هوش مصنوعی و نوشتن - پارت اول

متون انسانی یا متون Ai؟

هوش مصنوعی، مفهومی که تا چندی پیش صرفا یک طرح ذهنی و محدود به کارهای ماشینی می‌شد امروزه وارد زندگی‌ همه‌ما شده است.
هوش مصنوعی جنبه‌هایی از زندگی‌مان را تحت تاثیر گرفته که تاثیر شگرفی روی ما می‌گذارند، تاثیر بر درک معنایی و هنری ما، تاثیر در نوع زیستن، تاثیر در نوع تفکر، نوع کار کردن، نوع حرف زدن و نوع نوشتن.
اگر به این فکر کنیم که هوش مصنوعی چقدر در درک زبانی و نویسندگی پیشرفت کرده قطعا خود را مبهوت می‌بینیم؛ که چنین خلاقیتی از کجا نشات می‌گیرد و چگونه یک ماشین که میلیون‌ها خط کد در پشت پرده آن کار می‌کنند می‌توانند چنین متنی بنویسند.
نخست باید بگویم که هوش مصنوعی هنوز برای تبدیل شدن به یک داستان نویس حرفه‌ای فاصله دارد، شاید خلاقیت داشته باشد اما خلاقیت آن ناشی از درک آن نیست بلکه ناشی از قدرت و هوشمندی او در بردار ارتباطات کلمات است.
تا یک سال پیش هوش مصنوعی‌ها به عنوان مثال ChatGPT داستان‌های مزخرفی می‌نوشتند و درک زبانی آنها کوتاه و انتخاب‌هایشان اندک بود.
اما اکنون پیشرفت بیشتری در درک زبانی هوش مصنوعی‌ها رخ داده، Ai دیگر انتخاب‌های اندک نمی‌کند بلکه می‌تواند تا صدها انتخاب را در یک داستان ساپورت کند و در عین حال سررشته گفتگو را حفظ نماید.
اما با اینکه هوش مصنوعی چنین پیشرفتی کرده باز هم فاصله زیادی تا یک نویسنده واقعی دارد.
نویسندگی و یا هر نوع هنری مستلزم انتخاب در هر قیاسی است، حتی در طول نوشتن یک جمله ما بارها انتخاب‌های مختلفی می‌کنیم، نوع آوا، نوع کلمات، معنا و مفهوم کلمات، نوع احساس، ضرب آهنگ و...
ما انسان‌ها فقط در چند پاراگراف ممکن است‌ها صدها انتخاب انجام بدیم و در طول چند صفحه این عدد به هزاران انتخاب هم می‌رسد.
انتخاب‌هایی که لزوما نه پیوسته بلکه پراکنده می‌تواند باشد، ما یک پلات داستان را توسعه می‌دهیم و در روزهای آینده بارها تغییرش می‌دهیم و این روند با تصمیمات و انتخاب‌های فراوانی همراه می‌شود، انتخاب‌هایی که از تجربه، احساس، دانایی و.. به وجود میاد.
و نقطه ضعف هوش مصنوعی در نوشتن نیز همینجاست،
هوش مصنوعی به دنبال بهترین کلمات می‌گردد، هر بار که پرامپتی به او می‌دهید بهترین و نزدیک‌ترین کلمات را انتخاب می‌کند، در حالی که نوشتن داستان اینگونه نیست، ما هیچوقت مطمئن نیستیم بهترین کلمه چیست، همه چیز از درونمان می‌جوشد،(البته که تجربه نوشتن هم اهمیت دارد)
و پیچیدگی زبانی رخ می‌دهد.
که در Ai اینگونه نیست.

بیاید عمیق‌تر شویم و ببینیم دقیقا زیر پوسته هوش مصنوعی چه چیزی رخ می‌دهد و چگونه کلمات را انتخاب می‌کند.

