Чому ШІ поки що не замінить великих письменників: дослідження виявило проблему з персонажами

Сучасні вели­кі мовні моде­лі вже зда­тні ство­рю­ва­ти опо­віда­н­ня, сце­нар­ні сцени й довгі текс­ти, які на рівні окре­мих абза­ців можуть зву­ча­ти ціл­ком пере­кон­ли­во. Але пере­кон­ли­ва мова ще не озна­чає пере­кон­ли­ву літе­ра­ту­ру. Нове дослі­дже­н­ня коман­ди з University of North Carolina at Chapel Hill пока­за­ло систе­ма­ти­чну різни­цю між тим, як пер­со­на­жів кон­стру­ю­ють люди і як це роблять вели­кі мовні моде­лі. Робота CASPER in the Machine: Insights into Character Variety in LLM-Generated Stories пред­став­ле­на в мате­рі­а­лах ACL 2026; окре­ма вер­сія також досту­пна як препринт. 

Одразу варто від­ки­ну­ти гучні­ше твер­дже­н­ня з вихі­дної нови­ни: дослі­дже­н­ня не дово­дить, що ней­ро­ме­ре­жі «ніко­ли не замі­нять Шекспіра» або будь-якого іншо­го вели­ко­го авто­ра. Воно вивчає зна­чно кон­кре­тні­ше пита­н­ня — наскіль­ки пер­со­на­жі в істо­рі­ях, ство­ре­них LLM, поді­бні до пер­со­на­жів у люд­ській прозі та наскіль­ки різно­ма­ні­тни­ми є ці машин­ні герої. Саме тут дослі­дни­ки зна­йшли від­мін­но­сті, які бага­то гово­рять про нині­шні межі гене­ра­тив­но­го ШІ. 

Як виміряти те, що зазвичай називають «глибиною»

Порівнювати худо­жні текс­ти скла­дні­ше, ніж точність від­по­від­ей у тесті. Не існує про­сто­го числа, яке пока­же, наскіль­ки пер­со­наж «живий», супе­ре­чли­вий або загад­ко­вий. Тому авто­ри звер­ну­ли­ся до нара­то­ло­гії — дисци­плі­ни, що дослі­джує стру­кту­ру опо­віді, — і ство­ри­ли систе­му CAspER для авто­ма­ти­зо­ва­но­го ана­лі­зу персонажів.

У робо­ті вико­ри­ста­но вісім пар кате­го­рій, запо­зи­че­них із тео­рії опо­віді. Серед них — сти­лі­за­ція, цілі­сність, скла­дність, про­зо­рість, дина­мі­чність і завер­ше­ність. Це прин­ци­по­во важли­ва деталь: систе­ма не про­сто шукає, чи є герой «добрим», «злим» або «смі­ли­вим». Вона нама­га­є­ться визна­чи­ти, як саме пер­со­наж існує все­ре­ди­ні істо­рії — наскіль­ки він зво­ди­ться до впі­зна­ва­но­го типа­жу, чи змі­ню­є­ться, чи зали­ша­є­ться вну­трі­шньо непро­зо­рим і чи отри­мує напри­кін­ці оста­то­чне пояснення. 

Дослідники сфор­му­лю­ва­ли два основ­ні питання:

1. Чи схожі пер­со­на­жі в істо­рі­ях LLM на геро­їв текс­тів, напи­са­них людьми?
2. Чи зда­тні різні мовні моде­лі ство­рю­ва­ти справ­ді різно­ма­ні­тні типи персонажів?

Для цього CAspER засто­су­ва­ли до машин­но зге­не­ро­ва­них істо­рій і нещо­дав­но опу­блі­ко­ва­ної люд­ської прози. Автори також пере­ві­ря­ли саму мето­ди­ку за різних нала­шту­вань і зістав­ля­ли авто­ма­ти­чні оцін­ки з люд­ською роз­мі­ткою, оскіль­ки літе­ра­тур­ні кате­го­рії неми­ну­че містять суб’єктивний компонент. 

