هوش مصنوعی |

حصار، نه آتش

Sun, 06 Sep 2026 00:00:00 +0000

در انباری در شمال لاس‌وگاس، Amazon ماشینی به کار انداخته که عطف کتاب‌های دست‌دوم را می‌بُرد. صفحه‌های جداشده از اسکنر می‌گذرند و کاغذ سپس به خمیر کردن می‌رود. این کار را با کتاب‌سوزان مدرن قیاس کرد و در این راه از هیچ کلیشه‌ای دریغ نورزید: اشاره به ساوونارولا، عکس‌های آرشیوی از کتاب‌هایی به‌ظاهر نایاب و، البته، آتش برلین. روزنامه‌های جدی‌تر، چنان‌که انتظار می‌رفت، خونسردتر بودند اما همان مقایسه را در هوا معلق گذاشتند. این مقاله‌ها با همهٔ برآشفتگی‌شان، گذاشتند صنعت هوش مصنوعی به‌طرزی شگفت‌انگیز قسر در برود. کنترل دانشی که اسکن می‌شود دست کیست؟ این پرسش باید صبر کند تا نخست تکلیف یاوهٔ کتاب‌سوزان را روشن کنیم.

اسکنر آتش‌سوزی نیست

نابود کردن یک نسخهٔ کاغذی، به‌خودی‌خود، اسکن مخرب را همتای مدرنِ آتش ساوونارولا یا کتاب‌سوزان نازی‌ها نمی‌کند. آن کارها معنایشان را از آنچه محکوم می‌شد و از چرایی محکومیتش می‌گرفتند. آن راهب بینوا، ساوونارولا، که پایش را به هر جنجال کتاب‌سوزی می‌کشند، از مردم می‌خواست بخشی از دارایی‌شان را همچون توبه‌ای علنی به آتش بیندازند. آتش نازی‌ها گونه‌ای دیگر از طرد را به صحنه می‌برد: سوزاندن علنی کتاب‌ها اعلام می‌کرد که نویسندگانشان در حیات فرهنگی آلمان جایی ندارند. در هر دو مورد، نابودی نمایشی بود. اسکن مخرب، که روشی رایج در دیجیتال‌سازی است، غرض دیگری دارد: نسخه قربانی می‌شود تا محتوایش بماند. کتاب از میان می‌رود؛ متن از ماده رها می‌شود. هر کس دست به دامن فارنهایت 451 می‌شود، خوب است به یاد آورد که آتش‌نشانان بردبری متن را برای بعد نگه نمی‌داشتند.

با گذاشتن «کتاب‌های نایاب» در تیتر خود بر دامنهٔ هراس افزود، و رسانه‌های دیگر هم به‌نوبهٔ خود این وصف را تکرار کردند. حال آنکه کتاب‌فروشی که در همان گزارش از او نقل شده گفته بود این سفارش‌های عمده ؛ یعنی عمدتاً چاپ‌هایی که از حدود 1970، زمان رواج شابک، به بعد منتشر شده‌اند. این‌ها جنس بساط دست‌دوم‌فروش‌ها و مغازه‌های خیریه‌اند که غالباً یک خانه‌تکانی با زباله‌دانی فاصله دارند. پیش از اعلام فاجعهٔ فرهنگی، بد نیست فهرست کتابخانه را نگاهی بیندازیم. این‌ها دقیقاً همان انتشاراتی‌اند که کتابخانه‌های واسپاری قانونی برای نگهداری‌شان به وجود آمده‌اند. البته شابک داشتن، بقای نسخهٔ واسپاری را تضمین نمی‌کند؛ اما کمیابی در بازار دست‌دوم هم ناپدید شدن یک متن را ثابت نمی‌کند.

خمیر کردن، نسخهٔ فیزیکی را با هر یادگاری‌نوشته و حاشیه‌ای که دارد از میان می‌برد. نسخه‌هایی که حاشیه‌نویسی یا پیشینهٔ مالکیت مهمی از نظر تاریخی دارند سزاوارند شناسایی و حفظ شوند، ترجیحاً پیش از آنکه به بازار دست‌دوم برسند. می‌توان همچنان نگران کم شدن نسخه‌های کاغذی عنوان‌های از چاپ خارج‌شده بود. اما در آن صورت باید پرسید چرا صاحبان حقوقشان نه آن‌ها را تجدید چاپ می‌کنند و نه اجازهٔ دسترسی به نسخه‌های دیجیتال موجود را می‌دهند. پژوهشگران این کلافگی را خوب می‌شناسند: Google Books عبارت مورد نیازتان را پیدا می‌کند و بعد تکه‌ای کوچک از کتابی را نشانتان می‌دهد که نه می‌توانید نو بخرید و نه آنلاین بخوانید. اینجا خسارت‌هایی هست که ارزش بحث دارد. ولی هیچ‌یک اسکنر را به آتش نازی‌ها بدل نمی‌کند.

از این گذشته، صنعت نشر از دیرباز کتاب‌های فروش‌نرفته را به‌طور روزمره خمیر می‌کند. تنها در فرانسه، برآورد می‌شود که ، یعنی نزدیک به 60 درصد از تناژی که فروش‌نرفته به پخش‌کننده‌ها برگشته است. نام این کار «مدیریت موجودی» است. نسخه‌های مازاد و عنوان‌های کمیاب دست‌دوم پرسش‌های متفاوتی دربارهٔ دسترسی پیش می‌کشند، اما نابود کردن کاغذ به‌خودی‌خود نه سانسور است و نه استبداد.

کتاب بیشتر، هوش مصنوعی بهتر؟

اینکه شرکت‌های هوش مصنوعی کتاب می‌خرند و اسکن می‌کنند در واقع خبر خوبی است. فناوری‌ای که پیوسته به درک سطحی‌اش از فرهنگ بشری متهم می‌شود دارد از آن فرهنگ بیشتر برمی‌گیرد، و انتظار می‌رفت اهل دانشگاه از این تلاش استقبال کنند.

