نویسندگان هالیوود برای بقا در حال آموزش مدل‌های هوش مصنوعی هستند

تصور کنید نویسنده‌ای که سال‌ها برای شبکه‌هایی مثل BBC یا Paramount Plus درام نوشته است، حالا بعدازظهرش را صرف آموزش یک ماشین می‌کند تا بفهمد مجوزهای فیلم‌برداری و خطرات لوکیشن چیست. این واقعیت تلخ امروز برای بسیاری از متخصصان هالیوود است که برای تامین نقدینگی، به آموزش همان ابزارهایی پناه برده‌اند که جایگزین آن‌ها می‌شوند. این مورد برای روت فاولر (Ruth Fowler) صادق است؛ نویسنده‌ای که اثر Rules of the Game را برای BBC One نوشت و در نگارش Little Disasters برای Paramount Plus همکاری کرد. او به دلیل کاهش تخمینی ۳۵ درصدی در حجم تولیدات، به آموزش هوش مصنوعی روی آورده است.

به گزارش گاردین در ۲۲ اوت ۲۰۲۶، فیلم‌نامه‌نویسان و تهیه‌کنندگان باسابقه اکنون کارهای کوتاه‌مدت (Gig work) را می‌پذیرند تا پیچیدگی‌های فیلم‌سازی را به مدل‌های هوش مصنوعی بیاموزند. دستمزدهای این آموزش‌ها بسته به تخصص، بین ۱۲ تا ۲۰۰ دلار در ساعت متغیر است.

این چرخش در حالی رخ می‌دهد که صنعت سرگرمی با انقباضی شدید روبروست. طبق داده‌های FilmLA Research، تعداد روزهای فیلم‌برداری در لس‌آنجلس بین سال‌های ۲۰۲۱ تا ۲۰۲۵ حدود ۴۸٪ کاهش یافته است. پیامدهای پاندمی، اعتصابات نویسندگان در سال ۲۰۲۳ و کاهش سرمایه‌گذاری در پلتفرم‌های استریم، بسیاری از هنرمندان تراز اول را در وضعیت مالی ناپایدار قرار داده است. این وضعیت در ادامه تغییرات استراتژیک استودیوها برای مقابله با اعتراضات صنوف هنری رخ می‌دهد که هدف آن کاهش وابستگی به نیروی انسانی گران‌قیمت است.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی اقتصاد مدل‌های زبانی اشاره کردیم، هزینه تولید محتوا در حال سقوط است و این فشار اکنون به لایه‌های مدیریتی صنعت رسیده است. طبق داده‌های اداره آمار کار آمریکا (Bureau of Labor Statistics)، مشاغل صنعت فیلم و ضبط صدا در ایالات متحده از اوج ۴۵۰ هزار شغل در ژوئیه ۲۰۲۲ به ۳۲۶ هزار شغل در مه ۲۰۲۶ رسیده که کاهشی ۲۸ درصدی است.

این بحران تنها محدود به هنر نیست. تحلیل ماه آوریل گروه مشاوره بوستون (BCG) نشان می‌دهد ۱۰ تا ۱۵ درصد از کل مشاغل آمریکا ممکن است توسط هوش مصنوعی حذف شوند و بیش از نیمی از تمام نقش‌های شغلی بازطراحی شوند. نمونه‌های بارز این تغییرات در حوزه‌های کدنویسی نرم‌افزار، ترجمه ماشینی و تاکسی‌های بدون راننده دیده می‌شود.

در همین حال، پذیرش این فناوری در داخل صنعت شتاب گرفته است؛ نتفلیکس این ماه اعلام کرد در سال ۲۰۲۶ از هوش مصنوعی در ۳۰۰ اثر از ۱۰۰۰ عنوان خود استفاده کرده است. حتی چهره‌های شناخته‌شده‌ای مثل ران هاوارد، کارگردان مشهور، در حال پذیرش این تکنولوژی است؛ هاوارد قصد دارد یک مستند انیمیشنی با کمک هوش مصنوعی درباره اسرای جنگ ویتنام منتشر کند.

برای درک بهتر، باید بدانید که هوش مصنوعی زاینده (Generative AI) — شبیه نقاشی است که میلیون‌ها اثر را دیده و حالا می‌تواند هر چه بخواهید بکشد — برای رسیدن به دقت حرفه‌ای نیاز به بازخوردهای انسانی دارد. متخصصان از طریق آژانس‌های استخدامی مثل Mercor، Micro1 و Handshake با غول‌هایی چون Anthropic و OpenAI مرتبط می‌شوند تا مهارت‌های سخت خود را منتقل کنند. این آژانس‌ها مهارت‌های انسانی کسب‌شده در سالیان طولانی را نه تنها در فیلم، بلکه در حوزه‌های مالی، حقوق، بهداشت و مددکاری اجتماعی به مدل‌ها منتقل می‌کنند. در مقابل این روند جایگزینی، مدل‌های جدیدی مانند پلتفرم Pippa ظهور کرده‌اند که سعی دارند با پرداخت دستمزد به هنرمندان بابت استفاده از سبک‌های هنری، تعادلی میان تکنولوژی و حقوق پدید آورند.

