بایگانی بی‌نهایت: هوش مصنوعی در کتابخانه‌ها و علوم اطلاعات

کتابخانه فقط انبار نیست و آرشیو با خلاصه‌کردن مدل حفظ نمی‌شود. کتابخانه انتخاب، توصیف، دسترسی، حفاظت حریم، مذاکره حق، آموزش پژوهش و نگهداری حافظه فرهنگی را میان فناوری‌های متغیر انجام می‌دهد. هوش مصنوعی به کشف، رونویسی و فراداده کمک می‌کند، اما می‌تواند استناد جعلی، توصیف یک‌سویه، افشای رفتار خواننده و وابستگی فروشنده بسازد.

هدف مسئولانه ۲۰۲۶ «بایگانی بی‌نهایت» نیست؛ دسترسی پایدار و قابل‌بررسی به مجموعه محدود زیر حق و سرپرستی روشن است. هوش مصنوعی باید قضاوت حرفه‌ای را مقیاس‌پذیر کند و منشأ، آزادی فکری، دسترس‌پذیری و دیدن منبع را نگه دارد.

۱. از مسئله خدمت آغاز کنید

مشخص کنید نیاز، جست‌وجوی اثر معلوم، کشف اکتشافی، اصلاح OCR، رونویسی، پیشنهاد موضوع، تشخیص تکرار، تریاژ مرجع، ارزیابی مجموعه، دسترس‌پذیری یا برنامه حفظ است. این کارها شواهد، خطر و معیار متفاوت دارند. چت‌بات عمومی سند نیازمندی نیست.

مجموعه، مخاطب، زبان، وضعیت حق، پرسش معمول، خطای پذیرفتنی، مالک و جایگزین را نام ببرید. AI را با فراداده بهتر، تغییر رابط، authority control، دیجیتالی‌سازی، آموزش کارکنان یا جست‌وجوی federated مقایسه کنید. ساده‌ترین مداخله مؤثر اغلب پایدارتر است.

۲. منشأ را در کشف حفظ کنید

پاسخ مکالمه‌ای می‌تواند تفاوت فراداده فهرست، متن دارای مجوز، finding aid، خلاصه تولیدی و وب بیرونی را پنهان کند. رابط باید مجموعه جست‌وجوشده، فیلتر، رکورد منطبق و منبع هر ادعا را نشان دهد. پیوند و شناسه پایدار باید زیر نثر باقی بماند.

بازیابی باید معناهای فیلد، ویرایش، تاریخ، پدیدآور، موضوع، موجودی و مرز مجموعه را رعایت کند. با مدرک ضعیف پاسخ نسازید. کاربر باید snippet را در زمینه ببیند، جست‌وجو را اصلاح، به فهرست اصلی برود و مشکل را گزارش کند. پاسخ روان رکورد کتابشناختی نیست.

۳. پیشنهاد فراداده را پیشنهاد نگه دارید

یادگیری ماشین می‌تواند رده، نام، موضوع، زبان، خلاصه یا پیوند موجودیت پیشنهاد دهد. همچنین واژه منسوخ را بازتولید، افراد هم‌نام را اشتباه، مفهوم محلی را در رده غالب حل یا ویژگی حساس را استنباط می‌کند. رکورد اصلی و نشان فیلد ماشینی را با نسخه مدل نگه دارید.

در جای مناسب از واژگان کنترل‌شده و authority file استفاده کنید، اما دانش محلی و جامعه را قربانی هستی‌شناسی واحد نکنید. access point مؤثر بر کشف، حق، هویت یا حساسیت فرهنگی مرور می‌خواهد. پذیرش، ویرایش، علت رد و عملکرد زبان، قالب و دوره را ثبت کنید.

۴. OCR را بدون بازنویسی تاریخ بهتر کنید

OCR و تشخیص دست‌خط روزنامه، کتاب و نسخه اسکن‌شده را جست‌وجوپذیر می‌کنند. کاغذ خراب، تایپ خاص، صفحه پیچیده، جدول، حاشیه، املای تاریخی، راست‌به‌چپ، زبان مخلوط و دست‌خط خطا می‌سازند. اصلاح مولد ممکن است واژه ناآشنا را بی‌صدا با واژه مدرن جایگزین کند.

