Gunakan AI untuk memeriksa kontinuitas karakter novel

Mengapa referensi karakter membutuhkan lebih dari sekadar daftar sifat

Daftar datar seperti “Mara berhati-hati, kidal, dan mengoleksi kartu pos” mencampurkan berbagai jenis informasi. “Kidal” mungkin merupakan fakta yang stabil; “berhati-hati” adalah interpretasi yang dapat bervariasi tergantung situasi; dan koleksi kartu posnya dapat berubah sepanjang cerita. Jika daftar tersebut tidak menyebutkan kapan dan bagaimana setiap pernyataan berlaku, alat pemeriksa AI dapat menganggap perkembangan karakter yang bermakna sebagai kesalahan—atau melewatkan masalah kontinuitas yang sebenarnya.

Bangun referensi berdasarkan klaim-klaim yang dapat diverifikasi. Untuk setiap klaim, catat karakter, klaim tersebut, cakupan waktu atau adegannya, serta dari mana asalnya. Tambahkan status seperti terkonfirmasi, terencana, belum pasti, atau tergantikan. Bedakan apa yang benar-benar terjadi dalam cerita dari apa yang dipercayai, dikatakan, diingat, atau diceritakan oleh karakter kepada orang lain. Kategori-kategori tersebut tidak dapat saling dipertukarkan.

Buat entri tetap atomik: satu klaim per baris. “Mara berusia 32 tahun, kidal, berhati-hati, dan memiliki sepeda biru” sulit untuk diperiksa atau diperbarui dengan aman. Memisahkan klaim memastikan bahwa revisi pada usianya tidak secara tidak sengaja menimpa preferensi tangan dominannya atau detail kepemilikan yang belum terselesaikan.

Alur kerja praktis untuk memeriksa adegan baru

1. Bekukan bagian draf dan ambil kanon yang relevan.

Sebelum meminta pemeriksaan, tentukan versi naskah mana yang sedang Anda periksa. Tarik entri karakter yang relevan dengan bagian tersebut: detail fisik yang digunakan dalam adegan, barang milik saat ini, hubungan, pengetahuan, lokasi, dan garis waktu. Cantumkan fakta-fakta sebelumnya hanya jika adegan tersebut bergantung padanya. Jangan mengirimkan seluruh novel sebagai prompt yang tidak terpilah lalu berasumsi model akan memperhatikan setiap batasan.

Kehati-hatian ini memiliki dasar penelitian, tetapi batasannya juga perlu diperhatikan. Makalah tahun 2023 oleh Liu dan rekan-rekan, [“Lost in the Middle: How Language Models Use Long Contexts”](https://arxiv.org/abs/2307.03172), melaporkan eksperimen di mana model yang diuji sering kali menggunakan informasi relevan secara kurang andal ketika informasi tersebut muncul di tengah-tengah input yang panjang dibandingkan jika muncul di dekat awal atau akhir. Temuan tersebut bukanlah pengujian langsung terhadap kontinuitas novel, juga tidak menentukan bagaimana model tertentu saat ini akan berperilaku. Namun, hal itu mendukung pilihan praktis yang masuk akal: ambil dan sebutkan kembali fakta-fakta relevan di dekat pertanyaan daripada hanya mengandalkan konteks yang besar.

2. Minta perbandingan, bukan penyuntingan naskah (proofreading) umum.

Berikan kutipan adegan dan entri kanon yang relevan kepada model. Minta model untuk hanya mengidentifikasi konflik langsung, mengutip kalimat persis dari kedua sisi, dan menjelaskan apakah perbedaan tersebut bisa jadi merupakan perubahan yang disengaja, keyakinan dalam dunia cerita, atau perbedaan waktu. Wajibkan jawaban “tidak ditemukan konflik” jika model tidak dapat menunjukkan bukti spesifik. Prompt yang berguna adalah:

“Bandingkan kutipan berikut dengan entri kanon di bawah ini. Kembalikan tabel berisi: klaim kanon dan sumbernya, kata-kata dalam kutipan draf, jenis konflik, tingkat keyakinan, dan pertanyaan untuk penulis. Tandai hanya klaim yang tidak kompatibel dalam waktu dan sudut pandang yang sama. Pisahkan kontradiksi langsung dari ambiguitas dan kemungkinan perkembangan karakter. Jangan menulis ulang adegan atau mengarang fakta yang hilang. Jika buktinya tidak cukup, nyatakan ‘tidak pasti’.”

Ini adalah prosedur editorial yang diusulkan, bukan jaminan bahwa model akan mengikuti instruksi secara akurat. Panduan rekayasa prompt ([prompt engineering guide](https://developers.openai.com/api/docs/guides/prompt-engineering)) OpenAI merekomendasikan untuk menentukan tugas secara jelas dan menyusun input dengan teratur; dokumentasi tersebut menjelaskan panduan prompt, bukan jaminan bahwa output akan lengkap atau benar. Perlakukan hasil perbandingan sebagai daftar petunjuk untuk diverifikasi terhadap naskah.

