ورود

ورود به سایت

نام کاربری *
رمز عبور *
به خاطر سپردن من
rezas

rezas

هر آنچه باید درباره هوش مصنوعی بدانید

 

 تاریخ چاپ:
 شماره خبر: ۳۹۵۱۹۰۷
 
 
احمدرضا فرهبد: هوش مصنوعی یا AI جهان را تحت تأثیر داده و پژوهشگران از آن در حوزه‌های مختلفی از دنیای فناوری گرفته تا پزشکی از آن استفاده می‌کنند و پیشرفت در این زمینه ادامه دارد. در این ...

هوش مصنوعی یا AI جهان را تحت تأثیر داده و پژوهشگران از آن در حوزه‌های مختلفی از دنیای فناوری گرفته تا پزشکی از آن استفاده می‌کنند و پیشرفت در این زمینه ادامه دارد. در این مطلب می‌خواهیم شمارا به‌طور کامل با Artificial intelligence، انواع آن و کاربردهایش آشنا کنیم و همچنین ببینیم چه آینده‌ای در انتظار AI است.

هوشی که توسط ماشین ارائه شود به‌عنوان هوش مصنوعی شناخته می‌شود. این فناوری انقلابی در جهان امروزی در حال تبدیل‌شدن به مفهومی کاملاً شناخته‌شده است. در حقیقت شبیه‌سازی هوش انسانی در ماشین‌هایی است که می‌تواند برای یادگیری رفتارهای انسانی و تقلید آن‌ها برنامه‌ریزی شوند. چنین ماشین‌هایی توانایی یادگیری با کسب تجربه و همچنین انجام وظایف مختلف با روش‌هایی شبیه روش‌های انسانی رادارند.

 

با رشد فناوری‌هایی این‌چنینی کیفیت زندگی انسان‌ها بهتر می‌شود. امروزه تقریبا تمام افراد فعال در حوزه‌هایی که به‌نوعی با فناوری در ارتباط هستند، پس از آشنایی با این فناوری و درک آن می‌خواهند از طریق روش‌های مختلف از قابلیت‌های بالقوه آن بهره‌مند شوند یا حداقل اطلاعاتی را در مورد این قابلیت‌ها به دست آورند.

 

هوش مصنوعی چیست

پاسخ این سؤال به فردی که آن را می‌پرسد، بستگی دارد. افراد عادی که درک عمیقی از فناوری ندارند، ممکن است هوش مصنوعی را به ربات‌ها نسبت دهند. به اعتقاد عموم مردم هوش مصنوعی چیزی شبیه ربات‌های نابودگر است که خودش می‌تواند مستقل از انسان فکر و عمل کند؛ اما اگر از یک پژوهشگر فعال در این حوزه در مورد آن سؤال کنید، در پاسخ می‌گوید که این فناوری مجموعه‌ای از الگوریتم‌هایی است که می‌توانند بدون آنکه لازم باشد برای انجام کار خاصی ایجاد شوند، نتایجی را به همراه داشته باشند.

تاریخچه هوش مصنوعی

ایده جان بخشیدن به موجودات بی‌جان و تبدیل آن‌ها به موجودات هوشمند به گذشته‌های بسیار دور بازمی‌گردد. یونانیان باستان افسانه‌هایی در مورد ربات‌ها داشته‌اند و مهندسان چین باستان و مصر باستان هم ماشین‌های خودکاری شبیه به ربات‌های امروزی ساخته‌اند.

می‌توان گفت نخستین جرقه پیدایش مفهوم هوش ساختگی با تکامل شبکه عصبی در سال ۱۹۴۳ آغاز شد. البته منشاء ایده ایجاد این فناوری به شکل امروزی را می‌توان در تلاش فیلسوفان کلاسیک برای تشریح تفکر انسان جستجو کرد.