وب جانشین ناقصی برای گنجینهٔ انباشتهٔ یک زبان است. بخش بزرگی از حیات مکتوب هر زبان، از رمان و خاطرات گرفته تا ترانه‌های عامه‌پسند و گفت‌وگوهای پیاده‌شده، هرگز از چاپ به وب راه نیافته است. بسیاری از این کتاب‌ها از ناشرانشان بیشتر عمر کرده‌اند. راه دادن آن‌ها به داده‌های آموزشی آنجا بیشترین اهمیت را دارد که چیز دیگری در دسترس نیست. چند کتاب بیشتر به انگلیسی شاید بهبودی حاشیه‌ای بیاورد. در زبانی که بازنمایی ضعیفی دارد، همان کتاب‌ها می‌توانند مرز میان سامانه‌ای کارآمد و سامانه‌ای بی‌فایده باشند. اینکه این ابزارها جایی در خدمات عمومی یا زندگی روزمرهٔ ما داشته باشند یا نه، پرسشی است برای بحث عمومی. اما هر جا که تصمیم بگیریم از آن‌ها استفاده کنیم، باید بتوانیم به زبان خودمان استفاده کنیم.

سفارش‌هایی که از اسپانیا و هلند گزارش شده، بُعد زبانی ماجرا را ملموس می‌کند. در ماه مه، از کتاب‌فروشی در بادالونا نوشت که سفارش‌های پیاپی دریافت می‌کرد، عمدتاً برای آثار غیرداستانی کاتالان: کتاب‌های تاریخ، راهنماهای فنی و مجموعه‌مقالات کنفرانس‌های قدیمی. تا ماه اوت، گزارش‌های هلندی از درخواستی به De Slegte برای خبر می‌دادند. زبان کتاب‌ها دست‌کم به همان اندازهٔ سرنوشت جلدشان سزاوار توجه است. شاید این از Daily Mail انتظار زیادی باشد. ولی روزنامه‌های سنجیده‌تر هم دربارهٔ زبان‌های دخیل چیز چندانی نگفته‌اند.

قراردادهای مجوز با ناشران بزرگ هم می‌توانند مواد ارزشمندی فراهم کنند، اما فهرست‌های دیجیتال آن‌ها تنها کسری از آنچه به چاپ رسیده را در بر می‌گیرد. کتاب‌هایی که هرگز دیجیتال نشده‌اند، یا حقوقشان دیگر در دست ناشر نیست، بیرون از این عرضه می‌مانند. حتی سخاوتمندانه‌ترین قرارداد مجوز هم نمی‌تواند جای تاریخ نشر را بگیرد، چه رسد به تاریخ یک فرهنگ. خرید نسخه‌های دست‌دوم راهی است برای گذشتن از این مرزهای تجاری.

«دزدی» استدلال نیست

«دزدی» نامیدنش هم کمکی نمی‌کند. در ژوئن 2025، دو دادگاه ناحیه‌ای ایالات متحده حکم دادند که استفاده از کتاب‌ها برای آموزش مدل‌های زبانی، در پرونده‌های مطروحه، استفادهٔ منصفانه بوده است. در پروندهٔ ، دادگاه بر خصلت دگرگون‌ساز آموزش تأکید کرد: کتاب‌ها برای ساختن سامانه‌ای به کار رفته بودند که می‌تواند بیان تازه‌ای تولید کند. مدل‌ها ممکن است عباراتی را از بر کنند، اما استفاده از یک کتاب در آموزش، تمام متن آن را در دسترسِ بازیابی به فرمان قرار نمی‌دهد. از سوی دیگر، نبودِ بازتولید عین‌به‌عین هم همهٔ اعتراض‌ها را پاسخ نمی‌دهد. در پروندهٔ ، قاضی هشدار داد که آثار تولیدشده با هوش مصنوعی می‌توانند بازار را اشباع کنند و شواهدی از چنین زیانی می‌تواند دفاع استفادهٔ منصفانه را از پا درآورد. این شاکیان اما شاهد معناداری از چنین زیانی به آثار خودشان ارائه نکرده بودند. هیچ‌یک از دو حکم به شرکت‌های هوش مصنوعی اجازهٔ بی‌قید و شرط نمی‌دهد و نزاع اخلاقی را نیز فیصله نمی‌دهد. آنچه از ما می‌خواهند تمایز گذاشتن است میان اینکه کتاب‌ها چگونه به دست می‌آیند، نسخه‌ها چگونه نگهداری می‌شوند و آموزش با آن‌ها چه می‌کند. «دزدی» نامیدن همهٔ این‌ها، آن پرسش‌ها را بی‌پاسخ می‌گذارد.

در ضمن، حکم پروندهٔ Anthropic دلیلی هم برای گیوتین به دست می‌دهد. دادگاه دیجیتال‌سازی نسخه‌های خریداری‌شده را تأیید کرد و انباشتن کتاب‌های دزدی در کتابخانه‌ای دائمی را مردود شمرد؛ همان چیزی که شرکت بعدها بر سر آن . دیجیتال‌سازی تا حدی از آن رو پذیرفته شد که هر نسخهٔ چاپی در جریان تبدیل نابود شده بود: نسخهٔ دیجیتال جای آن را گرفته و بیرون از شرکت به اشتراک گذاشته نشده بود. همان نابودی‌ای که این‌همه خاطر برخی را می‌آزارد، به Anthropic کمک کرد ثابت کند برنامهٔ دیجیتال‌سازی‌اش استفادهٔ منصفانه بوده است. خریدن، اسکن کردن و دور انداختن، در آن پرونده مسیری قانونی بود. گیوتین در اینجا ابزار انطباق با قانون است. خرید نسخه‌ها می‌تواند مشکل تملک را حل کند؛ اما به‌خودی‌خود به هیچ‌کس اجازه نمی‌دهد پیکرهٔ حاصل را به اشتراک بگذارد.