وقتی یک انسان کلمه‌ای مانند "زندگی" را می‌شنود، این احساسات هستند که ابتدا فعال می‌شوند، پس از آن خاطرات، مفاهیم فرهنگی و...
هوش مصنوعی اینگونه نیست، کلمه‌ای نمی‌فهمد نمی‌بیند، فهم در Ai یعنی یک بردار عددی که باید مفاهیم را انتخاب کند و کنار هم بچیند.
مفاهیم بر اساس روابط آماری‌شان کنار هم قرار می‌گیرند.
به عنوان مثال از نظر ریاضی کلمه زندگی ارتباط آماری‌ای نزدیکی دارد با کلماتی چون: سرنوشت، مرگ، زنده بودن، سرزندگی و..
و در نتیجه Ai ابتدا به سراغ همین همسایه‌های نزدیک مفهوم کلمه می‌رود.
هنر واقعی مدل‌های زبانی ai در مکانیزم توجه است، مکانیزمی که هوش مصنوعی با آن می‌تواند در یک متن،
وزن و اهمیت هر کلمه را نسبت به دیگر کلمات بسنجد.
تا دو سال پیش اگر یک پرامپت برای خلق یک داستان به gpt می‌دادید هوش مصنوعی سررشته داستان را از دست می‌داد و داستان پر از حفره‌ و نقص‌های منطقی و زبانی می‌شد.
اما اکنون که معماری هوش مصنوعی‌ها بر مبنای محاسبات حین استنتاج شکل گرفته، Ai می‌تواند تا میلیون‌ها توکن از داستان را در حافظه خود بدون فراموشی نگه دارد و سررشته داستان را به طرز خارق‌العاده از دست ندهد.
این امر موجب از بین رفتن بسیاری از حفره‌های داستان می‌شود و هوش مصنوعی توهمات منطقی بروز می‌دهد.

یکی از چالش‌هایی که Ai با آن درگیر است، توانایی کپی یا خلق زیرمتن است، زیرمتن را می‌توان در واقع روح یک متن در نظر گرفت.
مفهومی که در ظاهر کلمه نیست اما از آن برداشت می‌شود و مهارت یک نویسنده در هماهنگی این زیرمتن نهفته است.
آیا هوش نیز می‌تواند زیرمتن را الگوبرداری کند؟
تا سال پیش چنین برداشت می‌شد که این کار برای یک ماشین غیرممکن خواهد بود.
اما تحقیقات جدید بر روی بردارهای احساسی یک نکته مهم را مطرح کرد.
حتی زیرمتن هم از نظر ریاضی قابل مدل‌سازی هست.
یعنی می‌توان با الگوهای ریاضی دقیقا زیرمتن را الگوبرداری کرد، که البته این کار را انجام داده‌اند و امروزه می‌بینید که هوش مصنوعی فقط متن ساده تولید نمی‌کند بلکه با درک زیرمتن هارمونی داستان و متن را بازتولید می‌کند.
مدل‌های کنونی با تحلیل میلیون‌ها داستان، رمان و فیلم نامه آموزش دیده‌اند و الگوهای نوشتن رو یاد گرفته‌اند و می‌توانند با ضریب تقلید اندکی یک موقعیت دراماتیک را خلق کنند هر چند که با چیزهایی که در اوایل مقاله گفتم، همچنان در انتخاب‌های مسیر داستان و کلمات مشکل دارند و این بزرگ‌ترین ضعف ai در نوشتن یک داستان خواهد بود.
اما حالا بیایم نگاهی به پیشرفت‌های ai در حیطه درک زبانی بندازیم، در سال 2026 درک زبانی ai دیگه صرفا سطحی نیست، هوش مصنوعی وارد درک همزمانی مسائل پیچیده و چند لایه شده؛
پنجره توکن‌های Ai ها به شدت بزرگ‌تر شده و همین تغییرات در معماری کمک زیادی به مقیاس پذیری و درک معنایی کرده.
به عنوان مثال، هوش مصنوعی‌های Llama از شرکت متا با معرفی مدل‌های Llama 4 شامل نسخه‌های Scout، Maverick و Behemoth، استانداردهای جدیدی رو تعریف کردند.
مدل Scout با نوعی ساختار تحت عنوان MoE و ارائه یک پنجره کانتکست بسیار بزرگ ۱۰ میلیون توکنی،
ظرفیت پردازش بی‌سابقه‌ای رو معرفی کردند
که به مدل اجازه میده کلان‌داده‌های متنی، آرشیوهای تحقیقاتی و کتاب‌های چند هزار صفحه‌ای رو راحت پردازش و تحلیل کند.
یکی از فاکتورهای اساسی و مهم ارزیابی تکامل شناختی و معنایی در هوش مصنوعی، توانایی مدل در پردازش استعاره‌ها و اصطلاحات هست.
استعاره‌ها در ادبیات خیلی مهم‌اند و تقلید استعاره توسط هوش مصنوعی طبیعتا کار آسونی نخواهد بود.
استعاره‌ها برای خود انسان نیز پیچیده و نوشتنشان درک داستانی قابل توجهی میخواد
تحقیقاتی اخیر در حوزه‌ه پردازش زبان طبیعی یا NLP مشخص کرده که دانش استعاری به صورت ذاتی در Ai وجود داره، یعنی آموزش‌های مدل‌ها بر روی میلیوت‌ها کتاب مدل را ذاتا دارای درک استعاری کرده حتی بدون تنظیم دقیق صریح و هدفمند،
مدل‌های متنی بزرگ، توانایی،هایی عجیب و شگفت‌انگیزی در تشخیص استعاره‌ها از خودشون نشون دادند خصوصا استعاره‌ها و اصطلاحات بین‌زبانی.

