اغلب اوقات ما خلاق‌ترین آدم‌های روی کره‌ی زمین را روی بدیهی‌ترین و مسخره‌ترین مشکلات ممکن هدر می‌دهیم.
همانطور که متخصص داده و موسس شرکت کلودرا، جفری همرباچر می‌گوید: «بهترین مغزهای نسل من دارند به این فکر میکنند: چه کنند که افراد روی تبلیغات کلیک کنند؟»
خیلی از آدم‌های رده بالای هوش مصنوعی روی چه کار میکنند؟
سلاح. دوربین‌های امنیتی. از بین بردن مشاغل.
به جای حل کردن مشکل گرسنگی در جهان یا تمیز کردن اقیانوس یا درمان سرطان، روی کشتن مردم و وادار کردن مردم به خریدن خرت‌وپرت‌های بی‌ارزشی که واقعا نیازی به آنها ندارد تمرکز میکنند.
این موضوع فقط مسخره نیست، یک فاجعه‌ی انسانی وحشتناک است.
قطعا، بهترین‌های بهترین‌ها در هر حوزه‌ای این آزادی خلاقانه را دارند که روی هر موضوعی دوست دارند کار کنند اما این افراد واقعا کم تعداد هستند. تعداد کمی موقعیت شغلی تحقیقی خالص وجود دارد. دلیلش ساده است. یک شرکت یا دانشگاه قبل از اینکه بتواند پول کافی برایسرمایه گذاری روی پروژه‌هایی که ممکن است هرگز جواب ندهند تامین کند، باید به یک موفقیت خارق‌العاده رسیده باشد.
گوگل یکی از این شرکت‌ها است. اوپن ای آی (OpnenAI) یک نمونه دیگر است. دانشگاه تورنتو یک رشته‌ی شبکه‌ی مصنوعی را برای ده‌ها سال زنده نگه داشت، با اینکه به نظر می‌رسید هیچوقت نمی‌تواند مشکلی از مشکلات جهان را حل کند. چند نمونه‌ی دیگر هم وجود دارد اما تعدادشان زیاد نیست.
واقعیت این است که برای سرمایه گذاری روی یک تحقیق تمدن ساز واقعی به پول اضافه نیاز است. و پول اضافی راحت به دست نمی‌آید.
بقیه‌ی افراد به اندازه‌ی کافی خوش شانس یا ماهر نیستند تا بتوانند برای یکی از چند موقعیت تحقیقاتی محدودی که وجود دارند رقابت کنند و روی هرچه که دلشان می‌خواهد کار کنند، در عوض مجبورند به کارهای که خیلی هم شریف نیستند راضی شوند. مردم به شغل نیاز دارند و جایی می‌روند که پول باشد تا بتوانند شکم زن و بچه‌های‌شان را سیر کنند. اگر تنها شرکت‌هایی که باقی بمانند شرکت‌های تولید سلاح و تبلیغاتی باشند، باهوش‌ترین و بهترین آدم‌ها هم همان‌جاها کار خواهند کرد.
مشکل به قلب اقتصاد باز می‌گردد. و به انگیزه افراد ختم میشود.
در حال حاضر هیچ انگیزه‌ای برای تمیز کردن اقیانوس وجود ندارد. هیچ انگیزه‌ای برای سیر کردن شکم تمام مردم دنیا وجود ندارد. هیچکدام از این کارها پولساز نیستند.
اما اگر بتوانیم این انگیزه‌ها را تغییر بدهیم چه اتفاقی می‌افتد؟
اگر می‌توانستیم کاری کنیم بزرگترین محققان دنیا در زمینه‌ی هوش مصنوعی ذهن‌های بی‌نظیرشان را در جهت بزرگترین مشکلاتی که کره زمین با آنها مواجهه است مورد استفاده قرار بدهند چه می‌شد؟
می‌توانیم این کار را بکنیم.
برای اینکه بفهمید چرا می‌توانیم چنین کاری کنیم کافیست کمی درمورد تفکر به سبک جعبه سیاه، بازی‌ها و طبیعت سنتورها (موجوداتی نیمه انسان و نیمه اسب) بدانید.
چماق و هویج
هوش مصنوعی این روزها شهرت بدی پیدا کرده است.
شاید به خاطر این باشد که ماشین‌ها شغل‌های ما می‌گیرند یا اینکه همیشه در فیلم‌ها می‌بینیم که هوش‌های برتر و ربات‌ها برمی‌خیزند و همه‌ی ما را از بین می‌برند و این ترسناک است.
ترس باعث فروش میشود.
اما هرچه بیشتر درمورد هوش مصنوعی فکر می‌کنم بیشتر متوجه می‌شوم که مشکل از ماشین‌ها نیست.
مشکل از ماست.
همانطور که یک دامپزشک نظامی در یک فیلم مستند درمورد ویتنام می‌گوید:
«آدم‌ها به خاطر مهربانی‌شان به گونه‌ی غالب روی کره‌ی زمین تبدیل نشده‌اند.»