دلایل خوبی هست برای اینکه بخواهیم هوش مصنوعی از زبان‌های بیشتر، از دانش بیشتر و از بخش بزرگ‌تری از جهانِ پیش از اینترنت بهره بگیرد. این دلایل از این رو که شرکتی که دوستش نداریم فرصتی تجاری در این کار یافته، دود نمی‌شوند.

خشم عاریتی

پس به Daily Mail برگردیم. مقاله‌اش بخشی است از ، کارزاری از سوی مالکان روزنامه‌ها و ناشران که برای هوش مصنوعی می‌خواهند. دو جایگزینی راحت، کار را پیش می‌برد: غول‌های فناوری به جای هوش مصنوعی می‌نشینند و صاحبان حقوق به جای خلاقیت بریتانیایی. از خوانندگان دعوت می‌شود از فرهنگ دفاع کنند، در حالی که ناشران بر سر شرایط فروش آن چانه می‌زنند. پژوهشگرانی که این خبر را دست‌به‌دست می‌کنند، خوب است بپرسند خشمشان در خدمت کدام آرمان است.

غول‌های فناوری و بر سر اجاره‌بها دعوا دارند، اما هیچ‌کدام با حصار مخالف نیستند. داستان نویسندهٔ تنهایی که غولی فناوری غارتش کرده، آنچه را که قراردادهای گران‌قیمت مجوز به هر دو اردوی شرکتی می‌بخشد پنهان می‌کند: ناشران پول می‌گیرند و غول‌های فناوری بازاری به دست می‌آورند که رقبای کوچک‌ترشان از عهدهٔ رقابت در آن برنمی‌آیند. پیتر تیل ترجیح سیلیکون‌ولی را بی‌پرده‌تر گفته است: .

مجوزدهی لزوماً به چنین نتیجه‌ای نمی‌انجامد. دسترسی ارزان و غیرانحصاری می‌تواند به توسعه‌دهندگان کوچک‌تر کمک کند. اما سامانه‌ای که هر تازه‌وارد را وادار می‌کند با صاحبان حقوق بزرگ قراردادهای پرهزینه ببندد، قدرت خرید را به شرط ورود بدل می‌کند. پرداختی که به‌عنوان امتیازی به صنایع فرهنگی عرضه می‌شود، در نهایت بیمه‌ای می‌خرد در برابر رقیبان آینده.

هوش مصنوعی مال غول‌های فناوری نیست

مسئلهٔ عمیق‌تری هم در کار است. بخش بزرگی از نقد هوش مصنوعی، بزرگ‌ترین عرضه‌کنندگان تجاری‌اش را با تمام این حوزه یکی می‌گیرد. محصولات تیترها را پر می‌کنند؛ پژوهش و توسعه‌ای که بیرون از آن شرکت‌ها جریان دارد از نظر پنهان می‌ماند. غول‌های فناوری سوءتفاهمی مفیدتر از این نمی‌توانستند بخواهند. جاه‌طلبی‌شان برای تصاحب این حوزه، پیش‌فرضِ همان نقدی می‌شود که علیه‌شان می‌نویسند. انحصار هنوز قطعی نشده است. تمام‌شده انگاشتنش، لطف بزرگی است در حق این شرکت‌ها.

هوش مصنوعی متن‌باز به مردم امکان می‌دهد سامانه‌هایی بسازند و سازگار کنند که تنوع بیشتری از زبان‌ها، فرهنگ‌ها و شکل‌های بیان را بازتاب می‌دهند. برای کشورهای اروپا، آفریقا و آمریکای لاتین، و نیز برای کرهٔ جنوبی، ژاپن و هند، این پایه‌ای عملی برای حاکمیت فناورانه و فرهنگی است: توانایی تصمیم گرفتن دربارهٔ اینکه سامانه‌ها چگونه کار کنند، به کدام زبان‌ها خدمت کنند و کجا به کار روند. اینکه از هوش مصنوعی استفاده بشود یا نه و برای چه، باید انتخابی عمومی بماند، نه تصمیمی که وابستگی به یک عرضه‌کنندهٔ خارجی دیکته می‌کند.

اما آزادیِ تغییر دادن یک سامانه، بدون امکانات این کار، معنای چندانی ندارد. کار مستقل به تخصص، زیرساخت محاسباتی و دسترسی به مواد آموزشی نیاز دارد. و همین ما را به کتاب‌ها برمی‌گرداند. اگر هر گروه پژوهشی یا نهاد عمومی ناچار باشد خودش با ناشران قرارداد ببندد یا کتابخانهٔ خصوصی خودش را گرد آورد، استقلال همچنان امتیاز کسانی می‌ماند که از عهدهٔ هزینه‌اش برمی‌آیند.

کتاب‌ها همین‌جا هستند

کتابخانه‌ها و آرشیوها نسل‌ها صرف گردآوری همان موادی کرده‌اند که این سامانه‌ها به آن نیاز دارند. مجموعه‌هایشان از آن رو وجود دارد که دسترسی به دانش باید از منفعت تجاریِ فروش آن بیشتر عمر کند. بخش زیادی هم پیش‌تر اسکن شده است: نزدیک به نوزده میلیون جلد دیجیتال‌شده از کتابخانه‌های پژوهشی را در اختیار دارد که بسیاری‌شان هنوز مشمول حق نشرند. کتابخانه کتاب را اسکن می‌کند و نگهش می‌دارد. آنجا کسی به گیوتین نیازی ندارد. HathiTrust ، اما از هم خبر داده است؛ پروژه‌ای برای فراهم کردن دسترسی به پیکره برای پژوهش و توسعهٔ غیرتجاری در هوش مصنوعی. دسترسی با این شرایط باز هم برخی توسعه‌دهندگان مستقل را بیرون در نگه می‌دارد.

