ویرگول
ورودثبت نام
رضا مازندرانی
رضا مازندرانی
رضا مازندرانی
رضا مازندرانی
خواندن ۴ دقیقه·۳ ماه پیش

روایت تجربه: آیا زبان در کیفیت خروجی‌ AI تاثیر دارد؟

شگفت‌زدگی اولین باری که توانستم خروجی ویدئویی به زبان و متن فارسی از هوش مصنوعی NotebookLM بگیرم را آنچنان به خاطر ندارم. فقط یادم هست که یک پست در کانال تلگرامم گذاشتم و سعی کردم به جای جمله‌ی پرتکرار این روزها که «وای خدا باورم نمیشه! ببین این هوش مصنوعی چکار می‌کنه واست...» متنی سنگین و رنگین‌تر بنویسم

با دیدن خوانش فارسی متن‌هایی روان، جملاتی منسجم و توضیحاتی که به‌نظر می‌رسید دقیقاً برای من نوشته شده‌اند بیشتر در این فکر بودم که «چه عالی! بالاخره زبان ما هم در دنیای هوش مصنوعی جایگاه پیدا کرده»

اما این شگفتی مثل یک مُسکن موقتی بود. من تقریبا هر روز از این ابزار استفاده می‌کنم و بعد از مدتی فهمیدم چیزی در عمق خروجی‌ها کم است: استعاره، خلاقیت، لایه‌های فرهنگی و آن جرقه‌ای که متن را به‌یادماندنی و منحصر بفرد می‌کند.


ماجرای دو بیان متفاوت از یک منبع: قیف بازاریابی و Loom (دار قالی)

چند روز قبل در کانال آقای محمود بشاش یک اینفوگرافی قیف بازاریابی دیدم که خیلی کاربردی بود و به همین دلیل در کانال تلگرامم Videomarketing + AI بازنشر کردم.

چند نفر از مخاطبان پیام دادند که ما چیزی از این نفهمیدیم و من هم رفتم سراغ NotebookLM محبوبم تا با دیدن این عکس، مفهوم قیف بازاریابی (Marketing Funnel) را بصورت ویدئویی توضیح دهد. این ابزار هوش مصنوعی در تبدیل یک منبع به انواع محتوا از نقشه ذهنی تا خلاصه پادکست و ویدئوی اسلایدی، بی‌نظیر است. جالب‌تر اینکه زبان محتوای خروجی قابل انتخاب است و هیچ ربطی به زبان منبعی که گرفته ندارد. منبع هم می‌تواند چندین متن، PDF، لینک وبسایت، لینک ویدئوی یوتیوب و ... باشد.

اصلا قصد گرفتن خروجی انگلیسی نداشتم اما چون فراموش کردم در باکس پرامپت در بخش Video overview بنویسم «فقط و فقط فارسی، اصلا انگلیسی نباشه» یک ویدئوی شش دقیقه‌ای انگلیسی تحویل گرفتم:

  • تماشای خروجی انگلیسی Video overview برای اینفوگرافی تار و پود بازاریابی آنلاین

در ویدئوی خروجی انگلیسی که با عنوان The Marketing Loom داد، این جملات توجهم را جلب کرد:

Let's imagine it's more like a loom." You are actively weaving thread by thread to create these strong, durable fabric of your business.

«بازاریابی فقط یک قیف نیست. یک دار قالی است. تو نخ‌های محکم را می‌بافی تا پارچه‌ای ماندگار از کسب و کار ساخته شود.»


دار قالی، یک استعاره کوتاه و شاعرانه، که یک مفهوم خشک مدیریتی را به تصویری ماندگار تبدیل کرد. این استعاره برای نشان دادن پیچیدگی و درهم‌تنیدگی مراحل بازاریابی استفاده شده است. funnel (قیف) بیشتر یک مسیر خطی و یکطرفه را نشان می‌دهد، در حالی که loom ممکن است تعاملات پیچیده‌تر و چندجهتی بین مراحل مختلف بازاریابی را بیان کند.

این بار رفتم و با پرامپتی که دادم، خروجی ویدئوی فارسی گرفتم و تماشا کردم.

تماشای خروجی فارسی Video overview برای اینفوگرافی تار و پود بازاریابی آنلاین

در تصور اولیه خروجی انگلیسی و فارسی نباید تفاوت معناداری داشته باشند اما اینطور نبود. برایم عجیب بود که همان ابزار با همان درخواست، در خروجی فارسی فقط توضیحی تخت و طولانی تولید کرد؛ هشت دقیقه متن، بدون استعاره!

