مقاله آموزشی ـ پژوهشی
راهنمای علمی و عملی استفاده از هوش مصنوعی در داستاننویسی، بدون از دست دادن خلاقیت و استقلال نویسنده
گردآورنده: عبدالرضا صداقتنیا
در فرایند گردآوری، بررسی، دستهبندی و تلفیق یافتههای پژوهشی، از ChatGPT بهعنوان ابزار هوش مصنوعی مولد نیز استفاده شده است.
برای ارائه در کلاس تخصصی داستاننویسی و استفاده هنرجویان و مدرسان
مرور تلفیقی شواهدمحور | منابع علمی و رسمی تا ۲۳ مرداد ۱۴۰۵ | نسخه ۱.۰
پرسش محوری
چگونه میتوان از قدرت هوش مصنوعی برای بهتر شدن داستان استفاده کرد، بدون آنکه این فناوری به قیمت ضعیفتر شدن نویسنده تمام شود؟
چکیده
این مقاله مروری تلفیقی و شواهدمحور بر کاربرد هوش مصنوعی مولد در داستاننویسی است و میپرسد چگونه میتوان از این فناوری برای افزایش کیفیت داستان بهره گرفت، بدون آنکه تمرین، قضاوت، صدای شخصی و استقلال نویسنده تضعیف شود. با توجه به نوپا بودن این حوزه، میان شواهد مستقیم درباره داستاننویسی، یافتههای قابلتعمیم از سایر فعالیتهای نوشتاری، نتایج اولیه پژوهشها و نگرانیهای نظری تمایز گذاشته شده است.
شواهد نسبتاً قوی: شواهد موجود نشان میدهد دسترسی به پیشنهادهای هوش مصنوعی میتواند در نوشتار متنهای کوتاه، کیفیت اثر و بهرهوری را افزایش دهد؛ اما بهتر شدن محصول نهایی لزوماً به معنای پرورش مهارت نویسنده نیست. در داستاننویسی نیز استفاده از ایدههای هوش مصنوعی میتواند بهویژه برای نویسندگانی که در ایدهپردازی ضعیفترند، به خلق داستانهایی خلاقانهتر و لذتبخشتر کمک کند؛ در عین حال، ممکن است شباهت میان آثار افزایش یابد و تنوع خلاقانه کاهش پیدا کند. بنابراین، همکاری انسان و هوش مصنوعی ذاتاً سودمند نیست و نتیجه آن تا حد زیادی به نوع استفاده و نحوه تقسیم نقش میان نویسنده و ابزار بستگی دارد.
شواهد اولیه: پژوهشهای اولیه نشان میدهند هوش مصنوعی در طوفان فکری، یافتن گزینههای مختلف، پرداخت جزئیات جهان داستان و ارائه بازخورد تشخیصی میتواند مفید باشد. با این حال، حفظ لحن شخصی، انسجام داستان در ابعاد بلند، فهم عمیق شخصیتها و حفظ اصالت فرایند همچنان از مهمترین چالشهای این همکاری است. در حال حاضر، درباره اینکه استفاده از هوش مصنوعی در بلندمدت به کاهش تخیل یا تضعیف مهارت داستاننویسی منجر میشود، شواهد مستقیم و قطعی کافی وجود ندارد.
پیشنهاد آموزشی: بر پایه این یافتهها، مقاله «مدل نویسندهمحور» را پیشنهاد میکند؛ مدلی که در آن نویسنده ابتدا مشاهده، ایده، قصد، طرح و هسته اصلی پیشنویس را خود شکل میدهد و سپس از هوش مصنوعی بیشتر بهعنوان پرسشگر، مخالفخوان، آزمونگر انسجام و ویراستار استفاده میکند. پیشنهادهای هوش مصنوعی باید با معیارهای مشخص ارزیابی شوند، نقد انسانی همچنان جایگاه خود را حفظ کند و تصمیمگیری و بازنویسی نهایی بر عهده نویسنده باشد. در این رویکرد، مسئله اصلی صرفِ استفاده یا عدم استفاده از هوش مصنوعی نیست؛ بلکه میزان کنترل خلاق نویسنده، سهم او در بیان نهایی، مسئولیتپذیری و حفظ استقلال فکری و هنری اوست.
کلیدواژهها: هوش مصنوعی مولد؛ مدل زبانی بزرگ؛ داستاننویسی؛ خلاقیت؛ بارسپاری شناختی؛ وابستگی؛ اصالت؛ اخلاق هوش مصنوعی؛ حقوق مؤلف؛ آموزش نوشتن خلاق.
راهنمای خواندن سطح اطمینان علمی
| برچسب | معنای دقیق | شیوه تفسیر در این مقاله |
|---|---|---|
| شواهد نسبتاً قوی | پژوهش داوریشده با طرح مناسب، فراتحلیل، یا چند یافته همسو | حتی این سطح ممکن است درباره تکلیفهای غیرادبی باشد؛ هر تعمیم به داستاننویسی صریحاً محدود میشود. |
| شواهد اولیه | یک یا چند مطالعه مستقیم اما تازه، کوچک یا وابسته به بافت | برای طراحی آزمایش و آموزش مفید است، نه برای حکم قطعی درباره همه نویسندگان. |
| یافته محدود | مطالعه کیفی کوچک، همبستگی، خودگزارشی یا پیشچاپ | نشانگر احتمال یا تجربه گروهی محدود است؛ رابطه علّی را ثابت نمیکند. |
| فرضیه یا نگرانی نظری | استدلال فلسفی، نگرانی حرفهای یا پیامدی که هنوز مستقیم سنجیده نشده است | باید جدی گرفته و پایش شود، اما نباید بهعنوان «واقعیت اثباتشده» بیان شود. |
| پیشنهاد آموزشی | قاعده عملی ساختهشده از ترکیب شواهد و اصول آموزشی | ابزار طراحی کلاس است، نه قانون عصبشناختی یا درصد علمی قطعی. |
پاسخ فشرده: هوش مصنوعی میتواند با ارائهٔ ایدهها، بازخورد و پیشنهادهای مختلف، به بهتر شدن داستان کمک کند؛ اما نباید جای نویسنده را بگیرد. استفادهٔ درست از هوش مصنوعی باید به تقویت مهارت، خلاقیت و استقلال نویسنده کمک کند، نه اینکه فرایند داستاننویسی را به آن واگذار کند.
۱. مقدمه:
بحث دربارهٔ هوش مصنوعی و ادبیات اغلب به دو دیدگاه افراطی محدود میشود: از یک سو، هوش مصنوعی مانند «همکاری نابغه» تصور میشود که میتواند بنبستهای نویسنده را از میان بردارد؛ و از سوی دیگر، ابزاری دانسته میشود که خلاقیت، نویسنده و حتی خود ادبیات را تهدید میکند. اما شواهد موجود هیچیک از این دو نگاه کلی را تأیید نمیکنند. تأثیر هوش مصنوعی به عوامل مختلفی بستگی دارد؛ از جمله هدف استفاده، مرحلهای که وارد فرایند نوشتن میشود، شیوهٔ تعامل با آن، مهارت نویسنده، نوع کار، میزان اعتماد به آن و فعالیتی که نویسنده پس از دریافت پاسخ انجام میدهد.
این مقاله با رویکردی پژوهشی و آموزشی با بهرهگیری از تعداد قابلتوجهی مقاله و منبع پژوهشی در حوزههای هوش مصنوعی، آموزش، خلاقیت و فرایند نوشتن تدوین شده است. در فرایند گردآوری، بررسی، دستهبندی و تلفیق یافتههای پژوهشی، از ChatGPT بهعنوان ابزار هوش مصنوعی مولد نیز استفاده شده است.
در این مقاله، میان دو هدف تفاوت مهمی وجود دارد:
- بهبود متن: داستانی که امروز نوشته میشود روانتر، منسجمتر یا سریعتر آماده شود.
- پرورش نویسنده: نویسنده در مشاهده، تخیل، انتخاب، ساخت پیرنگ، نوشتن صحنه، بازبینی و داوری مستقل توانمندتر شود.
این دو هدف همیشه با یکدیگر همسو نیستند. ممکن است هوش مصنوعی با ارائهٔ سریع یک پاسخ خوب، کیفیت داستان را افزایش دهد؛ اما در همان حال، فرصتی را که نویسنده برای فکر کردن و حل مسئله نیاز دارد، از او بگیرد. درست مانند ماشینحساب که میتواند محاسبه را سریعتر و دقیقتر کند، اما اگر پیش از یادگیری اصول محاسبه به کار گرفته شود، ممکن است فرصت یادگیری را کاهش دهد.
بنابراین، پرسش اصلی این نیست که «آیا هوش مصنوعی خوب است یا بد؟» پرسش مهمتر این است که چه کاری، در چه مرحلهای، با چه محدودیتی و برای چه نویسندهای میتوان به هوش مصنوعی سپرد و نتیجه را با چه معیاری ارزیابی کرد؟
شواهد نسبتاً قوی: در داستاننویسی، نوشتن فقط انتقال افکار آماده به کاغذ نیست؛ فرایندی است که در آن نویسنده همزمان برنامهریزی میکند، متن میسازد، آن را بازبینی میکند و در جریان نوشتن، خودِ مسئله و برداشتش از آن را نیز تغییر میدهد. ازاینرو، اگر هوش مصنوعی صرفاً واژهها و جملههای آماده تولید کند، ممکن است بخشی از فعالیتی را از نویسنده بگیرد که مهارت نویسندگی از طریق آن شکل میگیرد.
البته هر نوع کمک بیرونی الزاماً به زیان نویسنده نیست. گاهی واگذاری بخشی از کار به یک ابزار میتواند ذهن نویسنده را از کارهای فرعی آزاد کند تا انرژی بیشتری برای مسائل مهمتر داستان داشته باشد. برای مثال، هوش مصنوعی میتواند تناقضهای زمانی یک داستان را پیدا کند تا نویسنده فرصت بیشتری برای پرداخت انگیزهٔ شخصیت یا طراحی صحنه داشته باشد. بنابراین، مسئله حذف همهٔ کمکهای بیرونی نیست؛ مسئله این است که چه بخشی از فرایند را واگذار کنیم و چه بخشهایی را همچنان خودمان انجام دهیم.
برای روشنتر شدن این تفاوت، فرض کنیم هستهٔ یک داستان چنین باشد: «زنی هر شب صدای قطاری را میشنود که از شهر او عبور نمیکند.»
در یک استفادهٔ واگذارکننده، ممکن است از هوش مصنوعی بخواهیم: «بر اساس این جمله، یک داستان کامل و غافلگیرکننده بنویس.»
اما در رویکرد نویسندهمحور، میتوان از هوش مصنوعی خواست بدون ارائهٔ طرح داستان یا نوشتن متن، فقط پرسشهایی مطرح کند که تناقض مرکزی، هزینهٔ روانی شنیدن این صدا و رابطهٔ احتمالی زن با گذشتهاش را روشنتر کند. در این حالت، هوش مصنوعی به گسترش میدان فکر کمک میکند، اما پاسخ، انتخاب و زبان داستان همچنان از نویسنده میآید.
نمونه محوری مقاله
فرض کنیم هسته داستان این باشد: «زنی هر شب صدای قطاری را میشنود که از شهر او عبور نمیکند.» استفاده واگذارکننده چنین است: «داستانی کامل و غافلگیرکننده بر اساس این جمله بنویس.» استفاده نویسندهمحور چنین است: «بدون پیشنهاد پیرنگ یا نوشتن متن، فقط ده پرسش بپرس که تناقض مرکزی، هزینه روانی شنیدن صدا، و سه امکان برای رابطه این زن با گذشته را روشن کند.» در حالت دوم، AI میدان مسئله را گسترش میدهد؛ پاسخ، انتخاب و زبان هنوز از نویسنده میآید.
۲. پرسشهای اصلی
این مقاله به پرسشهای اصلی زیر میپردازد:
۱. آیا استفاده از هوش مصنوعی در داستاننویسی از نظر اخلاقی حرفهای و هنری پذیرفتنی است؟ مرز میان کمک گرفتن از هوش مصنوعی و واگذار کردن نویسندگی به آن کجاست؟
۲. آیا استفاده از هوش مصنوعی ممکن است باعث کاهش تلاش ذهنی، حافظه، تخیل، تمرکز، تفکر انتقادی یا مهارت نویسندگی شود؟
۳. چه عواملی تعیین میکنند که هوش مصنوعی به تقویت تواناییهای ذهنی نویسنده کمک کند یا بهتدریج جایگزین بخشی از این تواناییها شود؟
۴. هوش مصنوعی در کدام بخشهای داستاننویسی میتواند ابزار مفیدی باشد و در کدام بخشها ممکن است به از دست رفتن صدای شخصی و استقلال نویسنده منجر شود؟
۵. کدام نگرانیها دربارهٔ استفاده از هوش مصنوعی بر یافتههای پژوهشی استوارند، کدامها فقط احتمال و خطر بالقوهاند و کدام موارد هنوز در حد فرضیه و نگرانی نظری هستند؟
۶. اگر هوش مصنوعی بتواند متن تولید کند، در چنین شرایطی نویسنده بودن و آفرینش ادبی چه معنایی پیدا میکند؟
۷. برای کلاس داستاننویسی چه شیوهٔ استفادهای، چه قواعد اخلاقی و چه روش ارزیابیای میتوان طراحی کرد تا هوش مصنوعی به پرورش نویسنده کمک کند، نه اینکه جای او را بگیرد؟
۳. روش و دامنه مرور
این مقاله یک مرور نظاممند یا فراتحلیل جدید نیست؛ بلکه یک مرور تلفیقی و هدفمند است. منابع بر اساس میزان ارتباط آنها با داستاننویسی و نویسندگی خلاق، کیفیت روش پژوهش، داوری علمی، نقش آنها در شکلگیری نظریههای مربوط به نوشتن و خلاقیت، و همچنین اعتبار نهادهای منتشرکننده انتخاب شدهاند. مشخصات کتابشناختی و پیوند رسمی مقالهها و منابع نیز بررسی شده است.
برای موضوعات بسیار جدید که هنوز پژوهشهای داوریشدهٔ کافی دربارهٔ آنها وجود ندارد، از برخی پیشچاپها و مطالعات کیفی نیز استفاده شده است؛ اما این منابع با احتیاط و بهعنوان یافتههای محدود در نظر گرفته شدهاند و از ارائهٔ آنها بهعنوان شواهد قطعی پرهیز شده است.
دامنهٔ این مرور پنج حوزهٔ اصلی را دربر میگیرد:
- پژوهشهای مستقیم دربارهٔ داستان، فیلمنامه و همکاری نویسندگان حرفهای با مدلهای زبانی؛
- پژوهشهای مربوط به خلاقیت، تولید ایده و یکسانشدن یا کاهش تنوع ایدهها؛
- پژوهشهای روانشناسی دربارهٔ واگذاری بخشی از فعالیتهای ذهنی، حافظه، اعتماد بیش از حد به فناوری و دورهٔ نهفتگی خلاقیت؛
- پژوهشهای مربوط به آموزش نوشتن، بازخورد، بازنویسی و یادگیری با کمک هوش مصنوعی؛
- گزارشهای رسمی دربارهٔ اخلاق، حقوق مؤلف و راهنماهای حرفهای.
بااینحال، دانش موجود در این زمینه هنوز محدودیتهای مهمی دارد. بیشتر پژوهشها به زبان انگلیسی و در کشورهای غربی انجام شدهاند، بسیاری از آنها تکالیف کوتاه نوشتاری را بررسی کردهاند و مدلها و ابزارهای هوش مصنوعی نیز با سرعت زیادی تغییر میکنند. همچنین، بسیاری از سنجههای خلاقیت بیشتر بر تازگی و مناسببودن محصول تمرکز دارند و کمتر به تجربهٔ زیستهٔ نویسنده یا رشد واقعی مهارت او میپردازند. پژوهشهای بلندمدت و مستقیم دربارهٔ تأثیر هوش مصنوعی بر داستاننویسی نیز هنوز اندکاند.
بنابراین، ادعاهایی مانند «هوش مصنوعی مغز را ضعیف میکند» یا «خلاقیت را از بین میبرد»، اگر بدون توجه به این محدودیتها مطرح شوند، فراتر از چیزی هستند که شواهد موجود میتوانند ثابت کنند.
۴. مبانی نظری
۴ـ۱. مدل زبانی چه میکند؟
مدلهای زبانی بزرگ، سامانههایی هستند که با استفاده از الگوهای آماری موجود در دادههای آموزشی، زبان را پیشبینی و تولید میکنند. این به آن معنا نیست که فقط مطالب قبلی را کپی میکنند؛ بلکه میتوانند ترکیبهایی تازه، مفید و از نظر خواننده خلاقانه تولید کنند.
شواهد نسبتاً قوی: بااینحال، روان و درست بودن یک جمله بهتنهایی نشان نمیدهد که آن جمله واقعاً درست است یا مدل آن را عمیقاً فهمیده است. همچنین، تولید یک متن روان به معنای داشتن تجربهٔ شخصی، قصد هنری یا درک رابطهٔ علت و معلولی نیست.
یکی از مشکلات مهم مدلهای زبانی، «توهم» است؛ یعنی ممکن است مدل اطلاعاتی ساختگی یا بدون پشتوانه تولید کند، درحالیکه پاسخ خود را با لحنی مطمئن ارائه میدهد. بنابراین، ظاهر روان و مطمئن پاسخ هوش مصنوعی نباید بهتنهایی معیار درستی آن باشد.
۴ـ۲. خلاقیت: تازگی بهاضافه تناسب
در تعریف رایج روانشناسی، یک محصول خلاق باید دو ویژگی داشته باشد: تازه و اصیل باشد و درعینحال مناسب، مؤثر یا ارزشمند باشد.
در داستاننویسی، صرفاً تازه و عجیب بودن یک ایده کافی نیست. یک تصویر یا اتفاق غیرمنتظره زمانی ارزشمند است که با شخصیتها، لحن، پیرنگ و تجربهٔ خواننده ارتباط معناداری داشته باشد.
هوش مصنوعی میتواند تعداد زیادی ترکیب و ایدهٔ ناآشنا تولید کند؛ اما این نویسنده است که باید تشخیص دهد کدام ایده واقعاً با داستان ارتباط دارد و از نظر هنری ضرورت دارد.
خلاقیت فقط به داشتن ایدههای تازه وابسته نیست. دانش نویسنده، تواناییهای خلاقانه، انگیزهٔ درونی و محیط نیز در شکلگیری آن نقش دارند. هوش مصنوعی میتواند دسترسی نویسنده به اطلاعات و تعداد گزینههای پیش روی او را افزایش دهد، اما انگیزه، ارزشهای شخصی، حساسیت اخلاقی و سالها پرورش ذوق هنری را بهطور خودکار ایجاد نمیکند.
