شجرهنامه و تاریخ خانوادگی با کمک هوش مصنوعی
مادربزرگ هشتادوهشت ساله است و هیچکس تاریخها را ننوشته. از فهرست پرسش تا پیادهسازی صدا، خواندن قبالهی قدیمی، تبدیل تاریخ قمری و جایی که مدل باید کنار بایستد.
عمویتان وسط سفره میگوید «آن سالی که پدربزرگ از اراک اسب آورد یادت هست؟» و شما تازه میفهمید پدربزرگ اراک هم بوده. مادرتان میگوید ۱۳۲۷، خالهتان با همان اطمینان ۱۳۳۱. آن زنِ کنار عروس در عکس طاقچه را هم کسی نمیشناسد.
پنج سال بعد که بخواهید بنویسید، دو نفر از آن جمع نیستند. کار عقب میافتد چون خیال میکنید باید هفت پشت را کامل دربیاورید؛ در حالی که این زنجیرهای از نشستهای چهلدقیقهای است. از مسنترین عضو خانواده شروع کنید، نه از قدیمیترین جد.
هوش مصنوعی در ثبت شجره نامه خانوادگی واقعاً کار راه میاندازد، ولی مرز تیزی دارد: در پیادهسازی صدا و مرتبکردن روایت ساعتها وقت برمیگرداند، و در خواندن دستخط فارسی و تبدیل تاریخ قمری با اطمینان کامل غلط میگوید.
فهرست پرسشی که خاطره را باز میکند
بیشتر مصاحبههای خانوادگی در ده دقیقه میمیرند، چون با پرسش اداری شروع میشوند: پدرت کِی به دنیا آمد؟ چند خواهر و برادر بودید؟ جواب کوتاه است و رشته پاره میشود.
پرسش خوب حسّی است و به یک صحنه وصل میشود، نه به یک عدد. بگویید مصاحبه با کیست و چه میدانید، بعد بیستوپنج پرسش بخواهید که هیچکدام با «کِی» یا «چند» شروع نشود؛ دهتای بهتر را خودتان انتخاب کنید.
| موضوع | پرسش اداری | پرسشی که در را باز میکند |
|---|---|---|
| کودکی | چند سالت بود که مدرسه رفتی؟ | صبح اولین روز مدرسه چه پوشیده بودی؟ |
| خانه | خانهتان کجا بود؟ | از در حیاط که میآمدی تو، اول چه میدیدی؟ |
| مهاجرت | کِی آمدید اصفهان؟ | روز بار زدن، چه چیزی را جا گذاشتید؟ |
ضبط کنید، یادداشت نکنید
یادداشتبرداری همزمان هم لحن و مکث را میاندازد، هم شما را از گفتوگو بیرون میبرد. با گوشی ضبط کنید — ولی اول اجازه بگیرید و بگویید فایل کجا میرود.
پیادهسازی خودکار برای فارسی واضح خوب کار میکند و برای گویش محلی و صدای لرزان بد؛ خروجی متن خام است نه نهایی، و جزئیاتش در تبدیل گفتار به متن فارسی آمده. اسم آدمها و آبادیها را دستی تصحیح کنید؛ «قهفرخ» را هیچ مدلی درست نمینویسد و اسم غلط سالها میماند.
از روایت پراکنده تا خط زمانی
یک گفتوگوی چهلدقیقهای میشود چند هزار کلمهی درهم: از عروسی به جنگ، از جنگ به قیمت گندم، دوباره به عروسی. کار مدل اینجا بازچینی است، نه نویسندگی.
متن را بدهید و سه خروجی بخواهید: خط زمانی رویدادها، فهرست اسمها با نسبتی که خود راوی گفته، و فهرست نکتههای مبهم برای نشست بعد. سومی از دوتای اول مهمتر است.
کنار هر جمله بنویسید از کدام فایل و کدام دقیقه آمده؛ وگرنه شش ماه بعد نمیدانید آن تاریخ را دایی گفته یا مدل حدس زده.
شناسنامه، قباله، نامه — و مرزی که باید بدانید
جعبهی اسناد معمولاً همین است: شناسنامهی جلد قرمز، قبالهای با خط ریز، چند نامهی جبهه، و پشت عکسها که چیزی نوشتهاند. اینجا باید صریح باشم: مدلهای امروز متن چاپی فارسی را با دقت قابل قبولی میخوانند و دستخط فارسی را نه.
برای خط شکسته و نستعلیق، خروجی «ناقص» نیست، ساختگی است: مدل شکل کلی کلمه را میبیند و چیزی شبیهش میسازد. یک اسم میشود اسمی دیگر و هیچ نشانهای از غلط بودنش نمیبینید؛ تفاوت چاپی و دستنویس در تبدیل عکس به متن فارسی باز شده است.
روشی که جواب میدهد: سند را با نور یکنواخت عکس بگیرید، از مدل بخواهید فقط بخشهای مطمئن را بخواند و بقیه را با علامت پرسش رها کند، و رونویسی را بدون نگاه به سند ثبت نکنید. برای واژههای کهنهی اداری هم معنی بپرسید، نه رونویسی — مثل خواندن متون کهن فارسی.
