Category: فلسفه تکنولوژی دیجیتال

تکنولوژیست ها (دیگر) به بهشت نمی‌روند؟

پرده اول: کریس ارمسن (Chris Urmson) در برنامه تد در مورد اینکه خودران ها، خیابان را چگونه می‌بینند صحبت می‌کند (سخنرانی کریس ارمسن در تد). او مدیر فنی ارشد (CTO) پروژه خودران ها در گوگل است.

بسیاری او را یکی از مغزهای متفکر بزرگ در زمینه خودران‌ها (اتوموبیل‌های بدون راننده) می‌دانند. اما خودش، در مصاحبه‌ها بارها به صورت غیرمستقیم – و البته متواضعانه – به نکته‌ای اشاره می‌کند که نشان می‌دهد نقش خودش را کمی بزرگتر و جدی‌تر می‌بیند.

او توضیح می‌دهد که قبل از کارها و تلاش‌ها و برنامه‌های او، همیشه فرض بر این بوده که تکنولوژی قرار است در نقش کمک کننده (Assistant) برای راننده باشد. اما او این ایده را مطرح کرده که تکنولوژی می‌تواند و باید جایگزین راننده باشد. البته بحث او فقط مطرح کردن ایده نبوده و کریس ارمسن این باور را تا پیاده سازی هم به پیش برده است.

پرده دوم: مدتی پیش، بدون اینکه توضیح مشخصی منتشر شود، کریس ارمسن در وبلاگ خود می‌نویسد که گوگل را ترک کرده و به فرصت های شغلی جدیدی فکر می‌کند. پروفایل او در لینکدین به روز نشده و بین اهالی دنیای تکنولوژی شایع است که هر کس بعد از ترک شغل، پروفایلش را به روز نکند، احتمالاً در اپل استخدام شده است! اپل هم بی سر و صدا به صورت جدی بر روی خودروهای بدون راننده کار می‌کند و هم چندان علاقه‌ای به فعالیت جدی و گسترده تیم فنی‌اش در شبکه های اجتماعی ندارد. چون احساس می‌کند که ساده ترین تعامل‌ها هم ممکن است با نشت اطلاعات و ایده ها همراه شوند.

به نظر نمی‌رسد چنین حدسی الزاماً صحیح باشد. اما مشخص است که به هر حال، کریس ارمسن در جایی از صنعت خودرو در زمینه تخصص خودش یعنی خودرانها به فعالیت ادامه خواهد داد.

پرده سوم: بیش از ده سال گذشته است. در جلسه‌ کوتاهی که برای ترک شرکت با مدیر ارشد آلمانی شرکت داشتم، حاشیه‌ی بحث‌مان به یک نکته‌ی جالب کشیده شد. او می‌گفت: اگر در دو شرکت زیرمجموعه‌مان، دو نفر داشته باشیم که سهمی کلیدی در خلق کسب و کارهایشان داشته باشند، اگر ببینیم که آینده‌ی آن کسب و کارها روشن و امیدبخش است، فضایی ایجاد می‌کنیم که جای آن دو نفر با هم عوض شود. در این حالت، هر یک با درآمدی بسیار بیشتر، در موقعیت شغلی دیگری قرار می‌گیرند، اما در آینده ادعای مالکیت و سهم خواهی از کسب و کار را نخواهند داشت و نمی‌توانند داشته باشند. به این کار، اخراج از طریق ارتقاء می‌گویند.

پی نوشت یک: به نظر می‌رسد که باید طی چند سال آتی موفقیت جدی خودران‌ها را ببینیم. احتمالاً این موفقیت فقط در حد تست‌ در لابراتوارها نخواهد بود و اقتصادهای جدیدی را هم شکل خواهد داد. آن‌قدر که می‌ارزیده کریس ارمسن (و به فاصله‌ی کمی سه نفر از همکاران متخصص او) وادار به ترک موقعیت استراتژیک خود شوند. در واقع، از دست دادن آن دانش و تجربه ارزشمند، به کسب سهام بیشتر از شرکتی که احتمالاً طی دو یا سه سال آتی نامش را خواهیم شنید و طی پنج یا شش سال آتی، مانند گوگل و فیس بوک و اینستاگرام، در موردش حرف خواهیم زد، می‌ارزیده است.

پی نوشت دو: بر این باور هستم – و هیچ استدلال صریح و قطعی هم برایش ندارم – که نسل تکنولوژیست‌های ثروتمند به سادگی ادامه پیدا نخواهد کرد و دوباره با مدیران ثروتمند و موفق مواجه خواهیم شد. بیل گیتس و استیو جابز و زاکربرگ و سیستروم و رید هافمن و جف بزوس، نسلی بودند که چون کسی کار آنها را باور نداشت و تکنولوژی را به عنوان آینده‌ی جهان جدی نمی‌گرفت، در سکوت و سیاهی، بزرگ شدند و به جایی رسیدند که تعداد زیادی اقتصاد جدید خلق کردند که تک تک آنها از اقتصاد بخشی از کشورهای جهان بزرگ‌تر هستند. امثال بیل گیتس و زاکربرگ و سرگی برین، به عنوان میلیاردرهایی که کدنویسی هم بلد هستند، احتمالاً به سادگی تکرار نخواهند شد.

امروز همه‌ی چشم‌ها متوجه دنیای تکنولوژی است و تکنولوژیست‌هایی که دانش اجرایی دارند، قبل از آنکه بفهمند کسب و کار و اقتصاد چیست، به صورت مستقیم یا غیرمستقیم، در ساختار اقتصادی مدیران و سرمایه گذاران جذب و حل خواهند شد.