از همینجا میتوان تفاوت میان «کمک به بهتر شدن محصول» و «رشد خودِ نویسنده» را بهتر فهمید.
۴ـ۳. نوشتن بهمثابه حل مسئله و تبدیل دانش
نوشتن فقط انتقال افکاری نیست که از قبل در ذهن نویسنده آماده شدهاند. نویسنده هنگام نوشتن، میان هدفگذاری، برنامهریزی، نوشتن و بازبینی رفتوآمد میکند و در همین فرایند، گاهی خودِ مسئله و برداشتش از آن را تغییر میدهد.
به بیان سادهتر، نویسندهٔ ماهر فقط آنچه را از قبل میداند روی کاغذ نمیآورد؛ در جریان نوشتن، چیزهای تازهای کشف میکند و فهمش از داستان تغییر میکند.
اگر هوش مصنوعی خیلی زود پاسخ نهایی را در اختیار نویسنده بگذارد، ممکن است نویسنده فقط از میان گزینههای آماده انتخاب کند؛ یعنی بیشتر به انتخابکننده تبدیل شود تا آفریننده.
اما اگر هوش مصنوعی بهجای ارائهٔ پاسخ نهایی، پرسشهای چالشبرانگیز مطرح کند، تناقضها را نشان دهد و بازخورد قابل بررسی ارائه کند، میتواند نویسنده را وادار کند بیشتر فکر کند و درک خود را از داستان گسترش دهد.
شواهد نسبتاً قوی: پژوهشهای آموزش نوشتن نیز نشان میدهند که یادگیری راهبردهای نوشتن، هدفگذاری، بازبینی و دریافت بازخورد مؤثر اهمیت زیادی دارد. این یافتهها مستقیماً دربارهٔ داستاننویسی با هوش مصنوعی نیستند، اما میتوانند چارچوب مناسبی برای استفادهٔ آموزشی از آن فراهم کنند.
۴ـ۴. تعریف عملی «کمک» و «واگذاری»
نمیتوان مرز میان کمک گرفتن از هوش مصنوعی و واگذار کردن نویسندگی را فقط بر اساس تعداد کلمات تعیین کرد. ممکن است یک جملهٔ کوتاه، تصمیم اصلی داستان باشد؛ درحالیکه هزار کلمه ویرایش زبانی، تأثیر چندانی بر کنترل روایی نویسنده نداشته باشد.
| آزمون | پرسش تشخیصی | نشانه کنترل نویسنده |
|---|---|---|
| قصد | چه کسی مسئله، تجربه یا پرسش انسانیِ داستان را تعیین کرد؟ | نویسنده میتواند منشأ و اهمیت شخصی/هنری آن را توضیح دهد. |
| تصمیم علّی | چه کسی خواسته شخصیت، تعارض، نقاط عطف و پایان را انتخاب کرد؟ | نویسنده برای هر انتخاب دلیل مستقل و بدیل ردشده دارد. |
| کنترل بیانی | جملهها، تصاویر، ریتم و صدای نهایی عمدتاً از کجا آمدهاند؟ | نویسنده متن را بازساخته و با صدای خود هماهنگ کرده است. |
| فهم خلافواقع | اگر AI در دسترس نبود، آیا نویسنده میتوانست منطق اثر را توضیح دهد و صحنهای تازه بسازد؟ | پاسخ مثبت در دفاع شفاهی و نوشتن درجا آشکار میشود. |
| مسئولیت و شفافیت | چه کسی صحت، آسیب، حقوق و اعلام استفاده را میپذیرد؟ | انسان مسئول است و قواعد زمینه را رعایت میکند. |
هرچه هوش مصنوعی در این پنج زمینه نقش تعیین کننده تری داشته باشد و نقش نویسنده به انتخاب سطحی، پاکسازی متن و امضا آن محدود شود، کار از «کمک گرفتن» به «واگذاری نویسندگی» حرکت می کند.
۵. هوش مصنوعی و مفهوم «نویسنده»
۵ـ۱. تولید متن و آفرینش ادبی
تولید متن، یعنی ساختن رشتهای از واژهها و جملهها که میتواند منسجم، تازه و اثرگذار باشد. اما «آفرینش ادبی» فقط به محصول نهایی محدود نمیشود. در آفرینش ادبی، قصد نویسنده، انتخابهای ارزشمحور، ارتباط اثر با تجربهٔ زیسته و آثار پیشین، پذیرش مسئولیت و جایگاه اثر در یک سنت ادبی و اجتماعی نیز اهمیت دارد.
ممکن است خواننده فقط متن نهایی را ببیند و دربارهٔ چگونگی تولید آن چیزی نداند؛ اما در محیطهایی مانند کلاس داستاننویسی، قرارداد نشر یا ارزیابی اخلاقی، فرایند خلق اثر و میزان نقش نویسنده نیز اهمیت پیدا میکند.
از یک دیدگاه، اگر یک متن تازه و ارزشمند باشد، ممکن است منشأ تولید آن اهمیت چندانی نداشته باشد. نظریههای محاسباتی خلاقیت نیز نشان میدهند که بخشی از فرایندهایی مانند ترکیب، جستوجو و تغییر ایدهها را میتوان بهصورت محاسباتی توصیف کرد. از این منظر، هوش مصنوعی میتواند یک ابزار یا حتی یک شریک در فرایند تولید باشد.
اما دیدگاه دیگری تأکید میکند که نویسندگی فقط کنار هم گذاشتن واژهها نیست. تجربهٔ زیسته، حافظه، مشاهده، تعهد، جهانبینی و هدف ارتباطی نویسنده، در انتخابهای او نقش دارند.
در مورد مدلهای فعلی هوش مصنوعی نیز شواهدی نداریم که نشان دهد آنها دارای تجربهٔ پدیداری، زندگینامهٔ شخصی یا مسئولیت اخلاقی هستند. آنها الگوهای زبانی مربوط به این مفاهیم را بازسازی میکنند. البته این سخن دربارهٔ سامانههای فعلی است و نباید آن را حکمی قطعی دربارهٔ هر نوع هوش مصنوعی در آینده دانست.
۵ـ۲. نقش تجربه زیسته
تجربهٔ زیسته، مادهٔ خامی نیست که نویسنده آن را مستقیماً به داستان تبدیل کند. نویسنده تجربههای خود را انتخاب، تغییر، ترکیب و بازآفرینی میکند و از این طریق به آنها شکل ادبی میدهد.
اهمیت تجربهٔ زیسته فقط در این نیست که نویسنده واقعیتی را تجربه کرده است؛ بلکه در رابطهٔ خاص نویسنده با آن واقعیت است.
برای مثال، هوش مصنوعی میتواند دربارهٔ داستان زنی که هر شب صدای قطاری را میشنود، دهها احتمال و مسیر داستانی پیشنهاد کند؛ اما اینکه این صدای قطار برای نویسنده معنای فقدان، مهاجرت، گناه، دلتنگی یا خاطره داشته باشد، از تجربهٔ انسانی و تاریخ شخصی او سرچشمه میگیرد.
فرضیه یا نگرانی نظری: اگر نویسنده عادت کند پیش از آنکه با خاطرات، مشاهدهها و ابهامهای ذهنی خود درگیر شود، فوراً به هوش مصنوعی مراجعه کند، ممکن است پاسخهای آماده بهتدریج جای بخشی از کشف شخصی او را بگیرند.
بااینحال، هنوز پژوهش بلندمدت و مستقیمی وجود ندارد که نشان دهد چنین استفادهای بهطور کلی «هویت نویسنده را نابود میکند». بنابراین، این موضوع را باید یک خطر قابل بررسی و پیگیری دانست، نه یک واقعیت قطعی.
۵ـ۳. مقایسه منصفانه دیدگاهها
| دیدگاه موافق | پاسخ انتقادی | جمعبندی متعادل |
|---|---|---|
| AI موانع زبانی و هزینه ورود را کم و فرصت تجربهکردن را بیشتر میکند. | دسترسی برابر نیست و اتکا به زبان غالب میتواند تنوع را کاهش دهد. | دسترسپذیری یک ارزش واقعی است، اما باید با آموزش سواد AI و تنوع فرهنگی همراه شود. |
| هر نویسنده همیشه از فرهنگ، ویراستار و ابزار کمک گرفته است. | مدل در مقیاس و قدرت تولید با فرهنگ لغت یا غلطگیر متفاوت است و میتواند سهم بیان را تصاحب کند. | AI در پیوستار ابزارهاست، ولی میزان عاملیت و لزوم اعلام باید متناسب با سهم مادی آن سنجیده شود. |
| کیفیت محصول مهمتر از روش تولید است. | در آموزش، مسابقه و اعتماد مخاطب، فرایند و انتساب نیز بخشی از ارزشاند. | معیارها بسته به بافت فرق میکنند؛ محصولمحوریِ بازار را نباید به کلاس تعمیم داد. |
| AI میتواند خلاق باشد. | موفقیت در سنجه محصول، تجربه، قصد یا فهم انسانی را اثبات نمیکند. | «خلاقیت محصول» را میتوان پذیرفت بیآنکه «خلاقیت عامل» را یکسان فرض کرد. |
| واگذاری بخشهای روتین نویسنده را آزاد میکند. | تشخیص روتین/اساسی دشوار است و حتی جملهپردازی تمرین صداست. | کارهای اداری و تشخیصی مناسبتر از واگذاری تصمیمهای مرکزی و نثر نهاییاند. |
جمعبندی: نویسنده برای حفظ اصالت خود لازم نیست از همهٔ ابزارهای مولد دوری کند؛ اما باید همچنان مرکز تصمیمگیری و مسئولیت آفرینش باقی بماند. هوش مصنوعی میتواند در تولید گزینهها، گسترش ایدهها و آزمودن امکانهای مختلف نقش داشته باشد، اما نباید بیسروصدا جای قصد، قضاوت و مسئولیت نویسنده را بگیرد.
۶. تأثیر شناختی و خطر وابستگی
۶ـ۱. «رخوت مغز» اصطلاح علمی دقیقی نیست
در گفتوگوی روزمره، اصطلاحهایی مانند «تنبلی مغز» یا «رخوت مغز» ممکن است به چند پدیدهٔ متفاوت اشاره کنند؛ برای مثال، کاهش تلاش در انجام یک کار، عادت به دریافت پاسخ فوری، کاهش یادسپاری، وابستگی خودکار به ابزار یا کم شدن تمرین.
این موارد را نباید با یکدیگر یکی دانست و هیچکدام بهتنهایی به معنای «آسیب مغزی» نیستند.
شواهد نسبتاً قوی اصطلاح علمی نزدیکتر به این موضوع، بارسپاری شناختی است؛ یعنی فرد بخشی از فعالیت ذهنی خود را به یک ابزار بیرونی میسپارد تا فشار پردازش ذهنی کمتر شود. یادداشتکردن، استفاده از یادآور تلفن همراه یا جستوجوی اطلاعات در اینترنت نمونههایی از همین فرایند هستند.
شواهد نسبتاً قوی: بارسپاری شناختی ذاتاً منفی نیست. گاهی میتواند حافظهٔ کاری را آزاد کند و به فرد اجازه دهد روی مسئلهای دشوارتر تمرکز کند. مشکل زمانی ایجاد میشود که فرد فعالیتی را به ابزار واگذار کند که هدف اصلی او تمرین و یادگیری همان فعالیت بوده است.
بنابراین، سؤال درست این نیست که «آیا از هوش مصنوعی استفاده شده است؟» بلکه باید پرسید: چه چیزی، با چه هزینهای و برای چه هدفی به هوش مصنوعی واگذار شده است؟
۶ـ۲. آیا AI تلاش شناختی و تفکر انتقادی را کم میکند؟
شواهد اولیه: شواهد اولیه نشان میدهند که نوع استفاده از هوش مصنوعی میتواند بر میزان تلاش ذهنی و تفکر انتقادی تأثیر بگذارد.
یافته محدود: در یک مطالعه، افرادی که بیشتر به هوش مصنوعی اعتماد داشتند، تلاش انتقادی کمتری را گزارش کردند و بخشی از فعالیت ذهنی آنها از تولید مستقیم پاسخ به سمت بررسی، راستیآزمایی، یکپارچهسازی و نظارت بر پاسخ منتقل شده بود. البته این پژوهش همبستگی و مبتنی بر گزارش افراد بود و رابطهٔ علت و معلولی را ثابت نمیکند؛ ضمن اینکه مستقیماً دربارهٔ داستاننویسی انجام نشده است.
شواهد نسبتاً قوی: مطالعهٔ دیگری که در زمینهٔ مقالهنویسی انجام شد، تفاوتهایی در فعالیت مغزی، یادآوری متن و احساس مالکیت میان گروههای مختلف استفاده از ابزار را گزارش کرد. اما این پژوهش نمونهٔ کوچکی داشت، داوری علمی نشده بود و محدودیتهای روششناختی داشت. بنابراین، نمیتوان از آن نتیجه گرفت که هوش مصنوعی باعث «آسیب مغزی» یا «تنبلی مغز» میشود.
شواهد اولیه: در مقابل، پژوهشهای آموزشی نشان دادهاند که اگر ابزار هوش مصنوعی بهگونهای استفاده شود که فرد را به فکر کردن، حل مرحلهبهمرحلهٔ مسئله و ارزیابی پاسخ وادار کند، میتواند به یادگیری کمک کند.
پس مسئله صرفاً وجود یا نبود هوش مصنوعی نیست؛ نوع طراحی و شیوهٔ استفاده از آن اهمیت دارد.
۶ـ۳. تخیل، حل مسئله و تحمل ابهام
تخیل داستانی فقط به معنای تولید تعداد زیادی ایده نیست. نویسنده باید بتواند مدتی با ابهام کنار بیاید، تجربههای مختلف را با هم ترکیب کند، پیامدهای انتخابهایش را بسنجد و در نهایت به یک ضرورت روایی برسد.
هوش مصنوعی با ارائهٔ سریع پیشنهادها میتواند این فرایند را کوتاه کند. نخستین پیشنهادی که دریافت میکنیم ممکن است به یک لنگر ذهنی تبدیل شود و باعث شود کمتر به دنبال گزینههای متفاوت برویم.
شواهد نسبتاً قوی: از سوی دیگر، پژوهشهای مربوط به «نهفتگی خلاق» نشان دادهاند که گاهی فاصله گرفتن موقت از یک مسئله و فکر نکردن مستقیم به آن، به حل خلاقانه کمک میکند.
بنابراین، نویسنده نباید هر سکوت، تردید یا بنبستی را فوراً با پاسخ هوش مصنوعی پر کند. گاهی «نمیدانم» بخشی ضروری از مسیر رسیدن به یک پاسخ شخصی و خلاقانه است.
فرضیه یا نگرانی نظری: کاهش تحمل ابهام، سطحیشدن تخیل و کاهش لذت کشف، نگرانیهای قابل بررسیاند؛ اما هنوز پژوهشهای طولانیمدت و مستقیمی دربارهٔ نویسندگان وجود ندارد که بتواند این موارد را بهعنوان واقعیت قطعی اثبات کند.
۶ـ۴. حافظه، تمرکز و استقلال فکری
- حافظه: اگر هوش مصنوعی اطلاعات مربوط به شخصیتها، زمانبندی و جزئیات داستان را نگه دارد، بخشی از فشار حافظهٔ نویسنده کم میشود. این میتواند مفید باشد؛ اما اگر نویسنده همیشه به ابزار متکی باشد، ممکن است فرصت تمرین یادگیری منطق و ساختار داستان کمتر شود. یکی از راههای جبران این مسئله، بازخوانی و بازسازی فعال اطلاعات داستان توسط خود نویسنده است.
- تمرکز: پاسخهای سریع هوش مصنوعی ممکن است با ایجاد گزینهها و شاخههای متعدد، حواس نویسنده را از مسئلهٔ اصلی پرت کنند. در مقابل، اگر هوش مصنوعی کارهای فرعی و جزئی را سامان دهد، میتواند به نویسنده اجازه دهد تمرکز بیشتری روی مسئلهٔ مرکزی داستان داشته باشد.
- حل مسئله: اگر هوش مصنوعی فقط گزینههای مختلف را پیشنهاد کند و نویسنده معیارها را تعیین و انتخاب نهایی را انجام دهد، فضای حل مسئله میتواند گستردهتر شود. اما اگر هوش مصنوعی هم مسئله را تعریف کند و هم پاسخ نهایی را انتخاب کند، بخشی از تمرین حل مسئله از نویسنده گرفته میشود.
-
استقلال فکری: استقلال فکری به معنای بیکمک بودن نیست؛ یعنی نویسنده بتواند بدون تسلیم شدن در برابر خروجی هوش مصنوعی، نظر خود را شکل دهد، از آن دفاع کند و در صورت لزوم آن را اصلاح کند.
ثبت دو چیز میتواند این استقلال را قابل مشاهده کند:
«نظر من پیش از استفاده از هوش مصنوعی چه بود؟» و «چرا پیشنهاد هوش مصنوعی را پذیرفتم یا رد کردم؟»
در نهایت، ارزیابی نباید فقط بر اساس متن نهایی انجام شود؛ فرایند نوشتن، نسخههای مختلف و دلیل انتخابهای نویسنده نیز اهمیت دارند.
