— Rakstīt kopā ar robotu?

Kamēr strādāju pie šī raksta, frankofonās literatūras pasaulē sākās un (daļēji) atrisinājās liels skandāls.¹ Haitiešu izcelsmes Kanādas rakstnieka Telisona Oreljēna romāns par bēgšanu no vardarbības saņēma Fnac romāna balvu un iekļuva prestižās Gonkūru prēmijas pirmajā atlases sarakstā. Drīz pēc tam autoru apsūdzēja tajā, ka lielu daļu grāmatas viņa vietā uzrakstījis mākslīgais intelekts (MI). Oreljēns apsūdzību noliedza, bet 2026. gada 25. septembrī Gonkūru akadēmija romānu no atlases izslēdza aizdomās par MI izmantošanu un agrākiem plaģiāta gadījumiem. Lēmums par romāna izslēgšanu no konkursa ir pieņemts. Kā grāmata patiesībā tapusi, joprojām nav skaidrs.

Te ir vairāki jautājumi. Vai MI palīdzēja uzrakstīt šo grāmatu? Vai šāda palīdzība maina darba literāro kvalitāti? Un kas tieši tiek godalgots, kad rakstniekam tiek piešķirta balva? Ir vilinoši pieņemt, ka MI līdzdalība uzreiz atceļ gan darba vērtību, gan autora nopelnus, taču teksta kvalitāte un cilvēka ieguldījums tā tapšanā ir divas dažādas lietas. MI tekstu ģenerēšanas spējas attīstās ātrāk, nekā mainās mūsu priekšstati par to, kas literatūrā ir autors. Tāpēc šajā rakstā aplūkošu, vai MI līdzdalību var atpazīt, ko tā maina tekstā un ko – mūsu attieksmē pret autoru. Uz daļu no jautājumiem jau atbild pētījumi, citur izšķirošs ir tas, ko literatūrā uzskatām par vērtīgu.

Atpazīt MI ģenerētu tekstu

Sākšu ar šķietami vienkāršāko: vai iespējams noteikt, ka tekstu ģenerējis MI vai ka tas tapis ar MI palīdzību? Dažkārt iespējams izteikt labi pamatotu minējumu, taču pamanīt kādam MI modelim raksturīgu izteiksmes paņēmienu vēl nenozīmē pierādīt, ka darbu radījis MI. MI detektorā ievada tekstu, un sistēma pārbauda, vai tajā ir modeļu rakstītajam raksturīgas pazīmes. Rezultātu bieži uzrāda procentos, tā radot iespaidu par precīzu atbildi. Bet arī cilvēks var izvēlēties tādus pašus vārdus un teikumu uzbūvi, tāpēc detektors cilvēka tekstu var kļūdaini atzīt par MI radītu.

Angļu valodas pārbaudēs labākie detektori spēj atpazīt gandrīz visus ģenerētos tekstus. 2025. gadā publicētā ziņojumā aprakstīta detektoru sacensība, kuras pamatā bija plaša tekstu kopa RAID (Robust AI Detection).² Sistēmām bija jāatšķir cilvēku rakstītais no MI radītā. Labākās sistēmas pareizi atpazina vairāk nekā 99 no katriem 100 MI radītajiem tekstiem. Ar tiem pašiem iestatījumiem sistēmas kļūdaini nosauca par MI rakstītiem arī piecus no katriem 100 cilvēka tekstiem. Ja MI detektors sastop jauna MI modeļa ģenerētu tekstu vai neparastu žanru, tad atpazīt kļūst grūtāk. Dzeja ir vislielākā MI detektoru galvassāpe. Visvieglāk atpazīt ir receptes.

Ar detektoriem var pētīt arī pārmaiņas rakstīšanas paradumos. Salīdzinot vienas jomas tekstus pirms un pēc MI izplatīšanās, var pārbaudīt, vai tajos biežāk parādās modeļiem raksturīgi izteiksmes paņēmieni. Šādi pētnieki analizēja Zviedrijas deputātu rakstiskos priekšlikumus. Detektora apmācībai pētnieki izmantoja gan agrākus cilvēka rakstītus priekšlikumus, gan šo pašu dokumentu MI radītas versijas. Sistēmai bija jāiemācās atšķirt vienus no otriem. Pēc tam ar šo sistēmu pārbaudīja jaunākos deputātu priekšlikumus. Pēdējā no pētījumā iekļautajām parlamenta sesijām gandrīz katrā desmitajā dokumentā detektors atrada vismaz vienu rindkopu, kas pēc tā vērtējuma varētu būt MI rakstīta.³ Ir gandrīz droši, ka nākotnē MI labāk pamanīs divas lietas: kā jauns teksts atšķiras no autora agrāk rakstītā un kur tajā parādās modeļiem raksturīgi izteiksmes paņēmieni. Tas palīdzētu spriest, vai un cik lielā mērā autors rakstījis ar MI palīdzību.