در سال ۱۹۵۰ آزمونی تحت عنوان آزمون Turing ایجاد شد که برای سنجش میزان توانایی ایجاد رفتارهای هوشمندانه توسط ماشین‌ها در سطح رفتارهای انسانی ابداع شد؛ البته حوزه هوش ماشینی به شکلی که امروز شاهد آن هستیم، در سال ۱۹۵۶ به‌صورت رسمی شکل گرفت و قبل از آن، در این حیطه پژوهشی وجود نداشت. کلمه «هوش مصنوعی» (Artificial Intelligence) در همین سال در کنفرانسی در کالج دارتموت در شهر هانوفر در ایالت نیوهمپشابر آمریکا برای نخستین بار ابداع و بیان شد.

«ماروین مینسکی» (Marvin Minsky)، دانشمند علوم شناختی دانشگاه MIT و سایر حضار آن کنفرانس در مورد آینده هوش مصنوعی نوعی به‌شدت خوش‌بین بودند. مینسکی در کتاب «AI: جستجویی هیجان‌انگیز برای هوش مصنوعی» (AI: The Tumultuous Search for Artificial Intelligence) اذعان کرده که روزی تمام مشکلات مربوط به این فناوری حل خواهند شد. در سال ۱۹۶۶ نخستین چت‌بات به نام «الیزا» (Eliza) ساخته شد و در سال ۱۹۷۲ نیز نخستین ربات هوشمند به نام «وابات ۱» (Wabot ۱) به وجود آمد.

البته دستیابی به یک سیستم هوش ساختگی قابل‌قبول در قرن بیستم کار ساده‌ای نبود. در سال‌های بین ۱۹۷۴ تا ۱۹۸۰ انتشار چندین گزارش انتقادی در مورد نگران‌کننده بودن روند پیشرفت هوش مصنوعی، باعث شد سرمایه‌گذاری دولتی و علاقه به پژوهش در این حوزه کم‌رنگ شود و این سال‌ها به‌عنوان زمستان هوش مصنوعی شناخته می‌شود؛ اما خوشبختانه در دهه ۱۹۸۰ فعالیت‌های مرتبط با توسعه آن جان تازه‌ای گرفت و دولت انگلستان و ژاپن برای دستیابی به دستاوردهای جدید در این حوزه رقابت سختی را آغاز کردند.

اما متأسفانه در سال‌های بین ۱۹۸۷ تا ۱۹۹۳ توجه‌ها بیشتر به سمت کامپیوترهای طراحی‌شده برای استفاده عموم مردم جلب شد و دوباره سرمایه‌گذاری‌های دولتی در حوزه هوش مصنوعی کاهش یافت؛ اما از سال ۱۹۹۷ دوباره تلاش برای شکوفایی آن آغاز شد و در آن سال کامپیوتر «دیپ بلو» (Deep Blue) توانست به‌عنوان نخستین کامپیوتر در یک بازی شطرنج، «گری کاسپارف» (Garry Kasparov)، قهرمان روسی شطرنج جهان در آن زمان را شکست دهد. در سال ۲۰۰۲ نخستین جاروبرقی مجهز به AI که در حقیقت جزو اولین لوازم‌خانگی مجهز به این فناوری بود، روانه بازار شد.

در سال ۲۰۱۱ نیز کامپیوتری تحت عنوان «واتسون» (Watson) موفق شد در مسابقه تلویزیونی «!Jeopardy» دو قهرمان بلامنازع این مسابقات یعنی «برد راتر» (Brad Rutter) و «کن جنینگ» (Ken Jennings) را شکست دهد. در همان سال کامپیوتر سخنگویی به نام «یوجین گوسمن» (Eugene Goostman) که در حقیقت یک چت‌بات بود، توانست داوران را شکست دهد و داوران تصور کردند این کامپیوتر یک انسان است.

در سال ۲۰۱۲ دستیار شخصی هوشمند Google now که قابلیت‌های A بهره می‌برد، راه‌اندازی شد. در سال ۲۰۱۸ پلتفرم هوش مصنوعی گوگل دوپلکس (Google Duplex) باهدف مجهز کردن ربات‌ها به قابلیت گفت‌وگوی طبیعی و از پیش تعیین نشده با انسان‌ها ایجاد شد.

