مؤلف پس از ماشین
امضا، پاسخ‌گویی و جای انسان در نظام‌های دانش
این رویداد بخشی از نمایش امکانات لرالینک برای برگزاری رویدادهای دانشی است. محتوای آن با دقت و بر پایهٔ منابع واقعی نوشته شده، اما همایش هنوز برگزار نشده است و شرکت‌کنندگانش، جز دبیر همایش، شخصیت‌هایی ساختگی‌اند.
در فوریهٔ ۱۹۶۹ میشل فوکو در انجمن فلسفهٔ فرانسه پرسشی ساده و دشوار را پیش کشید: مؤلف چیست؟ پاسخش این بود که مؤلف شخصی نیست که پشت متن پنهان شده باشد؛ «کارکردی» است که جامعه به برخی گفتارها می‌بخشد. نامی که متن‌ها را گرد هم می‌آورد، آن‌ها را از متن‌های دیگر جدا می‌کند و کسی را در برابرشان پاسخ‌گو می‌داند. دو سال پیش‌تر رولان بارت مرگ مؤلف را اعلام کرده بود تا خواننده زاده شود. اکنون، نیم قرن بعد، در برابر ماشینی ایستاده‌ایم که بی‌وقفه متن می‌سازد و هیچ‌کس پشتش نیست. پرسش فوکو دیگر تمرینی نظری نیست. پرسشی مهندسی و سیاسی است.
متن ارزان، امضای گران
وقتی ساختن متن تقریباً رایگان می‌شود، ارزش از متن به امضا کوچ می‌کند. امضا یعنی کسی هست که می‌توان از او پرسید چرا این را نوشتی، از کجا می‌دانی، و اگر خطا کردی چه خواهی کرد. کمیتهٔ اخلاق نشر در فوریهٔ ۲۰۲۳ همین را به زبان اداری گفت: ابزار هوش مصنوعی نمی‌تواند مؤلف باشد، چون نمی‌تواند مسئولیت اثر را بپذیرد. این حکم درست است، ولی کافی نیست. گرفتاری ما فقط این نیست که نام ماشین در فهرست مؤلفان نیاید. گرفتاری این است که متن‌های بی‌نام و بی‌تاریخ و بی‌نسخه چنان در گردش‌اند که دیگر نمی‌دانیم کدام جمله را چه کسی، کی و با چه پشتوانه‌ای گفته است.
امیلی بندر، تیمنیت گبرو و همکارانشان در ۲۰۲۱ مدل‌های زبانی بزرگ را «طوطی‌های تصادفی» نامیدند: دستگاه‌هایی که صورت‌های زبانی را بی‌ارجاع به معنا به هم می‌دوزند. این تعبیر را از سوی دیگر هم می‌توان خواند. اگر ماشین صورت را بی‌معنا می‌سازد، پس معنا آن‌جاست که کسی برایش پاسخ می‌دهد. دانش پیش از آنکه انبوهی از جمله باشد، شبکه‌ای از تعهد است.
دانشگاه و وسوسهٔ برون‌سپاری
نهادهای سنتی دانش بر فرضی ساده بنا شده بودند: نوشتن دشوار است، پس متنِ نوشته‌شده نشانهٔ کار است. مقاله نشانهٔ پژوهش بود، رساله نشانهٔ سال‌ها خواندن، و تکلیف درسی نشانهٔ فهم. این زنجیرهٔ نشانه‌ها گسسته است. دانشگاهی که ارزیابی‌اش را بر شمار مقاله‌ها گذاشته، اکنون زیر سیلی از متن مانده که هیچ چیز را نشان نمی‌دهد. پاسخ اداری، یعنی نرم‌افزارهای تشخیص متن ماشینی، هم ناکام بوده و هم ستمگر. پژوهش لیانگ و همکارانش در ۲۰۲۳ نشان داد این ابزارها نوشته‌های کسانی را که به زبان دوم می‌نویسند بسیار بیشتر از دیگران ماشینی می‌شمارند. یعنی باز همان کسانی متهم می‌شوند که از پیش در حاشیه بودند.
