به نظر من آشنایی هر چه بیشتر با دنیای دیجیتال یکی از کلیدهای موفقیت نه فقط در آینده که همین الان است و یکی از جذاب‌ترین قسمت‌های این دنیا (البته بازهم در نظر من) آن جایی است که تکنولوژی با اقتصاد و کسب‌وکار تقاطع دارد.
من برای دسته‌بندی نوشته‌هایی که در آن‌ها به این فضا و تقاطع پرداخته می‌شود از واژه «اقتصاد دیجیتال» استفاده می‌کنم و مصرانه اعتقاد دارم جدا از این که دانش عمومی در این حوزه می‌تواند برای همگان مناسب باشد، مطالعات عمیق‌تر و تفکر پیرامون آن برای کسانی که می‌خواهند دستی بر این آتش هم داشته باشند (آتش دیجیتال) ضروری است. البته شما بهتر از من می‌دانید این تنها یک نام‌گذاری است و مفهومی گسترده است که در زیر گستره‌اش بسیاری از مفاهیم گرد هم می‌آیند اما در هر حال می‌تواند نقشی در جمع کردن پراکندگی ذهن‌مان داشته باشد.
بگذریم.
دو نفر از مشهورترین افرادی که در این حوزه فعالیت دارند، اریک برینجُلفسون و اندرو مک‌آفی، دو استاد دانشکده کسب‌وکار ام.آی.تی(MIT Sloan) هستند که برنامه ویژه‌ای تحت عنوان Initiative of Digital Economy یا IDE بوسیله گروهی که زیر نظارت ایشان قرار دارد در حال انجام است. این دو در سال ۲۰۱۷ کتاب مشترکی با هم نوشتند با عنوان «ماشین، پلتفرم، جمعیت: کنترل و استفاده از آینده دیجیتالی‌مان»
یا Machine, Platform, Crowd: Harnessing our digital future که می‌تواند به عنوان یک خوراک فکری عالی، ذهن‌مان را به چالش و تفکر فرو برد.
این کتاب در واقع از سه بخش مجزا تشکیل می‌شود.
در بخش اول به بررسی نقش ماشین و انسان ، در بخش دوم به بررسی نقش پلتفرم و محصول و در بخش سوم به بررسی نقش هسته مرکزی و جمعیت پرداخته می‌شود. در این پست قصد ندارم درباره بخش دوم و سوم صحبت کنم اما امیدوارم در آینده این اتفاق بیفتد.
در واقع در این جا می‌خواهم به بخش اول بحث این کتاب یعنی نقش انسان و ماشین در دنیای دیجیتال بپردازم و شاید لازم به تکرار نباشد که این صحبت‌ها از فیلتر ذهنی من عبور کرده‌اند و با تاملات خودم ترکیب شده‌اند و اگر نقصی در بیان ایده‌ها هست متوجه نوع روایت من است.
***
موضوع «کلیشه»ای به نظر می‌رسد.
تا صحبت به این جا می‌رسد، تصویرهای قدیمی به ذهن می‌رسند از ربات‌هایی که شهرها را تصرف می‌کنند. چیزهایی مثل ترمیناتور. مانند پست «شما چه استفاده‌ای از دست نامرئی می‌کنید؟» در این جا هم انسان گرایی ما سبب می‌شود تصورمان هم از ربات‌ها یا ماشین‌های هوشمند انسان‌ریخت‌هایی باشد شبیه خودم و شما اما آهنی.
ما با این تصویرها تغذیه می‌شویم و در دو دنیای جدا زندگی می‌کنیم. دنیای فانتزی ما را فیلم‌ها می‌سازند و دنیای واقعی ما را دغدغه‌های عادی‌مان.
دغدغه‌ای مثل انجام ندادن تمرین درس دانشگاه و در به در دنبال منبعی برای کپی کردن آن بودن
دغدغه‌ای مثل ددلاین تحویل پروژه به مدیر بالاسرمان
دغدغه‌ای برای چه کتابی را خواندن، چه شهری را سفر رفتن و چه فیلمی را دیدن
گوگل، پیشنهادات شخصی‌شده دیجی‌کالا یا الگوریتمی که اینستاگرام براساس آن فید ما را تنظیم می‌کند به نظرمان ربات یا حداقل دسترنج ربات نمی‌رسند.
به نظرمان ماشین نمی‌رسند.
اگر هم هستند ماشین‌های بی‌خطری به نظر می‌آیند، ما فکر می‌کنیم که این‌ها آمده‌اند زندگی ما را بهتر کنند.
در دیدگاه مرسوم ما به انسان و ماشین چه دیدی داریم؟
ما تصور می‌کنیم که ماشین‌ها آمده‌اند تا ما کارهای تکراری، خطرناک، کثیف یا هزینه‌بر را انجام ندهیم.