در سال ۲۰۱۹ یک ماشین هوش مصنوعی به نام Open AI Dyctyl توانست مکعب روبیک را در مدت کوتاهی حل کند که دستاورد بزرگی در این حوزه محسوب می‌شود.

 
 
 

کارشناسان به‌منظور بهره‌وری حداکثری پیشنهاد کردند

ابزارهای هوش مصنوعی برای کسب‌وکارها

 

 تاریخ چاپ:
 شماره خبر: ۳۹۹۲۶۴۸
 
آي‌تي‌ايران : این روزها هوش مصنوعی و کاربردهای آن به یکی از پرطرفدارترین اخبار حوزه فناوری تبدیل شده و روزانه میلیون‌ها کاربر در سراسر جهان، از ابزارهای هوش مصنوعی که توسط شرکت‌های مختلف توسعه‌یافته، استفاده می‌کنند.
 
ابزارهای هوش مصنوعی برای کسب‌وکارها

 

این فناوری اگرچه طرفداران زیادی پیدا کرده، اما مخالفانی نیز در برابر آن قد علم کرده‌اند و خواستار توقف توسعه مدل‌های پیشرفته‌تر و البته قانون‌گذاری در این حوزه هستند. فارغ از این بحث و جدل‌ها، بی‌تردید این فناوری در آینده و در حوزه‌های مختلف، نقش‌آفرینی گسترده‌ای خواهد داشت و کسب‌وکارها نیز از تاثیرات آن در امان نخواهند بود. بنابراین استفاده از هوش مصنوعی برای فعالان و کسب‌وکارها برای رقابت با دیگر شرکت‌ها و همچنین کمک به افزایش بهره‌وری و کارآیی ضروری به نظر می‌رسد. در ادامه به ۱۰ نمونه از ابزارهای هوش مصنوعی که می‌توان از آنها برای نیل به این اهداف بهره برد، اشاره خواهیم کرد.

ChatGPT: این چت‌بات یک ابزار مکالمه‌محور است که توسط شرکت OpenAI طراحی شده و توسعه یافته است. ChatGPT  در نوامبر گذشته در دسترس کاربران قرار گرفته و در این میان، صاحبان کسب‌وکارها نیز می‌توانند از قابلیت‌های آن استفاده کنند.  از جمله این قابلیت‌ها می‌توان به نوشتن مطالب درباره موضوعات مختلف، تجزیه‌وتحلیل وب‌سایت یا ارتقای نتایج جست‌وجو، اجرا و حل معادلات ریاضی پیچیده، ایجاد سیاست‌های مربوط به منابع انسانی و... اشاره کرد. همچنین صاحبان کسب‌وکارها می‌توانند با اپلیکیشن Dall-E۲ نیز کار کنند. این ابزار می‌تواند با استفاده از دستورات متنی، تصویر ایجاد کند.

 

Microsoft Copilot: در حال حاضر، مایکروسافت ۴۹درصد از سهام OpenAI را در اختیار دارد و ابزار ChatGPT، توسط سرورهای مایکروسافت میزبانی و پشتیبانی می‌شود. بنابراین‌ بسیاری از قابلیت‌های ChatGPT در ابزار Copilot مشاهده خواهد شد. این ابزار همچنین با نتایج جست‌وجوی مرورگر بینگ تغذیه خواهد شد و قرار است در سال آینده، بخش عمده‌ای از مجموعه آفیس را به خود اختصاص دهد. صاحبان کسب‌‎وکارها می‌توانند از این Copilot برای تجزیه‌وتحلیل صفحه گسترده یا همان Spreadsheets، ایجاد الگوها (Templates)، به‌روزرسانی ارائه‌ها و حتی شرکت در جلسات تیمز به جای کاربر استفاده کنند.

