لماذا يُخطئ الذكاء الاصطناعيّ في الخطّ العربيّ
تقدمت النماذج في قراءة النصوص العربية، لكنها ما زالت تخطئ في اللوحات الخطية. بحث في قواعد الخط، وبيانات حركة القلم، وما يمكن تعلمه من تصحيح المعلم.
قد تطلب من مولّد صور كتابة عبارة بالخط العربي، فتحصل على صورة تشبه الخط من بعيد: سماكة القلم مقنعة، والكلمات متراكبة كما في الثلث. لكنك عندما تحاول قراءتها، تجد أن بعض الحروف لا يؤدي إلى كلمة مفهومة.
يرى القارئ العربي الأخطاء بسرعة: حروف منفصلة في مواضع الوصل، وهاء بشكل ابتدائي في وسط الكلمة، ونقاط لا يُعرف لأي حرف تنتمي. قد يخطئ المبتدئ في النسب وتبقى عبارته مقروءة، بينما تفشل هذه الصور أحيانًا في الحفاظ على النص نفسه.
أردت أن أفهم السبب. أعمل في البرمجة، وأتدرّب على الخط منذ سنوات؛ وما زلت أقضي وقتًا طويلًا في محاولة كتابة ألف أقبل شكلها. توقعت أن أجد نقصًا في بيانات التدريب، لكن البحث قادني إلى مشكلة أدق.
من قراءة النص إلى قراءة اللوحة الخطية
بدأت بافتراض أن النماذج تحتاج إلى مزيد من النصوص والصور العربية. لكن نتائج التعرف على الكتابة اليومية والمخطوطات أظهرت تقدمًا كبيرًا، بينما بقيت قراءة اللوحات الخطية أصعب بكثير.
يحوّل Qalam صور النصوص العربية إلى نص قابل للمعالجة. دُرّب على أكثر من 4.5 مليون صورة من المخطوطات، وسجل في اختبار الكتابة اليدوية معدل خطأ كلمات قدره 0.80%. أما QARI-OCR، المبني على Qwen2-VL ذي الملياري معامل، فسجل معدل خطأ محارف قدره 6.1% في نصوص عربية غنية بالتشكيل. هذه نتائج على مجموعات الاختبار المذكورة في البحثين، وليست ضمانًا للأداء على أي صورة عربية.
للمقارنة بين النتائج، نحتاج إلى التمييز بين ثلاثة مقاييس. معدل خطأ الكلمات يقيس أخطاء التعرف على مستوى الكلمة، ومعدل خطأ المحارف يقيسها على مستوى الحرف. قد تُحسب كلمة كاملة خاطئة بسبب حرف واحد. أما المطابقة التامة فهي نسبة الصور التي تعرّف النظام على نصها كاملًا دون خطأ.
خصص باحثون من جامعة محمد بن زايد للذكاء الاصطناعي معيار DuwatBench للخط العربي، ونشروه في كانون الثاني. يضم 1272 عينة من الثلث والديواني والكوفي والنسخ والرقعة والتعليق، مع النصوص والأنماط ومربعات التحديد. اختبروا عليه ثلاثة عشر نموذجًا، منها نماذج عامة وأخرى متخصصة بالعربية، مفتوحة ومغلقة.
حقق Gemini 2.5 Flash أفضل نتيجة: معدل خطأ كلمات 45%، ومطابقة تامة 42%. تراوحت المطابقة التامة في النماذج الثلاثة عشر من صفر إلى 42%، بمتوسط 17.9%. وتوضح الأمثلة نوعًا من الإخفاق لا يظهر في المتوسط وحده: أحد النماذج يكرر لفظ الجلالة بدل قراءة النص الموجود في الصورة.
تختلف هذه النتيجة كثيرًا عن معدل الخطأ الذي يقل عن 1% في مهمة Qalam، مع اختلاف مجموعات الاختبار وطبيعة النصوص. وحتى التخصص بالعربية لم يكفِ: النموذجان المتخصصان بها جاءا قرب نهاية ترتيب DuwatBench. سجل نموذج TrOCR للكتابة اليدوية العربية من Microsoft معدل خطأ كلمات 99.98%، دون مطابقة تامة واحدة.
