تألیف انسانی در عصر هوش مصنوعی

تفسیر کارشناسی توسط لیلی، رئیس بخش نویسندگان PapersOwl

کارشناس امروز، لیلی، صنعت نگارش آکادمیک را از هر زاویه ممکن دیده است. او می‌داند چگونه یک کار لحظه آخری را تکمیل کند و یک استدلال بی‌نقص و خوب پشتیبانی شده برای یک محقق ارشد ایجاد کند. صدها نفر اکنون از او به خاطر مربی نویسندگی‌شان و تعیین سرعت موفقیت‌شان به عنوان نویسنده سپاسگزارند. بنابراین، او ریتم دنیای محتوای آکادمیک را بهتر از هر کس دیگری درک می‌کند و ما هیجان‌زده‌ایم که چشم‌انداز او از رونق هوش مصنوعی را به اشتراک بگذاریم.

زمانی که هوش مصنوعی تازه شروع به جلب توجه کرده بود، بسیاری از تیم‌ها معتقد بودند که نگارش آکادمیک یک حوزه باقی خواهد ماند که در آن کیفیت برتری خواهد داشت.

"نظر من این است که این فرض به سرعت شکسته خواهد شد،" لیلی بیان می‌کند. "نگارش آکادمیک درباره پاسخگویی است، نه فقط وسیله‌ای برای کسب نمره."

بدون تردید، او تغییر بازار را می‌پذیرد. ابزارهای هوش مصنوعی اکنون به طور گسترده برای وظایف اساسی مانند نوشتن ایمیل، خلاصه، متن بازاریابی و توضیحات محصول استفاده می‌شوند. به طور مشابه، شرکت‌ها سعی می‌کنند ویژگی‌های هوش مصنوعی را به همه چیز اضافه کنند، از پشتیبانی مشتری تا داشبوردهای تحلیلی. مطمئناً، این در بسیاری از زمینه‌ها منطقی است، اما نگارش آکادمیک متفاوت است.

ارزش پاسخگویی در نگارش آکادمیک

در حوزه آموزشی، اهمیت در تعداد کلمات نوشته شده نیست. آنچه ضروری است این است که آیا نویسنده می‌تواند هر ادعا را توجیه کند، هر انتخاب را توضیح دهد و نشان دهد که استدلال منصفانه و بررسی شده است. این یک اصل اساسی برای شرکت خدمات نگارش ما است.

"نوشتن یک راه پایه و واقعی برای نشان دادن تفکر شماست،" او اضافه می‌کند. "در کار آکادمیک، تفکر باید قابل مشاهده، قابل ردیابی و صادقانه باشد."

لیلی همچنین نگارش آکادمیک را به عنوان مسیری از نویسنده به خواننده توصیف می‌کند. در واقع، خواننده فقط به دنبال یک توضیح مرتب نیست. در عوض، آن‌ها انتظار منطق، شواهد و یکپارچگی فکری دارند. به همین دلیل است که هویت نویسنده در هر اثر آکادمیک اهمیت دارد — این شفافیت را تضمین می‌کند و اعتماد را با خواننده ایجاد می‌کند.

"وقتی یک متن می‌گوید 'این تحقیق نشان می‌دهد'، کسی باید بتواند پاسخ دهد: کدام تحقیق؟ تحت چه شرایطی؟ با چه محدودیت‌هایی؟ و چرا این تفسیر توجیه‌پذیر است؟" او می‌گوید. "یک ابزار نمی‌تواند پاسخگو باشد. یک شخص می‌تواند."

متن روان همان استدلال قابل اعتماد نیست

"هوش مصنوعی مولد در تولید زبان قابل قبول عالی است،" او مشاهده می‌کند. "این می‌تواند آن را برای طوفان فکری، سازماندهی یا صیقل دادن مفید کند. اما قابل قبول بودن یک استاندارد تحقیقاتی در PapersOwl نیست."

لیلی فکر می‌کند نگارش آکادمیک همه چیز درباره انجام انتخاب‌های متفکرانه بر اساس درک عمیق از موضوع است. این درست است — نویسنده باید مراقب باشد تا بین همبستگی و علیت تمایز قائل شود، از اغراق در یافته‌ها اجتناب کند و هنگامی که شواهد ضعیف است از زبان محتاطانه استفاده کند. بالاتر از همه، همه چیز درباره صادق بودن و شفاف بودن با خواننده است.

"یک پاراگراف آکادمیک قوی اغلب شامل خویشتن‌داری است،" لیلی تأیید می‌کند. "این به خواننده می‌گوید که شواهد از چه چیزی پشتیبانی می‌کنند و از چه چیزی نه. این یک مهارت قضاوت است که هوش مصنوعی در مقایسه با انسان فاقد آن است. خب، اکثر انسان‌ها، هاها."

