آگاه: اعطای جایزه و نشان «پارسیجان» به حمیدرضا محمدی، خالق و مدیر این بستر، پاسداشتی درخور از سالها تلاش خاموش، دغدغهمندانه و مستقل در جهت پاسداری از هویت زبانی ما در بستر فضای مجازی است؛ تقدیری شایسته که بار دیگر اهمیت حیاتی توسعه زیرساختهای دیجیتال را در محافظت از گنجینههای ماندگار فرهنگی پیش چشم جامعه و نهادها نمایان ساخت.
حمیدرضا محمدی دانشآموخته رشته ادبیات نیست و تخصص اصلی او در مهندسی نرمافزار تعریف میشود، اما از سال ۱۳۸۵ با پیوند زدن دانش فنی به اوزان عروضی، سنگبنای پروژه گنجور را گذاشت و نامش را در تاریخ ادبیات دیجیتال تثبیت کرد. او در طول ۲۰سال ممارست، این ایده شخصی را به سامانهای جامع با بیش از ۵/۱میلیون بیت شعر، هزاران فایل صوتی و شبکه پژوهشی تطبیق نسخ خطی و چاپی موسوم گسترش داد.
کارنامه او الهامبخشترین الگوی توسعه متکی بر وب آزاد و خرد جمعی در ایران است که بدون وابستگی به بودجههای نهادی، عظیمترین بایگانی شعر و ادب کهن را به دست خود علاقهمندان رقم زد. او در این گفتوگو با روزنامه «آگاه» از چندوچون استقلال از نهادهای دولتی، سیاست متنباز کردن کامل کدها و دادهها و دلایل مشارکت داوطلبانه جامعه کاربری سخن میگوید و در ادامه، جزئیاتی خواندنی از شیوه ورود تصادفی هوش مصنوعی به گنجور در مسیر برگردان ساده شاهنامه و چشمانداز استخراج خودکار صنایع ادبی را روایت میکند.
بعد از دریافت جایزه «پارسیجان» چه بازخوردهایی گرفتید؟ و بهطور کلی فکر میکنید گرفتن این جایزه یا قدردانیهایی از این دست، چقدر توجه جامعه، اعم از مردم و مدیران نهادها و سازمانها را به زیرساختهای دیجیتال در حوزه ادبیات جلب کرده است؟
من هنوز خبر دریافت این جایزه را روی رسانههای گنجور منتشر نکردهام. سال گذشته هم شبیه به همین جایزه، منتها رتبه دومش را به ما دادند که خب یکسری بازخوردهای منفی داشت و یکسری بازخوردها هم مثبت بود.
من سال گذشته یادداشتی نوشتم و به این قضیه اشاره کردم؛ در طول این سالها به عنوان شخصی که به صورت مستقل در این حوزه فعالیت میکند، هیچ انتظاری از نهادهای دولتی نداشتم. حتی در مواردی احساس میکنم نهادهای دولتی با توجه به سیاستهایی که دارند، میتوانستند به نوعی ایجاد مشکل هم بکنند. یعنی ایده من همیشه همان ضربالمثل معروف بوده که: «مرا به خیر تو امید نیست، شر مرسان!»؛ چون مسائلی مثل فیلترینگ گنجور و مسائل دیگر پیش آمده بود که به من نشان داد واقعیتش خیلی نمیشود به این نهادها امید داشت.
منتها داستانی که وجود دارد این است که من فکر کردم هیچوقت ابراز تمایل این نهادها برای قدردانی را زمین نگذارم و به آنها پاسخ منفی ندهم؛ به این خاطر که به نظرم لازم است کارنامهای وجود داشته باشد از اینکه این نهادها چقدر تلاش کردهاند چنین کارهایی انجام دهند. اما در کل، فعالیت من و شاید خیلی از کسانی که مثل من کار میکنند، با توجه به شیوهای که در پیش گرفتیم، احتیاج چندانی به توجه آنچنانی نهادهای دولتی ندارد. به نوعی شاید قدردانی از ما، بیش از هر چیز اعتبار بخشیدن به همان جایزه یا مراسمی بوده که خود نهادها برگزار کردهاند.
