحراف معیار دیده شد!
شاید از این پست‌ها خوشتان بیاید