پژوهش های ادب عرفانی (گوهر گویا)

هوش مصنوعی به ربات هایی گفته می شود که توان اجرای وظایفی را دارند که برای اجرای آن کنش ها نیاز به هوش انسانی است. یکی از کارکردهای این ماشین های هوشمند -که گاه فراتر از هوش انسانی ظاهر می شوند- تحلیل و تفسیر متون است. از سویی، قلمرو عرفان، ساحتی است رازناک، مبهم و رمزآلود؛ و ورود به این اقلیم ملزوماتی را می طلبد که پژوهنده از داشتن هوش مناسب برای شناخت و پرداخت آنها ناگزیر است. جستار حاضر که با روش توصیفی-تجربی نوشته شده است، می کوشد تا با ارائه مطالبی حاوی «سکوت عرفانی» به مثابه داده ورودی به ربات مدرن « چت جی پی تی »، به سنجش و مواجهه پردازش های این ربات با موضوع یادشده بپردازد. نتایج این پژوهش نشان می دهد که ربات چت جی پی تی از ساحت عرفانی متن و تفکیک آن از دیگر حوزه ها (ساحت غنایی، حماسی و...) شناخت کافی دارد؛ یعنی در تفسیرها، پس از پردازش داده ها و دریافت این نکته که متن به حوزه عرفان مربوط است، می کوشد تا آن را براساس مفاهیم عرفانی تجزیه و تحلیل کند. شناخت دقیق و درست اصطلاحات عرفانی، دیگر توانمندی ربات هوشمند است. همچنین، تسلط این ابزار هوشمند در فهم زبان رمزی، شناخت بُعد ادبی و لایه های زیرین متن که بیشتر در قالب نمادها نمود می یابند نیز درخور توجه است. با این توضیحات و ازآنجایی که هوش مصنوعی به مرور خود را تقویت و ترمیم می کند، چندان دور نیست که به دستیاری این ابزارهای مدرن و هوشمند، افق های نوینی در بحث پردازش و فهم متون عرفانی بر مخاطبان این حوزه گشوده شود.

امروزه هوش مصنوعی نقشی پررنگ و گسترده در پژوهش ایفا می کند، اما به کارگیری این فناوری در تحقیقات ادبی، به ویژه متون عرفانی که ذاتاً پیچیدگی ها و ظرافت های خاص خود را دارند، دشوار و شاید غیرممکن به نظر برسد. ازاین رو، پژوهش حاضر بر آن است نقاط قوت و ضعف هوش مصنوعی را در فهم متون عرفانی ارزیابی کند. بدین منظور، توانایی سه مدل زبانی بزرگ شامل ChatGPT، Google Gemini و Claude در تحلیل و تفسیر متون عرفانی فارسی، با تمرکز بر نی نامه مولانا، بررسی شد. نی نامه به دلیل مفاهیم نمادین، استعاره های پیچیده و لایه های معنوی عمیق، به مثابه معیاری برای سنجش توان ادراکی این مدل ها انتخاب شد. روش پژوهش به صورت کیفی و با طرح دو پرسش انجام گرفت: درک و تفسیر تک تک ابیات نی نامه و برداشت کلی از مفاهیم این اشعار. نتایج این پژوهش نشان می دهد که مدل های زبانی بزرگ در ارائه معانی تحت اللفظی عملکرد خوبی دارند؛ اما در درک استعاره ها، مفاهیم نمادین و زمینه های فرهنگی، ادبی و تاریخی متن با چالش هایی جدی روبرو هستند. افزون بر این، این مدل ها در فهم ارتباطات عمودی ابیات و شگردهای بلاغی همچون ایهام و جناس ناتوان هستند. درنهایت، این مقاله ضمن تأکید بر نقاط قوت این مدل ها مانند سرعت تحلیل متون، بر لزوم بهبود آنها ازطریق آموزش با داده های تخصصی عرفانی و همکاری میان متخصصان هوش مصنوعی و پژوهشگران ادبی تأکید می کند. این پژوهش نشان می دهد که هوش مصنوعی می تواند به عنوان ابزاری مکمل برای تسهیل درک ادبیات عرفانی به کار گرفته شود؛ اما برای دستیابی به تحلیل های عمیق تر نیازمند بهینه سازی های جدی است.

