بررسی قوتها و ضعفهای مدلهای زبانی بزرگ در تحلیل متون عرفانی (مطالعة موردی نینامة مولوی)
نویسندگان
1 استاد زبان و ادبیات فارسی، دانشکده ادبیات و علوم انسانی، دانشگاه بیرجند، بیرجند، ایران
2 استادیار دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران
doi
10.22108/jpll.2025.144470.1901چکیده
امروزه هوش مصنوعی نقشی پررنگ و گسترده در پژوهش ایفا میکند، اما بهکارگیری این فناوری در تحقیقات ادبی، بهویژه متون عرفانی که ذاتاً پیچیدگیها و ظرافتهای خاص خود را دارند، دشوار و شاید غیرممکن به نظر برسد. ازاینرو، پژوهش حاضر بر آن است نقاط قوت و ضعف هوش مصنوعی را در فهم متون عرفانی ارزیابی کند. بدینمنظور، توانایی سه مدل زبانی بزرگ شامل ChatGPT، Google Gemini و Claude در تحلیل و تفسیر متون عرفانی فارسی، با تمرکز بر نینامة مولانا، بررسی شد. نینامه بهدلیل مفاهیم نمادین، استعارههای پیچیده و لایههای معنوی عمیق، بهمثابه معیاری برای سنجش توان ادراکی این مدلها انتخاب شد. روش پژوهش بهصورت کیفی و با طرح دو پرسش انجام گرفت: درک و تفسیر تکتک ابیات نینامه و برداشت کلی از مفاهیم این اشعار. نتایج این پژوهش نشان میدهد که مدلهای زبانی بزرگ در ارائة معانی تحتاللفظی عملکرد خوبی دارند؛ اما در درک استعارهها، مفاهیم نمادین و زمینههای فرهنگی، ادبی و تاریخی متن با چالشهایی جدی روبرو هستند. افزونبر این، این مدلها در فهم ارتباطات عمودی ابیات و شگردهای بلاغی همچون ایهام و جناس ناتوان هستند. درنهایت، این مقاله ضمن تأکید بر نقاط قوت این مدلها مانند سرعت تحلیل متون، بر لزوم بهبود آنها ازطریق آموزش با دادههای تخصصی عرفانی و همکاری میان متخصصان هوش مصنوعی و پژوهشگران ادبی تأکید میکند. این پژوهش نشان میدهد که هوش مصنوعی میتواند بهعنوان ابزاری مکمل برای تسهیل درک ادبیات عرفانی به کار گرفته شود؛ اما برای دستیابی به تحلیلهای عمیقتر نیازمند بهینهسازیهای جدی است.