تصویر منبع، OCR خام، متن اصلاحی، اطمینان، مختصات، نسخه نرم‌افزار و تاریخ اصلاح را نگه دارید. رونویسی دیپلماتیک را از متن نرمال جدا کنید. کیفیت را بر اساس عنوان، سال، زبان، وضعیت چاپ و نوع صفحه نمونه‌گیری کنید. برای نقل قول و نام، کاربر را به تصویر برگردانید.

۵. تولید دسترسی را از حفظ جدا کنید

زیرنویس، رونویسی، embedding، خلاصه یا تصویر بهبودیافته مشتق‌اند و دسترسی را بهتر می‌کنند. حفظ، شیء اصیل، رابطه، رویداد، حق و زمینه فنی را در زمان نگه می‌دارد. جایگزین تولیدی جانشین فایل master یا اصل فیزیکی نیست.

کتابخانه کنگره فراداده حفظ PREMIS را به‌عنوان استاندارد بین‌المللی برای استفاده بلندمدت نگهداری می‌کند. مدل شیء، رویداد، عامل و حق، ثبت تبدیل را منضبط می‌کند. fixity، قالب، منشأ، اعتبارسنجی، مهاجرت و وابستگی را ذخیره و استنباط مدل را رویدادی ثبت‌شده بدانید.

۶. حق نشر و مجوز را مجموعه‌به‌مجموعه اداره کنید

حق دیجیتالی‌سازی، نمایه‌سازی، نسخه دسترس‌پذیر، snippet، آموزش مدل یا ارسال به فروشنده به کشور، مجوز، ماده، هدف و کاربر وابسته است. در دسترس عمومی بودن یعنی آزاد از حق نشر، حریم، قرارداد، شرط اهدا یا محدودیت دانش بومی نیست.

بیانیه IFLA در آوریل ۲۰۲۵ درباره حق نشر و هوش مصنوعی موضوع را از دید کتابخانه و کاربر بررسی می‌کند، اما سیاست است نه قانون الزام‌آور. با تخصص محلی تحلیل حق انجام و مبنا، پردازش مجاز، حد خروجی، نگهداری و takedown را ثبت کنید. محتوای دارای مجوز را بدون اجازه به مدل عمومی ندهید.

۷. حریم خواننده و آزادی فکری را محافظت کنید

جست‌وجو، امانت، زمان مطالعه، پرسش مرجع، یادداشت و نیاز دسترس‌پذیری می‌تواند دین، سیاست، سلامت، مهاجرت، جنسیت، مشکل حقوقی و راهبرد پژوهش را آشکار کند. شخصی‌سازی داده می‌خواهد، اما مأموریت کتابخانه ممکن است محرمانگی و دسترسی بدون پروفایل را ترجیح دهد.

جمع‌آوری و نگهداری را کم، هویت را از log جدا، دسترسی کارکنان و فروشنده را محدود و حالت غیرشخصی فراهم کنید. تاریخچه کاربر را پیش‌فرض برای آموزش مدل عمومی مصرف نکنید. احضاریه، رخداد امنیتی، پردازش برون‌مرزی، کودک و دستگاه مشترک را بسنجید. پیش از پرسش حساس ثبت داده را توضیح دهید.

۸. دسترسی فراگیر و چندزبانه طراحی کنید

هوش مصنوعی می‌تواند زیرنویس، زبان ساده، ترجمه، متن‌به‌گفتار و مسیر جست‌وجوی جایگزین بسازد. در عین حال ظرافت و نام را از دست می‌دهد و برای زبان کم‌منبع یا معلولیت ضعیف‌تر است. با جامعه هدف آزمون کنید.

فراداده و محتوای زبان اصلی را کنار ترجمه نگه دارید. ترجمه تولیدی، اطمینان یا وضعیت مرور و راه اصلاح را نشان دهید. راست‌به‌چپ، screen reader، صفحه‌کلید، پهنای باند کم و رابط غیرچت را بیازمایید. شخصی‌سازی نباید filter bubble بسازد یا مرور بیرون علایق پیش‌بینی‌شده را ببندد.

۹. دستیار مرجع را به مدرک ببندید

دستیار می‌تواند کاربرد فهرست را توضیح، کلیدواژه پیشنهاد، پایگاه را معرفی یا راهبرد پژوهش پیش‌نویس کند. نباید موجودی، استناد، شرط دسترسی یا مشاوره حقوقی و پزشکی بسازد. پاسخ را روی منبع تأییدشده ground، استناد را آشکار و دامنه را به مجموعه قابل‌جست‌وجو محدود کنید.