با ظهور و گسترش هوش مصنوعی در حوزه ترجمه، این پرسش مطرح می شود که هوش مصنوعی تا چه اندازه در ترجمه موفق است و آیا می تواند جایگزین مترجم انسانی شود. در این پژوهش با استفاده از روش تطبیقی ماندی، دو ترجمه فارسی کتاب اللمع فی التصوف بررسی شده و خطاهای آن ها شناسایی شده است. این خطاها عبارت اند از: قرائت نادرست متن، استفاده نادرست از واژه نامه ها در معادل یابی درست، بی توجهی به بافت متن در معادل یابی، ناآشنایی با مصطلحات تخصصی عرفانی اسلامی و نیز فهم نادرست متن. سپس، همان جملاتی که مترجم انسانی به اشتباه ترجمه کرده است، برای ارزیابی به هوش مصنوعی داده شده است. بررسی نتایج نشان می دهد که هوش مصنوعی توانسته است ترجمه ای پذیرفته شده ارائه دهد. این پژوهش برخلاف تصور عامه که هوش مصنوعی را فاقد توانایی لازم در ترجمه می دانند، نشان می دهد که درحال حاضر این فناوری، به ویژه برای زبان هایی مانند فارسی و عربی که ازنظر رایانشی کمتر بدان ها توجه شده است، از قدرت کافی برای ترجمه برخوردار است. براساس یافته های این پژوهش، به مترجمان، به ویژه تازه کارها، پیشنهاد می شود که هوش مصنوعی را به عنوان ابزاری مؤثر در فرایند ترجمه نادیده نگیرند و از آن بهره برند.

بهره گیری از توانمندی ابزارهای توسعه یافته مبتنی بر هوش مصنوعی (مدل های زبانی بزرگ) برای تفسیر و رمزگشایی از زوایای پنهان اشعار عرفانی فارسی، موضوعی مهم است که به دلیل رمزآمیختگی و پیچیدگی های زبانی، کمتر بدان پرداخته شده است. در این مقاله، چارچوبی راهنما برای تعامل با ابزارهای گفت وگوگر هوشمند مبتنی بر مدل های زبانی بزرگ که امکان دستیابی به معانی معتبر از غزلیات عرفانی فارسی را فراهم نماید، ارائه شده است. این چارچوب براساس دو فرض طراحی شده است؛ نخست، فرضِ رمزی بودن و به اشارت بیان شدنِ مطالب در غزلیات عرفانی و دوم، فرضِ التزام کامل غزل سرا به قواعد دستوری و صنایع ادبی زبان فارسی است. بنابر چارچوب پیشنهادی، راهنمایی گام به گام برای سازماندهی نظام مند به خواسته های ورودی کاربر در تعامل با ابزارهای مذکور با عنایت به ساختار دستوری، صنعت ادبی، واژه محوری، جست وجو و تناظریابی در آیات و روایات معتبر پیشنهاد شده است. اعمال فرایندهای طراحی شده در چارچوب پیشنهادی در تعامل با دو ابزار گفت وگوگر نشان می دهد که چارچوب راهنمای پیشنهادی توانایی لازم برای تفسیر ابیات غزل عرفانی زبان فارسی را دارد و می تواند مبنایی برای گفت وگوگری مؤثر باشد تا کاربر به نتیجه مطلوب خود دست یابد.