علاوه بر این، او به یک حالت شکست استاندارد اشاره می‌کند. موضوع این است: هوش مصنوعی طوری ساخته شده که خودمطمئن به نظر برسد حتی اگر اشتباه باشد. علاوه بر این، مدل می‌داند که نگارش آکادمیک همه چیز درباره رسمی بودن است. با این حال، رسمی بودن اثبات نیست. اگر شما شیفته لحن مطمئن هوش مصنوعی همراه با شواهد ضعیف شوید، متن شما یک پرچم قرمز بزرگ برای خواننده خواهد بود.

استنادات و منابع تزئین نیستند

لیلی یک بار دیگر بر اهمیت منابع قابل اعتماد اصرار می‌ورزد، زیرا آن‌ها ستون فقرات هر کار معتبر هستند. او معتقد است که استنادات اسکلت استدلال هستند، زیرا آن‌ها یک مسیر قابل اعتماد از شواهد ارائه می‌دهند.

"وقتی مردم می‌گویند، 'هوش مصنوعی می‌تواند مقاله من را بنویسد'، آنچه اغلب منظورشان است این است که هوش مصنوعی می‌تواند پاراگراف‌هایی تولید کند که شبیه یک مقاله به نظر می‌رسند،" او اشاره می‌کند. "اما یک مقاله واقعی فقط مجموعه‌ای از پاراگراف‌ها نیست. این یک زنجیره از شواهد است."

پس از آن، کارشناس ما توضیح می‌دهد که نویسندگان در PapersOwl واقعاً چگونه کار می‌کنند و کجا انرژی خود را متمرکز می‌کنند. برای شروع، آن‌ها به دنبال منابع اولیه و ثانویه می‌گردند. آن‌ها همچنین تعاریف را جمع‌آوری می‌کنند و ناسازگاری‌ها را تشخیص می‌دهند تا از تحریف حقایق جلوگیری کنند. این کار قابل توجهی است، اما چنین سطحی از جزئیات اکنون در دنیای آکادمیک ضروری است. اگر خوانندگان هر تناقضی را تشخیص دهند، آن‌ها بلافاصله این متن را به پوشه هوش مصنوعی می‌فرستند.

نویسندگان انسانی می‌دانند که استنادات فقط یک کادر برای بررسی نمره نیستند — آن‌ها یک نشان اعتبار هستند. از طرف دیگر، ما هوش مصنوعی داریم که هنوز نمی‌تواند بین منبعی که واقعاً برای موضوع مرکزی است و منبعی که فقط به طور مماسی مرتبط است تمایز قائل شود.

"شما برای آن به زمینه نیاز دارید،" لیلی می‌گوید. "زمینه از خواندن و درک می‌آید، نه از پیش‌بینی جمله بعدی."

صداقت یک فرایند است، نه یک قول

لیلی اظهار می‌کند که نگارش آکادمیک خوب از طریق نقاط بازرسی خاص در PapersOwl ساخته می‌شود. تنها به این روش دانش‌آموز می‌تواند از مثال خود با اطمینان برای ادغام آن در کار نهایی استفاده کند.

همیشه کارها با تعریف محدوده شروع می‌شود:

• چه نوع مقاله‌ای است؟

• چه ادعاهایی مجاز هستند؟

• چه چیزی به عنوان شواهد قابل قبول به حساب می‌آید؟

• سطح آکادمیک مورد انتظار چیست؟

سپس تحقیق می‌آید: نویسنده زود منابع را جمع‌آوری می‌کند و یادداشت‌هایی نگه می‌دارد که به وضوح شواهد محکم را از تفاسیر خودشان جدا می‌کند. به این ترتیب، آن‌ها ایده‌ای را که درست به نظر می‌رسد اما کاملاً پشتیبانی نشده است تکرار نمی‌کنند (یک اشتباه رایج هوش مصنوعی، راستش).

بعدی پیش‌نویس است: نویسنده یک استدلال را به کلمات خودش می‌آورد. این مرحله مهم است زیرا نویسنده اکنون باید با هر شکاف در استدلال خود مواجه شود. اگر نمی‌توانید چیزی را برای یک کودک 5 ساله توضیح دهید، اغلب به این معنی است که هنوز آن را به طور کامل درک نکرده‌اید.

در نهایت، بازبینی: خواننده غیردرگیر بررسی می‌کند که آیا هر ادعا پشتیبانی می‌شود، استدلال‌های مخالف به طور منصفانه پرداخته می‌شوند و زبان واضح و دقیق است. به زبان ساده، هدف فقط حذف خطاها نیست بلکه اطمینان از اینکه خواننده هدف گمراه نخواهد شد.

چرا نگارش آکادمیک یک مورد خاص برای هوش مصنوعی است؟

لیلی سریع اشاره می‌کند که بسیاری از شرکت‌ها هنوز به طور اساسی این موضوع را اشتباه می‌فهمند. آن‌ها با نگارش آکادمیک مانند محتوای بازاریابی با استنادات رفتار می‌کنند. جای تعجب نیست که چنین رویکردی به تصمیمات معیوب منجر می‌شود. آنچه درست است این است که نگارش آکادمیک یک رشته با هنجارها و دستورالعمل‌های خاص است. 

او همچنین اشاره می‌کند که چرا این فضا چنین آهنربایی برای محصولات هوش مصنوعی شده است. این یکی از معدود حوزه‌هایی است که تقاضا ثابت است، مهلت‌ها غیرقابل مذاکره هستند و کاربران به راحتی قابل دسترسی هستند. به همین دلیل است که بسیاری از ابزارهای هوش مصنوعی دسترسی رایگان یا طرح‌های سخاوتمندانه دانشجویی ارائه می‌دهند. آن‌ها دانش‌آموزان را به عنوان سریع‌ترین مسیر برای پذیرش و مخاطبان پرداخت‌کننده آینده می‌بینند. و داده‌های اخیر نشان می‌دهد که پذیرش از قبل نزدیک به جهانی است، با پذیرش هوش مصنوعی در میان دانش‌آموزان از 66% در 2024 به 92% در 2025 افزایش یافته است

او حوزه‌های با خطر بالا را که در آن یک رویکرد معمولی معمولاً شکست می‌خورد تقسیم می‌کند:

• تله تاییدیه. یک خواننده می‌تواند به راحتی منابع را بررسی کند. اگر یک استناد اشتباه باشد، بلافاصله به اعتبار کل مقاله آسیب می‌رساند. اکثر اساتید حتی زحمت خواندن بقیه مقاله را نمی‌کشند اگر چند منبع اول درست نباشد.

• خطر ساده‌سازی بیش از حد. موضوعات آکادمیک به ندرت سیاه و سفید هستند؛ آن‌ها پر از تعاریف مورد مناقشه و مناطق خاکستری اخلاقی هستند. یک ساده‌سازی معمولی می‌تواند به یک منبع بالقوه اطلاعات نادرست تبدیل شود.

• میله اصالت. یک مقاله بر اساس اینکه چقدر "حرفه‌ای" یا "شیک" به نظر می‌رسد قضاوت نمی‌شود. بر اساس ترکیب قضاوت می‌شود — اینکه نویسنده چقدر خوب نقاط را به هم متصل می‌کند تا یک دیدگاه منسجم و جدید شکل دهد.

• عامل پاسخگویی. با اینکه اکثر مؤسسات اکنون افشای کامل هر ابزاری که استفاده می‌شود را الزامی کرده‌اند، شبکه ایمنی از بین رفته است. حتی اگر از یک ابزار برای کمک استفاده کنید، نامی که در جلوی مقاله است همان است که برای هر کلمه و ادعا مسئول شناخته می‌شود.

با افزایش هوش مصنوعی، مؤسسات و مربیان بیشتری افشای کامل ابزارهای استفاده شده در تولید مقاله را الزامی می‌کنند، و بسیاری نیز بر ابزارهای تشخیص هوش مصنوعی تکیه می‌کنند. این مسئولیت بیشتری برای نتیجه بر صداقت دانش‌آموز و مبارزه با سرقت ادبی قرار می‌دهد.

"هوش مصنوعی می‌تواند بخشی از جعبه ابزار باشد،" لیلی اشاره می‌کند. "اما نمی‌تواند نویسنده باشد. نگارش آکادمیک به یک ذهن پاسخگو در پشت آن نیاز دارد." 

مورد تجاری برای نویسندگی انسانی

ما همچنین پرسیدیم که چرا شرکت‌ها باید اهمیت دهند، و لیلی با خطرات شروع کرد.

"اگر سازمان شما مطالب به سبک آکادمیک منتشر می‌کند، شما نام خود را در کنار ادعاهایی قرار می‌دهید که شخصی به آن تکیه خواهد کرد،" او اشاره می‌کند. "این می‌تواند بر تصمیمات، نمرات، بودجه یا شهرت کسی تأثیر بگذارد."

نویسندگی انسانی خطرات را کاهش می‌دهد. برای مثال، با گذشت زمان، یک نویسنده انسانی ماهر یاد می‌گیرد که کدام نوع شواهد قانع‌کننده است، کدام نوع ادعاها انتقاد را دعوت می‌کنند و کدام نوع عبارات مورد را بیش از حد بیان می‌کنند.

یک راه متعادل به جلو

لیلی هوش مصنوعی را می‌پذیرد؛ او فقط معتقد نیست که جایی در گردش کار شفاف PapersOwl دارد. برای او، هوش مصنوعی نباید موتور پشت استدلال یا مسیر شواهد در کار آکادمیک باشد.

"امن‌ترین قانون ساده است،" او بیان می‌کند. "از ابزارها برای پشتیبانی زبان استفاده کنید — استدلال، منبع‌یابی و نتیجه‌گیری‌ها را برای انسان‌ها نگه دارید."

به همین دلیل است که او هنوز بر نویسندگی 100٪ انسانی اصرار دارد، که به نوبه خود شفافیت را تضمین می‌کند. این درباره گیر کردن در گذشته نیست — این درباره محافظت از آنچه نگارش آکادمیک قرار است باشد: چیزی که می‌تواند مورد سؤال قرار گیرد، دفاع شود و در نهایت، چیزی که یک شخص واقعی مایل است پشت آن بایستد.