البته جایزه نقدی امسال مبلغ قابل توجهی بود؛ ۲۰۰ میلیون تومان به گنجور اختصاص دادند که من این مبلغ را در سیستم حسابداری کوچکی که گنجور دارد ثبت کردم تا برای خود گنجور خرج شود. ولی در مجموع، بهشخصه چشمداشتی به این نهادها نداشتهام و معتقدم اگر کاری هم بکنند، عمل در جهت ارتقای اعتبار خودشان است؛ چه برای گنجور باشد، چه افراد دیگر و چه نهادهای مردمی مشابه.
در سالهای اخیر برای منابع گنجور از نسخههای کهن و دستنویس هم استفاده کردهاید، درست است؟
در پایین صفحات سایت گنجور بخشی به نام «منابع» وجود دارد. حدود ۵۰ درصد از متن اصلی گنجور برگرفته از نرمافزار «درج» متعلق به شرکت مهر ارقام است که یک نرمافزار تجاری بود و البته ما هم مستقیم دادهها را از آنها دریافت نکرده بودیم. در تاریخچه گنجور که در وبلاگ ما با عنوان «تازههای گنجور» مستند شده توضیح دادهایم که این دادهها را از طریق واسطه، یعنی با نرمافزار و سایت «ریرا» وارد کردیم و بعد متوجه شدیم منبع اصلیاش نرمافزار درج بوده است.
در آن مقطع مسالهای با شرکت مهر ارقام پیش آمد، اما در نهایت آن شرکت خودش این متنها را مستقل و بدون اینکه مستقیم در اختیار گنجور بگذارد، در قالب سایتی به نام «ویکیدرج» به شکل آزاد منتشر کرد؛ با این شرط که هر کس استفاده میکند منبع را ذکر کند. ما هم ذیل تمام اشعار اشاره کردیم که چنین اتفاقی افتاده است. اما مساله اصلی در دادههای بهجا مانده از نرمافزار درج این بود که منبع کاغذی این آثار مشخص نبود؛ یعنی معلوم نبود متنی که تایپ شده از روی چه کتاب چاپی یا کدام نسخه خطی بوده و این مساله پرسش بسیاری از کاربران گنجور هم بود.
بخش دیگر گنجور، یعنی آن ۵۰درصد باقی مانده را یا کاربران تایپ کردهاند یا از منابع دیگر فراهم شده است. آن آثاری را که کاربران زحمت تایپش را کشیدهاند، اگر در «تازههای گنجور» ملاحظه کنید، اغلب منبعش را ذکر کردهاند که از روی چه کتابی تایپ شده و ما هم منابع را درج کردیم. با این حال همواره سئوال کاربران این بود که مثلا وقتی شما شاهنامه را در سایت قرار دادهاید، متن متعلق به کدام نسخه است؟ نسخه مسکو است، نسخه خالقی مطلق است یا نسخهای دیگر؟ ما دنبال راه حلی بودیم تا بتوانیم منبع این متنها را بهطور مشخص تعیین کنیم.
در همین راستا پروژهای به نام «نسکبان» در گنجور تعریف شد. نسکبان کتابخانهای شامل حدود ۳۰ هزار فایل PDF است؛ کتابهایی که پیشتر توسط نهادهای دولتی جمعآوری شده بودند، مانند کتابخانه سها، کتابخانه ادبیات و موارد مشابه. ما دیدیم بسیاری از این منابع، کتابهای ادبی هستند و برای روشن شدن اینکه متون گنجور دقیق منطبق بر کدام اثر است، بهتر است این منابع PDF را در قالب پروژهای مستقل منتشر کنیم.
تفاوت کار ما با کاری که نهادهای دولتی انجام داده بودند این بود که اول در آن پایگاهها تعداد بسیار زیادی شناسنامه کتاب وجود داشت که شبیه به یک نرمافزار کتابداری بود اما فایلی ضمیمه نداشت؛ فقط اطلاعات فیپا و شناسه کتابخانه ملی را درج کرده بودند که چنین مواردی به کار ما نمیآمد. بخش دوم، کتابهایی بودند که فایل PDF آنها وجود داشت اما محتوای داخلیشان تفکیک نشده بود و باید فایل را دانلود و دستی بررسی میکردید. ما این کتابها را گردآوری کردیم، فرایند نویسهخوان نوری (OCR) را روی آنها پیاده کردیم و متنها را قابل جستوجو کردم.
