دام ترجمه
بیشتر محصولات هوشواره (AI) به انگلیسی ساخته میشوند و بعد «بومیسازی» میشوند. رشتههای رابط را ترجمه کن، چیدمان را راستبهچپ کن، بررسی کن چیزی بیرون نزند، و منتشر کن. یک تیک روی برنامهٔ انتشار: پشتیبانی از فارسی، انجام شد.
برای فارسیزبانها نتیجه آشناست. محصولی که از نظر فنی به زبان تو حرف میزند، اما پیداست که به زبان تو فکر نمیکرده.
عددها به هم میریزند: گاهی ارقام فارسی، گاهی لاتین، گاهی هر دو در یک خط. متن ترکیبی فارسی و انگلیسی با حرکت مکاننما بالا و پایین میپرد، طوری که ویرایش جملهای با یک کلمهٔ انگلیسی به معمایی کوچک بدل میشود. علامتگذاری سمت اشتباه میافتد. فونت فکر آخر است؛ اغلب پیشفرضی که حروف فارسی را نازک، فشرده یا با اتصال نادرست نشان میدهد. مثالها از فرهنگ دیگری میآیند: دلار، مایل، جشن شکرگزاری، بیسبال. و مدلِ زیر کار اغلب به انگلیسی استدلال میکند و در پایان ترجمه میکند، که در جملهبندیهای عجیب، ظرافتهای گمشده و حسی بیچونوچرا از خواندن یک ترجمه پیداست.
هیچکدام از این مشکلات بهتنهایی کشنده نیست. با هم، پیامی روشن میفرستند: این محصول برای کس دیگری ساخته شده و تو در آن مهمانی.
مدتی است موتوری فارسیمحور برای توضیحدهندههای ریاضی و علوم میسازم، و درس اصلی این بوده که «فارسیمحور» یک تصمیم طراحی است، نه یک کار ترجمه. باید در آغاز گرفته شود و بر همهچیزِ بعدی اثر میگذارد.
چرا برایم مهم است
این برایم شخصی است.
سالها بهعنوان دستیار آموزشی دانشگاه و مربی ریاضی، فناوری و علوم کامپیوتر با دانشجویان کار کردم، بیشتر با فارسیزبانها. بسیاری از آنها باهوش، کنجکاو و توانای فهم عمیق بودند. اما بخش زیادی از بهترین مطالب آموزشی جهان، توضیحدهندههای تعاملی زیبا، ویدیوهای با دقت ساختهشده، کتابهای درسی سنجیده، به انگلیسی بود. دانشآموزانی که انگلیسی قوی داشتند به آن دسترسی داشتند. بقیه نداشتند، یا فقط از پشت مهِ ترجمهای دسترسی داشتند که ایدههای دشوار را دشوارتر میکرد.
دیدم دانشآموزان بااستعداد به این نتیجه رسیدند که دانشِ جدی جای دیگری زندگی میکند، در زبانی دیگر، برای آدمهایی دیگر. این نتیجه غلط است، و فرساینده. باعث میشود آدمها حس کنند در جهان ایدهها مسافرند، نه شهروند.
فارسی تاریخ علمی و ادبی عمیقی دارد. برخی از مهمترین ریاضیدانان و دانشمندان تاریخ به فارسی یا در جهان فارسیزبان نوشتهاند. این زبان کاملاً توانای حمل اندیشهٔ دقیق، زیبا و سختگیرانه است. آنچه کم دارد ابزارهای مدرنی است که با همان دقتِ ابزارهای انگلیسی ساخته شده باشند.
هوشواره (AI) میتواند این شکاف را بسیار بدتر یا بسیار بهتر کند. اگر محصولات هوشواره (AI) همچنان فارسی را فکر آخر بدانند، شکاف بزرگتر میشود، چون محتوای آموزشی تولیدشده با هوشواره (AI) نخست به انگلیسی جهان را پر خواهد کرد. اگر ابزارهای فارسیمحور بسازیم، هوشواره (AI) سرانجام میتواند یادگیری باکیفیت، تعاملی و شخصیسازیشده را به فارسی در همان سطحِ هر جای دیگری در دسترس بگذارد.
فارسیمحور در عمل یعنی چه
اول تایپوگرافی. متن فارسی همراه با ریاضی، عدد و اصطلاح لاتین بهراستی سخت چیده میشود. معادلهها درون جملههای راستبهچپ، از چپ به راست خوانده میشوند. نام متغیرها معمولاً حروف لاتیناند. عددها بسته به زمینه ممکن است ارقام فارسی یا لاتین باشند. یکاها، فرمولهای شیمیایی و تکههای کد هر کدام جهت خودشان را دارند. یک جمله در توضیحدهندهٔ فیزیک ممکن است چهار یا پنج بار جهت عوض کند.