همانطور که ما انسان‌ها قادر به خلق شگفتی، خوش‌بینی و ازخودگذشتگی غیرقابل‌باور هستیم، استاد مرگ و خراب کردن هم هستیم، در سطحی که حتی وحشی‌ترین گونه‌های جانوری هم در مقابل آن کم می‌آورند. شیرها، ببرها و گرگ‌ها در مقابل ما هیچ نیستند. در این دنیا فقط یک منبع اعمال شیطانی وجود دارد و آن هم ما هستیم.
هوش مصنوعی هم دقیقا چیزی خواهد بود که ما از آن می‌سازیم.
ما معمارها، معلم‌ها، پدرها و مادرهای مخلوقات آینده‌ای هستیم که خلق می‌کنیم. چیزی که برداشت می‌کنیم همان چیزی است که کاشته‌ایم. هوش مصنوعی هم میتواند خوب باشد و هم شیطانی چون ما هم خوب هستیم و هم شیطانی.
اما چطور باید ابعاد را تعیین کنیم که مطمئن شویم خوبی بیشتر از شیطانی بودن میشود؟
اول از همه لازم است ماشین‌هایی سازیم که همراه ما کار کنند نه بر علیه ما. به‌جای نیروی کاری که ما را به‌قتل برساند، به نیروی کاری نیاز داریم که به ما کمک کنند. ما باید قابلیت‌هایمان را بسط و توسعه بدهیم.
این کار آنقدرها که به‌نظر می‌رسد دست نیافتنی نیست.
به این خاطر که انسان‌ها و ماشین‌ها هر کدام در موضوعات مختلفی توانا هستند.
از این گذشته درکی که عموم از هوش مصنوعی دارند یک نبوغ جهانی است، چیزی شبیه یک انیشتین خیلی باهوش دیگر که میتواند هر چیزی را کشف کند و از پس هر کاری بربیاید، اما واقعا اینطور نیست. انیشتین به ریاضی جهان پی برد اما نمی‌توانست یک توپ بیسبال را پرتاب کند.
ممکن است فکر کنید پرتاب کردن توپ که نشانه‌ی باهوش بودن نیست، اما اشتباه می‌کنید. پرتاپ توپ با دقت بالا به یک نقطه‌ی معین نوع خاصی از هوش بالا را نیاز دارد.
هیچ الگوریتم واحدی وجود ندارد که هم برای پرتاپ کردن توپ وهم حل کردن مساله نسبیت خاص جواب بدهد. اگه شما در همه‌چیز مهارت داشته باشید، طبق تعریف در همه‌چیز متوسط هستید.
این موضوع را «مساله از ناهار مجانی خبری نیست» می‌نامند.
برای اینکه در چیزی واقعا خوب شویم لازم است که متخصص شویم. به همین دلیل است که نبوغ پلنگ برای شکار کردن و دویدن است و سگ برای بازی پرتاپ و گرفتن توپ. نیکی کیس نویسنده در مقاله‌ی فوق‌العاده‌اش با نام «چگونه به یک سنتور تبدیل شویم» تاکید می‌کند:
«نبوغ باید تخصصی شود. نبوغ سنجاب در سنجاب بودن تخصصی شده است. نبوغ انسان در انسان بودن تخصصی شده. و اگر برای‌تان پیش آمده است که بخواهید سنجاب‌ها را از ظرف غذای پرندگان‌تان دور کنید، متوجه شده‌اید که حتی سنجاب‌ها می‌توانند از برخی جنبه‌های هوش از انسان‌ها جلو بزنند. این میتواند یک نشانه‌ی امیدوارکننده باشد: حتی انسان‌ها می‌توانند همچنان در برخی ابعاد از کامپیتوترها باهوش‌تر باشند.»
کیس حتی فراتر می‌رود و داستان حیرت‌انگیز گری کاسپاروف بعد از باختش به بازی شطرنج کامپیوتری دیپ بلو (Deep Blue) را تعریف می‌کند. همه قسمت اول داستان را می‌دانند. شرکت ماشین آلات بین‌المللی کسب‌وکار یا به‌اختصار آی‌بی‌ام سوپرکامپیوتری ساخت که در سال ۱۹۹۷ یکی از بزرگترین قهرمان تاریخ را شکست داد.
اما اتفاقی که بعد از آن افتاد حتی خارق‌العاده‌تر است. گری شروع کرد به فکر کردن به اینکه اگر هوش مصنوعی و انسان‌ها در کنار هم کار کنند چه اتفاقی خواهد افتاد؟
درمورد شطرنج ، کاسپاروف متوجه شد که آدم‌ها در شهود و استراتژی بلندمدت بهتر عمل میکنند، درحالی‌که کامپیوترها در تاکتیک‌ها و محاسبات فراگیر غالب هستند. پس او تصمیم گرفت تا نوع جدیدی از مسابقات را سال بعد برگزار کند که در آن آدم‌ها و ماشین‌ها در کنار هم کار می‌کردند.
