ویرایش صوریِ متن فارسی با هوش مصنوعی: نیم‌فاصله، «ی/ک» و فاصله‌ها در مقیاسِ کتاب
چرا ویرایشِ صوریِ فارسی در مقیاسِ کتاب سخت است
در متنی کوتاه، ویرایشِ صوری مسئلهٔ دانش است: باید بدانی کدام شکل درست است. در کتاب، مسئلهٔ حافظه است: نمی‌توانی ده‌ها هزار واژه را در ذهن نگه داری و مطمئن باشی یک ترکیب را همه‌جا یک‌شکل نوشته‌ای. چک‌لیستِ سطحِ جمله در ویرایش خط‌به‌خط با هوش مصنوعی است؛ این مقاله دربارهٔ کتاب است.
- نیم‌فاصله نامرئی است. «میشود» و «میشود» روی صفحه تقریباً یکی به نظر می‌رسند و دو رشتهٔ متفاوت‌اند. چشم نمی‌تواند بشماردشان.
- محورهای متغیر زیاد است. فاصلهٔ کامل، نیم‌فاصله، بی‌فاصله؛ «ی» و «ک» فارسی در برابر «ي» و «ك» عربی؛ همزه؛ ارقام؛ فاصلهٔ پیرامونِ علائم. هر محور یک تصمیم است و تصمیمِ نگرفته در متن پخش میشود.
- متن از جاهای مختلف می‌آید. فصل‌ها در سال‌های مختلف نوشته شده‌اند و هر منبع عادتِ نوشتاریِ خودش را آورده است.
پس خطای صوری در کتاب یک‌بار رخ نمی‌دهد؛ چون از یک عادت می‌آید، تکرار میشود. زشت است، اما قابلِ شمردن است — و هر چیزی که قابلِ شمردن باشد، کارِ ابزارِ الگوشناس است.
آنچه هوش مصنوعی در فارسی درست انجام می‌دهد
مدل زبانی در الگو خوب است و در قضاوت ضعیف. پس فقط کارِ الگو به آن بده.
- شمارش و فهرست‌کردن. «هر جا این شکل آمده، با یک خطِ زمینه فهرست کن.» در مقیاسِ کتاب خسته نمی‌شود و از قلم نمی‌اندازد.
- طبقه‌بندیِ موارد. چند صد مورد را در سبد بریز: نامِ خاص، نقلِ مستقیم، بدنه، نشانی اینترنتی، شعر. تصمیم بعد از طبقه‌بندی آسان است، نه قبلش.
- دیدنِ چندشکلی. اصطلاحی که در کتاب به سه شکل نوشته شده از چشمِ انسان پنهان می‌مانَد. ارزشِ اصلیِ مدل همین‌جاست، نه در جای‌گذاری.
- اجرای یک قراردادِ اعلام‌شده. «این ترکیب را همه‌جا به این شکل بنویس» را روی هزار مورد اعمال می‌کند، به‌همراهِ کارهای مکانیکی مثلِ برگرداندنِ «ي» و «ك».
کلیدِ کار: قرارداد را تو بگذار، مدل آن را اعمال کند. «هرجا لازم است درستش کن» یعنی مدل قراردادِ خودش را می‌آورد و تو نمی‌فهمی چه شد. جای این مرحله در نقشهٔ کاملِ ویرایش با هوش مصنوعی جدا مشخص شده است.
آنچه در فارسی خراب می‌کند
- نیم‌فاصله را می‌خورد. بدترین نوعِ خطا، چون در خروجی دیده نمی‌شود: متن مرتب به نظر می‌رسد و نیم‌فاصله‌ها رفته‌اند. چاره بررسیِ نویسه‌به‌نویسه است، نه چشمی.
- پیشوند و پسوند را کورکورانه جدا می‌کند. هر «می» پیشوند نیست («میوه»، «میان»، «میزان»)، هر «ها» پسوندِ جمع نیست («تنها»، «بها»، «گاه»)، هر «تر» پسوندِ تفضیل نیست («بستر»، «دفتر»).
- عمدی‌ها را «اصلاح» می‌کند. شکسته‌نویسیِ دیالوگ، ضبطِ قدیمی در نقلِ مستقیم، نامِ برند، مصراعِ شعر، نشانی اینترنتی.
- گزارشِ خودش مدرک نیست. می‌گوید کاری را کرد و نکرده، و خروجی باورپذیر است؛ همین خطرناکش می‌کند. تفاوتِ دو نسخهٔ متن مدرک است.
- یکدستِ غلط می‌سازد. «همه را با نمونهٔ اول هم‌شکل کن» با نمونهٔ غلط، غلط را در همه‌جا پخش می‌کند، با اطمینانِ بیشتر.
- مرزها را نمی‌بیند. نه بیرون از متن بررسی می‌کند و نه صفحه را می‌بیند؛ بخشی از مسئلهٔ نیم‌فاصله نمایشی است و مدل چیدمانِ دوطرفه را رندر نمی‌کند.
