1.    مقدمه

توسعة هوش مصنوعی به‌دلیل تلاش برای بازتولید توانایی‌هایی شناختی، یک تحول عمیق فنی -  اجتماعی محسوب می‌شود. با تعبیة مهارت‌ها و توانایی‌هایی که به‌طور عمده مختص انسان تلقی می‌شدند، همچون دیدن، شنیدن، لمس‌کردن، اندیشیدن، صحبت‌کردن و نوشتن، در فناوری‌ها‌، هوش مصنوعی روزبه‌روز به‌عنوان یک «سوژه»[1] و یک «دیگری» در کنار سوژه‌های انسانی ظاهر می‌شود. این سوژه قادر است از محیط پیرامون خود اطلاعات دریافت کند، با پردازش آن‌ها تصمیم‌گیری کند و درنهایت به عمل بپردازد. تصویر فناوری هوشمند به‌مثابه سوژه بدین معنا است که این فناوری دیگر صرفاً یک شیء منفعل و موضوع شناسایی دیگران نیست، بلکه خود در جایگاه شناسایی،‌ ادراک،  فهم و احساس دیگران قرار می‌گیرد. این سوژه از عاملیت[2] نیز برخوردار است؛ زیرا توانایی ایجاد تغییر در وضعیت دیگران را دارد (Latour, 2005). نسبت‌دادن عاملیت به فناوری، به معنای فراتررفتن از دیدگاه ابزارانگارانة صرف در فلسفة تکنولوژی است. فناوری هوشمند صرفاً ابزاری برای تسهیل کارها نیست؛ بلکه تغییرات عمیق اجتماعی در زندگی انسان ایجاد می‌کند و دقیقاً ازاین‌رو است که عاملیت به آن نسبت داده می‌شود.

با ظهور مدل‌های زبانی بزرگ (LLM)[3]، مانند چت‌جی‌پی‌تی[4]، به‌شکل پررنگ‌تری می‌توان این تقارن در عاملیت را میان کاربر انسانی و عامل غیرانسانی مشاهده کرد. تعامل معمولاً مؤدبانة کاربران هنگام درخواست از چت‌جی‌پی‌تی نشان‌دهندة این است که آن‌ها به‌شکل خودآگاه یا ناخودآگاه، حدی از سوژگی[5] و عاملیت را به این فناوری نسبت می‌دهند.

مدل‌های زبانی بزرگ توانایی بسیاری در تولید متون منجسم از خود نشان داده‌اند. این مدل‌ها با تحلیل الگوها و ساختارهای موجود در داده‌های ورودی (متون انسان‌نویس)، خروجی‌هایی مشابه آن‌ها تولید می‌کند که کاملاً طبیعی به نظر می‌رسند. به‌عبارت‌دیگر، با یادگیری از روی متون‌ انسانی، تلاش می‌کنند تا متونی مشابه با آن‌ها خلق کنند. این کارایی به‌حدی است که امروزه جامعة علمی با چالش تشخیص متون انسانی از متون تولیدشده توسط ماشین مواجهه است. در پاسخ به این چالش، فناوری‌هایی با عنوان «آشکارگرهای متنی هوش مصنوعی»[6] ازجمله کانتنت ات‌اسکیل[7]، چی‌پی‌تی زیرو[8] و زیرو‌‌جی‌پی‌تی[9] توسعه یافته‌اند که برخی از مجلات علمی از آن‌ها برای تشخیص متون انسانی از متون ماشین‌نویس  استفاده می‌کنند. بااین‌حال، پژوهش‌های متعددی نشان داده‌اند که این ابزارها چندان قابل‌اعتماد نیستند و در بسیاری از موارد تمایل به مثبت کاذب[10] تمایل دارند، به این معنی که متون ماشین‌نویس را انسان‌نویس تشخیص می‌دهند. افزون‌بر این، این ابزارها در مواردی سوگیری‌های جدی نیز از خود نشان داده‌اند (بنگرید به. Kar et al., 2024; Elkhatat et al., 2023; Weber‑Wulf et al., 2023).

یکی از کاربست‌های جدید مدل زبانی، استفاده از آن‌ها برای تولید شعر است (Barreto et al., 2023). شعر در مقایسه با نثر، پیچیدگی‌های بیشتری دارد. شعرسرایی نیازمند درک آواشناسی، معناشناسی، نحو، وزن، قافیه، آرایه‌های ادبی و سایر توانایی‌های مشابه است (Possi et al., 2024). به همین دلیل، اینکه آیا ابزارهای هوش مصنوعی می‌توانند واقعاً سرایندة شعر باشند، مسئلة تأمل‌برانگیزی است. پیشینة پژوهش در این زمینه پاسخی کم‌وبیش مثبت به این پرسش می‌دهد. در بخش‌های بعدی این مقاله، این موضوع به‌تفصیل بررسی خواهد شد و نشان داده می‌شود که باوجود پیچیدگی‌های فراوان مقولة شعر، مدل‌های زبانی توانایی‌های چشمگیری درزمینة شعرسرایی دارند که این توانایی‌ها نیز قابل‌بهبود هستند. پرسش مهم‌تر این است که اگر مدل‌های زبانی قادر به تولید شعر باشند، چنین کاربستی با چه چالش‌های  فلسفی - اخلاقی همراه است؟ هدف اصلی این مقاله پاسخ به همین پرسش است. 

2. پیشینة پژوهش

​درزمینة کاربست‌ مدل‌های زبانی در حوزة شعر و آثار هنری به‌طورکلی، ادبیات پژوهشی چندان گسترده‌ای وجود ندارد. ازآنجاکه عمر مدل‌های زبانی بزرگ تنها به چند سال می‌رسد، بیشتر تحلیل‌ها و پژوهش‌ها در این مدت روی پتانسیل‌ها و چالش‌های این فناوری در تولید نثر، به‌ویژه متون علمی، متمرکز بوده‌‌اند. بااین‌حال، برخی مقالات به کاربست ال‌ال‌ام‌ها در حوزة شعر ورود کرده‌اند.

