پروژهٔ هوش نمادین Epita، نسخهٔ 2025، سامانهای از عاملها ساخته است که یک متن استدلالی را تحلیل میکند. افزونهٔ Argumentum آن مغالطهها را با فرود در ردهبندی بازی، سطح به سطح، آشکار میکند، نه با انتخاب یکباره از میان بیش از هزار برچسب. شکل درخت باعث میشود هر گام تنها چند شاخه پیشنهاد دهد — و پاسخ همراه با مسیری که به آن میرسد میآید.
تصویر: docs/publication/articles/illustrations/3b-du-chemin-a-la-carte.png، مخزن Argumentum، کامیت 981e5233 — تدوینی از حکاکیهای مخزن (Cards/Fallacies/Assets/Fallacy-front/): سطوح 7 و 7.3 و 7.3.1 و 7.3.1.2، با شمارهٔ مسیر در بالا و نام کارت در پایین.
پروژه
این یک مخزن عمومی است: عاملهای نرمافزاری — تحلیل، منطق، تشخیص مغالطه — در آن با Semantic Kernel هماهنگ میشوند، چارچوبی که به مدل زبانی اجازه میدهد ابزارها را فراخوانی کند، و بر یک موتور استدلال صوری نوشتهشده با Java تکیه میکنند. این بستر آموزشی است: هر قطعهاش تمرینی در معماری هوش مصنوعی نمادین است، جایی که بهجای آمار، با نمادها و قواعد کار میشود.
هزار و چهارصد و هشت برچسب
طبقهبندی مغالطههای Argumentum شامل 1408 گره است، از گرهٔ ریشه تا موارد خاص، با عمقی تا ده سطح. پرسیدن «این چه مغالطهای است؟» از یک مدل در برابر کل فهرست، یعنی وادار کردن او به برداشتن یک برچسب از میان بیش از هزار برچسب، بدون ساختاری که انتخاب را راهنمایی کند.
اما شکل درخت چیز دیگری میگوید: هر گره حداکثر 9 فرزند دارد و نیمی از گرههایی که فرزند دارند بیش از دو فرزند ندارند. انتخابی که ساختار راهنمایش باشد جای قمار را میگیرد.
فرود، گام به گام
افزونه طبقهبندی را با قالب CSV بارگذاری میکند، یعنی قالب مخزن بازی. در هر مرحله، گرهٔ فعلی و دو سطح از نوادگان آن را به مدل نشان میدهد؛ مدل یا گره را تأیید میکند — همین است — یا میخواهد به سمت یکی از فرزندان پایین برود، گاهی با پرش از یک سطح. هر گام هزینهٔ یک فراخوانی مدل است. تأییدی که در درخت بیش از حد بالا باشد رد میشود: در عمقی کمتر از دو سطح، برچسب برای آنکه پاسخ باشد بیش از حد کلی است.
یک مثال، ساختهشده بر پایهٔ یکی از کارتهای بازی (در اینجا هیچ متن تحلیلشدهای نشان داده نمیشود). کارت «مرد پوشالی» در مسیر 7.3.1.2 قرار دارد: ممانعت، سپس Ad hominem، سپس اتهام ناسازگاری، سپس مرد پوشالی. فرودی که به آن میرسد اینگونه است: متن میکوشد حریف را رد صلاحیت کند بهجای آنکه به او پاسخ دهد — فرود به سمت ممانعت؛ شخص را هدف میگیرد — فرود به سمت Ad hominem؛ او را بهخاطر تناقضگویی سرزنش میکند — فرود به سمت اتهام ناسازگاری؛ خودِ موضوع حمله تحریف شده است — تأیید مرد پوشالی. چهار گام، هر کدام در میان فرزندانی اندک.
آنچه فرود را محدود میکند
سقف عمقی وجود ندارد: برگهای درخت تنها سقفاند و عامل میتواند تا آنها پایین برود. تضمین در برابر سرکشی، بودجهٔ فراخوانیهای مدل است: بهطور پیشفرض 18 فراخوانی برای هر شاخه و 240 برای کل یک تحلیل. فرود با یک تور گسترده آغاز میشود که نامزدها را نگه میدارد و حداکثر چهار شاخه از آنها بهموازات پایین میروند؛ در یک دوشاخگی، اگر چند فرزند امیدبخش به نظر برسند، بقیه بهموازات و در حد دوازده زیرشاخه کاوش میشوند. وقتی یک شاخه گرهٔ عمیقی را تأیید میکند، شاخههای خواهرش که یک نیا را کاوش میکردند منصرف میشوند: دقیقترین پاسخ برنده است. و اگر فرود شکست بخورد، افزونه تسلیم نمیشود — انتخاب را یکجا و بدون راهنمایی دوباره امتحان میکند.
ردپا
هر فرود ردّ ناوبری خود را به جا میگذارد: مسیر پیمودهشده، تأییدها، انصرافها. پاسخ با مسیرش قابل توضیح است — سامانه میتواند نشان دهد چرا این گره را پیشنهاد کرد و نه گرهای دیگر. در یک طبقهبندی عمیق، شاید این مهمترین محصول این روش باشد: نه فقط یک برچسب، بلکه دلیل سفر.
پس از پروژه
قیف طبقهبندی همانطور که بود در CoursIA به کار گرفته شد، مخزنی عمومی از مواد درسی دربارهٔ هوش مصنوعی، که آن را در مجموعهٔ تحلیل استدلالی خود ادغام میکند. اما هماهنگی عاملها با افزونهها هنوز در آنجا در دست ساخت است.
منابع: مخزن Argumentum، کامیت 32408fdd (شمارشها در 8 نوامبر 2026 بر پایهٔ Cards/Fallacies/Argumentum Fallacies - Taxonomy.csv، ستون مسیرها انجام شده است). مخزن Epita 2025، سنجاقشده روی کامیت acaf670e9 (6 نوامبر 2026): fallacy_workflow_plugin.py و taxonomy_navigator.py — بودجهها و سازوکارها بر پایهٔ این فایلها نقل شدهاند. بهکارگیری در CoursIA: issue #19287 (انجامشده) و issue #18390 (در حال انجام).