توقعت أن ترتفع الأخطاء كلما زادت الزخرفة، لكن توزيع النتائج على الأنماط لم يتبع هذا الترتيب.
كانت صعوبة الكوفي لافتة. أشكاله هندسية ويمكن وصف كثير منها على شبكة، ومع ذلك كان الأصعب على النموذجين. قد تكون هذه الهندسة نفسها قد أزالت تفاصيل يستعين بها القارئ على تمييز الحروف؛ هذا تفسير محتمل، وليس نتيجة أثبتها الاختبار.
أما تفوق النموذج المغلق في الثلث فيحتاج إلى حذر في التفسير. يمثل الثلث 55% من العينات، وتشكل النصوص القرآنية 44% من المعيار كله. قد تساعد معرفة العبارات الشائعة على تخمين النص، لكن هذه النسب وحدها لا تثبت أن النموذج اعتمد على الحفظ.
وتقول خلاصة البحث إن النسخ والرقعة أسهل عند النظر إلى النماذج الثلاثة عشر مجتمعة. وتذكر أيضًا أن النتائج تتحسن كثيرًا في الثلث والديواني لدى النماذج المغلقة؛ وهو ما يظهر في عمود Gemini.
هل يكفي نموذج أكبر؟
يبقى احتمال أن تحل زيادة بيانات التدريب المشكلة. بحث نُشر في حزيران اختبر أثر الحجم مع تثبيت بنية النموذج.
استخدمت سناء العزّاوي وإليزا بارني وماركوس ليويتسكي نموذجًا واحدًا لاختبار تسع مجموعات من الكتابة اليدوية، تشمل العربية والأردية والفارسية والإنجليزية والألمانية. ثبّت الباحثون بنية النموذج، وقارنوا النتائج عبر مجموعات البيانات وأحجام التدريب. كان الفارق بين الكتابة بالحرف العربي واللاتيني أكبر عندما قلت البيانات. ضاق مع زيادتها، لكنه بقي عند خمس إلى سبع نقاط مئوية في معدل خطأ المحارف حتى مع استخدام المجموعة كاملة. وساعد تصحيح أخطاء التوصيف على تضييقه، دون إزالته.
وجد الباحثون أن نحو 30% من أخطاء الاستبدال في بيانات الخط العربي تأتي من الخلط بين حروف متشابهة بصريًا، مقابل نحو 15% في اللاتينية. في بعض المواضع، تتشارك عدة حروف الهيكل نفسه ولا يميزها إلا عدد النقاط ومكانها. يجب إذن أن يربط القارئ النقطة بالحرف الصحيح، لا أن يتعرف على شكل الحرف وحده.
تزداد الصعوبة في تركيب الثلث، إذ قد يبعد الخطاط النقاط عن الحروف لتحقيق التوازن. يستعين القارئ المتمرّس بالكلمة والسياق لفهم هذه العلاقات. أما ربط كل علامة بأقرب شكل بصري فلا يكفي.
وتظهر حدود التعميم في مخطوطات العجمي بغرب أفريقيا، حيث تُكتب لغات أخرى بالحرف العربي. قدمت وقائع ICDAR 2025 مجموعة بيانات لمخطوطات الفلفلدية والهوسا. سجلت نماذج التعرف على المخطوطات العربية التاريخية فيها معدل خطأ محارف بين 65% و84%. هذه أخطاء على مستوى الحروف، وليست الكلمات، وتوضح أن النجاح في نوع من المخطوطات لا ينتقل تلقائيًا إلى نوع آخر.
ما الذي يفعله الخطّ
عدت بعد ذلك إلى قواعد الخط نفسه. أردت أن أفهم العلاقات التي يصعب على هذه النماذج قراءتها.
يتغير شكل الحرف العربي بحسب موضعه: منفردًا أو في بداية الكلمة أو وسطها أو نهايتها. وستة حروف، هي ا د ذ ر ز و، لا تتصل بما بعدها، فتتوزع الكلمة على مقاطع منفصلة. وهناك تراكيب تجمع حرفين في شكل خاص. وفي الخطوط الكلاسيكية، قد تتراكب الكلمات رأسيًا كما في الثلث، أو تصعد على السطر كما في الديواني. يحتاج القارئ إلى فهم هذه العلاقات حتى يعرف ترتيب القراءة.
