
بیشتر داستانهایی که در کودکی میشنویم، با نظمی ساده پیش میروند: شخصیتی با یک مسئله روبهرو میشود، برای حل آن تلاش میکند، با موانعی مواجه میشود و سرانجام به نتیجه میرسد. این ساختار خطی، برای انتقال روشن رویدادها بسیار کارآمد است. مخاطب میداند چه چیزی ابتدا رخ داده، چه اتفاقی در میانه افتاده و پایان چگونه شکل گرفته است.
اما همه داستانها نمیخواهند چنین مسیری را طی کنند. گاهی نویسنده ترجیح میدهد اطلاعات را بهتدریج، از زاویههای مختلف و در زمانهای متفاوت در اختیار مخاطب بگذارد. در این حالت، مخاطب فقط شنونده داستان نیست؛ او باید قطعات پراکنده را کنار هم بگذارد، رابطه علت و معلول را کشف کند و درباره حقیقت آنچه دیده یا خوانده، قضاوت کند. این همان قلمرو روایت غیرخطی است.
وقتی صحبت از روایت غیرخطی در سینمای معاصر میشود، نام کریستوفر نولان تقریباً بلافاصله به ذهن میرسد. فیلمهایی مانند «ممنتو»، «تلقین»، «دانکرک» و «تنت» هرکدام به شیوهای متفاوت با زمان، حافظه، ادراک و ترتیب ارائه اطلاعات بازی میکنند. در این آثار، زمان فقط ظرفی برای وقوع اتفاقات نیست؛ خودِ زمان به بخشی از مسئله و گاهی حتی به یکی از شخصیتهای اصلی داستان تبدیل میشود.
ظهور هوش مصنوعی مولد، پرسش تازهای را پیش روی نویسندگان، فیلمسازان و پژوهشگران قرار داده است: آیا ماشینی که بر اساس الگوهای زبانی و دادههای فراوان آموزش دیده، میتواند چنین ساختار پیچیدهای بسازد؟ آیا هوش مصنوعی قادر است داستانی طراحی کند که مخاطب را سردرگم نکند، اما در عین حال همه پاسخها را هم از ابتدا در اختیار او نگذارد؟ و مهمتر از همه، آیا ماشین میتواند در روایت غیرخطی، علاوه بر محاسبه ساختار، معنا و احساس نیز خلق کند؟
پاسخ کوتاه این است که هوش مصنوعی در طراحی معماری روایت پیشرفت زیادی کرده، اما «نولانوار» بودن فقط به جابهجایی صحنهها و شکستن ترتیب زمانی محدود نمیشود. برای رسیدن به یک روایت پیچیده و اثرگذار، ماشین باید رابطه میان فرم، شخصیت، احساس و ایده مرکزی را هم درک کند؛ موضوعی که هنوز به همکاری جدی انسان نیاز دارد.
روایت غیرخطی داستانی است که رویدادهای آن الزاماً به ترتیب زمانی وقوعشان ارائه نمیشوند. در چنین روایتی، ممکن است داستان با پایان یک اتفاق آغاز شود، سپس به گذشته بازگردد، بعد به آینده برود و در ادامه، اطلاعاتی را آشکار کند که معنای صحنههای قبلی را تغییر میدهد.
البته غیرخطی بودن به معنای بینظمی نیست. یک روایت غیرخطی موفق معمولاً دو ترتیب متفاوت دارد: ترتیب واقعی رخدادها در جهان داستان و ترتیب ارائه آنها به مخاطب. نویسنده ابتدا باید بداند در جهان داستان چه اتفاقی، چه زمانی و با چه علتی رخ داده است. سپس تصمیم میگیرد مخاطب این اطلاعات را با چه ترتیبی دریافت کند.
برای مثال، فرض کنیم در یک داستان، شخصیتی در پایان به دوست خود خیانت میکند، اما روایت با صحنهای از کودکی آن دو آغاز میشود. مخاطب ابتدا رابطه صمیمی آنها را میبیند، سپس نشانههایی از اختلاف را دنبال میکند و در پایان به لحظه خیانت میرسد. اگر داستان از ابتدا با خیانت شروع شود و بعد به گذشته برگردد، تجربه مخاطب کاملاً متفاوت خواهد بود. رویدادها همان رویدادها هستند، اما ترتیب ارائه، پرسشها و احساسات مخاطب را تغییر میدهد.
پس روایت غیرخطی یک ترفند تزئینی نیست. این ساختار زمانی ارزشمند است که با مضمون داستان پیوند داشته باشد. اگر داستان درباره حافظه است، روایت گسسته میتواند شکل ذهنی شخصیت را بازتاب دهد. اگر موضوع اثر درباره چند برداشت متفاوت از حقیقت است، روایت چندلایه میتواند مخاطب را وادار کند به هیچ روایت واحدی کاملاً اعتماد نکند.
اصطلاح «نولانوار» یک مفهوم دانشگاهی دقیق نیست، اما در گفتوگوی عمومی معمولاً به مجموعهای از ویژگیها اشاره دارد: روایتهای چندلایه، دستکاری زمان، اطلاعات ناقص، معماهای روایی، شخصیتهایی درگیر حافظه یا هویت و پایانهایی که باعث میشوند مخاطب صحنههای قبلی را دوباره تفسیر کند.
با این حال، مهم است بدانیم که آثار نولان صرفاً به دلیل پیچیده بودن موفق نیستند. پیچیدگی زمانی اثرگذار است که با درام ارتباط داشته باشد. در «ممنتو»، ساختار معکوس روایت با وضعیت ذهنی لئونارد، شخصیت اصلی، ارتباط مستقیم دارد. او نمیتواند خاطرات جدید را حفظ کند و مخاطب نیز بهتدریج تجربهای شبیه به ناتوانی او در تشخیص گذشته و حال پیدا میکند. در اینجا فرم روایت، بخشی از شخصیتپردازی است.
در «تلقین»، لایههای مختلف خواب، امکان حرکت همزمان در چند مقیاس زمانی را فراهم میکنند. هرچه شخصیتها به لایه عمیقتری از خواب میروند، زمان برای آنها کندتر میشود. این سازوکار فقط یک ایده علمیتخیلی نیست؛ با مضمون اصلی فیلم، یعنی رابطه میان واقعیت، خاطره، گناه و رها کردن گذشته، ارتباط دارد.
«دانکرک» نمونه دیگری از استفاده هدفمند از زمان است. روایت فیلم در سه مقیاس زمانی متفاوت پیش میرود: یک هفته برای سربازان در ساحل، یک روز برای خدمه یک قایق غیرنظامی و یک ساعت برای خلبانان. این خطوط در پایان به یکدیگر نزدیک میشوند. تماشاگر بهجای آنکه فقط درباره عملیات نظامی اطلاعات دریافت کند، فشار و اضطراب زمان را تجربه میکند.
در «تنت» نیز زمان معکوس به ایده مرکزی جهان داستان تبدیل میشود. تماشاگر نهتنها باید بداند چه اتفاقی افتاده، بلکه باید بفهمد یک رویداد چگونه میتواند از دو جهت زمانی تجربه شود. ممکن است برخی مخاطبان با میزان پیچیدگی فیلم ارتباط برقرار نکنند، اما همین اثر نشان میدهد که نولان تا چه حد ساختار را به موتور اصلی روایت تبدیل میکند.
بنابراین، نولانوار بودن را نباید با استفاده تصادفی از فلشبک، پایان مبهم یا چند خط زمانی اشتباه گرفت. جوهر این رویکرد، هماهنگی میان ساختار، مضمون و تجربه مخاطب است.
مدلهای زبانی بزرگ با تحلیل حجم عظیمی از متن، الگوهای آماری زبان را یاد میگیرند. هنگامی که کاربر درخواستی را وارد میکند، مدل بر اساس متن موجود، زمینه گفتوگو و الگوهای آموختهشده، ادامهای محتمل تولید میکند. به زبان ساده، مدل تلاش میکند بهترین ادامه ممکن را برای رشتهای از واژهها و ایدهها پیشبینی کند.
این توضیح به این معنا نیست که مدل فقط واژهها را بدون هیچ ساختاری کنار هم میگذارد. مدلهای جدید میتوانند شخصیت، لحن، ترتیب وقایع، هدف دراماتیک و حتی برخی روابط علت و معلولی را در یک متن دنبال کنند. آنها میتوانند برای یک رمان، شناسنامه شخصیت بنویسند، خط زمانی طراحی کنند، چند پایان پیشنهاد دهند و تناقضهای آشکار را پیدا کنند.
اما تولید متن با فهم انسانی از داستان تفاوت دارد. یک نویسنده ممکن است تصمیم بگیرد اطلاعاتی را عمداً پنهان کند، زیرا میداند سکوت در آن لحظه از توضیح مستقیم اثرگذارتر است. او ممکن است یک تصویر یا دیالوگ را در ابتدای داستان قرار دهد تا در پایان، معنای تازهای پیدا کند. چنین تصمیمی فقط به شناخت الگوهای زبانی مربوط نیست؛ به قضاوت زیباییشناختی و درک تجربه مخاطب نیاز دارد.
هوش مصنوعی میتواند بر اساس دستور کار کند، اما کیفیت خروجی به نحوه تعریف مسئله وابسته است. اگر از مدل بخواهیم «یک داستان پیچیده شبیه فیلمهای نولان» بنویسد، احتمالاً متنی تولید میکند که در آن ساعت، آینه، حافظه، رویا، فلشبک و پایان غافلگیرکننده وجود دارد. با این حال، ممکن است این عناصر صرفاً کنار هم قرار گرفته باشند و ضرورت دراماتیک نداشته باشند.
در مقابل، اگر مسئله بهصورت ساختاری تعریف شود، نتیجه میتواند دقیقتر باشد. برای مثال، میتوان از مدل خواست ابتدا جدول زمانی واقعی داستان را بسازد، سپس ترتیب ارائه صحنهها را تعیین کند، اطلاعات هر صحنه را مشخص کند، هدف احساسی هر بخش را بنویسد و در نهایت متن را تولید کند. این روش، هوش مصنوعی را از یک تولیدکننده متن به یک دستیار طراحی روایت تبدیل میکند
تواناییهای هوش مصنوعی در ساخت روایت غیرخطی
یکی از دشوارترین مراحل نوشتن داستان غیرخطی، حفظ کنترل بر زمان است. نویسنده باید بداند هر اتفاق در چه نقطهای از جهان داستان رخ داده و مخاطب چه زمانی از آن مطلع میشود. یک خطای کوچک میتواند باعث شود شخصیت پیش از آشنایی با یک موضوع، درباره آن صحبت کند یا اطلاعات مهم زودتر از زمان مناسب آشکار شود.
هوش مصنوعی میتواند بهعنوان ابزاری برای طراحی نقشه روایی عمل کند. نویسنده میتواند اطلاعات مربوط به شخصیتها، رخدادها و زمانها را وارد کند و از مدل بخواهد آنها را در قالب جدول یا نمودار مرتب کند. سپس میتوان چند ترتیب متفاوت برای ارائه همان رویدادها ساخت و پیامد هر ترتیب را بررسی کرد.
روایت غیرخطی معمولاً یک پاسخ قطعی برای ترتیب صحنهها ندارد. ممکن است یک داستان با شروع از پایان، تعلیق بیشتری ایجاد کند؛ در حالی که شروع از گذشته، همدلی عمیقتری با شخصیت به وجود آورد. هوش مصنوعی میتواند در مدت کوتاه چند معماری روایی پیشنهاد دهد.
برای نمونه، یک داستان درباره کارآگاهی که حافظهاش را از دست داده، میتواند به شکل معکوس، موازی یا چندراوی نوشته شود. مدل میتواند هر سه نسخه را با توضیح مزایا و خطرهایشان ارائه کند. تصمیم نهایی همچنان با نویسنده است، اما دامنه انتخاب او وسیعتر میشود.
تعلیق زمانی شکل میگیرد که مخاطب پرسشی داشته باشد و پاسخ آن را هنوز نداند. در داستان غیرخطی، کنترل این پرسشها اهمیت بیشتری پیدا میکند. اگر اطلاعات بیش از حد پنهان شود، مخاطب احساس میکند نویسنده عمداً او را گمراه کرده است. اگر همهچیز زود توضیح داده شود، راز و کشش داستان از بین میرود.
هوش مصنوعی میتواند هر صحنه را از نظر اطلاعات موجود بررسی کند: مخاطب در این نقطه چه میداند؟ چه چیزی را اشتباه برداشت میکند؟ کدام پرسش بیپاسخ باقی میماند؟ این نوع تحلیل، برای بازنویسی فیلمنامه یا داستان بلند بسیار مفید است.
هرچه تعداد خطوط زمانی و راویان بیشتر باشد، احتمال تناقض افزایش مییابد. رنگ لباس، سن شخصیت، محل وقوع حادثه، رابطه میان دو نفر و حتی میزان اطلاعات یک راوی باید در همه بخشها سازگار باشد.
مدل زبانی میتواند نسخهای از داستان را مانند ویراستار تداوم بررسی کند. البته این بررسی باید با دادههای دقیق انجام شود و نباید کاملاً به قضاوت مدل وابسته بود. هوش مصنوعی ممکن است تناقضی را نبیند یا حتی تناقضی خیالی ایجاد کند. با این حال، برای بررسی اولیه و تهیه فهرست پرسشها ابزار ارزشمندی است.
یک نویسنده معمولاً داستان را از ابتدا تا پایان میداند، اما مخاطب چنین دانشی ندارد. همین تفاوت باعث میشود نویسنده گاهی میزان وضوح یا پیچیدگی روایت را اشتباه ارزیابی کند. هوش مصنوعی میتواند نقش چند نوع مخاطب فرضی را شبیهسازی کند: مخاطب علاقهمند به معما، تماشاگر عادی، خواننده کمحوصله یا فردی که با ژانر علمیتخیلی آشنا نیست.
این شبیهسازی جایگزین خواننده واقعی نمیشود، اما میتواند نقاط مبهم را آشکار کند. اگر چند ارزیابی مستقل، یک صحنه مشخص را گیجکننده یا بیدلیل بدانند، نویسنده باید آن بخش را دوباره بررسی کند.
هوش مصنوعی میتواند بنویسد که شخصیتی غمگین است، دستهایش میلرزد و به پنجره خیره میشود. اما توصیف نشانههای غم با خلق تجربهای عاطفی یکسان نیست. در روایت غیرخطی، احساسات گاهی بهصورت تدریجی و از طریق بازخوانی صحنههای قبلی شکل میگیرند. مخاطب ممکن است در ابتدا یک رفتار را خودخواهانه بداند، اما بعد متوجه شود شخصیت از ترس یا عذاب وجدان چنین کرده است.
ماشین میتواند این الگو را بازسازی کند، اما در بسیاری از موارد به کلیشههای آماده تکیه میکند. نتیجه ممکن است از نظر فنی درست باشد، ولی حس کشف و ضربه عاطفی لازم را نداشته باشد.
هر روایت پیچیدهای ارزشمند نیست. گاهی نویسنده به دلیل علاقه به فرم، داستان را بیدلیل دشوار میکند. هوش مصنوعی نیز در برابر چنین درخواستی معمولاً مقاومت نمیکند. اگر کاربر ساختاری پر از فلشبک و چند جهان موازی بخواهد، مدل تلاش میکند آن را بسازد؛ حتی اگر روایت سادهتر، اثرگذارتر باشد.
نویسنده انسانی باید از خود بپرسد: چرا این داستان باید غیرخطی باشد؟ آیا ترتیب زمانی شکسته، تجربه شخصیت را بهتر منتقل میکند؟ آیا اطلاعات پنهان، به مضمون داستان مربوط است؟ آیا پایان غافلگیرکننده پس از بازبینی منطقی باقی میماند؟ این پرسشها را نمیتوان فقط با اضافه کردن یک دستور به مدل حل کرد.
وقتی از هوش مصنوعی میخواهیم داستانی «نولانوار» تولید کند، خطر تقلید سطحی افزایش مییابد. مدل ممکن است مجموعهای از نشانههای آشنا را کنار هم قرار دهد: ساعت، صدای بم، سازمان مخفی، راوی غیرقابل اعتماد، حادثهای در آینده و پایانی که همهچیز را برعکس میکند.
این عناصر بهتنهایی یک روایت اصیل نمیسازند. بهتر است بهجای درخواست تقلید از یک فیلمساز، ویژگیهای روایی مورد نظر را دقیق تعریف کنیم: سه خط زمانی که از نظر احساسی به هم مرتبطاند، راویای که اطلاعات ناقص دارد، بازگشتهای زمانی با کارکرد شخصیتپردازانه و پایانی که معنای یک تصمیم اخلاقی را تغییر میدهد. این روش هم خلاقیت بیشتری ایجاد میکند و هم از وابستگی به ظاهر آثار مشخص میکاهد.
مدلهای زبانی میتوانند متنهای طولانی را پردازش کنند، اما مدیریت پروژهای مانند رمان یا فیلمنامه چندلایه همچنان دشوار است. در یک داستان بلند، اطلاعات زیادی باید بهطور پایدار ثبت شود: تاریخچه شخصیتها، انگیزهها، قوانین جهان داستان و ترتیب واقعی وقایع.
راهحل عملی، استفاده از اسناد کمکی است. نویسنده میتواند یک کتابچه جهان داستان، جدول شخصیتها، خط زمانی اصلی و فهرست سرنخها داشته باشد. هر بار که بخش جدیدی تولید یا بازنویسی میشود، این اسناد باید بررسی و بهروزرسانی شوند. هوش مصنوعی در این فرایند نقش دستیار دارد، اما مسئولیت نهایی انسجام با انسان است.
پرسش درباره خلاقیت هوش مصنوعی، پاسخ سادهای ندارد. اگر خلاقیت را توانایی ترکیب عناصر موجود به شکل تازه بدانیم، مدلهای مولد چنین کاری را بهخوبی انجام میدهند. آنها میتوانند چند ایده روایی را با هم ترکیب کنند و ساختاری پیشنهاد دهند که نویسنده بهتنهایی به آن فکر نکرده است.
اما اگر خلاقیت را دارای قصد، تجربه زیسته و موضع شخصی بدانیم، فاصله میان انسان و ماشین بیشتر میشود. یک نویسنده ممکن است داستانی درباره فقدان بنویسد، چون با خاطرهای شخصی یا مشاهدهای عمیق از رنج انسانی درگیر بوده است. هوش مصنوعی چنین تجربهای ندارد. میتواند درباره فقدان بنویسد، نشانههای آن را بشناسد و حتی متنی بسیار تأثیرگذار تولید کند، اما تجربه زیسته پشت آن متن از آنِ ماشین نیست.
این تفاوت لزوماً استفاده از هوش مصنوعی را بیارزش نمیکند. بسیاری از ابزارهای هنری نیز جایگزین هنرمند نیستند؛ ارزش آنها در گسترش امکانهای بیان است. هوش مصنوعی میتواند به نویسنده کمک کند ایدهای مبهم را به چند ساختار تبدیل کند، نقاط کور طرح را نشان دهد و مسیرهایی را پیشنهاد دهد که بعداً با تجربه و نگاه شخصی نویسنده شکل نهایی پیدا میکنند.
پیش از طراحی فلشبک و خطوط زمانی، باید بدانید داستان درباره چیست. ایده مرکزی میتواند یک پرسش اخلاقی، یک بحران هویتی یا مسئلهای درباره حافظه باشد. برای مثال: «آیا انسان حق دارد خاطرهای دردناک را عمداً از ذهن خود حذف کند؟»
در این مرحله روایت را کاملاً خطی ثبت کنید. تولد یا معرفی شخصیت، حادثه محرک، تصمیم اصلی، پیامدها و پایان را به ترتیب زمانی بنویسید. هنوز نباید نگران جذابیت ارائه باشید. هدف، ساختن ستون فقرات داستان است.
برای هر بخش بنویسید مخاطب باید چه احساسی داشته باشد: کنجکاوی، ترس، همدلی، تردید یا شوک. این مرحله کمک میکند ترتیب غیرخطی فقط یک بازی زمانی نباشد.
حالا از هوش مصنوعی بخواهید چند ترتیب پیشنهادی ارائه دهد. مثلاً نسخه اول با پایان آغاز شود، نسخه دوم دو خط زمانی موازی داشته باشد و نسخه سوم اطلاعات را از نگاه دو راوی متفاوت ارائه کند. هر نسخه را بر اساس وضوح، تعلیق، اثر عاطفی و ارتباط با مضمون ارزیابی کنید.
هر راز باید نشانهای داشته باشد و هر پاسخ باید به پرسش قبلی مربوط شود. از مدل بخواهید جدولی تهیه کند که در آن برای هر سرنخ، محل معرفی، معنای اولیه و معنای نهایی مشخص شود. این کار از پایانهای ناگهانی و بیمقدمه جلوگیری میکند.
پس از تولید پیشنویس، نوبت بازنویسی انسانی است. دیالوگهای عمومی را شخصیتر کنید، جزئیات حسی بیفزایید، سکوتها را جدی بگیرید و هر جمله را با شخصیت گوینده هماهنگ کنید. در این مرحله باید مشخص شود داستان فقط درباره یک معما نیست؛ درباره آدمهایی است که با پیامد انتخابهایشان زندگی میکنند.
یکی از مهمترین تفاوتهای روایت خطی و غیرخطی، میزان مشارکت مخاطب است. در روایت خطی، مخاطب معمولاً مسیر داستان را دنبال میکند. در روایت غیرخطی، او باید در ساختن معنای داستان نیز مشارکت کند. این مشارکت میتواند لذتبخش باشد، اما به اعتماد نیاز دارد.
مخاطب باید احساس کند نویسنده پاسخها را میداند و اطلاعات را با هدف پنهان میکند؛ نه اینکه خود نویسنده هم نمیداند داستان به کجا میرود. هوش مصنوعی ممکن است متنی تولید کند که در آن ابهام فراوان است، اما ابهام با بیبرنامگی تفاوت دارد. ابهام خوب، پرسش ایجاد میکند و در زمان مناسب، امکان تفسیر فراهم میسازد. ابهام بد، فقط اطلاعات ضروری را حذف میکند.
برای حفظ اعتماد مخاطب، باید نشانههایی از منطق پنهان داستان وجود داشته باشد. جزئیاتی که در ابتدا بیاهمیت به نظر میرسند، میتوانند بعداً نقش مهمی پیدا کنند. شخصیتها باید بر اساس انگیزههای قابلفهم عمل کنند، حتی اگر مخاطب هنوز از همه انگیزهها خبر نداشته باشد. پایان نیز باید دستکم یکی از مسیرهای داستانی را به نتیجه برساند.
استفاده از هوش مصنوعی در نویسندگی فقط مسئلهای فنی نیست. دادههای آموزشی مدلها از آثار فراوانی تشکیل شدهاند و بحثهای مهمی درباره رضایت پدیدآورندگان، مالکیت فکری و مرز الهام و تقلید وجود دارد. نویسنده باید از درخواست بازتولید مستقیم صدای یک اثر یا نویسنده مشخص پرهیز کند و بهجای آن، ویژگیهای کلی و مستقل روایت را تعریف کند.
همچنین، متن تولیدشده توسط مدل ممکن است شامل اطلاعات نادرست، تحلیلهای بیمنبع یا نسبت دادن نقلقولهای جعلی باشد. این خطر در مقالههای سینمایی و پژوهشی جدیتر است. هر ادعا درباره فیلم، مصاحبه، آمار یا نظر منتقدان باید بررسی شود. هوش مصنوعی میتواند در یافتن ایده و ساختار کمک کند، اما منبع نهایی حقیقت نیست.
در تولید محتوای حرفهای، شفافیت نیز اهمیت دارد. اگر متن با کمک جدی ابزارهای مولد تهیه شده است، بسته به سیاست رسانه یا نشریه، بهتر است این موضوع در فرایند انتشار رعایت شود. ارزش نویسنده فقط در تایپ کردن متن نیست؛ انتخاب ایده، بررسی منابع، تصمیمگیری اخلاقی، ویرایش و مسئولیتپذیری همچنان نقش اصلی را دارند.
آینده روایتپردازی احتمالاً به همکاری میان انسان و سیستمهای هوشمند وابسته خواهد بود. ابزارهای آینده ممکن است بهجای تولید صرفاً خطی متن، مدلهای ساختاری دقیقتری داشته باشند: گراف شخصیتها، شبکه علت و معلول، خط زمانی قابلویرایش، شبیهسازی دیدگاه مخاطبان و سامانهای برای بررسی تناقضهای روایی.
در چنین محیطی، نویسنده میتواند یک داستان را مانند معماری زنده ببیند. تغییر یک تصمیم شخصیت، اثر آن را بر گذشته و آینده بررسی کند. یک پایان تازه بسازد و ببیند کدام سرنخها باید زودتر کاشته شوند. حتی میتوان روایتهایی ساخت که برای هر مخاطب، بر اساس انتخابهایش، ترتیب متفاوتی پیدا کنند.
با این حال، فناوری پیچیدهتر الزاماً داستان بهتر تولید نمیکند. ابزار میتواند تعداد مسیرها را افزایش دهد، اما نمیتواند بهجای نویسنده تصمیم بگیرد کدام مسیر ارزش دنبال کردن دارد. آنچه یک داستان را ماندگار میکند، فقط معماری آن نیست؛ پرسشی است که پس از پایان در ذهن مخاطب باقی میماند.
هوش مصنوعی از نظر فنی میتواند روایتهای غیرخطی طراحی کند. این فناوری قادر است خطوط زمانی متعدد بسازد، صحنهها را جابهجا کند، سرنخها را مدیریت کند، چند پایان پیشنهاد دهد و بخشی از تناقضهای داستان را پیدا کند. در این سطح، پاسخ به پرسش مقاله مثبت است: ماشین میتواند داستانی بسازد که از نظر ظاهری پیچیده و «نولانوار» به نظر برسد.
اما ظاهر پیچیده با روایت عمیق تفاوت دارد. در آثار ماندگار، شکستن زمان برای نمایش توانایی نویسنده انجام نمیشود؛ ساختار غیرخطی با حافظه، ترس، گناه، عشق، هویت یا انتخاب اخلاقی شخصیتها پیوند دارد. ماشین میتواند این روابط را مدلسازی و پیشنهاد کند، اما هنوز انسان است که باید تصمیم بگیرد کدام ایده واقعاً مهم است و چرا باید روایت شود.
بهترین آینده، رقابت انسان و ماشین نیست؛ همکاری سنجیده میان آنهاست. هوش مصنوعی میتواند نقشهبردار، ویراستار، منتقد، ایدهپرداز و حتی شبیهساز مخاطب باشد. انسان باید پرسش، تجربه، حساسیت اخلاقی و نگاه شخصی را وارد داستان کند. در این همکاری، ماشین بهجای آنکه جای نویسنده را بگیرد، امکانهای تازهای برای روایتپردازی فراهم میکند.
پس ماشینها میتوانند نولانوار داستان بگویند، اگر منظورمان استفاده از زمان شکسته، روایت چندلایه و اطلاعات تدریجی باشد. اما اگر منظور از «نولانوار» خلق جهانی است که فرم و معنا در آن به یک تجربه انسانی واحد تبدیل شوند، هنوز فاصلهای جدی باقی است. شاید مسئله اصلی این نباشد که آیا ماشین میتواند مانند یک فیلمساز خاص داستان بگوید؛ پرسش مهمتر این است که انسان در عصر ماشین، چه داستان تازهای برای گفتن خواهد داشت
نویسنده:سوزان ورزشی