۶ـ۵. استفاده منفعلانه در برابر استفاده فعال و انتقادی
| بُعد | استفاده منفعلانه | استفاده فعال و انتقادی |
|---|---|---|
| زمان ورود | پیش از شکلگیری پرسش و کوشش شخصی | پس از ثبت ایده، معیار و تلاش اولیه |
| نوع درخواست | «بهترین داستان را بنویس» | «سه تناقض طرح مرا بیاب؛ متن جایگزین ننویس» |
| نقش کاربر | پذیرنده و پاکساز خروجی | طراح مسئله، داور گزینهها و بازنویس |
| رابطه با پاسخ | اولین پاسخ لنگر و نسخه اصلی میشود | پاسخ فرضیهای قابل رد است و با شاهد سنجیده میشود |
| یادگیری | فرایند تصمیم پنهان میماند | دلیل انتخابها و انتقال یادگیری ثبت میشود |
| مالکیت | زبان و ساختار عمدتاً بیرونی است | بیان نهایی و منطق علّی به نویسنده بازمیگردد |
۶ـ۶. چه چیزی تقویت یا جایگزینی شناخت را تعیین میکند؟
| عامل | مسیر تقویت شناخت | مسیر جایگزینی شناخت |
|---|---|---|
| هدف | تمرین مهارت مشخص و دریافت بازخورد | تحویل سریع محصول |
| زمان ورود | پس از تلاش و دوره کوتاه نهفتگی | بلافاصله پس از دیدن تکلیف |
| نوع خروجی | سؤال، معیار، نقد، تناقض، چند گزینه کوتاه | صحنه یا داستان کامل و آماده |
| اصطکاک شناختی | پیشبینی قبل از نمایش، دفاع از انتخاب | یککلیک، پذیرش پیشفرض |
| اعتماد | اعتماد کالیبره و راستیآزمایی | اعتماد ناشی از روانی و لحن مطمئن |
| سطح مهارت | داربست متناسب با نیاز | کمک بیش از حد یا جایگزینی تمرین پایه |
| بازخورد انسانی | استاد/همتا و دفاع شفاهی | حلقه بسته کاربر و مدل |
| ارزیابی | فرایند، نسخهها و توجیه تصمیم | فقط محصول نهایی |
| حریم و قواعد | داده حداقلی و افشای متناسب | بارگذاری بیمحابای اثر یا دورزدن مقررات |
شواهد نسبتاً قوی: در تکالیف حرفهای عمومی، AI میتواند زمان را کم و کیفیت کوتاهمدت را بالا ببرد (Noy & Zhang, 2023). پژوهش «مرز ناهموار فناوری» نیز نشان میدهد بیرون از محدوده توان واقعی مدل، بیشاتکایی میتواند عملکرد را بدتر کند (Dell’Acqua et al., 2026). این مطالعات درباره داستان نیستند؛ اما یک اصل قابلتعمیم دارند: روانی خروجی را با صلاحیت اشتباه نگیریم و کار را آگاهانه تقسیم کنیم.
جمعبندی علمی این بخش: شواهدی وجود دارد که استفاده بیحفاظ میتواند تلاش یا یادگیریِ بدون ابزار را در بعضی تکالیف کاهش دهد؛ شواهدی نیز وجود دارد که طراحیِ پرسشمحور و داربستبندیشده یادگیری را تقویت میکند. درباره افت بلندمدت مهارت داستاننویسی، تخیل یا «آسیب مغزی» هنوز حکم قطعی ممکن نیست.
۷. فرصتهای AI برای داستاننویس: راهنمای چهارگانه هر مرحله
در هر بند چهار پرسش ثابت پاسخ داده میشود: کمک AI چیست؟ وظیفه نویسنده چیست؟ خطر وابستگی کدام است؟ بهترین روش چیست؟ مثال محوری همان زن و قطارِ ناموجود است.
۷ـ۱. ایدهپردازی
کمک هوش مصنوعی: میتواند دامنهٔ تداعیها را گسترش دهد، پرسشهای «اگر… چه؟» مطرح کند و زمینههایی را برای تحقیق پیشنهاد دهد.
وظیفهٔ نویسنده: مشخص کند چرا این ایده برای او اهمیت دارد و چه تجربه یا پرسش انسانی در مرکز آن قرار گرفته است.
خطر: اولین ایدههای خوشساخت هوش مصنوعی ممکن است ذهن نویسنده را به خود وابسته کنند و هستهٔ شخصی ایده را کنار بزنند.
روش پیشنهادی: ابتدا یک صفحه آزاد دربارهٔ ایده بنویسید. بعد از هوش مصنوعی بخواهید فقط پرسش و تضاد ایجاد کند، نه اینکه طرح کامل داستان بدهد. از میان پیشنهادها، چیزی را انتخاب کنید که با دغدغهٔ شخصی شما چالش ایجاد میکند، نه صرفاً چیزی که جذاب به نظر میرسد.
۷ـ۲. طوفان فکری
کمک هوش مصنوعی: میتواند در مدت کوتاهی تعداد زیادی امکان تولید و آنها را دستهبندی کند؛ مثلاً بر اساس واقعگرایانه یا فانتزی بودن، کمهزینه یا پرهزینه بودن و درونی یا بیرونی بودن.
وظیفهٔ نویسنده: پیش از شروع، معیارهای خود را برای تنوع و انتخاب مشخص کند.
خطر: تعداد زیاد پیشنهادها ممکن است جای عمق فکر را بگیرد و نویسنده را میان گزینههای فراوان سرگردان کند.
روش پیشنهادی: از قاعدهٔ «سه پیش از ماشین» استفاده کنید: ابتدا سه پاسخ را خودتان پیدا کنید، سپس حداکثر هفت پیشنهاد از هوش مصنوعی بگیرید و بعد متوقف شوید و دو گزینه را برای پرورش بیشتر انتخاب کنید.
۷ـ۳. یافتن زاویههای تازه
کمک هوش مصنوعی: میتواند موضوع را از زاویههای مختلف بررسی کند؛ مثلاً صدای قطار را از نگاه همسایه، نقشهبردار شهر یا کودکی که اصلاً صدایی نمیشنود، ببیند. همچنین میتواند فرضهای پنهان ایده را وارونه کند.
وظیفهٔ نویسنده: تشخیص دهد کدام زاویه واقعاً پیامد عاطفی یا اخلاقی دارد.
خطر: ممکن است تفاوت ظاهری با تازگی واقعی اشتباه گرفته شود.
روش پیشنهادی: از هوش مصنوعی بخواهید پنج فرض پنهان ایده را پیدا کند و برای هرکدام یک حالت وارونه پیشنهاد دهد؛ اما از آن نخواهید داستان بنویسد. سپس خودتان یکی از این وارونگیها را با تجربهٔ شخصی یا نگاه خود ترکیب کنید.
۷ـ۴. شخصیتپردازی
کمک هوش مصنوعی: میتواند مصاحبهای فرضی با شخصیت انجام دهد، سازگاری رفتار او را بررسی کند و تناقضهای احتمالی شخصیت را پیدا کند.
وظیفهٔ نویسنده: میل، شرم، عادتهای بدنی، زبان و مرزهای اخلاقی شخصیت را از مشاهده و تخیل خود بسازد.
خطر: شخصیت ممکن است به فهرستی از ویژگیها یا یک تیپ روانشناختی تبدیل شود.
روش پیشنهادی: ابتدا خودتان یک صحنهٔ انسانی از شخصیت بنویسید. سپس از هوش مصنوعی بخواهید فقط آنچه را که واقعاً از رفتار شخصیت میتوان فهمید، گزارش کند و میان مشاهده و حدس تفاوت بگذارد.
۷ـ۵. خواسته، نیاز، ترس و تضاد شخصیت
کمک هوش مصنوعی: میتواند میان خواستهٔ آگاهانه و نیاز عمیقتر شخصیت تفاوت بگذارد و بررسی کند که ترس چگونه مانع عمل شخصیت میشود.
وظیفهٔ نویسنده: ارزش، هزینه و معنای این خواستهها و ترسها را خودش تعیین کند.
خطر: فرمولهای آماده جای کشف تدریجی شخصیت در صحنهها را بگیرند.
روش پیشنهادی: از هوش مصنوعی بخواهید سه ناسازگاری احتمالی میان خواسته، نیاز، ترس و رفتار شخصیت پیدا کند و سؤال بپرسد؛ سپس خودتان تعریفها و انتخابها را بازنویسی کنید.
۷ـ۶. کشمکش درونی و بیرونی
کمک هوش مصنوعی: میتواند رابطهٔ میان «خواسته، مانع و هزینه» را بررسی کند و شدت گرفتن کشمکش را بسنجد.
وظیفهٔ نویسنده: کشمکش بیرونی را به انتخاب اخلاقی و زخم یا مسئلهٔ درونی شخصیت پیوند دهد.
خطر: اضافه شدن حوادث پرسروصدا اما بیارتباط با داستان.
روش پیشنهادی: برای هر مانع از هوش مصنوعی بپرسید: «این مانع کدام باور شخصیت را تهدید میکند؟» فقط موانعی را نگه دارید که هم رفتار شخصیت و هم شناخت او از خودش را تغییر میدهند.
۷ـ۷. طراحی پیرنگ
هوش مصنوعی: میتواند چند ساختار احتمالی را نشان دهد، روابط علت و معلولی را بررسی کند، حلقههای تکراری را پیدا کند و خط داستان را خلاصه کند.
وظیفهٔ نویسنده: وعدهٔ اصلی داستان، سؤال مرکزی و ترتیب آشکار شدن اطلاعات را خودش تعیین کند.
خطر: الگوهایی مانند ساختار سهپردهای یا سفر قهرمان بهجای منطق خاص داستان قرار بگیرند.
روش پیشنهادی: طرح خود را در ده جمله بنویسید و از هوش مصنوعی بخواهید فقط روابطی را که با «بنابراین» یا «اما» به هم متصل نمیشوند، مشخص کند؛ نه اینکه حادثهٔ جایگزین پیشنهاد دهد.
۷ـ۸. حادثه محرک
کمک هوش مصنوعی: میتواند بررسی کند که آیا حادثه واقعاً تعادل اولیهٔ داستان را برهم میزند، راه بازگشت را محدود میکند و با شخصیت ارتباط دارد.
وظیفهٔ نویسنده: لحظهای را انتخاب کند که داستان خاص خودش را آغاز میکند.
خطر: انتخاب حادثهای بزرگ و هیجانانگیز که ارتباطی با شخصیت یا مضمون ندارد.
روش پیشنهادی: سه نسخه از حادثهٔ محرک را خودتان بنویسید. سپس از هوش مصنوعی بخواهید پیامد فوری، انتخاب اجباری و پرسش ایجادشده در هر نسخه را مقایسه کند. �
۷ـ۹. نقاط عطف
کمک هوش مصنوعی: میتواند تغییر هدف، اطلاعات یا قدرت شخصیت را در پایان هر بخش بررسی کند.
وظیفهٔ نویسنده: مطمئن شود نقطهٔ عطف نتیجهٔ عمل یا تصمیم شخصیت است، نه یک تصادف نجاتبخش.
خطر: تبدیل داستان به مجموعهای از ضرباهنگهای مکانیکی.
روش پیشنهادی: برای هر نقطهٔ عطف سه سؤال بنویسید: «پیش از آن چه میخواست؟ چه فهمید یا از دست داد؟ حالا چه میخواهد؟» سپس از هوش مصنوعی فقط بخواهید ناسازگاریها را پیدا کند.
۷ـ۱۰. اوج
کمک هوش مصنوعی: میتواند بررسی کند که آیا اوج بیشترین فشار را بر تعارض اصلی وارد میکند و نتیجهٔ منطقی انتخابهای قبلی است.
وظیفهٔ نویسنده: تصمیم برگشتناپذیر شخصیت و معنای عاطفی آن را طراحی کند.
خطر: یک انفجار، افشاگری یا حادثهٔ تماشایی بهاشتباه جای اوج واقعی داستان را بگیرد.
روش پیشنهادی: از هوش مصنوعی بخواهید اوج را با سه معیار بررسی کند: عاملیت شخصیت، هزینه و ارتباط با مضمون؛ و فقط پرسشهایی دربارهٔ ضعفهای آن مطرح کند.
۷ـ۱۱. پایانبندی
کمک هوش مصنوعی: میتواند پایانهای باز، بسته، تلخ، امیدوارکننده یا دوری را مقایسه کند و وعدههای بیپاسخ داستان را پیدا کند.
وظیفهٔ نویسنده: حالوهوای اخلاقی و عاطفی پایان و میزان ابهام مورد نظرش را تعیین کند.
خطر: پایان توضیحی، شعارگونه یا پیچش مصنوعی.
روش پیشنهادی: سه پایان کوتاه را خودتان بنویسید. هوش مصنوعی فقط پیامد هر پایان را بر شخصیت، مضمون و خواننده بررسی کند. آخرین جمله را بدون کمک هوش مصنوعی بنویسید.
۷ـ۱۲. زاویه دید
کمک هوش مصنوعی: میتواند پیامدهای انتخاب اولشخص، سومشخص محدود، دانای کل یا روایت جمعی را مقایسه کند.
وظیفهٔ نویسنده: فاصلهٔ عاطفی، میزان اطلاعاتی که راوی حق دارد بداند و محدودیتهای ادراکی او را انتخاب کند.
خطر: انتخاب زاویهٔ دید فقط به دلیل روانتر بودن نمونهٔ تولیدشده توسط هوش مصنوعی.
روش پیشنهادی: یک پاراگراف را خودتان در دو زاویهٔ دید بنویسید و از هوش مصنوعی بخواهید تفاوت دسترسی، اعتماد و تنش را تحلیل کند. سپس نسخهٔ نهایی را دوباره خودتان بنویسید.
۷ـ۱۳. زمان داستان
کمک هوش مصنوعی: میتواند خط زمانی بسازد، ناسازگاری سن و تاریخ را پیدا کند و ترتیب فلاشبکها و افشاگریها را بررسی کند.
وظیفهٔ نویسنده: تجربهٔ زمان را بسازد؛ مثلاً کشآمدن، تکهتکه شدن، خاطرهای بودن یا فوری بودن آن را.
خطر: زمان داستان به یک جدول دقیق اما بیروح تبدیل شود.
روش پیشنهادی: هوش مصنوعی را حسابرس زمان بدانید، نه طراح تجربهٔ زمانی. ریتم زمان را خودتان با جملهها و انتخابهای روایی بسازید.
۷ـ۱۴. مکان داستان
کمک هوش مصنوعی: میتواند دربارهٔ جغرافیا، مسیرها، آبوهوا، صداها و محدودیتهای فیزیکی اطلاعات و پرسشهای تحقیقی پیشنهاد دهد.
وظیفهٔ نویسنده: جزئیات خاص مکان و رابطهٔ شخصیت با آن فضا را پیدا کند.
خطر: مکان به توصیفی عمومی و شبیه متنهای گردشگری تبدیل شود یا اطلاعات نادرست وارد داستان شود.
روش پیشنهادی: یادداشتهای حسی و تحقیق معتبر را خودتان فراهم کنید. از هوش مصنوعی بخواهید خلأهای حسی یا منطقی را پیدا کند و ادعاهای واقعی را برای راستیآزمایی مشخص کند.
۷ـ۱۵. جهان داستان
کمک هوش مصنوعی: میتواند دربارهٔ قوانین، اقتصاد، فناوری، قدرت و پیامدهای جهان داستان سؤال طراحی کند و استثناها را بررسی کند.
وظیفهٔ نویسنده: قانون مرکزی جهان و هزینهٔ انسانی آن را تعیین کند.
خطر: انباشته شدن اطلاعات جذاب بدون آنکه وارد درام شوند یا جهان داستان بیش از حد شبیه جهانهای آشنا شود.
روش پیشنهادی: «کتاب مقدس جهان» را خودتان بنویسید. هوش مصنوعی فقط تناقضهای قوانین و پیامدهای حلنشده را پیدا کند. هر قانون باید در تصمیمها و رفتار شخصیتها دیده شود.
۷ـ۱۶. دیالوگ
کمک هوش مصنوعی: میتواند یکسان بودن صدای شخصیتها، طول زیاد دیالوگ، اطلاعاتگویی و جاهایی را که امکان مکث یا قطع گفتوگو وجود دارد، تشخیص دهد.
وظیفهٔ نویسنده: ریتم خاص هر شخصیت، بافت اجتماعی، میل پنهان و سکوتهای معنادار را خودش بسازد.
خطر: دیالوگها صاف، همشکل و قابلجایگزین شوند یا به تقلید از سبک نویسندهٔ دیگری نزدیک شوند.
روش پیشنهادی: دیالوگ را خودتان بنویسید. از هوش مصنوعی بخواهید فقط جملههایی را که هر شخصیت دیگری هم میتوانست بگوید، علامت بزند؛ نه اینکه جملهٔ جایگزین بنویسد.
۷ـ۱۷. زیرمتن
کمک هوش مصنوعی: میتواند تفاوت میان آنچه شخصیت میگوید، میخواهد و پنهان میکند را بررسی کند.
وظیفهٔ نویسنده: زیرمتن را در رفتار، مکث و جزئیات قرار دهد، نه در توضیح مستقیم.
خطر: هوش مصنوعی زیرمتن را بیش از حد روشن و صریح کند و ابهام ارزشمند داستان را از بین ببرد.
روش پیشنهادی: از هوش مصنوعی بخواهید دو برداشت متفاوت از صحنه ارائه کند و برای هر برداشت شاهد متنی بیاورد. اگر فقط یک برداشت کاملاً روشن ارائه شد، خودتان صحنه را ظریفتر کنید.
۷ـ۱۸. توصیف
کمک هوش مصنوعی: میتواند حواس کمتر استفادهشده، کلیشهها، صفتهای اضافی و رابطهٔ توصیف با زاویهٔ دید را پیدا کند.
وظیفهٔ نویسنده: جزئیات معنادار و مشاهدهشده را انتخاب کند.
خطر: متن ظاهراً زیبا اما بیهویت شود؛ تشبیهها زیاد شوند و نگاه شخصی نویسنده از بین برود.
روش پیشنهادی: ابتدا سه جزئیات دقیق از حافظه یا مشاهدهٔ خودتان بنویسید. از هوش مصنوعی بخواهید فقط کارکرد هر جزئیات را بررسی کند. استعارهٔ اصلی را خودتان بسازید.
۷ـ۱۹. ریتم
کمک هوش مصنوعی: میتواند طول جملهها و صحنهها، نسبت کنش و تأمل و نقاط کند یا فشردهٔ متن را بررسی کند.
وظیفهٔ نویسنده: موسیقی نثر و تأثیر عاطفی تغییر سرعت را خودش احساس و تعیین کند.
خطر: به نام «روانتر شدن»، همهٔ متن یکدست و بیریتم شود.
روش پیشنهادی: تحلیل هوش مصنوعی را فقط بهعنوان ابزار تشخیصی بگیرید. بازنویسی را با صدای بلند و به دست خود انجام دهید و برای هر تغییر هدفی مشخص داشته باشید؛ مثلاً ایجاد اضطراب، تأمل یا شوک.
۷ـ۲۰. تعلیق
کمک هوش مصنوعی: میتواند سؤالهای باز، وعدههای داستان، اطلاعات در اختیار خواننده و شخصیت و زمان پاسخ به آنها را دنبال کند.
وظیفهٔ نویسنده: تعیین کند چه اطلاعاتی پنهان بماند، بدون اینکه با خواننده ناعادلانه رفتار شود.
خطر: ایجاد رازهای مصنوعی یا به تأخیر انداختن بیدلیل پاسخها.
روش پیشنهادی: جدولی با این پنج ستون بسازید: سؤال، زمان طرح، یادآوری، پاسخ و پیامد. سپس از هوش مصنوعی بخواهید سؤالهای فراموششده یا پاسخهای بیاثر را پیدا کند.