تؤثر هذه القواعد في تكوين الحروف وقراءة الكلمات، وليست مجرد زخرفة تضاف بعد كتابة النص.
في الديواني، المستخدم في الدواوين العثمانية، تتقارب الكلمات وتصعد في تراكيب كثيفة. ومن التفسيرات التقليدية لهذا التقارب أنه يصعّب إضافة كلمات أو بنود إلى الوثيقة بعد كتابتها.
وفي النستعليق، الذي يجمع اسمه بين النسخ والتعليق، تنحدر الكلمات قطريًا وتختلف مستوياتها. لذلك لا يكفي نموذج صفّ يفترض أن جميع الحروف والكلمات تستقر على خط أفقي واحد.
تُظهر صورة العمل النهائي موضع الحبر، لكنها لا تسجل ترتيب حركات القلم وزاويته، ولا سبب اختيار موضع نقطة أو كلمة. يستطيع النموذج تعلم كثير من العلاقات من الصور، لكن الصورة وحدها لا تقدم هذه القرارات بصورة صريحة.
القواعد كانت مكتوبةً سلفًا
توقعت أن تكون بعض هذه القواعد غير موثقة. وجدت، بدلًا من ذلك، تراثًا طويلًا لقياس الحروف وتنظيمها.
يقوم الخط المنسوب على نظام للنسب يعود إلى أكثر من ألف سنة، ويُنسب في المشهور إلى ابن مقلة (ت 328هـ/940م). يستخدم النقطة والألف والدائرة مراجع لقياس الحروف.
تساعد هذه المقاييس الخطاط على تحديد الخطأ في النسبة، بدل الاكتفاء بالشعور بأن الحرف يبدو غريبًا. ويُنسب إلى ابن مقلة تقنين الأقلام الستة، ثم تطوير النظام على يد ابن البواب (ت 413هـ) وياقوت المستعصمي. كانت هناك إذن قواعد قابلة للوصف قبل ظهور برامج الخطوط بقرون.
وتوجد قواعد للتكوين على مستوى الصفحة أيضًا. من أمثلتها تخطيط الحلية الذي أعاد الخطاطون استخدامه مع اختلاف التفاصيل.
ثم وجدت محاولة حديثة لتحويل معرفة الخط إلى برنامج، وهي التي غيّرت تصوري للمشكلة.
تأسست DecoType سنة 1985 على يد بيتر سومرز وميريام سومرز وتوماس ميلو. طورت الشركة خطوطًا تطبق قواعد الكتابة عند تركيب الحروف، ومنها خط رقعة رقمي ديناميكي وصل إلى Microsoft Office في أوائل التسعينيات. وعرف مستخدمو Office أيضًا عائلتي DecoType Naskh وDecoType Thuluth، اللتين تحمل نسخهما المخصصة له تواريخ ترخيص بين 1992 و1998. لم أستطع التحقق من وجودهما في إصدارات Office الحالية.
بنت DecoType محرّك ACE للرقعة أولًا، ثم وسعته اعتمادًا على دراسة النسخ. حمل الاسم في البداية معنى محرّك الخط العربي، ثم أصبح محرّك التركيب المتقدم مع اتساع استخدامه.
يشرح ميلو في عرض نموذج ACE كيف يمكن بناء نظام صفّ ينطلق من قواعد الكتابة العربية وتراث المخطوطات. يحدد المحرّك طريقة تركيب الحروف وفق هذه القواعد، بدل التعامل معها كقطع مطبعية مستقلة. ونال ميلو جائزة بيتر كارو سنة 2009.
استخدم المصممون هذا المحرّك عبر «تصميم»، وهو ملحق لـ InDesign ME طورته DecoType مع WinSoft International، التي تولت نشره. ما يهمني فيه هو مقدار التحكم الذي يتيحه في تركيب الحروف، اعتمادًا على قواعد الكتابة نفسها.