پی نوشت سه: همیشه نگران رویای آمریکایی یا American Dream در بین نسل جدید تکنولوژیست‌های ایرانی هستم. همان تفکر رشد گاراژی و استارت آپ داشتن و چای و قهوه خوردن و Post-it به دیوار چسباندن و هیاهوی آخر هفته در استارت آپ ویکندها و تلاش برای جذب سرمایه گذار و خوابیدن در زیرزمین‌ها به امید بیدار شدن در کاخ‌های رویایی.

غافل از اینکه اگر سرمایه گذاران دهه ۸۰ و ۹۰ میلادی و دوران پس از حباب دات کام با سرمایه گذاری‌هایشان به سهمی کوچک و سودی معقول راضی بودند و انتظار این سودهای هنگفت را نداشتند، امروز سرمایه گذاران، با رویای سود زیاد می‌آیند و اینها که از کل تکنولوژی، برنامه نویسی و UI و UX و اپلیکیشن را می‌فهمند و از کل مدیریت و استراتژی، واژه‌ی استارت آپ را شنیده‌اند، دیر یا زود رویاهای خود را با حرص و انگیزه‌ی رشد سریع‌تر تسلیم آنها خواهند کرد.

وقتی که می‌بینم شرکتهای استارت آپی ما، با چند جوانی که در زندگی هرگز رقم‌هایی مثل صد میلیون یا یک میلیارد تومان را ندیده و نفهمیده‌اند، چالش اصلی خود را نه استراتژی و مدل کسب و کار و تفکر سیستمی، بلکه جذب سرمایه گذار می‌بینند و تحقیق رویای خود را نه در رابطه بلندمدت با مشتری، بلکه در تبلیغات گسترده‌ی مجازی و محیطی جستجو می‌کنند، کمی نگران می‌شوم.

مدل راه انداختن کسب و کار و جستجوی سرمایه گذار، مدل دهه نود و سالهای آغازین قرن جدید در آمریکا بود. امروز، چه در‌آمریکا و چه در ایران و هر نقطه‌ی جدید، مدل‌هایی که خلاقانه و پایدار باشند و بتوانند ثروت و ارزش را از درون و نه با سرمایه گذاری خارجی خلق کنند، احتمالاً آینده‌ی درخشان‌تری را تجربه خواهند کرد.

بهشت ثروت دورتر شده و پل صراط آن باریک‌تر. تکنولوژیست‌ها – اگر مدیریت و اقتصاد و فلسفه‌ی تکنولوژی دیجیتال را عمیق و با روح و جان نفهمند – به راحتی گذشته به بهشت نمی‌روند.



رادیو مذاکره مذاکره تجاری یادگیری زبان انگلیسی
افزایش عزت نفس دوره MBA پاراگراف انگلیسی
افعال پرکابرد انگلیسی مدیریت زمان رادیو متمم
استراتژی محتوا زبان بدن صفات پرکاربرد انگلیسی
+166
  

اجتماع های شبکه ای یا شبکه های اجتماعی؟

پیش نوشت یک: فرض کنید با یک نفر در مورد زنبور عسل صحبت کنید و چون او فرق زنبور عسل و عسل زنبور را نمی‌فهمد (و حتی نمی‌داند که چنین تفاوتی وجود دارد که بفهمد آیا آن را می‌فهمد یا نمی‌فهمد) همان ویژگی‌های عسل زنبور را به زنبور عسل نسبت دهد.

مثلاً بگوید زنبور عسل مایعی لزج و شفاف است که آن را می‌توان به صورت خالص خورد یا در چای ریخت و هم زد و نوع طبیعی و مصنوعی دارد و …

فکر می‌کنم به چنین فردی، اگر برچسب دیوانه نخورد، برچسب نادان را می‌توان با کمترین تردیدی به او نسبت داد.

پیش نوشت دو: اخیراً چالشی در شبکه های اجتماعی و به طور خاص اینستاگرام (به عنوان یکی از معدود شبکه های اجتماعی که در کشورمان مجاز است) راه افتاده که پیشنهاد می‌کند افرادی را که اهل توهین و استفاده از کلمات نامناسب هستند بلاک کنیم.

من در حال حاضر در مورد میزان اثربخشی چنین کمپینی یا نیاز به آن یا بی‌نیازی از آن یا اثرات کوتاه مدت و بلندمدت آن کاری ندارم و به نظرم مجال مستقلی برای صحبت می‌طلبد.

اما برخی دوستان را دیده‌ام که نقدهای عجیب می‌نویسند و به شکل‌های مختلف این کمپین را نقد می‌کنند.

گروهی این مسئله را به این بهانه نقد می‌کنند که باید با “ریشه این مدل ذهنی” برخورد کرد و نه “میوه این مدل ذهنی”.

گروهی دیگر هم دیده‌ام که بلاک کردن را با اعدام کردن مقایسه می‌کنند و چون اعدام کردن را زشت و ناپسند (یا لااقل مجازاتی شدید) می‌دانند، بلاک کردن را هم با منطق استقرا از همان جنس می‌بینند و تفسیر می‌کنند.

قبلاً راجع به تفاوت اجتماع های شبکه ای و شبکه های اجتماعی بسیار مختصر و کوتاه نوشته بودم و کسانی که علاقمند باشند، ده‌ها کتاب و صدها مقاله در این زمینه هست که می‌توانند مطالعه کنند.