۷ـ۲۱. نماد و موتیف
کمک هوش مصنوعی: میتواند تکرارهای ناخواسته و شبکهٔ تداعیهای احتمالی تصاویر و اشیا، مانند قطار، صدا، ساعت یا زنگ را پیدا کند.
وظیفهٔ نویسنده: اجازه دهد معنای نماد از طریق تکرار و تغییر آن در صحنهها شکل بگیرد.
خطر: نمادها تزئینی، کلیشهای یا بیش از حد توضیحدادهشده شوند.
روش پیشنهادی: ابتدا فقط موتیفهایی را که واقعاً در متن خودتان وجود دارند استخراج کنید. سپس از هوش مصنوعی بخواهید برای آنها چند خوانش همراه با شاهد ارائه دهد. نمادی را که صرفاً هوش مصنوعی پیشنهاد کرده، بدون ضرورت وارد داستان نکنید.
۷ـ۲۲. مضمون
کمک هوش مصنوعی: میتواند چند پرسش مضمونی مطرح کند و رابطهٔ آنها را با انتخابهای شخصیت بررسی کند.
وظیفهٔ نویسنده: اجازه ندهد مضمون به پیام مستقیم یا شعار اخلاقی تبدیل شود و تناقض آن را زنده نگه دارد.
خطر: شعار، اخلاقگویی و تحمیل یک معنای ازپیشتعیینشده.
روش پیشنهادی: بهجای اینکه بپرسید «مضمون داستان چیست؟»، بپرسید: «کدام انتخابهای شخصیت، دو پاسخ متضاد به پرسش اصلی داستان ایجاد میکنند؟» پاسخ هوش مصنوعی را نیز بهعنوان حقیقت نهایی نپذیرید.
۷ـ۲۳. انسجام و پیوستگی
کمک هوش مصنوعی: میتواند نامها، سنها، اشیا، اطلاعات، روابط، زمان و قوانین جهان داستان را در متن بلند دنبال کند و هر صحنه را خلاصه کند.
وظیفهٔ نویسنده: میان تناقض واقعی و تفاوت یا ابهام عمدی تمایز بگذارد.
خطر: هوش مصنوعی هر تفاوتی را اشتباه بداند و در نتیجه، پیچیدگی یا ناهمواری عمدی اثر را صاف کند.
روش پیشنهادی: معیارها و قواعد داستان را در اختیار هوش مصنوعی بگذارید و بخواهید هر ایراد را همراه با شاهد و محل آن در متن گزارش کند. اجازه ندهید مستقیماً متن را اصلاح کند.
۷ـ۲۴. کشف حفرههای منطقی
کمک هوش مصنوعی: میتواند نقش مخالفخوان را بازی کند و انگیزه، امکان فیزیکی، رابطهٔ علت و معلول و میزان دانش شخصیت را به چالش بکشد.
وظیفهٔ نویسنده: تصمیم بگیرد کدام شکاف منطقی باید برطرف شود و کدام راز باید باقی بماند.
خطر: اعتماد به نقد ساختگی یا پذیرفتن راهحلهای تصادفی هوش مصنوعی.
روش پیشنهادی: برای هر ایراد از هوش مصنوعی بخواهید چهار چیز ارائه کند: ادعا، شاهد، میزان اهمیت و یک پرسش؛ نه راهحل. سپس خودتان آن را با متن و منابع مستقل بررسی کنید.
۷ـ۲۵. نقد و بازخورد
هوش مصنوعی: میتواند سریع و تکرارپذیر دربارهٔ متن بازخورد بدهد، نقش چند نوع خواننده را شبیهسازی کند و الگوهای ضعف را نشان دهد.
وظیفهٔ نویسنده: معیار نقد را خودش تعیین کند، نقدهای متفاوت را با هم مقایسه کند و از خوانندگان انسانی نیز بازخورد بگیرد.
خطر: لحن مطمئن هوش مصنوعی باعث شود نقد آن را بیش از حد معتبر بدانیم یا داستان را به سلیقهٔ متوسط و رایج نزدیک کنیم.
روش پیشنهادی: نقد را در سه بخش بخواهید: مشاهدهٔ متنی، اثر احتمالی بر خواننده و پرسش باز. هیچ امتیاز کلی را بدون شاهد متنی نپذیرید.
۷ـ۲۶. بازنویسی
کمک هوش مصنوعی: میتواند مشکلات متن را دستهبندی کند، نسخههای مختلف را مقایسه کند و یک راهکار را بهصورت محدود آزمایش کند.
وظیفهٔ نویسنده: مشکل اصلی را تشخیص دهد، راهحل را انتخاب کند و متن را در بافت کامل خودش بازنویسی کند.
خطر: بازنویسی به وصلهکاری جملهها محدود شود، صدای نویسنده از بین برود و نویسنده نتواند آموختهٔ خود را در صحنهٔ بعدی به کار ببرد.
روش پیشنهادی: ابتدا خودتان یک «نامهٔ بازنویسی» بنویسید و مشکلها و هدفهای بازنویسی را مشخص کنید. سپس از هوش مصنوعی بخواهید اولویتها و پیامدهای ناخواستهٔ تغییرها را نقد کند. متن نهایی را خودتان و بدون کپی مستقیم بنویسید.
۷ـ۲۷. ویرایش زبانی
کمک هوش مصنوعی: میتواند خطاهای دستوری و املایی، تکرار، ابهام ناخواسته و ناهماهنگی رسمالخط را پیدا کند.
وظیفهٔ نویسنده: شکستهای نحوی، گویش، موسیقی جمله و ناهنجاریهای عمدی را حفظ کند.
خطر: متن بیش از حد معیار و یکدست شود و تفاوت صداها و گویشها از بین برود.
روش پیشنهادی: از هوش مصنوعی بخواهید «ویرایش همراه با دلیل» انجام دهد؛ یعنی هر پیشنهاد را همراه با قاعده یا دلیل ارائه کند. اصلاح سراسری و خودکار متن انجام ندهید.
۷ـ۲۸. مقایسه چند گزینه روایی
کمک هوش مصنوعی: میتواند چند گزینهٔ روایی را بر اساس معیارهایی مانند عاملیت شخصیت، کشمکش، تازگی، هزینه و سازگاری با مضمون مقایسه کند.
وظیفهٔ نویسنده: معیارها را وزندهی کند و تصمیم نهایی را خودش بگیرد.
خطر: تبدیل ذوق و انتخاب هنری به عدد و پذیرفتن گزینهای که هوش مصنوعی بهعنوان «برنده» معرفی میکند.
روش پیشنهادی: امتیاز هوش مصنوعی را تصمیم نهایی ندانید. از آن بخواهید مبادلهها و هزینههای هر انتخاب را توضیح دهد. سپس خودتان یادداشت کوتاهی بنویسید: «چه چیزی را قربانی میکنم و چرا؟»
جمعبندی بخش: هوش مصنوعی برای گسترش، پرسشگری، مقایسه و آزمودن؛ نویسنده برای معنا، انتخاب، تصمیم و بیان نهایی. یعنی هرچه هوش مصنوعی از «تولیدکنندهٔ پاسخ نهایی» به سمت «ابزار تشخیص و چالشگری» حرکت کند، احتمال اینکه به پرورش مهارت نویسنده کمک کند بیشتر میشود. این دقیقاً با مدل نویسندهمحور مقاله هماهنگ است.
۸. تهدیدها و آسیبهای احتمالی
۸ـ۱. نقشه ادعاها: چه چیزی ثابت شده و چه چیزی نه؟
| موضوع | وضعیت شواهد | آنچه واقعاً میدانیم | چیزی که هنوز نمیتوان گفت |
|---|---|---|---|
| وابستگی ذهنی و کاهش تلاش | شواهد اولیه در کار دانشی؛ شواهد علّی قوی در ریاضی | پاسخ مستقیم و اعتماد زیاد میتواند تلاش/یادگیری بدون ابزار را در بعضی بافتها کم کند. | اینکه همه داستاننویسان در بلندمدت وابسته یا کمهوش میشوند. |
| کاهش تمرین نویسندگی | شواهد نسبتاً قوی درباره ضرورت تمرین؛ استنباط درباره AI | واگذاری کاری که باید تمرین شود، فرصت تمرین را حذف میکند. | اندازه دقیق افت مهارت داستانی یا یک سقف جهانیِ بیخطر. |
| ازبینرفتن صدای شخصی | گزارش کیفی مستقیم و نگرانی حرفهای | نویسندگان حفظ صدا و کنترل را دشوار گزارش کردهاند. | اینکه هر ویرایش AI حتماً صدا را نابود میکند. |
| کلیشه و شباهت آثار | شواهد مستقیم اولیه تا نسبتاً قوی در تکالیف کوتاه | AI میتواند کیفیت فردی را بالا و تنوع جمعی را پایین بیاورد؛ همگنشدن ایده گزارش شده است. | اندازه اثر در رمان، زبان فارسی و استفادههای بلندمدت. |
| کاهش تنوع ادبی | خطر بالقوه با شواهد محصول کوتاه و تحلیل سوگیری | داده و ترجیحات میانگین میتوانند الگوهای غالب را تقویت کنند. | نابودی قطعی سبکهای اقلیت یا تنوع ادبی جهان. |
| کاهش لذت آفرینش | یافتههای کیفی پراکنده و نگرانی نظری | برخی نویسندگان اصالت را به تجربه فرایند گره میزنند. | اثر عمومی و جهت آن؛ بعضی افراد برعکس از کاهش اصطکاک لذت میبرند. |
| سطحیشدن تخیل | فرضیه نظری با پشتوانه تثبیت/نهفتگی | پاسخ زودهنگام میتواند دوره جستوجوی شخصی را کوتاه کند. | افت پایدار تخیل ناشی از هر نوع استفاده. |
| کاهش تحمل ابهام و بنبست | نگرانی نظری | عادت به پاسخ فوری ممکن است رفتار حل مسئله را تغییر دهد. | رابطه علّی مستقیم در نویسندگان؛ پژوهش کافی وجود ندارد. |
| انتقال تصمیمهای مهم | خطر قابل مشاهده در فرایند | میتوان سهم علّی تصمیمها و نبودِ توجیه مستقل را ثبت کرد. | اینکه صرف استفاده از مدل مساوی واگذاری است. |
| بیشاعتمادی و توهم دانایی | شواهد نسبتاً قوی در تعامل انسان و اتوماسیون؛ اولیه در GenAI | روانی، توضیح و اعتماد زیاد میتوانند اعتماد نابجا بسازند. | اینکه نویسنده ماهر همیشه یا هرگز فریب نمیخورد. |
| خطای واقعی و منبع ساختگی | شواهد نسبتاً قوی فنی | مدلها میتوانند اطلاعات، نقلقول و منبع نادرست بسازند (Ji et al., 2023). | نرخ ثابت خطا برای همه مدلها و موضوعها. |
| تقلید سبک نویسندگان | خطر اخلاقی/حرفهای؛ وضعیت حقوقی متغیر | مدل میتواند نشانههای سبکی را بازتولید کند و خروجی احتمالاً به بیان حفاظتشده نزدیک شود. | اینکه «سبک» بهخودیخود در همه کشورها موضوع حق مؤلف است. |
| مالکیت فکری خروجی | گزارش رسمی، وابسته به قلمرو | در آمریکا، حمایت مستلزم مؤلف انسانی و سهم بیان انسانیِ کافی است. | یک قاعده جهانی یا نتیجه حقوقی قطعی برای هر اثر. |
| حریم و محرمانگی | خطر فنی/قراردادی واقعی | داده بارگذاریشده تابع سیاست سرویس است و مدلها میتوانند در شرایطی داده آموزشی را حفظ/افشا کنند. | اینکه هر پیشنویس بارگذاریشده حتماً منتشر یا در آموزش استفاده میشود. |
| فریب مخاطب و اصالت | مسئله هنجاری و قراردادی | ادعای «کاملاً نوشته خودم» با سهم مادی و پنهان AI میتواند گمراهکننده باشد. | لزوم اعلام هر غلطگیری یا هر پرسش پسزمینه در همه بافتها. |
| تولید انبوه بیهویت | خطر بازار و نگرانی نظری | هزینه تولید کاهش یافته و مشوق تولید حجمی بیشتر شده است. | سقوط قطعی کیفیت یا پایان نقش نویسنده انسانی. |
۸ـ۲. وابستگی، استقلال و کاهش تمرین
وابستگی به هوش مصنوعی را نباید فقط با تعداد دفعات استفاده از آن سنجید. ممکن است کسی زیاد از هوش مصنوعی استفاده کند، اما همچنان استقلال خود را حفظ کرده باشد؛ و برعکس، حتی یک بار استفاده از آن میتواند در صورتی که تصمیم اصلی داستان را به هوش مصنوعی بسپارد، نوعی وابستگی ایجاد کند.
وابستگی را میتوان در سه سطح بررسی کرد:
وابستگی عملکردی: نویسنده بدون هوش مصنوعی نمیتواند کار را پیش ببرد.
وابستگی قضاوتی: نویسنده پاسخ هوش مصنوعی را معیار درستی یا کیفیت میداند.
وابستگی عاطفی: نویسنده در برابر هر ابهام، تردید یا بنبست، بلافاصله به هوش مصنوعی پناه میبرد.
استفادهٔ مکرر از هوش مصنوعی لزوماً به وابستگی منجر نمیشود؛ بهشرط آنکه نویسنده زمانهایی را بدون ابزار کار کند، معیارهای مستقل خود را داشته باشد و بتواند آنچه را با کمک هوش مصنوعی به دست آورده، خودش بازسازی کند.
شواهد نسبتاً قوی: در داستاننویسی، تمرین اهمیت زیادی دارد. اگر هنرجو بهجای اینکه خودش صحنه بنویسد، شخصیت بسازد یا یک تعارض را حل کند، متن آمادهٔ هوش مصنوعی را فقط کمی ویرایش کند، بخشی از تمرین واقعی نویسندگی را از دست میدهد.
بنابراین، نگرانی اصلی خودِ استفاده از هوش مصنوعی نیست؛ از دست رفتن تمرینهایی است که قرار بوده مهارت نویسنده را بسازند. البته هنوز پژوهش مستقیمی وجود ندارد که بتواند میزان کاهش بلندمدت مهارت داستاننویسی در اثر استفاده از هوش مصنوعی را مشخص کند.
۸ـ۳. صدا، کلیشه و تنوع ادبی
شواهد نسبتاً قوی: یکی از نگرانیهای مهم دربارهٔ هوش مصنوعی این است که ممکن است بهجای کمک به شکلگیری صدای شخصی نویسنده، آثار را به سمت شباهت و یکدستی بیشتر ببرد.
برخی پژوهشهای مربوط به داستان کوتاه نشان دادهاند که کمک هوش مصنوعی میتواند ارزیابی افراد از کیفیت داستان را بهتر کند، اما در عین حال، شباهت میان داستانها را نیز افزایش دهد. به بیان سادهتر، ممکن است هر داستان بهتنهایی بهتر به نظر برسد، اما مجموعهٔ داستانها شبیهتر به یکدیگر شوند.
این اتفاق میتواند دو دلیل داشته باشد:
اول اینکه مدلهای زبانی معمولاً الگوهای رایج و پاسخهایی را که از نظر زبانی پذیرفتنی هستند، بیشتر پیشنهاد میکنند. از طرف دیگر، نویسنده ممکن است همان پیشنهاد اولبرای نویسندهٔ فارسیزبان، خطر د را بهعنوان نقطهٔ شروع بپذیرد و ناخودآگاه به آن وابسته شود.
یگری نیز وجود دارد: ممکن است استفادهٔ زیاد از الگوهای زبانی غالب، به معیارشدگی زبان یا ترجمهزدگی منجر شود. البته اندازهٔ واقعی این اثر هنوز بهطور مستقیم سنجیده نشده است.
برای کاهش این خطر، بهتر است نویسنده:
پیش از استفاده از هوش مصنوعی، خودش ایدهپردازی کند؛
بهجای تفاوتهای ظاهری، از هوش مصنوعی تفاوتهای ساختاری بخواهد؛ از منابع و تجربههای محلی استفاده کند؛
و واژگان، ریتم و ویژگیهای شخصی زبان خود را آگاهانه حفظ کند.
همچنین باید توجه داشت که دادههای عظیم زبانی، خودشان از سوگیریها، حذفها و روابط قدرت موجود در فرهنگ و جامعه تأثیر میپذیرند. بنابراین، نباید خروجی هوش مصنوعی را نوعی «میانگین بیطرف فرهنگی» تصور کرد.
۸ـ۴. لذت، رنج سازنده و بنبست
بخش مهمی از تجربهٔ هنری در «نرسیدن فوری» شکل میگیرد؛ یعنی در مشاهده، شکست خوردن، پاک کردن، دوباره فکر کردن، فاصله گرفتن از مسئله و بازگشت دوباره به آن.
هوش مصنوعی میتواند این اصطکاک را کاهش دهد و برای بعضی افراد، بهویژه کسانی که با موانع زبانی یا محدودیتهای خاص روبهرو هستند، کمک ارزشمندی باشد.
اما همین ویژگی میتواند یک خطر هم داشته باشد: ممکن است هوش مصنوعی بخشی از رنج سازندهٔ نویسندگی را از بین ببرد.
البته مرز میان «رنج بیهوده» و «رنج سازنده» برای همهٔ نویسندگان یکسان نیست. گاهی کمک گرفتن از ابزار باعث میشود نویسنده از یک مانع غیرضروری عبور کند و به بخش مهمتری از کار برسد؛ گاهی هم همان مانع، بخشی از فرایند کشف و یادگیری اوست.
پیشنهاد آموزشی: یک روش ساده برای تشخیص این تفاوت این است که نویسنده پس از هر جلسهٔ کار، دو چیز را از ۱ تا ۵ ارزیابی کند:
- میزان مالکیت من بر اثر چقدر بود؟
- میزان کشف و یادگیری من چقدر بود؟
اگر کیفیت متن بالا برود، اما این دو امتیاز بهطور مداوم پایین بیایند، بهتر است نقش هوش مصنوعی محدود شود یا از تولید پاسخ به سمت پرسشگری تغییر کند.
البته این دو امتیاز یک ابزار شخصی برای خودارزیابیاند و آزمون علمی استاندارد محسوب نمیشوند.
