آیا یک کامپیوتر میتواند یک رمان یا فیلم نامه فوق العاده بنویسد؟ بله! به کمک هوش مصنوعی انجام این کار ممکن خواهد شد و این، کمک بزرگی برای برنامه نویسان خواهد بود.
قبل از این شاهد ارائه شاهکارهایی از نویسندگان مختلف بودیم که ما را با موضوع هوش مصنوعی سرگرم میکردند، مثلاً در فیلم اودیسه فضایی، کامپیوتری به نام HAL سعی میکند اعضای سفینه را از بین ببرد. در اکسمشینا شاهد تلاش یک ربات برای زنده ماندن و بقا بودیم و اخیراً در سریال تلویزیونی وستورلد، سناریوی تلاقی هوش مصنوعی با غرب وحشی را شاهد بودیم.
اما آیا خود هوش مصنوعی هم میتواند فیلم نامه، رمان یا سایر محصولات هنری را تولید کند؟
همانطور که همه ما میدانیم امروزه هوش مصنوعی تقریباً در تمام جنبههای زندگی بشر رخنه کرده است. بنابراین جای تعجب نیست که از آن جهت کمک به نویسندگان به شیوههایی نوین و بدیع استفاده شود.
هوش مصنوعی توانایی زیادی برای کمک به بهبود مهارتهای نویسندگی ما دارد. به عنوان مثال اپلیکیشن Hemingway App یک ویراستار آنلاین است که در سال ۲۰۱۳ ساخته شد و در آن از الگوریتمهای پردازش زبان طبیعی (NLP) برای شناسایی خطاهای انسانی متداول و افزایش خوانایی متون استفاده میشود.
حتی میتوان از اپلیکیشنهای مجهز به قابلیت NLP مثل Dragon Dictation یا اپلیکیشن آنلاین Dictation.io برای نوشتن متون بدون نیاز به تایپ استفاده کرد.
داده کاوی متنهای دیجیتال، میتواند احساسی ترین بخشهای داستانهای علمی تخیلی را مشخص کند.
هر کسی که اطلاعات کلی درباره ساختار فیلم نامه داشته باشد میتواند به راحتی پایان خیلی از فیلمهای هالیوود را پیش بینی کند. ساختار ۳ مرحلهای کلی این فیلم نامهها به این صورت است که ابتدا باید نقش اول فیلم و مشکل او مشخص شود، سپس تلاش او برای حل مشکل به بدترین شرایط منجر میشود و در نهایت مشکل حل میشود. یا در فیلمهای رمانتیک، دختر و پسر همدیگر را ملاقات میکنند، بعد به نوعی از هم دور میشوند و در نهایت باز همدیگر را به دست میآورند.
با توجه به این ساختارهای پراستفاده، آیا میتوان کامپیوتر را طوری آموزش داد که داستان و فیلم نامه بنویسد؟ محققین Computational Story Lab در دانشگاه ورمونت تلاش دارند با تحلیل رمانها و تشخیص بلاکهای اصلی تشکیل دهنده تمام داستانها به این سوال پاسخ دهند.
این هوش مصنوعی که برای ساخت آن از نوشتههای کرت وانهگت در رابطه با قالب کلی داستانها و چگونگی آموزش این موضوع به کامپیوتر الهام گرفته شده، بر اساس تحلیل احساسی متون کار میکند.
همین حالا هم از پردازش زبانهای طبیعی جهت ورود متن به کامپیوتر بدون نیاز به تایپ استفاده میشود.
مانند بسیاری از پیشرفتهای اخیر در حوزه هوش مصنوعی، این پیشرفت هم به لطف مفاهیمی مثل بیگ دیتا و افزایش قدرت پردازش کامپیوترها حاصل شده است.
نویسنده مقاله The emotional arcs of stories are dominated by six basic shapes (قوسهای عاطفی داستانها ۶ مدل کلی دارند) میگوید: “ما با تحلیل قوس عاطفی در یک زیر مجموعه ۱۳۲۷ عددی از داستانهای دیتاست Project Gutenberg متوجه شدیم که ۶ قوس عاطفی کلی وجود دارند که بلاکهای اصلی داستانهای احساساتی پیچیده را تشکیل میدهند.”
“… قابلیت برقراری ارتباط بین ما و داستانها تا حد زیادی به تجربیات احساسی مشترکی که در گذشته داشته ایم بستگی دارد؛ این داستانها مسیرهای احساسی متمایزی را طی میکنند و الگوهایی را ایجاد میکنند که برای ما معنا دار هستند.” همچنین این محققین با بررسی تعداد دانلودها، مشخص کردند که کدامیک از قوسهای عاطفی عملکرد بهتری داشته اند.
تحقیق ما نشان داد که محبوب ترین رمانها آنهایی هستند که الگوی صعود – سقوط – صعود دارند مثل داستان سیندرلا و بعد از آن، داستانهایی با الگوی سقوط – صعود – سقوط – صعود قرار دارند. هر کامپیوتری با در اختیار داشتن چنین دادههایی میتواند یک داستان ساده بسازد و مهم تر این که اطلاع دارد چه چیزهایی برای انسانها جذابیت بیشتری دارند.
بررسی ویدیوهای آنلاین توسط هوش مصنوعی برای شناسایی لحظات احساسی
هوش مصنوعی میتواند به راحتی بررسی کند چه کامنتهایی برای یک ویدیوی آنلاین نوشته میشود و تمام دادههای شبکههای اجتماعی که نشان دهنده عملکرد داستانها هستند را در اختیار دارد. اما چطور میتوان قوسهای عاطفی متداول در داستانهای ویدیویی که آنها را به موفقیت میرساند، شناسایی کرد؟
این سوالی بود که محققین Media Lab در دانشگاه MIT سعی داشتند به آن پاسخ دهند و اخیراً هم با کمک شرکت McKinsey & Company یک وبلاگ کامل در رابطه با نتایج تحقیقاتشان منتشر کرده اند.
این محققین، یک شبکه عصبی عمیق را با مشاهده هزاران بخش از فیلمها، برنامههای ویدیویی و ویدیوهای آنلاین کوتاه در Vimeo آموزش دادند تا لحظات احساسی خاص – قوسهای عاطفی – را شناسایی کند.
آنها میگویند: “یک لحظه به این فکر کنید که کامپیوترها میتوانند یک ویدیوی بدون برچسب را مشاهده کنند و بر اساس المانهای صوتی و تصویری آن، یک قوس عاطفی برای آن تشکیل دهند… قبلاً چنین چیزی را هرگز ندیده بودیم.” بعد از این مرحله، انسانها همین ویدیوها را مشاهده میکنند و قسمتهایی که قوی ترین قدرت احساسی را داشتند، برچسب گذاری میکنند. سپس، این شبکه عصبی یاد میگیرد که به صورت دقیق واکنش مخاطبین یک ویدیو در توییتر را پیش بینی کند.
هوش مصنوعی متوجه نکتهای شده که شاید برای ما شگفت آور باشد؛ اینکه انسانها پایان غم انگیز را میپسندند.
برای مثال یافتههای دانشگاه ورمونت نشان میدهد نسخهای از سیندرلا که پایانی تراژدیک داشت، یکی از محبوب ترین قوسهای عاطفی است و یا تحقیقات Media Lab دانشگاه MIT نشان داد محبوب ترین داستانهای احساسی داستانهایی با الگوی صعود – سقوط هستند که در آنها شخصیت فیلم در ابتدا به موفقیت و شادی زودهنگام میرسد و بعد ناگهان دچار بدبختی و بدشانسی میشود.
کسب این اطلاعات مشخص میکند که نقش هوش مصنوعی در حوزه نویسندگی در آینده نزدیک، شامل همکاری با نویسندگان و تبدیل شدن به یک ابزار داستان سرایی خواهد بود.
فیلم نامه فیلم Sunspring توسط یک شبکه عصبی نوشته شده است.
همین حالا هم شاهد وقوع این رویداد هستیم. داستان فیلمهای کوتاه Sunspring و It’s No Game که به ترتیب در سالهای ۲۰۱۶ و ۲۰۱۷ منتشر شدند، توسط سیستمی به نام Benjamin نوشته شده بودند که این سیستم مجهز به یک شبکه عصبی بازگشتی از نوع حافظه طولانی کوتاه-مدت (به اختصار LSTM) بود.
ایده کارگردانی به اسم Oscar Sharp که در فیلم Sunspring استفاده شد یک نمونه ساده از این پدیده است که در آن حجم انبوهی از فیلم نامههای علمی تخیلی – از جمله فیلمهای در میان ستارگان و عنصر پنجم – به یک موتور تشخیص متن داده شد تا با تحلیل آنها، کلمات و عباراتی که بیشتر با هم و به همراه هم استفاده میشوند را شناسایی کند.
در نهایت این شبکه عصبی توانست یک فیلم نامه بنویسد و حتی به کمکی دیتابیسی از ۳۰ هزار ترانه، برای موسیقیهایی که به آن داده شده بود، متن ترانه بنویسد. روزنامه The Guardian این فیلم نامه را “فیلم نامهای تاریک، با فضای سیاه و حرفهای نامفهوم” خوانده بود در حالی که پایگاه خبری No Film School هم آن را “بشدت بامزه و جذاب” نامید.
البته این فیلم عجیب است (و خیلی بامزه بخصوص وقتی شخصیت اصلی یک چشم بالا میآورد!!) اما در مجموع آنقدر عجیب نیست که نتواند مخاطب را سرگرم کند.
میتوان از قابلیت تولید زبان طبیعی برای نوشتن اخبار اقتصادی استفاده کرد.
بله! و این اتفاق همین حالا هم رخ داده است. موسسه IEEE گزارش داده که وبسایتهای خبری یاهو، فاکس نیوز و اسوشیتد پرس از هوش مصنوعی برای تهیه مطالب مبتنی بر داده مثل خلاصه اخبار اقتصادی و جمع بندی مسابقات ورزشی استفاده میکنند.
احتمالاً خیلی از خبرنگاران باور ندارند که چنین کاری به صورت خودکار قابل اجرا باشد و این دستاورد میتواند وقت خبرنگاران را برای تحقیقات بیشتر باز کند. نرم افزار مورد نظر یک پلتفرم تولید زبان طبیعی به نام ‘Wordsmith’ از شرکت Automated Insights است.
البته مثل خیلی از پلتفرمهای هوش مصنوعی که در این عرصه استفاده میشود، Wordsmith صرفا ابزاری برای خبرنگاران است نه جایگزینی برای آنها. کماکان لازم است که یک نویسنده مسیر مناسبی برای این نوشتهها مشخص کند و مقاله تولید شده را با دقت اصلاح کند. با توجه به ساختار هرم معکوس اخبار اقتصادی و ترکیب آنها با آمار، جای تعجب نیست که میتوان این خبرها را با کمک هوش مصنوعی تولید کرد.
هوش مصنوعی تا به امروز مسیری طولانی را طی کرده اما برای ساخت یک گزارشگر کاملاً خودکار، هنوز راه زیادی در پیش است.