پورتر و ماچری (Porter & Machery, 2024) در مقاله‌ای به این مسئله پرداختند که آیا اشعار تولیدشده توسط هوش مصنوعی از اشعار انسان‌نویس تشخیص داده می‌شوند یا خیر. آن‌ها آزمایشی طراحی کردند که در آن مجموعه‌ای آمیخته از اشعار انسان‌نویس و ماشین‌نویس در اختیار افراد غیرمتخصص در حوزة شعر قرار گرفت. اشعار انسانی متعلق به شاعران برجستة انگلیسی‌زبان ازجمله شکسپیر، ساموئل باتلر و تی.‌ اس. الیوت بودند؛ درحالی‌که اشعار ماشین‌نویس توسط چت‌جی‌پی‌تی-3.5[11] و با درخواست تولید شعر به سبک همین شاعران، خلق شده بودند. نتیجة این آزمایش نشان داد که مشارکت‌کنندگان نتوانستند به‌شکل معناداری اشعار ماشین‌نویس را از انسان‌نویس تشخیص دهند ‌و حتی به‌طورکلی امتیاز بیشتری به اشعار ماشینی دادند. این درحالی بود که پژوهشگران پیش‌بینی می‌کردند درصورت آگاهی از ماشینی‌بودن اشعار، مشارکت‌کنندگان به‌دلیل سوگیری منفی نسبت به توانایی هوش مصنوعی در کارهای هنری، امتیاز پایین‌تری به آن‌ها اختصاص دهند.[12]

در پژوهشی دیگر، دسوزا و میمنو (D’Souza & Mimno, 2023)  به بررسی روش‌های پرامپت‌نویسی در مدل‌های زبانی بزرگ برای بازیابی دقیق اشعار موجود در وب پرداختند و نتیجه گرفتند که در میان ال‌ال‌ام‌های موجود، چت‌جی‌پی‌تی بیشترین کارایی را دارد. همچنین، والش و همکاران (Walsh et al., 2024) با بررسی توانایی برخی از مدل‌های زبانی، به این نتیجه رسیدند که این ابزارها در تشخیص و بازشناسی ساختارهای شعری مانند غزل، قصیده و... عملکرد مؤثری دارند. چاکرابارتی و همکاران (Chakrabarty et al., 2022) مدل زبانی کوپوئت (COPOET) را برای شعرسرایی معرفی کردند. آنها مدعی هستند که خروجی‌های شعری این سیستم در مقایسه با دیگر اشعاری تولیدشده توسط دیگر سیستم‌ها از نظر ناظران بی‌طرف کیفیت بالاتری دارد.

چنان‌که پیداست، این پژوهش‌ها عمدتاً بر کارکردها و توانایی‌های مدل‌های زبانی در تولید شعر تمرکز کرده‌اند و به مباحث مهم فلسفی و اخلاقی ورای این فرایند نپرداخته‌اند. پژوهش حاضر از نخستین آثاری است که به بررسی برخی از جوانب نظری شعرسرایی توسط مدل‌های زبانی بزرگ می‌پردازند.

3.    هوش مصنوعی و سرایندگی

سرایندگی سطحی پیچیده از کاربست زبانی برای انسان است. شعر هم از منظر ساختار و شکل و هم از منظر محتوا تفاوت‌های بسیاری با نثر دارد. شعر کلاسیک از وزن عروضی و قافیه (و در مواردی ردیف) پیروی می‌کند. باوجود اینکه شعر نو فاقد این ویژگی به‌اندازة شعر کلاسیک است، اما از قواعد و ساختار خاص خود بهره می‌برد و موسیقی کلام در آن جاری است. از منظر هدف نیز شعر تنها به انتقال پیام نمی‌پردازد؛ بلکه تأثیر عاطفی و لذت زیبایی‌شناختی را نیز در نظر دارد. در مقابل، نثر بیشتر به توصیف پدیده‌ها یا بیان واقعیت‌ها می‌پردازد و تخیل و تصویرسازی از عناصر اصلی شعر است. همچنین، شعر خود را به انواع صنایع ادبی می‌آراید؛ درحالی‌که نثر چنین مأموریتی را بر عهده ندارد.

افزون‌بر آنچه گفته شد، مقولة تخیل، سرایندگی را برای هوش مصنوعی پیچیده‌تر می‌سازد. گرچه ویژگی‌های ساختاری شعر تا حدی ساختارمند بوده و می‌تواند با هوش مصنوعی قاعده‌محور[13] پیاده‌سازی شود؛ آرایه‌های ادبی و دیگر ویژگی‌های محتوایی شعر، نیازمند سطحی از تخیل است که صرفاً تولید انسجام و ارتباط معنایی برای مدل‌های زبانی کافی نیست. ازسوی‌دیگر، گاهی شعر ساختارهای منطقی - زبانی را در هم ‌می‌شکند، که این امر مستلزم آن است که هوش مصنوعی فراتر از قواعد منطقی حاکم بر یادگیری‌های خود عمل کند. بنابراین، این پرسش مطرح می‌شود که آیا مدل‌های زبانی باوجود توانایی‌شان در تولید متون معمولی به شکلی منسجم و طبیعی، می‌توانند در سرایش شعر نیز به همان اندازه موفق عمل کنند؟

در بخش پیشینة پژوهش مشاهده شد که برخی نویسندگان از کاربست‌های مدل‌های زبانی در حوزة شعر سخن رانده‌اند و آزمایش‌های تجربی جالبی طراحی کرده‌اند. نگارندگان این مقاله با طراحی آزمایش مشابهی از چت‌جی‌پی‌تی-4 خواستند تا به سبک اشعار خیام به زبان انگلیسی چند رباعی تولید کند. ازآنجاکه این مدل‌های زبانی در وهله نخست روی زبان انگلیسی آموزش دیده‌اند، عملکرد بهتری در تولید اشعار انگلیسی دارند. در ادامه، چهار رباعی انگلیسی به سبک خیام و با درون‌مایه‌‎های خیامی ارائه شده است؛ دو مورد از آن‌ها توسط چت‌جی‌پی‌تی-4 تولید شده و دو رباعی دیگر، ترجمه و بازسرایش فیتزجرالد (FitzGerald, 1903)، مترجم معروف رباعیات خیام، هستند. از خوانندگان (به‌ویژه کسانی که با ترجمه‌های فیتزجرالد آشنایی ندارند) دعوت می‌شود تا به‌عنوان یک آزمایش فکری، تلاش کنند رباعی‌های تولیدشده توسط هوش مصنوعی را از ترجمه‌های انسانی تشخیص دهند. پاسخ این معما در پانوشت متن ارائه خواهد شد.