اما اینکه Network را با Community اشتباه بگیریم و بر این اساس، به قاعده‌ی آنالوژی  و یا استقرا، به تحلیل دینامیک رفتارهای شبکه ای بپردازیم، به نظرم شرط عقل و علم نیست.

کاش با خودمان قرار می‌گذاشتیم، هر صد صفحه کتاب که می‌خوانیم، حداکثر یک صفحه تحلیل بنویسیم. احتمالاً‌ شبکه های اجتماعی ما خلوت‌تر اما غنی تر می‌شد.

غنی سازی فکر، حق مسلم ماست. حتی شاید تکلیف مسلم ما هم باشد. حیف که کمتر برای آن وقت و انرژی صرف می‌کنیم.

پی نوشت یک: آقای زاکربرگ تصمیم گرفته‌اند در فیس بوک،‌ هر کس حداکثر پنج هزار دوست داشته باشد. هیچ احمق و نادانی، اعتراض نمی‌کند که فیس بوک، بر خلاف حقوق بشر و حقوق انسانی عمل کرده است. ایشان اگر اراده کنند و منطق کسب و کارشان اجازه دهد، حق دارند و شایستگی دارند در مورد مناسب بودن ۵۰۰ یا ۵۰۰۰۰ یا ۵۰۰۰ تصمیم بگیرند. در شبکه ها، چه برای اعضا و چه برای مدیران، این قواعد شبکه است که مهم است و نه هنجارهای اجتماعی. اگر هم اخلاق تعریف می‌شود – که می‌شود – اخلاق شبکه است و نه اخلاق اجتماعی و اگر دینامیک تحلیل می‌شود، دینامیک شبکه است و نه دینامیک اجتماعی.

پی نوشت دو: مدت‌هاست به خاطر اینکه روزنوشته‌ها سنگین نشود، به سراغ بحث‌های فلسفه تکنولوژی دیجیتال نمی‌روم. اما فکر می‌کنم الان که با مطالبی مثل لحظه  نگار، کمی فضا رقیق‌تر شده، مناسب باشد که به این بحث‌ها بازگردیم. امیدوارم دوستانی که این بحث‌ها را دوست ندارند، به سرعت از روی عنوان‌های آنها عبور کنند و گرفتار فضای خشک و کم روح این نوع بحث‌ها نشوند.



رادیو مذاکره مذاکره تجاری یادگیری زبان انگلیسی
افزایش عزت نفس دوره MBA پاراگراف انگلیسی
افعال پرکابرد انگلیسی مدیریت زمان رادیو متمم
استراتژی محتوا زبان بدن صفات پرکاربرد انگلیسی
+171
  

ایلان ماسک و توسعه سایبورگ های مبتنی بر Neural Lace

امروز بعد از چند هفته فرصتی دست داد تا ویدئو‌ها و متن مصاحبه‌ها و سخنرانی‌های Code 2016 را ببینم.

طبیعتاً بحث‌های ایلان ماسک را دوست دارم و آن‌ها را هم دنبال کردم.

ایلان ماسک بر خلاف فضای رایج، برای من بیش از آنکه یادآور خودروهای تسلا و پی پل و سولارسیتی باشد، به این دلیل دوست داشتنی است که احساس می‌کنم مانند من (حتی شاید کمی کمتر از من!) به نقش تکنولوژی به عنوان چیزی فراتر از ابزار انسان در آینده‌ی هستی، ایمان دارد.

او مدتهاست از Neural Lace حرف می‌زند و تاکید می‌کند که با توجه به سرعت توسعه‌ی یادگیری ماشینی (Machine Learning)، اگر انسان‌ها می‌خواهند به یک “حیوان دست آموز خانگی” برای تکنولوژی تبدیل نشوند، لازم است برای مغز آنها کاری بکنیم.

فعلاً لایه‌ی کورتکس، روی لایه‌ی لیمبیک نشسته و کمک کرده که ما خود را فراتر از سایر موجودات بدانیم. اما قطعاً طی چند سال، مغز فرصت ندارد لایه‌ی سومی را با کارکردی متفاوت بر روی کورتکس سوار کند تا از عهده‌ی Machine Learning‌ برآید.

پس تنها کمکی که می‌شود به انسان کرد این است که لایه‌ی سوم را خودمان بسازیم و به مغز اضافه کنیم. لایه‌ای که از تکنولوژی‌های روز برای یادگیری سریع‌تر و بهتر بهره بگیرد و انسان را از اینکه به حیوان دست آموز “هوش جدید” تبدیل شود – به صورت موقت – نجات دهد.

اگر چه حتی بحث ایمپلنت کردن مغز و تزریق Nanoagent ها به مغز هم مطرح است، اما به نظرم اینکه با چه روشی لایه‌ی سوم را به لایه‌های قبلی می‌افزاییم چندان مهم نیست.

شاید برای ما هیجان انگیز باشد که مثل داستان‌های علمی-تخیلی، حتماً یک تراشه‌ی الکترونیکی در داخل بدن‌مان کار بگذارند (که ساده و عملی و قابل تصور است) اما آنچه مهم است این است که مغز انسان و مغز تکنولوژی، لازم است با هم ازدواج (Mating) کنند.

همین الان هم این اتفاق بین موبایل و انسان افتاده و موبایل را می‌توان به عنوان مغز منفصل در نظر گرفت.

