لرالینک شبیه چیست و شبیه چه نیست؟
لرالینک را نمیتوان بهسادگی در یکی از دستههای رایج نرمافزارهای امروزی قرار داد. نه یک سامانه مدیریت یادگیری (LMS) است، نه یک سیستم مدیریت محتوا (CMS)، نه یک ابزار یادداشتبرداری، نه یک موتور جستجو، نه یک پلتفرم نشر، نه یک گراف دانش، و نه صرفاً یک دستیار هوش مصنوعی. در عین حال، از هر یک از این حوزهها بخشی را در خود جذب میکند و آنها را در یک معماری واحد بازتعریف میکند.
نوآوری اصلی لرالینک از تغییر واحد بنیادین مدیریت دانش آغاز میشود. تقریباً تمام سامانههای موجود، دانش را در قالب «سند» مدیریت میکنند: کتاب، مقاله، فایل، صفحه، ویدئو، دوره، پست وبلاگ یا یادداشت. حتی پیشرفتهترین ابزارهای هوش مصنوعی نیز عمدتاً بر همین واحدها عمل میکنند؛ آنها اسناد را میخوانند، خلاصه میکنند، بازیابی میکنند یا تولید میکنند. اما لرالینک دانش را به واحدهای کوچک، مستقل، چندرسانهای و معنادار تجزیه میکند که هر یک هویت، تاریخچه، روابط، منابع، ترجمهها، نسخهها و مشارکتکنندگان خود را دارند. در چنین معماریای، کتاب، مقاله، دوره یا پادکست دیگر نقطه آغاز نیستند؛ آنها خروجیهایی هستند که از کنار هم قرار گرفتن قطعات دانش پدید میآیند.
از این منظر، لرالینک به جای آنکه یک Document Management System باشد، به نوعی Knowledge Composition System تبدیل میشود؛ سامانهای که به جای نگهداری اسناد، امکان ترکیب، بازترکیب و تکامل مستمر دانش را فراهم میکند.
از نظر فنی و مفهومی، نزدیکترین خانوادههای نرمافزاری به لرالینک را میتوان در چند گروه دید:
با این حال، هیچیک از اینها مسئلهای را که لرالینک به دنبال حل آن است، هدف قرار نمیدهند.
ابزارهایی مانند Obsidian یا Notion حافظه فردی را مدیریت میکنند، نه چرخه اجتماعی تولید دانش. سامانههای نشر علمی خروجی نهایی را منتشر میکنند، اما در فرایند زنده شکلگیری دانش حضور ندارند. LMSها دوره را مدیریت میکنند، نه خود دانش را. Zotero منابع را سازمان میدهد، اما میان محتوای واقعی و منابع، رابطهای پویا برقرار نمیکند. گرافهای دانش روابط میان موجودیتها را مدل میکنند، اما معمولاً خودِ محتوای علمی، آموزشی یا فرهنگی را به واحدهای قابل تکامل تبدیل نمیکنند. ابزارهای هوش مصنوعی نیز عمدتاً در سطح تولید یا تحلیل متن عمل میکنند و حافظه، اعتبار، نسخهبندی، مشارکت جمعی و چرخه نشر را به صورت یکپارچه مدیریت نمیکنند.
تفاوت بنیادین لرالینک در این است که همه این لایهها را در یک معماری مشترک گرد هم میآورد. در این معماری، هر قطعه دانش میتواند همزمان بخشی از چند کتاب، چند دوره، چند مقاله، چند مسیر یادگیری و چند تجربه آموزشی باشد، بدون آنکه نسخههای موازی و ناسازگار از آن ایجاد شود. تغییر در یک قطعه، در تمام جاهایی که از آن استفاده شده قابل رهگیری است؛ استنادها، ترجمهها، بازبینیها، مشارکتها و تاریخچه آن نیز همراهش باقی میماند.
تفاوت مهم دیگر، نگاه لرالینک به چندزبانگی است. تقریباً همه سامانههای موجود، زبان را ویژگی یک سند میدانند. در لرالینک، زبان یکی از نمایشهای ممکن یک واحد دانش است، نه خودِ آن. یک قطعه میتواند همزمان در فارسی، انگلیسی، عربی، آلبانیایی یا هر زبان دیگری وجود داشته باشد، بیآنکه به نسخههایی مستقل و جدا از هم تبدیل شود. این نگاه، معماری را از «چندزبانه بودن» فراتر میبرد و به سمت «زبانناوابستگی» سوق میدهد؛ ایدهای که در بسیاری از زیرساختهای دانش امروز اساساً وجود ندارد.
از سوی دیگر، لرالینک از ابتدا برای همکاری با عامل(ایجنت)های هوش مصنوعی طراحی شده است، نه صرفاً برای استفاده انسانها. هوش مصنوعی در اینجا یک افزونه یا دستیار نیست؛ بخشی از معماری سامانه است. عاملهای هوشمند میتوانند منابع را استخراج کنند، روابط مفهومی را پیشنهاد دهند، ترجمهها را ارزیابی کنند، قطعات را ترکیب کنند، مسیرهای یادگیری بسازند، کیفیت علمی را بررسی کنند و حتی شکلهای مختلف انتشار را تولید کنند، در حالی که تمام این فعالیتها در یک ساختار استاندارد، قابل رهگیری و قابل استناد ثبت میشود.
به همین دلیل، اگر اینترنت را شبکهای برای اتصال صفحات وب بدانیم و ویکیپدیا را شبکهای برای اتصال مقالهها، لرالینک تلاشی برای ساخت شبکهای از واحدهای بنیادین دانش است؛ واحدهایی که مستقل از زبان، رسانه و قالب انتشار میتوانند میان انسانها، سازمانها و عاملهای هوش مصنوعی جریان پیدا کنند، رشد کنند و بارها در زمینههای جدید مورد استفاده قرار گیرند.