Bet atgriezīsimies šodienā. Cik labi MI rakstīto atpazīst cilvēks? Psiholoģijas pētnieces Sidnija Sīrsa un Dīna Skolnika Vaisberga 2026. gadā publicētā pētījumā pārbaudīja, vai lasītāji spēj atšķirt cilvēka rakstītus stāstus no ChatGPT radītajiem. Katrs eksperimenta dalībnieks izlasīja divus stāstus – vienu cilvēka rakstītu, otru ģenerētu – un mēģināja noteikt to izcelsmi. Minot uz labu laimi, pareiza būtu vidēji puse atbilžu. Vienā eksperimentā dalībnieki atbildēja pareizi vēl retāk, otrā pareiza bija aptuveni puse atbilžu, tātad – tīra nejaušība.⁴

Eksperimenta dalībnieki papildus novērtēja paši savu literāro kompetenci un zināšanas par MI. Tie, kuri sevi uzskatīja par zinošākiem literatūrā, MI stāstus no cilvēka rakstītajiem neatšķīra sekmīgāk par citiem. Savukārt dalībnieki, kuri augstāk vērtēja savas zināšanas par MI vai savu pieredzi tā lietošanā, biežāk pareizi noteica, kurš stāsts ir cilvēka rakstīts un kurš – MI. Ikdienas saskarsme ar modeļiem, šķiet, palīdz pamanīt to atkārtotos izteiksmes paņēmienus, kas pat ļoti pieredzējušam literatūras lasītājam var būt sveši.

Tas liek aizdomāties arī par prestižu literāro balvu žūrijām. Spēja novērtēt darba literāro kvalitāti vēl negarantē, ka lasītājs pamanīs MI klātbūtni. Aplūkotajos eksperimentos cilvēkiem, kuri sevi uzskatīja par literatūras pazinējiem, šajā ziņā nebija priekšrocību. Jāņem vērā arī tas, ka daudzos atpazīšanas eksperimentos tiek izmantoti teksti angļu valodā. Tas, cik labi cilvēks atpazīst MI rakstīto angļu valodā, vēl nepasaka, kā viņam veiktos ar tekstiem franču vai latviešu valodā. Turklāt pazīmes, pēc kurām MI tekstu atpazīstam, noveco: kamēr cilvēks iemācās pamanīt viena modeļa ieradumus, jaunāki modeļi jau raksta citādi.

Vai MI raksta labāk?

Literatūras nākotnei varbūt pat svarīgāks ir nākamais jautājums: kā cilvēki šos tekstus novērtē? Citā eksperimentā Sīrsa un Vaisberga izmantoja trīs publicētus cilvēka stāstus un trīs līdzīgus ChatGPT radītus stāstus. Katrs dalībnieks lasīja vienu stāstu. Daļai to pieteica kā cilvēka darbu, daļai – kā MI radītu tekstu. Šī norāde ne vienmēr bija patiesa: arī MI stāstu varēja piedēvēt cilvēkam un otrādi. MI radītie stāsti kopumā saņēma augstāku vērtējumu nekā cilvēku rakstītie: lasītāji tos atzina gan par labāk uzrakstītiem, gan par aizraujošākiem. Svarīga izrādījās arī norāde par autoru. Lasītāji stāstu vērtēja augstāk, ja viņiem bija teikts, ka to rakstījis cilvēks. Šī norāde uzlaboja vērtējumu arī tad, ja stāstu patiesībā bija radījis MI.⁵

Varētu jautāt, vai lasītājs nav aizspriedumains: kāpēc vienu un to pašu tekstu vērtēt atšķirīgi atkarībā no tā, kam piedēvēta autorība? Taču ne visi lasītāji tekstā meklē vienu un to pašu. Ja cilvēks vēlas iegrimt aizraujošā stāstā, viņam var būt mazsvarīgi, kas to uzrakstījis. Bet, ja viņš grib saprast, kā cits cilvēks domā par bailēm vai savas dzīves pretrunām, tad gan autora personībai ir nozīme. Stāsts lasītājam var patikt, un tomēr, uzzinājis, ka to radījis MI, viņš par to var būt vīlies.