هیچ انسان باشعوری را نمی‌شناسم که برای به خاطر سپردن یک شماره‌ی مهم، “حافظه‌ی قوی مغز منفصل” خود را به “حافظه‌ی ضعیف و خطاکار مغز متصل خویش” ترجیح ندهد.

همچنین انسان‌های زیادی می‌شناسم که خواندن و طبقه بندی مطالب توسط مغز منفصل (گوگل) را به خواندن و طبقه بندی مطالب توسط مغز انسانی ترجیح می‌دهند.

اگر چه این مغز منفصل، در هم‌نشینی ما انسان‌های تعطیل الفکر، کمی طول می‌کشد تا پتانسیل‌های خود را از حالت بالقوه به بالفعل شکوفا کند.

بگذریم.

اینها را نوشتم تا اگر کسی به تکنولوژی علاقه دارد و Code را دنبال نمی‌کند، شاید از دیدن و شنیدن بحث‌های آنجا لذت ببرد و از سوی دیگر، اگر کسی بیست سال بعد، به آرشیو حرف‌ها و نوشته‌ها و گفته‌های ما در این نقطه‌ی دنیا دسترسی پیدا کرد، فکر نکند که ما ساکنان این نقطه از زمین و زمان، همه مثل هم فکر می‌کردیم!

این نوشته را اختصاصاً برای آن خواننده‌ی احتمالی نوشتم تا بداند که من، سبکی را که او در آن روز زندگی خواهد کرد، شفاف‌تر و واضح‌تر از صفحه‌ی نمایشی که الان روبرویم است، می‌بینم!

پی نوشت: برای مطالعه و یادگیری در این حوزه‌ها، Cyborg کلمه‌ی کلیدی مناسبی است. ترکیب Cybernetic و Organism. همین ترکیب فعلی انسان و موبایل، نمونه‌ی یک سایبورگ ساده است. بحث عصر سن تورهای من هم به همین قصه‌ها اشاره می‌کرد.



رادیو مذاکره مذاکره تجاری یادگیری زبان انگلیسی
افزایش عزت نفس دوره MBA پاراگراف انگلیسی
افعال پرکابرد انگلیسی مدیریت زمان رادیو متمم
استراتژی محتوا زبان بدن صفات پرکاربرد انگلیسی
+147
  

نظریه اطلاعات – کلود شانون و درک کلان سیستمهای پیچیده (+کمی طعم ریاضی)

پیش نوشت یک: دوست داشتم بیام یه چیزی همین‌طوری الکی توی روزنوشته بنویسم که به روز بشه. فشار کار هم خسته‌ام کرده بود و مغزم کار نمی‌کرد. بنابراین، مطلب تحلیلی نمی‌شد بنویسم. گفتم یه چیزی بنویسم که خیلی به مغزم فشار نیاره و بیشتر از جنس ریاضی و مبانی اولیه اطلاعات سیستم‌ها باشه.

اینطوری دل هما رو هم به دست میارم که یه زمان بهم چنین دستوری داده بود:

برداشت من از نوشته هاتون اینه علاقه ندارید این جا بحث های ریاضی بکنید، ولی یک پیشنهاد: اگه میشه با یه سرفصل مشخص این بحث های ریاضی رو بکنید. فکر کنم خیلی جذابه و در مورد خودم باعث میشه ریاضیات رو بهتر بفهمم. فکر کنم افرادی هم باشند که به این بحث ها علاقه دارن.

پیش نوشت دو (برای هما): هما جان. همون‌طور که مطمئناً به خوبی می‌تونی حدس بزنی، بخش قابل توجهی از مباحث مرتبط با سیستم‌های پیچیده در حال حاضر، از جنس شبیه سازی‌های نرم افزاری کامپیوتری هست. حالا هر کس بسته به نیاز خودش، المان‌های ساده‌ی سیستم رو تعریف می‌کنه این المان‌ها رو در تعامل با هم قرار می‌ده و رفتار سیستم رو در طول زمان مشاهده و اصلاح می‌کنه.

حالا دیگه نحوه‌ی پیاده سازی به این برمی‌گرده که هر کسی دستش برای کار با چه ابزاری بازتره. برنامه نویس‌ها قاعدتاً سراغ پلتفرم‌هایی میرن که بهشون زیرساخت‌های OOP یا Object Oriented Programming رو بده. دانشجوهای دانشگاهی معمولاً چون از صفر نمی‌تونن چنین سیستم‌هایی رو پیاده سازی کنند، سراغ ابزارهای آماده‌تر مثل MATLAB میرن.

بنابراین، کاربرد ریاضی در تحلیل سیستمهای پیچیده، بیشتر به نظارت و ارزیابی و سنجش برمی‌گرده.

چنانکه در دنیای واقعی هم، فیزیک بیشتر کار سنجش رو انجام می‌ده و بر اساس این سنجش، سعی می‌کنه تغییراتی در جهان ایجاد کنه. ما به عنوان بخشی از عالم هستی در میانه‌‌ی عالم هستی که در حال خلق هست، قرار گرفته‌ایم و مدام اندازه گیری می‌کنیم و اگر بتوانیم تصویری واقعی‌تر از جهان در آینده‌ رو به دست بیاریم خوشحال می‌شیم و نتیجه می‌گیریم که نظریه‌های علمی‌مون به درک بهتر محیط کمک کرده‌اند.

ریاضیات سیستم های پیچیده هم، بیشتر نگاهش مبتنی بر اندازه گیری و سنجش هست و البته اگر بتونه خوب اندازه گیری کنه، می‌تونه به تغییر سیستم‌ها هم اقدام کنه.