As roosters herald in the break of day,

The revelers cry out, "Let us not delay!

For moments slip like sand through fingers tight,

And once they’re gone, they cannot find their way

I sometimes think that never blows so red

The Rose as where some buried Cæsar bled;

That every Hyacinth the Garden wears

Dropt in its Lap from some once lovely Head.

Come, fill the cup, let joy ignite the flame,

Cast off the weight of sorrow, fear, and shame;

For time is fleeting, like a bird in flight,

So seize the day, and let your spirit claim.

And this delightful Herb whose tender Green

Fledges the River's Lip on which we lean—

Ah, lean upon it lightly! for who knows

From what once lovely Lip it springs unseen![14]

همچنین، از هوش مصنوعی DeepSeek، خواسته شد تا چند رباعی به زبان فارسی به سبک خیام بسازد:

زمانه چو بازی‌گرِ ماهری شد

به چنگش همه کاره‌ها گِرهی شد

مپرس از من و تو، که در این دورِ گردون

چه بسیار کس اینجا سر و تهی شد!

جامِ شراب را به دستم داد ساقی

گفتم: ز غمِ جهان، دلم سوخت، آهی!

خندید و گفت: «این شرابِ زندگی را بخور»

تا چند کنی غمِ جهان را به دل راهی؟

چنان‌که پیش‌تر نیز اشاره شد، مدل‌های زبانی همچنان در تولید اشعار فارسی ضعف‌هایی دارند و حتی یک فارسی‌زبان غیرحرفه‌ای هم می‌تواند ایرادهای وزنی نوشته‌های بالا را تشخیص دهد؛ اما نکتة تأمل‌برانگیز این است که این دو رباعی باوجود ضعف‌های ساختاری، تا حدی انسجام معنایی دارند (ویژگی پایة خروجی‌های مدل‌های زبانی بزرگ). صرف‌نظر از اینکه برخی واژگان یا عبارات مستقیماً از اشعار واقعی خیام وام گرفته شده‌اند، این اشعار توانسته‌اند مفاهیم فکری این شاعر را تا حدی منعکس کنند. علت این امر به فرایند یادگیری این مدل‌ها بازمی‌گردد. بااین‌حال، می‌توان متصور بود که این مدل‌های زبانی ازطریق تنظیم ظریف (fine-tuning) عملکرد آن‌ها در تولید شعر فارسی بهبود یابد، یا مدل‌هایی اختصاصاً برای آموزش روی متون فارسی یا متون ادبی فارسی طراحی شوند . برای نمونه، هوش مصنوعی Copilot پس از چندین تلاش ناموفق متن زیر را به‌عنوان رباعی به سبک خیام تولید کرد:

خوابیده گل و شمع به شب بیدار است

می نوش که چشم دهر در پیکار است

هر لحظه در این باغ، گلی پژمرده

از باد خزان زمانه بیزار است

همان‌طور که در نمونة بالا مشاهده می‌شود،‌ نتیجه ازنظر وزن شعری بهبود یافته است و حتی مفاهیم عاشقانه‌ و لطیفی مانند بی‌توجهی گل به شب‌بیداری شمع و یا نگاه ویژة خیام به مفاهیمی مانند مرگ و غنیمت‌شمردن لحظه و... را نیز می‌توان از آن استنباط کرد.

 هدف اصلی این پژوهش، سنجش توانایی هوش مصنوعی در تولید یا بازتولید اشعار، به‌ویژه اشعار فارسی، نیست. روشن است که هنوز، ازنظر فنی با یک مدل زبانی که بتواند شعر باکیفیت تولید کند فاصلة بسیاری وجود دارد. برخی از چالش‌ها و محدودیت‌های سرایندگی با هوش مصنوعی شامل کمبود احساس و تجربه انسانی و خلاقیت واقعی است؛ زیرا هوش مصنوعی بر پایة داده‌های موجود کار می‌کند و ممکن است قادر به خلق ایده‌های نو و بدیع نباشد و نتواند درک عمیق انسان از جهان را نشان دهد و از بازتاب دقیق احساسات انسانی ناتوان باشد. دیگر چالش آن فقدان زمینه فرهنگی و تاریخی است؛ زیرا شعر اغلب با زمینه‌های فرهنگی، تاریخی و اجتماعی گره خورده است و هوش مصنوعی ممکن است نتواند این ارتباطات را به‌درستی درک و بازتولید کند. بااین‌حال، باید توجه کرد که این نوع مشکلات، محدودیت‌هایی ذاتی هوش مصنوعی نیستند؛ بلکه ممکن است به‌مرور زمان و با پیشرفت‌های آتی در یادگیری عمیق و پردازش زبان طبیعی رفع شوند. همان‌طورکه نسخه‌های اخیر مدل‌های زبانی مانند چت‌چی‌پی‌تی به‌‌مراتب کارآمدتر از نسخه‌های اولیة خود هستند و متون باکیفیت‌تری تولید می‌کنند، می‌توان متصور بود که در آینده‌ای نه‌چندان دور، این مدل‌ها در تولید شعر نیز عملکرد بهتری از خود نشان دهند. در اینجا، اشاره به تمایز میان هوش مصنوعی ضعیف و قوی و نسبت آن‌ها با توانایی‌های شعرسرایی هوش مصنوعی خالی از فایده نخواهد بود. هوش مصنوعی ضعیف برای کارکردهای خاصی طراحی شده است. به‌عبارت‌دیگر، این هوش به‌شکل محدود و حوزه‌ای در انجام یک یا چند کار توانایی قابل‌توجه شناختی دارد. در مقابل، هوش مصنوعی قوی (یا هوش مصنوعی عام «general») به ماشین هوشمندی اطلاق می‌شود که می‌تواند کم‌وبیش مانند انسان فکر کند، احساس کند و تصمیم بگیرد و توانایی‌هایش برای مواجهه با موقعیت‌های بسیار متنوع کارایی داشته باشد. هنوز تا دستیابی و توسعة هوش مصنوعی قوی فاصله زیادی وجود دارد؛ مدل‌های زبانی بزرگ همگی برای کارکرد محدود و خاصی، یعنی تعامل زبانی، طراحی شده‌اند. بااین‌حال، ترکیب ماشین‌های هوشمند با کارکردهای متنوع می‌تواند ما را به هوش مصنوعی عام نزدیک‌تر کند. هوش مصنوعی ضعیف و قوی دو سر یک طیف هستند و ماشین‌های هوشمند زیادی وجود دارند که به یکی از این دو سر طیف نزدیک‌ترند. برای اینکه یک ماشین بتواند خوب شعر بسراید نیازی به هوش مصنوعی قوی نیست؛ بلکه باید به‌خوبی برای یادگیری شعر و سرایش آن تنظیم[15] شود. سیستم کوپوئت که پیش‌تر به آن اشاره شد، یک نمونه از هوش مصنوعی ضعیف است که به‌طور خاص برای تولید شعر تنظیم شده و کارایی بسیاری از خود نشان داده است. بنابراین، این گزاره که یک مدل زبانی می‌تواند همانند خیام شعر بسراید، به معنای آن نیست که این ماشین جای خیام را می‌گیرد؛ زیرا شخصیت و جایگاه خیام تنها به سرایش شعر فروکاست‌پذیر نیست.