مالکیت کتاب‌ها اما به کتابخانه حق نمی‌دهد محتوای مشمول حق نشر آن‌ها را به‌صورت پیکرهٔ آموزشی توزیع کند. به نهادهای پژوهشی و کتابخانه‌ها اجازه می‌دهد آثارِ قانوناً در دسترس را برای پژوهش علمی کاوش کنند، و کاوش گسترده‌تر را آنجا مجاز می‌داند که صاحبان حقوق حق خود را محفوظ نداشته‌اند. : استثنای کاوش در آن به پژوهش غیرتجاری محدود است و انتقال نسخه‌ها را مقید می‌کند. هیچ‌یک از این دو چارچوب به کتابخانه‌ها حقی عام نمی‌دهد که موجودی مشمول حق نشرشان را برای ساخت‌وساز دیگران به اشتراک بگذارند.

می‌توان در این هم بازنگری کرد که صاحبان حقوق تا چه مدت باید بر کاربردهای محاسباتی کتاب‌ها مسلط بمانند. پتنت‌های دارویی یک نقطهٔ مقایسه‌اند: دورهٔ معمول بیست‌سالهٔ آن‌ها بسیار کوتاه‌تر از حمایت حق نشر است که تمام عمر نویسنده و هفتاد سال پس از آن را در بر می‌گیرد. آیا نمی‌شود کتاب‌ها، مثلاً بیست سال پس از نخستین انتشار، بدون حق مجوز برای متن‌کاوی و داده‌کاوی در دسترس قرار گیرند، در حالی که حقوق بازنشر و فروش همچنان محفوظ بماند؟ پاسداری از حق نویسنده برای فروش کتابش لزوماً به معنای کنترل هر شیوهٔ استفاده از محتوای آن برای نسل‌ها نیست.

دو سال پیش در استدلال کردم که داده‌های میراث فرهنگی را باید کالایی عمومی دانست. دولت‌ها باید به کتابخانه‌ها و آرشیوها بودجه بدهند تا مجموعه‌هایشان را دیجیتال کنند، بازنویسی کنند و مستند سازند، و به آن‌ها اختیار قانونی بدهند که پیکره‌های حاصل را در اختیار دیگران بگذارند تا بر آن بنا کنند. غول‌های فناوری می‌توانند از طریق عوارضی اختصاصی بخشی از هزینه را بپردازند.

بودجهٔ عمومی باید با سیاست‌های اعلام‌شدهٔ گردآوری و قواعد دسترسی همراه باشد که کار دانشگاهی و تجاری را بدون قرارداد انحصاری یا دسترسی ویژه برای اهداکنندگان پوشش دهد. دسترسی برای آموزش لزوماً به معنای بازتوزیع بی‌قید کتاب‌های مشمول حق نشر نیست. نویسندگان باید در طراحی این طرح عمومی سهیم باشند، از جمله در اینکه چگونه به رضایت، پاداش و رقابت با آثارشان می‌پردازد. دسترسی رایگان برای کاربران با پاداش نویسندگان از بودجهٔ عمومی منافاتی ندارد. ، که هر بار کتابی به امانت می‌رود از محل بودجهٔ عمومی به نویسنده می‌پردازد، یک پیشینه است. آتش هرگز اصل ماجرا نبود. حصار است.

سردبیران گرامی: اگر صدای مرا می‌خواهید، زبانم را به من پس بدهید

Thu, 27 Aug 2026 00:00:00 +0000

روزی نیست که مجله‌ای سیاست تازه‌اش را دربارهٔ هوش مصنوعی جار نزند. این بار نوبت Progress in Human Geography است؛ سردبیرانش منتشر کرده‌اند و هشدار داده‌اند که هر کس هوش مصنوعی را جانشین خواندن و اندیشیدن و نوشتنِ خود کند، مرتکب «نقض اخلاق دانشگاهی، همانند سرقت ادبی» شده است. مقاله‌هایی که خاطی شناخته شوند «ممکن است پس گرفته شوند»؛ در بهترین حالت تصحیح می‌شوند و اطلاعیه‌ای در مجله چاپ می‌شود. سردبیران می‌افزایند که نویسندگان باید «به‌دقت بیندیشند که آیا می‌خواهند نامشان با پس‌گرفتن مقاله و اطلاعیه‌های تصحیح گره بخورد یا نه».

این جمله را باید لحظه‌ای نگه داشت. سلب اعتبار مقاله در رأس مجازات‌های انتشارات دانشگاهی می‌نشیند؛ کیفری که معمولاً برای جعل داده و تقلب کنار گذاشته‌اند. اینجا اما به تخلفی چسبانده شده که همان سرمقاله از تعریفش ناتوان است. سردبیران خود اذعان می‌کنند که «مناطق خاکستری واقعی» وجود دارد و «هیچ خط روشنی قلمرو ‹بی‌مسئولیتی› را جدا نمی‌کند». اجرای سیاست بر «داوری‌های موردی» تکیه خواهد کرد «که شاید برخی نویسندگان را برنجاند؛ نویسندگانی که ادعا خواهند کرد استفادهٔ ناروایی از هوش مصنوعی نکرده‌اند»: به عبارت دیگر، اظهار خودِ نویسنده هم می‌تواند نادیده گرفته شود. سپس توصیه می‌کنند که «در قلمرو امنِ ‹مسئولیت›» بمانیم؛ و آدم فقط آنجا به احتیاط سفارش می‌کند که خطری در کار باشد. کیفر دادن مردم به جرم عبور از خطی که به اعتراف خودتان نمی‌توانید بکشید، تنها وقتی معنا دارد که هدف، حکم راندن با ترس باشد. این نکته را به خاطر بسپارید؛ به آن بازخواهیم گشت.