Google Bard/ Duet: گوگل بارد را باید واکنش این غول دنیای فناوری به ChatGPT شرکت OpenAI محسوب کرد.Duet  اپلیکیشنی است که از مدل زبانی بزرگ مبنایی بارد برای اجرای اپلیکیشن‌های کسب‌وکار‌محور گوگل استفاده می‌کند. قرار است این قابلیت‌ها ظرف ۶ ماه آینده در دسترس کاربران قرار گیرد. با این حال، فعلا سرویس جی‌میل از هوش مصنوعی بارد برای کمک به نگارش ایمیل‌ها و اصلاح غلط‌های گرامری استفاده می‌کند.

 Crayon AI: این ابزار بسیار شبیه به Dall-E است. در واقع، یک تولیدکننده پیشرفته تصویر است که از هوش مصنوعی برای تولید آثار هنری، تصاویر، نقاشی‌ها و کارهای گرافیکی از طریق متن، بهره می‌برد. کیفیت کارهای ارائه‌شده توسط این ابزار بسیار بالاست و صاحبان کسب‌وکارها می‌توانند از تولیدات آن، برای وب‌سایت‌های خود یا سایر محتواهای تبلیغاتی استفاده کنند.

Heywire. ai: اگر کسب‌وکارتان در حوزه محتواست، Heywire. ia ‌‌می‌تواند به شما در تولید محتواهای باکیفیت کمک زیادی کند. این ابزار از هوش مصنوعی برای گردآوری اطلاعات از اینترنت و تبدیل آنها به یک داستان، مقاله یا سایر فرم‌‌های مدنظر استفاده ‌‌می‌کند.

Eightify:حتما برایتان پیش آمده که به یک ویدئوی جالب برخوردید، اما با رؤیت زمان طولانی آن، قید تماشای آن را زدید. اینجاست که Eightify ‌‌می‌تواند وارد میدان شود و با فناوری هوش مصنوعی، نقاط مورد علاقه شما را انتخاب و فایلی به صورت خلاصه را ارائه کند. در واقع، شما به عنوان صاحب یک کسب‌وکار باید اطلاعات زیادی را درباره موضوعات مختلف داشته باشید که با توجه به محتواهای ویدئویی زیادی که در فضای وب وجود دارد، این ابزار ‌‌می‌تواند نکات مهم و برجسته ویدئوها را انتخاب و خلاصه‌برداری کند که با صرف زمان کمتر، ‌‌می‌توان به این اطلاعات مهم دست یافت.

Temi:این ابزار یکی از کاربردی‌ترین ابزارها برای آنهایی است که مدام با فایل‌‌های صوتی و ویدئویی سروکار دارند. در واقع، با Temi ‌‌می‌توان در کمترین زمان ممکن، به رونویسی از فایل‌‌ها دست یافت.

Feathery: اگر به یک فرم ایده‌آل برای کسب‌وکار خود نیاز دارید، Feathery ‌‌می‌تواند به شما در این زمینه کمک کند. این ابزار از فناوری هوش مصنوعی برای ایجاد فرم‌‌هایی با ظاهر حرفه‌ای بهره ‌‌می‌برد و ‌‌می‌تواند ظرف چند دقیقه، فرم مد نظرتان را تولید کند. کاربران ‌‌می‌توانند این فرم‌‌ها را ویرایش یا ذخیره کرده یا متناسب با کسب‌وکار خود به صورت سفارشی تولید کنند.

Interview. ai: این ابزار با استفاده از هوش مصنوعی، مصاحبه‌هایی ساختگی را برای موقعیت‌‌های شغلی ایجاد ‌‌می‌کند تا کاربر با آمادگی بیشتری در جلسات مصاحبه شرکت کند. با این ابزار، کاربر ‌‌می‌تواند مهارت‌‌های گفتاری خود را تقویت کند و قبل از مصاحبه اصلی، خود را در یک مصاحبه ساختگی محک بزند.