ارجاع به کتابدار را برای مصاحبه پیچیده، ماده نادر، موضوع حساس، منبع دسترس‌ناپذیر، عدم قطعیت و خطا تعریف کنید. زمینه کافی برای ادامه خدمت را بدون نگهداری زائد داده کاربر حفظ کنید. دسترسی موفق به منبع و رفع سوءبرداشت را بسنجید، نه فقط سرعت.

۱۰. برای سرپرستی خرید کنید، نه قفل فروشنده

استفاده داده، آموزش مدل، پردازشگر فرعی، محل میزبانی، امنیت، دسترس‌پذیری، به‌روزرسانی، خروج، حسابرسی، رخداد، حذف، مالکیت، اثر محیطی و پایان قرارداد را ارزیابی کنید. خروجی ماشین‌خوان برای رکورد، یادداشت، embedding مفید و log پاسخ‌گویی لازم است.

برنامه پژوهشی Responsible Operations از OCLC کار فنی، سازمانی و اجتماعی را در توصیف، داده مشترک، مجموعه ماشین‌خوان، نیروی کار، خدمت و همکاری نشان می‌دهد. درس فراتر از یک فروشنده است: مهارت، حاکمیت و پایداری جزئی از سامانه‌اند. پایلوت بدون طرح حفظ و خروج، backlog آینده می‌سازد.

۱۱. با مدرک مجموعه و جامعه اعتبارسنجی کنید

مجموعه آزمون را میان زبان، دوره، قالب، موضوع، حق، سوگیری شناخته‌شده، شیء آسیب‌دیده و پرسش دشوار بسازید. مورد معلوم، اکتشافی، خصمانه، مبهم و بی‌پاسخ را بگنجانید. فهرست‌نویس، آرشیویست، کتابدار، متخصص حفظ و دسترس‌پذیری و جامعه مرتبط مرور کنند.

کیفیت بازیابی، اعتبار استناد، خطای OCR، پذیرش فراداده، زمان اصلاح، دسترس‌پذیری، رخداد حریم، بار کارکنان، انرژی، هزینه و موفقیت کاربر را بسنجید. خطا را به تفکیک مجموعه گزارش کنید. حالت سایه و پایلوت محدود با توقف و بازخورد اجرا و پس از تغییر مدل یا index دوباره آزمون کنید.

۱۲. دروازه سرپرستی عملی

وقتی عرضه کنید که هدف خدمت روشن، منشأ قابل‌دیدن، master و رکورد معتبر محفوظ، حق و حریم ترسیم، خروجی دسترس‌پذیر و قابل‌مرور، فروشنده قابل‌کنترل و جایگزین و کیفیت در مجموعه واقعی سنجیده باشد. مدلی که استناد، امتناع، خروج یا خاموشی ندارد نباید تنها مسیر کشف باشد.

برای الگوهای مرتبط، هوش مصنوعی در کتابخانه و خدمات اطلاعات، RAG و کیفیت دانش و استدلال گراف دانش را ببینید. کتابخانه آینده پویاست چون انسان می‌تواند دانش را ردیابی، نقد، بازتفسیر و حفظ کند؛ نه چون الگوریتم ادعای فهم همه‌چیز دارد.

یادداشت منابع

منابع در ۲۰۲۶-۰۷-۳۰ بررسی شدند:

• بیانیه IFLA درباره کتابخانه‌ها و هوش مصنوعی — سیاست بین‌المللی ۲۰۲۰ درباره آزادی فکری، برابری، حریم، سواد و خرید اخلاقی.
• بیانیه IFLA درباره حق نشر و هوش مصنوعی — سیاست تأییدشده هیئت IFLA و منتشرشده ۲۹ آوریل ۲۰۲۵؛ قانون الزام‌آور نیست.
• کتابخانه کنگره: فعالیت نگهداری فراداده PREMIS — صفحه جاری نگهداری استاندارد بین‌المللی فراداده حفظ؛ PREMIS 3.0 را نسخه جاری معرفی می‌کند.
• OCLC Research: عملیات مسئولانه در علم داده، یادگیری ماشین و AI کتابخانه — برنامه پژوهشی مبتنی بر جامعه برای حاکمیت عملیاتی، فنی، سازمانی و اجتماعی.