بهانهٔ صدا

استفادهٔ مسئولانه چه شکلی دارد؟ به نویسندگان می‌گویند: «باید بسیار مراقب بود… تا صدای خود را حفظ کنند». سوءاستفاده یعنی روی آوردن به هوش مصنوعی «برای نوشتن به زبانی که نویسندگان خود هرگز در حالت عادی به کار نمی‌برند». برای یک انگلیسی‌زبانِ مادرزاد این حرف معقول است: وانمود نکن آنچه نیستی. اما برای بیگانه‌ای که ناچار است به زبانی جز زبان خود بنویسد، این فرمان خودش را نقض می‌کند. صدایی که این سیاست از آن پاسداری می‌کند، درست همان چیزی است که قواعد خودِ مجله از ما دریغ می‌دارد.

مرا نمونهٔ آزمون بگیرید. انگلیسی زبان چهارم من است؛ دقیقاً از آن زبان‌هایی که هرگز «در حالت عادی» به کار نمی‌برم. دانشگاه‌های انگلیسی‌زبان مرا تربیت کردند تا آن را کوتاه، نشانه‌گذاری‌شده و تقریباً ماشینی بنویسم: جملهٔ موضوعی در آغاز بند، قیدهای احتیاط در جاهای مقرر، حروف ربط از فهرست مصوب. تربیت کارگر افتاد: در انگلیسیِ من هرگز صدایی نبوده که از آن پاسداری شود؛ صدا نخستین چیزی بود که باید کنار می‌رفت. بنا بر تعریف خودِ سردبیران، هر چه من به انگلیسی نوشته‌ام استفادهٔ ناروا بوده است، با ماشین یا بی ماشین.

میان دو سنگ آسیا

سردبیران می‌گویند به فکر ما هم بوده‌اند: سیاست می‌پذیرد که ناانگلیسی‌زبانان از اینکه هوش مصنوعی انگلیسی‌شان را وارسی کند سود می‌برند، حتی از «خدمات ترجمه، نگارش و ویرایش» آن. با این حال، سهم هوش مصنوعی در نوشتن «باید حداکثر به کمک در ویرایش و نمونه‌خوانی محدود بماند» و نباید به «قطعه‌های بزرگی از متن نوشته‌شده به دست هوش مصنوعی» برسد. مقاله‌ای که ماشینی ترجمه شده، از نخستین واژه تا واپسین واژه نوشتهٔ هوش مصنوعی است؛ چیزی جز همین قطعه‌ها نیست. پس آن امتیاز فقط در صورتی پابرجاست که ترجمه کردن، نوشتن به شمار نیاید. این خط از کجا می‌گذرد؟ پیش‌تر خودشان گفته‌اند: «هیچ خط روشنی» در کار نیست.

بدتر از این هم هست، چون این سوءظن تنها ابطال‌ناپذیر نیست؛ از همان آغاز یک‌سویه است. در سال 2023 گروهی از دانشگاه استنفورد هفت آشکارساز پرکاربرد هوش مصنوعی را روی مقاله‌هایی آزمودند که انسان‌ها نوشته بودند: آشکارسازها به‌طور میانگین 61% از انشاهای TOEFL ناانگلیسی‌زبانان را تولید ماشینی تشخیص دادند، حال آنکه انشاهای انگلیسی‌زبانان مادرزاد را تقریباً بی‌خطا طبقه‌بندی کردند؛ یکی از آشکارسازها 97.8% از مجموعهٔ TOEFL را برچسب زد ( ). علت آموزنده است. آشکارسازها پیش‌بینی‌پذیری را می‌سنجند، و انگلیسیِ زبان دوم، که به سمت میانگین تربیت شده، بنا به ساختش پیش‌بینی‌پذیر است: محتمل‌ترین واژه در محتمل‌ترین ترتیب. همان پژوهش این نشانه را در نوشته‌های علمی واقعی هم یافت: تنوع زبانی کمتر در مقاله‌های کنفرانسی که نویسندهٔ نخستشان انگلیسی‌زبان مادرزاد نیست. نشانه‌های سبکی‌ای که «هوش مصنوعی» خوانده می‌شوند، همان نشانه‌های انگلیسیِ مسلطِ زبان‌دومی‌هاست؛ و داوری موردی یک انسان هم همان نشانه‌هایی را می‌خواند که ماشین می‌خواند. حلقه بسته می‌شود: انگلیسی خودم را بنویسم، شبیه ماشین می‌شوم؛ ماشین را به کار بگیرم، قاعدهٔ آنان را شکسته‌ام.

مالیات زبان

اگر پای تهدید در میان نبود، این تناقض بی‌آزار می‌ماند. اما تهدیدها پرده از مشکلی عمیق‌تر و کهنه‌تر برمی‌دارند که سیاست هرگز نامش را نمی‌برد: تک‌زبانگی. «گسترده‌ترین پوشش بین‌المللی ممکن» را می‌خواهد و در همان صفحه می‌نویسد: «زبان مجله انگلیسی است.»

هزینهٔ این ترتیب فرضی نیست. آمانو و همکارانش با نظرسنجی از 908 دانشمند محیط‌زیست دریافتند که ناانگلیسی‌زبانان برای نوشتن یک مقاله تا 51% زمان بیشتری صرف می‌کنند، مقاله‌شان 2.5 برابر بیشتر رد می‌شود و 12.5 برابر بیشتر از آنان بازنگری خواسته می‌شود، آن هم صرفاً به دلایل زبانی ( ). این مالیات پیش از رسیدن هر سیاست هوش مصنوعی گرفته می‌شود؛ فرم اظهارنامه و تهدیدهایش، ممیزی‌ای است که روی آن سوار شده است.

Fin d’empire

تک‌زبانگی همان اصل موضوعه‌ای است که هیچ‌کس درباره‌اش بحث نمی‌کند. میراثی امپراتوری است که با گذر زمان توجیهی عملی هم پیدا کرد: ترجمه کند و گران بود، و هیچ هیئت تحریریه‌ای نمی‌توانست چیزی را که نمی‌خواند ارزیابی کند. ولی هیچ‌یک از این‌ها در برابر پیشرفت ترجمهٔ ماشینی دوام نمی‌آورد. پیشرفته‌ترین ترجمهٔ ماشینی می‌تواند لایه‌ای قابل اعتماد میان نویسندگان و سردبیران باشد.