سپس برنامهای نوشتیم که متن این کتابها—مثل نسخههای شاهنامه، دیوان حافظ یا سایر آثار—را با متن موجود در گنجور مقایسه کند، نزدیکترین نسخه چاپی به متن گنجور را بیابد و تا حد امکان آنها را به یکدیگر متصل کند؛ یعنی نشان دهد فلان غزل حافظ در کدام صفحه از فلان کتاب موجود در نسکبان قرار دارد. به این ترتیب منابع گنجور مستندسازی شد. یکسری از آثار شناخته شده مثل حافظ، سعدی و فردوسی را از قبل بهطور دستی متصل کرده بودیم، اما بخش بزرگی از پیوندها بهوسیله همین نرمافزار و مقایسه ماشینی انجام گرفت.
درباره پرسش شما مبنی بر استفاده از نسخههای کهن هم باید بگویم این رویکرد، انتخاب دستوری خود گنجور نبوده؛ بخشهایی از متونی که اخیرا تایپ و اضافه شدهاند حاصل زحمات خود کاربران هستند که نامشان در تازههای گنجور و بخش معرفی شاعران ثبت شده است. این انتخاب خود کاربران بوده که متنی را از روی یک نسخه کهن یا نسخه خطی تایپ کنند و چون تصویر نسخه را هم برای گنجور فرستادهاند، ما متن و تصویر را به هم پیوند دادهایم؛ بهطوری که تصویر همان صفحه از نسخه مرجع در زیر شعر قابل مشاهده است. بنابراین رویکرد ما این نبوده که الزاما روی نسخ کهن تمرکز کنیم، بلکه این انتخاب کاربران بوده و آنچه تا امروز لینک شده، تا حد زیادی حاصل پردازش کامپیوتری، OCR و تطبیق متنها بوده است.
پس تامین نسخهها بر عهده خود کاربران است؟
بله، در مورد آثاری که به تازگی تایپ میشوند، کاربران خودشان نسخههای مرجع را هم ارسال میکنند.
با این حجم از داده روی گنجور، زیرساختهای فنی و سرورهای آن چطور تامین میشود؟ هزینهها کاملا شخصی و مستقل پرداخت میشود؟
بله؛ من حداقل درباره خود گنجور از نظر حجم خالص دادهها احساس میکنم بار خیلی سنگینی وجود ندارد. گنجور حدود یک میلیون و ۵۰۰ هزار بیت شعر در قالب حدود ۱۳۰ هزار بخش دارد که نگهداری صرف دادههای متنیاش منابع بالایی نمیطلبد؛ عمده نیاز فنی سایت در بخش پاسخگویی به ترافیک و حجم بالای کاربران است.
قبل از اختلالات و قطعی اینترنت، گنجور روزانه نزدیک به ۵۰۰ هزار بازدید و حدود ۲۵۰ هزار بازدیدکننده یکتا داشت. بعد از اتصال مجدد، متاسفانه آمار به حالت قبلی بازنگشت و طبق آماری که دارم، در حال حاضر به حدود ۴۰۰هزار بازدید و ۱۵۰ هزار کاربر رسیده است.
شاید حدود ۱۷ -۱۸ سال پیش دوستانی بودند که امکانات میزبانی را به صورت رایگان برای گنجور فراهم میکردند؛ منتها دریافت پشتیبانی مناسب و مداوم از آن طریق با مشکل مواجه شد. از طرفی در آن سالها زیرساختهای میزبانی و مراکز داده در داخل کشور مانند امروز پایدار نبود. بنابراین تصمیم گرفتیم سرورها را با پرداخت هزینه از شرکتهای معتبر خارجی تهیه کنیم تا مشکلاتی را که آن زمان گریبانگیر دیتاسنترهای داخلی بود نداشته باشیم.
در حال حاضر برای خود گنجور مشکل حادی نداریم، اما پروژهای مثل «نسکبان» که ۳۰ هزار کتاب را میزبانی میکند، نیازمند سرور بسیار قدرتمندی است که ما هنوز نتوانستهایم آن را به شکل ایدهآل تامین کنیم؛ سرور فعلی در حدی است که فقط کار را راه بیندازد. شما تصور کنید جستوجو در متن ۳۰ هزار کتاب که اگر میانگین هر کدام را ۱۰۰ صفحه در نظر بگیریم، میشود رقمی نزدیک به سه میلیون صفحه متن، طبیعتا به جای اینکه آنی انجام شود، ممکن است گاهی ۱۰ ثانیه یا حتی یکی دو دقیقه زمان ببرد.
