کاروتک

تکنولوژی و علمی

تلویزیون و سینما

تلویزیون کاروتک

انسان‌ها مدت‌ها است در تلاش‌اند تا شکلی از آینده را تجسم و تعیین کنند اما حتی پیشرفته‌ترین فناوری‌ها نیز نمی‌توانند مسائلی را پیش‌بینی کنند. در این مطلب قصد داریم به تاریخچه این تلاش‌های انسان برای پیش‌بینی آینده اشاره کنیم و نقش فناوری در این موضوع را شرح دهیم. با ما در کارو تک همراه باشید.

آینده نیز تاریخی را به‌خود اختصاص می‌دهد اما خبر خوب این است که ما می‌توانیم از آن بیاموزیم. از آن طرف، خبر بد این است که ما به ندرت این آموختن را انجام می‌دهیم چراکه واضح‌ترین درس از تاریخِ آینده این است که دانستن آینده لزوماً نمی‌تواند مفید باشد. با این حال، این موضوع هنوز نتوانسته انسان را از این تلاش باز دارد. پیش‌بینی مشهور پیتر تورچین برای سال ۲۰۲۰ را در نظر بگیرید. وی در سال ۲۰۱۰ یک تحلیل کمّی از تاریخ را به نام کلیودینامیک (Cloidynamic) ایجاد کرد که به وی اجازه داد تا پیش‌بینی کند که غرب در یک دهه بعدی، هرج و مرج سیاسی را تجربه خواهد کرد. متأسفانه، هیچ‌کس نتوانست به این پیش‌گویی عمل کند تا از آسیب به دموکراسی ایالات متحده جلوگیری کند و البته، اگر این کار را می‌کردند، پیش‌بینی تورچین در ردیف تئوری‌های شکست‌خورده قرار می‌گرفت. این وضعیت یک انحراف یا گمراهی نیست.

حاکمان از بین‌النهرین تا منهتن به‌دنبال دانشِ آینده برای به‌دست آوردن مزیت‌های استراتژیک بوده‌اند اما بارها و بارها در تفسیرهای صحیح آن شکست خورده‌اند یا نتوانسته‌اند انگیزه‌های سیاسی یا محدودیت‌های حدس و گمان کسانی که آن را ارائه می‌دهند، درک کنند. اغلب اوقات، آن‌ها تصمیم گرفته‌اند آینده‌ای را نادیده بگیرند که آن‌ها را مجبور می‌کند با حقایق ناراحت‌کننده روبرو شوند. حتی نوآوری‌های تکنولوژیکی قرن بیست و یکم هم نتوانسته این مشکلات اساسی را تغییر دهد؛ نتایج برنامه‌های رایانه‌ای به هر حال به اندازه ورودی داده‌های آن، دقیق خواهد بود.

این فرض وجود دارد که هرچه رویکرد پیش‌بینی‌ها علمی‌تر باشد، پیش‌بینی‌ها دقیق‌تر خواهد بود اما این باور بیشتر از آن‌که حلال مسائل مختلف باشد، مشکلاتی را ایجاد می‌کند، به‌ویژه به این دلیل که اغلب، تنوع زییسته تجریبات بشری را نادیده می‌گیرد یا آن را حذف می‌کند. علی‌رغم وعده فناوری دقیق‌تر و هوشمندانه‌تر، دلایل بسیار کمی وجود دارد که فکر کنیم افزایش استقرار هوش مصنوعی در این حوزه، پیش‌بینی را از آن‌چه در طول تاریخ بشر بوده، مفیدتر می‌کند.

مردم مدت‌ها است که تلاش کرده‌اند تا در مورد اشکال همه چیز در آینده اطلاعات بیشتری کسب کنند. این تلاش‌ها، درحالی که روی اهداف یکسانی متمرکز شده‌اند، در طول زمان و مکان از چندین جهات با هم تفاوت داشته‌اند که بارزترین آن‌ها روش شناسی است؛ یعنی چگونگی پیش‌بینی‌ها و تفسیر‌ها. از ابتدایی‌ترین تمدن‌ها، مهم‌ترین تمایز در این عمل بین افرادی بوده است که استعداد، توانایی ذاتی یا سیستم‌هایی که قوانینی را برای محاسبه آینده ارائه می‌کنند، دارا هستند. برای مثال، پیش‌بینی‌های پیشگویان و شمن‌ها به ظرفیت این افراد برای دسترسی به سطوح دیگر وجود و دریافت الهام بستگی داشت. با این حال، راهبردهای پیشگویی مانند طالع‌بینی، کف‌بینی، اهداد و تاروت به تسلط پزشک بر یک سیستم پیچیده نظری مبتنی بر فواعد ( و گاهی اوقات ریاضی) و توانایی آن‌ها در تفسیر و اعمال آن در موارد خاص بستگی دارد.

