تولید بیش از ۱۰٬۰۰۰ محتوای آموزشی با هوش مصنوعی

چگونه بیش از ۱۰٬۰۰۰ محتوای آموزشی را با خطوط پردازش هوش مصنوعی تولید می‌کنیم

شرکت Alphazed با استفاده از خطوط خودکار هوش مصنوعی بیش از ۱۰٬۰۰۰ مورد محتوای آموزشی تولید و گردآوری می‌کند — شامل تمرین‌های لغت عربی، تمرین‌های تلفظ، توالی‌های حفظ قرآن و داستان‌های تعاملی. این خطوط پردازش، ترکیبی از OpenAI برای تولید متن، Google Cloud TTS برای صوت، تولیدکننده‌ تصاویر سفارشی و دروازه‌های کیفیت انسانی برای تولید محتوایی هماهنگ با برنامه درسی در مقیاس وسیع هستند.

ساختار تولید محتوا

تولید متن

• OpenAI GPT-4o-mini: تولید سوالات تمرینی، گزینه‌های غیرصحیح، متن داستان‌ها و تفسیرهای قرآنی
• مهندسی پرامپت: پرامپت‌های بسیار دقیق تا خروجی مطابق سطوح طبقه‌بندی بلوم باشد
• نمونه پرامپت: «۵ گزینه غیرصحیح احتمالی برای کلمه عربی 'كتاب' (کتاب) تولید کن. گزینه‌ها باید معنایی مرتبط ولی متفاوت باشند. سطح: دانش‌آموز متوسط، سن ۶-۸.»

تولید صوت

• Google Cloud TTS (صدای WaveNet): تولید صوت فارسی عربی با کیفیت بومی
• صدای مختلف: صدای مرد و زن، سرعت‌های گفتاری متفاوت، لحن‌های احساسی
• تلفظ سفارشی: تأثیر علائم حرکتی برای انتخاب فونم‌های صحیح قرآنی
• استخراج علائم گفتار: زمان‌بندی فونم‌ها برای انیمیشن‌های همزمان با لب‌ها (در بلاگ شماره ۳)

تولید صوت پیشرفته

• ElevenLabs برای دوبله‌های چندزبانه: ویدیوهای بازاریابی، معرفی اپ ها
• ساخت موسیقی: قطعات پس‌زمینه بدون حق امتیاز از Epidemic Sound

تولید تصویر

• تصاویر گزینه‌های غیرصحیح سفارشی با DALL-E یا Midjourney
• گرافیک برداری برای عناصر رابط کاربری
• تصویرسازی شخصیت‌ها برای داستان‌ها

معماری خط پردازش

مخزن کد: alphazed-content-utils (پایتون، بیش از ۲۰ ماژول تولیدکننده)

Generators (مستقل و ترکیب‌پذیر):
  ├── amal_level_generator.py
  │   └── تولید سطوح کامل یادگیری عربی
  │       (پیشرفت از حروف → کلمات → جملات)
  │
  ├── prophet_story_generator.py
  │   └── داستان‌های چندرسانه‌ای برای Thurayya
  │       (متن + تصویرسازی + روایت صوتی)
  │
  ├── quran_tafseer_generator.py
  │   └── محتوای تفسیری قرآنی
  │       (توضیح برای هر سوره و آیه)
  │
  ├── distractor_generator.py
  │   └── گزینه‌های غلط هوشمند برای سوالات چندگزینه‌ای
  │       (مطابقت معنایی)
  │
  ├── exercise_generator.py
  │   └── تمرین‌های تعاملی (بیش از ۴۵ نوع)
  │       (انتخاب نوع تمرین از کاتالوگ)
  │
  └── image_generator.py
      └── محتوای تصویری (API های DALL-E یا Midjourney)

هر تولیدکننده روند استاندارد زیر را دنبال می‌کند:

[بارگذاری تنظیمات] → [تولید] → [اعتبارسنجی] → [وارد کردن در دیتابیس]

بررسی تخصصی تولید گزینه‌های غیرصحیح

مسئله
برای سوالات چندگزینه‌ای، گزینه‌های نادرست باید:

• قابل قبول و باورپذیر باشند (کودک سریع متوجه اشتباه نشود)
• از نظر معنایی یا صوتی مرتبط باشند
• اما به وضوح متفاوت تا کودک با فکر انتخاب درست داشته باشد

گزینه‌های غیرصحیح بد:
سوال: «کدام کلمه به معنی کتاب است؟»
گزینه‌های غلط: «فیل»، «آبی»، «خوشحال» ← خیلی واضح غلطند

گزینه‌های غیرصحیح خوب:
سوال: «کدام کلمه به معنی کتاب است؟»
گزینه‌ها: «كتاب» (کتاب)، «كاتب» (نویسنده)، «مكتب» (اداره)، «كتب» (جمع کتاب) ← از نظر معنایی ارتباط دارند و فکر می‌طلبند

پیاده‌سازی distractor_generator.py:

1. مطابقت معنایی:
   • محاسبه تعبیه‌های برداری پاسخ درست با استفاده از embeddings کلمات عربی
   • یافتن کلمات با شباهت بالا در بازه ۰.۷ تا ۰.۸۵
   • استثنا کردن کلمات کاملاً مترادف
2. شباهت صوتی:
   • برای حروف و صداها، بر اساس ویژگی‌های فونتیکی مطابقت داده می‌شود
   • مثال: برای نمونه «ب» گزینه‌های «ت»، «ث» از خانواده صوتی مشابه
3. انتخاب وزنی:
   • تناسب با سطح دشواری تمرین
   • تمرین‌های مبتدی گزینه‌های کاملاً متفاوت دریافت می‌کنند
   • تمرین‌های پیشرفته گزینه‌های ظریف‌تر و نزدیک‌تر دریافت می‌کنند

کنترل کیفیت: دروازه‌های انسانی و هوش مصنوعی

اعتبارسنجی خودکار

• بررسی قواعد دستوری: تجزیه و تحلیل صرفی عربی
• علائم حرکتی: صحت تشکیلات تَشکِیل بررسی می‌شود
• مجموعه کاراکترها: خطاهای کدگذاری حذف می‌شوند
• تکرار محتوا: موارد یکسان علامت‌گذاری می‌شوند

بازبینی انسانی الزامی

• محتوای قرآن و تجوید: توسط دانشمند اسلامی (داوطلب) بررسی می‌شود
• ایمنی کودکان: توسط مدل‌های زبانی برای زبان نامناسب اسکن می‌شود
• حساسیت فرهنگی: برای جلوگیری از توهین احتمالی بازبینی می‌شود
• دقت محتوا: نمونه‌برداری تصادفی ۱۰٪ از محتوا بررسی می‌شود

سیاست عدم جایگزینی خطا
اگر هر اعتبارسنجی ناموفق باشد، خط تولید متوقف و گزارش در Slack ارسال می‌شود. خطاها هرگز بدون اطلاع وارد تولید نمی‌شوند.

دسته‌بندی‌های محتوای تولید شده

دسته	حجم	تولیدکننده	گیت کیفیت	زمان راه‌اندازی
لغات عربی	۵٬۰۰۰+ مورد	exercise_gen	خودکار	هفته اول
سوره‌های قرآن	۲۰۰+ (۳۷ × ۵-۷ مرحله)	tafseer_gen	بررسی دانشمند	هفته دوم
داستان‌های پیامبران	۵۰+ مورد	prophet_story_gen	بررسی فرهنگی و ایمنی	هفته سوم
تلفظ فونم‌ها	۱۰۰+ (۲۸ حرف × ۳-۴ واریانت)	audio_gen	بازبینی مهندس صدا	هفته اول
بازی‌های تعاملی	۴۵+ نوع × ۱٬۰۰۰+ نمونه	game_content_gen	آزمایش گیم‌پلی	مستمر
جمع کل	۱۰٬۰۰۰+	مجموعه	چند لایه	مقطعی

هزینه و بهره‌وری

هزینه هر مورد محتوا (شامل هوش مصنوعی و بازبینی انسانی):

• تمرین لغت ساده: ۰.۰۵ تا ۰.۱۰ دلار
• سوره قرآن (۴ مرحله کامل): ۵ تا ۱۰ دلار (به دلیل بازبینی دانشمند)
• محتوای داستان: ۱ تا ۲ دلار

میانگین هزینه برای ۱۰۰۰ مورد: ۳۰۰ تا ۵۰۰ دلار

تولید دستی محتوا هزینه‌ای بین ۵٬۰۰۰ تا ۱۰٬۰۰۰ دلار برای ۱۰۰۰ مورد دارد. خطوط پردازش هوش مصنوعی هزینه را ۱۰ برابر کمتر کرده، حجم و هماهنگی را افزایش می‌دهد.

چرا این موضوع اهمیت دارد

• مقیاس: تولید ۱۰٬۰۰۰ مورد نیاز به زیرساخت قابل توجه دارد
• تخصص عربی: تولید گزینه‌های غیرصحیح در زبان عربی تخصصی است
• حساسیت قرآنی: بازبینی دانشمندان، زمان و اعتماد می‌طلبد
• تازه‌سازی مستمر: خط تولید هفتگی محتوای جدید تولید می‌کند

سؤالات متداول

آیا محتوای تولید شده با هوش مصنوعی به کیفیت محتوای انسانی می‌رسد؟
برای تولید تمرین‌ها، بله — حتی اغلب بهتر است. انسان‌ها خسته می‌شوند؛ هوش مصنوعی پایدار است. اما برای تفسیر قرآن دانشمندان انسانی باید بررسی کنند. در داستان‌ها ترکیبی از هوش مصنوعی و پالایش انسانی داریم. بهترین ترکیب بر اساس نوع محتواست.

کودکان متوجه می‌شوند که محتوا هوش مصنوعی است؟
خیر. محتوا قابل تمایز نیست. آنچه مهم است دقت (تأیید شده) و هماهنگی با برنامه درسی است، نه نویسنده.

چگونه از خطاهای تولید محتوا جلوگیری می‌کنید؟
سیاست عدم جایگزینی خطا: اگر هر بخشی در اعتبارسنجی رد شود خط تولید متوقف و هشدار داده می‌شود. ترجیح می‌دهیم ۹۹٪ محتوای تایید شده داشته باشیم تا ۱۰۰٪ با خطا. همچنین همه محتوای قرآنی توسط انسان‌ها بازبینی می‌شود.