ما در فیزیک، مدتهاست که از اندازه گیری عبور کرده‌ایم و الان در حال تاثیرگذاری روی سیستم هستیم.

در ریاضیات سیستم‌های پیچیده، هنوز داریم سعی می‌کنیم اندازه گیری رو بهتر یاد بگیریم و روش‌های بهتری رو دیدن محیط خلق کنیم.

سعی می‌کنم اینجا (و اگر حال و حوصله‌ای بود بعداً در ادامه‌ی این بحث) نظریه اطلاعات رو به عنوان یکی از ابزارهای ریاضی که به درک سیستم های پیچیده کمک می‌کنه در حد خیلی ساده و ابتدایی فهم خودم، توضیح بدم.

اصل بحث- اطلاعات

چیزی که شاید هنوز به درستی نمی‌دانیم چیست

اگر درس‌های دانشگاهی مدیریتی رو بخونی، احتمالاً بلافاصله‌ی بعد از شنیدن واژه‌ی اطلاعات، مجموعه‌ای از روضه‌های آماده در زمینه‌‌ی تفاوت اطلاعات و داده‌ (Data vs. Information) خواهی داشت و بعیده که کلمه یا مفهوم اطلاعات بتونه خیلی هیجان زده‌ات بکنه.

اما اگر اون آموخته‌ها و نامگذاری‌ها رو کنار بگذاریم، مفهوم اطلاعات به صورت مستقل و مجرد، چندان قابل تعریف نیست.

تو الان داری این وبلاگ رو می‌خونی به امید اینکه چیزی به “اطلاعات” تو اضافه بشه.

همچنین خیلی وقتها می‌گیم فلانی اطلاعاتش در این زمینه خیلی زیادتر از منه.

به نظر میاد حتی اگر قادر به اندازه‌گیری اطلاعات نباشیم، اون رو قابل سنجش و قابل مقایسه می‌دونیم.

جالب اینجاست که ظاهراً اطلاعات، یا ثابت می‌مونه یا افزایش پیدا می‌کنه.

تا حالا نشنیده‌ام کسی بگه با یکی حرف زدم، اطلاعاتم خیلی کاهش پیدا کرد!

معمولاً می‌گیم: چیزی بهم اضافه نشد (احتمالاً اگر مباحث ترمودینامیک رو یادت باشه، با شنیدن چیزی که زیاد می‌شود، اما کم نمی‌شود، یاد انتروپی می‌افتی).

از طرف دیگر، اطلاعات بار ارزشی نداره. بر خلاف لغت‌هایی مثل حقیقت و واقعیت، اطلاعات مفهومی است که سوگیری ندارد:

اطلاعات مفید، اطلاعات غیرمفید، اطلاعات درست، اطلاعات نادرست، اطلاعات ارزشمند، اطلاعات دروغ

علاوه بر این توضیح من، یک چیز دیگه هم می‌دونیم که امروز، عصر اطلاعات هست.

البته نمی‌دونم اگر بهمون بگن که در مورد تفاوت عصر اطلاعات، با مثلاً عصر دانش یا عصر تکنولوژی صحبت کنیم، چقدر می‌تونیم حرفه‌ای و عمیق و علمی، توضیح بدیم.

البته گنگ بودن مفهوم اطلاعات، نباید خیلی نگرانمون کنه.

به قول دائره‌المعارف استنفورد، ما هنوز درک درستی از مفهوم انرژی هم نداریم و اون رو به شکل‌های مختلف، مفهوم پردازی کرده‌ایم: انرژی جنبشی، انرژی پتانسیل، انرژی الکتریکی، انرژی هسته‌ای و …

در ظاهر، هر کدوم اینها دارن حرف متفاوتی می‌زنن، اما در نهایت رابطه بین اینها و نحوه تبدیل شدنشون به یکدیگر رو تا حد خوبی می‌فهمیم و حتی اگر نتونیم ذات انرژی رو به خوبی توضیح بدیم، باز هم می‌تونیم اون رو به تسخیر خودمون در بیاریم و به خدمت بگیریم.

نگاه مبتنی بر “اطلاعات” می‌تواند درک عمیقی از جهان به ما بدهد

از دوران ما قبل علم که بگذریم، رایج ترین و معتبرترین مدلی که ما برای درک جهان داریم، مدل زمان و مکان و ماده و انرژی است (اینکه اینها رو چهار تا بگیریم یا سه تا یا دو تا یا یکی، تغییری در اصل ماجرا ایجاد نمی‌کنه).

لغت مدل رو عمداً به کار می‌برم. چون ما می‌دونیم که هر توضیحی صرفاً یک مدل هست و به اندازه‌ای که می‌تونه جهان اطراف ما را تحلیل و آینده‌ی ما رو پیش بینی کنه و قدرت تاثیرگذاری ما رو روی محیط افزایش میده، مورد احترام قرار می‌گیره.

اما بیا به هم به یک سناریو فکر کنیم:

در یک لحظه، هر کس که در جهان موبایل داره، اسکرین شات آخرین مکالمه‌ی تلگرامی یا پیامکی یا واتس اپی موبایل خودش رو بگیره و به صورت تصادفی برای یک نفر دیگه در دفتر تلفنش ارسال کنه.

یک ثانیه بعد، سرنوشت جهان عوض شده. حتی می‌تونیم بگیم جهان در این یک ثانیه، دچار تکینگی شده. تاریخ یه جورایی به قبل و بعد از این نقطه تقسیم خواهد شد.

