نوشتن با هوش مصنوعی؛ گردش کار حرفه ای

کدام تکه کار مال مدل است و کدام مال شما

هر متنی که با هوش مصنوعی نوشته می شود از پنج ایستگاه رد می شود، چه اسمشان را بدانید چه ندانید: بریف، پیش نویس، پاس صحت، پاس لحن، انتشار. جایی که کار خراب می شود تقریبا همیشه ایستگاه سوم است و دلیلش فنی نیست: هیچ کس صاحبش نیست. مدل فرض می کند شما بررسی می کنید، شما فرض می کنید چون متن روان است لابد درست هم هست، و هیچ کدام از این دو فرض جایی نوشته نشده که کسی بخواندش.

پس اولین کاری که یک گردش کار حرفه ای انجام می دهد این نیست که خروجی بهتری بگیرد. این است که هر ایستگاه یک صاحب داشته باشد. دو ایستگاه به هیچ قیمتی از دست آدم بیرون نمی روند: تصمیم درباره اینکه چه چیزی ارزش گفتن دارد، و تصمیم درباره اینکه چه چیزی درست است. دو ایستگاه دیگر، یعنی سرهم کردن و بازچینی، همان کاری است که مدل واقعا در آن خوب است. ایستگاه لحن مشترک است و بیشتر وقت شما آنجا می رود.

این تقسیم کار یک نتیجه عملی دارد که خلاف انتظار است: هر چه پیش نویس تمیزتر باشد، پاس صحت سخت تر می شود. متنی که با اطمینان و بدون درز نوشته شده، جای بررسی را به شما نشان نمی دهد و شما مجبورید کل متن را با یک درجه شک یکسان بخوانید، که یعنی عملا هیچ جا را نمی خوانید. به همین دلیل در ایستگاه دوم عمدا از مدل می خواهیم درزهایش را نشان بدهد.

و یک مرز که بهتر است همین اول روشن باشد: این گردش کار درباره کمک گرفتن است، نه درباره تولید انبوه. فرق این دو را در درس محتوای هوش مصنوعی و سئو از روی متن سیاست خود گوگل بررسی کرده ایم و موضع اینجا هم همان است: متن کمک گرفته و بررسی شده منتشر می شود و می ماند، متن انبوه و بررسی نشده هم منتشر می شود و می میرد.

بریف: تنها چیزی که مدل نمی تواند جای شما بنویسد

بریف یک صفحه است، نه یک جمله، و همه تصمیم های متن آنجا گرفته می شود. اگر بریف خالی باشد مدل حدس می زند، و شما ویرایش کردن حدس های مدل را با نوشتن اشتباه می گیرید. این بدترین حالت است چون هم وقت می برد و هم شبیه کار کردن است.

یک بریف کارآمد شش چیز دارد:

• خواننده کیست و همین حالا چه می داند.
• بعد از خواندن قرار است چه کاری بتواند بکند.
• شما واقعا چه چیزی را می توانید تحویل بدهید. هر چیزی بیرون از این، قول نیست.
• اصطلاح هایی که به کار می برید و اصطلاح هایی که به کار نمی برید.
• منابعی که متن اجازه دارد از آنها عدد و ادعا بردارد. فقط همین ها.
• چیزی که فقط شما می دانید و در هیچ منبعی نیست.

بند پنجم از همه شان بیشتر کار می کند و کمتر از همه نوشته می شود. وقتی فهرست منابع بسته باشد، پاس صحت از یک کار قضاوتی به یک کار تطبیقی تبدیل می شود: هر ادعا یا داخل این بسته هست یا نیست. وقتی باز باشد، مدل از حافظه اش می نویسد و شما باید تک تک ادعاها را از صفر بررسی کنید.

بند ششم چیزی است که متن را از هر متن دیگری در این موضوع جدا می کند، و تنها بندی است که هیچ مدلی نمی تواند پرش کند. اگر خالی ماند، متن هنوز نوشتنی نیست و مشکل جای دیگری است.

یک تست ساده هم دارد. بند دوم را بلند بخوانید. اگر نتوانستید در یک جمله بگویید خواننده بعد از خواندن چه کاری می تواند بکند، هیچ مدلی این را حل نمی کند و پیش نویس گرفتن فقط تعویق تصمیم است.

پاس پیش نویس: متنی بگیرید که بشود ویرایشش کرد

در این ایستگاه دو تصمیم گرفته می شود: کدام رده مدل، و کدام قیدها.

رده مدل را جنس کار تعیین می کند و نه بودجه. سرهم کردن، بازچینی و خلاصه کردن چیزی که خودتان دارید کار مکانیکی است و یک مدل سریع و ارزان از رده Flash از پسش برمی آید. جایی که قضاوت لازم است، مثل انتخاب زاویه یا تشخیص اینکه یک استدلال کجا می لنگد، مدل فرانتیر ارزش هزینه اش را دارد. کدام مدل امروز در کدام رده است در بخش هوش مصنوعی همین سایت با منبع آمده و ما اینجا اسم نسخه نمی نویسیم، چون هر اسمی که اینجا بنویسیم شش ماه دیگر غلط است.

قیدها اما جای دیگری اند و مهم ترینشان منفی اند. سه تا که واقعا کار می کنند: هیچ عددی که در بریف نیست ننویس؛ هر جمله ای که از خودت اضافه کردی داخل کروشه علامت بزن؛ و این کلمه ها را به کار نبر، بعد فهرست خودتان.

قید دوم همان چیزی است که پاس بعدی را ممکن می کند و کمتر کسی از آن استفاده می کند. یک پیش نویس با درزهای علامت خورده زشت است و دقیقا به همین دلیل مفید است: می دانید کجا را باید بررسی کنید. پیش نویس تمیز و بی درز به شما یک فهرست بررسی نامرئی تحویل می دهد که هیچ وقت انجامش نمی دهید.

یک عادت هم هست که خروجی را محسوس بهتر می کند و تقریبا هیچ جا گفته نمی شود: به جای اینکه بگویید متن را بنویس، بگویید اول ساختار را بنویس و منتظر تایید بمان. ساختار غلط را در سی ثانیه می شود دید و در دو هزار کلمه نمی شود. هر باری که این قدم را رد کرده ایم، پیش نویس دومی هم لازم شده است.

پاس صحت: هر عدد از کجا آمده

این ایستگاه جایی است که متن هوش مصنوعی معمولا شکست می خورد، و شکستش بی صدا است. مدل عدد و تاریخ و نقل قول و حتی نام یک منبع را با همان اطمینانی می نویسد که چیزهای درست را می نویسد، چون از نظر آماری آنجا معمولا چنین چیزی می آید. یک متن با یک عدد ساختگی متنی است که اگر یک نفر بگیردش، هیچ جمله دیگرش هم دیگر اعتبار ندارد. ضرر متناسب با اندازه خطا نیست.

قاعده اش ساده است و در قانون محتوایی خود ما هم نوشته شده: عددی که منبع ندارد نوشته نمی شود. اگر عددی متن را قوی تر می کند و در دست نیست، جایش یک نشانه مشخص می گذارید و در تحویل اعلامش می کنید؛ چیزی که شبیه عدد است جایگزینش نمی شود. تفاوت این دو کار در ظاهر متن صفر است و در نتیجه اش همه چیز.

چهار چیز است که مدل بی خبر می سازد و در این پاس باید دنبال هر چهار تا گشت: عدد، تاریخ، نقل قول و منبع. آخری از همه خطرناک تر است، چون یک منبع ساختگی از یک عدد ساختگی موجه تر به نظر می رسد و کمتر کسی رویش کلیک می کند.

روش کار هم مکانیکی است و باید مکانیکی بماند. هر ادعای قابل بررسی را از متن بیرون می کشید، کنارش می نویسید در کدام منبع بسته بریف است، و جمله دقیق آن منبع را نقل می کنید. ادعایی که جمله ای پشتش نیست حذف می شود یا با نشانه می ماند. این کار حوصله می خواهد و مهارت نمی خواهد، و دقیقا به همین دلیل بهترین کاندید برای سپردن به ماشین است. نسخه اش پایین تر آمده.

پاس لحن: متن کجا صدای شما را پیدا می کند

لحن صفت نیست. لحن این است که چه چیزی را نمی گویید، کجا اعتراف می کنید که نمی دانید، و جمله هایتان چه ریتمی دارند. مدل هیچ کدام از این سه را از خودش ندارد، و اگر از آن بخواهید متن را «انسانی تر» کند تزیین اضافه می کند: صفت بیشتر، تشبیه بیشتر، و همان اسکلت قبلی.

کاری که در این ایستگاه انجام می شود سه حرکت مشخص است. اول ناهموار کردن ریتم، چون یکنواختی طول جمله ها بارزترین نشانه متن ماشینی است. دوم حذف مقدمه ای که هر متنی در هر موضوعی می تواند داشته باشد. سوم گذاشتن دست کم یک چیز دست اول که فقط شما می دانید. هر سه در درس بعدی همین مسیر، «انسانی کردن متن هوش مصنوعی»، با روش باز شده اند.

یک مرز هم دارد که به نظر خشک می آید و نیست: در پاس لحن اجازه ندارید حرف تازه اضافه کنید. اگر وسط کار فهمیدید یک ادعای جدید لازم است، برمی گردید به پاس صحت و منبعش را می آورید. دلیلش تجربی است: حرفی که در پاس لحن اضافه می شود هیچ وقت بررسی نمی شود، چون همه ایستگاه های بررسی قبل از آن تمام شده اند.

انتشار: قبل از فشردن دکمه چه چیزی باید معلوم باشد

یک چیز: اسم آدمی که پشت متن ایستاده است. سیاست تحریریه همین سایت این را در یک جمله نوشته: هیچ محتوایی بدون بازبینی و تایید یک متخصص انسانی منتشر نمی شود، و مسئولیت دقت و قضاوت نهایی با نویسنده انسانی است و نه با ماشین. سخت گیرانه به نظر می رسد و در عمل ساده ترین بخش کار است، چون فقط یک سوال دارد: اگر فردا کسی به یکی از جمله های این متن ایراد بگیرد، چه کسی جواب می دهد.

سوال اینکه استفاده از ابزار را اعلام کنید یا نه، سوال دومی است و جواب ما این است: مهم تر از اعلام ابزار این است که یک آدم مشخص پای دقت متن ایستاده باشد. معیار عملی هم ساده است. اگر خواننده با فهمیدن چیزی درباره روش تولید متن احساس کند فریب خورده، همان را بنویسید. اگر نه، اعلامش یک بند اضافه است و بس.

و یک چیز کوچک که بیشتر از آنچه به نظر می رسد کار می کند: تاریخ آخرین بررسی را روی صفحه بنویسید. متنی که می گوید فلان روز بررسی شده، به خواننده اجازه می دهد خودش قضاوت کند کدام قسمتش ممکن است کهنه شده باشد، و این همان چیزی است که یک متن ماشینی بی تاریخ هرگز به کسی نمی دهد.