راه برون‌رفت آرمانی، انسانی است: پژوهشگران باید بیش از یک زبان بخوانند. دانشگاه‌های انگلیسی‌زبان اما ترجیح می‌دهند دانشکده‌های زبان‌های زنده را تعطیل کنند. توجه کنید که این تعطیلی‌ها پدیده‌ای انگلیسی–آمریکایی است: پژوهشگران جاهای دیگر هرگز تجمل تک‌زبانگی را نداشته‌اند. و به زمان‌بندی هم توجه کنید. تعطیل کردن یک دانشکدهٔ زبان یعنی شرط بستن بر اینکه انگلیسی برای همیشه پیروز شده و از این پس هیچ چیز خواندنی‌ای به زبان دیگری نوشته نخواهد شد. این شرط درست در بدترین لحظه بسته می‌شود، و از دو جهت. نخست از آن رو که ترجمهٔ ماشینی، برای نخستین بار، بی‌نیازی از زبان میانجی را ممکن می‌کند؛ دوم از آن رو که نظمی که انگلیسی را زبان پیش‌فرض کرده بود در حال عقب‌نشینی است: جهان انگلیسی‌زبان به درون خود می‌خزد، جهانی‌شدن فرو می‌نشیند، تجارت آزاد در زادگاه خودش زیر سؤال رفته و جهانی چندقطبی شکل می‌گیرد که در آن زبان‌های خواندنی چند برابر خواهند شد. دانشگاه‌ها پژوهشگرانی تربیت می‌کنند که فقط انگلیسی می‌خوانند، برای جهانی که در آن انگلیسی کافی نخواهد بود. نخستین وارثان این خسران، هیئت‌های تحریریه خواهند بود.

آزمونی برای سردبیران

وقتی هیئت تحریریه‌ای می‌نالد که نمی‌تواند صدای خودِ نویسندگانش را بشنود، شاید بخشی از مشکل در خودِ هیئت باشد.

این اتهام سنگینی است و آزمونی به همان سنگینی با خود دارد. آیا Progress in Human Geography مقاله‌ای را که به فرانسه، ایتالیایی یا ژاپنی نوشته شده و نسخه‌ای انگلیسیِ ماشینی‌ترجمه‌شده همراه دارد، به داوری می‌فرستد؟ راهنمای خودِ مجله خدمات «ترجمه»ای را که این کار را ممکن می‌کند به رسمیت شناخته است. پاسخ مثبت، مسئله را تمام می‌کند. پاسخ منفی به ما می‌گوید این سیاست در واقع از چه چیزی پاسداری می‌کند.

به هر روی، انتخاب با سردبیران است. اگر صدا، چنان‌که مدعی‌اند، اهمیت دارد، مجله باید مقاله‌ها را به زبانی بپذیرد که نویسندگان به آن می‌اندیشند. اگر اهمیت ندارد، فرم اظهارنامه باید برود، و تهدیدها هم با آن.

tei-mcp v0.3: رمزگذاری TEI بدون بازنویسی متن مبدأ

Tue, 05 May 2026 00:00:00 +0000

وقتی ، هدف این بود که دستیارهای هوش مصنوعی از توهم در نشانه‌گذاری TEI باز بمانند. پایه‌گذاری بر شِما بخشی از مشکل را حل کرد: با دسترسی مستقیم و ابزارمحور به مشخصات P5، مدل دیگر ناچار نیست حدس بزند یک عنصر چه معنایی دارد یا کدام صفت‌ها را می‌پذیرد. خروجی از اعتبارسنجی می‌گذرد.

اما توهم در رمزگذاری TEI دو چهره دارد و شِما تنها یکی از آن‌ها را می‌گیرد. اعتبارسنجی در برابر مشخصات به شما می‌گوید که نشانه‌گذاری خوش‌ساخت است. دربارهٔ متنی که نشانه‌گذاری آن را در بر گرفته چیزی نمی‌گوید. و همان‌جا — در خودِ متن — است که توهم‌های زیان‌بارتر لانه می‌کنند. ترکیب بازه‌قفل (span-locked composition)، ویژگی شاخص نسخهٔ v0.3، دقیقاً برای پیشگیری از همین‌ها طراحی شده است.

فهرست مطالب

توهمی که شِما نمی‌تواند بگیرد

از مدلی بخواهید نامه‌ای فرانسوی از سدهٔ شانزدهم را رمزگذاری کند و اغلب سند TEI‌ای تحویل می‌گیرید که بی‌عیب می‌نماید. سرآیند پر شده، برچسب‌های <persName> درست نشسته‌اند، <dateline> خوش‌ساخت است. آن را از validate_document بگذرانید؛ قبول می‌شود.

حالا بدنه را با متن مبدأ مقایسه کنید.

mesme شده است même. یک ویرگول جابه‌جا شده. luy بی‌سروصدا به lui امروزی شده. جمله‌ای که در دست‌نویس دشوارخوان بود، به چیزی پاکیزه‌تر «تصحیح» شده. هیچ‌یک از این تغییرها خواسته نشده بود. هیچ‌یک علامت نخورده. سند از نظر شِما معتبر است و در سکوت غلط.

برای گردش کار آرشیوی — که در آن متن رمزگذاری‌شده به سند دائمی‌ای بدل می‌شود که خوانندگان بعدی، نمایه‌های جست‌وجو و ارجاع‌ها بر آن تکیه می‌کنند — این همان خطایی است که بیش از همه اهمیت دارد. یک برچسب بدساخت آزاردهنده است. املایی امروزی‌شده که پنج سال کسی متوجهش نشود، تحریف است.