۸ـ۵. توهم دانایی، خطا و تحقیق
هوش مصنوعی ممکن است دربارهٔ تاریخ یک شهر، فاصلهٔ دو مکان، یک اصطلاح فنی، لهجه، بیماری، آیین فرهنگی یا حتی یک منبع ادبی، اطلاعات نادرست تولید کند. این موضوع در داستاننویسی اهمیت زیادی دارد. اینکه داستان تخیلی است، به این معنا نیست که همهٔ اطلاعات واقعی موجود در آن میتوانند اشتباه باشند. یک اطلاعات نادرست ممکن است منطق جهان داستان را خراب کند یا باعث شود گروهی از مردم به شکلی نادرست و آسیبزا به تصویر کشیده شوند.
روان بودن پاسخ، جزئیات زیاد و لحن مطمئن هوش مصنوعی، نشانهٔ درست بودن اطلاعات نیست.
برای جلوگیری از این مشکل، مقاله یک روش سهمرحلهای پیشنهاد میکند:
مرحلهٔ اول: از هوش مصنوعی بخواهید تمام ادعاهایی را که قابل بررسی هستند جدا کند و میزان اطمینان خود را دربارهٔ هرکدام بگوید. این میزان اطمینان فقط یک سرنخ است و نباید بهعنوان مدرک پذیرفته شود.
مرحلهٔ دوم: هر ادعای مهم را در یک منبع معتبر و مستقل بررسی کنید. برای پیدا کردن منبع میتوان از هوش مصنوعی کمک گرفت، اما نباید به منابعی که خود مدل معرفی میکند، بدون بررسی اعتماد کرد.
مرحلهٔ سوم: منبع واقعی و تصمیمی را که بر اساس آن گرفتهاید، در دفتر تحقیق ثبت کنید. اگر عمداً واقعیت را برای داستان تغییر میدهید، باید این تغییر با قوانین و منطق جهان داستان هماهنگ باشد.
۸ـ۶. تقلید سبک و مسئله نویسندگان دیگر
درخواست از هوش مصنوعی برای اینکه «به سبک نویسندهٔ زندهٔ مشخصی» بنویسد، دستکم سه مشکل ایجاد میکند:
۱. ممکن است صدای شخصی خود نویسنده کمرنگ شود.
۲. ممکن است از اعتبار و جایگاه هنری نویسندهٔ دیگری بدون رضایت او استفاده شود.
۳. ممکن است خروجی به بیان مشخص و قابلشناسایی آثار آن نویسنده نزدیک شود.
وضعیت حقوقی «سبک» در کشورهای مختلف یکسان نیست و مسئلهٔ سبک نیز با مسئلهٔ حمایت حقوقی از یک متن مشخص تفاوت دارد. بااینحال، اخلاق حرفهای معمولاً فراتر از حداقلهای قانونی است.
پیشنهاد آموزشی: راه بهتر این است که بهجای نام بردن از یک نویسنده، ویژگیهای مورد نظر خود را توصیف کنیم؛ مثلاً:
«جملههای کوتاه، حذف توضیح مستقیم احساسات، استفادهٔ محدود از جزئیات حسی و راوی غیرقابل اعتماد.»
در این صورت، هوش مصنوعی به جای تقلید از یک نویسندهٔ مشخص، ویژگیهای روایی مورد نظر را بررسی میکند.
پس از آن، بهتر است نمونهٔ نهایی را خود نویسنده بنویسد. اگر خروجی هوش مصنوعی عبارتی آشنا یا بسیار شبیه بخشی از یک اثر مشخص داشت، باید آن را حذف و بازنویسی کرد.
۸ـ۷. نتایج حریم خصوصی، داده و متن منتشرنشده
یکی از مهمترین احتیاطها مربوط به متنهایی است که هنوز منتشر نشدهاند؛ مانند رمان، داستان، خاطرات شخصی، اطلاعات افراد واقعی یا مطالب محرمانه.
پژوهشهایی نشان دادهاند که برخی مدلهای بزرگ در شرایط خاص میتوانند بخشهایی از دادههای آموزشی را حفظ کنند و امکان استخراج نمونههایی از آنها وجود داشته باشد. البته این به معنای آن نیست که هر متنی که وارد هوش مصنوعی میکنیم حتماً منتشر میشود یا برای آموزش مدل مورد استفاده قرار میگیرد.
نحوهٔ نگهداری و استفاده از دادهها به سیاست هر سرویس و تنظیمات آن بستگی دارد. بنابراین، پیش از اینکه رمان منتشرنشده، قرارداد، خاطرات افراد واقعی یا اطلاعات حساس را در یک سامانهٔ هوش مصنوعی وارد کنید، باید شرایط و سیاستهای همان سرویس را بررسی کنید.
بهطور کلی، بهتر است:
- فقط بخش ضروری متن را وارد کنید؛
- اطلاعات شناساییکنندهٔ افراد را تا حد امکان حذف کنید؛
- متنهای محرمانه را بدون اطمینان از شرایط سرویس بارگذاری نکنید؛ و در صورت امکان، از محیطهایی استفاده کنید که برای اطلاعات حساس و محرمانه مناسبتر هستند.
اصل ساده این است: هر متنی را که حاضر نیستید در اختیار یک سرویس نامطمئن قرار دهید، نباید بدون بررسی شرایط آن سرویس در هوش مصنوعی بارگذاری کنید.
۹. اخلاق، اصالت و حقوق مؤلف
۹ـ۱. چه زمانی استفاده اخلاقی است؟
استفاده از هوش مصنوعی در داستاننویسی زمانی را میتوان اخلاقی دانست که چند شرط اساسی رعایت شود:
- با قانون، قرارداد، مقررات ناشر، مسابقه یا کلاس و همچنین رضایتهای لازم سازگار باشد.
- نویسنده همچنان کنترل واقعی و معناداری بر قصد، تصمیمهای اصلی و بیان نهایی اثر داشته باشد.
- خروجی هوش مصنوعی از نظر واقعیت، سوگیری، آسیب احتمالی و حقوق دیگران بررسی شود.
- اطلاعات محرمانه یا آثار دیگران بدون اجازه وارد سامانه نشود.
- هرجا انتظار منطقی یا قانون و مقررات صریحی وجود دارد، میزان استفادهٔ مؤثر از هوش مصنوعی بهطور شفاف اعلام شود.
این اصول با رویکرد انسانمحور در استفاده از هوش مصنوعی همخوانی دارند؛ رویکردی که بر کرامت انسانی، تنوع، شفافیت متناسب، نظارت انسان و مسئولیتپذیری تأکید میکند. البته این چارچوبها بیشتر هنجاری و سیاستی هستند و نباید آنها را نتیجهٔ یک آزمایش علمی دربارهٔ داستاننویسی دانست.
در مقابل، استفاده از هوش مصنوعی زمانی میتواند غیراخلاقی یا گمراهکننده باشد که فرد برای دور زدن ممنوعیتها از آن استفاده کند، متنی را که عمدتاً هوش مصنوعی تولید کرده «کاملاً نوشتهٔ خودم» معرفی کند، منبع یا نقلقول ساختگی ارائه دهد، بهگونهای گمراهکننده سبک نویسندهای دیگر را تقلید کند یا در جایی که فرایند آفرینش اهمیت دارد، استفادهٔ مؤثر خود از هوش مصنوعی را پنهان کند.
۹ـ۲. اگر AI بخش عمده داستان را تولید کند، نام «اثر شخصی» درست است؟
از اگر منظور از «اثر شخصی» این باشد که بخش اصلی نگارش و آفرینش داستان توسط خود نویسنده انجام شده است، پاسخ معمولاً منفی است؛ اگر هوش مصنوعی بخش عمدهٔ داستان را تولید کرده باشد.
انتخاب چند پاسخ از میان خروجیهای هوش مصنوعی، حذف بعضی جملهها و ویرایش سطحی، سهم انسانی محسوب میشود؛ اما این کار باعث نمیشود سهم هوش مصنوعی نادیده گرفته شود.
در چنین شرایطی، تعبیرهای دقیقتری مانند «داستانی تولیدشده با کمک مؤثر هوش مصنوعی» یا، بسته به شرایط، «داستانی با آفرینش یا نگارش مشترک و ویرایش نهایی نویسنده» میتواند صادقانهتر باشد.
یافته محدود: بنابراین، نمیتوان اصالت اثر را فقط با درصد کلمات تعیین کرد؛ مثلاً گفت «۸۰ درصد کار من بوده و ۲۰ درصد کار هوش مصنوعی». مهمتر از درصد کلمات این است که هوش مصنوعی دقیقاً چه نقشی در آفرینش اثر داشته است و نویسنده چه تصمیمهایی را خودش گرفته است.
۹ـ۳. حقوق مؤلف: آنچه میتوان با اطمینان گفت
قوانین مربوط به حقوق مؤلف در کشورهای مختلف یکسان نیست؛ بنابراین مطالب این بخش مشاورهٔ حقوقی محسوب نمیشود.
در ایالات متحده، استفاده از هوش مصنوعی لزوماً مانع حمایت از بخش انسانی یک اثر نمیشود؛ اما متنی که کاملاً توسط هوش مصنوعی تولید شده باشد، صرفاً به دلیل اینکه انسان برای تولید آن پرامپت/دستور نوشته است، الزاماً دارای حمایت مؤلفانهٔ انسانی نیست. در مقابل، انتخاب، تنظیم یا تغییر خلاقانهٔ انسان میتواند در شرایطی مشمول حمایت باشد.
همچنین، در فرایند ثبت اثر، میزان استفاده از محتوای تولیدشده با هوش مصنوعی و سهم خلاقانهٔ انسان اهمیت دارد.
این قواعد را نباید به همهٔ کشورها تعمیم داد. علاوه بر حقوق مربوط به خروجی هوش مصنوعی، مسائل دیگری نیز ممکن است مطرح شوند؛ مانند حقوق مربوط به دادههای ورودی، مجوزها، قراردادهای آموزشی، قرارداد سرویس، شباهت اساسی به آثار دیگر، نام و شهرت نویسندگان و حقوق نشر.
بنابراین، اگر موضوع به انتشار تجاری یا یک اختلاف حقوقی واقعی مربوط باشد، بررسی قوانین همان کشور و در صورت لزوم مشورت با حقوقدان ضروری است.
۹ـ۴. چه میزان استفاده را به چه کسی اعلام کنیم؟
| مخاطب | حداقل اخلاقی پیشنهادی | دلیل |
|---|---|---|
| استاد/کلاس | همیشه نوع ابزار، مرحله، پرامپتهای کلیدی و متنِ واردشده به نسخه نهایی را طبق فرم کلاس اعلام کنید. | فرایند و رشد مهارت موضوع ارزیابی است. |
| مسابقه | قواعد را دقیق بخوانید؛ اگر AI ممنوع است استفاده نکنید. اگر قواعد ساکت و سهم تولیدی مادی است، پیش از ارسال استعلام یا اعلام کنید. | اهلیت و برابری داوری به قواعد بستگی دارد. |
| ناشر/ویراستار | هر استفاده مادی در متن نهایی و هر موردی که قرارداد میخواهد اعلام شود؛ سابقه پرامپت/نسخه نگهداری شود. | حقوق، ضمانت اصالت و اعتماد قراردادی مطرح است. |
| اداره ثبت حق مؤلف | تابع قانون محل؛ در آمریکا مطابق راهنمای ۲۰۲۳، مواد AI-generated بیش از حد ناچیز و سهم انسانی توصیف شود. | دامنه حمایت و صحت اظهارنامه. |
| خواننده عمومی | غلطگیری یا پرسش پسزمینه معمولاً نیازمند برچسب مستقل نیست؛ تولید مادیِ صحنه/زبان/پیرنگ بهتر است در یادداشت شفاف شود. | جلوگیری از تصور نادرست درباره منشأ بیان. |
یک الگوی کوتاه اعلام: «در این اثر از [نام ابزار/نوع مدل] برای [پرسشسازی، آزمون انسجام، ویرایش…] استفاده شد. تصمیمهای پیرنگ، نسخه نهایی و مسئولیت محتوا بر عهده نویسنده است. [هیچ/حدود…] متن تولیدشده مستقیماً در نسخه نهایی باقی مانده است.»
راهنمای حرفهای Authors Guild (2026) نیز—که قانون یا پژوهش داوریشده نیست—بر حفظ صدای انسانی، راستیآزمایی، توجه به محرمانگی و شفافیت درباره متن تولیدشده تأکید میکند. ارزش آن در بازتاب هنجارهای حرفهای است، نه در ایجاد الزام جهانشمول.
۹ـ۵. آیا نقد کردن با هوش مصنوعی از نظر اخلاقی با تولید متن نهایی تفاوت دارد؟
بله، معمولاً تفاوت دارد.
وقتی از هوش مصنوعی برای نقد و بررسی یک داستان استفاده میکنیم، معمولاً خودِ نقد مستقیماً وارد متن نهایی نمیشود و بیشتر شبیه دریافت بازخورد از یک ویراستار یا خواننده است.
اما وقتی هوش مصنوعی صحنه، پاراگراف یا بخشهایی از نثر نهایی را تولید میکند، سهم مستقیمتری در شکلگیری خود اثر دارد. به همین دلیل، مسئلهٔ انتساب و اعلام استفاده در این حالت اهمیت بیشتری پیدا میکند.
بااینحال، نباید تصور کرد که استفاده از هوش مصنوعی برای نقد کاملاً بدون مسئله است. نقد هوش مصنوعی نیز میتواند بر تصمیمهای اصلی داستان اثر بگذارد، متن محرمانهٔ نویسنده را در اختیار یک سرویس قرار دهد یا به دلیل سوگیریهای موجود در مدل، نویسنده را به سمت خاصی هدایت کند.
بنابراین، تفاوت میان «نقد» و «تولید» یک تفاوت درجهای و کارکردی است، نه اینکه نقد هوش مصنوعی کاملاً از مسائل اخلاقی و حرفهای مصون باشد.
۹ـ۶. مقررات اخلاقی پیشنهادی برای کلاس
پیشنهاد آموزشی: مقررات اخلاقی پیشنهادی برای کلاس داستاننویسی
برای کلاس داستاننویسی، بهجای یک ممنوعیت کلی و مبهم، میتوان استفاده از هوش مصنوعی را در سه سطح مشخص کرد:
🟢 سبز: استفادهٔ مجاز
- کارهایی مانند:
- غلطیابی محدود؛
- ساختن پرسش برای فکر کردن؛
- تهیهٔ نقشهٔ انسجام داستان؛
- توضیح یک مفهوم؛
- تحقیق مقدماتی، به شرط راستیآزمایی.
در این سطح نیز بهتر است استفاده از هوش مصنوعی ثبت شود.
🟡 زرد: استفادهٔ مشروط
کارهایی مانند:
- پیشنهاد طرح و پیرنگ؛
- بازنویسی یک پاراگراف؛
- بررسی یا شبیهسازی ویژگیهای یک صدا؛
- تولید چند گزینه برای دیالوگ.
این نوع استفاده باید فقط در تکالیفی مجاز باشد که استاد اجازه داده است و بهتر است نویسنده گزینههای تولیدشده را با انتخابهای خودش مقایسه کند و سهم هوش مصنوعی را اعلام کند.
🔴 قرمز: استفادهٔ ممنوع
کارهایی مانند:
- تولید کامل داستان یا صحنهای که قرار است بهعنوان تکلیف تحویل داده شود؛
- بازنویسی پنهانی متن با هوش مصنوعی؛
- تقلید از نویسندهٔ زنده؛
- ساختن منابع جعلی؛
- بارگذاری متن همکلاسی بدون اجازه؛
- و دور زدن ممنوعیت صریح استفاده از هوش مصنوعی.
اصل مهم این است که قواعد استفاده از هوش مصنوعی باید پیش از شروع تکلیف و بر اساس رفتارهای مشخص نوشته شوند؛ نه اینکه پس از تحویل اثر و صرفاً بر اساس حدس استاد تغییر کنند.
شواهد نسبتاً قوی: ارزیابی ابزارهای تشخیص متن AI نشان داده این ابزارها خطای مثبت و منفی دارند و نباید بهتنهایی مبنای اتهام باشند (Weber-Wulff et al., 2023). برخی آشکارسازها علیه نویسندگان غیربومی انگلیسی سوگیری نشان دادهاند (Liang et al., 2023). درباره فارسی نیز تا نبودِ اعتبارسنجی مستقل، اتکا باید حتی محتاطانهتر باشد.
آزمون اخلاقی نهایی: اگر توضیح صادقانه و دقیقِ نقش AI ارزش یا اهلیت اثر را در نگاه مخاطبِ مرتبط تغییر میدهد، پنهانکردن آن احتمالاً گمراهکننده است.
۱۰. کاربرد AI در عناصر داستان: اصل تقسیم کار
مرور بخش فرصتها نشان میدهد مناسبترین تقسیم کار، «انسان برای معنا و تصمیم؛ AI برای گسترش و آزمون» است. این تقسیم مطلق نیست، اما نقطه شروع ایمنی است:
| کارکرد | انسان باید مالک آن بماند | نقش مناسب AI |
|---|---|---|
| قصد و ارزش | پرسش انسانی، موضع اخلاقی، چراییِ نوشتن | پرسیدنِ پرسشهای روشنکننده |
| مشاهده و ماده خام | تجربه، حافظه، جزئیات خاص، تحقیق معتبر | پیشنهاد خلأ تحقیق و دستهبندی یادداشتها |
| معماری | انتخاب رابطه علّی، نقطه عطف، پایان | آزمون تناقض، مقایسه مبادلهها |
| بیان | صدا، تصویر مرکزی، ریتم و جمله نهایی | تشخیص خطا/کلیشه، نه جایگزینی بیاجازه |
| ارزیابی | معیار، وزن معیارها، پذیرش/رد و مسئولیت | ارائه شواهد متنی، مخالفخوانی، فهرست پرسشها |
شواهد نسبتاً قوی: پژوهشهای مربوط به همکاری انسان و هوش مصنوعی نشان میدهند که ترکیب تواناییهای انسان و ماشین لزوماً همیشه از بهترین عملکرد انسان یا هوش مصنوعی بهتر نیست. نتیجه به نوع کار و نحوهٔ تقسیم مسئولیت میان انسان و ماشین بستگی دارد.
در کارهای تولید محتوا، نشانههای امیدوارکنندهتری دیده شده است؛ اما در کارهایی که نیازمند تصمیمگیری و قضاوت هستند، نقش انسان همچنان اهمیت زیادی دارد.
بنابراین، در داستاننویسی نباید تصور کرد که هوش مصنوعی باید همیشه متن تولید کند. بهتر است کار را به بخشهای کوچکتر تقسیم کنیم و ببینیم در کدام قسمت هوش مصنوعی سرعت و گسترهٔ بیشتری دارد و در کدام قسمت، تجربه، ارزشها و قضاوت انسانی برتری دارد.