رابطه‌های عاطفی در هم می‌شکنه یا ایجاد میشه. روابط سیاسی جابجا می‌شه. اقتصاد تغییر میکنه و دیگه هیچی مثل قبل نیست. نمی‌گم بهتر یا بدتر. می‌گم مثل قبل نیست.

چه اتفاقی افتاد؟ کل میزان جابجایی ماده و انرژی که از یک ثانیه قبل تا الان اتفاق افتاده چقدر بوده؟ قطعاً به نسبت روند عادی جهان، مقدار ناچیزی بوده.

اگر فرض کنیم همه متوقف شن و این کار رو انجام بدن، تقریباً از لحاظ فیزیکی میشه گفت ظاهر جهان تغییر خاصی نداشته. اما متحول شده.

اینجا هم با ارسال و دریافت پیام‌ها از طریق کابل‌های برق و امواج سر و کار داریم. اما حرف من اینه که با معیارهای سنجش در پارادایم رایج، این جابجایی خیلی زیاد نبوده (در مقایسه با جابجایی یک ناو هواپیمابر از غرب تا شرق جهان که جابجایی ماده و انرژی بیشتری ایجاد می‌کنه اما اثرش از این سناریوی فرضی من به مراتب کمتره).

ما فقط توزیع اطلاعات رو در جهان تغییر دادیم.

سناریوی من یک حالت خیلی شدید بود و به قول اهل دانشگاه، Strong Form محسوب می‌شد. اما شکل Weak Form و ضعیفش، چیزیه که همین الان در حال انجامه! استفاده‌ی دائمی ما از موبایل و وسایل ارتباطی و شبکه های اجتماعی، حجم گسترده‌ای از تحولات رو در دنیا داره ایجاد می‌کنه که اگرچه نتایجش رو می‌بینیم، اما مکانیزمش با مترهای رایج، به سادگی قابل اندازه گیری نیست.

همه صرفاٌ می‌دونیم و لمس می‌کنیم که تحولات حاصل از وضعیت فعلی، کوچک نیست. این مغز متصل جهانی، به شیوه‌ای متفاوت و پیچیده‌تر فکر می‌کنه.

در این مرحله، می‌توانیم تعدادی سوال کلی بپرسیم:

آیا با سناریوی پیشنهادی من، حجم اطلاعات موجود در کل جهان افزایش پیدا کرده یا ثابت مونده؟

آیا صرفاً اطلاعات از جایی به جای دیگه منتقل شده؟

آیا معیار و مقیاسی برای اندازه گیری این اطلاعات جابجا شده وجود داره یا قابل تصوره؟

آیا میشه به شیوه‌ی مشابهی، با گوش دادن به یک سخنرانی تلویزیونی یا رادیویی،‌ محاسبه کرد و شمرد که واقعاً چقدر اطلاعات عرضه و جابجا شده؟

آیا – در ارجاع به سرزمین موریانه‌ای مورد علاقه‌ی من – میشه اطلاعات ذخیره شده در ساختار اجتماعی موریانه‌ها رو اندازه گیری کرد و مثلاً‌ با اطلاعات ذخیره شده در ساختار اجتماعی شهر خودمون مقایسه کنیم و ببینیم که کدام، مطلع‌تر هستند؟

آیا من می‌تونم همزمان، به اعضای یک جامعه انسانی این حس رو بدم که اطلاعاتشون بیشتر از قبل شده و در عین حال، اطلاعات اون جامعه رو ازشون بگیرم و کاهش بدم؟

اصلاً اطلاعات رو میشه نابود کرد یا صرفاً میشه جابجا کرد؟

برای پیدا کردن پاسخ چنین بحث‌هایی (که البته اگر بدونیم کدوم مدل رو مورد استفاده قرار می‌دیم، پاسخ همه شون مشخص و شفاف و قابل بحث هست) لازمه که مدلی برای تعریف و سنجش اطلاعات داشته باشیم.

اون وقت می‌تونیم مثلاً‌ در مورد توزیع اطلاعات در میان سهامداران حقیقی و حقوقی بورس تهران و یا مثلاً‌ حجم کل اطلاعات مستقر شده در ساختار بورس به عنوان یک سیستم پیچیده در مقایسه با حجم اطلاعات چند سال قبلش (و احتمالاً‌ روند چند سال بعدش) اظهار نظر کنیم.

اینجا لازم هست که بحث پیام و محتوای پیام رو از هم تفکیک کنیم.

من ممکنه پیامی طولانی و حجیم برای تو ارسال کنم، اما Information Content یا محتوای اطلاعاتی اون کم باشه.

البته خود واژه‌ی پیام هم، به اندازه‌ی واژه‌ی اطلاعات، مبهم هست. در تعریف و نگاهی که من دارم، هر شیء رو می‌تونی یک پیام در نظر بگیری.

یعنی پراید سفید و قورباغه‌ی سبز و پست وبلاگ روزنوشته و پیامک موبایل، صرفاً چهار نوع پیام متفاوت محسوب می‌شن.

به اینجا که می‌رسیم، هر کس تعریف متفاوتی از محتوای پیام داره. مثلاً پوپر، به غیرمنتظره بودن اشاره می‌کنه و به شکلی دیگر (و البته مشابه) میگه: ارزش محتوای یک پیام به اندازه‌ی گزاره‌هایی هست که باهاش نقض می‌شه.

هما، به این مثال فکر کن:

فرض کن الان پشت در بسته‌ی یک اتاق نشسته‌ایم.