اگر این در پایه حل نشود، هیچ چیزِ ساختهشده رویش درست به نظر نمیرسد. پس چیدمان دوسویه را از روز اول مسئلهٔ مهندسیِ هستهای دیدیم، نه باگی برای اصلاح در آینده. با محتوای ترکیبی واقعی آزمایش کردیم، مجموعهٔ بزرگی از موارد دشوار ساختیم و مطمئن شدیم هر جزء، از رندر متن تا نمایش معادله تا برچسبهای متحرک، جهت را درست مدیریت میکند.
انتخاب فونت مهمتر از انتظارم از آب درآمد. خط فارسی سنت خوشنویسی دیرینهای دارد و خوانندگان به کیفیت شکل حروف حساساند. فونتی که فارسی را خوب نشان دهد نشانهٔ احترام است؛ فونت ضعیف نشانهٔ بیاعتنایی. فونتها را با دقت انتخاب و تنظیم کردیم و با تایپوگرافی ریاضی جفتشان کردیم تا متن فارسی و معادلهها حس کنند به یک صفحه تعلق دارند.
زبانی که شبیه معلم باشد، نه مترجم. یک معلم خوب فارسیزبان مشتق یا آونگ را به شیوهٔ طبیعیای توضیح میدهد که با کتاب درسی ترجمهشده از انگلیسی فرق دارد. ریتم جملهها فرق دارد. شگردهای بیانی فرق دارد. مثالها فرق دارد. حتی شوخیها فرق دارد.
توضیحی ترجمهشده ممکن است چیزی بگوید که از نظر دستوری درست اما خشک است، مثل لحن یک سند اداری. معلم خوب فارسیزبان گرمتر حرف میزند، از تعبیرهای آشنا استفاده میکند، از دانشآموز سؤال میپرسد و شهود را با تصویرهایی میسازد که در فرهنگ طنین دارند.
پرامپتها، مثالها و معیارهای ارزیابی را از ابتدا به فارسی مینویسیم. از مدل خواسته میشود به این فکر کند که یک معلم ماهر فارسیزبان ایده را چطور توضیح میدهد، نه اینکه توضیحی انگلیسی تولید کند و ترجمهاش کند. این تفاوت محسوسی میسازد و گویشوران بومی بیدرنگ متوجهش میشوند.
اصطلاحات با دقت. فارسیِ علمی وضعیت واژگانی پیچیدهای دارد. برخی مفاهیم اصطلاح فارسی جاافتاده دارند. به برخی معمولاً با واژههای وامگرفته از فرانسوی یا انگلیسی اشاره میشود. برخی چند اصطلاح رقیب دارند. برخی اصطلاح رسمی دارند که هیچکس واقعاً به کارش نمیبرد.
دانشآموزان باید اصطلاحاتی را یاد بگیرند که واقعاً در مدرسه، امتحان و مطالعهٔ آیندهشان با آنها روبهرو میشوند. پس رهنمودهای اصطلاحشناسیای ساختیم که بر نظام آموزشی واقعیِ فارسیزبان استوار است، و هر جا به فهم کمک کند اصطلاحات جایگزین را هم نشان میدهیم. کار پرزرقوبرقی نیست، اما اشتباه در آن دانشآموزان را گیج میکند و اعتماد را فرسوده.
ارزیابی به فارسی. اگر فقط به انگلیسی ارزیابی کنی، چیزی منتشر میکنی که به انگلیسی عالی است و به فارسی متوسط، و حتی نمیفهمی. معیارهای کیفیتِ کلی، شکستهای خاص یک زبان را پنهان میکنند.
ارزیابیهای ما را فارسیزبانها مینویسند و بازبینی میکنند. نه فقط درستی، بلکه طبیعی بودن، روشنی، اصطلاحات و تناسب فرهنگی را میسنجند. برخی شکستها را فقط گویشور بومی میگیرد: تعبیری که از نظر فنی درست است اما عجیب به گوش میرسد، مثالی که دانشآموزی با پیشینهای خاص را گیج میکند، لحنی که حس از بالا نگاه کردن میدهد.
زمینهای که از آنِ یادگیرنده است. مثالهای یک توضیحدهنده باید حس کنند از دنیای خودِ یادگیرنده آمدهاند. احتمال را میشود با تاس تختهنرد توضیح داد، بازیای که عمیقاً در فرهنگ ما تنیده شده. هندسه میتواند از نقشهای کاشیکاری و معماری ایرانی بهره بگیرد، که خودشان آثار فوقالعادهای از ریاضیاتاند. آهنگ تغییر و نسبت را میشود با تجربهٔ آشنای چانه زدن در بازار توضیح داد. فیزیک میتواند از مسیر توپ در یک بازی فوتبال کوچهای، سرد شدن یک استکان چای، یا نشستن برف روی کوههای اطراف یک شهر استفاده کند.
وقتی دانشآموز دنیای خودش را در یک توضیح میبیند، چیزی جابهجا میشود. ریاضی دیگر شیئی بیگانه نیست؛ راهی است برای دیدن چیزهایی که از قبل میشناسد.
واقعیت فنی
میخواهم دربارهٔ اینکه این کار از نظر فنی چقدر سخت است صادق باشم.