Opus Clip: بسیاری از صاحبان کسب‌وکارها به ویدئو و اشتراک آن در وب‌سایت‌‌ها علاقه‌مندند، اما زمانی که این ویدئوها طولانی باشند، اشتراک‌گذاری آنها کمی ‌سخت ‌‌می‌شود. اینجاست که Opus Clip ‌‌می‌تواند کمک‌کننده باشد و با استفاده از فناوری هوش مصنوعی، برش‌‌هایی کوتاه از ویدئو را آماده و ارائه کند.

 
 

لینکدین، ایندید و زیپ‏‏‌رکروتر، کارجویان را صرفا بر اساس رزومه و شایستگی‏‏‌هایی که دارند انتخاب نمی‏‏‌کنند

چالش‏‏‌های متقاضیان کار با هوش مصنوعی

 

 تاریخ چاپ:
 شماره خبر: ۳۹۹۲۳۳۱
 
مترجم: مریم رضایی
منبع: Washington Post
 
 
«تروی جورج» می‌‌‌خواست به عنوان مدیر یک کارخانه تولیدی کار پیدا کند. او سراغ چند سایت کاریابی از جمله «زیپ‌‌‌رکروتر» (ZipRecruiter) رفت. اما نوتیفیکیشن‌‌‌هایی که این سایت می‌‌‌فرستاد، برای مشاغل منشی‌‌‌گری، خدماتی یا نقش‌‌‌های مدیریت غیرمرتبط بود. جورج ۴۹ ساله می‌‌‌گوید: «برایم خیلی خنده‌‌‌دار بود.»
چالش‏‏‌های متقاضیان کار با هوش مصنوعی

در هفت سال گذشته، جورج به طور مرتب از وب‌سایت‌‌‌های کاریابی متعددی استفاده کرده است. بعد از اینکه پاندمی باعث شد در مکان کار انعطاف‌‌‌پذیری بیشتری به وجود آید، اینباکس جورج پر شد از پیشنهادهای کاری که خیلی از آنها به گفته خودش، غیرمرتبط با تخصصش بودند. وقتی هم که یک شغل جالب و مناسب پیدا می‌‌‌کرد، تقاضایش اغلب بی‌‌‌پاسخ می‌‌‌ماند.

جویندگان کار مثل جورج، می‌‌‌گویند برای پیدا کردن شغل مناسب و عبور از صدها درخواست کار برای یک شغل مشخص در سایت‌‌‌هایی مثل «ایندید» (Indeed)، زیپ‌‌‌رکروتر و لینکدین، با مشکل مواجهند. خیلی‌‌‌هایشان می‌‌‌گویند ویژگی‌‌‌های این سایت‌‌‌ها برای تطبیق دادن فرد با شغل مناسبش توسط هوش مصنوعی، همیشه به نفع آنها کار نمی‌‌‌کند. در برخی موارد، سیستم‌‌‌های توصیه هوش مصنوعی از اطلاعات قبلی استخدام استفاده می‌‌‌کنند و فقط به شایستگی‌‌‌های متقاضی بسنده نمی‌‌‌کنند؛ مثلا اینکه کارفرماها به چه کسانی پیام داده‌‌‌اند و با چه کسانی مصاحبه کرده‌‌‌اند، جست‌‌‌وجوهای قبلی آنها چه بوده، و روی چه پروفایل‌‌‌هایی کلیک کرده‌‌‌اند تا متقاضیان مناسب را پیدا یا آنها را رتبه‌‌‌بندی کنند.

