چگونه هوش مصنوعی وزن و قافیه ی قصیده های عربی را می آموزد؟

با پیشرفت چشمگیر مدل های زبانی بزرگ (Large Language Models) مانند GPT-۴، Gemini و Claude، این پرسش در حوزه ی مطالعات عربی مطرح شده است که آیا این سیستم های هوش مصنوعی قادر به درک و تحلیل جنبه های فرمال زبان عربی، به ویژه عروض و قافیه، هستند؟ عروض عربی که توسط خلیل بن احمد فراهیدی در قرن دوم هجری تدوین شد، یکی از دقیق ترین و ریاضی وارترین نظام های وزنی در میان زبان های جهان است. این پژوهش با آزمایش سه مدل هوش مصنوعی (GPT-۴، Gemini Pro و Claude ۲) بر روی ۵۰ بیت از دیوان متنبی (ابوالطیب احمد بن حسین، ۳۰۳-۳۵۴ هجری) توانایی آن ها را در تشخیص بحور عروضی، تقطیع هجایی و شناسایی حروف قافیه (روی، ردف، تاسیس) سنجیده است. روش تحقیق تجربی-مقایسه ای با حضور یک گروه کنترل انسانی (سه استاد عروض) انجام شد. یافته ها نشان داد GPT-۴ با دقت ۶۸٪ در تشخیص بحر و ۷۹٪ در تشخیص قافیه بهترین عملکرد را داشت. رایج ترین خطا در تشخیص بحر «مجتث» (تداخل با بحر رمل) و در قافیه، تشخیص نادرست حرف «ردف» بود. مدل ها پس از آموزش با جملات تقطیع شده (نمایش هجاهای کوتاه و بلند) تا ۲۱٪ بهبود یافتند. نتیجه گیری می شود که هوش مصنوعی فعلی نمی تواند جایگزین متخصص عروض شود، اما می تواند به عنوان ابزاری کمکی برای اوزان ساده و آموزش مقدماتی عروض مفید باشد. پیشنهاد می شود مدل های تخصصی عروضی مبتنی بر شبکه های عصبی بازگشتی (RNN) طراحی شود.

کلیدواژه ها:

هوش مصنوعی ، شعر عربی ، عروض ، قافیه ، متنبی ، پردازش زبان طبیعی ، مدل های زبانی بزرگ