اشاره کردید که بخش بزرگی از کار، از ورود شعرها و نسخهها تا ثبت اطلاعات در سایت، حاصل زحمت کاربران است. چطور توانستید چنین جامعه بزرگ و وفاداری از کاربران را با گنجور همراه کنید؟
واقعیتش این است که من فکر نمیکنم این همراهی الزاما با خود گنجور باشد. انگیزه اولیه من برای راهاندازی گنجور، پاسخ به کنجکاویهای شخصی خودم بود. سالهای ۱۳۸۵ و ۱۳۸۶ من هم کنجکاوی فنی داشتم - اینکه چطور میتوان این حجم از اطلاعات متنی را میزبانی کرد - و هم کنجکاوی ادبی. برای نمونه؛ در کتابی که عنوانش دقیق خاطرم نیست، خوانده بودم ادعا شده بود حافظ بیشتر از آنکه تحت تاثیر سعدی باشد، از خواجوی کرمانی و سلمان ساوجی تاثیر پذیرفته است. منتها شواهدی برای این گزاره نیاورده بود و مشخص نبود این ادعا بر چه مبنایی است. در اوایل راهاندازی گنجور این موضوع برای من یک مسئله شد و خواستم آن را بسنجم. من با اوزان عروضی آشنایی داشتم و کتاب عروض و قافیه آقای دکتر شمیسا را خوانده بودم؛ برچسب وزنهای اشعار حافظ، سعدی و خواجو را استخراج کردم. (آن زمان دیوان سلمان ساوجی را نداشتیم که بعد با کمک دوستان ساوه اضافه شد) سپس برنامهای نوشتم تا اشعار هموزن و همقافیه را بین این شاعران تطبیق دهد و از دیدگاه آماری بررسی کند حافظ چه تعداد شعر هموزن و همقافیه با سعدی و چه تعداد با سلمان و خواجو دارد.
البته بعدها که بیشتر مطالعه کردم، متوجه شدم این کار من لزوما اثباتکننده آن ادعا نبود؛ چون از نظر آماری همچنان اشعار مشترک حافظ و سعدی بیشتر بود اما بحثی که در آن کتاب مطرح شده بود جنبه زبانی داشت، نه آماری؛ یعنی زبان حافظ به زبان خواجو و سلمان نزدیکتر است تا سعدی.
این مثال را زدم تا بگویم کار با انگیزه کنجکاوی شخصی آغاز شد. دوستانی هم که آمدند و به گنجور محتوا اضافه کردند - که حجم عظیمی است و اگر بخش آمار مشارکت را ببینید متوجه بزرگی کار میشوید؛ کاری که چون خودم حدود هزار بیت تایپ کردهام میدانم چقدر طاقتفرساست - آنها هم تا حد زیادی برای برآورده کردن علایق شخصی و اهداف خودشان دست به این کار زدند. مثلا شاعری را دوست داشتند که آثارش در گنجور نبود و تمایل داشتند به سایت اضافه شود. چرا گنجور را انتخاب کردند؟ چون گنجور از نظر زیرساخت فنی آمادهترین بستر موجود بود. اگر پلتفرم بهتری وجود داشت، احتمالا برای آن پلتفرم کار میکردند. نمیخواهم بگویم گنجور مشوق نبوده است، اما میخواهم تاکید کنم این فعالیتها بیشتر با انگیزه ادبی و عشق به زبان فارسی انجام شده تا وابستگی به گنجور؛ گنجور تنها یک سکوی نسبتا آماده برای انتشار بود. البته این نظر شخصی من است و شاید اگر از خود آن افراد بپرسید، پاسخ دیگری بدهند.