Vēl kādā 2026. gadā publicētā pētījumā sacentās rakstītāji ar literāru izglītību un valodu modeļi. Abu komandu uzdevums bija uzrakstīt īsus fragmentus, atdarinot slavenu autoru stilu. Vērtētāji nezināja, kurus fragmentus rakstījuši cilvēki un kurus radījis MI. Kad modeļiem bija doti norādījumi un teksta paraugi, ekspertu vērtējumā aptuveni 83 % salīdzinājumu uzvarēja cilvēku komanda. Pēc modeļu papildu apmācīšanas ar atdarināmo autoru darbiem aina mainījās: aptuveni 62 % salīdzinājumu uzvarēja roboti.⁶

Vairākus vērtēšanā iesaistītos rakstniekus satrauca atklājums, ka viņi paši par labākiem bija atzinuši MI fragmentus. Tajos viņi bija saskatījuši to, ko augstu vērtē rakstnieka darbā: precīzu vārdu izvēli un prasmīgi veidotus teikumus. Vismaz īsos fragmentos modeļi jau spēj pārspēt pieredzējušus rakstītājus – pat ekspertu vērtējumā

Kas mainās, rakstot ar MI?

MI piedāvātās idejas var palīdzēt uzrakstīt stāstu, kuru lasītāji atzīst par oriģinālu un interesantu. To parāda 2024. gadā publicēts eksperiments, kurā dalībniekiem lūdza radīt īsus stāstus, katru tikai astoņos teikumos. Dalībniekus sadalīja trīs grupās: vieni rakstīja patstāvīgi, otri varēja saņemt vienu MI piedāvātu sižeta ieceri, bet trešie – līdz piecām iecerēm. Katru šādu ieceri modelis izklāstīja trīs teikumos. Pašus stāstus visos gadījumos rakstīja cilvēki. Ar MI idejām tapušie stāsti saņēma augstāku vērtējumu, tostarp par oriģinalitāti. Visvairāk palīdzība noderēja tiem, kuri pirms rakstīšanas bija saņēmuši zemāku rezultātu radošuma pārbaudē.⁷ Taču tam bija sava cena: datorizēts satura salīdzinājums uzrādīja, ka ar MI idejām tapušie stāsti bija līdzīgāki cits citam nekā patstāvīgi rakstītie. Atsevišķs autors ieguva, bet stāstu kopums kļuva vienveidīgāks.

Līdzīgu pārmaiņu parāda 2025. gadā publicēts pētījums, kurā cilvēki no Indijas un ASV rakstīja angļu valodā. Ar MI palīdzību Indijas dalībnieku izteiksme kļuva līdzīgāka amerikāņu rakstītajam un vietējo detaļu tekstos palika mazāk. Tas labi redzams svētku aprakstos – bez MI tajos bija vairāk konkrētu reliģisku rituālu un vietējo paražu, ar MI priekšplānā biežāk nonāca vispārīgas tēmas, piemēram, ģimenes kopā pavadītais laiks vai dāvanas.⁸

Rakstnieka Kristofera Sorentīno pieredze rāda MI palīdzību no citas puses: strādājot ar modeļiem, viņš pirmo reizi pēc vairākiem gadiem atkal rakstīja ar prieku. Sorentīno ir septiņu grāmatu autors, kura romāns Trance 2005. gadā bija Nacionālās grāmatu balvas (National Book Award) finālists. Kādu laiku rakstīšana viņam bija kļuvusi par nastu, viņš nemitīgi domāja par iedomātā lasītāja reakciju: ko šis lasītājs sagaidīs, ko pārpratīs un pret ko iebildīs. Cenšoties uzrakstīt darbu, kuram nevarētu neko pārmest, viņš arvien retāk uzdrošinājās izmēģināt ko neierastu. To viņš 2026. gadā aprakstīja esejā izdevumā The Yale Review.⁹

Darbs ar modeļiem ļāva viņam atkal uztvert rakstīšanu kā spēli. Vienā no pirmajiem mēģinājumiem ar ChatGPT viņš veidoja alternatīvu Bītlu vēsturi, kurā psihopātisks Ringo Stārs vadīja grupu, kas no konkurentiem izspieda naudu un tiesības uz viņu darbiem. Vēlāk Sorentīno apzināti izmantoja arī vecāku, mazāk prasmīgu modeli – GPT-2. Tā kļūdainās un neveiklās atbildes viņu intriģēja, jo piedāvāja idejas un pavērsienus, ko viņš pats nebija paredzējis. Kādā GPT-2 radītā dialogā negaidīti uzradās Lenss. Rakstnieks sāka iztaujāt modeli par šo cilvēku, un gala stāstā Lenss kļuva par klāt neesošu tēlu, kura prombūtne ietekmēja vismaz četru citu varoņu dzīves. Ko stāstam deva MI modelis un kā šo materiālu tālāk izmantoja rakstnieks? Modelis piedāvāja negaidītu tēlu un dialogus, kuros parādījās Lensa saikne ar citiem varoņiem. Sorentīno no šiem fragmentiem veidoja stāstu: atlasīja, ko izmantot, un pārrakstīja tekstu tā, lai atklātu, kā Lensa prombūtne ietekmē pārējos varoņus. Nejauši radies vārds kļuva par daļu no rakstnieka ieceres.