ماشین چیزی است که به من کمک می‌کند کاری را که قبلاً با مشقت فراوان انجام می‌دادم، اکنون به سرعت انجام بدهم. ماشین در این حالت یک شاگرد خوب و فرمان‌بر برای انجام کارهای گِلی است که وقت من بسیار بیشتر می‌ارزد تا صرفشان شود، منِ انسان آمده‌ام تا تصمیم بگیرم و خلاق باشم.
اصلاً عنوان «ماشینی» معنایش روی خودش است، جایی که تکراری و غیرخلاق به نظر می‌رسی اما پرکار.
تصمیم‌گرفتن و خلاقیت، این‌ها من را می‌سازند، این‌ها انسان را می‌سازند.
***
هنگامی که جملات بالا مثل قطار، سوت‌کشان از درون ذهن‌مان می‌گذرند جا دارد با صدای بلند از خودمان بپرسیم:
واقعاً؟
***
یکی از مهم‌ترین نکات بخش اول کتاب آقایان برینجُلفسون و مک‌آفی (در نظر من) همین تشکیک در این عقیده مرسوم است. در این دوگانه باطلی که ساخته‌ایم که ما انسان‌ها همچون پادشاهان بر تارک سلطنت تصمیم‌گیری می‌نشینیم، بر تارک خلاقیت و ماشین‌ها بر ذلت انجام کارهای از پیش معلوم و تکراری.
نه این طور نیست.
تا حد زیادی دیگر این طور نیست.
اتفاقاً در بسیاری از حوزه‌ها این ماشین‌ها هستند که می‌توانند تصمیم بگیرند تصمیم‌هایی به غایت بهتر از ما.
با الگوریتم‌ها، حجم دیتای فراوان، صبر و حوصله و قدرت رایانشی که این‌ها دارند به نظر می‌رسد این حوزه را هم از آن خود خواهند کرد و در انتخاب بین گزینه‌های پیش رو، انتخاب بهتری خواهند داشت تا ما.
اینجاست که به تعبیری Hippo نباید فصل الخطاب باشد. Hippo که مخفف کلمات زیر است:
The Highest paid person’s opinion
این عادت در شرکت‌ها جاری است که حرف، حرف مدیران عامل باشد، حرف، حرف آن‌هایی باشد که بیشترین پرداختی را دارند. صحبت این نیست که این‌ها هم نیاز به مشورت دارند و باید انسان‌های دیگر شرکت را هم حداقل در مشورت مشارکت دهند، این را زیاد شنیده‌ایم و درست و غلط‌‌ش بماند پای راویان آن.
صحبت اکنون از ماشینی است که نه نقش مشاور بلکه نقش تصمیم‌گیرنده را دارد.
ماشین‌هایی که مثل ما به خطاهای شناختی آلوده نیستند، ماشین‌هایی که سوگیری نسبت به حل مسئله‌شان ندارند و غره به تجربیات سالیانشان نیستند که گاهی اوقات همچون پرده‌ای ضخیم جلوی چشم فکرشان را گرفته و آن‌ها را در یک بهینه محلی اسیر کرده است، مثل مدیرانی که «من می‌دانم»شان گوش فلک را پر کرده.
***
شاید بپرسید:
باشد شاید (البته شاید) دنیای تصمیم‌گیری در معرض حمله این‌ها (این ماشین‌ها) قرار گرفته باشد. اما «خلاقیت» چه؟
خلاقیت هنوز (و احتمالاً) تا سال‌ها در ید قدرت ما باقی خواهد ماند. همان طور که «شهود» باقی مانده است.
منظورمان از شهود هم همان چیزی است که نمی‌فهمی از کجا اما در ذهنت پدیدار می‌شود و راه‌حل را به تو نشان می‌دهد. درست مانند آن شطرنج‌باز حرفهای که کافیست به صفحه شطرنج نگاهی بیاندازد تا حرکت درست در ذهنش نقش ببندد.
ماشین‌ها کجا و شهود ما انسان‌ها کجا. این هم قله دیگری است که ماشین نمی‌تواند آن را فتح کند.
***
به نظر می‌رسد منِ انسان تعبیرم از شهود، چیزی شبیه به معجزه است یعنی نمی‌دانم از کجا و به ظاهر هم بدون آن که زحمتی بکشم، راه حل درست به ذهنم خطور می‌کند، انگار که خارج از قواعد طبیعی. در این باره بدیهی است که حرفهای زیادی می‌توان زد اما اکنون به طور خاص صحبت‌های دنیل کانمن و دنیل دنت را در ذهن دارم.