اسمش را براساس موجودات افسانه‌ای یونانی که نیمه انسان و نیمه اسب بودند، شطرنج سنتور گذاشت.
او از انواع مسابقه دهنده‌ها –سوپرکامپیوترها، شطرنج‌بازارن رده‌بالا، تیم‌های متشکل از انسان و هوش‌مصنوعی- دعوت کرد که برای بردن یک جایزه‌ی بزرگ رقابت کنند. جای تعجبی نداشت که انسان + هوش مصنوعی بر انسان به‌تنهایی پیروز شد.
اما شگفت انگیز بود که، انسان + هوش مصنوعی هم در مقابل کامپیوتر به‌تنهایی برنده شد.
درست است. تیم انسان/کامپیوتر توانست یک سوپرکامپیوتر به‌تنهایی را شکست بدهد.
دو ماشین تخصصی، یکی بیولوژیکی و دیگری سیلیکونی، یک سیلیکون خالی را شکست دادند. باهم کار کردن می‌توانند خیلی بیشتر از چیزی که هر کدام به‌تنهایی قادر است فایده داشته باشد.
پس این قدم اول است. ماشین‌هایی طراحی کنیم که به نقطه‌ی قوت ما تبدیل شوند، که کارهایی را انجام دهد که خودمان نمی‌توانیم به خوبی انجام دهیم. ماشین‌هایی بسازیم که همراه ما کار میکنند، نه برعلیه ما، نیروی کار را بهبود دهند، نه اینکه نیروی کار را به‌قتل برساند.
مرحله دوم یه کمی سخت‌تر است.
به آن انگیزه‌ها برمی‌گردد. پاداش و جزا.
انگیزه‌ها هستند که به دنیای ما و نحوه‌ی انجام کارها شکل می‌دهند.
و در حال حاضر انگیزه‌های ما به شدت مشکل‌دار هستند.
انگیزه‌ی ما این است که سعی کنیم کاری کنیم افراد روی تبلیغات کلیک کنند یا جاسوسی مردم را کنند. برای تغییر این موضوع باید ساختار بنیادی نحوه‌ی ساختن کسب‌وکارهای‌مان را تغییر دهیم.
برای تغییر دنیا باید ورودی‌ها را تغییر دهید، در غیر این صورت هیچ تغییری در خروجی به وجود نخواهد آمد.
خارج از جعبه سیاه
قبل از اینکه بتوانیم دنیا را تغییر دهیم باید درک کنیم انگیزه‌ها چقدر در شکل دادن واقعیت‌های ما حیاتی هستند.
با انگیزه‌های صحیح، هرچیزی ممکن است. با انگیزه‌های اشتباه وارد یک چرخه‌ی شیطانی می‌شویم که به هرچه دست بزنیم نابود میشود.
کتاب فوق‌العاده‌ی فکر کردن به سبک جعبه سیاه (Black Box Thinking) با یک درس برجسته شروع میشود درمورد اینکه چقدر انگیزه‌های درست یا اشتباه می‌توانند دنیا را تغییر بدهند. داستان دو تراژدی را تعریف می‌کند، یکی در صنعت هوایی و دیگری در سلامت و بهداشت.
یکی از آن صنعت‌ها از اشتباهاتش درس میگیرد و دیگری بارها و بارها همان اشتباهات را مرتکب میشود.
در سال ۱۹۷۰، پرواز شماره‌ی ۱۷۳ از فرودگاه جان اف کندی از نیویورک به مقصد پورتلند بلند میشود. خلبان باسابقه، ملبورن مک‌بروم، پنجاه و دو ساله با موهای سفید سکان هواپیما را به دست داشت. او بیست و پنج سال سابقه پرواز داشت، از جمله آسمان‌های خطرناک اروپا در طول جنگ جهانی دوم.
همه چیز به آرامی پیش می‌رفت، تا وقتی که می‌خواستند فرود بیایند. مک‌بروم اهرم را کشید تا ارتفاع را برای فرود آمدن کاهش دهد. او این کار را هزار بار انجام داده بود. او اهرم را می‌کشید و بعد صدای باز شدن در چرخ‌ها را می‌شنید و بعد صدای چرخیدن چرخ‌ها که بیرون می‌آمدند و بعد هم با یک صدای کلیک سرجای خود قرار می‌گرفتند.
اما این بار فرق داشت. یک صدای بلند هواپیما تکان داد و به‌شدت شروع کرد به لرزیدن.
همه با اضطراب به اطراف نگاه می‌کردند. چه اتفاقی افتاد؟ آیا چرخ‌های هواپیما پایین آمده بودند یا به اقیانوس افتاده بودند؟
مک‌بروم با برج مراقبت تماس گرفت تا زمان بیشتری به‌دست بیاورد و پاسخ گرفت: «به چپ برگرد و به‌سمت نقطه‌ی یک صفر صفر». به او گفتند دور حومه‌ی پورتلند دور بزند.
زمان بیشتر و بیشتری گذشت. مک‌بروم بارها و بارها اصرار کرد که حالا باید چه کند.