3. Lakukan triase tanda peringatan sebelum merevisi.

Untuk setiap tanda peringatan, periksa adegan yang dikutip dan klasifikasikan. Keputusan empat arah yang praktis adalah:

Jangan menerima perbaikan yang dibuat AI tanpa memeriksa adegan di sekitarnya. Saran yang mengubah suatu fakta dapat memicu kontradiksi kedua—misalnya, mengubah detail properti dalam satu adegan dapat merusak garis waktu di bagian lain. Setelah Anda memilih revisi, perbarui naskah dan referensi secara bersamaan, lalu periksa kembali adegan-adegan berikutnya yang terdampak.

Contoh kasus: buku catatan yang berubah warna

Misalkan referensi yang terkonfirmasi menyatakan: “Mara membawa buku catatan saku berwarna nila di bab 2 hingga 12.” Dalam draf bab 13, dia mengambil buku catatan hijau dari tasnya dan membaca entri yang ditulis minggu sebelumnya. Alat pemeriksa harus mengutip kedua bagian tersebut dan menanyakan apakah ini buku catatan yang sama, pengganti, atau ketidakcocokan yang disengaja dari apa yang dilihat oleh karakter lain. Alat tersebut tidak boleh langsung menyatakan kontradiksi hanya karena ada dua warna yang muncul.

Penulis memeriksa naskah. Jika bab 12 menunjukkan Mara membeli sampul hijau untuk buku catatan nila tersebut, perbedaan yang tampak memiliki penjelasan, meskipun pembaca mungkin memerlukan satu petunjuk kecil di bab 13. Jika tidak ada perubahan sampul dan entri lama tidak mungkin berada di buku catatan kedua, draf tersebut mungkin mengandung kesalahan kontinuitas yang nyata. Penulis dapat mengubah “hijau” menjadi “nila”, menambahkan adegan transisi yang logis, atau memutuskan bahwa karakter tersebut mengambil buku catatan yang berbeda; setiap pilihan memiliki konsekuensi bagi bagian-bagian di dekatnya.

Pengujian yang berguna adalah apakah klaim tersebut merujuk pada objek yang sama, pada titik waktu yang sama, dari sudut pandang yang sama. Jika ada bagian yang belum terselesaikan, tandai sebagai pertanyaan. Model dapat menunjukkan dua kalimat tersebut, tetapi penulislah yang menentukan buku catatan mana yang ada dalam cerita dan memperbarui referensi hanya setelah membuat keputusan tersebut.

Kontrol revisi: buat perubahan kanon dapat dilacak

Setelah menyelesaikan suatu tanda peringatan, catat keputusan editorial di samping klaim yang terpengaruh: apa yang berubah, bab mana yang mendukungnya, dan apakah referensi yang lebih lama sudah digantikan. Simpan versi sebelumnya atau catatan bertanggal jika itu membantu menjelaskan mengapa adegan lain mungkin masih memuat detail sebelumnya. Kemudian cari karakter dan detail relevan tersebut di naskah—seperti buku catatan, sampul, nila, atau hijau—dan tinjau setiap kemunculannya dalam konteks. Pencarian harfiah dapat menemukan kata-kata yang terlewatkan oleh AI, meskipun tidak dapat menentukan apakah setiap penggunaan konsisten secara naratif.

Jalankan pemeriksaan lagi pada kutipan yang direvisi dan adegan apa pun yang terpengaruh oleh perubahan tersebut. Hindari meminta model mengedit lembar kanon secara diam-diam: tinjau terlebih dahulu perubahan yang diusulkan, lalu terapkan sendiri atau melalui revisi dokumen yang terkontrol. Jika Anda menggunakan ruang kerja proyek atau fitur dokumen tertentu, verifikasi petunjuk resmi terbarunya sebelum mengandalkan perilaku penyimpanan atau pengambilan data tertentu; metode kontinuitas ini berfungsi dengan dokumen biasa dan tidak bergantung pada platform tertentu.

Batasan: apa yang bisa dan tidak bisa dipastikan oleh AI

Model dapat membandingkan teks yang Anda berikan, menyarankan bagian yang perlu diperiksa, dan membantu memformat laporan konsistensi. Model tidak dapat memutuskan kanon yang Anda maksud dari draf-draf yang bertentangan kecuali Anda yang menyelesaikan konflik tersebut. Model mungkin melewatkan suatu detail, salah membaca garis waktu, mengira subteks sebagai fakta, atau menghasilkan penjelasan yang tampak masuk akal tetapi tidak berdasar. Penelitian konteks panjang adalah salah satu alasan untuk tidak memperlakukan “Saya sudah menyertakan seluruh buku” sebagai bukti bahwa setiap kalimat relevan telah dipertimbangkan; ini bukan bukti bahwa semua sistem gagal pada naskah yang panjang.

Penulis tetap bertanggung jawab atas kanon, suara (voice), dan makna. Gunakan output AI sebagai jejak audit: setiap kontradiksi yang diusulkan harus mengarah pada bagian teks tertentu; setiap perbaikan yang diterima harus memiliki alasan yang jelas; dan hal-hal yang belum terselesaikan harus tetap terlihat belum terselesaikan. Untuk novel panjang, disiplin sederhana tersebut jauh lebih dapat diandalkan daripada meminta model mengingat fakta-fakta karakter secara implisit di berbagai bab.

Lanjutkan topik ini