مدلهای زبانی بزرگ با دادههایی آموزش دیدهاند که بهشدت انگلیسیاند. فارسیشان اغلب خوب است، گاهی خیلی خوب، اما کمتر قابل اعتماد. در فارسی احتمال خطای محتوایی بیشتر است، احتمال جملهبندی ناشیانه بیشتر است، و احتمال لغزیدن به استدلال انگلیسیوار بیشتر. دانششان از قراردادها و اصطلاحات آموزشیِ فارسی نازکتر است.
از چند راه با این کنار میآییم. زمینه و نمونههای فارسیِ غنی فراهم میکنیم. از گامهای راستیآزماییای استفاده میکنیم که محتوای ریاضی را مستقل از زبانی که با آن بیان شده میسنجند، تا توضیح درست به فارسی جریمه نشود و توضیح نادرست با نثر روان نجات پیدا نکند. محتوای بصری و تعاملی را از محاسبه تولید میکنیم نه از زبان، تا نمودار همیشه درست باشد حتی اگر جملهای دربارهٔ آن صیقل لازم داشته باشد. و سرمایهٔ زیادی روی ارزیابی ویژهٔ فارسی میگذاریم تا آنچه مدلها از دست میدهند را بگیریم.
این کار از ساختن به انگلیسی بیشتر است. خیلی بیشتر. اما ذرهذرهٔ آن کار اضافه برای کسانی که از محصول استفاده میکنند دیده میشود، و سزاوارش هستند.
چرا فراتر از فارسی مهم است
فارسی دهها میلیون گویشور بومی و تاریخ ادبی و علمی عمیقی دارد، اما در دادههای آموزشی و طراحی محصول هوشواره (AI) کم دیده میشود. همین دربارهٔ بسیاری از زبانها صادق است: بنگالی، سواحیلی، امهری، تاگالوگ، پشتو، کردی و صدها زبان دیگر. گویشوران این زبانها روی هم بخش بزرگی از بشریتاند.
وقتی محصولات این زبانها را فکر آخر میدانند، گویشورانشان درسی بیصدا یاد میگیرند: دانشِ جدی در زبان دیگری زندگی میکند. به مرور، این میتواند خودِ زبانها را فرسوده کند. جوانان تصمیم میگیرند به انگلیسی درس بخوانند و کار کنند چون ابزارها و منابع آنجاست، و واژگان علمی و فنی زبان خودشان پژمرده میشود.
نمیخواهم دانشآموزان این درس را یاد بگیرند. دانشآموزی در شیراز، تبریز، مشهد، هرات یا دوشنبه باید بتواند حسابان را به زبان خودش و با همان کیفیتی که هر کس دیگری در جهان دارد کشف کند. نه بهعنوان لطفی در حاشیه، بلکه چون زبانش و کنجکاویاش سزاوار آن است.
و اینجا فرصتی هم هست، نه فقط مسئولیتی. جوامع فارسیزبان بزرگ، تحصیلکرده و کمبهره از ابزارهای دیجیتال باکیفیتاند. خوب ساختن برای آنها نه فقط درست است، بلکه فضایی باز است که کار دقیق در آن میتواند تفاوتی واقعی بسازد.
توصیه به سازندههای دیگر
اگر برای مخاطب غیرانگلیسیزبان میسازید، اینها چیزهایی است که یاد گرفتهام.
از روز اول یک گویشور بومی را در چرخه بگذارید، نه در پایان. نه فقط یک مترجم، بلکه کسی که حوزه و فرهنگ را میفهمد. مشکلاتی را میگیرد که هیچ مقدار بازبینی ترجمه آشکارشان نمیکند.
با ورودیهای واقعیِ چندزبانه آزمایش کنید. کاربرانتان زبانها را به شکلهایی ترکیب میکنند که انتظارش را ندارید. اگر محصولتان وقتی کسی جملهای فارسی با یک کلمهٔ انگلیسی در وسطش تایپ میکند خراب شود، برای بیشتر کاربرانتان خراب است.
چیدمان و تایپوگرافی را مهندسیِ هسته بدانید. متن راستبهچپ و دوسویه مسئلهٔ ظاهری نیستند. بر هر جزء اثر میگذارند. در پایه حلشان کنید.
کیفیت را مستقیماً به زبان مقصد بسنجید. فرض نکنید کیفیت انگلیسی منتقل میشود. نمیشود؛ دستکم نه کامل.
کارتان را بر زمینهٔ واقعی کاربرانتان استوار کنید: نظام آموزشیشان، فرهنگشان، زندگی روزمرهشان. بومیسازیِ عمومی محصولات عمومی میسازد.
در ابتدا کار بیشتری است. اما تنها راهی است که محصول حس کند برای همان آدمهایی ساخته شده که از آن استفاده میکنند. و وقتی این حس را بدهد، متوجه میشوند و به شما میگویند. برخی از معنادارترین بازخوردهایی که در زندگی کاریام گرفتهام از آدمهایی بوده که فقط گفتهاند این بار حس کردند چیزی برای خودشان ساخته شده.