خدمه پرواز تمام کارهایی که می‌توانستند را انجام دادند اما نمی‌توانستند مطمئن باشند که آیا چرخ‌های پرواز باز شده‌اند یا نه. آنها یک مهندس فرستادند تا نگاهی بیندازد به پیچ و مهره‌هایی که وقتی چرخ‌ها باز شده بودند از بال‌ها افتاده بودند. پیچ و مهره‌ها وجود داشتند اما مک‌بروم به چرخ زدن ادامه داد. او نمی‌توانست کاملا مطمئن باشد. چراغ سبز روشن نشده بود. اما چرا؟
زمان سریع‌تر و سریع‌تر گذشت. و ناگهان یک مشکل جدید ایجاد شد. سوخت‌شان در حال اتمام بود.
مهندس به خلبان التماس کرد که فرود بیاید اما خلبان دچار وسواس فکری شده بود. او به چرخیدن و فکر کردن ادامه داد. چرا چراغ سبز روشن نمی‌شد؟
وقتی که ذهن تحت فشار باشد اتفاقات عجیبی برایش می‌افتد.
زمان کش می‌آید.
درکی که خلبان از زمان و مکان داشت کاملا از هم پاشیده شد. هرچه خدمه به او فشار می‌آوردند که فرود بیاید فایده‌ای نداشت و به چرخیدن ادامه داد.
و بعد سوخت آنها تمام شد.
آنها جیغ‌زنان میان خانه‌های حومه‌ی پورتلند سقوط کردند و صداهای‌شان در میان تاریکی طنین انداز شد.
اما یک چیز زیبا از این تراژدی وحشتناک بیرون آمد.
چون به‌طور کامل امنیت خطوط هوایی را برای همیشه تغییر داد.
قبل از آن تصادف، خطوط هوایی سیستم ثبت مسیر وحشتناکی داشتند. حالا آنها یکی از بهترین ثبت‌وضبط امنیتی در تمام دنیا را دارند. احتمال اینکه بر اثر اصابت صاعقه از دنیا بروید از سقوط هواپیما کمتر است.
آنها شروع کردند به خلبانان یاد دادند که وقتی در شرایط بحرانی قرار دارند چگونه رفتار کنند. آنها به افسران جوان آموزش جرئت‌ورزی دادند که در مواقع خطر بتوانند سلسله مراتب را کنار بگذارند و حرفشان را بزنند.
آنها قوانین جدیدی وضع کردند. اگر افرادی که درگیر سقوط هواپیما بوده‌اند هرچیزی که می‌دانند را کامل و دقیق تا دو هفته بعد از سقوط گزارش کنند، هیچکدام از اظهاراتشان را نمی‌توان در دادگاه علیه آنها استفاده کرد.
همین قانون برای تیم تحقیق هم صادق است. وقتی که سقوطی اتفاق می‌افتد، یک تیم تحقیق عازم صحنه حادثه میشود که همه‌چیز را سانتی‌متر به سانتی‌متر بررسی کند. اما هیچکدام از مدارکی که پیدا میکنند قابل استفاده در دادگاه نیست. درعوض آنها تمام اطلاعات را آزادانه با خطوط هوایی درمیان می‌گذارند و گزارشی تهیه میکنند از پیشنهاداتی که برای تغییرات امنیتی دارند. در واقع یک حل مساله متن باز است، قبل از اینکه متن باز بودن اصلا وجود داشته باشد. تمام خطوط هوایی طبق قانون موظف هستند که آن تغییرات را اعمال کنند.
کاملا برعکس این عکس‌العمل کاملا هوشمندانه از سوی صنعت هوایی، از سوی صنعت بهداشت و درمان اتفاق افتاد.
به‌جای انگیزه‌هایی که باعث شود مردم درمورد امنیت بهتر و بهتر شوند، سیستمی پیاده کردند که در آن دروغگویی و پنهان‌کاری موج می‌زند.
فرهنگ دروغگویی
۲۹ مارس سال ۲۰۰۵، الاین برومیلی یک عمل جراحی معمولی داشت.
چند روز بعد از عید پاک بود. شوهرش مارتین، صبح زود ساعت ۶:۱۵ دقیقه صبح از خواب بیدار شد و بچه‌هایش ویکتوریا و آدام را از خواب بیدار کرد.
یک صبح بارانی بهاری بود و بچه‌ها روحیه‌ی خیلی خوبی داشتند.
الاین یک خانم ۳۷ ساله‌ی باانگیزه بود که در صنعت گردشگری کار می‌کرد. سال‌ها بود که از یک مشکل سینوزیتی شدید رنج می‌برد و در نهایت تصمیم گرفته بود یک بار برای همیشه این مشکل را حل کند.
دکتر او ۳۰ سال تجربه داشت و شخص بسیار معتبری بود.
دکترش به او گفت:
«اصلا جای نگرانی ندارد، این یک عمل جراحی معمولی است با کمی ریسک».