أوقفت WinSoft منتج «تصميم» في نيسان 2021. شمل القرار الملحق، لا شركة DecoType أو محرّكها كله. كان آخر إصدار مخصصًا لـ InDesign CC 2021، مع استمرار دعم العملاء إلى نهاية اشتراكاتهم، ودون مبيعات أو ترقيات جديدة. وفي مراجعتي لموقع DecoType، كان أحدث محتوى مؤرخ وجدته محاضرة من 2017.
ومن الأسماء التي تكررت في هذا التاريخ نهاد تيسير ندم، المصمم الدمشقي المقيم في دبي. يذكر في سيرته عمله مع Adobe وWinSoft وDecoType، ومشاركته سنة 2011 في تطوير أدوات للخط العربي على الويب إلى جانب «تصميم». ويقدم اليوم ArabicDesign.ai، التي تولّد صورًا خطية من نص عربي بنحو خمسة عشر نمطًا، وتتيح تصديرها بصيغة متجهية.
تقول صفحة مزايا الأداة إنها تحافظ على النص المطلوب بنسبة تصل إلى 95% وتقلل أخطاء الحروف والنقاط. هذه أرقام يعلنها المنتج، لا قياسات مستقلة أجريتها. لكنها تكشف الحد الذي يقر به: حتى الأداة المتخصصة لا تضمن سلامة النص في كل نتيجة. وتذكر مقالة صاحبها الأخطاء نفسها التي بدأت بها: حروف غير صحيحة، ونقاط في غير مكانها، وكلمات متقطعة.
الأدوات المتاحة اليوم
إذن لدينا تجربة تجارية قديمة في تمثيل قواعد الخط، لكن جزءًا من الأدوات التي أتاحت هذه التجربة توقف. أما أبحاث التوليد التي راجعتها، فتنطلق غالبًا من صور الخط. جمعت مراجعة منهجية تسعة عشر بحثًا بين 2009 و2024، ووجدت حضورًا بارزًا للشبكات التوليدية التنافسية ومشتقاتها، مقابل حضور محدود لنماذج الانتشار. في الشبكة التنافسية، يولّد جزء الصور ويتعلم جزء آخر تمييزها عن بيانات التدريب.
يعرض جدول مناهج التوليد في المراجعة أربعة أبحاث: يظهر DCGAN في بحثين، وCycleGAN في بحثين، وGAN الأصلي وVQ-GAN في بحث. تتداخل الأعداد لأن أحد الأبحاث جرّب أكثر من منهج. أما التقييم، فتذكر المراجعة أربعة أبحاث استخدمت الحكم البشري، واستخدامًا واحدًا لمقياس FID. العينة البحثية صغيرة، فلا تكفي لتعميم واسع على كل طرق التوليد.
وتعرض المراجعة مجموعات البيانات المستخدمة، مع اختلاف كبير في أحجامها:
تعمل الأبحاث التي تعرضها هذه المراجعة غالبًا على مجموعات صغيرة من الصور. وهذا يفتح سؤالًا: كيف يمكن تزويد النموذج بقواعد الخط المعروفة، بدل مطالبته باستنتاجها كلها من الصور؟
توجد جهود كبيرة لرقمنة هذه المواد. طوّر مركز IRCICA في إسطنبول نظامًا للتعرف الضوئي على النصوص العثمانية سنة 2011، وتضم مكتبة الفارابي الرقمية نحو مليوني صفحة عثمانية ممسوحة. ويعلن Osmanlica.com متوسط دقة يتجاوز 95% في نظام يجمع قراءة النص ونقله إلى الحروف اللاتينية وترجمته إلى التركية الحديثة. هذا رقم يعلنه المشروع، ولم أختبره بنفسي.
ولدى IRCICA أيضًا أرشيف لأعمال فائزة في مسابقات الخط عبر أربعة عقود. لكن التعرف على الوثائق الإدارية وقراءة اللوحات الفنية مهمتان مختلفتان؛ وجود أرشيف رقمي لا يعني أنه أصبح مجموعة تدريب مناسبة للثانية.
تجارب في تحويل القواعد إلى برامج
توجد أمثلة قريبة توضح فائدة تمثيل القواعد صراحة.