 

کارشناسانی که در حوزه هوش مصنوعی مطالعه می‌‌‌کنند، می‌‌‌گویند روش تطبیق متقاضیان کار با شغل مورد نظر، از این به بعد پیچیده‌‌‌تر خواهد شد، چون هوش مصنوعی پیشرفته‌‌‌تری به این سیستم‌‌‌ها اضافه می‌‌‌شوند. این یعنی برخی متقاضیان، ممکن است صرفا به خاطر صلاحیت‌‌‌ها و ویژگی‌‌‌هایی که دارند، برای یک شغل انتخاب نشوند.  آدریانو کوشیاما، دستیار مدیرعامل در امور هوش مصنوعی شرکت نرم‌‌‌افزاری Holistic AI، با اشاره به همه سایت‌‌‌های کاریابی، می‌‌‌گوید: «ما خیلی نگران این حوزه هستیم. اگر دسترسی به مشاغل در این سایت‌‌‌ها محدود شود، تاثیر بسیار بزرگی خواهد داشت.»

 

کریستین راندل، متخصص پروژه‌‌‌‌‌‌های IT در شهر ساراسوتا، ایالت فلوریدا، می‌‌‌گوید که اغلب احساس می‌‌‌کند درخواست‌‌‌های کارش در این سیستم‌‌‌های کاریابی سایتی گم می‌شود و تعداد زیاد متقاضیانی که درخواست یک کار را می‌‌‌دهند، او را دلسرد می‌‌‌کند. او می‌‌‌گوید: «آنقدر نسبت به این سایت‌‌‌ها ناامید بودم که در نهایت تسلیم شدم» و بالاخره با کارفرمایی که از قبل با او تماس داشت، یک کار تمام‌‌‌وقت پیدا کرد.

لینکدین، ایندید و زیپ‌‌‌رکروتر سه سایتی هستند که در ۶ماه نخست امسال در آمریکا، بیشترین ترافیک را در میان سایت‌‌‌های کاریابی آمریکایی داشته‌‌‌اند و طبق اعلام شرکت تجزیه و تحلیل وب Similarweb، در مجموع نزدیک به ۷۹۰ میلیون بازدید را جذب کردند. هدف این سایت‌‌‌ها این است که هر چه سریع‌‌‌تر، متقاضیان واجد شرایط را با پست‌‌‌های شغلی مرتبط که قبلا به آن توجهی نداشتند، تطبیق دهند. همچنین از طرف دیگر، می‌‌‌خواهند زمانی را که کارفرماها صرف جست‌‌‌وجو و استخدام نیروهای جدید می‌‌‌کنند، کاهش دهند.  سایت‌‌‌های کاریابی می‌‌‌گویند سیستم‌‌‌های تطبیق‌‌‌دهی هوش مصنوعی آنها همیشه دقیق و بی‌‌‌عیب نیست. ممکن است یک متقاضی، بر اساس فعالیت‌‌‌های قبلی یک کارفرما در سایت رد صلاحیت نشود، اما هوش مصنوعی او را رد کند.  اسکات دابروسکی، کارشناس روندهای شغلی در سایت ایندید، می‌‌‌گوید: «ممکن است یک نفر خود را کاملا دارای صلاحیت بداند، اما طبق روندهای استخدامی گذشته، در اولویت قرار نگیرد. اما همین فرد، بر اساس الگوهای قدیمی استخدام که توسط کارشناس انسانی صورت می‌‌‌گرفت، استخدام می‌‌‌شد.» هوش مصنوعی سایت زیپ‌‌‌رکروتر، تصمیماتش را بر اساس میلیاردها نقطه داده‌‌‌ای که از کارفرماها و متقاضیان کار طی ۱۳ سال فعالیتش جمع‌‌‌آوری کرده، اتخاذ می‌‌‌کند. این سایت کاری را که کارفرماها در انواع و اندازه‌‌‌های مختلف در سایت خودشان انجام داده‌‌‌اند، شبیه‌‌‌سازی می‌‌‌کند.  جن رینگل، معاونت ارشد محصول در زیپ‌‌‌رکروتر، می‌‌‌گوید: «یادگیری ماشینی بر اساس رفتار انسان عمل می‌‌‌کند. بنابراین آموزش کارفرما تا جایی که می‌توانیم، بر عهده ماست. اما این کار پیچیده‌‌‌ای است.»