4. چند ملاحظة فلسفی-اخلاقی

کارکرد اصلی مدل‌های زبانی تولید محتوای زبانی منسجم است؛ اما این فرایند با چالش‌هایی نیز مواجه بوده است.[16] یکی از مهم‌ترین این چالش‌ها، بازتولید ویژگی‌های تکین (singular) متون است که به افراد یا اشخاص خاصی تعلق دارند، مانند ایده‌ها، نظریه‎ها، اشعار، عبارت‌پردازی، اصطلاحات خاص و... . برای نمونه، اگر یک مدل زبانی به‌طور مستقیم از عبارات یک نویسنده استفاده می‌کند، ولی آن را داخل علامت نقل قول نبرد، یا به‌نحوی نشان ندهد که این عبارت‌ها نقل قول مستقیم است و به مؤلف آن استناد ندهد، مرتکب سرقت ادبی و درنتیجه نقض مالکیت فکری افراد شده است. این مسئله نشان می‌دهد که حتی اگر به مدل‌های زبانی عاملیت اخلاقی نسبت ندهیم، یک فناوری می‌تواند دارای کنش‌هایی با پیامدهای اخلاقی مهم باشد. ضمن اینکه در برخی از رویکردهای نظری (Latour, 2002) فناوری‌ها نیز می‌توانند عاملیت اخلاقی داشته باشند (بنگرید به. Sharifzadeh, 2024).

ویژگی‌های تکین در حوزة پژوهش و متون معمولی (همانند نثر) شامل الفاظ و ایده‌ها است. بنابراین، نقض مالکیت فکری به‌سبب استفادة مستقیم یا غیرمستقیم از متون رخ می‌دهد (Bin, 2023). یعنی افراد یا به‌طور مستقیم از واژگان و عبارت‌پردازی دیگران بدون استناد مقتضی استفاده می‌کنند، یا ایده‌های آن‌ها را با عبارت‌پردازی خود بیان می‌کنند؛ ولی استناد مقتضی نمی‌دهند. بااین‌حال، در حوزة شعر، «سبک شعری» نیز می‌تواند یک ویژگی تکین باشد. بنابراین، دراینجا استفاده از سبک شعری یک شاعر بدون استناد مقتضی نیز می‌تواند مصداقی از نقض مالکیت فکری باشد. در نمونه‌های پیشین (رباعی‌های تولیدشده توسط مدل زبانی)، از یکی از ویژگی‌های تکین، یعنی سبک شعری استفاده می‌شود، اما در آن موارد نقض مالکیت فکری رخ نداده است؛ زیرا مدل زبانی به این مسئله اذعان دارد که شعر را به سبک خیام تولید کرده و این تولید در پاسخ به اشاره‌نویسی یا درخواست‌نویسی (prompting)[17] خاص کاربر، «با سبک خیام رباعی بساز»، رخ داده است. بااین‌حال، اگر فردی چه با استفاده از مدل زبانی و چه بدون آن، مجموعه‌ای از اشعار را به سبک شاعری دیگر تولید و آن را به نام خود منتشر کند (بدون ارجاع مناسب)، مرتکب نوعی نقض مالکیت فکری شده است. این نقض حتی درصورتی رخ می‌دهد که هیچ‌یک از شعرهای شاعر اصلی، و همچنین استعاره‌ها و تشبیه‌های خاص آن شاعر در مجموعة جدید نیامده باشد.

فرض کنید هیچ نقض مالکیت فکری‎ صورت نمی‌گیرد. برای مثال، یک مدل زبانی براساس اشاره‌نویسی خوب یک کاربر، 100 رباعی به سبک خیام تولید کرده است و کاربر تصمیم می‌گیرد آن‌ها را در قالب یک کتاب شعر منتشر کند. در جلد و مقدمة کتاب به‌روشنی به استفاده از سبک خیام اشاره شده است، درنتیجه چالش نقض مالکیت فکری منتفی می‌شود. ازطرفی چون رباعیات خیام متعلق به «حوزة عمومی»[18] است و جزء ثروت فرهنگی کشور به شمار می‌آیند، نقض حق رونگاری[19] هم وجود ندارد.[20] بنابراین، در چنین وضعیتی، چالش‌های دیگری نیز وجود دارد که فراتر از مباحث معمول مربوط به مالکیت فکری و حق رونگاری هستند. این پژوهش در ادامه به بررسی همین مسائل می‌پردازد.

1-4. تاریخ‌مندی چهره‌ها و آثار هنری

درخصوص شاعران یا چهره‌های هنری که اکنون در قید حیات نیستند، این پرسش مطرح می‌شود که ‌آیا می‌توان با استفاده از هوش مصنوعی اثری تولید کرد که به‌دلیل شباهت زیاد در سبک و سیاق، به یک هنرمند در گذشته نسبت داده شوند؟  این مسئله به‌ویژه دربارة هنرمندانی مانند خیام یا استاد شجریان که دیگر در قید حیات نیستند، ملموس‌تر است. برای مثال، آیا بازتولید صدای استاد شجریان با هوش مصنوعی به‌نحوی‌که علاقه‌مندان به موسیقی به‌سبب تشابه قوی صدای ساخته‌شده با صدای اصلی، آن را از صدای اصلی تشخیص ندهند، اقدامی اخلاقی است؟ دو دیدگاه ایجابی و سلبی در پاسخ به این پرسش وجود دارد. به‌عبارت‌دیگر، علاقه‌مندان به این چهره‌ها، می‌توانند به دلایل قابل‌درکی مخالف یا موافق این کار باشند. مخالفان ممکن است یک استدلال فلسفی و یک استدلال کم‌وبیش اخلاقی مطرح کنند.