في الخط الكوفي المربع، أو البنائي، تتبع الحروف شبكة تشبه شبكة الآجر الذي تُبنى به. يستفيد بحث في توليده بالأوتوماتا الخلوية من هذه البنية: تُطبق قواعد على خلايا الشبكة لتكوين الأنماط. هنا تتوافق طريقة التمثيل البرمجي مع طريقة بناء الشكل.
وفي زخارف الگِره الهندسية، قدم عجيل ومحمود طريقة لإكمال الزخرفة باستخدام قيود التناظر. تبدأ من عناصر هندسية متفرقة، وتقيّم الحواف المحتملة على شبكة لإكمال الشكل. المثال يتعلق بالزخرفة، لكنه يوضح كيف توجه قاعدة معروفة عملية التوليد.
ومثال آخر هو تخطيط صفحات المصحف. تتيح مكتبة QUL من ترتيل جداول تربط الكلمات بصفحاتها وأسطرها في تخطيطات متعددة، منها مصحف المدينة ذي 604 صفحات. يستطيع البرنامج استخدام هذه البيانات مباشرة للحفاظ على توزيع الكلمات، بدل محاولة استنتاج التخطيط من صورة الصفحة.
وتستخدم برامج مثل Kelk وeMashq وKaleam وCalliPro حروفًا صممها خطاطون ومصممو خطوط، مع أدوات لتركيبها. تختلف هذه الطريقة عن توليد صورة جديدة للنص؛ فهي تبدأ بأشكال محددة وقواعد لوصلها وترتيبها.
أدوات ترمّز قواعد الخطّ
- Kelk
- النسخ والتعليق والثلث والديوانيّ خفيّه وجليّه والكوفيّ والرقعة والشكسته والمعلّى
- يرسمها مصمّمو حروفٍ، ويركّبها البرنامج
- eMashq
- الثلث والإجازة والديوانيّ والديوانيّ الجليّ والنسخ والتعليق والشكسته والرقعة
- يرسمها مصمّمو حروفٍ، ويركّبها البرنامج
- Kaleam
- الثلث والديوانيّ والفارسيّ وأنماطٌ تقليديّةٌ أخرى
- يرسمها مصمّمو حروفٍ، ويركّبها البرنامج
- CalliPro
- 21 خطًّا — ديوان نسخ مصحفيّ، وديوان ثلث، ووسيم، وكوفيّ
- يرسمها مصمّمو حروفٍ، ويركّبها البرنامج
أدوات تولّد الأشكال
- ArabicDesign.ai
- نحو خمسة عشر نمطًا، من نصٍّ مكتوب، ويصدّر متّجهات
- «يحفظ النصّ المطلوب حتّى 95%»، و«يقلّل» أخطاء الحروف والنقط الشائعة
قوائمُ الأنماط كما تعلنها كلُّ أداة. والصفُّ الأخير منقولٌ من قائمة مزاياه — وهو الوحيد من الخمسة الذي لا يناولك الحروف مناولة.
راجعت أيضًا صفحات مولّدات أخرى، منها My Qalam AI وأدوات مجانية تعد بإنشاء الثلث في ثوانٍ. لم أجد في الصفحات التي قرأتها قياسات واضحة لصحة النص أو شرحًا كافيًا لأخطاء الحروف المحتملة. لذلك كان تصريح ArabicDesign.ai بحدود الدقة مفيدًا، حتى مع حاجته إلى تحقق مستقل. قبل طباعة النتيجة، أريد أن أعرف كيف أراجع نصها، لا كم يستغرق توليدها فقط.
تكرر أمامي فرق في طريقة تمثيل المعرفة: بعض الأدوات تستخدم قواعد وتراكيب محددة، بينما تتعلم أدوات التوليد من صور النتائج. يبدو الجمع بين النوعين اتجاهًا يستحق التجربة، بدل الاكتفاء بزيادة الصور.
الجزء الذي بقي غير مكتوب
لكن إذا كانت نسب الحروف موثقة منذ قرون، فما الذي لا يزال ناقصًا؟
تحدد القواعد قامة الألف ونسب الحروف، لكنها لا تختصر كل ما يراجعه المعلم في عمل الطالب: أين توضع النقطة في هذا التركيب، وكم ترتفع الكلمة، ولماذا يبدو حرف مضبوط القياس ضعيفًا داخل اللوحة.