ساعت ۷:۱۵ مارتین بچه‌ها را سوار ماشین کرد و همه باهم به سمت بیمارستان راه افتادند. دکتر یک آهنگ آرامش بخش گذاشت و در حالی که الاین داشت لباس‌های بیمارستان را می‌پوشید، از خانواده چند سوال ساده پرسید.
ساعت ۸:۳۰ سرپرستار، جین، آمد و الاین را روی ویلچر به سمت اتاق عمل هل داد.
شوهرش بچه‌ها را به یک فروشگاه خواروبار برد تا تمام چیزهایی که برای شام خوشامدگویی مادر لازم بود تهیه کنند.
در اتاق عمل، دکتر بی‌هوشی، دکتر اندرسون، یک مرد جا افتاده با ۱۶ سال تجربه، سرم را وصل کرد تا او را به یک خواب آرام ببرد.
اما داروهای بی‌هوشی داروهای خیلی قدرتمندی هستند. آنها بیمار را فقط به خواب فرو نمی‌برند. این داروها همچنین خیلی از فعالیت‌های حیاتی بدن را از کار می‌اندازند، که باید به طور مصنوعی انجام شوند.
وقتی که وارد خواب عمیق می‌شوید برای نفس کشیدن به کمک نیاز دارید. دکترها از یک لارنژیال ماسک استفاده میکنند که از گلو پایین می‌رود و به شش‌های شما کمک می‌کند وظایف حیاتی‌شان را انجام بدهند.
داروهای بی‌هوشی روی هرکسی اثر متفاوتی می‌گذارند. اما اثری که روی بعضی‌ها می‌گذارند بدتر از بقیه است.
و الاین یکی از آنها بود.
وقتی که دکتر اندرسون رفت تا ماسک رو را قرار دهد نتوانست لوله تنفس را از گلویش پایین بفرستند. عضلات فکش قفل شده بود. معمولا دز بیشتر از داروی بی‌هوشی باعث شل شدن عضلات میشود اما این بار اینطور نشد.
او سعی کرد از ماسک کوچک‌تری استفاده کند، اما باز هم فایده‌ای نداشت.
دو دقیقه بعد، اتفاقات بدی داشت برای الاین می‌افتاد، صورتش داشت کبود می‌شد.
دکتر سراغ برنامه جایگزین رفت، یعنی لوله گذاری نای. او یک عامل فلج کننده‌ی قوی به فکش تزریق کرد تا بتوانند آنها را باز کند و ولوله را از گلویش پایین بفرستند.
داروها اثر کردند اما بعد به مشکل دیگری برخورد. نمی‌توانست گلویش را ببیند. گلویش با چیزی به اسم نرم کام پوشانده شده بود، یک جهش ژنتیکی نادر. و هر چه تلاش کرد نتوانست لوله را پایین بفرستد.
خیلی سریع موقعیت بحرانی شد.
سرپرستار می‌دانست که قدم بعدی چه باید باشد. جین یک بسته‌ی نای شکافی با خودش به اتاق عمل آورده بود. آخرین تلاشی بود که می‌توانستند انجام دهند. می‌توانستند میانبر بزنند و مستقیم سراغ گلویش بروند.
اما دکترها به پرستار هیچ توجهی نکردند.
آنها کاملا گیج شده بودند و گذر زمان از دست‌شان در رفته بود. جین حیرت زده آنجا ایستاده بود و دکتر بارها و بارها سعی کردند لوله را به زور وارد گلوی الاین کنند. او می‌خواست آنها را صدا بزنند اما خیلی ترسیده بود.
«شاید تقصیر من است که کار به اینجا رسیده است»
او نمی‌خواست که مسئول چیزی باشد.
همچنین دکترها افرادی بودند که اختیار عمل داشتند. او فقط یک کارمند کم سابقه بود.
شاید دلیل خاصی دارد که دکترها تصمیم گرفته‌اند از لوله‌گذاری نای استفاده نکنند.
او ساکت آنجا ایستاد.
ساعت ۸:۵۵ دقیقه دیگر کاملا دیر شده بود. الاین وارد یک کمای عمیق شده بود، ۲۰ دقیقه اکسیژن به مغزش نرسیده بود. او به بخش مراقبت‌های ویژه منتقل شد.
۱۳ روز بعد او از دنیا رفت.
اختلافی که بین این موقعیت و پاسخی که صنعت هوایی داد شگفت‌آور است.
دکترها یک گزارش مبهم از دلایل مرگ او دادند، چیزهایی مثل «شرایط پیش‌بینی‌نشده» و آن را یک «حادثه» خواندند.
در صنعت سلامت و بهداشت، چنین گزارش‌هایی کاملا متداول هستند چون دکترها خیلی راحت برای اشکالاتی که ممکن است پیش بیاید تحت پیگرد قانونی قرار می‌گیرند. هم بیمه آنها را جریمه می‌کند و هم بیمارستان.
پرستارانی مانند جین جایگاه خودشان را می‌دانند: در انتها. آنها در یک سلسله مراتب سفت و سخت قرار دارند. اگر این سلسله مراتب را نادیده بگیرند ممکن است اخراج شوند و هرگز دوباره نتوانند کار کنند.
