ردیاب مفهومی در عرفان تطبیقی

شکافی که همیشه وجود داشت

شاید بپرسید: «مگر تا به حال کسی از کامپیوتر برای این کار استفاده نکرده است؟» راستش را بخواهید، کارهای بسیار کمی انجام شده است. تا امروز، اگر کسی می‌خواست متون عرفانی را با کامپیوتر بررسی کند، معمولاً به ابزارهای ساده‌ای مثل جستجوی کلمات (شبیه همان دکمه‌ی Ctrl+F روی کیبورد) بسنده می‌کرد.

اما مشکل اینجاست که کامپیوترها تا پیش از این «معنا» را نمی‌فهمیدند. اگر در یک متن بودایی کلمه‌ی «نیروانا» آمده بود، ماشین نمی‌توانست بفهمد که این کلمه چقدر به «فنا» در متون ابن‌عربی شبیه است. شکاف بزرگ و اصلی پژوهش‌های پیشین این بود: هیچ ماشینی وجود نداشت که بتواند یک مفهوم انتزاعی را در میان کتاب‌های فرهنگ‌ها و زبان‌های مختلف، بدون نیاز به ترجمه‌ی انسانی دنبال کند و میزان قرابت آن‌ها را بسنجد.

ردیاب مفهومی تطبیقی (CCT)

برای پر کردن این جای خالی، شاید ایده ردیاب مفهومی تطبیقی (CCT) بد نباشد. ایده‌ی محوری طراحی سیستمی به نام «ردیاب مفهومی تطبیقی» (Comparative Concept Tracer – CCT) است. این سیستم قرار است مثل یک کتابدارِ فیلسوف عمل کند که به چندین زبان مسلط است. شما یک کلمه‌ی کلیدی مثل «فنا» را به او می‌دهید، و او در دل کتابخانه‌های دیجیتال اسلامی، مسیحی و بودایی می‌گردد، پاراگراف‌های مرتبط را بیرون می‌کشد، شباهت معنایی آن‌ها را با یکدیگر می‌سنجد و در نهایت یک نقشه‌ی ارتباطی زیبا به شما تحویل می‌دهد.

پیوند سه جهان: دانش‌هایی که به کمک ما آمدند

برای ساخت چنین دستیار هوشمندی، نباید فقط به برنامه‌نویسی ساده تکیه کرد. باید مفاهیم عمیق علوم انسانی را با ابزارهای پیشرفته‌ی مهندسی ترکیب کنیم. این ترکیب از سه حوزه‌ی دانشی زیر شکل گرفته است:

۱. دانش عرفان تطبیقی و فلسفه:

میتوان از خودِ عرفان الهام گرفت. در عرفان مفهومی داریم به نام «وحدت در کثرت»؛ یعنی یک حقیقت واحد می‌تواند در آینه‌های مختلف (فرهنگ‌های گوناگون) بازتاب‌های متفاوتی داشته باشد. همچنین مفهوم «تشکیک» به ما یادآوری کرد که مفاهیم صفر و یکی نیستند. یک متن ممکن است «کمی»، «تا حدودی» یا «بسیار زیاد» به متن دیگر شبیه باشد. این اصول، سنگ‌بنای تفکرِ سیستم هستند.

۲. زبان‌شناسی رایانشی و هوش مصنوعی:

برای اینکه ماشین بتواند متون فارسی، عربی و انگلیسی را هم‌زمان بفهمد، باید به سراغ تکنیک‌های پیشرفته‌ی مدل‌سازی زبانی رفت. و از ابزارهایی استفاده شود که متن‌ها را به کدهای ریاضی تبدیل می‌کنند. با این روش، ماشین نیازی به ترجمه ندارد؛ بلکه «روحِ معناییِ» یک جمله‌ی فارسی را با روحِ یک جمله‌ی انگلیسی در یک فضای مشترک ریاضی مقایسه می‌کند.

۳. منطق فازی و گراف‌های دانش:

همان‌طور که گفتیم، شباهت مفاهیم صفر و یکی نیست. بنابراین ما از روشی در مهندسی به نام «منطق فازی» کمک میگیریم. منطق فازی مثل یک ترازوی منعطف عمل می‌کند و به جای اینکه بگوید دو متن «شبیه هستند یا نیستند»، می‌گوید این دو متن «هم‌ارزی قوی، ضعیف یا متوسط» دارند. در نهایت، با استفاده از علم شبکه‌ها (گراف)، تمام این ارتباطات را به شکل یک نقشه‌ی بصری ترسیم میکنیم تا محقق انسانی بتواند با یک نگاه، جایگاه مفاهیم را ببیند.

سخن پایانی: سفری که تازه آغاز شده است

کاری که ما با ایده‌ی «ردیاب مفهومی تطبیقی» انجام می دهیم، ادغام ذهن تحلیل‌گر یک محقق با سرعت و وسعت پردازش یک کامپیوتر است. ما با این ایده نشان می‌دهیم که می‌توانیم ماشین‌ها را فراتر از شمارش کلمات، به درکِ سایه‌روشن‌های معنایی ببریم.

با این حال، مجدداً تأکید می‌کنیم که آنچه در مطالب بالا بیان شد، یک شبیه‌سازی پیشرفته و یک گامِ رو به جلو در پژوهش‌های نظری است. هوش مصنوعی قرار نیست جایگزین شهود و درک عمیق یک فیلسوف یا عارف شود؛ بلکه تنها یک چراغ‌قوه‌ی قدرتمند است که در تاریکیِ این کتابخانه‌ی بی‌انتها، مسیرهای جدیدی را برای کشف و کاوش به ما نشان می‌دهد. کشفِ حقیقت نهایی، همچنان نیازمند بررسی با داده‌های واقعی و نظارت دقیقِ ذهن انسان است.