قمری و شمسی: جایی که با اطمینان اشتباه میکند
سندهای قدیمیتر تاریخ قمری دارند و شناسنامههای بعدی شمسی. تبدیلشان محاسبه است، و محاسبه همان جایی است که مدلهای زبانی لنگ میزنند؛ چراییاش در چرا هوش مصنوعی در حساب کردن ضعیف است آمده.
خطای رایج، نادیده گرفتن اختلاف طول سال قمری و شمسی است؛ جواب مرتب و قاطع درمیآید و اغلب یک تا دو سال غلط است. برای هر تاریخ مهم از تقویم تبدیل رسمی استفاده کنید؛ مدل را فقط برای فهمیدن ساختار گاهشماری هجری شمسی به کار ببرید. دو ستون زیر خلاصهی همین مرز است.
درخت خانوادگی و نموداری که به درد بخورد
از مدل نخواهید تصویر درخت را بسازد؛ اسمها را جابهجا میکند و فارسی را کج مینویسد. کار درست این است که مدل داده را مرتب کند و نمودار جای دیگری ساخته شود.
سادهترین شکل پایدار یک جدول است: شناسه، نام، نام پدر، نام مادر، سال تولد، سال فوت، محل. همین جدول به قالب استاندارد GEDCOM هم تبدیل میشود که تقریباً همهی نرمافزارهای شجرهنامه میخوانندش. خانهای را که نمیدانید خالی بگذارید؛ اگر مدل حدس بزند، حفرهها را با اسمهای خوشساخت و بیریشه پر میکند.
عکسها: اول برچسب، بعد مرمت
ترتیب مهم است: اول اسکن با کیفیت، بعد برچسب، آخر مرمت. اگر اول مرمت کنید، نسخهی خام را از دست میدهید.
برچسب یعنی نام فایل و یک یادداشت: چه کسانی، کجا، تقریباً چه سالی، به گفتهی چه کسی. مرمت خودکار خراش و لکه را خوب برمیدارد، ولی وقتی نیمی از صورت پاک شده، آنچه بازسازی میشود چهرهی جدّ شما نیست، چهرهای است محتمل — مرزش در بازسازی عکسهای قدیمی آمده. مرمتشده را کنار اصل نگه دارید، نه بهجایش.
و پشتیبان: سه نسخه، دو رسانه، یکی بیرون از خانه. آرشیوی که فقط روی لپتاپ باشد، با یک هارددیسک سوخته میرود.
پرامپتی که فهرست پرسش را میسازد
الگوی زیر را با اطلاعات خودتان پر کنید؛ هرچه زمینه دقیقتر، پرسشها بهتر:
نقش: کمک به ثبت تاریخ شفاهی خانواده
راوی: [مادربزرگ، ۸۸ ساله، متولد نجفآباد، ساکن اصفهان]
میدانم: [نام پدر و مادرش، سه خواهر و برادر، مهاجرت در دههی چهل]
نمیدانم: [شغل پدرش، دلیل مهاجرت، سرنوشت برادر بزرگتر]
۲۵ پرسش برای گفتوگوی چهلدقیقهای بساز؛ هیچکدام با «کِی» یا «چند» شروع نشود
هر پرسش به یک صحنه وصل باشد: بو، صدا، خانه، غذا، مسیر
پرسشها را از ساده به شخصی مرتب کن؛ هیچ اطلاعاتی از خودت اضافه نکنخط آخر عمدی است: مدل رهاشده برای پر کردن جای خالی حدس میسازد و حدسش شبیه واقعیت است. اصولش در پرامپتنویسی فارسی آمده و در نارنگی میشود امتحانش کرد.
دادهی زندهها مال خودشان است
تاریخ خانواده فقط مال کسی نیست که جمعش میکند. طلاق یک عمو، بیماری یک خاله، اختلاف ارث — اینها اطلاعات خود آن آدمهاست.
هر سند، صدا یا عکسی که به فرد زندهای مربوط است باید با رضایت خودش وارد ابزار شود؛ اگر «نه» گفت، همانجا تمام است. شمارهی ملی و آدرس و اطلاعات پزشکی را پیش از آپلود بپوشانید؛ چراییاش در امنیت اطلاعات در هوش مصنوعی آمده. و اگر ماجرا به ارث یا پروندهی حقوقی رسید، خروجی مدل سند نیست؛ آنجا کار متخصص است.
جمعبندی
هیچکس با یک نشست چهارساعته تاریخ خانوادهاش را ثبت نمیکند؛ با چهار نشست چهلدقیقهای، یک جدول ساده و یک پوشهی مرتب میکند.
سهم مدل روشن است: پرسش میسازد، صدا را پیاده میکند، آشفتگی را به خط زمانی تبدیل میکند. سهمی که ندارد هم روشن است: دستخط نستعلیق را نمیخواند، تاریخ قمری را دقیق تبدیل نمیکند، و دربارهی درستی روایتها داوری نمیکند.
یک کار برای همین هفته: تلفن را بردارید، قرار بگذارید و ضبط را روشن کنید. بقیه را بعداً میشود مرتب کرد؛ صدای ضبطنشده را نه.
برای ادامه:
