د کیفي تحلیل او مصنوعي ځیرکتیا تر منځ اړیکې؛ فرصتونه او ننګونې – عزت‌الله ادیب

لیکوال: عزت الله ادیب

پیل

تېره اونۍ مې د کیفي څېړنو او مصنوعي ځیرکتیا، په ځانګړې توګه د تولیدي مصنوعي ځیرکتیا تر منځ د اړیکو، فرصتونو، خطرونو او د عملي تګلارو په اړه په یوه ویبینار کې برخه اخیستې وه. د بحث په جریان کې مې ځینې یادښتونه واخیستل، چې ځینې برخې یې په دې مقاله کې له تاسو سره شریکوم.

موږ او تاسو د ټکنالوژۍ چټک پرمختګ عملًا وینو او تجربه کوو یې، په ځانګړې توګه د مصنوعي ځیرکتیا وده، چې په خپل تیز پرمختګ سره د زدهکړو، معلوماتو راټولولو، تحلیل او تفسیر، او د متن د تولید یوه غوره او اسانه وسیله ګرځېدلې ده. د ټکنالوژۍ دې چټک بدلون د کیفي څېړنو په ډګر کې له یوې خوا فرصتونه رامنځته کړي، خو له بل لوري یې جدي اندېښنې راولاړې کړې دي.

په عملي ډګر کې د ټکنالوژۍ له پېژندلو څخه زیات د هغې د کارولو څرنګوالی اړین دی، یعنې دا چې د کوم مشخص هدف لپاره او څنګه کارول کېږي. موږ په دې برخه کې لا ډېرو زده‌کړو او تجربو ته اړتیا لرو.

په دې مقاله کې به د مصنوعي ځیرکتیا او کیفي څېړنو تر منځ د اړیکو، او د کیفي میتودونو د اصلي ارزښتونو – لکه ژورتیا یا د موضوعاتو عمق، زمینه، تفسیر، او ذاتي یا انعکاسي تفکر (Reflexivity) په اړه ځینې معلومات ولولو.

د مصنوعي ځیرکتیا تعریف او ډولونه

د کیفي څېړنو او تولیدي مصنوعي ځیرکتیا له بحث وړاندې، اړینه ده چې د مصنوعي ځیرکتیا تعریف او ډولونه وپېژنو. مصنوعي ځیرکتیا په دوه ډوله وېشل کېږي:

لومړی: دودیزه مصنوعي ځیرکتیا: دا هغه میتودونه دي چې د نمونو د پېژندلو، طبقه بندۍ، او اتوماتیک تحلیل یا تجزیې لپاره کارول کېږي. د دودیزې مصنوعي ځیرکتیا ځینې بېلګې لکه مشین لرنینګ (Machine Learning) ، ټاپیک ماډلینګ (Topic Modelling) ، او سینټیمنټ تحلیل (Sentiment Analysis) دي. دا میتودونه له کلونو راهیسې د کیفي او مختلطو میتودونو برخه دي او د کیفي تحلیل کار یې اسانه کړی دی.

∙  دوهم: تولیدي مصنوعي ځیرکتیا (Generative AI): دا هغه لوی ژبني ماډلونه (LLms) دي، چې د متن یا محتوا د تولید، د اوږدو او پېچلو متنونو د تحلیل، بیا لیکلو، او د خبرو په څېر ټرانسکریپټ د تولید وړتیا لري. تولیدي مصنوعي ځیرکتیا د ۲۰۲۲ کال راهیسې د ChatGPt په بڼه عامه شوه، او خلک یې د یوه عادي اپلیکیشن په ډول کاروي.

تولیدي مصنوعي ځیرکتیا د څېړنو کار تر ډېره بریده اسانه کړی دی او له څېړونکو سره په هره برخه کې ډېره مرسته کوي. د بېلګې په ډول، زه د کمي یا کیفي تحلیل د سافټویر لپاره د تحلیل هر ډول کوډ د همدې ټکنالوژۍ په مرسته لیکم، د ستونزو د حل په اړه ترې مشوره اخلم، او خپل وخت د کوډ لیکلو پر ځای په تفکر او تحلیل مصرفوم.

دلته ډېره اړینه ده چې څېړونکی یا هر عادي کارکوونکی د دې ټکنالوژۍ په ژبه پوه شي، او د خپل هدف سره سم پرامپټ یا هدایت ورکړي. مصنوعي ځیرکتیا د هر ډول پرامپټ په ځواب کې معلومات درکوي، خو کره او دقیق معلومات د واضح او دقیق پرامپټ له مخې وړاندې کوي. د پرامپټ انجینیرینګ په اړه پر لیکه کورسونه شته چې مرسته کولای شي، خو په یو رسمي روزنیز پروګرام کې یې برخه اخیستل خورا اړین دي.

پورته دواړه ډوله مصنوعي ځیرکتیا د انټرنټ په جال کې د پرتې موجوده ډیټا پر بنسټ ډیزاین شوې، او د همدې ډیټا په مرسته معلومات تولیدوي. د مصنوعي ځیرکتیا لخوا تولید شوي مواد د غلطیو یا اشتباه خطر لري، چې باید دقت په پار بیا وکتل شي. له دې امله، څېړونکی باید یوازې پر ماشین تکیه ونه کړي، بلکې خپل فکر هم وکاروي.

اوس اړینه پوښتنه دا ده چې دا توپیرونه ولې مهم دي؟ په پیل کې دومره ویلی شو چې د دې توپیرونو پیژندل له څېړونکي سره د ټکنالوژي د انتخاب په برخه کې مرسته کوي، چې د خپل هدف سره سم مناسبه مصنوعي ځیرکتیا یا وسیله انتخاب کړي.

کیفي تحقیق د مانا د موندلو او پېژندلو، انعکاسي تفکر، او نظریاتي تفسیر پر محور ولاړ کار دی، چې څېړونکی د متن ژورتیا ته د رسېدو هڅه کوي، او د همدې متنونو په منځ کې انساني تجربې او افکار تحلیل کوي. که دا عمل یوازې د ماشین په مرسته ترسره شي، یا د ماشیني مخرجاتو ارزښت د انساني تفسیر سره مساوي وګڼل شي، دا به د تحقیق او تحلیل ارزښتونه زیانمن کړي، د مانا جوړونې او تفسیر پروسه به ساده او سطحي یانې سرسري کړي.

د مصنوعي ځیرکتیا د پرمختګ سره سم میتودولوژیک بدلونونه؛ فرصتونه او محدودیتونه

د کیفي څېړنو له نظره، مصنوعي ځیرکتیا له یوې خوا فرصتونه او اسانتیاوې رامنځته کړې، خو له بل لوري یې محدودیتونه هم زیات کړي دي. څېړونکي اړ شوي دي چې د څېړنو په میتودولوژیو کې ځینې اړین بدلونونه راولي. د مصنوعي ځیرکتیا د وړتیاوو په نظر کې نیولو سره، څېړونکي پر میتودولوژیکي بحثونو بوخت دي.

ځینې څېړونکي د تحلیل ځینې برخې د ماشین پر مرسته ترسره کوي، خو ځینې نور بیا دا کار سم نه بولي. د کیفي کوډینګ متخصص جوني سلډانا پر کلکه د دې نظریې مخالف دی چې ګواکې د کیفي کوډینګ پروسه

دې د ماشین پر مرسته ترسره شي. همدا راز پټ بزلي او کریسټینا سیلور چې نسبتاً ورته میتودولوژیک لیدلوری لري، دا کار مناسب نه ګڼي.

خو بل لور ته، ډاکټره سوساني فرییس پر دې باور ده چې ماشین دا کار سم ترسره کولی شي، او د دې لپاره یې د مصنوعي ځیرکتیا یو اپلیکیشن هم جوړ کړی دی. د هغې لخوا جوړ شوی اپلیکیشن د کوډینګ پروسه اتومات تر سره کوي او څېړونکي مخامخ د اخري تفسیر او لیکلو پروسې ته بیایي.

زما شخصي نظر دا دی چې د کیفي ډیټا د کوډینګ پروسه د ډیټا راټولولو برخه نه ده، بلکه د تحلیل برخه ده. د تحلیل په پروسه کې د ماشین کارول یو سطحي عمل دی، چې د مانا موندلو پروسه ټکنۍ کوي. زه د دې برخې لپاره هایبریډ ماډل )د ماشین او انسان ګډ کار( وړاندیز کوم، چې ماشین د اسانتیا برابرونکي په توګه وکارول شي، خو نوره پروسه انساني وي. کېدای شي په راتلونکي کې ماشین دا وړتیا پیدا کړي چې دا کار په سمه توګه ترسره کړي، خو اوسمهال دا کار نه شي کولای.