Kurā brīdī MI palīdzība kļūst tik būtiska, ka par to jāpastāsta lasītājam? ASV rakstnieku organizācija Autoru ģilde (Authors Guild) savās vadlīnijās atzīst, ka izmantot MI pareizrakstības un gramatikas pārbaudei ir pieņemami, bet uzdot par savu darbu modeļa sacerētu tekstu, to nepārstrādājot, – neētiski. Ja grāmatā būtiski izmantots MI ģenerēts teksts, ģilde iesaka to atklāt lasītājiem un pārrunāt ar izdevēju. Ģilde arī aicina neizmantot MI, lai atdarinātu cita rakstnieka atpazīstamo stilu peļņas nolūkā vai tā, ka tas kaitē viņa darbu vērtībai.¹⁰

Daļa autoru MI izmantošanu rakstīšanā noraida daudz asāk. Publicists Sems Kriss 2026. gada maijā publicēja provokatīvu eseju Ja tu ļausi MI rakstīt savā vietā, es atnākšu ciemos un tevi nogalināšu.¹¹ Kriss ar nolūku raksta rupji un nikni – tā, kā MI modeļi parasti neraksta. Šāds stils MI laikmetā ir arī savdabīgs teksta autentiskuma apliecinājums. Kā vēl iespējams rakstīt tā, lai MI būtu grūti autora stilu atdarināt? Vācu filosofs un eksperimentālais rakstnieks Hanness Bajors kā vienu iespēju apsver neparastu sintaksi un valodas eksperimentus.¹² Galējais piemērs ir asēmiskā rakstība: zīmes atgādina burtus un vārdus, taču neveido tekstu ar noteiktu nozīmi.

Citi autori atklāj, ko darba tapšanā paveicis modelis un ko – viņi paši. Digitālās dzejas autora Deivida Džonstona projektā ReRites, kas tapa 2017.–2018. gadā, rakstnieks katru nakti apmācīja modeli, bet no rīta strādāja ar tā ģenerēto dzeju: izvēlējās rindas savam dzejolim, svītroja lieko un rediģēja atlasīto tekstu. Viņš šo rediģēšanu sauca par grebšanu, jo savu dzejoli veidoja, apstrādājot modeļa piedāvāto materiālu. Katra mēneša rezultāts nonāca atsevišķā sējumā; 2019. gadā iznāca divpadsmit sējumi. Savukārt mākslinieka Matisa Kūna 2021. gada darbā Selbstgespräche mit einer KI jeb Pašsarunas ar MI līdzās literārajam tekstam publicēti apmācības materiāli, instrukcijas un kods. Tie ļauj lasītājam ieraudzīt, no kā un ar kādiem paņēmieniem darbs veidots. Arī šāda atklātība var būt literāra izvēle: autors aicina pievērst uzmanību ne tikai gatavajam tekstam, bet arī mijiedarbībai starp cilvēku un MI modeli.

Kurš tad ir teksta autors?

Par autorību MI kontekstā domas dalās. Amsterdamas Brīvās universitātes filosofi Renē van Vaudenbergs, Kriss Ranalli un Daniels Brakers 2024. gada rakstā nošķir trīs pozīcijas. Liberālajā skatījumā MI var atzīt par autoru, pieņemot, ka tam var būt arī savi nolūki un izpratne par rakstīto. Mērenajā skatījumā par autoru var uzskatīt arī MI sistēmu, kas spēj radīt sakarīgu, uzdevumam atbilstošu tekstu, nepiedēvējot tai cilvēkam raksturīgu sapratni vai nodomus. Savukārt konservatīvajā skatījumā ar spēju radīt tekstu nepietiek: autoram jāsaprot tā saturs, jābūt nolūkam kaut ko ar to pateikt un jāspēj par teikto atbildēt. Šādas īpašības šajā skatījumā tiek piedēvētas tikai cilvēkam, un šo konservatīvo pozīciju aizstāv arī paši raksta autori.¹³

Raksta autori piedāvā piemēru: gliemezis pludmales smiltīs atstājis pēdas, kas izskatās pēc vārdiem Es tevi mīlu. Tā, protams, ir nejaušība, proti, gliemezis nav teksta autors. Taču, ja kāds cilvēks blakus pieraksta Patiešām! un parakstās, šie paši vārdi kļūst par viņa (cilvēka!) atzīšanos mīlestībā. Viņš burtu virknējumu pats nav radījis, bet apzināti tās pieņēmis par savu vēstījumu un uzņēmies par to atbildību. Pēc tās pašas loģikas cilvēks var būt autors arī tekstam, kura sākotnējo versiju radījis MI.