استدلال فلسفی

آن‌ها در وهلة نخست می‌توانند استدلال کنند که کسی مانند خیام و رباعیات آن ازنظر تاریخی یک بستة[21] تکین و تمام‌شده است. به‌عبارت‌‌دیگر، بسته منحصربه‌فردی است که قابلیت تکرار و بازتولید ندارد. بسط و توسعة این بسته (ازطریق انتشار آثار غیراصلی به سبک وی)، روی ارزش فکری، فرهنگی و هنری این چهره و آثار وی تأثیر مخرب خواهد گذاشت. ارزش یک مجموعه اثر تا اندازه‌ای به محدودبودن و تمام‌شده‌بودن آن هم هست؛‌ وقتی یک بستة هنری - فرهنگی پایان نمی‌یابد و ادامه می‌یابد، منحصربه‌فرد بودنش را تا حدی از دست می‌دهد.

استدلال اخلاقی

استدلال اخلاقی مخالفان بازتولید آثار هنری یک فرد درگذشته این است که ما مجاز نیستیم اثری را به سبک هنری او بازتولید کنیم، درحالی‌که مطمئن نیستیم آیا آن فرد این کار و اثر تولیدشده را تأیید می‌کند یا خیر و اساساً هیچ راهی برای تشخیص آن وجود ندارد. در مقام مقایسه، به اعتراض خانوادة خسرو شکیبایی  در جشنوارة فیلم فجر (1403) اشاره می‌شود که به انتشار کلیپی با صدا و تصویر بازسازی‌شدة آن مرحوم واکنش نشان دادند. مشابه این اعتراضات در مقیاس بزرگ‌تر نیز در  سال‌های 2023م. و 2024م. از سوی نویسندگان، سینماگران و صداپیشگان هالیوود مشاهده شد. استدلال ضمنی این اعتراض می‌تواند این باشد: ما نباید چیزی را به کسی نسبت دهیم درحالی‌که او شخصاً نمی‌تواند محتوای آن را تأیید یا رد کند. به همین سان، مخالفان بازتولید سبک شعری شاعران کلاسیک معتقدند که این بزرگان اکنون در قید حیات نیستند تا محتوای این شعرها را تأیید یا رد کنند؛ بنابراین، ما دست‌کم مجاز به انتشار آن‌ها نیستیم. ممکن است برای مثال، خیام از اینکه برخی اشعار جعلی و غیراصلی به سبک او خوانده شوند، رضایت نداشته باشد.

هرچند استدلال‌های اخلاقی این مقاله در حوزة اخلاق کاربردی مطرح شده‌اند و خود را محدود به هیچ‌کدام از نظریه‌های اخلاق هنجاری نمی‌کنند؛ اما  استدلال اخلاقی مذکور را می‌توان با هر سه نظریة اصلی اخلاق هنجاری، یعنی وظیفه‌گرایی، فایده‌باوری و اخلاق فضیلت، توجیه و بازسازی کرد. یک وظیفه‌گرا می‌تواند بازتولید بدون اجازه و رضایت را ناقض استقلال و خودمختاری افراد در نظر بگیرد؛ درنتیجه آن را به‌لحاظ اخلاقی رد کند. یک فایده‌باور می‌تواند استدلال کند که بازتولید مفاخر ادبی و هنری می‌تواند در درازمدت برای نظام اجتماعی مخرب باشد؛ زیرا این کار به‌نوعی تخریب چهره‌هایی است که دارای ارزش اجتماعی و ملی هستند و در انسجام اجتماعی نقش بازی می‌کنند. یک فضیلت‌گرا روی پرورش و خودبهسازی افراد در زمان حال متمرکز می‌شود و این پرسش را مطرح می‌سازد که آیا بازتولید و ادامة چهره‌ها و آثار گذشته، روی پرورش استعدادهای جدید اثر مطلوب می‌گذارد یا مخرب؟ یک فضیلت‌گرا می‌تواند استدلال کند که این بازتولید می‌تواند انگیزة افراد را برای تولید اثر هنری اصیل کاهش دهد.

این استدلال‌ها هرچند جای بحث دارند؛ اما دست‌کم نشان می‌دهند که موضع مخالفت با بازتولید آثار و چهره‌های ادبی و هنری توسط هوش مصنوعی قابل‌درک است.

درمقابل، موافقان بازآفرینی و انتشار سبک کار (و حتی صدا و تصویر و دیگر ویژگی‌های تکین) چهره‌های بزرگی که در قید حیات نیستند، به دو استدلال مخالفان پاسخ‌ می‌دهند. موافقان، نگاه مخالفان به تاریخ‌مندی را رد می‌کنند و معتقدند که آثار این چهره‌ها بسته‌هایی تمام‌‌شده و ایستا نیستند، بلکه موجوداتی پویا هستند که در طول زمان و با کمک فناوری و عامل‌های انسانی ظهورات متنوعی در طول زمان پیدا می‌کنند. از نگاه آن‌ها، ویژگی‌های تکین هنری و فرهنگی مانند پول یا طلا و اجناس مشابه نیستند که با افزایش تعداد یا مقدارشان از ارزششان کاسته ‌شود؛ بلکه آن‌ها به فضیلت‌ها و ویژگی‌های والای انسانی شبیه هستند که هرچه تعداد، تنوع و کاربست‌شان در زمینه‌ها متنوع بیشتر شود، بیشتر تثبیت و فراگیر می‌شوند. برای مثال، اگر فردی 10 جملة نغز و حکیمانه دارد، تولید 90 جملة دیگر براساس زمینه و موقعیت‌های متنوع، نه‌تنها از ارزش آن 10 جمله نمی‌کاهد، بلکه به تثبیت و ماندگاری هرچه ‌بیشتر آن‌ها کمک می‌کند. به همین ترتیب، اگر خوانندة مرحوم معروفی، 100 آواز شنیدنی و ماندگار دارد، بازتولید 200 آهنگ جدید با کمک هوش مصنوعی ــ به‌نحوی‌که تمایز آن با صدای اصلی قابل تشخیص نباشد ــ ارزش آن 100 آهنگ را از میان نمی‌برد؛ بلکه کمک می‌کند که آن خواننده احتمالاً علاقه‌مندان جدیدی در زمینه‌های تازه کسب کند و علاقه‌مندان قدیمی آن خواننده این امکان را می‌یابند که آوازهای جدیدی با صدای وی گوش کنند.‌ نتیجه اینکه صدای وی بیشتر شنیده می‌شود، و ماندگاری و فراگیری بیشتری پیدا کند.