Головна проблема ШІ — не просто «плоскі персонажі»

Тут вихі­дна нови­на спро­щує резуль­та­ти. Дослідження не пока­за­ло, що всі хара­кте­ри­сти­ки машин­них пер­со­на­жів гірші за люд­ські. Навпаки, за части­ною вимі­рів між кор­пу­са­ми є поді­бність, а деякі хара­кте­ри­сти­ки висо­кі і в машин­них, і в люд­ських текс­тах. Найпомітніші від­мін­но­сті сто­су­ю­ться того, як моде­лі сти­лі­зу­ють пер­со­на­жів, про­во­дять їх через зміни та закри­ва­ють їхні сюже­тні арки. 

LLM часті­ше тяжі­ють до легко впі­зна­ва­них типа­жів. Герой отри­мує зро­зумі­лу фун­кцію, про­хо­дить чита­бель­ну транс­фор­ма­цію, а напри­кін­ці його вну­трі­шній кон­флікт часто вияв­ля­є­ться розв’язаним. Для чита­ча це зру­чно: істо­рія не зали­шає бага­то робо­ти після остан­ньо­го абза­цу. Але саме ця зру­чність може роби­ти прозу передбачуваною.

Людські авто­ри часті­ше дозво­ля­ють пер­со­на­жам зали­ша­ти­ся неза­вер­ше­ни­ми. Мотив може бути не до кінця зро­зумі­лим, зміна — непо­слі­дов­ною, а супе­ре­чність — нерозв’язаною. Читач не зав­жди отри­мує оста­то­чну від­по­відь, ким насправ­ді була ця люди­на і чому вона вчи­ни­ла саме так. За пові­дом­ле­н­ням уні­вер­си­те­ту про робо­ту, саме різни­ця в збе­ре­жен­ні такої «таєм­ни­ці» стала одним із помі­тних резуль­та­тів аналізу. 

Чому «акуратний» фінал може бути слабкістю

У фун­кціо­наль­но­му текс­ті завер­ше­ність майже зав­жди кори­сна. Інструкція повин­на при­ве­сти до резуль­та­ту, поясне­н­ня — від­по­ві­сти на запи­та­н­ня, а звіт — сфор­му­лю­ва­ти висно­вок. У худо­жній літе­ра­ту­рі діють інші пра­ви­ла. Невизначеність іноді є не дефе­ктом, а самим меха­ні­змом впливу.

Сильний пер­со­наж може одно­ча­сно люби­ти й нена­ви­ді­ти, пра­гну­ти змін і сабо­ту­ва­ти їх, поясню­ва­ти вла­сні дії одні­єю при­чи­ною, тоді як читач бачить іншу. Автор не зобов’язаний роз­плу­ту­ва­ти цей вузол у фіна­лі. Саме тому деякі герої про­дов­жу­ють існу­ва­ти в куль­ту­рі після завер­ше­н­ня книги: вони не зво­дя­ться до одно­го пра­виль­но­го тлумачення.

Мовна модель, нав­па­ки, часто тяжіє до ста­ти­сти­чно прав­до­по­ді­бно­го про­дов­же­н­ня. Якщо пер­со­наж отри­мав трав­му, текст під­штов­хує його до усві­дом­ле­н­ня; якщо виник кон­флікт, з’являється спо­ку­са його розв’язати; якщо герой почав змі­ню­ва­ти­ся, фінал закрі­плює цю транс­фор­ма­цію. Окремо від CAspER інше дослі­дже­н­ня 2026 року, що ана­лі­зу­ва­ло 28 мов­них моде­лей, також пові­до­ми­ло про нижчу неви­зна­че­ність у машин­но­му твор­чо­му письмі порів­ня­но з люд­ським. Це не доказ єди­но­го уні­вер­саль­но­го меха­ні­зму, але резуль­та­ти вка­зу­ють у схо­жо­му напрямку. 

Чи допомагає більша модель

Ще один важли­вий резуль­тат сто­су­є­ться мас­шта­бу­ва­н­ня. Автори пере­ві­ря­ли, чи ста­ють пер­со­на­жі різно­ма­ні­тні­ши­ми зі збіль­ше­н­ням моде­лей. Простого пра­ви­ла «біль­ше пара­ме­трів — краща літе­ра­ту­ра» вони не вияви­ли: мас­штаб моде­лі сам по собі не гаран­ту­вав біль­шо­го різно­ма­ні­т­тя персонажів. 