Vai literatūrā vienmēr bijis tik svarīgi, lai rakstniekam būtu savs, neatkārtojams skatījums un izteiksmes veids? Rakstniece un žurnāliste Vauhini Vara, kura pati eksperimentējusi ar MI rakstīšanā, apgalvo, ka dažādos laikmetos cilvēce literatūrā meklējusi atšķirīgas lietas. Vara saista individuālā skatpunkta nozīmi ar Eiropas romāna uzplaukumu ap 19. gadsimtu. Svarīgs kļuva katra cilvēka atšķirīgais skatījums: viens un tas pats notikums varēja kļūt par citu stāstu atkarībā no tā, kurš to stāstīja. Vara šo interesi par personisko pieredzi saista ar turīgās vidusšķiras izaugsmi. Šie lasītāji vēlējās grāmatās atpazīt savu dzīvi – sev pazīstamas attiecības, ikdienas notikumus un raizes. Grāmatas iespieda lielās tirāžās, tāpēc tās varēja nonākt pie daudz vairāk lasītājiem.¹⁴

Pat tur, kur grāmatai ir skaidri zināms autors, viņa balsi var būt veidojuši arī citi cilvēki. Kritiķis Luijs Menānds 2026. gada septembra The New Yorker esejā salīdzināja Džeinas Ostinas Prāta apsvērumu manuskripta fragmentu ar publicēto tekstu. Menānds nosauca konkrētas izmaiņas: publicētajā fragmentā aizstātas piecas domuzīmes, trīs “&” zīmju vietā rakstīts angļu saiklis and, bet četri lietvārdi, kas manuskriptā sākti ar lielo burtu, tagad rakstīti ar mazo. Menānda vērtējumā manuskripta fragments skan steidzīgi un satraukti. Pēc labojumiem teikumi plūst mierīgāk un rada apdomīgākas, savaldīgākas izteiksmes iespaidu. Daļu labojumu, pēc Menānda domām, veikusi pati Ostina; viņas vēlāko romānu rediģēšanā, iespējams, piedalījies arī Viljams Gifords, kurš strādāja par redaktoru pie viņas izdevēja. Lasot publicēto tekstu, mēs visas šīs izvēles uztveram kā Ostinas balsi.¹⁵ Uz grāmatas vāka parasti ir viens vārds, bet teksta galīgo skanējumu var būt veidojuši vairāki cilvēki.

Bajors nošķir četrus veidus, kā cilvēks var radīt tekstu. Viņš var to uzrakstīt pats, izveidot programmu, kas tekstu ģenerē, apmācīt modeli ar paša izraudzītiem tekstiem vai dot norādījumus jau gatavam modelim. Katrā gadījumā atšķiras tas, ko cilvēks pats izvēlas: vārdi un teikumi, programmas darbības noteikumi, modeļa apmācības materiāls vai uzvedne.¹⁶ Saruna ar MI modeli var šķist personiska, taču tās iespējas iepriekš veidojuši arī citi cilvēki. Izstrādātāji izvēlējušies, no kādiem tekstiem modelis mācīsies, un MI modeļa apmācībā devuši priekšroku noteikta veida atbildēm. Viņi arī ieviesuši ierobežojumus, piemēram, uz kādiem pieprasījumiem modelim būtu jāatsakās atbildēt. Rakstnieks ar uzvednēm var mēģināt panākt citādu stilu vai neierastu atbildi. Taču, lietojot gatavu modeli, viņš lielākoties nevar mainīt to, kā tas apmācīts un kādi ierobežojumi tajā iestrādāti. Tāpēc rakstīšanas iespējas daļēji nosaka arī uzņēmums, kura modelis tiek izmantots.

Aiz MI radīta teksta ir arī citu rakstnieku darbi, ar kuriem modelis apmācīts, programmētāju radītā sistēma un uzņēmuma noteiktie sistēmas lietošanas nosacījumi. Sistēmas darbībai vajadzīgi datori, to ražošanai – izejvielas, darbināšanai – enerģija; tam visam ir arī vides izmaksas. Bajors aicina ieraudzīt šos priekšnosacījumus, bet arī atšķirt katra dalībnieka ieguldījumu un iespējas ietekmēt rezultātu. Romāna autors uzrakstījis apmācībā izmantoto tekstu, izstrādātājs veidojis pašu modeli, bet uzņēmums noteicis tā lietošanas nosacījumus. Nosaucot visus par līdzautoriem, var pazust atšķirība starp tiem, kuru darbs izmantots, un tiem, kuri izlēmuši, kā to izmantot. Tā kļūst grūtāk saprast arī to, kuram būtu jāuzņemas atbildība par rezultātu.

Kuras radošās izvēles paliek autoram?