یک نفر میاد و می‌گه: داخل این اتاق هیچ چیزی نیست.

این پیام، قطعاً محتوا داره. یعنی می‌تونی بگی Information Content داشته.

حالا فرض کن قبلش من بهت گفته‌ام: داخل این اتاق یک گاو صندوق گذاشته‌ام. یک میز هم وسط اتاق هست. دسته چک من هم داخل اتاق هست و وقتی برویم داخل، بدهی‌هایم را به تو خواهم داد.

حالا همون آدم میاد و میگه: داخل این اتاق هیچ چیزی نیست.

الان این پیام، چند گزاره رو نقض کرد: فهمیدیم که گاوصندوق من اون تو نیست. فهمیدیم که میز در کار نیست. فهمیدیم که دسته چکی در کار نیست و فهمیدیم که وقتی داخل برویم، تو طلب‌هایت را دریافت نخواهی کرد.

با وجودی که پیام یکسان هست، محتوای اون، بر اساس سایر پیام‌هایی که در محیط هست و اینکه دریافت کننده‌ی پیام چه کسی هست، می‌تونه Information Content متفاوت داشته باشه.

این می‌تونه یه مدل برای سنجش و اندازه گیری اطلاعات باشه.

اما من مدل کلود شانون رو که پدر نظریه اطلاعات محسوب میشه، برای این بحث‌مون ترجیح می‌دم:

فرض کن ما الان یک سیستم داریم (ساده یا پیچیده مهم نیست).

این سیستم می‌تواند به صورت بالقوه، ده وضعیت (State) مختلف داشته باشه که اونها رو با S1 و S2 و S3 و …  نشون می‌دیم.

تمام این State‌ها رو اگر کنار هم قرار بدی و تمام حالات محتمل رو بدونی، می‌تونی بگی که State Space رو برای اون سیستم می‌شناسی.

همچینن فرض کن من می‌دونم که احتمال اینکه الان سیستم در هر حالت باشه چقدره.

یعنی علاوه بر S1 تا S10 ما احتمالات رو هم از P1 تا P10داریم.

حالا یه نفر میاد میگه: من می‌دونم که این سیستم، در اولین گام تغییر قراره به وضعیت S4 بره.

آیا خبر این فرد مهم هست؟ آیا اطلاعات ارزشمندی رو به ما داده؟

 فرض کن که p4 مثلاً ۹۹% باشه.

پس ما خودمون می‌تونیم حدس بزنیم که به احتمال زیاد، سیستم به وضعیت S4 میره.

اطلاعات اون آدم وقتی برای من ارزشمنده که المان سورپرایز در پیامش بیشتر باشه.

شنون، یه مدل پیشنهادی برای سنجش میزان عدم قطعیت داره که می‌تونه مفید باشه (لغت پیشنهاد خیلی مهمه):

نظریه اطلاعات و مدل کلود شانون برای سنجش محتوااون پایه‌ی لگاریتم خیلی مهم نیست.

مهم روح لگاریتم هست که وقتی احتمال کوچیک میشه، به ما عدد بزرگتری میده و نشون می‌ده که اون پیام، داره اطلاعات ارزشمندتری رو حمل می‌کنه.

من پایه‌ی دو رو برای لگاریتم ترجیح می‌دم چون به فضای دیجیتال نزدیک‌تره.

پس اگر یک نفر به من بگه که شماره آخر موبایل تو ۳ هست، به من ۳٫۳۲ بیت اطلاعات مفید داده (احتمال سه بودن، یک دهم هست).

اگر بگه شماره‌ی دوم موبایل تو مثلاً ۷ هست، باز هم به من ۳٫۳۲ بیت اطلاعات مفید داده (باز هم احتمال ۷ بودن، یک دهم هست)

اگر از اول مثل بچه‌ی آدم بیاد بگه دو رقم آخر تلفن تو ۷۳ هست، به من ۶٫۶۴ بیت اطلاعات مفید داده (چون احتمالش یک صدم هست).

اینجاست که مدل پوپر (لااقل برای من) دوست داشتنی نیست. چون:

اگر طرف آزار داشته باشه و اول بیاد ۷ رو بگه برای من ۹ گزینه رو حذف کرده. بعد بیاد ۳ رو بگه، دوباره ۹ گزینه رو حذف کرده. پس ۱۸ واحد اطلاعات داده.

اما اگر آدم سالمی باشه و بیاد از اول ۷۳ رو بگه، ۹۹ واحد اطلاعات رو حذف کرده.

به نظرم اگر هدف من کلاً دونستن دو رقم آخر تلفن تو باشه، دلیل نداره محاسبات، دو جواب مختلف بده (البته می‌تونی فرض کنی که خرد کردن و تحویل تدریجی اطلاعات، ارزش اطلاعات رو کم می‌کنه که الان بحث من نیست).

اما قشنگ‌ترین کار کلود شانون پیشنهاد انتروپی اطلاعاتی یک سیستم هست:

فرمول انتروپی شانون - کلود شانون و نظریه اطلاعاتیه جورایی امید ریاضی ترکیب محتوای اطلاعاتی یک سیستم رو حساب کرده.