هیچکس از اتفاقی که افتاده بود درس نگرفت.
پس بارها و بارها اتفاق می‌افتد.
به‌جای اینکه به آنها انگیزه داده شود که حقیقت را بگویند، به دکترها این انگیزه داده میشود که دروغ بگویند و ردپاهای‌شان را پنهان کنند.
این همان قدرت انگیزه است.
با انگیزه‌های درست افراد رشد میکنند و تغییر می‌یابند. می‌توانند هر مشکلی را حل کنند، باهوش‌تر، قوی‌تر و سریع‌تر شوند.
با انگیزه‌های غلط، اشتباهات وحشتناک و درعین‌حال قابل پیش‌گیری بارها و بارها تکرار می‌شوند.
تعریف دیوانگی هم همین است: یک کار را یکسان انجام دادن و انتظار نتیجه متفاوت داشتن.
ما در یک دنیای دیوانه زندگی می‌کنیم که اغلب اوقات انگیزه‌ها برای چیزهای اشتباه هستند.
اگر بتوانیم آنها را تغییر بدهیم می‌توانیم هر چیزی را تغییر دهیم.
اما چطور می‌توانیم تغییرش دهیم؟
بازی ما
ما هم اکنون هم یک تمپلیت داریم.
بازی‌ها.
برای اینکه بدانید چرا، بیایید نگاهی بیندازیم به چند نفری که در حال حاضر از بازی‌ها برای تحقیقات هوش مصنوعی استفاده میکنند.
کاگل (Kaggle) میزبان مسابقه‌ای است که بهترین دانشمندان داده را دور هم جمع می‌کند که مشکلات جهان را حل کنند و جوایز نقدی هدیه بگیرند.
آنها توانستند تاثیر قابل توجهی در چندین مشکل بزرگ و چالش‌برانگیز داشته باشند، از جمله تشخیص سرطان ریه. جام ۲۰۱۷ علم داده‌ها به هرکسی که می‌توانست سیستمی طراحی کند که تومورها را کیفیت بالا تشخیص دهد، یک میلیون دلار جایزه می‌داد. قبل از این رقابت، تشخیص مثبت اشتباه تقریبا ۹۰ درصد بود. به این معنی که خیلی از افراد تحت درمان درست قرار نمی‌گرفتند یا خیلی دیر تحت درمان قرار می‌گرفتند، یعنی خیلی از افراد بی‌دلیل از دنیا رفتند.
برنده‌های مسابقه به‌طرز قابل‌توجهی نرخ تشخیص را حتی با وجود داده‌ی اندک بالا بردند که اثبات می‌کند بازی‌ها می‌توانند زندگی را بهتر کنند.
و همچنین اثبات می‌کند متخصصان داده دوست دارند مشکلات واقعی را حل کنند نه اینکه سعی کنند باعث شوند افراد روی تبلیغات کلیک کنند. نفر دوم مسابقه، دنیل همک در مورد مسابقه می‌نویسد:
«ما تشویق شدیم که راه‌حل ما برای این مشکل فقط باعث نمی‌شود در این رقابت پول برنده شویم، بلکه به طور گسترده مورد استفاده قرار میگیرد – با این امید که بتوانند برای کمک به مردم مورد استفاده قرار بگیرد.»
اما تعداد کمی از این جایزه‌های میلیون دلاری وجود دارد که مشکل سرطان را حل کند. مسابقه امسال هم برای غلبه بر یک بیماری است اما جایزه ۵۰ هزار دلار است. باز هم قابل توجه است اما به اندازه‌ی یک میلیون دلار خوب نیست.
این حقیقت وجود دارد که افراد هم توسط پول و هم نوع دوستی انگیزه می‌گیرند اما پول چیزی است که تعیین می‌کند شخصی ساعت‌های غیرکاری و شب‌های دیر وقت روی پروژه‌ای کار کند یا نه، یا اینکه پروژه‌ای به اولیت اول کار روزانه تبدیل بشود یا نه.
برای اینکه رقابتی مانند کاگل راه بیندازید باید یکی از آن شرکت‌هایی باشید که پول اضافی زیادی در دست‌وبالش دارد یا قراردادهای بزرگی در دست دارد. جام ۲۰۱۷ توسط بوز آلن همیلون حمایت میشود. و مطمئن باشید وقتی چنین جایزه‌ی بزرگی در نظر می‌گیرند، قراردادی ۱۰۰ میلیون دلاری با یکی از شرکت‌های تشخیص پزشکی دارند.
و همه‌ی ما می‌دانیم چینن پولی و چنین قراردادهایی چقدر کمیاب هستند.
البته کاگل تنها بازی‌ای نیست که وجود دارد. بازارگاه الگوریتم به نام الگوریتمیا (Algorithmia) با یک تفاوت کوچک یک مسابقه مانند کاگل را حمایت کردند. آنها با استفاده از اتریوم یک قرارداد هوشمند خودکار طراحی کردند که میتواند نتایج را بررسی و تایید کند و جایزه را بدون هیچ دخالت انسانی‌ای تحویل دهد. این یک تلاش نوآورانه برای خلق یک اکوسیستم قابل برنامه‌ریزی است که بتواند مشکلات بزرگ را حل کند.
ونچر بیت یک وبسایت در زمینه‌ی تکنولوژی این موضوع را اینگونه بیان می‌کند:
«این رقابت واقعا یک آزمون اثبات مفهوم (proof of concept) یک سیستم است که میتواند به هرکسی این اجازه را بدهد که قرارداد هوشمند خودش را خلق کند و خواستار مدل یادگیری ماشین (machine learning) مخصوص به خودش باشد تا به کمک آن یک مساله خاص را حل کند. این موضوع میتواند به سازمان‌هایی کمک کند که می‌خواهند یادگیری ماشین را برای یک مساله خاص به کار ببرند ولی منابع کافی برای استخدام یک متخصص داده را در دسترس ندارند. در متد الگوریتمیا نیازی نیست که شرکت کننده‌ها به یکدیگر اعتماد داشته باشند (چون تمام اجزا به وسیله‌ی قرارداد کنترل می‌شوند)، و پرداخت پاداش هم خودکار خواهد شد.
البته، الگوریتمیا همان مشکلی را دارد که کاگل هم داشته است. به کسی نیاز است که پول داشته باشد که بتواند پاداشی پرداخت کند. و آدم‌هایی که پول دارند برای تمیز کردن اقیانوس پول خرج نمی‌کنند. باز هم برمی‌گردد به همان انگیزه‌هایی که گفتیم. آدم‌ها انگیزه دارند که کسب‌وکارهای بزرگ‌تر بسازند و ثروت‌شان را بیشتر کنند نه اینکه زمین را نجات دهند.
اما کلید اصلی حل کردن مشکل اقتصاد معیوب ما به اندازه‌ی یک بلاک چین با ما فاصله دارد.
با یک شرکت کمتر شناخته شده با نام نامرای (numerai) شروع میشود، که سال گذشته میلیون‌ها دلار سرمایه توسط یک ICO جمع کرد تا بتواند یک صندوق پوشش ریسک هوش مصنوعی بسازد. نامرای از رقابت‌های مداوم هوش مصنوعی استفاده می‌کند و با کریپتوکارنسی خودشان به برنده‌ها جایزه می‌دهند. داده‌ی مسابقه تا قسمتی رمزنگاری شده است، تا متخصصان داده به‌طور کامل ندانند که در حال حل کدام مساله هستند اما واقعا به نبوغ زیادی نیاز نیست که فهمید آنها در حال خلق راه‌هایی برای صندوق پوشش ریسک برای ترید کردن به شیوه‌ی موثرتری هستند. هر چند هفته یک مساله‌ی جدید ایجاد میشود و متخصصان داده جمع می‌شوند تا آن را حل کنند و از طریق یک قرارداد هوشمند پول برنده شوند.
در چند سطح مختلف ایده‌ی هوشمندانه‌ای است اما به خاطر حل کردن چیزهای بی‌اهمیت به هدر رفته است. به‌جای اینکه از این مفهوم فوق‌العاده برای حل شدن مشکلات واقعی استفاده شود از آن استفاده می‌کنیم تا پول بیشتری دربیاوریم.
اشتباه برداشت نکنید، پول درآوردن عالی است و من نامرای را به‌خاطر راهی که انتخاب کرده سرزنش نمی‌کنم. من هم یک تریدر کریپتوکارنسی هستم و عاشق پول درآوردن هستم.
اما اگر تنها کاری قرار است با پتانسیل بی‌نهایت کریپتو و هوش مصنوعی انجام می‌دهیم همین باشد، بهتر است همین الان متوفقش کنیم چون در نهایت دنیایی که در آن زندگی می‌کنیم تغییری نمی‌کند.
ما به اهداف والاتری نیاز داریم. ما می‌توانیم به اهداف والاتر دست پیدا کنیم.
و تقریبا مثل همیشه، جواب جلوی چشم ما قرار دارد.
اگر ایده‌ی نامرای و ایده‌های من از این مقاله با هم ترکیب شوند چه اتفاقی می‌افتد؟
اگر یادتان باشم گفته بودم همه جای خالی این ویژگی را احساس می‌کند که پول از همان نقطه‌ی خلق آن توزیع شود. کریپتوهای قدیمی مانند بیت کوین کشف کردند چگونه بدون وجود یک قدرت مرکزی پول چاپ کنند اما آنها هم از همان مدل توزیعی استفاده کردند که از قبل وجود داشت، یعنی مدل از بالا به پایین.
درست مثل پول‌های معمولی بیت کوین هم دقیقا به دست چند نفر خاص می‌رسد. به‌جای وجود بانک‌های مرکزی انتخاب نشده، ماینرهای انتخاب نشده‌ای داریم که فقط کمی کمتر متمرکز هستند.
اما اگر بتوانید نحوه‌ی توزیع پول را تغییر بدهید همه چیز را تغییر داده‌اید.
مشکلی که درمورد کاگل و الگوریتما وجود دارد این است که آنها مجورند بروند پول بخرند یا قرض بگیرند. یک نفر از قبل آن پول را دارد و آنها باید بخشی از آن را به‌دست بیاورند. اما جای تعجبی ندارد که آنهایی که پول دارند نمی‌خواهند هیچ قسمتی از آن را از دست بدهند.
نامرای متوجه شد که می‌توانند پول خودشان را چاپ کنند و آن را از طریق قرارداد در لحظه ایجاد پول به بقیه بدهند.
کلید اصلی توسعه‌ی ماهیت رقابت‌ها است.
بیایید یک پلتفرم کریپتوکارنسی و سازمان خودگران نامتمرکز اختصاصی بسازیم تا بزرگترین مشکلات دنیای امروز را حل کنیم. به آن به عنوان یک سرمایه عمومی نگاه کنید، یک خیریه.
مشکلات توسط هیئت دانشمندان، آینده‌پژوهان و متفکرانی که برای این کار انتخاب شده‌اند پیشنهاد داده شود یا توسط عموم به رای گذاشته شود. می‌توانیم مشکلاتی با اولویت بالا داشته باشیم که توسط هیئت پیشنهاد داده شده‌اند و چالش‌هایی که توسط مردم پیشنهاد می‌شوند و یک سیستم رای‌گیری قدرتمند که درخواست‌های اسپم را فیلتر می‌کند. هدف این است که پول همان موقع که چاپ میشود به‌گونه‌ای توزیع شود و به دست افرادی برسد که برای ما ارزش آفرینی میکنند.
نه فقط ماینینگ و ضرابخانه‌ها پول را تامین میکنند، بلکه مردم هم می‌توانند به این سیستم پول اهدا کنند تا قدرتش بیشتر شود و بتواند دنیا را تغییر دهد.
این کار کمر سیستم انگیزه‌دهی قدیمی را می‌شکند و یک سیستم جدید خلق می‌کند که در خدمت هدف والایی قرار دارد نه اینکه فقط جیب آنهایی که سیستم را ساخته‌اند پر کند.
سیستم قدیمی برای این خوب بود که ما را به جایی برساند که امروز هستیم. از آن متنفر نیستیم. چون پله‌ای بود برای تکامل ما و برای رساندن ما از زندگی به قبیله‌ای به جامعه‌ی مدرن سازمان‌دهی شده‌ی امروزی لازم بود.
اما حالا آماده هستیم برای یک سیستم جدید، سیستمی که بتواند مشکلاتی را حل کند که سیستم قبلی نمی‌توانست.
الان هم در چنگ ما قرار دارد.
کافیست جرات داشته باشیم، دست دراز کنیم و آن را به دست بیاوریم.
همان طور که قبلا در مورد بلاک چین نوشته ایم، همه افراد حاضر در شبکه یک نسخه از آن را در اختیار دارند. اما این «همه» چه کسانی هستند که یک نسخه از بلاک چین را در دست دارند؟
از آن جایی که می توان روی بلاک چین اتریوم کد اجرا کرد، کاربردهای آن نسبت به یک بلاک چین معمولی پیشرفته تر است. برای نمونه، 
اما پیشرفت تکنولوژی بهای خود را دارد. فناوری جایگزین بسیاری از فرصت های شغلی می شود.
ادوارد اسنودن کارمند سابق سیا و ان‌اس‌ای بود که اسنادی مبنی بر شنود و نقض حریم خصوصی افراد توسط آژانس امنیت ملی آمریکا را فاش کرد. الگوی لباس اسنودن نوعی لباس است که مانند پتو تمام مونیتور کامپیوتر و هر چیز دیگر مربوط به آن را می‌پوشاند و در تصویر زیر نشان داده شده است. این الگو می‌گوید فقط در این حالت می‌توانید از هر لحاظ امنیت دارایی‌های رمزنگاریشدهتان را حفظ کنید. اما هدف دادسن توانمندسازی کاربران است و قصد ترساندن آنها را ندارد. او می‌خواهد نوعی تعادل بین سهولت و امنیت ایجاد کند. دادسن بر این باور است که لایه‌های امنیتی زیاد نمی‌تواند چندان کارامد باشد، زیرا در نهایت خودتان را هم هنگام تلاش برای دسترسی به رمزارزتان گیج می‌کند. دادسن منابعی را به شما می‌دهد که خودتان در نهایت تصمیم بگیرید سیستم امنیتی‌تان تا چه اندازه پیچیده باشد.
پیش فروش توکن تلگرام، ۱.۷ میلیارد دلار سرمایه جذب کرده است. هدف از برگزاری این پیش فروش، جذب سرمایه به منظور توسعه یک اکوسیستم مبتنی بر بلاک چین تمام و کمال می باشد. ظاهرا این عرضه اولیه، پایان داستان تلگرام در ایران است.