۱۰ـ۱. چهار الگوی مفید تعامل
1.آینه: در این روش، هوش مصنوعی فقط آنچه را در متن وجود دارد توصیف و منعکس میکند و متن جایگزین ارائه نمیدهد. مثلاً میتواند بگوید چه الگوهایی در نوشته تکرار شدهاند، صدای راوی چه ویژگیهایی دارد یا یک خوانندهٔ فرضی ممکن است چه برداشتی از متن داشته باشد. این روش برای بررسی صدای نویسنده، الگوهای تکراری و برداشت احتمالی خواننده مناسب است.
۲. پرسشگر سقراطی: در این روش، هوش مصنوعی بهجای اینکه سریع راهحل بدهد، در هر نوبت فقط یک سؤال مطرح میکند و منتظر پاسخ نویسنده میماند. برای مثال، بهجای اینکه دربارهٔ شخصیت داستان پیشنهاد آماده بدهد، میپرسد:
«اگر شخصیت به خواستهاش برسد، چه چیزی را از دست خواهد داد؟» این روش بهویژه برای شخصیتپردازی و کشف مضمون مفید است؛ زیرا نویسنده همچنان خودش باید به مسئله فکر کند و پاسخ را پیدا کند.
۳. حسابرس: در این روش، هوش مصنوعی نقش یک بازرس و بررسیکننده را دارد. بهجای اینکه داستان را تغییر دهد، ادعاها، شواهد، میزان اهمیت مشکل و موارد مبهم را گزارش میکند. برای مثال، میتواند بررسی کند که آیا خط زمانی داستان با خودش سازگار است، قوانین جهان داستان رعایت شدهاند یا در روابط علت و معلولی داستان حفرهای وجود دارد یا نه. این روش برای خط زمانی، جهان داستان و پیدا کردن مشکلات منطقی مناسب است.
4. تولیدکنندهٔ محدود گزینهها: در این روش، هوش مصنوعی فقط تعداد کمی گزینهٔ متفاوت ارائه میدهد و از تعیین یک گزینه بهعنوان «بهترین» خودداری میکند. برای مثال، اگر نویسنده دربارهٔ زاویهٔ دید داستان مردد باشد، هوش مصنوعی میتواند دو یا سه امکان متفاوت را توضیح دهد و پیامد هرکدام را نشان دهد؛ اما تصمیم نهایی را به نویسنده واگذار کند. این روش برای آزمایش زاویهٔ دید یا ساختار داستان مناسب است؛ زیرا نویسنده همچنان انتخابکنندهٔ اصلی باقی میماند.
۱۰ـ۲. سه الگوی پرخطر
۱. «نویسندهٔ شبح»
در این روش، نویسنده از هوش مصنوعی میخواهد:
«یک داستان کامل و آمادهٔ چاپ برای من بنویس.»
در چنین حالتی، نقش انسان ممکن است به انتخاب متن و گذاشتن نام خود زیر آن محدود شود. در نتیجه، بخش اصلی فرایند آفرینش از نویسنده به هوش مصنوعی منتقل میشود. �
هوش_مصنوعی_و_داستان_نویسی_راهنمای_علمی_و_عملی.docx
۲. «ویراستار پاککنندهٔ صدا»
در این روش، نویسنده از هوش مصنوعی میخواهد:
«کل متن را حرفهایتر و روانتر کن.»
مشکل این درخواست این است که مشخص نمیکند کدام ویژگیهای متن باید حفظ شوند.
ممکن است هوش مصنوعی متن را از نظر ظاهری روانتر کند، اما همزمان ویژگیهایی را که به صدای شخصی نویسنده مربوطاند، حذف کند؛ مانند ریتم جملهها، سادگی خاص زبان، شکستهای عمدی یا لحن منحصربهفرد راوی. �
هوش_مصنوعی_و_داستان_نویسی_راهنمای_علمی_و_عملی.docx
۳. «مرجع دانای کل»
در این روش، نویسنده دربارهٔ واقعیتها، منابع، مسائل اخلاقی یا موضوعات تخصصی از هوش مصنوعی سؤال میکند و بدون بررسی، پاسخ آن را درست فرض میکند. این شیوه خطرناک است؛ زیرا هوش مصنوعی ممکن است اطلاعات نادرست یا حتی منابع ساختگی ارائه کند.
بنابراین، هوش مصنوعی را نباید یک مرجع دانای کل دانست. پاسخ آن باید در موارد مهم بررسی و با منابع معتبر مقایسه شود.
در این بخش، تفاوت اصلی میان دو شیوهٔ استفاده روشن میشود: استفادهٔ مفید: هوش مصنوعی آینه، پرسشگر، حسابرس یا تولیدکنندهٔ محدود گزینههاست و نویسنده همچنان تصمیمگیرندهٔ اصلی است. استفادهٔ پرخطر: هوش مصنوعی به نویسندهٔ اصلی، ویراستار مطلق یا مرجع نهایی حقیقت تبدیل میشود و نویسنده به پذیرندهٔ خروجی آن کاهش مییابد.
۱۱. روش صحیح استفاده و پروتکل عملیِ ضد وابستگی
۱۱ـ۱. چه زمانی نباید از AI کمک گرفت؟
پیشنهاد آموزشی: در بعضی موقعیتها بهتر است استفاده از هوش مصنوعی را متوقف یا به زمان دیگری موکول کنیم.
نخست، وقتی هدف اصلی، تمرین مهارتی است که میخواهیم خودمان یاد بگیریم؛ برای مثال، اگر تمرین کلاس دربارهٔ نوشتن دیالوگ است، نباید هوش مصنوعی دیالوگ را بهجای ما بنویسد.
همچنین بهتر است در ۲۰ تا ۴۰ دقیقهٔ نخست روبهرو شدن با یک ایده یا بنبست، تا حد امکان سراغ هوش مصنوعی نرویم. ابتدا باید خودمان با مسئله درگیر شویم؛ مگر اینکه استفاده از ابزار برای دسترسپذیری ضروری باشد.
در آموزش داستاننویسی، بهتر است هنگام نوشتن هستهٔ عاطفی داستان، صحنهٔ کلیدی، اوج، آخرین جمله یا صدای راوی نیز تولید متن را به هوش مصنوعی نسپاریم.
اگر قوانین یک مسابقه، کلاس یا قرارداد استفاده از هوش مصنوعی را ممنوع کرده است، طبیعتاً باید همان قوانین رعایت شوند.
همچنین نباید متن محرمانه، خاطرات حساس یا اطلاعات مربوط به اشخاص واقعی را بدون اطمینان از شرایط امنیتی و مجوز مناسب در اختیار هوش مصنوعی قرار داد.
وقتی خستهایم و احتمال دارد هر پاسخ آمادهای را بدون نقد بپذیریم نیز بهتر است استفاده از هوش مصنوعی را به تعویق بیندازیم.
در نهایت، اگر پیش از دیدن پاسخ نمیتوانیم معیار ارزیابی آن را مشخص کنیم، بهتر است فعلاً از هوش مصنوعی کمک نگیریم.
۱۱ـ۲. آیا پیشنویس اول بهتر است بدون AI نوشته شود؟
برای هنرجوی تازهکار و تمرینهایی که هدفشان رشد مهارت است، بهتر است پیشنویس اول، تا حد امکان، بدون تولید متن توسط هوش مصنوعی نوشته شود.
دلیلش این است که پیشنویس اول فقط یک متن خام نیست؛ در همین مرحله است که نویسنده مسئلهٔ داستان، صدای خودش و عادتهای نوشتاریاش را شکل میدهد.
برای نویسندهٔ حرفهای، استفادهٔ محدود از هوش مصنوعی برای تحقیق، سازماندهی یا کمکهای دسترسپذیری میتواند زودتر وارد فرایند شود.
اما در هر دو حالت، بهتر است دستکم این چهار مورد پیش از دریافت خروجی مولد هوش مصنوعی ثبت شوند:
- قصد و پرسش اصلی داستان؛
- چند امکان اولیه؛
- طرح علّل و معلولی؛
- نمونهای از صدای راوی.
پیشنهاد آموزشی: بهجای ممنوعیت کامل، معیار آموزشی بهتری این است که اگر هوش مصنوعی وارد فرایند شد، نویسنده بتواند یک نمونهٔ کوچک و همسطح را بدون ابزار تولید کند و توضیح دهد که چرا پیشنهاد نهایی را پذیرفته یا رد کرده است.
۱۱ـ۳. پروتکل دهمرحلهای نویسندهمحور
مرحله ۱: قصد و مواد خام
در یک صفحه، پرسش اصلی داستان، تصویر مرکزی، تجربه یا مشاهدهٔ مرتبط، خوانندهٔ فرضی و چیزهایی را که هنوز دربارهٔ داستان نمیدانید، بنویسید. در این مرحله، هوش مصنوعی خاموش است.
مرحلهٔ ۲: کوشش و نهفتگی
سه پاسخ، دو مسیر متفاوت برای پیرنگ یا یک صحنهٔ ناقص بسازید. سپس کمی از مسئله فاصله بگیرید.
اگر به بنبست رسیدید، پیش از آنکه دقیقاً بفهمید مشکل چیست، با دریافت یک پاسخ آماده از هوش مصنوعی آن را نپوشانید. گاهی همین فاصله گرفتن و فکر کردن، بخشی از فرایند خلاقیت است.
مرحلهٔ ۳: تعیین معیارها پیش از دیدن پاسخ
پیش از اینکه پیشنهاد هوش مصنوعی را ببینید، معیارهای خودتان را مشخص کنید.
مثلاً: عاملیت شخصیت؛ پرهیز از تصادف؛ امکانپذیری؛ ارتباط با مضمون. این کار کمک میکند بعد از دیدن اولین پیشنهاد جذاب، معیارها را تغییر ندهید تا همان پیشنهاد را توجیه کنید.
مرحلهٔ ۴: محدود کردن نقش هوش مصنوعی
در پرامپت دقیقاً مشخص کنید هوش مصنوعی چه نقشی دارد، چه کاری نباید انجام دهد و پاسخ را در چه قالبی ارائه کند.
مثلاً: «فقط سؤال بپرس؛ متن ننویس؛ حداکثر پنج مورد مطرح کن و برای هر نقد، شاهدی از متن بیاور.» هرچه نقش هوش مصنوعی محدودتر و روشنتر باشد، کنترل نویسنده بر فرایند بیشتر میشود.
مرحلهٔ ۵: پیشبینی پیش از دریافت پاسخ
قبل از اینکه از هوش مصنوعی سؤال کنید، خودتان سه ضعف احتمالی متن را حدس بزنید. این کار باعث میشود ابتدا ذهن خودتان فعال شود و سپس پاسخ هوش مصنوعی را با پیشبینی خود مقایسه کنید، نه اینکه از همان ابتدا پاسخ ماشین را معیار قرار دهید. شواهد پژوهشی دربارهٔ ایجاد این نوع «اصطکاک شناختی» امیدوارکننده است؛ هرچند تعمیم مستقیم آن از تصمیمگیری به داستاننویسی باید با احتیاط انجام شود.
مرحلهٔ ۶: دریافت چند پاسخ متفاوت
بهجای اینکه از هوش مصنوعی بخواهید «بهترین پاسخ» را ارائه کند، از آن بخواهید دو برداشت متفاوت یا سه گزینه با هزینهها و پیامدهای متفاوت پیشنهاد دهد. هدف این است که نویسنده تصور نکند یک پاسخ واحد و قطعی وجود دارد.
مرحلهٔ ۷: ارزیابی با دفتر تصمیم
برای هر پیشنهاد، این موارد را ثبت کنید:
- پیشنهاد هوش مصنوعی چه بود؟
- چه شاهدی در متن برای آن وجود داشت؟
- نظر اولیهٔ خودم چه بود؟
- چه خطری در پذیرش آن میدیدم؟
- آن را پذیرفتم، رد کردم یا تغییر دادم؟
- چرا؟
پیشنهادی که هیچ شاهدی برای آن وجود ندارد، فقط یک فرضیه است، نه یک حقیقت.
مرحلهٔ ۸: بازگشت به حالت بدون ابزار
پس از دریافت پاسخ، پنجرهٔ هوش مصنوعی را ببندید و راهحل را از حافظه و با زبان خودتان بازنویسی کنید. اگر فقط میتوانید همان عبارتی را که هوش مصنوعی نوشته کپی کنید، هنوز یادگیری و مالکیت واقعی اتفاق نیفتاده است.
مرحلهٔ ۹: نقد انسانی و آزمون انتقال
از استاد یا یک نویسندهٔ همتا بازخورد بگیرید. بعد یک صحنهٔ تازه بنویسید که همان مسئله را در آن به کار برده باشید. اگر چیزی که از هوش مصنوعی یاد گرفتهاید نتواند در یک متن جدید و بدون کمک ابزار ظاهر شود، احتمالاً کیفیت نسخهٔ قبلی بیشتر حاصل کمک هوش مصنوعی بوده تا رشد مهارت شما.
مرحلهٔ ۱۰: ممیزی و اعلام
پرامپتهای/دستورهای مهم، نسخههای مختلف، بخشهایی از متن هوش مصنوعی که باقی ماندهاند، منابعی که برای راستیآزمایی استفاده کردهاید و توضیح مربوط به نحوهٔ استفاده از هوش مصنوعی را نگه دارید. در پایان نیز مسئولیت نهایی اثر را صریحاً بپذیرید.
۱۱.۴. چگونه از هوش مصنوعی بخواهیم سؤال بپرسد، نه پاسخ آماده؟
پرامپت ۱: پرسشگر سقراطی
از هوش مصنوعی بخواهید نقش یک مربی پرسشگر را داشته باشد؛ متن یا طرح شما را بازنویسی نکند و پیرنگ آماده ندهد. در هر نوبت فقط یک سؤال مطرح کند تا شما دربارهٔ خواستهٔ شخصیت، هزینهٔ انتخاب و رابطهٔ علت و معلولی فکر کنید. پس از پاسخ شما، سؤال بعدی را بر اساس همان پاسخ مطرح کند. اگر پاسخ شما مبهم بود، بهجای ساختن مثال، فقط همان ابهام را دقیق مشخص کند.
پرامپت ۲: حسابرس پیرنگ
از هوش مصنوعی بخواهید طرح داستان را با چهار معیار بررسی کند: عاملیت شخصیت، زنجیرهٔ علت و معلول، توزیع اطلاعات و هزینهٔ انتخاب. برای هر مشکل فقط این چهار مورد را ارائه دهد:
ادعا | شاهد از طرح | شدت مشکل از ۱ تا ۳ | یک سؤال
و از ارائهٔ راهحل یا صحنهٔ جایگزین خودداری کند.
پرامپت ۳: محافظ صدا
از هوش مصنوعی بخواهید متن را ویرایش نکند و فقط موارد زیر را علامت بزند:
- عبارتهای کلیشهای؛
- توضیح احساس بهجای نمایش آن؛
- تغییر ناگهانی فاصلهٔ روایت؛
- جملههایی که با ریتم غالب متن هماهنگ نیستند.
- برای هر مورد نیز دلیل بخواهید.
نکتهٔ مهم این است که شکست نحوی یا واژگان عامیانه را بهطور خودکار خطا محسوب نکند؛ زیرا ممکن است این ویژگیها بخشی از صدای نویسنده باشند.
پرامپت ۴: مقایسه بدون انتخاب
اگر سه گزینه برای یک تصمیم روایی دارید، از هوش مصنوعی بخواهید آنها را بر اساس عاملیت شخصیت، تازگی، هزینهٔ عاطفی، سازگاری با مضمون و خطر کلیشهای شدن مقایسه کند. اما از آن بخواهید برنده اعلام نکند و برای هر گزینه بگوید چه چیزی به دست میآورید و چه چیزی را از دست میدهید.
پرامپت ۵: مخالفخوان واقعیت
از هوش مصنوعی بخواهید همهٔ ادعاهای واقعی و قابل بررسی متن را استخراج کند؛ اما برای آنها منبع نسازد. فقط مشخص کند برای بررسی هر ادعا به چه نوع منبع اولیهای نیاز دارید و کدام ادعا، در صورت اشتباه بودن، بیشترین آسیب را به داستان میزند.
۱۱.۵. چکلیست ارزیابی هر پیشنهاد هوش مصنوعی
قبل از پذیرفتن هر پیشنهاد هوش مصنوعی، از خودتان بپرسید:
- آیا این پیشنهاد واقعاً مشکل متن را حل میکند یا فقط جمله را زیباتر میکند؟
- شاهد این مشکل در کجای متن است؟
- آیا پیشنهاد با قصد و معیارهایی که از قبل تعیین کردهام سازگار است؟
- آیا کلیشه یا سوگیری تازهای وارد داستان میکند؟
- آیا چیزی از صدای شخصی من حذف میشود؟
- آیا این راهحل بیش از حد آسان است و هزینه یا کشمکش داستان را کم میکند؟
- آیا اطلاعات واقعی آن را بررسی کردهام؟
- آیا میتوانم بدون دیدن پاسخ هوش مصنوعی، ایده را با زبان خودم توضیح و بازنویسی کنم؟
- اگر این پیشنهاد را رد کنم، چه اتفاقی میافتد؟
- اگر آن را بپذیرم، چه پیامد ناخواستهای ممکن است ایجاد شود؟
۱۱.۶. چگونه از وابستگی جلوگیری کنیم؟
پیشنهاد آموزشی: برای جلوگیری از وابستگی، چند محدودیت ساده میتواند مفید باشد:
- بعضی روزها یا جلسهها را کاملاً بدون هوش مصنوعی کار کنید.
- تعداد درخواستهای خود را محدود کنید.
- پیش از پرسیدن سؤال از هوش مصنوعی، ۱۵ دقیقه صبر و تلاش شخصی داشته باشید.
- از کپی مستقیم خروجی هوش مصنوعی خودداری کنید.
- همچنین بهتر است هر چهار هفته یک تمرین انتقال انجام دهید: یک داستانک حدود ۷۰۰ کلمهای را در زمان محدود و بدون استفاده از ابزار بنویسید.
- اگر عملکرد شما در این تمرینها بهطور مداوم نسبت به خط پایه پایینتر آمد، این نشانهای است که باید شیوهٔ استفاده از هوش مصنوعی را تغییر دهید؛ نه اینکه خودتان را سرزنش کنید یا آن را به یک مشکل پزشکی نسبت دهید.