ينتقل جانب كبير من هذه المعرفة بالممارسة والتصحيح المباشر. وتمنح الإجازة للطالب الذي أثبت تمكنه أمام معلمه، ضمن سلسلة من الخطاطين المعروفين. صورة العمل النهائي لا تحتفظ عادة بالتعديلات التي اقترحها المعلم ولا بأسبابها.
تحفظ هذه الطريقة معرفة دقيقة في الممارسة: زاوية القلم، وحدود نقل النقاط، وطرق تركيب الحروف. لكن تحويلها إلى بيانات يتطلب تسجيل عملية التصحيح نفسها، لا تصوير الأعمال المكتملة فقط.
السؤال المفيد هنا هو كيف نسجل الفرق بين المحاولة الأولى وتصحيح المعلم، مع تفسير السبب. هذا يوفر معلومات لا تظهر في صورة النتيجة وحدها.
ما قد ينفع فعلًا
أرى فرصة في بيانات تسجّل حركة القلم إلى جانب صور العمل النهائي.
تقدم Calliar، من مجتمع ARBML، مثالًا على ذلك: 2500 جملة كتبها أربعة أشخاص بقلم رقمي، مع تسجيل النقاط بالترتيب وتوصيف الضربات والحروف والكلمات والجمل. تحتفظ المجموعة بمسار الكتابة، وهو ما لا يتوفر في صورة العمل المكتمل وحدها.
بيّن غريفز في 2013 إمكان توليد كتابة يدوية عبر التنبؤ بمسارات القلم باستخدام خليط غاوسي، وتكييفها انطلاقًا من كتابة شخص معين. امتد هذا الاتجاه إلى نماذج حبر تعتمد على المحوّلات. لم أجد تجربة تطبقه على Calliar. وقد لا تكفي ست وثلاثون ألف ضربة للتدريب، لكنها تمثل نوعًا من البيانات يستحق البناء عليه.
هناك جانب آخر يتعلق بالأداة نفسها. في الخط الصيني، توجد نماذج رياضية تحاكي شكل شعر الفرشاة وترسب الحبر، وأبحاث في التحكم بذراع آلية تستخدم هذه النماذج. أما قلم القصب فله سن صلبة مقطوعة بزاوية، ويؤثر اتجاه حركتها في سماكة الضربة. تبدو هندسته أبسط من الفرشاة، لكن ذلك لا يثبت أن محاكاة الكتابة به سهلة. لم أعثر في بحثي على نموذج مماثل يجمع هذه الخصائص.
أقرب الأمثلة التي وجدتها مشروع لسلام شكور في جامعة برلين للفنون بين 2021 و2022. استخدم ذراع UR5 وحامل قلم مطبوعًا ثلاثي الأبعاد وقلمًا عريض السن، مع خط مبني على الضربات صُمم في Grasshopper.
استلهم الخط مشروع Letter Spirit لهوفشتاتر، الذي حاول توليد أبجدية متناسقة انطلاقًا من بضعة حروف. مثّل المشروع الحروف على شبكة من 56 مقطعًا، ليجمع بين ما يميز الحرف وما يمنحه طابع خط معين. في تجربة الذراع، كانت مسارات الكتابة محددة بهذا الخط الرقمي؛ لم تكن التجربة محاكاة مستقلة لتفاعل سن القصبة مع الورق.
تقدم Glyph-ByT5-v2 في عرض النص داخل الصور بعشر لغات، مع معيار لتقييم النتائج. تشمل اللغات الإنجليزية والصينية والفرنسية والألمانية والإسبانية والبرتغالية والإيطالية والروسية واليابانية والكورية. العربية ليست بينها، لذلك لا نستطيع الاستدلال بهذه النتائج على أدائه في الخط العربي.
وتوضح بطاقة فنار 2.0 أن المشكلة قائمة أيضًا في مشروع يركز على المنطقة العربية. نموذج الصور مبني على FLUX، ودُرّب على 480 ألف صورة مختارة من اثنتين وعشرين دولة عربية. تسجل البطاقة 85.49 في مقياس التوافق الثقافي، لكنها تذكر أن عرض النص في الصور، وخاصة العربي، ما زال صعبًا. النجاح في تمثيل عناصر الثقافة لا يضمن كتابة الحروف بصورة صحيحة.