یکی از بنچمارک‌های ارزیابی هوش مصنوعی ‌ها چارچوب که بر اساس نظریه زبان‌شناسی شناختی و مکانیسم‌های چندوجهی شکل گرفته،
نشون داده که در درک استعاره‌های پیچیده و چند لایه، مدل Claude-3-5 در قابلیت‌های فهم و درک معنایی پیشتاز از بقیه مدل‌هاست،
در این بنچمارک از نظر ظرفیت تولیدی، مدل ChatGPT-4 منطق نگاشتی چندوجهی متعادل‌تری نشوت داده و در شاخص‌های بنچمارک تقریبا به سطح درک استعاری در سطح انسان نزدیک شده.
حتی با این پیشرفت‌ها هم بازم مدل‌ها در درک استعاره‌های غیر رایج به شدت به مشکل خوردند و این نشون میده که هوش مصنوعی‌ها هنوزم در درک زبانی مقلد متن‌های انسانی هستند و به سطح تولید خلاقیت یک طرفه نرسیده‌اند.
همچنین بنچمارک دیگری در زمینه فرهنگی نشان داد که ai به شدت در درک استعاره‌های بین فرهنگی مشکل دارد و به حد زیادی سوگیری به سمت انگلیسی انجام می‌دهد.
در بنچمارک EQ-Bench که برای سنجش هوش هیجانی متن‌های تولید شده توسط Ai انجام می‌گیرد
امتیازها بدین شرح بودند:
در این بنچمارک، مدل Claude Opus 4.7 با کسب امتیاز 2216 صدر جدول خلاقیت رو بر عهده دارد و پس از آن GPT-5.5 با امتیاز 2024 و Claude Sonnet 4.6 با امتیاز 1991 قرار دارند.
در بنچمارک Hemingway bench که ایده اصلی‌اش این بود که اگر از یک مدل بخواهید یه شعر ۸ بیتی درباره ماه بنویسد، هوش مصنوعی های داور صرفا بررسی ظاهری می‌کنند و ممکن است امتیازهای بی‌دلیلی به مدل بدهند.
در نتیجه به جای داوران هوش مصنوعی،
از نویسندگان متخصص و خبره انسانی در حوزه‌های مختلف استفاده کردند که ساعت‌ها زمان رو صرف ارزیابی و بررسی مدل‌های تاپ بازار در وظایف نوشتاری دنیای واقعی می‌کنند.
این بنچمارک بر اساس معیارهای کیفی
چون اصالت کارکتر، جذابیت روایی، انسجام، فضاسازی و اتمسفر، پرهیز از کلیشه‌ها، پرهیز از پرگویی و اجتناب پذیری از متن‌های زیادی شاعرانه انجام می‌شود.
در نتایج این بنچمارک Gemini 3.1 pro صدر جدول رو گرفت
امتیازها بدین شرح است:

و Gemini 3.1 pro با 1087 امتیاز، Gemini 3 Flash با 1079 امتیاز، Gemini 3 pro با 1074 امتیاز، از مدل‌های آنتروپیک، Claude Opus 4.7 Max با 1057 امتیاز، سپس GPT 5.5 با 1054 امتیاز
و Claude Opus 4.6 با 1054 امتیاز.

طی جستجوهایی که انجام دادم بنچمارک جدیدی برای آزمایش Ai بر روی متن‌های فارسی ندیدم و هنوز بنچمارک سال 2025 بر روی متون فارسی آپدیت نشده.

آیا نویسنده باید از Ai استفاده کند؟

راستش را بخواهید، جواب من مثبت است، طبق مسائلی که مطرح کردم هوش مصنوعی‌ها دیر یا زود به رقابت واقعی با نویسندگان خواهند پرداخت، پیشرفت هوش مصنوعی شاید بتواند نویسنده‌های تازه‌کار را از دور خارج کند اما برای حرفه‌ای‌ها هنوز یک چالش است.
یکی از مسائلی که می‌توان مطرح کرد برای جواب مثبت دادن به همکاری با Ai این است که ما دیگر صرفا با یک ابزار طرف نیستیم، بلکه با ماشین‌هایی طرف هستیم که می‌تواند در کسری از ثانیه رابطه آماری میان میلیون‌ها کلمه را بررسی کنند به نوعی که انسان برای این کار عاجز است و سپس به شما پیشنهاداتی برای الهام عناصر و کلمات داستانی بدهد که تا کنون به فکرتان هم نرسیده.
البته استفاده مداوم از Ai قطعا می‌تواند از قوه خلاقیت شما بکاهد.
اگر قرار است همگام با پیشرفت جهان و زبان حرکت کنیم باید با Ai همراه بشیم، اما یک همراه نه یک رابط اپراتوری که فقط پرامپت برای تولید داستان می‌دهد.
یکی از دلایلم این است که Ai قطعا می‌تواند استعاره‌های پیچیده‌تری تولید کند، شاید نه الان اما در آینده خیلی نزدیک و این به معنای تکامل زبان بشری خواهد بود.
در این میان نویسنده‌ای که با هوش مصنوعی همراه شده بیش‌تر قابلیت و مهارت سرگرم کردن خواننده را خواهد داشت.
همیشه و همواره در نگاهمان هوش مصنوعی باید یک ابزار باهوش اما دارای توهم باشد نه ماشینی که کارت راحت می‌کند، اگر قلم نویسنده چالش را به جان نخرد دیر یا زود تسلیم متن‌های ماشینی می‌شود، آن موقع متن‌ها عمیق نخواهند بود بلکه تکراری می‌شوند.
برای تولید استعاره‌ها و متون پیچیده به همکاری هر دو طرف نیاز است، ماشینی که پردازش وحشتناکی در درک معنایی دارد و انسانی که برای انتخاب هر کلمه از تجربه‌ انسانی‌اش می‌جوشد.
این دو می‌توانند پیوند قوی‌ای شکل بدهند تا زبان داستان نویسی پیشرفت چشم گیری داشته باشد.

پایان پارت اول.