۱۱.۷. آیا میتوان برای استفاده از هوش مصنوعی یک سقف یا نسبت تعیین کرد؟
هیچ درصد علمیِ تثبیتشدهای برای میزان مجاز استفاده از هوش مصنوعی وجود ندارد.همچنین شمردن تعداد کلمات تولیدشده توسط هوش مصنوعی، معیار دقیقی برای اندازهگیری سهم واقعی آن نیست؛ زیرا ممکن است هوش مصنوعی فقط چند جمله بنویسد، اما همان چند جمله یک تصمیم اساسی داستان را تعیین کنند. بااینحال، برای اهداف آموزشی میتوان قواعد موقتی و قابلآزمایش تعیین کرد.
سطح مقدماتی: در متنی که قرار است بهعنوان تکلیف تحویل داده شود، متن تولیدشده توسط هوش مصنوعی نباید وجود داشته باشد. پس از نوشتن پیشنویس، هوش مصنوعی میتواند فقط سؤال و نقد ارائه دهد. �
سطح میانی: اگر تکلیف اجازه دهد، میتوان مقدار محدودی از نثر مستقیم هوش مصنوعی را، مثلاً حداکثر ۱۰ درصد، فقط برای مقایسه و بهصورت مشخصشده استفاده کرد. نسخهٔ نهایی باید توسط نویسنده بازنویسی شود و استفاده از هوش مصنوعی نیز اعلام شود.
همهٔ سطوح: تصمیمهای اصلی داستان، از جمله: پرسش مرکزی، خواستهٔ شخصیت، نقاط عطف، اوج و پایان باید در دفاع شفاهی توسط خود هنرجو توضیح داده و توجیه شوند.
نویسندهٔ حرفهای: برای نویسندهٔ حرفهای، تعیین یک سقف عمومی و یکسان توصیه نمیشود. در این سطح، عواملی مانند قرارداد، مخاطب، حقوق مؤلف، محرمانگی و صداقت در انتساب اثر اهمیت بیشتری دارند. قاعدهٔ پیشنهادی «۳ـ۱ـ۱» یک قاعدهٔ ساده و قابلآزمایش این است:
- سه امکان را ابتدا خودتان پیدا کنید؛
- یک دور پرسش یا نقد از هوش مصنوعی بگیرید؛
- بازنویسی کامل را خودتان انجام دهید.
البته این نسبت قانون علمی یا اخلاقی همیشگی نیست؛ فقط یک پیشنهاد آموزشی برای کاهش وابستگی و حفظ نقش فعال نویسنده است.
در یک صفحه بنویسید: پرسش داستان، تصویر مرکزی، تجربه/مشاهده مرتبط، خواننده فرضی و چیزی که هنوز نمیدانید. AI خاموش است.
۱۲. پروتکل آموزشی برای کلاس داستاننویسی
۱۲ـ۱. مدل هشتمرحلهای کلاس
مرحله ۱: خط پایه بدون AI
هنرجو در کلاس یک داستانک یا صحنه ۵۰۰ تا ۸۰۰ کلمهای بدون ابزار مینویسد و یک یادداشت کوتاه درباره تصمیمها تحویل میدهد. هدف نمرهدادن به استعداد نیست؛ ثبت صدا، راهبرد و مهارت کنونی است.
مرحله ۲: هسته و طرح انسانی
هنرجو «پرونده قصد» میسازد: پرسش، شخصیت، خواسته/نیاز، مانع، تصویر مرکزی، پایان احتمالی و دو مسیر ردشده. استاد فقط سؤال میپرسد. این سند پیش از AI زمانمهر میخورد.
مرحله ۳: گفتوگوی سقراطی با AI
AI اجازه تولید داستان ندارد. هنرجو از یکی از پرامپتهای پرسشگر استفاده میکند و حداکثر پنج پرسش/نقد میگیرد. متن کامل گفتوگو یا خلاصه دقیق آن ضمیمه میشود.
مرحله ۴: دفتر تصمیم
هنرجو پیشنهادها را به «پذیرفتم، رد کردم، تغییر دادم» تقسیم و برای هر تصمیم دلیل مینویسد. امتیاز این مرحله به کیفیتِ دلیل تعلق میگیرد، نه تعداد پیشنهاد پذیرفتهشده.
مرحله ۵: پیشنویس انسانی
هنرجو داستان را مینویسد. در تمرین مهارت، تولید نثر توسط AI خاموش است. اگر دسترسپذیری یا نیاز ویژهای وجود دارد، سازگارسازی از پیش تعریف و سهم ابزار ثبت میشود.
مرحله ۶: AI در نقش منتقد تشخیصی
پس از پیشنویس، مدل با روبریک کلاس فقط مشاهده، شاهد و پرسش ارائه میدهد. هنرجو باید پیش از دیدن نقد، سه ضعف احتمالی خود را نوشته باشد و سپس همپوشانی/اختلاف را تحلیل کند.
مرحله ۷: کارگاه انسانی
دو همکلاسی و استاد بازخورد میدهند. نقد همتایان به دلیل تنوع برداشت و رابطه انسانی جایگزینناپذیر است؛ پژوهش بازبینی نشان داده بازخورد چند همتا میتواند بازنویسی را غنی کند (Cho & MacArthur, 2010؛ حوزه نوشتن آموزشی، نه لزوماً داستان).
مرحله ۸: بازنویسی، دفاع و اعلام
هنرجو «نامه بازنویسی» مینویسد: مسئله اصلی، منابع سه نوع نقد، تغییرهای انجامشده، تغییرهای ردشده و دلیل. سپس پنج دقیقه دفاع شفاهی و یک تغییر زنده روی صحنه انجام میدهد. فرم استفاده از AI همراه نسخه نهایی است.
۱۲ـ۲. روبریک پیشنهادی ارزیابی
| مؤلفه | وزن پیشنهادی | شاهد مورد انتظار |
|---|---|---|
| کیفیت داستان و تحقق قصد | ۳۰٪ | متن نهایی و نسبت آن با پرسش مرکزی |
| فهم عناصر و منطق تصمیم | ۲۰٪ | دفاع شفاهی، توان توضیح علتومعلول و بدیلها |
| کیفیت بازنویسی | ۲۰٪ | تفاوت نسخهها و حل مسائل سطحبالا، نه صرفاً پاکنویس |
| فرایند و دفتر تصمیم | ۱۵٪ | ایدههای اولیه، پرامپتها، پذیرش/رد مستدل |
| نقد انسانی و انتقال یادگیری | ۱۰٪ | پاسخ به کارگاه و نوشتن صحنه تازه بدون ابزار |
| اخلاق و شفافیت | ۵٪ | رعایت قواعد، اعلام، منبع و حریم داده |
این اوزان پیشنهادیاند و با هدف درس تغییر میکنند. در جلسهای که هدف «دیالوگ» است، کیفیت دیالوگ و انتقال مهارت وزن بیشتر میگیرد.
۱۲ـ۳. استاد چگونه فهم واقعی هنرجو را تشخیص دهد؟
استاد نباید به «تشخیص از روی لحن» یا درصد آشکارساز AI تکیه کند. روشهای معتبرترِ فرایندمحور عبارتاند از:
- دفاع خلافواقع: «اگر حادثه محرک حذف شود، زنجیره علتومعلول را چگونه بازسازی میکنی؟»
- بازنویسی زنده: تغییر زاویه دید یا هدف شخصیت در یک قطعه کوتاه و توضیح پیامدها.
- تاریخچه نسخهها: مشاهده رشد تدریجی، نه الزاماً فایل خاص؛ حق حریم هنرجو رعایت شود.
- دفتر تصمیم: وجود بدیل ردشده، معیار و دلیل مستقل.
- آزمون انتقال: حل مسئله مشابه در متنی تازه بدون AI.
- پرسش جزئی: چرا این فعل، سکوت، ترتیب اطلاعات یا پایان انتخاب شد؟
- ثبات مفهومی: نسبت میان قصد اعلامشده، متن و توضیح شفاهی.
این شواهد اثبات نمیکنند هیچ کمکی رخ نداده؛ نشان میدهند هنرجو دانش و عاملیت قابلدفاع دارد. هدف آموزشی پلیسیکردن کلاس نیست، بلکه ساخت محیطی است که پنهانکاری کمفایده و یادگیری آشکار پاداشپذیر شود.
۱۲ـ۴. فرم یکصفحهای استفاده از AI
| پرسش | پاسخ هنرجو |
|---|---|
| ابزار و نسخه/تاریخ استفاده | … |
| مرحله و هدف استفاده | … |
| مهمترین پرامپتها یا خلاصه دقیق | … |
| پیشنهادهای پذیرفته/ردشده و دلیل | … |
| متن مستقیم AI باقیمانده در نسخه نهایی | … |
| منابعی که مستقل راستیآزمایی شد | … |
| چیزی که بدون AI آموختم و میتوانم تکرار کنم | … |
۱۲ـ۵. سیاست پیشنهادی یکپاراگرافی کلاس
«هوش مصنوعی در این کلاس ابزار پرسش، تحقیق مقدماتی، آزمون انسجام و نقد است، مگر آنکه تکلیف صریحاً نقش دیگری تعیین کند. تولید متن قابلتحویل یا تصمیمهای مرکزی بدون اجازه ممنوع است. همه استفادهها در فرم فرایند اعلام میشوند. دانشجو مسئول صحت، حقوق و محرمانگی است. هیچ آشکارساز AI بهتنهایی دلیل تخلف نیست؛ ارزیابی بر متن، نسخهها، گفتوگو و توان دفاع/انتقال استوار است.»
۱۳. جدول کاربردی عناصر داستان
این جدول برای طراحی تمرین، پرامپت و بازبینی سریع است. «کمک نامناسب» بهمعنای منع همیشگی نیست؛ در کلاس یا پروژهای که هدف حفظ مهارت و انتساب انسانی است، این نوع کمک خطر بیشتری دارد.
پیشنهاد آموزشی: برای استفاده کلاسی، هر بار فقط یک تا سه ردیف متناسب با مسئله جاری انتخاب شود:
- ابتدا هنرجو ستون «وظیفه نویسنده» را بدون AI انجام دهد و نتیجه را ثبت کند؛
- سپس کمک مدل را به ستون «کمک مناسب» محدود و هر ادعا را با شاهد متن یا منبع بررسی کند؛
- در پایان، هنرجو تصمیم و بازنویسی را خودش انجام دهد و توضیح دهد کدام پیشنهاد را چرا پذیرفته، رد یا تغییر داده است.
| عنصر داستان | وظیفه نویسنده | کمک مناسب AI | کمک نامناسب AI | خطر اصلی | روش پیشنهادی استفاده |
|---|---|---|---|---|---|
| ایده | تعیین پرسش و چرایی شخصی | پرسشهای اگر/چه، کشف فرض پنهان | انتخاب و بسط ایده کامل از صفر | لنگر و از دسترفتن هسته شخصی | یک صفحه آزاد + سه ایده انسانی؛ سپس فقط پرسش AI |
| طوفان فکری | تعریف معیار تنوع و توقف | چند امکان دستهبندیشده | دهها گزینه بیمعیار | فراوانی بهجای عمق | سه پاسخ انسانی، هفت پاسخ AI، انتخاب و توقف |
| زاویه تازه | سنجش پیامد اخلاقی/عاطفی | وارونهکردن فرضها و کانون توجه | تازگی تزئینی و عجیبسازی | اشتباه گرفتن تفاوت با اصالت | پنج فرض را بخواه؛ خودت یک وارونگی را پرورش بده |
| شخصیت | ساخت رفتار، تاریخ و زبان خاص | مصاحبه، آزمون ناسازگاری | پرونده آماده صفات و تیپها | شخصیت کلیشهای و مسطح | صحنه انسانی اول؛ استنباط AI فقط با شاهد |
| هدف | انتخاب میل آگاهانه و سنجشپذیر | آزمون وضوح و تغییر هدف | تعیین مأموریت شخصیت | عاملیت بیرونی | هدف را بنویس؛ AI فقط نقاط مبهم را بپرسد |
| نیاز | پیوند تحول با کمبود درونی | تمایز خواسته/نیاز | نسخه درمانی و روانشناسی قطعی | فرمول تحول | سه شاهد رفتاری ارائه؛ AI تناقض را بیابد |
| ترس | ساخت ریشه، محرک و هزینه | پرسش درباره رفتار اجتنابی | برچسب اختلال یا گذشته آماده | روانشناسی سطحی | ترس را در کنش نشان بده؛ AI فقط پیامدها را ردیابی کند |
| مانع | ساخت مانع ضروری و افزاینده | ماتریس مانع/هزینه/پیامد | حادثه تصادفی برای هیجان | ملودرام و تصادف | هر مانع باید باور یا انتخاب را فشار دهد |
| کشمکش | پیوند درون و بیرون | آزمون تشدید و توازن نیرو | افزودن درگیری بیارتباط | سروصدا بدون ضرورت | برای هر تعارض «چه ارزشی تهدید میشود؟» |
| پیرنگ | ساخت زنجیره علتومعلول | علامتزدن حلقه و گسست | اعمال قالب مشهور به کل اثر | فرمولزدگی | طرح دهگزارهای انسانی؛ حسابرسیِ «اما/بنابراین» |
| حادثه محرک | شکستن تعادل و اجبار انتخاب | مقایسه پیامد سه نسخه | تولید حادثه بزرگِ آماده | بیربطی به شخصیت | سه نسخه بنویس؛ AI برگشتناپذیری را بسنجد |
| نقطه عطف | تغییر هدف/قدرت/دانش | نقشه پیش/پس هر عطف | ضرباهنگ مکانیکی بر اساس فرمول | پیرنگ تیکزدنی | جدول «میخواست/فهمید/اکنون میخواهد» |
| اوج | تصمیم نهایی با بیشترین هزینه | ارزیابی عاملیت، هزینه، مضمون | انفجار یا افشای بیریشه | تماشاییبودن بدون معنا | AI پرسش شکست بدهد؛ تصمیم را نویسنده بسازد |
| پایان | تعیین پسمزه و میزان ابهام | تحلیل وعدههای پاسخنگرفته | پایان غافلگیرکننده آماده | اخلاقگویی یا پیچش مصنوعی | سه پایان انسانی؛ تحلیل پیامد؛ آخرین جمله بدون AI |
| زاویه دید | انتخاب حق دانستن و فاصله | تحلیل تفاوت دسترسی/اعتماد | انتخاب بر اساس روانی نمونه | ناپایداری کانون | دو نمونه انسانی؛ AI مقایسه؛ بازنویسی انسانی |
| راوی | ساخت منش، محدودیت و خطاب | کشف تناقض صدای راوی | تولید صدای کامل یا تقلید شخص | صدای عمومی/جعلی | نمونه یکصفحهای خودت؛ AI فقط نشانههای ناسازگار را بگوید |
| زمان | طراحی تجربه و ترتیب افشا | خط زمانی و تشخیص ناسازگاری | تصمیم درباره فلاشبک و کشش | درستِ تقویمی اما بیحس | AI حسابرس تقویم؛ ریتم زمانی با نویسنده |
| مکان | مشاهده و رابطه شخصیت با فضا | خلأ حسی، مسیر و تحقیق مقدماتی | توصیف گردشگری آماده | کلیگویی و خطای واقعی | یادداشت میدانی/منبع؛ AI فقط پرسش و راستیآزمایی |
| عنصر داستان | وظیفه نویسنده | کمک مناسب AI | کمک نامناسب AI | خطر اصلی | روش پیشنهادی استفاده |
|---|---|---|---|---|---|
| جهان داستان | قانون مرکزی و بهای انسانی | آزمون قواعد، اقتصاد و استثنا | جهانسازی انبوه آماده | انباشت و تقلید | کتاب مقدس انسانی؛ AI تناقض و پیامد را بیابد |
| توصیف | انتخاب جزئیات معنادار | تشخیص حس غایب و کلیشه | پاراگراف «ادبی» آماده | نثر براق بیچهره | سه جزئیات مشاهدهشده؛ AI کارکرد را تحلیل کند |
| دیالوگ | صدا، میل پنهان و سکوت | علامتزدن اطلاعاتگویی/یکسانی | نوشتن گفتوگوی نهایی | همصدایی شخصیتها | دیالوگ انسانی؛ AI جملههای قابلتعویض را نشان دهد |
| زیرمتن | قراردادن معنا در کنش و مکث | دو خوانش و شواهد هر کدام | توضیح صریح معنای پنهان | نابودی ابهام | اگر فقط یک خوانش هست، خودت صحنه را ظریفتر کن |
| ریتم | ساخت موسیقی و سرعت عاطفی | نقشه طول جمله/صحنه و کندی | «روانسازی» سراسری | یکنواختی صدا | تحلیل بگیر؛ با صدای بلند و دستی بازنویسی کن |
| تعلیق | مدیریت سؤال و اطلاعات منصفانه | ردیابی سؤال/وعده/پاسخ | رازسازی و تأخیر تصنعی | فریب خواننده | جدول سؤالها؛ AI موارد فراموششده را بیابد |
| نماد | ساخت معنا از تکرار متحول | خوانشهای ممکن با شاهد | کاشت نماد آماده و توضیح آن | تزئین و کلیشه | فقط نمادهای موجود را استخراج و ارزیابی کن |
| موتیف | تغییرِ هدفمند تصویر/صدا | نقشه تکرار و تحول | تکرار مکانیکی برای «عمق» | تصنع | هر تکرار باید زمینه یا معنا را تغییر دهد |
| مضمون | زنده نگهداشتن پرسش و تناقض | استخراج پاسخهای متعارض شخصیتها | نوشتن پیام/نتیجه اخلاقی | شعار | پرسش مضمونی بخواه، نه پاسخ قطعی |
| انسجام | تشخیص خطا از ابهام عمدی | ردیابی نام، شیء، قاعده و اطلاعات | اصلاح خودکار همه تفاوتها | صافکردن پیچیدگی هنری | دفتر معیار + گزارش شاهددار؛ اصلاح با نویسنده |
| حفره منطقی | سنجش انگیزه، امکان و دانش | مخالفخوانیِ ادعا/شاهد/شدت | راهحل تصادفی آماده | اعتماد به نقد ساختگی | ابتدا اشکال را تأیید، سپس خودت راهحل بساز |
| عنوان | فشردهسازی وعده، لحن و تصویر | خانواده واژگان و آزمون تداعی | انتخاب «بهترین» عنوان | عنوان کلیشهای/بازاری نامتناسب | پنج عنوان انسانی؛ AI تداعی و خطر را گزارش کند |
| نقد | تعیین معیار و پرسش | مشاهده، شاهد و اثر احتمالی | امتیاز کلی و حکم قطعی | اقتدار کاذب | روبریک بده؛ نقد را با انسان مقایسه کن |
| مقایسه گزینهها | وزندهی و پذیرش مبادله | ماتریس سود/هزینه | تعیین برنده | واگذاری ذوق | AI برنده ندهد؛ نویسنده یادداشت انتخاب بنویسد |
| بازنویسی | تشخیص مسئله سطحبالا و حل آن | اولویتبندی و مقایسه نسخهها | بازنویسی کامل و کپی مستقیم | وصلهکاری و از دسترفتن صدا | نامه بازنویسی انسانی؛ نقد AI؛ بازنوشتن بدون پنجره |
| ویرایش | حفظ ناهنجاری هدفمند و رسمالخط | خطای زبان، تکرار، ابهام ناخواسته | اصلاح سراسریِ «حرفهای» | معیارشدگی و حذف گویش | پیشنهاد همراه دلیل؛ پذیرش موردبهمورد |
۱۴. پانزده اصل طلاییِ استفاده حرفهای از AI برای نویسنده
1. اول فکر کن، بعد از هوش مصنوعی بپرس:
پیش از هر درخواست از هوش مصنوعی، ابتدا خودت فکر کن و تلاش اولیهات را ثبت کن. اجازه بده مسئله پیش از ورود هوش مصنوعی، مدتی در ذهن تو شکل بگیرد.