این تفاوت برایم مثل یک زنگ بیدارباش بود:

  • خروجی انگلیسی = استعاره و داستان

  • خروجی فارسی = توضیح و کلمات پشت سر هم

بنابراین رفتم سراغ خروجی‌های قبلی در پروفایل NotebookLMم و با گرفتن خروجی انگلیسی چندتای آنها که روی مفاهیم‌شان مسلط بودم، با تکرار این اختلاف در ساخت محتوای فارسی و انگلیسی روبرو شدم

چرا این اتفاق می‌افتد؟ چون داده‌ها، دست نامرئی هوش مصنوعی هستند. بسیاری تصور می‌کنند مشکل فقط از ترجمه است، اما اصل ماجرا به اندازه و تنوع داده‌های آموزشی برای هوش مصنوعی‌ها برمی‌گردد:

  • زبان انگلیسی بیش از ۶۰٪ محتوای اینترنت را تشکیل می‌دهد.

  • مدل‌ها هزاران استعاره، روایت و لحن خلاقانه در انگلیسی دیده‌اند.

  • اما زبان‌هایی مثل فارسی، عربی یا ترکی حجم بسیار کمی داده دارند.

در نتیجه، مدل هوش مصنوعی وقتی به فارسی پاسخ می‌دهد، محتاطانه عمل می‌کند؛ توضیح مستقیم به جای استعاره!

بنابراین به نظرم این هیجان اولیه‌ای که خیلی از کاربران فارسی‌زبان تجربه می‌کنند، شبیه خوردن یک آب‌نبات شیرین است.

  • لحظه‌ای لذت‌بخش است

  • اما به سرعت اثرش را از دست می‌دهد

در واقع خروجی فارسی هوش مصنوعی پرکلمه و طولانی است، اما چیزی ندارد که آنرا در ذهن ماندگار کند؛ نه استعاره‌ای، نه خلاقیتی و نه عمقی!


چارچوب 4C: راه عبور از محدودیت‌های زبانی

راه‌حل این نیست که استفاده از هوش مصنوعی در فارسی را کنار بگذاریم. راه‌حل این است که با خروجی‌ها فعالانه برخورد کنیم.

به همین دلیل چارچوب 4C را معرفی می‌کنم:

  • علّی (Causal): چرا این خروجی این‌طور شد؟

  • انتقادی (Critical): چه فرض‌هایی در آن وجود دارد؟

  • خلاقانه (Creative): چه امکان‌های دیگری برای بازنویسی وجود دارد؟

  • مقایسه‌ای (Comparative): این خروجی چه تفاوتی با زبان‌ها یا ابزارهای دیگر دارد؟

مسئله‌ای جهانی، نه فقط فارسی

این مشکل محدود به فارسی نیست. در واقع زبان‌ها به سه دسته تقسیم می‌شوند:

  • پرمنبع (انگلیسی، اسپانیایی، فرانسوی): خروجی‌ها غنی‌ترند.

  • میان‌منبع (عربی، ترکی، هندی، روسی): خروجی‌ها سطحی‌ترند.

  • کم‌منبع (فارسی، کردی، پشتو): خروجی‌ها تخت و توضیحی‌اند.

نتیجه‌گیری:

دار واقعی درون ماست. هوش مصنوعی قرار نیست جای ما فکر کند. بلکه ما را وادار می‌کند بهتر فکر کنیم.


خروجی فارسی مثل یک داروی مُسکن موقتی است: لحظه‌ای شگفت‌زده‌ات می‌کند، اما مشکل را درمان نمی‌کند.
درمان واقعی این است که:

  • خروجی‌ها را با نگاه انتقادی بخوانیم.

  • همیشه یک چشم به خروجی انگلیسی داشته باشیم.

  • استعاره‌ها و لایه‌های فرهنگی زبان فارسی را به محتوای خروجی هوش مصنوعی اضافه کنیم.

در نهایت، این ما هستیم که باید دار قالی معنا را ببافیم، نه ماشین؛ دار واقعی درون ماست.

هوش مصنوعیتولید محتوا با هوش مصنوعیمدل زبانیکاربرد هوش مصنوعی
۵
۴
رضا مازندرانی
رضا مازندرانی
شاید از این پست‌ها خوشتان بیاید