جزئیات این آموزش‌ها شامل وظایف پیچیده‌ای است که به بازخوردهای انسانی با دقت بالا (High-fidelity) نیاز دارد:

• مدیریت تولید: آژانس Micro1 به دنبال تهیه‌کنندگانی با بیش از ۵ سال سابقه رسمی است تا وظایف ارزیابی را برای شبیه‌سازی سناریوهای واقعی طراحی کنند. این موارد شامل تطبیق بودجه، اصلاحات زمان‌بندی و هماهنگی با تامین‌کنندگان یا عوامل است و دستمزد آن تا ۸۵ دلار در ساعت می‌رسد.
• زمان‌بندی دقیق: روت فاولر هوش مصنوعی را آموزش داد تا برای فیلم‌برداری‌های فرضی دو روزه، برنامه زمان‌بندی تدوین کند. این کار مستلزم آموزش مدل برای تحلیل ایمیل‌ها و فیلم‌نامه‌ها جهت شناسایی شرایط نور طبیعی برای عکاسی، تعداد پرسنل مورد نیاز برای هر پلان و نیازهای حفاظتی کودکان بود.
• ارائه و پیچینگ: آموزش مدل‌ها برای ساخت مجموعه‌های ارائه (Pitch Decks) حرفه‌ای برای ایده‌های تلویزیونی و سینمایی؛ کاری که به طور معمول توسط مدیران تولید انجام می‌شود.
• تحلیل صوتی-تصویری: یک کارگردان مستند در لس‌آنجلس به هوش مصنوعی آموزش داد تا فیلم‌های یک بازی بیسبال لیگ کوچک (Little League) را تبدیل به متن کند. او باید به مدل کمک می‌کرد تا صداهای هم‌پوشانی را که توسط صدای جمعیت و موسیقی مخدوش شده بودند، تفکیک کند.
• برچسب‌گذاری بصری و زبانی: این بخش شامل ایجاد راهنمای بصری برای گویندگان (مثلاً: «زن بلوند با پیراهن دکمه‌دار و گردنبند طلا») و توصیف دقیق لهجه‌های مختلف مانند اسکاتلندی، انگلیسی، آسیایی یا آفریقایی-آمریکایی بود.

برخی از این متخصصان با حس تقدیرگرایانه به این موضوع نگاه می‌کنند. همان کارگردان مستند این تجربه را به این تشبیه کرد که «بیل را به دستم داده‌اند تا قبر حرفه‌ام را بکنم»، اما خاطرنشان کرد که هیچ مقدار امتناعی نمی‌تواند جلوی آینده این فناوری را بگیرد.

با این حال، برخی پیش‌کسوتان هنوز امیدوارند. جودی ویلر، نویسنده و مدرس دانشگاه USC، معتقد است ماشین‌ها شاید بتوانند ایده تولید کنند، اما هنوز از نوشتن فیلم‌نامه‌های برنده اسکار فاصله دارند. او این ابزار را شبیه بیلی می‌بیند که یا حرفه را دفن می‌کند یا به هنرمند کمک می‌کند تا چیزهایی را «حفر کند» که به تنهایی قادر به یافتنشان نبود.

نویسنده دیگری که سابقه همکاری با HBO، Amazon، NBC و Lionsgate را دارد، می‌گوید هوش مصنوعی می‌تواند یک سریال پلیسی ساده مثل CSI را بنویسد، اما ظرافت‌های درام‌های پیچیده‌ای مثل Succession یا Severance را ندارد. به باور او، این فناوری در درجه اول «لایه پایین» تولید را که فاقد مهارت هنری واقعی هستند، حذف می‌کند.

در مقابل، نسل جدید فیلم‌سازان از این ابزارها برای دور زدن سیستم‌های سنتی تامین بودجه استفاده می‌کنند. زک لندن (معروف به Gossip Goblin) با استفاده از ویدیوهای کوتاه علمی-تخیلی ساخته شده با هوش مصنوعی، صدها میلیون بازدید جذب کرده و قرار است اولین فیلم بلند خود را در اواخر سال جاری در سینماها اکران کند. این تغییر رویکرد به سمت تولیدات مستقل، همسو با رشد مدل‌های کسب‌وکار B2B در شرکت‌هایی مثل Higgsfield است که تولید محتوای بصری را به یک صنعت سودآور تجاری تبدیل کرده‌اند.

برای بسیاری، این تصمیم نه درباره آینده هنر، بلکه درباره نیاز فوری به نقدینگی است. همان‌طور که یکی از نویسندگان اشاره کرد، در حالی که او نگران بیکار شدن مردم بود، اما «در نهایت، داشتن پول در حساب بانکی پیروز شد».

شما باید روند تکامل این مجموعه‌داده‌های آموزشی را زیر نظر بگیرید؛ زیرا انتقال از «تولید ایده» به «مدیریت تولید» نشان می‌دهد که هوش مصنوعی در حال نفوذ به ستون فقرات عملیاتی هالیوود است.

گام بعدی شما

• اگر در حوزه‌های خلاق فعالیت می‌کنید، بررسی کنید کدام بخش از گردش کار شما «تکراری» است و احتمالاً اولین هدف مدل‌های آموزشی خواهد بود.
• ابزارهای تولید محتوای بصری را نه به عنوان جایگزین، بلکه به عنوان ابزاری برای ساخت «نمونه اولیه» (Prototype) سریع ایده‌هایتان به کار بگیرید.
• مدل‌های استدلالی جدید را برای مدیریت کارهای عملیاتی (مثل زمان‌بندی و بودجه‌بندی) تست کنید تا در لایه‌های مدیریتی پیشرو باشید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.