Как создать "книжный конвейер" без человека

Зачем вообще поднимать тему полной автоматизации?

Потому что, человек любящий читать и который видит как нейро-книги засоряют витрину самиздат площадок, так или иначе задумывался об "автоматических книгах". Как человек, который изучает искусственный интеллект изнутри, я хочу показать вам реальность внутри нейрона машины. Технически мы уже стоим на пороге момента, когда человек в цепочке производства текста становится наблюдателем.

Представьте себе идеальный конвейер, где от первого промта до готовой аудиокниги не притрагивается ни один палец. Давайте разберем, как это устроено в теории.

Если собрать вместе несколько существующих технологий, получится полностью автономный завод по производству "бестселлеров" :

1. Идея и сюжет 
Запускаем скрипт, который связывается с мощной языковой моделью. Модели выдается четкая задача: "Нужно ромфант-трилогия на 240к знаков. Сделай карточки персонажей, продумай конфликт, выстрой сюжетные арки". Через пару минут структура готова на несколько томов вперед.

2. Написание текста (основная модель, которая смотрит за работой других ИИ в цепочке)
Скрипт делит сюжет на 50 глав и начинает поочередно скармливать их нейросети. Модель пишет главу за главой. Опираясь на то, что произошло в предыдущей части и текст льется в БД непрерывным потоком.

3. Редактура и склейка 
Следующий алгоритм вычитывает готовый массив. Он ищет логические дыры. Если найден косяк, то скрипт сам заставляет нейросеть переписать проблемный кусок и собирает всё в единый файл.

4. Обложка и картинки
Следящая модель выдергивает ключевые теги из синопсиса и отправляет запрос в генератор изображений. Пару секунд и готова обложка. Автоматический графический редактор сверху добавляет сгенерированное название.

5. Озвучка
Готовый файл тут же улетает в ТТS. Модель сама распределяет роли, выбирает мужские и женские голоса, расставляет паузы, эмоции и выдает вам на выходе готовый аудиоспектакль.

6. Публикация и маркетинг
Автоматический бот пишет аннотацию, генерирует теги, выкладывает книгу на платформу, штампует анонсы в соцсетях и даже отвечает на комментарии читателей от лица автора.

В перспективе, человек будет устанавливать нейросеть на компьютер и модель будет делать все по инструкции и четко следовать плану без погрешностей. Как следствие будут хорошие книги с продуманным миром не хуже чем у мировых хитов. Однако, это все, возможно ждет нас в будущем, по крайней мере мы стремимся к этому в катастрофичной прогрессии. На данный момент существуют 3 ИИ гиганта: Claude, GPTchat, Gemini. Эти модели имеют огромную базу данных и тонны скормленных токенов на обучение. И даже сейчас они хорошо справляются со своей задачей, например модель с которой я активно взаимодействую в учебе - Gemini 4 Argon - эта модель может держать до 1 млн токенов для обработки без колоссальных потерь и путаницы данных. С такой моделью можно написать без сильно видных погрешностей произведение на 5 а.л. С другими моделями похожая история, может только генерация контента, но в этой статье я не буду говорить про их разницу на предсказательном уровне. То что было описано выше, лишь самый идеальный расклад для ИИ. В реальности все намного хуже и вот почему:

Какая бы не была модель на данный момент, то что скормило человечество для ее обучения слишком мало, чтобы нейросеть могла выстроить действительно "Мировой хит". В изучении модели Gemini 4 Argon мне приходилось разбирать его построение нейрона и связей с соседями ( Аля нейроны в нашей голове), и проще говоря, машина работает с числами и просто перемножает вероятность от -1 до 0 или от 0 до 1. Вот как это выглядит:

Проще говоря, на фото представлен 1 нейрон и то как он обрабатывает информацию: 1 слой делает первую сырую обработку, после чего передает данные во 2 в котором исправляются недочеты, после чего ии выбирает самый высокий по вероятности ответ. Таким образом ИИ и выдает слово за слово, каждый токен он выбирает по вероятности перемножая их друг на друга. Чтобы вы понимали масштаб более сложных моделей:

Чем больше слоёв для обработки - тем более точный ответ ИИ. Однако предсказания зависят от достоверности данных предоставленные для обучения модели.

Возвращаясь к написанию ИИ книг, сейчас у нейросетей слишком мало информации для обработки и обучения, если скормить все статьи, книги и т.д. разом, то ИИ не сможет придумать что-то из ничего. Написание ИИ книгой это своего рода мини плагиат другой. Конечно и человек тоже может быть этим грешен, но мозг слишком многогранный и не изучен на 100%. Память у человека по своей сути больше чем у машины, так как память ИИ напрямую зависит от центра с базой данных где и работают нейроны ИИ. Чем меньше БД - тем меньше память, и как следствие ИИ тупой. Мозг человека гибок и способен придумывать то чего раньше не было за счет нейронных связей, чувств, эмоций. И каждая связка работает друг на друга и куда масштабнее чем то что показано на картинках выше. Машине невозможно приделать эмоции или что-то похожее на них. Можно написать код где нейронка будет выдавать эмоцию по описанию, но опять же это будет лишь вероятность множителей. Надеюсь вы чуть лучше стали понимать почему ИИ книги такие странные и одинаковые. Машина не может удержать внимание на деталях и крючках в книге просто потому что переменная с этим значением давно потерялась в куче слоев перемноженных друг на друга, так же по этой причине ИИ может путать имена и оживлять мертвых героев. 

Сейчас книги ИИ книги выглядят как безэмоциональная логическая дыра и с этим никто не поспорит. С такой динамикой так будет еще как минимум лет 5, конечно если не произойдет резкое открытие в этой области.

Главный вывод 

ИИ - сильный инструмент для анализа данных и не более. Использование ИИ в книге для картинок, анализа произведений, или на край голосовой ввод с промтом на то что ИИ ничего не будет добавлять, а просто оформит речь в красивую главу - приемлемо, однако, последний пример стоит учитывать если человек сам отредактирует что написал ИИ, так как нейросеть грешна излишним описаниям. ИИ книги в ближайшие лет 15 не сможет конкурировать с живой человеческой.

Как пример почему даже ИИ гигантам доверять не стоит:

Я залила свой текст и сказала найти фактические ошибки и вот какой итог:

Поменяла модель рассуждений:

Это ответы gemini, а GPT выдал в 7 из 10 случаев подтвердил существование Argon, в прочем, этого мало для разговоров о том что ИИ сейчас гениален. 

Мы еще очень далеко от конвейера ИИ-книг...

Важное примечание, я старалась писать статью на максимально понятном языке для людей которые вообще не знакомы с этой темой! 

Вот мы и подошли к концу статьи, надеюсь она вам была полезна с точки зрения понимания работы нейросети и того что нас может ждать в наихудшем варианте будущего!