Sorentīno līdzīgu darba dalīšanu saskata vizuālajā mākslā, kur darba autors ne vienmēr pats izgatavo katru tā detaļu. Marsels Dišāns izraudzījās jau gatavus sadzīves priekšmetus un pasniedza tos kā mākslas darbus. Donalds Džads uzticēja savu darbu izgatavošanu speciālistiem. Sols Levits uzrakstīja norādījumus sienas zīmējumiem, kurus pēc viņa ieceres izpildīja palīgi. Šajos gadījumos mākslinieka ieguldījums ir arī izlemt, ko pārvērst par mākslas darbu vai kā tam jāizskatās, pat ja darbu fiziski izgatavo cits.¹⁷ Bet cik daudz no darba veidošanas cilvēks var uzticēt citiem, lai to joprojām sauktu par savu? Zinātniskās fantastikas rakstnieks Teds Čans 2024. gada esejā rosina skatīties uz izvēlēm, kuras cilvēks izdara darba tapšanas gaitā.¹⁸ Viņš piedāvā vienkāršu salīdzinājumu: desmit tūkstoš vārdu garā stāstā rakstnieks izdara apmēram desmit tūkstoš izvēļu, jo izvēlas teju katru vārdu. Daļa lēmumu ir apzināti, citus pieņemam, īpaši nepiedomājot. No tiem atkarīgs teikuma skanējums, stāsta temps un tas, ko lasītājs sajutīs katrā konkrētajā ainā. Čanam svarīgi ir tas, cik daudz no šīm izvēlēm paliek cilvēka ziņā. Viņš pieļauj: ja būtu programma, ar kuru rakstnieks spētu detalizēti noteikt topošo romānu, šādu lietotāju varētu pamatoti saukt par autoru. Taču tas varētu prasīt tikpat pūļu kā romāna uzrakstīšana pašam.

2026. gada septembrī atklātu vēstuli par MI publicēja matemātiķi, kuri saņēmuši vienu no augstākajiem nozares apbalvojumiem – Fīldsa medaļu.¹⁹ Viņi brīdināja par pārlieku aizraušanos ar to, cik daudz sarežģītu uzdevumu MI spēj atrisināt. Lai matemātika attīstītos, cilvēkiem jāizprot, kā risinājums iegūts un kur atrastos paņēmienus vēl varētu izmantot. Šīs zināšanas jāspēj izskaidrot citiem, kuri tās izmantos nākamajos pētījumos. Viņi uzsvēra, ka zinātnes attīstībai ir būtiski nevis tikai nonākt pie rezultāta – atrisināt līdz šim neatrisinātu uzdevumu –, bet arī izprast pašu risinājuma gaitu un jaunatklāto matemātisko metožu tālāko pielietojumu. Ja par pašmērķi kļūst ātrs, iespaidīgs rezultāts, novārtā var palikt cilvēka izpratnes un prasmju attīstība.

Līdzīgi ir ar literatūru – tās vērtība vismaz daļēji slēpjas pašā radīšanas procesā. Lai gan daži autori, piemēram, jau pieminētais Sorentīno, rakstīšanas prieku ir atguvuši tieši sadarbībā ar MI, daudziem joprojām būs svarīgi radīt tekstu patstāvīgi. Tiem, kuriem rakstīšana ir iekšēja nepieciešamība, vārdu meklējumi palīdz izzināt savas izjūtas, sakārtot domas un paust vēl nepateikto. Algoritma uzģenerēta teksta saņemšana nav tas pats, kas paša izauklēta doma vai savs izteiksmes veids. Savukārt lasītājam var būt svarīga ne tikai teksta rezonanse ar paša sajūtām, bet arī tas, ka attiecīgo tekstu ir radījis cits dzīvs cilvēks, kurš autentiski vēlas pavēstīt citiem kaut ko sev svarīgu. Šādā nozīmē literatūra ir sociāls process, kura vērtība ir ne tik daudz pašos tekstos, kā cilvēces centienos reflektēt pašai par sevi un par pasauli.

Microsoft līdzdibinātājs Bils Geitss ir ierosinājis sabiedrībai vienoties par jomām, kuras cilvēcei būtu jāatstāj pašu cilvēku ziņā, pat ja tās būtu iespējams automatizēt.²⁰ Šī ideja ir apsverama, domājot ne tikai par tiesām vai veco ļaužu aprūpi, bet arī, vismaz daļēji, par literatūru. Datori jau sen pārspēj pasaules labākos šahistus, bet cilvēki joprojām ar aizrautību spēlē šo spēli un seko līdzi šaha turnīriem. Iespējams, arī literatūrā veidosies izdevniecības un žurnāli, kas publicēs ekskluzīvi tikai cilvēku radītus darbus, un lasītāji tos mērķtiecīgi atbalstīs. Tomēr šādas izvēles pastāvēšanai būs nepieciešams finansiāls pamats – gan grāmatu izdošanai, gan autoru iztikai laikā, kas veltīts rakstīšanai.