2. مسئله را به هوش مصنوعی واگذار نکن:
اگر هوش مصنوعی هم مسئله را تعریف کند و هم راهحل آن را ارائه دهد، نقش نویسنده در تصمیمگیری بسیار کم میشود. بهتر است خودت مسئله را مشخص کنی و از هوش مصنوعی برای بررسی و به چالش کشیدن آن کمک بگیری.
۳. پیشنویس اول را تا حد امکان خودت بنویس:
بهویژه زمانی که هدف تو یادگیری و تقویت مهارت نویسندگی است، پیشنویس اول را خودت بنویس. این مرحله فرصت مهمی برای شکلگیری صدا، فکر و مهارت شخصی توست.
۴. از هوش مصنوعی بیشتر برای نقد استفاده کن تا تولید:
از هوش مصنوعی بیشتر بخواه تشخیص دهد، سؤال بپرسد و حسابرسی کند تا اینکه متن نهایی تولید کند. این نوع استفاده معمولاً خطر کمتری برای استقلال نویسنده دارد.
۵. پاسخ هوش مصنوعی را فرضیه بدان، نه حکم قطعی:
پاسخ روان، دقیق و مطمئن هوش مصنوعی لزوماً درست نیست. جزئیات زیاد و لحن مطمئن، دلیل صحت یک پاسخ نیستند. هر ادعای مهم را بررسی کن.
۶. هر نقد باید شاهد داشته باشد:
اگر هوش مصنوعی دربارهٔ متن تو ایرادی مطرح میکند، از آن بخواه شاهدی از خود متن ارائه دهد. پیشنهادی که هیچ شاهدی ندارد، تا زمانی که بررسی نشده، فقط یک فرضیه است.
۷. تصمیم نهایی داستان با نویسنده است:
تصمیمهای مهم داستانی را خودت بگیر؛ از حادثهٔ محرک و نقاط عطف گرفته تا اوج و پایان. برای هرکدام دلیل مستقل و قابل توضیح داشته باش.
۸. صدای شخصی خودت را به نام «روانتر شدن» از بین نبر:
هر جملهای که از نظر هوش مصنوعی روانتر است، لزوماً بهتر نیست. شکست نحوی، سکوت، تکرار یا گویش ممکن است انتخابهای آگاهانهٔ هنری باشند. روانتر شدن متن نباید به قیمت از بین رفتن صدای نویسنده تمام شود.
۹. هوش مصنوعی را جایگزین تجربه و مشاهدهٔ خودت نکن:
جزئیات خاص و زندهٔ داستان را تا حد امکان از تجربه، حافظه، مشاهده و تحقیق معتبر به دست بیاور. هوش مصنوعی نباید جای جهان واقعی نویسنده را بگیرد.
۱۰. از هوش مصنوعی بخواه سؤال بپرسد:
بهجای اینکه همیشه از هوش مصنوعی پاسخ آماده بخواهی، از آن بخواه تو را به فکر کردن وادار کند.
در پرامپت میتوانی صریح بنویسی:
«متن جایگزین ننویس؛ فقط سؤال بپرس و ضعفها را مشخص کن.»
۱۱. چند گزینهٔ متفاوت بگیر و انتخاب نهایی را خودت انجام بده:
بهجای درخواست «بهترین گزینه»، چند گزینهٔ متفاوت و حتی متعارض دریافت کن. سپس خودت آنها را مقایسه کن و تصمیم بگیر.
یک پاسخ واحد ممکن است این تصور را ایجاد کند که هوش مصنوعی «جواب درست» را پیدا کرده است؛ درحالیکه بسیاری از تصمیمهای داستانی، پاسخ قطعی ندارند.
۱۲. دورههایی را بدون هوش مصنوعی کار کن:
گاهی کاملاً بدون ابزار بنویس. بنبست، سکوت و فاصله گرفتن از مسئله میتوانند بخشی از فرایند خلاقیت باشند و نباید همیشه فوراً با پاسخ هوش مصنوعی پر شوند.
۱۳. واقعیت، منابع، حقوق و حریم خصوصی را مستقل بررسی کن:
اطلاعات واقعی، منابع، مسائل حقوقی و موضوعات مربوط به حریم خصوصی را خودت بررسی کن. هوش مصنوعی مسئولیت حقوقی یا اخلاقی تصمیمهای تو را بر عهده نمیگیرد.
۱۴. فرایند کار را ثبت و میزان استفاده را اعلام کن:
پرامپتهای مهم، نسخههای مختلف متن و تصمیمهایی را که با کمک هوش مصنوعی گرفتهای، ثبت کن.
هرجا لازم است، میزان استفادهٔ مؤثر از هوش مصنوعی را صادقانه اعلام کن. میزان شفافیت باید متناسب با قوانین کلاس، مسابقه، قرارداد ناشر و انتظار مخاطب باشد.
۱۵. موفقیت را فقط با بهتر شدن متن نسنج:
سؤال مهمتر این است: «آیا پس از این همکاری با هوش مصنوعی، میتوانم مسئلهای مشابه را دفعهٔ بعد مستقلتر و بهتر حل کنم؟»
اگر پاسخ مثبت باشد، هوش مصنوعی به رشد نویسنده کمک کرده است. اما اگر فقط متن امروز بهتر شود و توانایی نویسنده برای نوشتن فردا رشد نکند، هوش مصنوعی بیشتر کار را بهجای نویسنده انجام داده است تا اینکه به رشد او کمک کرده باشد.
۱۵. نتیجهگیری: پاسخ به پرسش نهایی
پرسش اصلی این مقاله این بود: «چگونه میتوان از قدرت هوشمصنوعی برای بهتر شدن داستان استفاده کرد، بدون آنکه استفاده از این فناوری به ضعیفتر شدن نویسنده بینجامد؟»
پاسخ علمی و قابلدفاع، نه منع کامل هوش مصنوعی است و نه واگذاری نامحدود کار به آن. شواهد نشان میدهند که هوشمصنوعی میتواند فرایند ایدهپردازی و دریافت بازخورد را سریعتر کند، در برخی داستانهای کوتاه کیفیت متن را از نگاه خوانندگان بهبود دهد، حفرههای منطقی و زبانی را آشکار کند و برای نویسندگان کمتجربه یا افرادی که با موانع دسترسپذیری روبهرو هستند، نوعی پشتوانه و کمک فراهم آورد. در عین حال، پژوهشها هشدار میدهند که استفاده از پیشنهادهای مشابه میتواند تنوع آثار را کاهش دهد، اتکای بیش از حد به AI ممکن است تلاش و ارزیابی انتقادی نویسنده را کم کند و در برخی محیطهای آموزشی، استفاده نادرست از ابزار میتواند توانایی فرد در انجام مستقل کار را تضعیف کند. بااینحال، هنوز شواهد کافی برای صدور حکمهای کلی مانند «هوشمصنوعی مغز نویسنده را تنبل میکند» یا «تخیل او را از بین میبرد» وجود ندارد.
بنابراین، راهحل اصلی این است که نقش هوشمصنوعی را از «نویسنده جایگزین» به «ابزار حمایت از فرایند فکری» تغییر دهیم. بهتر است نویسنده ابتدا خودش تلاش کند و سپس از هوش مصنوعی کمک بگیرد؛ از آن سؤال بپرسد، گزینههای متفاوت و حتی متعارض دریافت کند، از آن بخواهد شواهد و ضعفهای متن را بررسی کند و در نهایت خودش تصمیم بگیرد و متن را با زبان و نگاه خود بازنویسی کند. تجربه زیسته، قصد نویسنده، معیارهای هنری، مسئولیت اثر و بیان نهایی باید همچنان در اختیار انسان باقی بماند. نقد انسانی و کارگاه داستاننویسی نیز اهمیت خود را حفظ میکنند، زیرا مدل هوش مصنوعی نه رابطه اجتماعی یک کلاس را تجربه میکند و نه مسئولیت تأثیر اثر بر خواننده را بر عهده میگیرد.
سطح اطمینان شواهد را نیز باید در نظر گرفت: شواهد کوتاهمدت نسبتاً قویاند و نشان میدهند که استفاده درست از هوشمصنوعی میتواند به بهبود متن کمک کند. شواهد اولیه نیز نشان میدهند که نحوه طراحی تعامل با هوشمصنوعی تعیین میکند فعالیت فکری نویسنده بیشتر شود یا کمتر. اما درباره تأثیر بلندمدت این فناوری بر رشد یا افت توانایی نویسنده، هنوز پژوهش مستقیم کافی وجود ندارد. بنابراین، تا زمانی که شواهد روشنتری به دست آید، میتوان یک اصل احتیاطی و سازنده را پیشنهاد کرد: معنا، تصمیمگیری و بازنویسی را انسانی نگه دارید و سرعت، پرسشگری و بررسی متن را هوشمندانه با ماشین تقسیم کنید.
در نهایت، یک آزمون ساده میتواند نشان دهد که آیا هوشمصنوعی واقعاً به رشد نویسنده کمک کرده است یا نه: پس از کنار گذاشتن ابزار، آیا نویسنده بهتر میبیند؟ آیا سؤالهای دقیقتری میپرسد؟ آیا میتواند انتخابهای داستانی خود را عمیقتر توضیح دهد؟ و آیا میتواند صحنه بعدی را مستقلتر بنویسد؟
اگر پاسخ مثبت باشد، هوشمصنوعی احتمالاً نویسنده را تقویت کرده است. اما اگر فقط متنِ امروز بهتر شده باشد و توانایی نویسنده برای نوشتنِ فردا رشد نکرده باشد، فناوری بهجای آنکه به نویسنده آموزش دهد، کار را به جای او انجام داده است.
۱۶. منابع
یادداشت: منابع زیر بر اساس APA 7 تنظیم شدهاند. پیشچاپها و راهنماهای حرفهای صریحاً مشخص شدهاند. پیوندها برای بررسی مستقیم آمدهاند.
Amabile, T. M. (1996). Creativity in context. Westview Press.
Anderson, B. R., Shah, J. H., & Kreminski, M. (2024). Homogenization effects of large language models on human creative ideation. In Proceedings of the 16th Conference on Creativity & Cognition (pp. 413–425). Association for Computing Machinery. https://doi.org/10.1145/3635636.3656204
Authors Guild. (2026, May 11). AI best practices for authors. https://authorsguild.org/resource/ai-best-practices-for-authors/
Baird, B., Smallwood, J., Mrazek, M. D., Kam, J. W. Y., Franklin, M. S., & Schooler, J. W. (2012). Inspired by distraction: Mind wandering facilitates creative incubation. Psychological Science, 23(10), 1117–1122. https://doi.org/10.1177/0956797612446024
Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122
Bellemare-Pepin, A., Lespinasse, F., Thölke, P., Harel, Y., Mathewson, K., Olson, J. A., Bengio, Y., & Jerbi, K. (2026). Divergent creativity in humans and large language models. Scientific Reports, 16, Article 1279. https://doi.org/10.1038/s41598-025-25157-3
Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (pp. 610–623). Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922
Bereiter, C., & Scardamalia, M. (1987). The psychology of written composition. Lawrence Erlbaum Associates.
Boden, M. A. (1998). Creativity and artificial intelligence. Artificial Intelligence, 103(1–2), 347–356. https://doi.org/10.1016/S0004-3702(98)00055-1
Boden, M. A. (2004). The creative mind: Myths and mechanisms (2nd ed.). Routledge.
Buçinca, Z., Malaya, M. B., & Gajos, K. Z. (2021). To trust or to think: Cognitive forcing functions can reduce overreliance on AI in AI-assisted decision-making. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1), Article 188, 1–21. https://doi.org/10.1145/3449287
Carlini, N., Tramer, F., Wallace, E., Jagielski, M., Herbert-Voss, A., Lee, K., Roberts, A., Brown, T., Song, D., Erlingsson, Ú., Oprea, A., & Raffel, C. (2021). Extracting training data from large language models. In 30th USENIX Security Symposium (pp. 2633–2650). USENIX Association. https://www.usenix.org/conference/usenixsecurity21/presentation/carlini-extracting
Chakrabarty, T., Padmakumar, V., Brahman, F., & Muresan, S. (2024). Creativity support in the age of large language models: An empirical study involving professional writers. In Proceedings of the 16th Conference on Creativity & Cognition (pp. 132–155). Association for Computing Machinery. https://doi.org/10.1145/3635636.3656201
Cho, K., & MacArthur, C. (2010). Student revision with peer and expert reviewing. Learning and Instruction, 20(4), 328–338. https://doi.org/10.1016/j.learninstruc.2009.08.006
Dell’Acqua, F., McFowland, E., III, Mollick, E., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2026). Navigating the jagged technological frontier: Field experimental evidence of the effects of artificial intelligence on knowledge worker productivity and quality. Organization Science, 37(2), 403–423. https://doi.org/10.1287/orsc.2025.21838
Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. https://doi.org/10.1126/sciadv.adn5290
Flower, L., & Hayes, J. R. (1981). A cognitive process theory of writing. College Composition and Communication, 32(4), 365–387. https://doi.org/10.2307/356600
Göldi, A., Wambsganss, T., Neshaei, S. P., & Rietsche, R. (2024). Intelligent support engages writers through relevant cognitive processes. In Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems (pp. 1–12). Association for Computing Machinery. https://doi.org/10.1145/3613904.3642549
Graham, S., & Perin, D. (2007). A meta-analysis of writing instruction for adolescent students. Journal of Educational Psychology, 99(3), 445–476. https://doi.org/10.1037/0022-0663.99.3.445
Guo, A., Sathyanarayanan, S., Wang, L., Heer, J., & Zhang, A. X. (2025). From pen to prompt: How creative writers integrate AI into their writing practice. In Proceedings of the 2025 Conference on Creativity and Cognition (pp. 527–545). Association for Computing Machinery. https://doi.org/10.1145/3698061.3726910
Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487
Hayes, J. R. (2012). Modeling and remodeling writing. Written Communication, 29(3), 369–388. https://doi.org/10.1177/0741088312451260
Hwang, A. H.-C., Liao, Q. V., Blodgett, S. L., Olteanu, A., & Trischler, A. (2025). “It was 80% me, 20% AI”: Seeking authenticity in co-writing with large language models. Proceedings of the ACM on Human-Computer Interaction, 9(2), Article CSCW122, 1–41. https://doi.org/10.1145/3711020
Ippolito, D., Yuan, A., Coenen, A., & Burnam, S. (2022). Creative writing with an AI-powered writing assistant: Perspectives from professional writers [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2211.05030
Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y. J., Chen, D., Dai, W., Chan, H. S., Madotto, A., & Fung, P. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12), Article 248, 1–38. https://doi.org/10.1145/3571730
Kellogg, R. T. (2008). Training writing skills: A cognitive developmental perspective. Journal of Writing Research, 1(1), 1–26. https://doi.org/10.17239/jowr-2008.01.01.1
Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, Article 17458. https://doi.org/10.1038/s41598-025-97652-6
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2506.08872
Lee, H.-P. (H.), Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (Article 1121, pp. 1–22). Association for Computing Machinery. https://doi.org/10.1145/3706598.3713778
Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779. https://doi.org/10.1016/j.patter.2023.100779
Mirowski, P., Mathewson, K. W., Pittman, J., & Evans, R. (2023). Co-writing screenplays and theatre scripts with language models: Evaluation by industry professionals. In Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems (Article 355, pp. 1–34). Association for Computing Machinery. https://doi.org/10.1145/3544548.3581225
Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586
Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002
Runco, M. A., & Jaeger, G. J. (2012). The standard definition of creativity. Creativity Research Journal, 24(1), 92–96. https://doi.org/10.1080/10400419.2012.650092
Searle, J. R. (1980). Minds, brains, and programs. Behavioral and Brain Sciences, 3(3), 417–457. https://doi.org/10.1017/S0140525X00005756
Sio, U. N., & Ormerod, T. C. (2009). Does incubation enhance problem solving? A meta-analytic review. Psychological Bulletin, 135(1), 94–120. https://doi.org/10.1037/a0014212
Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google effects on memory: Cognitive consequences of having information at our fingertips. Science, 333(6043), 776–778. https://doi.org/10.1126/science.1207745
Stanković, M., Hirche, E., Kollatzsch, S., & Doetsch, J. N. (2026). Comment on: Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing tasks [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2601.00856
UNESCO. (2021). Recommendation on the ethics of artificial intelligence. https://www.unesco.org/en/legal-affairs/recommendation-ethics-artificial-intelligence
UNESCO. (2023). Guidance for generative AI in education and research. https://unesdoc.unesco.org/ark:/48223/pf0000386693
U.S. Copyright Office. (2023). Copyright registration guidance: Works containing material generated by artificial intelligence (88 Fed. Reg. 16,190). https://www.copyright.gov/ai/
U.S. Copyright Office. (2025). Copyright and artificial intelligence, Part 2: Copyrightability. https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-2-Copyrightability-Report.pdf
Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8, 2293–2303. https://doi.org/10.1038/s41562-024-02024-1
Ward, T. B. (1994). Structured imagination: The role of category structure in exemplar generation. Cognitive Psychology, 27(1), 1–40. https://doi.org/10.1006/cogp.1994.1010
Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., Foltýnek, T., Guerrero-Dib, J., Popoola, O., Šigut, P., & Waddington, L. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19, Article 26. https://doi.org/10.1007/s40979-023-00146-z
Yuan, A., Coenen, A., Reif, E., & Ippolito, D. (2022). Wordcraft: Story writing with large language models. In Proceedings of the 27th International Conference on Intelligent User Interfaces (pp. 841–852). Association for Computing Machinery. https://doi.org/10.1145/3490099.3511105