در پاسخ به استدلال اخلاقی، موافقان می‌توانند با بازتولید سبک‌های شعری پاد-استدلال‌هایی را ارائه دهند. به نظر می‌رسد رویکردهای فضیلت‌گرایانه و فایده‌‌باورانه نیز می‌توانند در دفاع از بازتولید آثار به‌کار گرفته شوند. یک فضیلت‌گرا می‌تواند استدلال کند که بازتولید آثار ادبی و هنری مفاخر گذشته نه‌تنها مانعی برای پرورش استعدادهای جدید نیست، بلکه باعث می‌شود که این مفاخر حضور پررنگ‌تر و پیوسته‌ای در جامعة کنونی داشته باشند و این خود در تعالی روحی و فکری افراد نقش ایفا می‌کند. یک فایده‌باور نیز می‌تواند بیان کند که بازتولید آثار مفاخر ادبی و هنری، مشروط بر اینکه به تخریب  چهرة آن‌ها نینجامد، می‌تواند بیشترین لذت و فایده را به بیشترین افراد برساند. چنان‌که اشاره شد، آثار این چهره‌ها گسترش چشمگیری پیدا می‌کند؛ درنتیجه افراد بیشتری از آن بهره می‌برند. بنابراین، دست‌کم توسل به اخلاق فضیلت و فایده‌باوری توسط مخالفان و موافقان بازتولید، به یک تکافوی ادله منجر می‌شود و هیچ‌یک از طرفین نمی‌تواند به‌طور قطعی بر دیگری غلبه کند.

موافقان بازتولید آثار مفاخر ادبی و هنری در پاسخ به استدلال نقض خودمختاری و استقلال، ممکن است بیان کنند که این استدلال تنها برای افراد زنده صادق است. آن‌ها معتقدند که مفاخر درگذشته دارای خودمختاری و استقلال نیستند؛ چراکه به ‌نظر می‌رسد داشتن حیات و ارادة‌ آزاد پیش‌شرط خودمختاری و استقلال باشد. بااین‌حال، مدافعان استدلال خودمختاری می‌توانند تا حدی موضع قبلی خود را تعدیل کنند. آنان ممکن است مدعی شوند که اگرچه خودِ چهرة ادبی و هنریِ وفات‌یافته استقلال و خودمختاری ندارد، اما افراد دیگری مانند خیام‌شناسان یا حافظ‎شناسان و... می‌توانند به‌نحوی مدافع و نماینده آن چهرة ادبی و هنری در نظر گرفته شوند و بازتولید آثار آن‌ها بدون رضایت این خبرگان به‌نوعی نقض استقلال و خودمختاری محسوب می‌شود. در مقام مقایسه، این وضعیت شبیه به نظام حقوقی - اخلاقی کنونی است که در آن، اگر فردی (مانند کودک یا بیمار در کما) قادر به ابراز رضایت نباشد، افراد دیگری مانند ولی یا وکیل و... این حق را پیدا می‌کنند که به‌جای او ابراز رضایت یا نارضایتی کنند. برای نمونه،‌ حق نشر آثار یک هنرمند تا مدتی پس از فوت او همچنان در اختیار افراد یا ناشرانی خاص باقی می‌ماند.  

این تعدیل و مقایسه هنگامی مشکل‌ساز خواهد شد که چهره‌ها و آثار فرهنگی - هنری را با افراد عادی مقایسه می‌کند؛ چهره‌هایی همچون خیام و حافظ که آثارشان متعلق به حوزة عمومی و جزو ثروت ملی محسوب می‌شوند. چنان‌که پیش‌تر نیز اشاره شد، براساس کنوانسیون برن، با گذشت بیش از ۵۰ سال از وفات این چهره‌ها، آثارشان به عموم مردم تعلق دارد و نه به افراد یا گروهی خاص. بنابراین، استدلال انتقال خودمختاری به نمایندگان یا خبرگان، درخصوص این چهره‌ها پذیرفته‌شده نیست.

براین‌اساس، به نظر نمی‌رسد تأیید یا عدم تأیید چهره‌های فکری و هنری (یا مدافعان و شارحان آن‌ها)، برای بازتولید و بسط ماشینی یا غیرماشینی آثارشان ضرورتی اخلاقی داشته باشد. در ساحت اندیشه این نکته تقریباً بدیهی است. یک نظریه‌‍‍‌پرداز، نظریه‌ای را مطرح می‌کند و پس از مرگش افراد دیگری آن نظریه را نقد، بسط و در زمینه‌های جدیدتری به کار می‌گیرند. این فرایند نه‌تنها ازنظر اخلاقی مشکلی ندارد؛ بلکه راز ماندگاری بسیاری از نظریه‌ها نیز همین است. کسی نمی‌تواند مدعی شود که ممکن است نظریه‌پرداز اصلی، این نوع بسط‌ها و کاربست‌ها را تأیید نکند. به ‌نظر نمی‌رسد از این نظر تفاوت فارقی میان آثار فکری و آثار ادبی و هنری متعلق به حوزة عمومی وجود داشته باشد.

بااین‌حال، نکتة مهمی که در اینجا مطرح می‌شود، تفاوت میان حوزه‌های فکری و هنری است. مخالفان می‌توانند استدلال کنند که در ساحت اندیشه، یک نهاد غیردولتی به نام جامعة علمی وجود دارد که به پایش و کنترل آثار منتشرشده می‌پردازد و هرگونه بسط و کاربستی از نظریة یک نظریه‌پرداز درگذشته را نمی‌پذیرد. دربارة بازتولید آثار هنری که براساس سبک و سیاق چهره‌های فرهنگی- هنری تولید می‌شود، چنین پایش و کنترلی وجود ندارد. درنتیجه، این امکان وجود دارد که بازتولید آثار مفاخر ادبی و هنری بدون این نظارت، به تخریب و آسیب‌رساندن به چهره این بزرگان منجر شود.