بسیاری از دانشگاه‌ها به امتحان حضوری و کاغذ و قلم بازگشته‌اند. این عقب‌نشینی است، نه پاسخ. پرسش اصلی دست‌نخورده می‌ماند: اگر متن دیگر گواه کار نیست، گواه کار چیست؟ گمان من این است که گواه، فرایند است: پیش‌نویس‌ها، بازنگری‌ها، گفت‌وگو با استاد و همتا، و رد پای تصمیم‌هایی که نویسنده گرفته است. دانشگاهی که فقط محصول نهایی را می‌سنجد، داوطلبانه خود را به ماشین واگذار کرده است.
اقتدارگرایی از همین گسست سود می‌برد. وقتی نمی‌توان گفت چه کسی چه گفته، هر ادعایی هم‌وزن ادعای دیگر می‌شود و آنکه بلندگوی بزرگ‌تری دارد می‌برد. سیل متنِ بی‌صاحب پیش از هر کس به کار قدرتی می‌آید که هیچ‌گاه مسئولیت نمی‌پذیرد.
معماری پاسخ‌گویی
سنت نسخه‌نویسی فارسی برای این مسئله پاسخی کهن داشت. کاتب در انجامهٔ هر دست‌نوشته نام خود، تاریخ و جای کتابت، و گاه نسخه‌ای را که از رویش نوشته بود ثبت می‌کرد. هر نسخه‌ای می‌دانست از کجا آمده است، و مصحّح امروز به یاری همین انجامه‌هاست که می‌تواند تبار متن را بازسازی کند و دستکاری را از اصل جدا کند. ما در عصر چاپ و سپس در عصر وب این عادت را فراموش کردیم، چون تکثیر ارزان بود و اعتماد را به ناشر سپردیم. اکنون که ساختن متن هم ارزان شده، به انجامه نیاز داریم؛ این بار برای هر جمله و هر ترجمه.
پیشنهاد من بازگشت به مؤلف رمانتیک، آن نابغهٔ تنها، نیست. پیشنهاد من یک معماری است: نظامی برای دانش که هر متن را به کسانی که برایش پاسخ می‌دهند گره بزند، هر تغییر را نسخه‌بندی کند، و کار ماشین را، اگر در کار است، با نام و تاریخ کنار کار انسان بنشاند و نه به جای آن. در چارچوب دانش ناوابسته به زبان این اصل یک گام جلوتر می‌رود. ترجمهٔ یک متن، صورت دیگری از همان شیء دانشی است و مترجمش هم امضا دارد. ماشین پیشنهاد می‌دهد؛ تصمیم و امضا با انسان می‌ماند.
مؤلف نمرده است. فقط جایش عوض شده: از پشت متن به کنار آن، جایی که می‌توان پیدایش کرد و از او پرسید.
پرسش‌های بحث
- اگر امضا معیار ارزش شود، با دانش جمعی و بی‌نام سنت‌های شفاهی و مردمی چه باید کرد؟
- آیا ثبت منشأ و نسخه‌بندی خود به ابزاری برای پاییدن نویسندگان بدل نمی‌شود؟
- دانشگاهی که دیگر نمی‌تواند متن را گواه کار بداند، چه چیزی را باید بسنجد؟
منابع
Foucault, Michel. 1969. “Qu’est-ce qu’un auteur ?” Bulletin de la Société française de philosophie 63 (3): 73–104.
Barthes, Roland. 1967. “The Death of the Author.” Aspen, no. 5–6.
Bender, Emily M., Timnit Gebru, Angelina McMillan-Major, and Shmargaret Shmitchell. 2021. “On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?” In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’21), 610–623.
Liang, Weixin, Mert Yuksekgonul, Yining Mao, Eric Wu, and James Zou. 2023. “GPT Detectors Are Biased against Non-Native English Writers.” Patterns 4 (7): 100779.
Committee on Publication Ethics (COPE). 2023. “Authorship and AI Tools.” COPE position statement, 13 February 2023.