کانمن که با یکی از همکارانش در این باره تحقیق مفصلی انجام داده، نشان می‌دهد که شهود در محیط‌هایی اتفاق می‌افتد که قابل پیش‌بینی‌اند. مثل شطرنج. درست است حرکات و اتفاقات زیادی بر روی این صفحه اتفاق می‌افتد اما یک شطرنج باز حرفهای که ساعت‌های متمادی از زندگی‌اش رو به روی این صفحه گذشته است، الگوهای بسیاری در ذهنش نقش بسته‌اند از باب احتمال این که کدام حرکت به چه نتیجه‌ای منجر می‌شود و البته بدون آن که به آن‌ها آگاهانه فکر کند.
این اتفاق برای کوهنوردان حرفهای هم می‌افتد که می‌توانند از آرایش ابرها و شرایطی که پیرامونشان برقرار است پیش‌بینی کنند که سمت و سوی هوا به کدام سمت می‌رود و ادامه کوهنوردی در این شرایط به صلاح است یا بهتر است ارتفاع خود را کم کنند.
یا آتش‌نشانان باتجربه نیز هم‌چنین.
تجربه به نظر می‌رسد در دنیایی معنا می‌دهد که حالت‌هایش اگر چه گسترده اما انتها دارد و بنابراین حضور دائمی در چنین فضاهایی به ثبت الگوهایی کمک می‌کند که در پیش‌بینی به ما یاری می‌رسانند و به نوعی تبدیل به انتخاب‌های سیستم یکی‌مان (همان انتخاب‌هایی که دلی می‌گیریم) می‌شوند.
حتی اگر کمی دقیق شویم می‌بینیم آن هنگامی که کلمات را به زبان مادری پشت سرهم می‌گذاریم و جمله می‌سازیم چیزی از این جنس برایمان رخ می‌دهد انگار که بستر و محیطی که در آن قرار گرفته‌ایم همانند محیطی که یک آتش‌نشان یا کوهنورد درون آن قرار دارد و واکنشی را در آن‌ها برمی‌انگیزاند، واژه‌ها را به ما تداعی می‌کند این که از کدام‌ها استفاده کنیم و از کدام‌ها نه و ما بدون آن که آن‌چنان آگاهانه به انتخاب‌هایمان فکر کنیم، کلمات را در زمان بسیار کوتاه می‌یابیم و ادا می‌کنیم.
***
جایی هم دنیل دنت با همان لحن طنزآلودش در پاسخ به این سوال که به نظر نمی‌رسد کامپیوترها به چیزی شبیه شهود انسانی نزدیک شوند، پاسخ قابل تاملی می‌دهد که البته من در این جا از عین کلمات او استفاده نمی‌کنم و نقل به مضمون می‌کنم.
او می‌گوید که شهود چیست؟ در نظر من شهود یا Intuition فرآیندی است که بدون آن که من بفهمم چرا، پاسخ به ذهنم می‌رسد و آن را بیان می‌کنم و اگر از من بپرسند چگونه به این پاسخ رسیدی، به سادگی می‌گویم: نمی‌دانم!
به تعبیر دنت این دقیقا اتفاقی است که برای کامپیوترها می‌افتد به عنوان مثال شما یک ضرب طولانی به آن‌ها می‌دهید و آن‌ها در کسری از ثانیه به جواب می‌رسند و شما شگفت‌زده از ایشان می‌پرسید چگونه به این پاسخ رسیدی؟ و آن‌ها به سادگی در جوابتان می‌گویند: نمی‌دانیم!
البته مسئله «ندانستن اما حل کردن» بسیار پیچیده‌تر از یک ضرب می‌شود.
در همین کتاب «ماشین، پلتفرم، جمعیت» نویسندگان به طراحی‌های فوق‌العاده‌ای اشاره می‌کنند که براساس الگوریتم‌های یادگیری ماشینی بوجود آمده‌اند مثلاً مبدل‌های حرارتی یا ماشین‌های مسابقه‌ای که هیچ‌کدام از طراحان انسانی پیش‌تر مانند آن‌ها را طراحی نکرده‌اند و اتفاقا این طراحی‌ها بهتر از مشابه‌های انسانی خود جواب می‌دهند.
مشکلی که در طراحان انسانی وجود دارد این است که همواره طراحی‌شان سوگیری نسبت به طرح‌هایی دارد که پیش از این بوده‌اند مثلاً ذهن‌شان اتومبیل‌هایی را طراحی می‌کند که مانند اتومبیل‌های قبلی‌اند با اندکی تغییرات قبلی.
آن‌ها طرحی نو درنمی‌اندازند.
