Dari Idea ke Kata: Analisis Pengaruh Arahan ChatGPT dalam Proses Penghasilan Naratif

Daniel Arief Hafiz, Rosnidar Ain

Abstract


Kajian ini meneliti pengaruh kecerdasan buatan (AI), khususnya penggunaan ChatGPT, dalam proses penulisan kreatif, dengan memberikan tumpuan kepada kesan bentuk arahan (prompting) terhadap naratif yang dihasilkan. Arahan merujuk kepada input berstruktur yang menjadi panduan kepada model bahasa untuk memenuhi keperluan atau objektif tertentu. Melalui pendekatan eksperimental dan berlandaskan teori Naratologi, kajian ini membandingkan dua jenis arahan iaitu arahan umum dan arahan spesifik bagi menilai pengaruh terhadap struktur dan kualiti naratif. Hasil kajian mendapati kedua-dua bentuk arahan ini berkesan dalam membentuk naratif mengikut keperluan pengarang, namun dengan fokus yang berbeza. Arahan umum cenderung menghasilkan naratif yang lebih terbuka dan ringkas, manakala arahan spesifik memperkuatkan perincian emosi watak, latar, serta konflik, sekali gus meningkatkan kesan pembacaan. Kajian ini juga menunjukkan bahawa gabungan antara kecekapan manusia dalam menyusun arahan dan kemampuan ChatGPT menghasilkan respons yang berstuktur dapat membuka perspektif baharu dalam bidang penulisan kreatif. Pendekatan ini bukan sahaja membantu pengarang memperkaya struktur naratif, tetapi juga memperluas potensi kecerdasan buatan dalam genre penulisan yang berbeza. Di samping itu, dapatan ini selaras dengan prinsip Naratologi yang menekankan kepentingan deskripsi dan perincian dalam pembinaan naratif. Namun begitu, kajian ini turut menyedari keterbatasan yang sedia ada, seperti skop kajian yang terhad kepada perbandingan antara arahan umum dan spesifik serta penggunaan satu model bahasa sahaja.

 

Kata Kunci: Kecerdasan Buatan; ChatGPT; Proses Penulisan Kreatif; Arahan; Kreativiti


Full Text:

PDF

References


Bal, M. 2017. Narratology: Introduction to the Theory of Narrative. Edisi ke-4. University of Toronto Press.

Brown, T. B., et al. 2020. Language Models are Few-Shot Learners. Neural Information Processing Systems, 33, 1877–1901

Bubeck, S., et al. 2023. Sparks of Artificial General Intelligence: Early experiments with GPT-4. arXiv preprint arXiv:2303.12712

Bommasani, R., et al. 2021. On the Opportunities and Risks of Foundation Models. arXiv preprint arXiv:2108.07258.

Chen, B., Zhang, Z., Langrené, N., & Zhu, S. 2023. Unleashing the potential of prompt engineering in Large Language Models: a comprehensive review. arXiv preprint arXiv:2310.14735.

Daniel, A. H. S. A., & Rosnidar, A. 2023. Potensi Kecerdasan Buatan dalam Proses Kreatif Puisi Melayu. Advances in Humanities and Contemporary Studies, 4(2), 190–197. https://doi.org/10.30880/ahcs.2023.04.02.019

Goodfellow, I., Bengio, Y., & Courville, A. 2016. Deep learning. In MIT Press eBooks. https://dl.acm.org/citation.cfm?id=3086952

Kidd, C., & Birhane, A. 2023. How AI can distort human beliefs. Science, 380(6651), 1222–1223.

https://doi.org/10.1126/science.adi0248

Korzynski, P., Mazurek, G., Krzypkowska, P., & Kurasinski, A. 2023. Artificial intelligence prompt engineering as a new digital competence: Analysis of generative AI technologies such as ChatGPT. Entrepreneurial Business and Economics Review, 11(3), 25–37. https://doi.org/10.15678/eber.2023.110302

McGuire, J., De Cremer, D., & Van De Cruys, T. 2024. Establishing the importance of co-creation and self-efficacy in creative collaboration with artificial intelligence. Scientific Reports, 14(1). https://doi.org/10.1038/s41598-024-69423-2

OpenAI. 2023. GPT-4. https://openai.com/index/gpt-4-research/

Oppenlaender, J., Linder, R., & Silvennoinen, J. 2023. Prompting AI Art: An Investigation into the Creative Skill of Prompt Engineering. arXiv.org. https://arxiv.org/abs/2303.13534v2

Ray, P. P. 2023. ChatGPT: A comprehensive review on background, applications, key challenges, bias, ethics, limitations and future scope. Internet of Things and Cyber-Physical Systems, 3, 121–154. https://doi.org/10.1016/j.iotcps.2023.04.003

Riemer, K., & Peter, S. 2024. Conceptualizing generative AI as style engines: Application archetypes and implications. International Journal of Information Management, 79, 102824. https://doi.org/10.1016/j.ijinfomgt.2024.102824

Scsc, G., & Sahu, D.G. 2024. Navigating Narrative Frontiers: Influence of Generative AI on Creative Literature. International Research Journal on Advanced Engineering and Management, 2(05), 1315–1323. https://doi.org/10.47392/irjaem.2024.0179

Soeffner, J. 2023. Meaning–thinking–AI. AI & Society. https://doi.org/10.1007/s00146-023-01709-x

Suraya, A., Noor Emilina, M. N., Syafiq, A. H. H., & Nur Syuhada, A. 2024. A Bibliometric Analysis: Navigating publication trends in academic dishonesty in Higher education. Akademika, 94(2), 419–437. https://doi.org/10.17576/akad-2024-9402-24

Van Heerden, I., & Bas, A. 2021. Viewpoint: AI as Author – Bridging the gap between machine learning and literary theory. Journal of Artificial Intelligence Research, 71, 175–189. https://doi.org/10.1613/jair.1.12593

Vassallo, P. 2024. Using AI to improve writing creativity, productivity, and quality. ACS Chemical Health & Safety. https://doi.org/10.1021/acs.chas.4c00070

White, J., et al. 2023. A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT. arXiv preprint arXiv:2302.11382

Ye, Q., Axmed, M., Pryzant, R., & Khani, F. 2023. Prompt engineering A prompt engineer. arXiv preprint arXiv:2311.05661


Refbacks

  • There are currently no refbacks.


ISSN: 0126-5008

eISSN: 0126-8694