ساختار اداره گنجور به چه صورت است؟ چند نفر در پشتصحنه فعال هستند؟ کاملا تنها پیش میبرید؟ و آیا ساختاری طراحی کردهاید که اگر روزی شخص شما نخواستید یا نتوانستید ادامه دهید، گنجور همچنان پایدار و فعال بماند؟
از لحاظ اداره روزمره، واقعیت این است که گنجور متکی به شخص من است و اگر من نباشم، در حال حاضر گرداننده دیگری ندارد. اما برای سرنوشت گنجور بعد از من، سیاست «متنباز» (Open-Source) کردن همهچیز را انتخاب کردیم.
ما کد نرمافزاری گنجور را بهطور کامل منتشر کردهایم؛ بنابراین هر کس بخواهد نمونهای مستقل از گنجور بسازد، تمام امکانات فنی در اختیارش است. تمام دادههای متنی گنجور را هم روی پلتفرمهای آزاد قرار دادهایم؛ این یعنی دیگر فرقی نمیکند کسی هزینه سرور گنجور را بپردازد یا نپردازد، این دادهها همیشه پایدار میمانند. حتی گیتهاب برنامهای برای بایگانی کدهای شاخص تا اگر فاجعهای برای تمدن بشری رخ داد محفوظ بمانند و دادههای گنجور هم مشمول آن آرشیو است.
سیاست ما این است که هر دادهای که حریم خصوصی و امنیت کاربران را به خطر نیندازد، به عنوان داده آزاد در خارج از گنجور منتشر شود تا امکان ایجاد کپی مستقل از آن بدون وابستگی به سازنده وجود داشته باشد؛ اتفاقی که در عمل افتاده و هماکنون نرمافزارها و وبسایتهای متعددی برای اهداف پژوهشی یا توسعه از این دادهها استفاده میکنند. از لحاظ نرمافزاری هم در داخل گنجور هدفم این است که تا جای ممکن قابلیت تفویض اختیار را توسعه دهم. به عنوان مثال، هماکنون امکانی فراهم شده که کاربران بتوانند اشعار را ویرایش کنند و تعدادی مدیر داریم که این ویرایشها را بازبینی، مقایسه و تایید میکنند. کاربرانی با دسترسیهای مشخص داریم که در این زمینه مشارکت دارند. این روند هنوز خیلی گسترده نیست، اما مشغول کار روی آن هستم تا بخشهای ریاستی و مدیریتی سایت قابلیت توزیع داشته باشد و افراد دیگر هم بتوانند در اداره آن سهیم شوند
با توجه به اینکه به مرور زمان امکاناتی مانند دستنویسها، تصحیح نسخ و ویرایش به گنجور افزوده شده، آیا برای آینده هم برنامهای دارید که این فضا کاربرمحورتر شود یا امکانات دیگری اضافه کنید؟
گنجور عملا به صورت روزانه در حال تغییر است. من تقریبا تمام اوقات فراغتم را پشت رایانه صرف گنجور میکنم؛ برای همین این سامانه مدام در حال تحول است. اگر «تازههای گنجور» را دنبال کنید، متوجه میشوید انواع امکانات چه آنهایی که نمود بیرونی دارند و چه اصلاحات فنی پسزمینه در حال افزوده شدن هستند.
مثلا اخیرا قابلیت «جستوجوی معنایی» را با بهرهگیری از ابزارهای هوش مصنوعی اضافه کردیم که به کاربر اجازه میدهد بدون نیاز به حفظ بودن عین کلمات، مفهوم شعر را جستوجو کند. همچنین عرضه آزاد دادهها و بهبود ظاهر بصری سایت بهطور مستمر پیگیری میشود. همین امروز هم روی لایههای امنیتی سایت کار میکردم. ما روی گیتهاب یک نقشه راه مشخص داریم که دستکم پنج سال است دنبال میشود.
همین دیروز خبری منتشر کردم مبنی بر اینکه امکان پیشنهاد «برچسبهای جغرافیایی» برای اشعار توسط کاربران فراهم شده است. پیش از این برای آثاری مثل «سفرنامه ناصرخسرو»، رهگیری سفر روی نقشه و ترتیب زمانی را دستی اضافه کرده بودم، اما کاربران امکان پیشنهاد دادن نداشتند که اکنون این قابلیت مشارکتی شده است. تعداد امکاناتی که میتوان در یک پروژه ادبی خلق کرد بیپایان است. برای چشمانداز بلندمدت، خیلی خوب است که روزی بتوانیم آمار دقیق تشبیهات پرکاربرد شعر فارسی را استخراج کنیم؛ مثل اینکه تشبیه «عاشق به پروانه» و «معشوق به شمع» چند بار در شعر سعدی و چند بار در شعر پروین اعتصامی به کار رفته است، یا دستهبندی استعارهها، ایهامها و صنایع ادبی. هیچکدام از این موارد در حال حاضر در گنجور وجود ندارد و اگر روزی بخواهیم به آنها بپردازیم، کارهای زیادی وجود دارد که قابلیت اضافه شدن دارند.