این مقاله به بررسی پرسش هایی پیرامون امکان و جواز اخلاقی تولید محتوا توسط مدل های زبانی می پردازد. یکی از پرسش های اساسی این است که آیا یک مدل زبانی می تواند به صورت اخلاقی مجاز باشد که اشعاری را به شاعری بزرگ، مثلاً خیام، بسراید؟ این اقدام چه تأثیری بر میراث تاریخی و منحصربه فرد خیام دارد که می تواند به مثابه یک وجود تکین، تکرارناپذیر و تمام شده تلقی شود؟ در این راستا، این پژوهش به بررسی این مسئله می پردازد که آیا چنین فعالیتی به نوعی نقض مالکیت فکری خیام محسوب می شود یا خیر. باتوجه به این مسائل، این مقاله به ارزیابی جواز انتشار مجموعه ای از اشعار می پردازد که توسط یک مدل زبانی و به سبک شاعری دیگر تولید شده است. همچنین، این پژوهش به این پرسش می پردازد که آیا جامعه به دوره ای وارد می شود که لازم است رویکرد خود را نسبت به تاریخ مندی چهره های بزرگ ادبی تغییر دهد. این مقاله، که پژوهشی فلسفی است، از برخی روش های رایج در حوزه مطالعات فلسفی، ازجمله تحلیل مفهومی، استدلال ورزی و آزمایش های فکری بهره می برد. افزون بر این، برای تکمیل این بررسی، از یک آزمایش تجربی در تعامل با مدل زبانی نیز استفاده شده است. در بحث های فلسفی، از نظریه هایی که بر عاملیت غیرانسان ها، به ویژه در فناوری ها، متمرکز هستند، مانند نظریه کنشگر - شبکه در مطالعات علم و فناوری، استفاده می شود. مباحث اخلاقی مطرح شده در این مقاله در حوزه اخلاق کاربردی قرار می گیرند؛ بااین حال برای تدوین استدلال ها از نظریه های اخلاقی هنجاری نیز استفاده می شود. یافته های پژوهش نشان می دهد که هوش مصنوعی قادر است نگاه ما را به تاریخ مندی آثار و مفاخر ادبی تغییر دهد و از منظر اخلاقی- فلسفی می توان فضا را برای بازتولید موجه و مشروط آثار و مفاخر ادبی فراهم کرد. این نتیجه گیری، ضرورت تدوین سیاست هایی برای تنظیم گری هوش مصنوعی در حوزه بازتولید آثار ادبی را برجسته می سازد. در پایان این مقاله، به برخی از این سیاست ها اشاره خواهد شد.

شناسایی و دسته بندی موضوعی اشعار دیوان حافظ همواره مورد توجه حافظ پژوهان بوده و مطالعات گوناگونی دراین باره انجام گرفته است. عمده این پژوهش ها، اشعار را براساس تقسیم بندی تاریخی یا دوره زندگی شاعر دسته بندی کرده اند یا از نظرات کارشناسان و خبرگان حوزه ادبیات فارسی بهره برده اند. این پژوهش با شناسایی موضوعات اشعار دیوان حافظ براساس هوش مصنوعی و متن کاوی صورت گرفته و نظرات کارشناسان در آن دخالتی نداشته است. در این مطالعه، پس از بیان ویژگی های ظاهری و انجام پیش پردازش های لازم روی اشعار، هشت موضوع اصلی در دیوان حافظ شناسایی شده است. سپس، باتکیه بر واژگان پرکاربرد هر موضوع و استفاده از هوش مصنوعی، این موضوعات نام گذاری شده اند. موضوعات استخراج شده شامل «سوز و گداز»، «مدح و ستایش»، «فراق و وصال»، «زیبایی و دلربایی»، «عیش و مستی»، «راز عشق»، «طریقت و عرفان» و «رندی و آزادگی» است. در ادامه، اشعار حافظ براساس این موضوعات دسته بندی شده اند و میزان ارتباط هر شعر با هر موضوع، برپایه بیشترین ارتباط و یا برخورداری از حدآستانه ارتباط، استخراج شده است. روش به کارگرفته شده در این پژوهش، مستقل از نظر خبرگان و کاملاً مبتنی بر یادگیری ماشین و هوش مصنوعی است. این رویکرد با واکاوی واژگان به بررسی و شناسایی موضوعات موجود در دیوان حافظ پرداخته است و قابلیت تعمیم به دیگر متون ادبی را نیز دارد.