ترکیب بازه‌قفل

نسخهٔ تازه (v0.3) سازوکاری برای پیشگیری از توهم دارد که یک‌راست همین خطا را نشانه رفته است. هدف طراحی این است که توهم در متن بدنه از حیث ساخت ناممکن شود، نه صرفاً نامحتمل.

ایده ساده است: مدل هرگز متن بدنه را تایپ نمی‌کند.

در عوض، گردش کار چنین است:

مدل get_source("letter_001") را فرا می‌خواند و متن سادهٔ مبدأ را به‌صورت رشته‌ای تغییرناپذیر دریافت می‌کند.
برای هر برچسبی که می‌خواهد به کار ببرد، tag_span("letter_001", start, end, element_path, attrs) را فرا می‌خواند — یعنی یک عنصر TEI را در بازه‌ای از نویسه‌ها روی متن مبدأ ثبت می‌کند.
وقتی کارش تمام شد، compose("letter_001") را فرا می‌خواند. سرور برچسب‌های ثبت‌شده را با متن سادهٔ اصلی درهم می‌بافد، TEI نهایی را می‌سازد و سپس بایت‌به‌بایت وارسی می‌کند که محتوای متنی تختِ سند ساخته‌شده با متن مبدأ برابر است.

اگر بایت‌ها یکی باشند، سند برمی‌گردد. اگر نباشند — اگر برچسب‌های مدل به هر دلیلی بدنه‌ای را ایجاب کنند که حتی یک نویسه با مبدأ تفاوت دارد — compose() به جای تحویل سند تحریف‌شده، خطا می‌دهد.

در این گردش کار هیچ مسیری وجود ندارد که مدل از آن سند TEI‌ای بسازد که متن بدنه‌اش با مبدأ فرق کند. این ناوردا مکانیکی است، نه رفتاری. لازم نیست به مدل اعتماد کنید که توهم نزند؛ کافی است به یک مقایسهٔ == میان دو رشتهٔ بایت اعتماد کنید.

این چه هست و چه نیست

ترکیب بازه‌قفل مکمل پایه‌گذاری بر شِماست، نه جانشین آن. ابزارهای پایه‌گذاری بر شِما (validate_document، lookup_element، valid_children و باقی شانزده ابزار اولیه) به مدل کمک می‌کنند TEI معتبر بسازد. ترکیب بازه‌قفل تضمین می‌کند که متن بدنه درون آن TEI به مبدأ وفادار است. یک گردش کار رمزگذاریِ قابل استقرار باید هر دو محور را برآورده کند، و حالا هر دو با یک سرور واحد پوشش داده می‌شوند.

نوشدارویی برای همه چیز هم نیست. compose() هنوز بررسی نمی‌کند که برچسب‌های ثبت‌شده بر پایهٔ یک سفارشی‌سازی ODD بارگذاری‌شده مجازند یا نه — این کار بعدی است. برچسب‌های ثبت‌شده در حافظهٔ فرایند می‌مانند و پس از راه‌اندازی مجدد از بین می‌روند. و فایل‌های مبدأ باید از هر جا که سرور اجرا می‌شود خواندنی باشند. همهٔ این‌ها چاره‌پذیرند؛ هیچ‌یک ناوردای اصلی را سست نمی‌کند.

چرا فراتر از TEI هم اهمیت دارد

این الگو تعمیم‌پذیر است. هر بار که از مدلی خواسته می‌شود قطعه‌ای متن را حاشیه‌نویسی، تبدیل یا بسته‌بندی کند — و هر بار که سلامت متن زیرین مهم‌تر از توانایی مدل در «بهتر کردن» آن باشد — همین شکل از راه حل کاربرد دارد. از مدل نخواهید متن را دوباره تایپ کند. از آن بخواهید دستورالعمل‌هایی روی متن تولید کند، و بگذارید یک ترکیب‌کنندهٔ قطعی آن‌ها را زیر ناوردای برابری اعمال کند.

برای نسخه‌های دیجیتال به‌طور خاص، این تغییر می‌دهد که مسئولانه چه چیزی را می‌توان به مدل سپرد. رمزگذاری ناگهان به کاری بدل می‌شود که می‌توان واگذارش کرد بی‌آنکه ناچار باشید هر خروجی را دستی با مبدأ مقایسه کنید. ماشین راه ملال‌آور را می‌رود؛ مصحح نشانه‌گذاری را بازبینی می‌کند، نه املا را.

دریافت به‌روزرسانی

اگر tei-mcp را از قبل نصب کرده‌اید:

uvx tei-mcp@latest

یا از نو:

pip install tei-mcp

برای استفاده از ترکیب بازه‌قفل، سرور را به پوشه‌ای از فایل‌های متن سادهٔ مبدأ نشانه بروید:

export TEI_MCP_SPAN_SOURCE_ROOT=/path/to/sources
uvx tei-mcp

نام هر فایل بدون پسوند، شناسهٔ سند آن می‌شود (‎letter_001.txt → letter_001‎).

کد منبع، مستندات کامل و یادداشت‌های طراحی ناوردا:

tei-mcp

Sun, 15 Mar 2026 00:00:00 +0000

tei-mcp: استاندارد TEI P5 برای عامل‌های هوش مصنوعی

tei-mcp سرور متن‌بازی است که به دستیارهای برنامه‌نویسی هوش مصنوعی دسترسی مستقیم به مشخصات می‌دهد. هوش مصنوعی به جای تکیه بر داده‌های آموزشی به‌خاطرسپرده — که اغلب نشانه‌گذاری موجه‌نما اما نادرست تولید می‌کند — می‌تواند مشخصات را در لحظه پرس‌وجو کند.