استخدامات مفيدة الآن
أحد الاستخدامات الواعدة هو تحويل صورة خطية إلى رسم متجهي يمكن تكبيره وتحريره.
عند تحويل صورة ممسوحة إلى منحنيات، قد يضيف التتبع الآلي نقاط ارتكاز كثيرة وتشوهات صغيرة تحتاج إلى تصحيح يدوي. في الخط، تهم نعومة المنحنى بقدر مطابقة مساحة الحبر. تعرض دراسة من 2025 طريقة تعلم عميق، وتذكر أنها تحافظ على الشكل وتنتج منحنيات أنعم من التتبع التقليدي في النسخ والرقعة والديواني. أتعامل مع أرقامها بحذر بسبب جهة نشرها، لكن المهمة نفسها مناسبة للتجربة.
تختلف هذه المهمة عن توليد نص صحيح: يستطيع النموذج تحسين المنحنيات دون فهم الكلمات أو معرفة قواعد الخط. هذا استخدام مفيد، لكنه لا يحل مشكلة الحروف الخاطئة في الصور المولدة.
وتزداد أهمية المراجعة عندما يكون النص آية قرآنية. لا يكفي أن تبدو الصورة جميلة؛ ينبغي مطابقة النص بمصحف موثوق، واستخدام أداة تحافظ على الحروف وترتيبها قبل الطباعة أو النشر.
ما لم أستطع الحسم فيه
لا أستنتج من ذلك أن توليد الخط الصحيح مستحيل. أرى أن تمثيل القواعد وحركات القلم وتصحيحات المعلمين يستحق اهتمامًا أكبر. هذه قراءة من مطوّر يتعلم الخط، وليست نتيجة تجربة تثبت تفوق هذا المنهج.
توضح تجربة DecoType إمكان تمثيل بعض قواعد الكتابة برمجيًا. وتضيف Calliar بيانات مفتوحة عن حركة القلم، وإن كانت صغيرة. أما قرارات التصحيح والتكوين، فما زال جانب كبير منها ينتقل بين المعلم والطالب دون سجل يصلح مباشرة للتدريب.
قد تفيد زيادة البيانات وحجم النماذج، لكنني أبحث هنا عن بيانات من نوع آخر: محاولات قبل التصحيح وبعده، ومسارات القلم، وتفسير المعلم لما غيّره ولماذا.
تقدم تجربة «ترتيل» مثالًا مشجعًا على جمع البيانات بمشاركة المجتمع: 67 ساعة من التلاوة القرآنية، من نحو 1200 متطوع خلال ستة أشهر. قد يساعد تحديد مهمة واضحة وقابلة للمشاركة على جمع بيانات للخط أيضًا، مع اختلاف متطلبات التسجيل والتوصيف.
بقيت أسئلة لم أستطع حسمها. هل جُرّبت طرق توليد الضربات على Calliar دون نشر النتائج؟ وهل توثيق DecoType كافٍ لإعادة بناء نموذجها؟ وهل توجد أبحاث عن الخط العربي الآلي بلغات لم أبحث بها؟ اقتصرت مراجعتي على العربية والإنجليزية، بينما كثير من أبحاث فرشاة الخط بالصينية. كذلك تختلف المصادر في عدد النقاط الذي تقاس به الألف في الثلث؛ وهذا تفصيل يحتاج إلى ضبط قبل تحويله إلى قاعدة برمجية.
ما أود حفظه هو ما يحدث أثناء التعلم: حركة القلم، وتصحيح المعلم، وسبب اختيار موضع دون آخر. أصحاب هذه المعرفة أحياء ويمكن العمل معهم لتسجيلها. أرشيف اللوحات مهم، لكنه لا يوثق هذه العملية وحده.
نحتاج إلى حفظ طريقة كتابة اللوحة أيضًا.
إذا كنت تعلّم الخط، أو تطوّر أدواته، أو تعرف بحثًا فاتني، يسعدني أن نتحدث. وشارك المقالة مع خطاط أو باحث لديه ما يضيفه، خصوصًا من يعمل على توثيق خطوات الكتابة والتصحيح.