تعبیر خواب یا عمل نکرومانسی ممکن است جایی بین این دو افراط باشد که تا حدی به توانایی ذاتی و تا حدی دیگر به تخصص اکتسابی متکی می‌شد. نمونه‌های زیادی در گذشته و حال وجود دارد که هر دو استراتژی را برای پیش‌بینی آینده دربرمی‌گیرد. هر جستجوی اینترنتی در مورد تعبیر خواب یا محاسبه فال، میلیون‌ها بازدید را به‌همراه خواهد داشت. در قرن گذشته، فناوری رویکرد دوم را مشروعیت بخشید چراکه تحولات فناوری اطلاعات، ابزارها و سیستم‌های قدرتمندتری برای پیش‌بینی ارائه کرد. در دهه ۱۹۴۰، کامپیوتر آنالوگ MONIAC مجبور شد از مخازن و لوله‌های واقعی آب‌ رنگی برای مدل‌سازی اقتصاد بریتانیا استفاده کند. در دهه ۱۹۷۰، باشگاه رم (The Club of Rome) می‌توانست به شبیه‌سازی کامپیوتری World3 روی آورد تا جریان انرژي را از طریق سیستم‌های انسانی و طبیعی از طریق متغیرهای کلیدی مانند صنعتی شدن، از دست دادن محیط زیست و رشد جمعیت، مدل‌سازی کند. گزارش آن که عنوان Limits to Growth را به‌خود اختصاص داده بود، علی‌رغم انتقادهای مداومی که به‌خاطر مفروضات هستهِ مدل و کیفیت داده‌ها به‌خود اختصاص داده بود، به پرفروش‌ترین گزارش تبدیل شد.

در همان زمان، به جای وابستگی به پیشرفت‌های تکنولوژیکی، دیگر پیش‌بینی‌کنندگان به استراتژی پیش‌بینی‌های جمع‌سپاری آینده روی آوردند. برای مثال، نظرسنجی از نظرات عمومی و خصوصی به چیز بسیار ساده‌ای بستگی دارد: از مردم بپرسیم که قصد انجام چه کاری را دارند یا فکر می‌کنند چه اتفاق خواهد افتاد. سپس نیاز به تفسیر دقیق دارد، چه براساس تحلیل کمّی (مانند نظرسنجی در مورد قصد رأی‌دهندگان) و چه کیفی (مانند تکنیک DELPHI شرکت رند). استراتژی دوم از جمعیت‌های کوچک بسیار خاص استفاده می‌کند چراکه گردآوری گروهی از کارشناسان برای بحث در مورد یک موضوع مشخص، احتمالاً دقیق‌تر از پیش‌بینی‌های فردی خواهد بود.

این رویکرد از بسیاری جهات با روش‌های دیگر پیش‌بینی یعنی بازی‌های جنگی طنین‌انداز می‌شود. از آغاز قرن بیستم، تمرین‌ها و مانورهای میدانیِ نظامی به‌طور فزاینده‌ای با شبیه‌سازی تکمیل یا در برخی موارد، جایگزین می‌شد. این استراتژی که هم توسط انسان‌ها و هم توسط مدل‌های کامپیوتری مانند مرکز ارزیابی استراتژی RAND انجام می‌شود، دیگر محدود به ارتش نیست بلکه به‌طور گسترده در سیاست، تجارت و صنعت نیز مورد استفاده قرار می‌گیرد. هدف از آن، افزایش انعطاف پذیری و کارایی فعلی و برنامه‌ریزی برای آینده است. برخی شبیه‌سازی‌ها در پیش‌بینی و برنامه‌ریزی برای نتایج احتمالی، به‌ویژه زمانی که نزدیک به رویدادهای پیش‌بینی‌شده انجام می‌شوند، بسیار دقیق بوده‌اند؛ مانند تمرین‌های بازی جنگ سیگما که توسط پنتاگون در چهارچوب جنگ ویتنام در حال توسعه انجام شد یا عبور از صحرا در سال ۱۹۹۹ که توسط فرماندهی مرکزی ایالات متحده در رابطه با صدام حسینِ عراق انجام می‌شد.

همان‌طور که این استراتژی‌ها به تکامل خود ادامه داده‌اند، دو فلسفه بسیار متفاوت برای پیش‌بینی آینده جمعی، به‌ویژه در سطح جهانی، ملی و شرکتی پدید آمدند. هر کدام مفروضات متفاوتی را در مورد ماهیت رابطه بین سرنوشت، سیالیت و عوامل انسانی منعکس می‌کنند. درک رویدادهای قبلی به‌عنوان شاخص‌های آینده به برخی پیش‌بینی‌کنندگان این امکان را داده است که تاریخ بشر را به‌عنوان مجموعه‌ای از الگوها در نظر بگیرند؛ جایی که چرخه‌ها، امواج یا توالی‌های واضحی را می‌توان در گذشته شناسایی کرد و بنابراین می‌توان انتظار داشت در آینده تکرار شوند. این مبتنی بر موفقیت علوم طبیعی در تدوین قوانین کلی از شواهد تجربی است. پیروان این رویکرد شامل دانشمندان مختلفی مانند آگوست کنت، کارل مارکس، اسوالد اسپنگلر، آرنولد تونینبی، نیکولای کوندراتیف و البته تورچین بودند. اما چه پیش‌بینی آن‌ها درباره افول غرب، ظهور یک آرمان‌شهر کمونیستی یا علمی یا احتمال تکرار موج‌های اقتصادی جهانی بوده، موفقیت آن‌ها بسیار محدود به‌شمار آمده است.

اخیراُ، تحقیقات در دانشگاه MIT بر توسعه الگوریتم‌هایی برای پیش‌بینی آینده براساس گذشته حداقل به‌شکلی کوتاه‌مدت متمرکز شده است. با آموزش رایانه‌ها آن‌چه که معمولاً بعد یک از موقعیت خاص اتفاق می‌افتد مانند این‌که آیا مردم هنگام ملاقات با هم، یکدیگر را در آغوش می‌گیرند یا به هم دست می‌دهند؟، محققان توانسته‌اند تا الگو‌های تاریخی را تکرار کنند. اما، همان‌طور که اغلب یک نقص در این رویکرد به پیش‌بینی‌ها وجود دارد، حداقل در این مرحله از توسعه فناوری، فضای کمی برای انتظار موارد غیرمنتظره باقی می‌ماند.

در همین حال، مجموعه دیگری از پیش‌بینی کنندگان استدلال می‌کنند که سرعت و دامنه نوآوری‌های فنی-اقتصادی آینده‌ای را ایجاد می‌کند که از نظر کیفی با گذشته و حال متفاوت خواهد بود. پیروان این رویکرد به‌دنبال الگوها نیستند، بلکه به‌دنبال متغیرهای نوظهوری هستند که می‌توان از طریق آن‌ها، آینده را برون‌یابی کرد. به همین ترتیب، به جای پیش‌بینی یک آینده قطعی، مدل‌سازی مجموعه‌ای از احتمالات که بسته به انتخاب‌هایی که انجام می‌شوند، محتمل هستند، آسان‌تر می‌شوند. نمونه‌هایی از این شامل شبیه‌سازی‌هایی مانند World3 و بازی‌های جنگی است که پیش از این به آن اشاره کردیم. بسیاری از نویسندگان داستان‌های علمی‌تخیلی و آینده‌شناسان نیز از این استراتژی‌ برای ترسیم آینده استفاده می‌کنند. به‌عنوان مثال در دهه ۱۹۳۰، اچ. جی ولز به بی‌بی‌سی رفت تا فراخوانی برای پروفسور‌های پیش‌اندیش پخش کند. وی مدعی شده بود که این راهی برای آماده‌سازی کشور برای تغییرات غیرمنتظره به‌شمار می‌آید. به‌طور مشابه، نویسندگانی همچون آلوین و هایدی تافلر، از پیشرفت‌های فناوری اطلاعات، شبیه‌سازی،‌هوش مصنوعی، اصلاح ژنتیکی و علوم زیست‌محیطی برای کش طیف وسیعی از آینده‌های بالقوه مطلوب، خطرناک یا حتی پسا بشری استفاده کرده‌اند.

اما اگر پیش‌بینی‌های مبتنی بر تجربیات گذشته ظرفیت محدودی برای موارد پیش‌بینی‌نشده داشته باشند،‌ برون‌یابی‌های حاصل از نوآوری‌های علمی یا تکنولوژیکی، ظرفیت آزاردهنده‌ای برای تعیین‌کننده بودن دارند. در نهایت، هیچ یک از رویکردها لزوماً مفیدتر از دیگری نیست چراکه هر دو دارای یک نقص مهلک هستند؛ افراد، اشخاص و داشنمندانی که آن‌ها را چهارچوب‌بندی می‌کنند. رویکرد پیش‌بینی‌کننده هرچه که باشد، و ابزارهای آن به هر میزان پیچیده‌ باشد، یک مشکل در پیش‌بینی آینده وجود دارد و آن نزدیکی این موضوع به قدرت است. در طول تاریخ، آینده‌ها توسط افراد سفیدپوست با روابط خوب و مردان مستقل ساخته می شوند. این تجانس نتیجه محدود کردن چهارچوب‌بندی‌های آینده و در نتیجه اقدامات انجام‌شده برای شکل‌دهی به آن بوده است. علاوه بر این، پیش‌بینی‌هایی که منجر به نتایج پرهزینه یا نامطلوب می شوند، مانند تورچین، معمولاً توسط کسانی که تصمیم‌گیری می‌کنند، نادیده گرفته می‌شوند. این مورد تقریباً در دهه‌های قبل از ظهور کرونا نیز صادق بود. برای مثال، گزارش‌ها در ایالات متحده و بریتانیا بر اهمیت سیستم‌های بهداشت عمومی در پاسخ‌گویی مؤثر به یک بحران جهانی تأکید کردند اما هیچ یک از کشورها متقاعد نشده‌اند که سیستم‌های خود را تقویت کنند. علاوه بر این، هیچ‌کس میزان عدم تمایل رهبران سیاسی به توصیه‌های علمی را پیش‌بینی نکرده بود. حتی زمانی که آینده‌ها از مزیت در نظر گرفتن خطای انسانی برخوردار بودند، همچنان پیش‌بینی‌هایی تولید می‌کردند که در مورادی با استراتژی‌های سیاسی در تضاد واقع می شود و به طور سیستماتیک مورد نادیده‌ گرفته‌شدن قرار می‌گرفت.

این موضوع‌، ما را به سؤال مهمی می‌رساند که پیش‌بینی‌ها برای چه کسانی و چه چیزی است؟ کسانی که می‌توانند بر آن‌چه مردم فکر می‌کنند، تأثیر بگذارند، اغلب همان افرادی هستند که می‌توانند منابع قابل توجهی را در زمان حال به‌دست آورند که به‌نوبه خود به تعیین آینده کمک می‌کند. اما به‌ندرت صدای جمعیتی را می‌شنویم که توسط چنین تصمیم‌گیرندگانی اداره می‌شوند. اغلب در سطح منقطه‌ای یا شهری است که ما شاهد تلاش‌های مردم عادی برای پیش‌بینی و شکل دادن به آینده جمعی و خانوادگی خود هستیم. این موضوع در فاجعه آب‌وهوایی که اکنون درحال اشکار شدن است،‌ روز به روز مبرم‌تر می شوند.

پیام اصلی ارسال شده از تاریخ آینده این است که فکر کردن به آینده لزوماً درست نیست. یک استراتژي بسیار مؤثرتر از این است که به آینده فکر کنید. به جای پیش‌بینی، تفکر احتمالی در مورد طیفی از نتایج بالقوه و ارزیابی آن‌ها سودمندتر خواهد بود.فناوری نقش مهمی در این‌جا ایفا می‌کند، اما مهم است که درس‌های World3 و Limits of Growth درباره تأثیری که فروضات بر نتایج نهایی دارند را در نظر داشته باشیم. خطر اصلی این است که پیش‌بینی‌های مدرن با نقش هوش مصنوعی بیشتر از پیش‌بینی‌هایی که توسط سیستم‌های پیشگویی قدیمی‌تر تولید می‌شوند، علمی‌تر و در نتیجه احتمال دقیق‌تر بودن آن‌ها در نظر گرفته می‌شوند. اما  مفروضات زیربنای الگوریتم‌هایی که فعالیت‌های مجرمانه را پیش‌بینی می‌کنند یا عدم وفاداری بالقوه مشتری را شناسایی می‌کنند، اغلب انتظارات کدگذاران آن‌ها را به همان شکلی که روش‌های پیش‌بینی قبلی انجام می‌دادند، منعکس می‌کنند.

به جای وابستگی به نوآوری برای ترسیم آینده، وام گرفتن از تاریخ و ترکیب تکنیک‌های جدیدتر با مدل‌های کمّی قدیمی‌تر شیوه‌ای معقول محسوب می‌شود؛ مدلی که تخصص علمی را با تفسیر هنری ترکیب می‌کند. شاید بهتر باشد که به‌جای پیش‌بینی و زمانی که به تصور یا بهبود تاریخچها‌های آینده بشری صرف می‌کنیم، به تشخیص فکر کنیم.