امکانات

سرور ODD استاندارد TEI P5 را تجزیه می‌کند و 16 ابزار در اختیار می‌گذارد:

جست‌وجوی هر عنصر، کلاس، ماکرو یا پیمانه با نام، بدون حساسیت به حروف بزرگ و کوچک و با پیشنهاد اصلاح غلط‌های تایپی
تعیین صفت‌ها در سراسر سلسله‌مراتب کلاس‌های TEI (محلی + به‌ارث‌رسیده)
بسط مدل‌های محتوا به درخت‌های ساخت‌یافته با تعیین کلاس‌ها و ماکروها
اعتبارسنجی تودرتویی — رابطهٔ مستقیم والد–فرزند یا دسترس‌پذیری بازگشتی با ردیابی مسیر
اعتبارسنجی اسناد در برابر TEI P5: مدل‌های محتوا، صفت‌ها، فهرست‌های بستهٔ مقادیر، یکپارچگی ارجاع‌ها و هشدارهای منسوخ‌شدگی
اعتبارسنجی تک‌عنصرها برای گردش‌های کاری ویرایش تدریجی
بارگذاری سفارشی‌سازی‌های ODD برای محدود کردن شِما به زیرمجموعهٔ خاص یک پروژه
جست‌وجو در همهٔ انواع موجودیت‌ها با الگوهای regex

نصب

pip install tei-mcp

یا اجرای مستقیم با:

uvx tei-mcp

کاربرد

به هر کلاینت سازگار با MCP (Claude، Cursor، Windsurf و جز آن) بیفزایید:

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

کد منبع و مستندات را در بیابید.

tei-mcp: استاندارد TEI P5 برای عامل‌های هوش مصنوعی

Sun, 15 Mar 2026 00:00:00 +0000

اگر تا به حال با یک دستیار برنامه‌نویسی هوش مصنوعی TEI XML نوشته باشید، احتمالاً دیده‌اید که خراب می‌کند. عنصرها جایی ظاهر می‌شوند که نباید. صفت‌هایی از خود ساخته می‌شوند. قواعد تودرتویی نادیده گرفته می‌شوند. مدل تصوری تقریبی از شکل TEI دارد، اما هیچ شناخت قابل اعتمادی از مشخصات آن ندارد.

tei-mcp این مشکل را با دادن دسترسی مستقیم و ابزارمحور به راهنمای TEI P5 به عامل‌های هوش مصنوعی حل می‌کند.

فهرست مطالب

MCP چیست؟

(MCP) استانداردی باز است که به برنامه‌های هوش مصنوعی اجازه می‌دهد به منابع داده و ابزارهای بیرونی وصل شوند. آن را چیزی مانند درگاه USB برای هوش مصنوعی تصور کنید: یک پروتکل واحد که هر کلاینت سازگار — Claude، Cursor، Windsurf و دیگران — را به خدمات تخصصی وصل می‌کند.

یک سرور MCP ابزارهایی را در اختیار می‌گذارد که هوش مصنوعی می‌تواند در جریان گفت‌وگو فرا بخواند. مدل به جای تکیه بر داده‌های آموزشیِ به‌خاطرسپرده، می‌تواند از منبعی زنده و معتبر پرس‌وجو کند.

tei-mcp چه می‌کند

tei-mcp مشخصات ODD استاندارد TEI P5 را تجزیه می‌کند و 16 ابزار در اختیار می‌گذارد که رایج‌ترین پرسش‌های یک مصحح یا رمزگذار را پوشش می‌دهند:

این عنصر چیست؟ هر عنصر، کلاس، ماکرو یا پیمانه را با نام جست‌وجو کنید، بدون حساسیت به حروف بزرگ و کوچک و با پیشنهاد اصلاح غلط‌های تایپی.
چه صفت‌هایی می‌پذیرد؟ صفت‌ها را در سراسر سلسله‌مراتب کلاس‌ها تعیین کنید — نخست صفت‌های محلی، سپس صفت‌های به‌ارث‌رسیده به ترتیب.
چه چیزی می‌تواند درون آن قرار بگیرد؟ مدل‌های محتوا را به درخت‌های ساخت‌یافته بسط دهید، یا فهرستی تخت از فرزندان مجاز بگیرید.
آیا این عنصر می‌تواند اینجا بیاید؟ تودرتویی والد–فرزند را بررسی کنید، یا دسترس‌پذیری را در تمام سلسله‌مراتب عنصرها ردیابی کنید.
آیا سند من معتبر است؟ یک فایل TEI XML را در برابر مشخصات اعتبارسنجی کنید: مدل‌های محتوا، مقادیر صفت‌ها، فهرست‌های بستهٔ مقادیر، یکپارچگی ارجاع‌ها و هشدارهای منسوخ‌شدگی.
شِمای پروژهٔ من چه می‌شود؟ یک فایل سفارشی‌سازی ODD بارگذاری کنید تا همهٔ موارد بالا به زیرمجموعهٔ خاص TEI در پروژهٔ شما محدود شود.

چرا اهمیت دارد

رمزگذاری TEI مراجعهٔ مدام به راهنما را می‌طلبد. رمزگذاران باتجربه رایج‌ترین الگوها را از بر می‌کنند، اما حتی آنان هم برای عنصرهای کمتر آشنا یا مدل‌های محتوای پیچیده باید به مشخصات رجوع کنند. برای دستیارهای هوش مصنوعی، که چنین دانش درونی‌شده‌ای ندارند، مشکل بدتر است: نشانه‌گذاری‌ای می‌سازند که موجه می‌نماید اما نادرست است.

با tei-mcp، هوش مصنوعی ناچار به حدس زدن نیست. می‌تواند پیش از نوشتن حتی یک براکت زاویه‌دار، پاسخ را در مشخصات بیابد. نتیجه، نشانه‌گذاری‌ای است که با TEI P5 — یا با سفارشی‌سازی ODD پروژهٔ شما — سازگار است.

شروع کار

از PyPI نصب کنید:

pip install tei-mcp

سپس آن را به پیکربندی کلاینت MCP خود بیفزایید:

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

سرور در نخستین اجرا مشخصات TEI را دانلود می‌کند و با هر کلاینت سازگار با MCP کار می‌کند.

کد منبع و مستندات کامل: