یادگیری ماشینی تولیدی قرار بود خلاقیت درونی ما را بیدار کند. اما در عوض، به دستگاه دفع زباله‌های فرهنگی ما تبدیل شد. به عصر خلاصه‌سازی خوش آمدید.
در آغاز کارهای تولیدی هوش مصنوعی (تقریباً دو سال پیش)، ما به سمت ChatGPT هجوم آوردیم تا همه چیز را بیشتر بپسندیم: هایکوهای خنده‌دار، سونات‌های شکسپیری و صحنه‌های سریال “ساینفیلد”. هوش مصنوعی تولیدی وعده تولید بی‌پایان را داد و ما هم بدون تأمل، برای تولید محتوای بیشتر از آن استفاده کردیم تا چیزها را در چشم بر هم زدنی خلق کنیم.
اما از این خیلی زود خسته شدیم و هدف جدید و کاملاً متفاوتی پیدا کردیم: استفاده از هوش مصنوعی تولیدی برای فشرده‌سازی و ساده‌تر کردن چیزهایی که از قبل وجود داشتند. دیگر در عصر خلاقیت زندگی نمی‌کنیم، بلکه در عصر خلاصه‌سازی هستیم. می‌توان نسبت به این تحولات با شک نگاه کرد: آنچه که فعلاً از ابزارهای هوش مصنوعی دریافت می‌کنیم (که هنوز پتانسیل‌های خلاقانه‌شان را نشان نداده‌اند) همین است. اما شاید این ابزارها فقط به خواسته‌های انسان‌ها پاسخ می‌دهند. هرچه بیشتر محتوای دیجیتال تولید می‌کنیم، تمایل داریم که هرچه زودتر آن‌ها را مصرف کنیم. این داستان به خیلی قبل از شناخته‌شدن مدل‌های بزرگ زبانی (BDM) برمی‌گردد.
همه چیز با وبلاگ‌نویسانی آغاز شد که شیره‌ی مقالات بلند روزنامه‌ها را کشیده و فقط قسمت‌های شیرین و سرگرم‌کننده آن‌ها را باقی گذاشتند. (این روزها آن وبلاگ‌ها فقط کمی بیشتر از یک عکس و عنوان در اینستاگرام هستند.) اینترنت به‌سرعت هم آسان‌تر و هم سریع‌تر قابل‌استفاده شد. یوتیوب به ویدیوهای طولانی بخش‌ها و خلاصه‌هایی اضافه کرد و جستجوی گوگل شما را مستقیماً به بخش مورد نظر ویدیو هدایت می‌کند. علاقه به پادکست‌ها افزایش یافت و گزینه‌هایی برای گوش‌دادن به آن‌ها در سرعت‌های 1.2x، 1.5x و حتی 3.5x مورد توجه قرار گرفت. کمپانی‌های موسیقی نسخه‌های تندتری از آهنگ‌های پاپ را منتشر می‌کنند، نسخه‌هایی که برای اشتراک‌گذاری در شبکه‌های اجتماعی که محدوده توجه مخاطب را می‌سنجند، ایده‌آل است. برخی تولیدکنندگان محتوای تیک‌تاک یک قدم جلوتر رفته‌اند: خلاصه‌ای از یک فیلم سینمایی کامل را در یک کلیپ دو دقیقه‌ای نمایش می‌دهند. بهترین پست در لینکدین؟ باز هم یک خلاصه.
ابزارهای دیجیتال تولید رسانه را سریع‌تر کرده‌اند و اینترنت نیز انتشار آن‌ها را تسهیل کرده است. اما به جای اینکه واقعاً به تمام این نوشته‌ها، ویدیوها، پادکست‌ها و غیره توجه کنیم، فقط «میان‌وعده‌های محتوایی» مصرف می‌کنیم. ما از همه چیز در بوفه کلمات، تصاویر و صداها می‌چشیم، اما هیچ‌کدام به‌طور کامل مزه‌ای در ذهنمان به‌جا نمی‌گذارند.
اکنون مدل‌های بزرگ زبانی این وضعیت را خودکار کرده‌اند و می‌توانند در هر حوزه‌ای سریع‌تر، کم‌هزینه‌تر و در برخی موارد بهتر از انسان‌ها خلاصه‌سازی کنند. به گفته AlphaSense، اصطلاح «خلاصه‌سازی با هوش مصنوعی» در سال 2022 در 33 نشست اعلام سود شرکتی استفاده شد. این تعداد در سال 2023 و نیمه اول سال 2024 به 289 نشست اعلام سود و 1075 اطلاعیه مطبوعاتی شرکتی افزایش یافت.
اکنون Zoom می‌تواند جلسات شما را خلاصه کند، Microsoft می‌تواند جداول اکسل و اسناد ورد شما را فشرده کند و به‌زودی Apple همین کار را برای ایمیل‌ها و یادداشت‌هایتان انجام خواهد داد. Adobe هر PDFی را خلاصه می‌کند و هر داده‌ای را به جدول تبدیل می‌کند، و Canva ارائه‌های برندتان را به اسلایدهای کوتاه و مختصر تبدیل می‌کند. آمازون هزاران نظر محصول را خلاصه کرده و به لیستی از مزایا و معایب تبدیل می‌کند. گوگل، بینگ، Anthropic و Perplexity همگی اطلاعات وب‌سایت‌ها را خلاصه کرده و به خوانندگان بالقوه مسیر مطالعه اصلی را مسدود می‌کنند. (وبلاگ‌نویس جای روزنامه‌نگار را گرفته بود، اکنون هوش مصنوعی جای وبلاگ‌نویس را گرفته است.) لینکدین گزینه‌ای ارائه می‌دهد که هر نوشته‌ای را در جریان شما خلاصه می‌کند تا حتی نیازی به خواندن خلاصه پست‌های دیگران نیز نباشد.
از یک زاویه، خلاصه‌ها به ما بهره‌وری لازم را می‌دهند و از غرق‌شدن در دریای محتوای بی‌پایان جلوگیری می‌کنند. اما وقتی هوش مصنوعی را به‌عنوان الگوریتمی برای فشرده‌سازی فرهنگ‌ها به‌کار می‌بریم، چیزی ناگزیر در خلاصه‌ها از دست می‌رود. زمانی که CDها معرفی شدند، به‌عنوان نسخه‌های دیجیتال کامل موسیقی تبلیغ شدند. اما این نسخه‌های دیجیتال، تفسیری از موسیقی توسط مهندسان بودند: صدای خاص یک خواننده یا ضربه درام منحصر‌به‌فرد در نظر گرفته نشده و فرکانس‌های پیچیده به کدهای ساده تقلیل یافتند. سال‌ها بعد، همگی دریافتیم که صفحه‌های گرامافون به نسخه اصلی نزدیک‌ترند. به همین ترتیب، خلاصه‌های GPT (و دیگر تکنولوژی‌های خلاصه‌سازی) ما را از صدای خودمان، حس طنزمان، منطقمان و ظرافت‌های اندیشه انسانی محروم می‌کنند.
صرفه‌جویی در وقت و حذف اضافات، به‌ویژه اگر ما را از صفحه نمایش دور کند، هیچ اشکالی ندارد. از سوی دیگر، درباره اعتیادآور بودن تعامل دیجیتال تحقیقاتی انجام شده است – یا شاید فقط خلاصه‌ای از این تحقیقات را خوانده‌ایم. جوانان برخی روزها تا نه ساعت مقابل صفحه نمایش هستند. این بهره‌وری به ما کمک کرده است تا زمان به‌دست‌آمده را برای مصرف بیشتر محتوا صرف کنیم. افزون بر این، رسانه‌ای که خلاصه می‌کنیم دارای محتوایی پیچیده و مغذی است، بنابراین در این دقایق اضافی فقط کالری بی‌ارزش دریافت می‌کنیم.
تا کی؟ تا چه حد باید به مقاله‌های پیشنهادی Perplexity یا Google اعتماد کنیم تا دیگر علاقه‌ای به منبع اصلی نداشته باشیم؟ چند خلاصه از جلسات را باید بخوانیم تا به نقطه‌ای برسیم که حضور در جلسات غیرضروری به‌نظر برسد؟ آیا تصمیم می‌گیریم که از طرح داستانی سطحی عبور کنیم و تلاش برای شخصیت‌پردازی و پیچیدگی را اتلاف وقت بدانیم؟
این خلاصه‌سازی بزرگ در بلندمدت به چه معنا خواهد بود؟ آیا روزنامه‌نگاران نوشته‌هایشان را برای موتورهای جستجو خواهند نوشت؟ آیا فیلم‌ها فقط یک تیک‌تاک خواهند شد؟ آیا ترانه‌ها فقط یک بیت و یک کوروس خواهند داشت؟ آیا تمام هنرمندان فقط برای تأمین محتوای خلاصه‌های بعدی هوش مصنوعی فعالیت خواهند کرد؟
تنها چیزی که می‌دانم این است که هیچ‌کس به گوش‌دادن پادکست در سرعت 1x باز نخواهد گشت. هرچه بیشتر ذهنمان را مجبور به رقابت با ظرفیت بی‌پایان ماشین‌ها می‌کنیم، سریع‌تر حرکت می‌کنیم. و از خود می‌پرسیم که چگونه زمانی این‌قدر آهسته زندگی می‌کردیم.
حرف آخر: از ChatGPT خواستیم این مقاله را خلاصه کند. نتیجه چنین بود:
این مقاله بررسی می‌کند که چگونه هوش مصنوعی تولیدی ابتدا یک روح خلاقانه به زندگی ما آورد و سپس به ابزاری برای خلاصه‌سازی گسترده رسانه‌ها تبدیل شد. برای دسترسی سریع‌تر به محتوا، نگرانی‌هایی درباره از بین رفتن عمق و ظرافت به وجود آمده است. نقش هوش مصنوعی در کارایی دیجیتال، بر رابطه انسان‌ها با اطلاعات و همچنین تأثیرات فرهنگی آن پرسش‌هایی را مطرح می‌کند.