تلاش برای فهم شاهنامه، پای هوش مصنوعی را به گنجور باز کرد
بنیانگذار گنجور درباره کاربردهای هوش مصنوعی در وبسایت گنجور از جمله تفاسیر یا تعابیر و برگردان ساده برای اشعار توضیح میدهد: در واقعیت اضافه شدن هوش مصنوعی به گنجور، تصمیمی از پیش برنامهریزی شده نبود و داستان کوتاهی دارد. یک زمانی شخصا تصمیم گرفتم شاهنامه را از ابتدا بخوانم؛ چون قبلا فرصت نکرده بودم شاهنامه را بهطور کامل روخوانی کنم و حس کردم برای کسی که گنجور را مدیریت میکند پسندیده نیست که شاهنامه را نخوانده باشد. شیوه من برای خواندن کتابهای شعر اینطور است که با توجه به وجود غلطهای تایپی در متون سایت، شعرها را از روی کتاب چاپی معتبر یا تصویر اسکن شده کتاب میخوانم و صدا را ضبط میکنم؛ به طوری که خوانش برای افراد مبتدی هم قابل استفاده باشد. همزمان متن گنجور را با نسخه چاپی تطبیق میدهم و غلطهای تایپی را رفع میکنم.
برای خواندن صحیح شاهنامه از آغاز به این نتیجه رسیدم که گوینده باید دقیق متوجه معنای متن باشد؛ یعنی لغات نامانوس و معنی و برگردان ساده هر بیت را بداند. در شعر به اقتضای وزن، ارکان جمله جابهجا میشوند و ذهن باید انرژی صرف کند تا آن را به ساختار نثر برگرداند. این امکان قبلا در گنجور تعبیه شده بود که کاربران برای هر بیت خلاصهای به نثر بنویسند. من تصمیم گرفتم خودم برای شاهنامه این برگردان ساده را بنویسم تا مطمئن شوم متن را درست فهمیدهام؛ اما متوجه شدم کاری بهغایت سنگین است و شروع این کار از نقطه صفر زحمت فوقالعادهای میبرد.
در میانه راه با کاربری مواجه شدم که بخشهای آغازین شاهنامه را بیتبهبیت به زبان ساده برگردانده بود. وقتی متن او را دیدم، متوجه شدم داشتن یک پیشنویس اولیه چقدر کار را آسان میکند؛ طوری که من فقط ایرادات دستوری یا املایی احتمالی را رفع میکردم. این موضوع در ذهنم ماند که وجود یک پیشنویس تا چه اندازه کمککننده است.
مدتی بعد در لینکدین به آگهی شرکتی برخوردم که خدمات واسط هوش مصنوعی خارجی ارائه میکرد؛ آنها در قالب یک طرح تبلیغاتی اعلام کرده بودند به پروژههای متنباز شناختهشده، اعتبار استفاده از مدلهای هوش مصنوعی اختصاص میدهند. من درخواست دادم و این اعتبار در اختیارم قرار گرفت. اولین اقدامی که با آن انجام دادم این بود که کل متون گنجور را در اختیار مدل قرار دادم تا پیشنویسهایی از برگردان ساده اشعار تهیه کند و در سایت بگذارد.
قصد اولیه این نبود که هوش مصنوعی معنای قطعی و نهایی شعرها را ارائه دهد؛ هدف این بود که پیشنویسی اولیه مهیا شود تا کار پژوهشگران و کاربرانی که مایلاند اشعار را به نثر ساده معنی کنند، کمی آسانتر شود. به همین دلیل در تمام برگردانهای دستنخورده عبارت «تولیدشده توسط هوش مصنوعی» قید شده و کاربرانی که این متون را ویرایش و تصحیح میکنند، آن برچسب را تغییر میدهند.
نظر شما