جمع‌بندی: با آن پیدا کن و فهرست کن، تصمیم را خودت بگیر، اعمال را بازرس‌پذیر بخواه.
ساختنِ سیاههٔ خطاهای تکرارشونده
پیش از آنکه چیزی را عوض کنی، یک سیاهه بساز: الگو، فراوانی، تصمیم.
- نمونهٔ پراکنده بردار، نه فصلِ اول. از آغاز، میانه و پایان، به‌علاوهٔ فصلی که شلوغ است.
- اول فراوانی، بعد اصلاح. مدل باید بگوید هر شکل چند بار آمده، با یک خطِ زمینه؛ در این مرحله چیزی عوض نمی‌شود.
- سه سبد. قاعده: یک شکل بی‌چون‌وچرا غلط است. قرارداد: هر دو درست‌اند و تو یکی را انتخاب می‌کنی. عمدی: می‌مانَد.
- تصمیم را با دلیلش ثبت کن. بدونِ دلیل، سه هفته بعد همان بحث را با خودت می‌کنی.
- سیاهه را به برگهٔ سبک وصل کن. نگه‌داشتنِ این تصمیم‌ها در طولِ پروژه موضوع برگهٔ سبک و یکدستیِ متن است.
برای رشته‌های ثابت، مثلِ شکلِ عربیِ «ی» یا فاصلهٔ دوتایی، «یافتنِ همه» کافی است و شمارشش دقیق. مدل را برای الگوهایی نگه دار که با یک رشتهٔ ثابت جست‌وجو نمی‌شوند. اگر مدل عددی داد، با جست‌وجوی متنی تأییدش کن. سیاهه معمولاً کوچک است: چند الگو، نه صد الگو.
الگوی پرامپتِ یکدست‌سازی
سه الگو کافی است؛ هر سه یک ویژگی دارند: خروجی باید بازرس‌پذیر باشد.
گزارش، بی هیچ تغییر
هر جا واژهٔ «...» با شکل‌های مختلف آمده را با یک خطِ زمینه فهرست کن و بنویس هر شکل چند بار آمده است. هیچ چیزی را تغییر نده و مواردِ مشکوک را جدا فهرست کن.
اعمالِ یک تصمیمِ اعلام‌شده
قرارداد: ترکیبِ «به کار» همیشه با فاصلهٔ کامل نوشته میشود و پسوندِ جمع با نیم‌فاصله، به‌جز «تنها»، «بها» و «گاه». این قرارداد را اعمال کن و خروجی را فهرستِ تغییر بده: هر تغییر با زمینهٔ قبل و بعد. هیچ تغییرِ دیگری نده و متن را بازنویسی نکن. هرجا مطمئن نیستی، تغییر نده و در فهرستِ «مشکوک» بنویس.
بازرسیِ خروجی
این فهرستِ تغییرات است. جدا از آن بگو قراردادِ بالا کجاها اشتباه اعمال شده: نامِ خاص، نقلِ مستقیم، نشانی اینترنتی، شعر و شکسته‌نویسی. برای هر مورد زمینه را بیاور.
دو قاعده: کار را فصل‌به‌فصل بده، نه یک‌باره روی کلِ کتاب؛ و تفاوتِ قبل و بعد را نگه دار تا بتوانی برگردی. بازرسیِ نمونهٔ تصادفی از هر فصل، همان خطاهای سیستماتیک را رو می‌کند.
جدول تصمیم
| الگو | سبد | روش | واگذاری به مدل | بازرسیِ انسانی |
|---|---|---|---|---|
| «ي» و «ك» عربی | قاعده | جست‌وجوی رشتهٔ ثابت | بله | تأییدِ نهایی |
| نیم‌فاصلهٔ جاافتاده در پسوندهای جمع و تفضیل | قاعده، با استثنا | مدل + سیاههٔ استثنا | بله، دسته‌ای | نمونهٔ تصادفی از هر فصل |
| دو شکلِ رایجِ یک ترکیب («به‌کار» و «به کار») | قرارداد | مدل، پس از تصمیمِ تو | بله | تصمیم روی نمونهٔ درست |
| املای نام‌های خاص و برند | قرارداد | برگهٔ سبک | فقط شمارش | صاحبِ نام تعیین می‌کند |
| ارقامِ لاتین در متنِ فارسی | قرارداد | مدل یا جست‌وجو | بله | مراقبِ نقلِ مستقیم و کد |
| نویسه‌های نامرئی: فاصلهٔ دوتایی، نیم‌فاصله، علامتِ جهت | قاعده | ابزارِ نویسه‌به‌نویسه | نه | بله، ضروری |
| شکسته‌نویسیِ دیالوگ و ضبطِ قدیمی | عمدی | هیچ | نه | نه |
خطرِ اصلی یکدست‌شدنِ غلط است، نه جاماندنِ یک خطا: غلطِ اعمال‌شده در سراسرِ کتاب اعتبارِ متن را زیرِ سؤال می‌برد. هر تصمیم را اول روی یک فصلِ نمونه امتحان کن و بعد به کلِ کتاب ببر.