این نکته گرچه صحیح است، اما بحث را از موضع مخالفت به‌سمت چگونگی مجاز بودن بازتولید آثار سوق می‌دهد. اکنون مسئله این است که در چه شرایطی بازتولید آثار غیراصلی به سبک شاعران درگذشته مجاز است؟ چنانچه بازتولید، بسط و توسعة آثار ادبی و هنری، شأن اجتماعی - تاریخی یک چهرة فرهنگی - هنری را خدشه‌دار کند، ازنظر اخلاقی با مشکل مواجه خواهد شد. این را می‌توان با هر سه نظریة اخلاق هنجاری توجیه کرد. اما چه کسی یا کسانی و براساس چه سنجه‌هایی، این تخریب را تشخیص می‌دهند؟ پیشنهاد عملی برای حل این معضل، ایجاد یک نهاد حرفه‌ای و غیردولتی در حوزة فرهنگ و هنر است که بر انتشار رسمی چنین آثاری نظارت کند. این نهاد می‌تواند براساس سنجه‌های مشخصی تصمیم بگیرد که آیا با انتشار یک اثر بازآفرینی‌شده به سبک و سیاق چهره‌های فرهنگی - هنری موافقت کند یا خیر. این سنجه‌ها می‌تواند شامل موارد زیر باشد:

یک) آثار تولیدشده ازنظر کیفیت، نباید چندان نازل‌تر از آثار اصلی باشند.

دو) آثار تولیدشده باید با منظومة فکری چهرة ادبی - هنری سازگار باشند.

سه) آثار تولیدشده نباید حاوی محتوایی باشد که چهرة ادبی - هنری را تخریب کنند.

چهار) آثار تولیدشده باید پروتکل‌های مربوط به حق نشر و مالکیت فکری را رعایت کنند.

این نهاد غیردولتی، باید نهادی حرفه‌ای باشد. حرفه‌ای‌بودن در این زمینه به معنای عملکرد تخصصی در ارزیابی‌ها و نظارت‌ها است. برای مثال، تشخیص میزان کیفیت یک محتوای بازتولیدشده در حوزة موسیقی باید به متخصصان این حوزه سپرده شود و مسائل اخلاقی - اجتماعی آن را به متخصصان حوزة اخلاق و علوم اجتماعی واگذارد. بنابراین،‌ این حرفه‌ای‌گری مستلزم آن است که بسته به محتوای بازتولیدشده، نهاد مذکور از تخصص‌های متنوعی همچون اخلاق، فلسفه، ادبیات، تاریخ، هنر، جامعه‌شناسی و سایر رشته‌های مرتبط بهره‌مند شود.

همچنین، پروتکل‌های ارائه‌شده باید بر پایة استدلال‌های محکم توجیه شوند. برای نمونه، دراینجا مورد نخست را می‌توان ‌براساس دو استدلال توجیه کرد؛ اول اینکه تولید آثار بی‌کیفیت به سبک یک چهرة برجستة فرهنگی – هنری (با صدا، تصویر و دیگر ویژگی‌های تکین) تأثیر منفی بر جایگاه تاریخی و فرهنگی آن چهره خواهد گذاشت. درنتیجه یک جامعه برای حفاظت از دستاوردهای فرهنگی خود، به‌طور طبیعی نسبت به این نوع آثار واکنش سلبی نشان می‌دهد. استدلال دوم این است که آثار بی‌کیفیت به‌نوعی نقض غرض هستند. موافقان تولید این آثار به سبک و سیاق چهره‌های گذشته استدلال می‌کردند که تولید آثار غیراصلی به سبک آثار اصلی به ماندگاری و فراگیری چهرة مورد نظر و آثار وی کمک می‌کند. روشن است که آثار بی‌کیفیت نه‌تنها کمکی به این نوع ماندگاری و گسترش نمی‌کنند؛ بلکه ممکن است احساسات دوستداران و طرفداران آن چهره را نیز جریحه‌دار کنند. همچنین، مورد دوم می‌تواند بر این استدلال بنا شود که تداوم تاریخ‌مندی یک چهره ازطریق بازتولید آثارش نباید به استحالة فکری - شخصیتی او منجر شود. برای مثال، تولید ترانه با صدای عبدالباسط،‌ که نمادی فرهنگی در حوزۀ تلاوت قرآن است، به معنای استحالة فکری - شخصیتی این چهره است.

5.    نتیجه‌گیری

مدل‌های زبانی بزرگ به‌دلیل پتانسیل زیاد خود در تولید متون پیچیده ازجمله شعر، پرسش‌های اخلاقی مهمی را مطرح کرده‌اند. در این نوشتار، مسئلة اصلی این بود که آیا می‌توان با استفاده از این مدل‌ها، اشعار جدیدی به سبک شاعران گذشته تولید و منتشر کرد؟ با بررسی استدلال‌های موافقان و مخالفان، به‌ویژه استدلال مبتنی‌بر مفهوم تاریخ‌مندی آثار، پاسخی مثبت اما مشروط به این پرسش داده شد. این موضع به این پرسش ثانویه منجر شد که در چه شرایطی چنین اقدامی مجاز است؟ پاسخ ارائه‌شده این بود که تعیین این شرایط در وهلة نخست مستلزم ایجاد یک نهاد حرفه‌ای است که براساس پروتکل‌های مشخص درخصوص انتشار رسمی چنین آثاری تصمیم‌گیری کند. این پژوهش پیشنهادهایی برای این پروتکل‌ها ارائه داد:  یک) آثار تولیدشده نباید ازنظر کیفی نازل‌تر از آثار اصلی باشند؛ دو) آثار تولیدشده باید با منظومة فکری چهرة ادبی و هنری سازگار باشند؛ سه) آثار تولیدشده نباید حاوی محتوایی باشد که چهرة ادبی و هنری را تخریب کنند؛ چهار) آثار تولیدشده باید پروتکل‌های مربوط به حق نشر و مالکیت فکری را رعایت کنند.