اما طراحی ماشین‌ها یا کامپیوترهایی که تنها مشخصات غایی و اهداف برایشان تعریف شده و البته با داده‌هایی از رویدادهای واقعی هم تغذیه شده‌اند، طراحی‌های بسیار نو و جدیدند.
این جا ما از شهود می‌گذریم و سوال دیگری را مطرح می‌کنیم:
آیا این طراحی‌ها خلاقانه نیستند؟
به تعبیر اندرو مک‌آفی و اریک برینجلفسون، این‌ها خلاقانه‌اند. البته که خلاقیت از آن واژه‌هایی است که مانند یک پارچه گستره بسیاری از مفاهیم را در بر می‌گیرد و هر کس از ظن خود یار آن می‌شود. مثلاً اگر به دیکشنری آکسفورد نگاه کنیم خلاقیت را محصول خیال و تصور می‌داند که خب با این تعریف و از آن جا که این طراحی‌ها از خیال ماشین‌ها نمی‌آیند، پس نباید خلاقانه باشند.
اما آیا تعریف آکسفورد به طور قابل مشهودی انسان محور نیست؟
به تعریف دیکشنری معتبر دیگری مثل مریام وبسترز که مراجعه می‌کنیم می‌بینیم که خلاقیت را معادل با توانایی خلق چیزها یا ایده‌های جدید دانسته. با این تعریف، مسلماً طراحی‌هایی که به دست ماشین‌ها انجام شده، خلاقانه‌اند.
می‌بینید ماشین‌ها بیشتر از آن چه ما فکر می‌کنیم و بسیار فروتنانه به مرزهایی که ما گرد خود کشیده‌ایم نزدیک می‌شوند.
***
آیا این به معنای آن است که ما تمام زمین بازی را به آن‌ها واگذار کرده‌ایم؟
بگذارید با یک مثال شروع کنیم. فرض کنید که یک ماشین هوشمند تمام دیتای زندگی یکی از اساتید پرآوازه شهر را دارد و براساس دیتای خود الگویی را یافته که همیشه استاد سه‌شنبه صبح‌ها در دانشگاه حضور دارد.
این دوشنبه شب، براساس اتفاقی که تاکنون پیش نیامده، پای استاد می‌شکند و در بیمارستان بستری می‌شود.
اگر از ما به عنوان یک انسان بپرسند که آیا سه‌شنبه این هفته هم استاد سر کلاس حضور می‌یابد، بی‌معطلی می‌گوییم: خیر، به خاطر وضعیت پایشان این سه‌شنبه را غایب خواهند بود اما اگر همین سوال را از ماشین هوشمند پیگیر زندگی استاد بپرسیم بی‌معطلی می‌گوید: بله.
این تفاوتی است که هنوز فاصله قابل‌توجه‌ای میان ما و ماشین‌ها باقی گذاشته. ما به سبب آن که موجودات آگاه هستیم و زندگی می‌کنیم به نوعی از دانش مجهزیم که آن را معمولاً «عقل سلیم» یا Common sense می‌خوانیم.
خب برای ما بدیهی است که وقتی پای کسی شکسته سر کلاس درس ظاهر نخواهد شد.
ماشین‌ها ابزارهای بسیار خوبی هستند که در مسائلی که محدوده آن مشخص است معمولاً می‌توانند بسیار بهتر از ما عمل کنند. محدوده مشخص به معنی آن زمانی که زمین بازی کاملاً برایشان معلوم است اما مغز ما به انبانی از اطلاعات و ارتباطات مجهز است و با استفاده از تشبیه و آنالوژی موقعیت‌هایی را به هم ربط می‌دهد که از حوزه توانمندی ماشین‌ها (هنوز) خارج است و برای همین هم اگر ادبیات هوش مصنوعی را دنبال کنیم می‌بینیم که هنوز زمان زیادی مانده تا موجودی با توانایی هوش مصنوعی عمومی داشته باشیم، عمومی به معنای گستره توانایی‌ها و زمین‌هایی است که می‌توانند در آن نقش ایفا کنند. یا به تعبیر شیرین دنیل دنت، زمانی که دیگر ابزار ما نیستند بلکه همکاران ما هستند.
این جاست که شاید نیاز به بازتعریف نقش‌هایی داشته باشیم که برای خود متصوریم.
آندرو مک‌آفی و اریک برینجلفسون پیشنهاد می‌کنند (البته من نقل به مضمون می‌کنم) که کم کم باید طرح سوالات بزرگ را به انسان‌ها بسپاریم و سپس ماشین‌ها را به حل این سوالات بزرگ فراخوانیم.
نمی‌دانم، شاید آینده برای انسان چیزی از جنس طرح سوال باشد تا جواب.
باید منتظر ماند و دید.
آخرین دیدگاه‌ها