به گزارش گروه رسانه‌ای شرق،
شیما رستمی-پژوهشگر کسب‌وکار الکترونیک: هوش مصنوعی امروز با ما فارسی حرف می‌زند. سؤال می‌پرسیم، جواب می‌دهد؛ متن می‌نویسد، ترجمه می‌کند، خلاصه می‌کند و حتی لحن محاوره‌ای را هم تا حد زیادی می‌فهمد. در نگاه اول، به نظر می‌رسد زبان دیگر مانعی برای استفاده از فناوری نیست؛ اما اگر کمی دقیق‌تر نگاه کنیم، سؤال مهم‌تری مطرح می‌شود: آیا یک کاربر فارسی‌زبان همان کیفیتی را از هوش مصنوعی می‌گیرد که یک کاربر انگلیسی‌زبان دریافت می‌کند؟ پاسخ در همه موارد مثبت نیست. مدل‌های زبانی بر اساس حجم عظیمی از داده آموزش می‌بینند و طبیعتا زبان‌هایی که سهم بیشتری از محتوای دیجیتال، منابع علمی، مستندات فنی و داده‌های ساختاریافته دارند، موقعیت بهتری پیدا می‌کنند. انگلیسی سال‌ها زبان اصلی بخش بزرگی از اینترنت و اقتصاد دیجیتال بوده است. فارسی چنین حجمی از داده استاندارد، متنوع و قابل استفاده برای آموزش مدل‌ها را ندارد و همین تفاوت در نهایت خودش را در کیفیت پاسخ‌ها نشان می‌دهد.
این مسئله فقط به درست‌نویسی فارسی مربوط نیست؛ فهم یک زبان یعنی فهم زمینه؛ اصطلاح، کنایه، متن حقوقی، عادت‌های زبانی، ساختارهای فرهنگی و حتی تفاوت میان چیزی که گفته می‌شود و چیزی که واقعا منظور است. هوش مصنوعی ممکن است جمله فارسی را درست بنویسد، ولی این الزاما به معنای فهم عمیق همان زمینه‌ای نیست که یک کاربر ایرانی در آن سؤال می‌پرسد. برای استفاده روزمره شاید این تفاوت همیشه مهم نباشد؛ اما وقتی هوش مصنوعی وارد کار، دانشگاه، بازاریابی، تحلیل بازار، تصمیم‌گیری مدیریتی یا خدمات آنلاین می‌شود، مسئله شکل دیگری پیدا می‌کند.
از نگاه کسب‌وکار الکترونیک، هر اصطکاک در مسیر کاربر یک هزینه است. اگر کاربر فارسی‌زبان برای رسیدن به پاسخ دقیق‌تر مجبور باشد پرسشش را چند بار بازنویسی کند، آن را به انگلیسی ترجمه کند یا پاسخ را بیشتر راستی‌آزمایی کند، این یعنی افزایش زمان، کاهش بهره‌وری و بالا‌رفتن هزینه استفاده از فناوری. این هزینه ممکن است در فاکتور دیده نشود، ولی واقعی است. در اقتصاد دیجیتال، همیشه لازم نیست پولی از حساب شما کم شود تا هزینه‌ای ایجاد شده باشد؛ زمانی که از دست می‌رود، تصمیمی که با اطلاعات ناقص گرفته می‌شود یا فرصتی که دیرتر شناسایی می‌شود، همه نوعی هزینه‌اند.
این تفاوت برای کسب‌وکارها حتی مهم‌تر است. فرض کنیم دو شرکت از ابزارهای هوش مصنوعی برای تحلیل مشتری، تولید محتوا یا پاسخ‌گویی استفاده می‌کنند. اگر یکی از آنها به زبان و داده‌ای متکی باشد که مدل در آن عملکرد دقیق‌تری دارد، طبیعتا سریع‌تر تصمیم می‌گیرد، خطای کمتری دارد و هزینه عملیاتی پایین‌تری خواهد داشت. در چنین شرایطی، شکاف زبانی به تدریج می‌تواند به شکاف رقابتی تبدیل شود.
مسئله فقط این نیست که «هوش مصنوعی فارسی بلد است یا نه»؛ مسئله این است که فارسی با چه کیفیتی در اقتصاد هوش مصنوعی حضور دارد. اگر مدل‌ها در زبان فارسی نیازمند کنترل بیشتر، توضیح بیشتر و اصلاح بیشتر باشند، این تفاوت در مقیاس میلیون‌ها کاربر و هزاران کسب‌وکار دیگر کوچک نیست. همین چند دقیقه اضافه، در مقیاس بزرگ، می‌تواند به ساعت‌ها زمان ازدست‌رفته و کاهش بهره‌وری تبدیل شود. از این زاویه، آینده هوش مصنوعی فقط رقابت میان مدل‌ها نیست؛ رقابت میان زبان‌ها نیز هست. زبان‌هایی که داده بیشتر، ابزار بهتر و سرمایه‌گذاری بیشتری دارند، سهم بیشتری از ارزش ایجادشده در اقتصاد هوش مصنوعی می‌برند. و شاید مسئله اصلی همین‌جا باشد: در عصر هوش مصنوعی، زبان فقط وسیله ارتباط نیست؛ می‌تواند تعیین کند هر کاربر با چه سرعت، دقت و کیفیتی به دانش و فرصت دسترسی پیدا کند. اگر برای رسیدن به یک نتیجه مشابه، کاربر فارسی‌زبان مجبور باشد بیشتر توضیح دهد، بیشتر کنترل کند و بیشتر زمان بگذارد، این فاصله فقط یک مسئله زبانی نیست؛ یک مسئله اقتصادی نیز هست. بهای فارسی در عصر هوش مصنوعی، شاید آن هزینه‌ای باشد که هنوز روی هیچ فاکتوری نوشته نمی‌شود، ولی هر روز پرداخت می‌شود.