تصور کنید نویسنده‌ای باشید که هرگز نگران سانسور، قضاوت یا محدودیت‌های یک ویراستار نیست و هر فانتزی دقیقی را در لحظه به واقعیت تبدیل می‌کند. این دقیقاً همان تجربه‌ای است که اکنون هزاران کاربر در لایه‌های پنهان وب با هوش مصنوعی خلق کرده‌اند.
در حالی که صنعت نشر بر سر رسوایی‌های کپی‌رایت و کاهش ارزش هنر بحث می‌کند، یک اقتصاد زیرزمینی از داستان‌سرایی شخصی در حال رشد است. به نقل از مطالعه‌ای که روی مجموعه داده‌های WildChat انجام شده، بیش از یک‌سوم تمام تعاملات کاربران با ChatGPT به نوعی تولید داستان مربوط می‌شود.
این موج در زمانی رخ می‌دهد که نویسندگان حرفه‌ای به‌دلیل استفاده از هوش مصنوعی با واکنش‌های تندی روبرو شده‌اند. صنعت نشر شاهد اتفاقات تکان‌دهنده‌ای بوده است؛ از ناشری که یک قرارداد کتاب ۲ میلیون دلاری را لغو کرد تا ناشر دیگری که رمانی را از قفسه فروشگاه‌ها جمع کرد. این فشارها در حالی شدت یافته که ابزارهایی برای شناسایی متون سنتتیک ظهور کرده‌اند، مشابه آنچه در رویکرد استارتاپ Pangram برای لغو قراردادهای نشر بر اساس تشخیص AI مشاهده می‌کنیم. حتی خوانندگان ادعا کرده‌اند که یک داستان کوتاه برنده جایزه، توسط هوش مصنوعی تولید شده است. در دنیای ادبیات سنتی، ارزش یک کتاب در ارتباط انسانی میان نویسنده و خواننده است؛ اما برای بخش بزرگی از کاربران جدید، مطالعه تنها یک تبادل اقتصادی برای دریافت سرگرمی است.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی تغییر الگوی مصرف محتوا اشاره کردیم، مرز میان «تولیدکننده» و «مصرف‌کننده» در حال محو شدن است.
پژوهشگران دانشکده اطلاعات دانشگاه واشینگتن، از جمله ملانی والش (Melanie Walsh)، دریافتند که این تقاضا یکنواخت نیست. در واقع، گروه کوچکی از «کاربران حرفه‌ای» (Power Users) هستند که به‌صورت وسواسی روی داستان‌های خود کار می‌کنند. این کاربران از مدل زبانی بزرگ (LLM) — که شبیه کتابخانه‌داری است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — برای خلق نثر، شعر، فن‌فیکشن (Fan Fiction)، محتوای اراتیک و نقش‌آفرینی استفاده می‌کنند.
بر اساس یافته‌های این پژوهش، جزئیات این رفتار به شرح زیر است:
- یک کاربر طی چندین ماه هزاران بار مدل را فراخوانده تا یک روایت فن‌فیکشن بر اساس بازی انیمه‌ای Doki Doki Literature Club! را اصلاح و صیقل دهد.
- تخمین زده می‌شود حدود ۷٪ از کل کاربران چت‌بات‌ها درگیر تولید داستان هستند، هرچند این رقم بسته به مجموعه داده‌ها متفاوت است.
- در مقابل، مطالعه‌ای در سال ۲۰۲۵ توسط OpenAI و دفتر ملی پژوهش‌های اقتصادی (NBER) این رقم را ۱.۴٪ اعلام کرد، هرچند آن مطالعه نقش‌آفرینی و محتوای بزرگسالان را از تحلیل خود حذف کرده بود.
البته مجموعه داده‌های WildChat محدودیت‌هایی دارد. چون پرامپت‌ها ناشناس هستند، پژوهشگران نمی‌توانند داده‌های جمعیت‌شناختی کاربران را ثبت کنند. علاوه بر این، شرکت‌کنندگان باید موافقت می‌کردند که پرامپت‌هایشان عمومی شود، به این معنی که این گروه ممکن است نماینده کل جمعیت نباشد. OpenAI در گفتگو با WIRED اعلام کرد که «WildChat یک نمونه معرف از تمام کاربران ChatGPT نیست». با این حال، والش استدلال می‌کند که واضح است یک بخش متعهد از خوانندگان، در حال تولید داستان‌های شخصی و سفارشی هستند. این رفتار نشان‌دهنده اشتهایی خاص برای داستان‌های هوش مصنوعی است که با نگرانی‌های دنیای نشر حرفه‌ای تفاوت دارد.
کاربرانی مانند پترا فراز د نوواس، مهندس نرم‌افزار ۳۶ ساله برزیلی، از ابزارهایی مثل SillyTavern استفاده می‌کنند تا مدل‌های وزن‌های باز (Open Weights) — یعنی مدل‌هایی که «دستور پخت» آن‌ها علناً منتشر شده و نه فقط غذای آماده — را به‌صورت محلی روی کامپیوتر خود اجرا کنند. این رویکرد به بهره‌برداری از ساختارهای مدل اشاره دارد، مشابه بحث‌های فنی درباره روش‌های بهینه برای اتصال مدل‌های AI از طریق تبادل وزن‌ها که کارایی سیستم‌ها را افزایش می‌دهد. این ساختار به او اجازه می‌دهد یک سفر «بی‌پایان» را مدیریت کند، جایی که کاربر بدون محدود شدن توسط تصمیمات یک نویسنده انسانی، جهت حرکت داستان را تعیین می‌کند.
نوواس مفاهیمی را طرح می‌کند — مثلاً نبردی میان یک جنگجوی الف و ملکه آمازون‌ها برای تصرف تخت پادشاهی — و اجازه می‌دهد مدل شکاف‌های داستانی را پر کند. او میان دنیاهای ساخته شده توسط خودش و دنیاهای وام‌گرفته شده از آثار دیگر، از جمله Star Wars، Pokémon و Mass Effect جابجا می‌شود. برخی از این تلاش‌ها به داستان‌های مستقلی در اندازه رمان‌های کوچک تبدیل می‌شوند که در فضای آنلاین به اشتراک گذاشته می‌شوند، در حالی که برخی دیگر صرفاً نقش‌آفرینی‌های خصوصی هستند.
او اشاره می‌کند که توهم (Hallucination) — یعنی وقتی مدل با اطمینان چیزی می‌گوید که وجود ندارد، شبیه دوستی که خاطره‌ای را اشتباه تعریف می‌کند — در دنیای کسب‌وکار یک نقص است، اما در داستان‌نویسی یک «ویژگی» است؛ زیرا او شیفته غیرقابل‌پیش‌بینی بودن مدل و روشی است که تفاسیر منحرف از پرامپت‌ها، روایت را به مسیرهای غیرمنتظره می‌برد.
برای برخی دیگر، جذابیت اصلی در ارضای فانتزی‌های بسیار خاصی است که در رسانه‌های جریان اصلی یا حتی پورنوگرافی آنلاین یافت نمی‌شود. کاربری ۴۰ ساله از ایندیانا به نام Razrien از مدل Gemma 4 گوگل برای خلق سناریوهای نقش‌آفرینی شامل فتیش‌های خاص و شخصیت‌های فانتزی استفاده می‌کند.
Razrien از هوش مصنوعی برای خلق شخصیت‌هایی استفاده می‌کند که بر او تسلط داشته باشند؛ مانند یک «مادر گرگینه‌ای با قد دو و نیم متر و خلق‌وخوی بد» یا یک «همسر موش بزرگ و عصبانی». او این تجربه را به یک «کتاب ماجراجویی انتخاب‌کننده» (Choose-your-own-adventure) تشبیه می‌کند که تعداد صفحاتش بی‌نهایت است و به او اجازه می‌دهد به جای پذیرفتن نسخه‌های تقریبی، فانتزی‌های شخصی‌اش را دقیقاً همان‌طور که می‌خواهد برآورده کند.
به باور والش، مدل‌های هوش مصنوعی سه مزیت اصلی نسبت به نویسندگان انسانی برای این گروه از کاربران دارند:
۱. بدون قضاوت هستند (Judgment-free).
۲. داستان‌ها را در لحظه و به‌صورت آنی تولید می‌کنند.
۳. تقریباً پایان‌ناپذیر و بی‌کران هستند.
با این حال، مدل‌های فعلی هنوز در خلق نثرهای آرایه‌مند و پرزرق‌وبرق، شخصیت‌های پیچیده و ظرافت‌های سبک‌شناختی مشکل دارند. آن‌ها در ژانرهایی که بر کلیشه‌های رایج تکیه دارند بهتر عمل می‌کنند و اغلب در حفظ انسجام روایت در طول یک کتاب کامل شکست می‌خورند. اما با بهبود مدل‌ها، این نقاط ضعف احتمالاً از بین خواهند رفت.
نیل گوپتا (Neel Gupta)، دانشجوی دکترا در دانشگاه واشینگتن و یکی از نویسندگان مطالعه، معتقد است این روند مفاهیم ایده‌آل‌گرایانه از ادبیات را به چالش می‌کشد. او استدلال می‌کند که برای بسیاری از مردم، ارزش اثر در ارتباط میان نویسنده و خواننده نیست، بلکه در دریافت سرگرمی مورد نظر است.
این وضعیت احتمالاً به یک سیستم نشر دو لایه منجر می‌شود:
- لایه میانی (Median Tier): حجم عظیمی از داستان‌های تولید شده توسط هوش مصنوعی و آثار خود-تولیدی که اشتهای خواننده عام برای کلیشه‌ها را برطرف می‌کند.
- لایه تخصصی (Niche Tier): پله کوچکتری از داستان‌های نوشته شده توسط انسان برای کسانی که به دنبال تجربه در فرم یا ابهام‌های روایی هستند.
والش اشاره می‌کند که دانشجویان رشته انگلیسی، اساتید و برخی متخصصان نشر همیشه چنین علاقه تخصصی و خاصی داشته‌اند.
برای افرادی مثل نوواس، هوش مصنوعی جایگزین کتاب نشده، بلکه دروازه‌ای به سوی آن شده است. او گزارش می‌دهد که در گذشته هرگز اهل مطالعه کتاب نبوده، اما اکنون به دنبال آثار تولید شده توسط هوش مصنوعی توسط دیگران می‌گردد. داستان‌های تولید شده توسط AI اکنون تنها رمان‌هایی هستند که او می‌خواند و این امر رفتار او را از یک «غیر-خواننده» به یک مصرف‌کننده فعال روایت‌های سنتتیک تغییر داده است.
گام بعدی شما
- اگر به دنبال شخصی‌سازی روایت هستید، ابزارهای میزبانی شخصی مانند Ollama را برای اجرای مدل‌های باز بررسی کنید.
- برای بهبود خروجی‌های داستانی، از تکنیک‌های زنجیره تفکر (Chain-of-Thought) — شبیه وقتی شاگرد ریاضی بلند بلند فکر می‌کند تا به جواب برسد — در پرامپت‌های خود استفاده کنید.
- تفاوت میان مدل‌های تجاری (با حفاظ‌های سخت‌گیرانه) و مدل‌های محلی را در تولید محتوای خلاقانه بسنجید.
اما تأثیر این تغییر در الگوی خواندن بر صنعت چاپ و توزیع کتاب حتی پیچیده‌تر است — به تحلیل ما درباره‌ی آینده اقتصاد محتوا مراجعه کنید.
گفتگو