مقاله

سال‌ها پیش، زمانی ‌که هنوز دانشجو بودم و اغلب رایانه‌ها هنوز خیلی بزرگ بودند، دوستی داشتم که استاد مشاور دوره‌ی دکترایش اصرار داشت که او محاسبات طولانی و دشوار مربوط به یک نظریه‌ی اتمی را به شیوه‌ی دستی انجام دهد. دوستم برای این کار ده‌ها صفحه‌ی کاغذ را که با خطاهای بسیارش پر شده بود، سیاه و خط‌خطی کرد و سرانجام، مستأصل شد. بنابراین، یک شب مخفیانه به اتاق کامپیوتر رفت و با وارد کردن چند رقم و علامت توانست محاسبه را انجام دهد. سپس محاسبات و نتیجه را با زحمت بسیار از رایانه به روی کاغذ منتقل کرد و به استادش تحویل داد.

استاد مشاور گفت: عالی‌ست! معلوم شد که تو یک فیزیکدان واقعی هستی.

آن استاد هیچ‌گاه نفهمید که چه اتفاقی افتاده است. اکنون که دیگر با آن دوست در ارتباط نیستم افراد زیادی را می‌شناسم که بی‌آنکه در محاسبات دستی، با آن قلم و کاغذهای نسل‌های قبل که دیگر تبدیل به افسانه‌ شده است، مهارتی کسب کرده باشند، به چهره‌های موفقی در علوم تبدیل شده‌اند.

معمولاً مباحث مربوط به گذارهای اجتماعی را با تمرکز بر مهارت‌های جدیدی که جنبه‌ی حیاتی پیدا کرده‌اند طرح می‌کنند. اما شاید به جای توجه به چیزی که داریم یاد می‌گیریم، باید برعکسش را در نظر بگیریم؛ یعنی این که فراموش کردن چه چیزی صحیح است. در سال 2018 مجله‌ی «ساینس» این پرسش را با ده‌ها دانشمند جوان مطرح کرد که به نظرشان نسل آینده در چه جور مدارسی باید تحصیل کند. بسیاری از آنها پاسخ دادند که ما باید زمانِ کمتری را به از بر کردن اطلاعات اختصاص دهیم و برای فعالیت‌های خلاقانه فضای بیشتری در نظر بگیریم. وقتی ‌که اینترنت روز به روز نیرومندتر و جامع‌تر عمل می‌کند چرا باید برای به خاطر سپردن و حفظ کردن اطلاعات، به خودمان زحمت دهیم؟ اگر دانش‌آموزان بتوانند با تلفن‌های هوشمندشان به دانش جهان دسترسی پیدا کنند، چه نیازی هست که بخش‌های زیادی از آن را به ذهن بسپارند؟

تمدن‌ها با تدبیری که در مورد فراموش کردن چیزهایی که زمانی مهارت‌هایی حیاتی برای زندگی محسوب می‌شدند به خرج می‌دهند، تکامل پیدا می‌کنند. پس از انقلاب کشاورزی در عصر نوسنگی، کارگران مزرعه توانستند از یادگیری فنون مربوط به زندگی در جنگل، مهارت‌ تعقیب حیوانات و هر دانشی که برای شکار حیاتی محسوب می‌شد، چشم‌ بپوشند. در هزاره‌های بعدی، زمانی‌که جوامع صنعتی شدند، خواندن و نوشتن به امری حیاتی تبدیل شد، و به همین ترتیب دانش مربوط به شخم زدن و برداشت محصول به حاشیه رفت.

امروزه بسیاری از ما بدون مسیریاب تلفن هوشمندمان خیلی زود مسیرمان را گم می‌کنیم. حال، فکر می‌کنید بعد از این چه چیزی در انتظار ماست؟ آیا با تولید خودروهای بدون راننده، مهارت رانندگی را فراموش خواهیم کرد؟ آیا زمانی‌ که با ابزارهای هوش مصنوعی‌ای که کارشان تشخیص صدا است و می‌توانند مبهم‌ترین گفتارها را تجزیه و تحلیل کنند محاصره شویم، مهارت هجی کردن را از یاد خواهیم برد؟ و آیا این اصلاً اهمیتی دارد؟

هر چه باشد، اغلب ما دیگر بلد نیستیم مواد غذایی‌ای را که می‌خوریم خودمان به عمل بیاوریم یا خانه‌هایی را که در آن زندگی می‌کنیم خودمان بنا کنیم. دیگر از دام‌پروری یا پشم‌ریسی یا حتی عوض کردن شمع‌های اتومبیل‌مان چیزی سر در نمی‌آوریم. اغلب ما دیگر نیازی به بلد بودن این مهارت‌ها نداریم چون عضو مجموعه‌ای هستیم که روان‌شناسان اجتماعی از آن به «شبکه‌‌های حافظه‌ی تعاملی» (transactive memory networks) یاد می‌کنند.

دفتر ریاضیات دبیرستان ریچارد فاینمن. خود او در این‌باره می‌گوید: سعی می‌کردم به این شیوه فرمول‌ها و مسائل ریاضی را به ذهن بسپارم تا از یادم نرود. به این شکل بود که ریاضی را یاد گرفتم.

به واسطه‌ی مکالمات، خواندن و نوشتن‌‌های‌مان، به‌طور پیوسته درگیر «تعامل حافظه» با جمعی از «شرکای حافظه» هستیم. اغلب مردم از آنجا که از اعضای چنین شبکه‌هایی به شمار می‌روند، دیگر نیازی به به‌خاطر سپردن اغلب چیزها ندارند؛ نه به این دلیل که آن معلومات به ‌کل فراموش شده یا از دست رفته است بلکه به این خاطر که فرد یا چیز دیگری آن را به خاطر می‌سپارد. تنها چیزی که باید بدانیم این است که از چه کسی در مورد آن پرس‌وجو کنیم یا کجا به دنبالش بگردیم. استعدادی که برای این جور همکاری‌ها از پیشینیان به ارث برده‌ایم، موهبتی است که تکامل نصیب‌مان کرده است و این موهبت به میزان بسیار زیادی باعث افزایش ظرفیت مؤثر حافظه‌‌مان می‌شود.

به هر حال، اتفاق جدیدی که افتاده این است که امروزه بسیاری از شرکای حافظه‌ی ما را دستگاه‌های هوشمند تشکیل می‌دهند. اما یک هوش مصنوعی ــ نظیر موتور جست‌وجوی گوگل ــ شریک حافظه‌ای است که به باقی شرکای حافظه‌ی ما شباهتی ندارد. بیشتر به یک «اَبَرشریک» حافظه می‌ماند که بلافاصله پاسخگوست و همیشه نیز در دسترس است. و چنین چیزی امکان دسترسی به بخش عظیمی از کل ذخیره‌ی دانش انسانی را برای ما فراهم می‌کند.

البته پژوهشگران به این نتیجه رسیده‌اند که وضعیت حاضر مخاطراتی نیز دارد. از طرفی، اجداد ما در گروه‌هایی متشکل از انسان‌های دیگر به تکامل رسیده بودند که نوعی شبکه‌ی حافظه‌ی نظیر به نظیر (peer-to-peer memory network) محسوب می‌شد. با وجود این، اطلاعاتی که از افراد دیگر دریافت می‌شود، همواره تحت تأثیر انواع و اقسام تبعیض‌گذاری‌ها و استدلال‌هایی که انگیزه‌ی خاصی پشت خود داشته‌اند، شکل گرفته است. این اطلاعات در عین این‌که عوام‌فریبانه‌اند، خود را عقلانی جلوه می‌دهند. و می‌توانند نادرست باشند. ما می‌دانیم که در خودمان و دیگران این نقطه ضعف‌ها وجود دارد. اما از زمان عرضه‌ی الگوریتم‌های هوش مصنوعی، بسیاری از مردم به سمت این باور رفته‌اند که این الگوریتم‌ها حتماً درست و «بی‌طرفانه» عمل می‌کنند. ساده بگویم: این همان تفکر جادویی[1] است.

پیشرفته‌ترین فناوری‌های هوشمند امروزی نیز به‌واسطه‌ی آزمایش‌های مکرر و بر حسب امتیازی که در طول یک فرایند کسب کرده‌اند، برنامه‌ریزی شده‌اند و همچنان این انسان‌ها هستند که در نهایت امر، بر اساس سنجه‌های ادراکی خود در مورد پاسخ‌های صحیحی که این دستگاه‌ها باید ارائه دهند، تصمیم می‌گیرند. از آنجا که دستگاه را باید بر اساس اطلاعاتی که به هر حال محدود است برنامه‌ریزی کرد، بر حسب داوری انسان‌هایی که پشت این برنامه‌ریزی‌ها قرار دارند، احتمالِ این هست که الگوریتم‌ها تبعیض‌های نژادی، جنسیتی و غیره را که از گذشته در ما وجود داشته است، تقویت کنند.

یک مثال کلاسیک در این زمینه، ابزاری است که شرکت آمازون تا سال ۲۰۱۷ برای استخدام‌های داخلی خود به کار می‌برد: این شرکت ناگهان دریافت که الگوریتمی که بر اساس تصمیمات بخش منابع انسانی‌اش برنامه‌ریزی شده بود، به‌طور روش‌مند متقاضیان زن را کنار می‌گذاشته است. اگر هشیار نباشیم، اَبَرشرکای دارای هوش مصنوعی ما می‌توانند به اَبَرکوته‌فکران تبدیل شوند.

دومین نکته‌ی حیرت‌آور در این زمینه، به سهولت دسترسی به اطلاعات مربوط می‌شود. در جهان غیردیجیتال، همتی که برای کسب معلومات از افراد دیگر یا برای رفتن به کتابخانه‌ها باید به خرج داد، این موضوع را برای ما کاملاً روشن می‌کند که معلومات موجود در کتاب‌ها یا ذهن دیگران چیست و معلومات خودمان چیست. اما پژوهشگران دریافته‌اند که سرعت بسیار زیاد پاسخ‌گویی اینترنت می‌تواند ما را به باور غلطی رهنمون شود که در حافظه‌های بعدی ما نیز رمزگذاری شود: معلوماتی که در پی‌ کسب آن بودیم، بخشی از همان چیزی است که خودمان در تمام این مدت می‌دانستیم.  

شاید این نتایج حاکی از آن باشد که ما به‌طور غریزی مستعدِ داشتن «ذهن توسعه‌یافته» هستیم؛ نظریه‌ای که نخستین بار در سال ۱۹۹۸ از سوی دو فیلسوف به نام‌های دیوید چالمرز و اندی کلارک مطرح شد. آنها گفتند که ما نباید به ذهن‌مان تنها به شکل آن‌ چیزی که در مغزمان وجود دارد نگاه کنیم بلکه باید آن را به صورت چیزی در نظر بگیریم که به بیرون نیز گسترش پیدا می‌کند تا ابزارهای کمکی‌ای را که برای ثبت محفوظات و استدلال‌ها به آنها متوسل می‌شود در خود جای دهد: چیزهایی مثل کاغذهای حاشیه‌نویسی، مدادها، رایانه‌ها، تبلت‌ها و کلاود.

هر جست‌وجویی که هم‌اکنون در گوگل رخ می‌دهد، از لحظه‌ی شروع خود تا پاسخ‌گیری، به‌طور متوسط حدود 1500مایل را در یک چشم به هم زدن تا یک مرکز اطلاعات طی می‌کند و برمی‌گردد و در طول مسیر خود از 1000 رایانه استفاده می‌کند.

با در نظر گرفتن این‌ موضوع که دسترسی بی‌وقفه‌‌ی ما به دانشِ بیرون از ذهن‌مان، روز به روز بیشتر می‌شود، شاید بتوان گفت که ما داریم یک «من» را که حتی توسعه‌یافته‌تر از چیزی است که در بالا ذکر شد، به وجود می‌آوریم؛ شخصیتی پنهان که خودانگاره‌ی اغراق‌آمیزش بر ابهام این نکته که دانش در کدام بخش از شبکه‌ی حافظه‌ی ماست، می‌افزاید. در این صورت، هنگامی‌که استفاده از واسط‌های بین ذهن و رایانه و حتی واسط‌های بین یک ذهن و ذهن دیگر ــ شاید به واسطه‌ی کاشت عصب‌ ــ رایج ‌شوند، چه اتفاقی خواهد افتاد؟ این فناوری‌ها در حال حاضر جهت استفاده‌ی بیماران دارای سندروم قفل‌شدگی، قربانیان حمله‌ی قلبی یا افراد دارای ALS (اسکلروز جانبی آمیوتروفیک)‌ پیشرفته یا بیماری نورون حرکتی، در دست توسعه است. اما این احتمال نیز وجود دارد که هنگامی‌ که این فناوری تکمیل شود، این‌‌‌جور بهینه‌سازهای عملکرد در عرصه‌ی رقابت، بسیار بیش از این‌ رایج شوند.  

به نظر می‌رسد که تمدنی جدید در حال ظهور است؛ تمدنی غنی شده با هوش ماشینی که دسترسی ما را به شبکه‌های حافظه‌ی هوشمند مصنوعی، فراگیر می‌کند. حتی بعد از کاشت عصب‌ نیز بخش عمده‌ی معلوماتی که به آن دسترسی خواهیم داشت، درون مغزهای «بهینه شده‌»ی مکانیکی ما وجود نخواهد داشت زیرا این دسترسی از راه دور به معلومات موجود در بانک‌ سِروِرها برقرار خواهد شد. هر جست‌وجویی که هم‌اکنون در گوگل رخ می‌دهد، از لحظه‌ی شروع خود تا پاسخ‌گیری، به‌طور متوسط حدود 1500مایل را در یک چشم به هم زدن تا یک مرکز اطلاعات طی می‌کند و برمی‌گردد و در طول مسیر خود از 1000 رایانه استفاده می‌کند.

اما وابستگی به یک شبکه به معنای پذیرا شدن آسیب‌های جدید نیز هست. فرو پاشیدن هر یک از شبکه‌های ارتباطی نظیر غذا یا انرژی که بهروزی ما به آن بسته است، فاجعه‌ای به بار خواهد آورد. بدون غذا از گرسنگی می‌میریم، بدون انرژی نیز از سرما یخ خواهیم زد. و تمدن‌ها به‌دلیل از دست دادن حافظه که امروزه امری بسیار شایع است، در معرض خطر سقوط به عصری بسیار تاریک قرار دارند.

به هر حال، حتی اگر بتوان گفت که یک دستگاه نیز فکر می‌کند، شیوه‌ی فکر کردن انسان‌ها و دستگاه‌ها از هم متفاوت است. حتی اگر دستگاه‌ها در اکثر مواقع به اندازه‌ی ما عینی و واقعی نباشند، باز هم ما توان رقابت با آنها را خواهیم داشت. ما می‌توانیم به واسطه‌ی همکاری با یکدیگر در گروه‌های مرکّب از انسان و هوش مصنوعی، در شطرنج موفق‌تر ظاهر شویم و در مسائل پزشکی نیز تصمیمات بهتری بگیریم. پس چرا از فناوری‌های هوشمند برای افزایش میزان یادگیری دانش‌آموزان استفاده نکنیم؟

فناوری به‌طور بالقوه توانایی بهینه‌سازی آموزش را دارد و در عمل نیز دسترسی به دانش را گسترده‌تر می‌کند و می‌تواند سطح خلاقیت و بهروزی انسان‌ها را افزایش دهد. بسیاری از مردم به درستی احساس می‌کنند که در فضایی فرهنگی‌ قرار گرفته‌اند که در آستانه‌ی یک تغییر بزرگ است. شاید آموزگاران نیز بالاخره یاد بگیرند که با کمک شرکای دارای هوش مصنوعی‌شان به معلمان بهتری تبدیل شوند. اما بر خلاف آن‌چه در مورد شطرنج‌بازی یا تشخیص‌های پزشکی گفتیم، دانش‌آموزان در محیط‌های آموزشی هنوز به کارشناسی که به این چیزها قانع باشد تبدیل نشده‌اند. هوش مصنوعی به عنوان یک شریک حافظه‌ی همه‌چیزدان، به سادگی می‌تواند نقش عصای دست را ایفا کند و در عین حال، باعث شود که دانش‌آموزان فکر کنند می‌توانند روی پای خودشان بایستند و بدون کمک آن نیز گام بردارند.

چنان‌که تجربه‌ی دوست فیزیکدان من نشان داد، حافظه می‌تواند با شرایط وفق پیدا کند و به تکامل برسد. برخی تکامل‌ها مستلزم فراموش کردن روش‌های قدیمی است تا زمان و فضا به یادگیری مهارت‌های جدید اختصاص پیدا کند. اگر آن معلومات قدیمی در قسمتی از شبکه‌ی ما حفظ شده باشند و در مواقع نیاز بتوان به آنها دسترسی پیدا کرد، شاید بتوان گفت که واقعاً فراموش نشده‌اند. با وجود این، هر چه پیش می‌رویم، هر نسل، هرچند به تدریج اما بدون استثنا با نسل بعد از خود، بیگانه می‌شود.

برگردان: سپیده جدیری

جین تریسی استاد و رئیس دپارتمان فیزیک کالج ویلیام و مری در ایالت ویرجینیای آمریکا است. او نویسنده‌ی کتاب «ترسیم اشعه و ماورای آن: روش‌های فضای فاز در نظریه‌ی موج پلاسما» (چاپ ۲۰۱۴) است و در نوشته‌هایش در وبلاگی که با عنوان «مسئله‌ی ایکاروس» به راه انداخته است، به علم و فرهنگ می‌پردازد. آن‌چه خواندید برگردان این نوشته‌ی او با عنوان اصلی زیر است:

Gene Tracy, ‘How much can we afford to forget, if we train machines to remember?, Aeon, 8 April 2019.