Šobrīd nevienam nav zināms, kā MI laikmetā izskatīsies ekonomika – šī neziņa attiecas uz visām nozarēm, un literatūra te nav izņēmums. Ja MI modeļi spēs perfekti atdarināt un pat pilnveidot jebkura autora balsi un pēc pieprasījuma ģenerēt bezgalīgus stāstu turpinājumus vai variācijas, radikāli mainīsies apstākļi, kuros top un tiek izdotas grāmatas. Ir grūti prognozēt, kā šādā pasaulē tiks novērtēts un atalgots cilvēka oriģināldarbs. Kas zina, varbūt labākie darbi, kuriem varēs pierādīt tieši cilvēka autorību, kļūs par retu, bet tieši tādēļ īpašu vērtību.

Bajors savukārt pieļauj, ka lasītājiem ar laiku kļūs mazāk svarīgi, vai tekstu rakstījis cilvēks vai radījis MI. Sākumā aiz nepazīstama teksta pašsaprotami iedomājamies cilvēku. Tad sākam šaubīties: varbūt to radījis MI? Neziņa par teksta izcelsmi ar laiku var kļūt tik ierasta, ka, sākot lasīt, vairs nejautājam, vai to rakstījis cilvēks vai MI. Šādu attieksmi viņš sauc par pēcmākslīgu (post-artificial): lasām, lai saprastu teksta saturu, un vairs nemēģinām noskaidrot, vai to rakstījis cilvēks vai radījis MI. Lasot ceļazīmi vai laika prognozi, mums svarīgi saprast, kurp jābrauc vai kāds būs laiks. Parasti mums nav svarīgi zināt, kurš izvēlējies konkrētos vārdus, kādos izteikta šī norāde vai laika prognoze.²¹

Un šajā rakstā…?

Abi modeļi pēc manām norādēm daudz labāk nekā Google atrada jaunāko un tēmai piemērotāko lasāmvielu. Abi modeļi arī vairākkārt pārlasīja melnrakstus, atzīmējot neskaidros teikumus un piedāvājot tiem labākus aizvietojumus. Modeļu piedāvātie formulējumi latviešu valodā gan ir jūtami vājāki nekā tad, ja teksts jāraksta angļu valodā, tāpēc tos nevarēju pārņemt bez papildu labojumiem. Īpaši pateicīga esmu par to, ka atsauces vienotā stilā man vairs nebija jānoformē pašai.

Kas šajā rakstā ir mans un par ko uzņemos atbildību? Raksta jautājumi, izmantoto pētījumu atlases un analīzes kritēriji, raksta kopējā struktūra, domu izklāsta secība un beigu beigās arī katra teikuma formulējums.