Це сут­тє­ві­ше, ніж зда­є­ться. У бага­тьох зада­чах роз­ви­ток ШІ рока­ми спи­рав­ся на мас­шта­бу­ва­н­ня: біль­ше даних, біль­ше обчи­слень, скла­дні­ші моде­лі. Але худо­жня нео­дно­зна­чність може вима­га­ти не лише поту­жні­шо­го перед­ба­че­н­ня насту­пно­го фра­гмен­та текс­ту. Якщо систе­ма ста­біль­но тяжіє до впі­зна­ва­них архе­ти­пів і завер­ше­них арок, саме збіль­ше­н­ня мас­шта­бу не обов’язково при­бе­ре цю тенденцію.

Водночас тут не можна роби­ти висно­вок, ніби вчені дове­ли незда­тність алго­ри­тмів «розу­мі­ти люд­ську душу». У нау­ко­вій робо­ті тако­го екс­пе­ри­мен­ту немає. Дослідники порів­ню­ва­ли вла­сти­во­сті зге­не­ро­ва­них текс­тів, а не вимі­рю­ва­ли сві­до­мість, емпа­тію чи справ­жнє пси­хо­ло­гі­чне розу­мі­н­ня моделей. 

Чому це важливо не лише для письменників

Проблема вихо­дить за межі рома­нів. Персонажі деда­лі часті­ше гене­ру­ю­ться для відео­і­гор, інте­р­актив­них істо­рій, рольо­вих систем і пер­со­на­лі­зо­ва­них роз­ваг. Якщо різні моде­лі систе­ма­ти­чно від­тво­рю­ють схожі типи геро­їв і тяжі­ють до без­пе­чних сюже­тних рішень, масо­ве вико­ри­ста­н­ня таких систем може не роз­ши­ри­ти, а зву­зи­ти куль­тур­не різноманіття.

На це вка­зу­ють і сумі­жні робо­ти. Наприклад, дослі­дже­н­ня 2025 року на кор­пу­сі з 11 800 машин­но ство­ре­них істо­рій для 236 країн вияви­ло силь­ну стру­ктур­ну одно­рі­дність: попри поверх­не­ві куль­тур­ні мар­ке­ри, сюже­ти часто схо­ди­ли­ся до поді­бних схем при­ми­ре­н­ня, повер­не­н­ня до тра­ди­ції та ста­біль­но­сті. Це інше дослі­дже­н­ня з іншою мето­ди­кою, тому змі­шу­ва­ти його виснов­ки з CAspER не можна, але разом вони пору­шу­ють сер­йо­зне пита­н­ня про стан­дар­ти­за­цію машин­ної оповіді. 

Що насправді показало дослідження

Результати не озна­ча­ють, що ШІ не зда­тний напи­са­ти силь­ну сцену, при­ду­ма­ти незви­чай­ний образ або допо­мог­ти авто­ру з чер­не­ткою. Вони також не дово­дять, що люди зав­жди пишуть краще: люд­ська літе­ра­ту­ра пере­пов­не­на шаблон­ни­ми геро­я­ми, перед­ба­чу­ва­ни­ми арка­ми й пога­ни­ми фіналами.

Висновок точні­ший і тому ціка­ві­ший. За вико­ри­ста­ною авто­ра­ми мето­ди­кою суча­сні LLM демон­стру­ють систе­ма­ти­чні від­мін­но­сті від люд­ської прози в тому, як вони кон­стру­ю­ють пер­со­на­жів. Особливо помі­тне тяжі­н­ня до сти­лі­за­ції та завер­ше­но­сті, тоді як люд­ські текс­ти часті­ше збе­рі­га­ють неви­зна­че­ність. І збіль­ше­н­ня мас­шта­бу моде­лі саме по собі не гаран­тує, що ця різни­ця зникне. 

Тож пита­н­ня не в тому, чи може ней­ро­ме­ре­жа скла­сти роман із гра­ма­ти­чно пра­виль­них речень. Може. Значно скла­дні­ше інше: ство­ри­ти героя, якого немо­жли­во оста­то­чно поясни­ти навіть після остан­ньої сто­рін­ки. Саме тут суча­сні моде­лі, за дани­ми ново­го дослі­дже­н­ня, поки що помі­тно від­рі­зня­ю­ться від люд­ських авторів.