به این مثال ساده فکر کن:

تو یه سکه داری که باهاش شیر یا خط بازی می‌کنی. احتمال اینکه سکه از رو بیفته یک دوم هست. احتمال اینکه از پشت هم بیفته یک دوم هست. و سیستم شیر یا خط کلاً دو وضعیت S1 و S2 بیشتر نداره که احتمال هر حالت هم ۰٫۵ هست:

استفاده از فرمول انتروپی شنون برای انداختن سکه و محاسبه انتروپی سیستم اطلاعاتی در حالت باینریچون پایه رو ۲ فرض کردم، میشه گفت: اطلاعات حاصل از انداختن یک سکه رو، در بهترین حالت و فشرده‌ترین حالت میشه در یک بیت ذخیره کرد.

ممکنه بگی!

خاک بر سرت محمدرضا! این همه ضرب و تقسیم! خوب این که از اول معلوم بود!

بذار برای اینکه کمتر فحش بخورم یه استفاده‌ی دیگه از کلود شانون بکنم:

یه کلاس کوچیک ده نفری رو در نظر بگیر که بچه‌ها به شکل U می‌شینن توش:

نظریه اطلاعات بر اساس مدل کلاود شنونالان من میام به تو دقیقاً می‌گم که چه کسی کجا نشسته (هیچ کدوم هم ترجیح خاصی ندارن و هر جایی ممکنه بشینن).

ارزش این پیام من چقدره؟ تعداد کل حالت‌ها !۱۰ (ده فاکتوریل) هست و احتمال هر کدوم برابر که اگر حساب کنی میشه:

محاسبه انتروپی شنون برای اطلاعاتاحتمالاً هنوز هم خیلی از من راضی نیستی.

چون می‌گی به جای این همه کار پیچیده، کافی بود که فکر کنی عدد !۱۰ در مبنای دو چند بیتی می‌شه.

اما یادت نره که الان همه‌ی احتمالات برابر هستند و به محض اینکه احتمالات برابر نباشن، دیگه چاره‌ای جز توسل به انتروپی شنون نداریم.

می‌تونی اگر وقت داشتی به این سوال فکر کنی: یه نفر میاد میگه: فهمیده‌ام که علی و مریم این هفته با هم دوست شده‌اند و حتماً در کلاس کنار هم می‌نشینند.

سوال من اینه که این خبر خاله زنکی، چند بیت می‌ارزه؟ (حساب کنی فکر کنم حدود ۲٫۳ بیت ارزش داره!)

حالا میشه بهتر فهمید که یکی از کاربردهای شبکه های اجتماعی به عنوان یک سیستم پیچیده چیه.

ما با هر بار لایک زدن یا نزدن یا فالو کردن یا نکردن، داریم اطلاعات “تولید” می‌کنیم و از سوی دیگه، انتروپی اطلاعاتی جامعه رو کاهش می‌دیم.

چیزی که ذی‌نفعان زیادی داره و خیلی‌ها حاضرن براش پول بدن و ظاهراً همین کار رو هم کرده‌اند. چون ما داریم مجانی از این سیستم‌ها استفاده می‌کنیم!

وقتی یک سیستم پیچیده رو شبیه سازی می‌کنیم، در هر لحظه، می‌تونیم از روی تمام سناریوهای احتمالی، برآورد کنیم که انتروپی اطلاعاتی سیستم چقدر تغییر می‌کنه.

همین مسئله رو در مورد تمام جهان هم میشه مطرح کرد که الان خارج از این بحث میشه.

پی نوشت یک: بحث Big Data یکی از دانش‌ها و روش‌هایی هست که ما برای درک بهتر سیستم‌های پیچیده به کار می‌گیریم.

اما آشنایی سطحی با Big Data در شرکتها و سازمان‌ها و کسب و کارها، صرفاً باعث شده که حجم بسیار زیادی از اطلاعات ذخیره و نگهداری بشه. در واقع هر چیزی که در یک سیستم، دیده‌ایم و توانسته‌ایم ثبت کنیم، ثبت کرده‌ایم.

بحث محتوای اطلاعاتی یا Information Content در کنار بحث Big Data می‌تونه کمک بزرگی برای تشخیص پاسخ این سوال کلیدی باشه که: چه اطلاعاتی را نباید ذخیره کنیم؟ و یا به عبارت دیگر، آیا هزینه ذخیره کردن یک مجموعه داده‌ی خاص، با توجه به فایده‌هاش توجیه پذیر هست یا نه.

پی نوشت دو: مقاله A mathematical theory of communication تقریباً نطفه‌ی تولد فرم کلاسیک نظریه اطلاعات محسوب می‌شه.

پی نوشت سه: یه سر زدم ویکی پدیا. دیدم یک مطلب خیلی خنده دار در مورد نظریه اطلاعات نوشته شده با یه زبانی که بعیده کسی راحت بفهمه (شرح نظریه اطلاعات در ویکی پدیا) نویسنده‌ی متعصب اون مطلب، انقدر نگران استفاده از کلمه‌ی عربی اطلاعات بوده و سعی کرده همه چی رو فارسی بکنه که بعیده یه فارسی زبان، دیگه بتونه بفهمه مطلب رو.

چقدر جالبه که راجع به نظریه‌ای کار کنی که تفاوتی بین سنگ و سگ نمی‌بینه (جز در حجم اطلاعاتی که در ساختارشون ذخیره شده) و انقدر باهاش بیگانه باشی که هنوز پای تو در تعصبات کور قومی و کلامی گیر باشه.



رادیو مذاکره مذاکره تجاری یادگیری زبان انگلیسی
افزایش عزت نفس دوره MBA پاراگراف انگلیسی
افعال پرکابرد انگلیسی مدیریت زمان رادیو متمم
استراتژی محتوا زبان بدن صفات پرکاربرد انگلیسی
+120