1. Orélien, Thélyson. C’était ça ou mourir (aptuveni – Vai nu šādi, vai nāve), 2026; Uproar in France over award-winning author accused of using AI. BBC News, 23.09.2026.; Thélyson Orélien lauréat du Prix du Roman Fnac 2026 pour «C’était ça ou mourir». Fnac Darty, 21.09.2026.;
   L’Académie Goncourt retire le roman de Thélyson Orélien de sa sélection. Télérama, 25.09.2026.  (atpakaļ uz rakstu)
2. Dugan, Liam; Zhu, Andrew; Alam, Firoj; et al. GenAI Content Detection Task 3: Cross-Domain Machine-Generated Text Detection Challenge. Proceedings of the 1st Workshop on GenAI Content Detection (GenAIDetect). UAE: International Conference on Computational Linguistics, 2025. Pp. 377–388. // Sk. 382.–384. lpp.: labākajām sistēmām vairāk nekā 99 % patiesi pozitīvu rezultātu pret 5 % kļūdaini pozitīvu rezultātu.  (atpakaļ uz rakstu)
3. Suvanto, Minerva; McGlinchey, Andrea; Barclay, Peter J.; Wahde, Mattias. Detecting Undisclosed LLM-Generated Content in Parliamentary Texts. arXiv, 12.06.2026.; Min, Roselyne. Politicians Are Letting AI Write Speeches and Laws without Telling Voters, Study Says. Euronews, 03.09.2026. // Pētījuma 4.2.–4.5., 6.3. un 7.2. sadaļa: jaunākajā sesijā 9,43 % dokumentu atzīmēta vismaz viena rindkopa.  (atpakaļ uz rakstu)
4. Sears, Sydney; Skolnick Weisberg, Deena. Bot or Not: Can People Tell the Difference between Stories Written by a Human or by an AI System? Judgment and Decision Making, Vol. 21, 2026. P. 120. // Atpazīšanas eksperimenti: 3.–4. sadaļa.  (atpakaļ uz rakstu)
5. Sears, Sydney; Skolnick Weisberg, Deena. Bot or Not, 2. sadaļa. Pilna atsauce 4. piezīmē. Eksperimentā izmantotie MI stāsti bija ģenerēti 2023. un 2024. gadā ar toreiz pieejamajiem ChatGPT modeļiem.  (atpakaļ uz rakstu)
6. Chakrabarty, Tuhin; Dhillon, Paramveer S. Can Good Writing Be Generative? Expert-Level AI Writing Emerges through Fine-Tuning on High-Quality Books. Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems. ACM, 2026. P. 27.; Vara, Vauhini. What if Readers Like A.I.-Generated Fiction? The New Yorker, 20.12.2025. // Pētījuma 3.–4. sadaļa, 7. attēls: eksperti izvēlējās cilvēku tekstus 82,7 % salīdzinājumu uzvedņu nosacījumā, bet pēc papildu apmācīšanas – MI tekstus 62 % salīdzinājumu.  (atpakaļ uz rakstu)
7. Doshi, Anil R.; Hauser, Oliver P. Generative AI Enhances Individual Creativity but Reduces the Collective Diversity of Novel Content. Science Advances, Vol. 10, 2024. // 293 rakstītāji, sk. 3.–5., 7.–8. lpp.  (atpakaļ uz rakstu)
8. Agarwal, Dhruv; Naaman, Mor; Vashistha, Aditya. AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. ACM, 2025. P. 21. // Kultūras nianšu un svētku aprakstu salīdzinājums: 4.3.–4.4. sadaļa, 5. tabula.  (atpakaļ uz rakstu)
9. Sorrentino, Christopher. How LLMs Set My Fiction Free. The Yale Review, 08.06.2026.; Trance, National Book Foundation : 2005. gada balvas finālistu ieraksts.  (atpakaļ uz rakstu)
10. AI Best Practices for Authors. The Authors Guild, 11.05.2026. // Sk. sadaļas Categories of AI Use un Recommended Best Practices.  (atpakaļ uz rakstu)
11. Kriss, Sam. If you let AI do your writing, I will come to your house and kill you. Numb at the Lodge, 25.05.2026.  (atpakaļ uz rakstu)
12. Bajohr, Hannes. On Artificial and Post-artificial Texts: Machine Learning and the Reader’s Expectations of Literary and Non-literary Writing. Poetics Today, Vol. 45, No. 2, 2024. Pp. 331–361;
    Johnston, David Jhave. ReRites. Montreal: Anteism Books, 2019. 12 sējumi.;
    Kuhn, Mattis. Selbstgespräche mit einer KI (Self-talks with an AI) : autora projekta apraksts. mattiskuhn.com, 2021.  (atpakaļ uz rakstu)
13. van Woudenberg, René; Ranalli, Chris; Bracker, Daniel. Authorship and ChatGPT: a Conservative View. Philosophy & Technology, Vol. 37, 2024. Pp. 1–26. Trīs pozīcijas: 3.–4. lpp.; gliemeža piemērs un teksta pārņemšana: 3.2. sadaļa.; Wolterstorff, Nicholas. Divine Discourse. Cambridge University Press, 1995. 3. nodaļa aplūkota ar šā raksta starpniecību.  (atpakaļ uz rakstu)
14. Vara, Vauhini. What if Readers Like A.I.-Generated Fiction? The New Yorker, 20.12.2025.  (atpakaļ uz rakstu)
15. Menand, Louis. The Curious Power of Punctuation. The New Yorker, 21.09.2026. // Sk. Prāta apsvērumu manuskripta un publicētā teksta salīdzinājumu.  (atpakaļ uz rakstu)
16. Bajohr, Hannes. Writing at a Distance: Notes on Authorship and Artificial Intelligence. German Studies Review, Vol. 47, No. 2, 2024. Pp. 315–337. // Autorības veidi: 320.–326. lpp.; līdzdalības tīkls: 327.–329. lpp.  (atpakaļ uz rakstu)
17. Sorrentino, Christopher. How LLMs Set My Fiction Free. The Yale Review, 08.06.2026. // Sk. esejas noslēguma diskusiju par vizuālo mākslu.  (atpakaļ uz rakstu)
18. Chiang, Ted. Why A.I. Isn’t Going to Make Art. The New Yorker, 31.08.2024.  (atpakaļ uz rakstu)
19. Avila, Artur; Bhargava, Manjul; Birkar, Caucher; et al. A Severe Misalignment of AI in Mathematics. Math and AI, 11.09.2026.  (atpakaļ uz rakstu)
20. Gates, Bill. The turbulent AI era is here. The choices we make now are critical. Gates Notes, 26.08.2026.  (atpakaļ uz rakstu)
21. Bajohr, Hannes. On Artificial and Post-artificial Texts: Machine Learning and the Reader’s Expectations of Literary and Non-literary Writing. Poetics Today, Vol. 45, No. 2, 2024. Pp. 350–351.  (atpakaļ uz rakstu)