 استدلال‌های مطرح‌شده در این مقاله به‌دلیل کلیتشان، در دیگر حوزه‌های هنری و فرهنگی مانند خوانندگی، صداپیشگی و بازیگری نیز کاربست‌پذیرند. براین‌اساس، یک توصیة سیاستی مطرح می‌شود: نیاز به تأسیس یک نهاد حرفه‌ای مستقل برای تنظیم‌گری هوش مصنوعی از منظر اجتماعی و اخلاقی وجود دارد. این نهاد می‌تواند با تدوین پروتکل‌هایی مشخص، بر بازآفرینی آثار هنری - فرهنگی نظارت داشته باشد. یکی از پژوهش‌های آتی در این زمینه می‌تواند تدوین جامع استانداردها و هنجارهای حاکم بر بازتولید آثار مفخر ادبی و هنری ازطریق ابزارهای هوش مصنوعی باشد تا این استانداردها در اختیار نهادهای سیاست‌گذار قرار گیرند.

[1]. Subject

[2]. Agency

^[3] . مدل‌های زبانی بزرگ (large language models) مجموعه الگوریتم‌هایی هستند که در پی بازآفرینی هرچه طبیعی‌تر و انسان‌مانندتر کنش‌های زبانی انسانند. این مدل‌های زبانی محصول تلفیق دو حوزة پردازش زبانی طبیعی (NLP) و یادگیری ماشین (ازجمله شیوه‌های یادگیری عمیق و مدل‌های تبدیل‌کننده) هستند. در این میان، هوش مولد[3] به‌عنوان دسته‌ای از سیستم‌های هوش مصنوعی که قادر به تولید محتواهای جدید و اصیل، مانند متن، تصویر، موسیقی یا ویدئو، براساس داده‌های آموزشی است تحولی را در بخش تولید محتوا ایجاد کرده است. این سیستم‌ها معمولاً از مدل‌های پیشرفتة یادگیری عمیق مانند شبکه‌های عصبی مولد (GANs) یا LLMها استفاده می‌کنند. در چند سال اخیر، نمونه‌های موفقی از این مدل‌‎ها ازجمله مجموعه جی‌پی‌تی (GPT 1-4)، جمینی (Gemini)، جما (Gema)، کلاود (Claude)،‌ و لاما (Llama) معرفی شده‌اند.

[4]. ChatGPT

[5]. Subjectivity

[6].  AI text detectors

[7]. Content at scale

[8]. GPTzero

[9]. ZeroGPT

[10]. false positive   

[11]. hatGPT 3.5 

[12]. برای مثال، راگت و همکاران در پژوهشی (Ragot et al. 2020)، از 565 مشارکت‌کننده خواستند تا به دو دسته نقاشی، که دسته‌ای توسط هوش مصنوعی طراحی شده بود و دسته‌ای را انسان طراحی کرده بود، با چهار معیار موردپسندبودن، زیبایی ادراک‌شده، تازگی و معنا، امتیاز بدهند. نتیجه این شد که نقاشی‌های طراحی‌شده توسط هوش مصنوعی امتیاز پایین‌تری کسب کردند. حتی نقاشی‌هایی که واقعاً توسط انسان طراحی شده بودند اما در دستة نقاشی‌های هوش مصنوعی آمده بودند نیز امتیاز پایین‌تری گرفتند.

[13]. Rule-Based Machine Learning

[14].  موارد اول و سوم از چت‌جی‌پی‌تی و موارد دوم و چهارم از فیتز جرالد هستند.

[15]. Tune

[16]. این چالش‌ها را می‌توان به دو دسته تقسیم کرد. دستة نخست چالش‌های کلی فناوری‌های هوش مصنوعی است. یعنی چالش‌هایی که همه یا اکثر فناوری‌های هوش مصنوعی به‌نحوی درگیر آن هستند؛ ازجمله سوگیری، امنیت و حریم خصوصی (Vidhya et al., 2023)، شفافیت (Resnik & Hosseini, 2024)، مسائل ‍‌زیست‌محیطی (Li et al., 2023) و... . چالش‌های دستة دوم،‌ مربوط به فناوری‌های خاص هوش مصنوعی، یا کاربست یک فناوری هوشمند در زمینه‌ای خاص است. برای مثال، مدل‌های زبانی به‌عنوان نوعی فناوری هوشمند، وقتی درگیر تولید متن علمی می‌شوند ممکن است مرتکب سرقت ادبی و نقض حق نشر (Lee et al., 2024)، داده‌سازی، دستکاری داده (Ji et al., 2023) و... شوند.

[17]. prompting اصالتاً از تئاتر وارد ادبیات مدل‌های زبانی شده است. در تئاتر این واژه سخن‌رسانی ترجمه می‌شود و وقتی است که یک بازیگر بخشی از متن نمایش‌نامه را فراموش می‌کند و در این موقعیت کسی از دور ازطریق یک تابلو آن را به بازیگر نمایش می‌دهد. سخن‌رسانی برای تعامل توصیف کاربر با مدل زبانی مناسب نیست؛ زیرا مدل زبانی متن کاربر را تکرار نمی‌کند. دراینجا کاربر ازطریق واژگان یا جملاتی به آنچه در ذهن خود دارد و می‌خواهد دربارة آن متن تولید شود اشاره می‌کند. اشاره‌نویسی خوب فنونی دارد که آموزش داده می‌شوند. اشارة خوب، می‌تواند به مدل زبانی کمک کند تا بهتر و دقیق‌تر چیزی را که مد نظر کاربر است تولید کند. 

[18]. Public domain

[19]. Copyright infringement

[20] . زیرا براساس کنوانسیون برن، دست‌کم 50 سال از مرگ مؤلفی که دارای این نوع سبک شعری بوده است گذشته است. البته قانون حمایت از حقوق مؤلفان، مصنفان و هنرمندان در ایران، مصوب 1348، 30 سال پس مرگ پدیدآور (یا آخرین پدیدآور برای آثار دارای چند پدیدآور) را برای بهربرداری از حقوق مادی درنظر گرفته است، و پس از آن اثر مورد نظر به حوزة عمومی تعلق خواهد داشت (https://rc.majlis.ir/fa/law/show/96427).

[21]. package