آسمان در نزد عرفا جایگاه والای معنوی دارد و سرچشمه معارف است. در فراسوی آسمانی که با چشم دیده می شود، جهان نادیدنی و ملکوت قرار دارد. آسمان مرئی در باور گذشتگان هشت فلک به شمار می آمد که هشتمین فلک، جایگاه بروج بود. این آسمان و صورت های فلکی آن، افزون بر کاربرد حقیقی که برآمده از نگاه اخترشناسی آن دوران بود در نزد پیشینیان در مواردی کاربردهای رمزی و تمثیلی نیز داشت. دریافت معنی حقیقی یا استعاری چندان دشوار نیست؛ اما کشف معانی پنهان و رمزی این کاربرد در متون عرفانی تا اندازه ای دشوار است. شناخت لایه های زیرین متن نیازمند دانش گسترده ای در ستاره شناسی کهن، آشنایی با ظرافت های ادبی و آگاهی از حکمت، فلسفه و جهان بینی گذشتگان است. باتوجه به توانمندی بسیار هوش مصنوعی در تحلیل داده ها، سنجش رویارویی این ابزار با مفاهیم پیچیده و تمثیلی متون عرفانی می تواند ما را بیش ازپیش در شناخت و شیوه بهره مندی از این ابزار یاری کند. در این پژوهش به روش توصیفی تجربی تلاش شده است تا کاربرد رمزی و تمثیلی مفاهیم آسمانی در متون عرفانی، با استفاده از هوش مصنوعی سنجیده و بررسی شود. نتایج این پژوهش نشان می دهد که هوش مصنوعی در قالب ربات چت جی پی تی به خوبی از مفاهیم تمثیلی عرفانی در پیوند با اصطلاحات نجومی آگاهی دارد و از پسِ شناخت کلی این مفاهیم در متون عرفانی برمی آید. هرچند که در این میان، گاهی تحلیل های نادرستی نیز دیده می شود. شناخت هوش مصنوعی از بیشتر اصطلاحات اخترشناسی کهن به همراه مفاهیم عرفانی و کاربرد نمادین اعداد از دیگر توانمندی های این ابزار است.

طبقه بندی متون فارسی، به ویژه نثرهای ادبی کلاسیک که سرشار از ساختارهای زبانی پیچیده و لایه های معنایی عمیق هستند، یکی از چالش های کلیدی در پردازش زبان طبیعی[1]محسوب می شود. این پژوهش با هدف ارزیابی روش های مختلف یادگیری ماشین و مدل های زبانی گوناگون برای طبقه بندی موضوعی نثرهای ادبی فارسی انجام شده است. در این مطالعه افزون بر شیوه های رایج طبقه بندی (مانند استفاده از مدل های از پیش آموزش دیده مانندmBERT،ParsBERT  و  RoBERTa)، از رویکردهای نوآورانه ای نیز بهره گرفته شده است. این رویکردهای نوین شامل ترکیب تعبیه سازی[2]های دو مدل با هم یا استفاده از توکن های عددی استخراج شده از یک مدل برای طبقه بندی با مدل دیگر هستند که با هدف بهینه سازی عملکرد و تجزیه وتحلیل نتایج به کار رفته اند. همچنین، تکنیک های سنتی تعبیه سازی همچون TF-IDF، Bag of Words و FastText به کار گرفته شدند و برای ارزیابی عملکرد، بردارهای استخراج شده به مدل های متنوع طبقه بندی، ازجمله مدل های شبکه عصبی بازگشتی LSTM و GRU و همچنین مدل های طبقه بندی برداری (مانند SVM[3] ،Random Forest و Logistic Regression) ارائه شدند. نوآوری این پژوهش در ترکیب تعبیه های مدل های ترنسفورمری با یکدیگر و با بردارهای ویژگی دیگر یا طبقه بندی آن ها با مدل های طبقه بندی برداری است که نتایج به دست آمده، بهبود معنادار معیارهای صحت، بازخوانی و امتیاز F1 را نشان می دهد. این رویکرد، افزون بر بهبود طبقه بندی متون فارسی، امکان شناسایی الگوهای زبانی و معنایی در نثرهای کلاسیک فارسی را فراهم می کند. همچنین، این پژوهش می تواند نقش مدل های زبانی و الگوریتم های یادگیری ماشین را در مطالعات ادبی گسترش دهد و آن ها را با نیازهای خاص متون ادبی سازگارتر و ازنظر عملکرد، دقیق تر از روش های پیشین سازد. [1]. NLP [2]. Embedding [3]. Support Vector Machine