مصنوعي ځیرکتیا د لنډیز جوړونې او د موضوع یا تیم د موندلو په برخه کې مرسته کولی شي، چې دا د هغې له مهمو ګټو څخه شمېرل کېږي. دا ټکنالوژي اوږده متنونه لنډوي، کلیدي ټکي ترې راوباسي او مهمې موضوعات مشخص کوي – چې همدا موضوعي استخراج د مصنوعي ځیرکتیا له ګټو څخه شمېرل کیږي، چې دا د هغو څېړنو لپاره ګټور دی چې ډېره اندازه متنونه او اوږده ټرانسکریپټونه لري.

دلته د یوې خبرې یادول اړین دي، هغه دا چې د کیفي تحلیل یو میتود له لنډیزونو سره کار کول دي، خو دا میتود یوازې په ځانګړو حالتونو کې کارول کیږي. که څېړونکی د عادي تحلیل پر ځای د مصنوعي ځیرکتیا له لارې یوازې لنډیزونه تولید کړي، دا کار نا سم دی او یو زیاته اندازه ډیټا د تحلیل له پروسې څخه د باندې پاتې کیږي.

مصنوعي ځیرکتیا ځینې محدودیتونه لري، هغه دا چې مصنوعي ځیرکتیا د خامو موادو پر بنسټ لنډیزونه جوړوي او ځینې نښې، احساسات او کلتوري نکتې له پامه غورځوي. په کیفي ډیټا کې ځینې ژبنيزې اشارې، مکثونه، ساه اخیستل، استعارې، او متضاد فکرونه د یوې سیمې او کلتور له اړخه ځانګړې مانا او تفسیر لري، چې یوازې انسان یې درک کولی شي.

په دې برخه کې تل د وخت د سپما او د مالوماتو د ژورتیا یا غنامندي د توازن موضوع مطرح کیږي، که څېړونکي د وخت سپما ته لومړیتوب ورکړي، نو ممکن ډير ازښتناک او اړین مالومات له لاسه ورکړي او دا مالومات ضایع کیږي.

د ډیټا کوډینګ او کټګوري جوړول

مصنوعي ځیرکتیا د متنونو او ټرانسکریپټونو د کوډینګ، کټګوري کولو، او یا د کوډینګ د لومړني پلان د جوړولو وړتیا لري؛ خو د کیفي ډیټا کوډینګ یوازې د کوډونو په نښه کول یا د کټګوریو جوړول نه دي، بلکه دا د مفهوم او مانا د لټون او پېژندلو، د مفاهیمو د اغېزو د څېړلو، د تیوریکي برخو په نښه کولو، استعارو پېژندلو او انعکاسي تفکر (Reflexivity) پروسه ده.

د کوډینګ برخه د تحلیل لومړنی ګام هم بلل کېدای شي. دا ستونزه په کلتوري او ټولنیزو متنونو کې لا ډېره جدي وي، ځکه د ماشیني کوډینګ پر مهال تیوریکي تفسیرونه له پامه غورځول کېږي. له دې څخه څرګندېږي چې یوازې د اتومات کېدو یا د کار د چټکتیا په خاطر باید د کوډینګ ټول کار ماشین یا مصنوعي ځیرکتیا ته ونه سپارل شي، بلکه په دې پروسه کې ژوره انساني مداخله اړینه ده. لکه څنګه چې مو پورته ولوستل، د تحلیل په پروسه کې د ماشین یا مصنوعي ځیرکتیا او انساني مداخلې ګډ کار د ژور او هر اړخیز تحلیل لپاره زمینه برابروي.

تیوریکي تفسیر: په کیفي تحلیل کې تیوریکي تفسیر هغه مرحله ده چې څېړونکی د معلوماتو د تشریح تر څنګ، د هغوی تر شا ژوره مانا، اړیکې او مفاهیم د یوې کلتوري یا ټولنیزې تیورۍ په رڼا کې تحلیلوي. په دې مرحله کې څېړونکی یوازې دا نه ګوري چې ګډونوالو څه ویلي دي، بلکه دا هم څېړي چې ولې یې داسې ویلي دي؟ او دا خبره د کومې ټولنیزې یا کلتوري نظریې یا تیورۍ سره اړخ لګوي.

مصنوعي ځیرکتیا او اخلاقي ننګونې

څېړنه د اخلاقو، روڼتیا، امانتدارۍ او بېپریوالي کار بلل کېږي، او علمي څېړنه باید پر دې اصولو ولاړه وي. د علمي څېړنو پر مهال د تحقیق ډیزاین باید له عملي پړاو وړاندې د اخلاقي کمیټې لخوا تائید شي، او د څېړنې پر مهال باید ټول اخلاقي کوډونه په پام کې ونیول شي. د میتودولوژۍ په برخه کې دا اصل په واضحه توګه بیانېږي. هر علمي څېړنیز راپور یا مقاله باید د اخلاقي کمیټې له تائید وروسته خپره شي. د ټکنالوژۍ د پرمختګ او مصنوعي ځیرکتیا له کارولو سره ځینې اخلاقي ننګونې تړلې دي، چې څېړونکی باید پرې خبر وي او پام ورته وکړي:

∙  د معلوماتو سرچینې: لوی ژبني ماډلونه (LLms) په اتومات ډول د زدهکړې وړتیا لري او د انټرنټ په جال کې له پرتو پراخو سرچینو څخه، ډېری وخت د مسؤولو اشخاصو یا شرکتونو له اجازې پرته، روزل کېږي. آن دا چې د انسانانو له تعامل او خبرو اترو څخه هم زدهکړه کوي، چې دې ته (Reinforcement Learning by Human Feedback – RLHF) ویل کېږي.

دا چاره د فکري ملکیت، محرمیت، او د معلوماتو د کارونې په اړه حقوقي او اخلاقي پوښتنې راپورته کوي. په دې اړه نړیوال بحثونه روان دي، خو لا یې پایلې نه دي مالومې شوې، ځکه انسانانو په یو ځلي توګه د دې ټکنالوژي کارولو ته ور مخه کړې ده، وګړیز ژوند او ورځنۍ چارې یې دومره اسانه کړې دي چې ډيری خلک د دې ننګونو په اړه ان فکر لا نه کوي.

په ساده ژبه که ووایو، هر ځل چې موږ له مصنوعي ځیرکتیا سره تعامل کوو، زموږ معلومات، انځورونه یا ویډیوګانې خوندي کېږي او د روزنې لپاره ترې استفاده کېږي. همدارنګه د ټولنیزو رسنیو څخه په لویه پیمانه ډیټا (لکه پوسټونه، تبصرې، لایکونه، او ایموجي غبرګونونه) هم د دې ماډلونو د زده‌‌کړې برخه ګرځيږي.

∙  پرېوالی یا تعصب (Bias) او د نمونې استازیتوب: په څېړنو کې د نمونې انتخاب یو مهم اصل دی — نمونه باید د ټول نفوس سم استازیتوب وکړي. که دا اصل د مصنوعي ځیرکتیا ماډلونو ته تطبیق کړو، څرګنده ده چې دا ماډلونه په لویه کچه د انګلیسي ژبې او لوېدیځ د ډیټا پر بنسټ روزل شوي دي. له همدې امله، د هغوی تولیدات د ژبني او کلتوري پرېوالي ستونزه لري. څېړونکی باید د ژبنیو ماډلونو سرچینې وپېژني، پرېوالی په پام کې ونیسي، او پر هر هغه څه چې ماشین یې وړاندې کوي ړوند باور ونه کړي. پر ماشین تکیه کول فکري او تخلیقي کار کمزوری کوي او انسان له فکري خپلواکۍ بېبرخې کوي.

∙  وګړیز یا انساني استثمار: د لویو ژبنیو ماډلونو د روزنې او فاین ټیون (Fine-tuning) پروسې لپاره، د معلوماتو د پاکولو او د ناوړه محتواوو د فلټر کولو په برخه کې ډېری وخت انساني قوه کارول کېږي. دا کارکونکي اکثره وخت له بېوزلو یا مخ پر ودې هیوادونو څخه د ټیټ معاش او نامناسبو شرایطو سره ګمارل کیږي. دا موضوعع یوازې د مصنوعي ځیرکتیا پورې محدوده نده، بلکه په نورو برخو کې هم د یوې جدي اخلاقي او حقوقي موضوع په توګه مطرح شوې ده.

کارین هاوو او یو شمېر نورو نقادانو دا حالت د “تخنیکي استعمارTechnical Colonialistm” یوه بڼه بللې ده.

∙  چاپېریالي او محیطي ننګونې: د ژورې زده‌کړې (Deep Learning) ماډلونه د روزنې او فعالیت لپاره په لوړه اندازه بریښنا او اوبو ته اړتیا لري. د چاپېریال د ساتنې متخصصین پر دې باور دي چې د ځینو لویو NLP ماډلونو روزل د څو موټرو د ټول عمر د کاربن د اخراج معادل انرژي مصرفوي. دا موضوع د څېړنو له اخلاقي اړخه هم د بحث وړ ګرځېدلې ده.

عملي وړاندیزونه او پایله

د کیفي څېړنو او مصنوعي ځیرکتیا د اړیکو او ګډ کار په برخه کې ځینې عملي وړاندیزونه خورا مهم دي. که دا او ورته وړاندیزونه په نظر کې ونیول شي، څېړونکي به په دې بریالي شي چې له نوې ټکنالوژي څخه د خپل کار د اسانتیا لپاره سمه ګټنه وکړي، او د څېړنیز کار په پروسه کې د انساني تحلیل ارزښت خوندي وساتي.

• مصنوعي ځیرکتیا د مرسته کوونکې او اسانتیا برابرونکې وسیلې په توګه وکاروئ، نه د انساني تفسیر او تحلیل د بدیل په توګه .مصنوعي ځیرکتیا باید د څېړنیز کار د اسانتیا لپاره وکارول شي، خو تیوریکي تفسیر، استنتاج او تحلیلي ژورتیا باید د انساني فکر او تحلیل له لارې ترسره شي.
• د خپل څېړنیز کار لپاره هغه وسیله غوره کړئ چې د هدف ته د رسیدو په برخه کې مو سمه مرسته وکړي. که مو د مرکو شمېر کم او ټرانسکریپټونه لنډ وي، غوره ده چې په خپله یې ولولئ او په لاسي ډول یې کوډ کړئ؛ خو که د خلاصو پوښتنو کیفي ځوابونه زیات وي، یا اوږده ټرانسکریپټونه لرئ، د مصنوعي ځیرکتیا کارول غوره او ګټور وي. که څېړنه مو د ټولنیزو شبکو له ډیټا سره تړاو لري، د تولیدي مصنوعي ځیرکتیا کارول اړین دي، خو وروستی تحلیل او تفسیر باید حتمًا تاسې پخپله ترسره کړئ.
  
• روڼتیا او امانتداري د څېړنې د بنسټیز اصل په توګه له پامه مه غورځوئ. د څېړنیز کار په بهیر کې که د مصنوعي ځیرکتیا یا بل هر تخنیکي وسیلې څخه کار اخلئ، په اړه یې باید روښانه او هر اړخیز معلومات وړاندې کړئ. واضح ولیکئ چې کوم ماډل او نسخه مو کارولې، کوم پرامپټونه یا امرونه مو ورکړي، او پایلې مو څنګه ارزولي دي.
• د محرمیت او فکري ملکیت موضوع ته جدي پاملرنه وکړئ .د معلوماتو د راټولولو پر مهال د ګډونوالو رضایت، د ډیټا محرمیت، او د فکري ملکیت درناوی باید تل رعایت شي. هېڅ څېړنیز ډیزاین یا پایله دې د اخلاقي کمیټې له تائید پرته نه خپرېږي.
• په افغانستان کې دې پوهنتونونه او علمي بنسټونه داسې کورسونه جوړ کړي چې د څېړنیزو میتودونو ترڅنګ عملي تخنیکونه هم پکې شامل وي، لکه مصنوعي ځيرکتیا او نور. د (تیوري + وسیله و اسباب) ګډ تدریس دې د عملي تمرین له لارې تجربه شي، څو زده‌کوونکي وکولی شي د څېړنې او ټکنالوژۍ تر منځ تعامل په واقعي ډول درک کړي.
• په عملي او زدهکړییزو پروسو کې دې له محلي او کلتوري ډیټا څخه ګټه واخیستل شي: دا کار به څېړونکو ته د دې زمینه برابره کړي چې محلي ژبنيزې ځانګړتیاوې، اصطلاحات، استعارې او ټولنیز مفاهم د سیمهییزو تجربو او تیوریو په رڼا کې تحلیل کړي.

دا کار به څېړونکو ته زمینه برابره کړي چې محلي ژبنيزې ځانګړتیاوې، اصطلاحات، استعارې او ټولنیز مفاهیم د سیمه‌ییزو تجربو او تیوریو په رڼا کې تحلیل کړي. که څېړونکي د مصنوعي ځیرکتیا څخه تر لاسه شوي مالومات د زدکړو یا تمرین لپاره وکاروي، دا مالومات به د کلتور له پلوه پردي، او د محلي تیوریو سره به اړخ نه لږوي. همدا ډول، که مصنوعي ځیرکتیا د خپلو مالوماتو د تحلیل لپاره وکاوری، ممکن تحلیل مو د غربي لیدلوري تر اغیز لاندې وي او لویه اندازه پرېوالی یا تعصب ولري.

د زدکړې او تمرین لپاره زما شخصي نظر دا دی، چې څېړونکي دې د خپلې سیمې د خلکو د تجربو، پېښو یا یوې مشخصې پدیدې په اړه څو مرکې ترسره کړي، ټرانسکریپټونه دې ولیکي (د اخلاقي اصولو په پام کې نیولو سره) او ډیټا دې په درې مرحلو یا بېلو طریقو کوډ او تحلیل کړي.

.1 لاسي کوډینګ (د دوو څېړونکو په مشوره)،

.2 د سافټویر (NVivo/CAQDAS) په مرسته کوډینګ،

.3 د تولیدي مصنوعي ځیرکتیا په مرسته کوډینګ او لنډیز جوړونه.

له پورته درېواړه طریقو څخه تر لاسه شوې پایلې سره پرتله کړئ او د انساني او ماشیني کوډینګ او تحلیل ترمنځ موجوده توپیرونه په نښه او مشخص کړئ. وروسته دې څېړونکي د ټولنیزو او فرهنګي حساسیتونو، نظریو او انعکاسي تفکر په رڼا کې پایلې وارزوي.

څېړونکی باید د کیفي څېړنو د میتودونو، د کوډ، کټګورۍ او تیم تر منځ توپیر، او د تیوریکي تفسیر مفهوم په اړه بشپړه پوهه ولري، او د تحلیل د میتودونو په اړه سم روزل شوی وي. له دې پرته څېړونکی نشي کولی چې د کوډینګ او تحلیل پروسې په سمه توګه درک او عملي کړي، او د ماشین یا مصنوعي ځیرکتیا پر مټ تولید شوي مالومات او پایلې به کره بولي، چې دا کار په لویه کچه پرېوالی او تعصب رامنځته کوي، او ان تر دې چې علمي تیروتنه حسابیږي.

پایله

په ټوله کې ویلی شو چې د کیفي څېړنو په برخه کې د مصنوعي ځیرکتیا کارول د فرصتونو تر منځ ننګونې او محدودیتونه هم رامنځته کړي دي. دا څرګنده ده چې ټکنالوژي زموږ ژوند او څېړنیز کارونه اسانه کړي، خو باید خپل فکر، تحلیل او علمي خپلواکي له لاسه ور نه کړو.

رسمي ادارې باید د ټکنالوژۍ د چټک پرمختګ او د څېړنو د عصري میتودونو سره سم تعلیمي او روزنیز پروګرامونه ډیزاین کړي. د زدهکړې په نصاب کې دې د کیفي څېړنو تر څنګ ټکنالوژي او په خاصه توګه د مصنوعي ځیرکتیا پیژندنه او کارول حتمي وګرځوي، او د اخلاقي مسایلو لپاره دې عملي کړنلارې او کمیټې جوړې کړي.

د کیفي څطړنو له میتودونو، پروسو او میتودولوژیکو بدلونونو سره بلدتیا او د عملي کار د اسانتیا لپاره د ټکنالوژي کارول مو د ژوند چارې اسانه کوي.