 

 تطبیق شغلی چگونه انجام می‌شود؟

الگوریتم‌‌‌های سایت، تجربیات و مهارت‌‌‌های متقاضیان کار و در برخی موارد، مشاغلی که آنها برایش جست‌‌‌وجو کرده‌‌‌اند، روی آنها کلیک کرده یا درخواستش را داده‌‌‌اند، در نظر می‌گیرد. برخی الگوریتم‌‌‌های سایت، بهترین گزینه‌‌‌ها را بر اساس جست‌‌‌وجوهای قبلی کارفرماها و نوع متقاضیانی که آنها معمولا به دنبال اطلاعاتشان هستند، برای کارفرماها پیدا می‌‌‌کنند. مشخص نیست این الگوریتم‌‌‌ها، به مهارت‌‌‌ها و قابلیت‌‌‌های افراد در مقایسه با رفتارشان در سایت، چه وزنی می‌‌‌دهند.  رینگل می‌‌‌گوید: «ما سعی می‌‌‌کنیم تا جایی که ممکن است مراحل متعدد یک فرآایند استخدام ناکارآمد را حذف کنیم و کارفرماها و جویندگان کار را هر چه سریع‌‌‌تر به هم برسانیم.» اما نمی‌توان جلوی پتانسیل سوگیری بر اساس رفتارهای استخدامی قبلی کارفرماها را گرفت و گاهی اصلا تشخیص این موضوع خیلی سخت است، چون به گفته مانیش راگاوان، استادیار تکنولوژی اطلاعات و علوم کامپیوتر در مدرسه مدیریت MIT، با مطابقت‌‌‌های آماری، در هم تنیده می‌شود. به عنوان مثال، یکی از سوگیری‌‌‌های هوش مصنوعی این است که بیشتر فارغ‌‌‌التحصیلان هاروارد را با مشاغل مختلف تطبیق می‌‌‌دهد، در حالی که ممکن است این افراد کمترین هم‌‌‌خوانی را با شغل مورد نظر داشته باشند. انسان‌‌‌ها با یکسری سوگیری‌‌‌های عینی و مشخص دست و پنجه نرم می‌‌‌کنند و مثلا بیشتر موافق افرادی هستند که شبیه خودشانند و این موضوع می‌تواند از طریق هوش مصنوعی هم تکرار شود.  راگاوان با اشاره به اینکه بیشتر سرویس‌‌‌ها از مشکلات بالقوه آگاهند، می‌‌‌گوید: «جلوگیری از وقوع چنین اتفاقی بسیار سخت است. اما راه‌حل کلی برای آن وجود ندارد.» همچنین هوش مصنوعی این پتانسیل را دارد که قوانینی بر اساس الگوهای تاریخی ایجاد کند، بدون اینکه کسی بداند این قوانین چه هستند. این موضوع حل مشکلات را دشوار می‌‌‌کند. سمیر ماسکی، استادیار یادگیری ماشینی و هوش مصنوعی در دانشگاه کلمبیا، آمازون را نمونه‌‌‌ای می‌‌‌‌‌‌داند که سوگیری هوش‌مصنوعی در آن، استخدام‌‌‌ها را جهت‌‌‌دهی می‌‌‌کند. در سال ۲۰۱۸ این غول تکنولوژی، ابزار استخدام آزمایشی خود با هوش مصنوعی را کنار گذاشت، چون متوجه شد در مشاغل فنی، بیشتر سراغ مردان می‌‌‌رود (با توجه به اینکه استخدام‌‌‌های فنی قبلی این شرکت عمدتا شامل مردان می‌‌‌شد). ماسکی می‌‌‌گوید برای مطمئن شدن از اینکه داده‌‌‌های طبقه‌‌‌بندی شده دچار سوگیری نیستتند، تلاش زیادی باید صورت بگیرد. همزمان، آمازون اعلام کرد مسوولان استخدام شرکت، هیچ‌‌‌گاه از این تکنولوژی برای متقاضیان واقعی استفاده نکرده‌‌‌اند و این طرح در مرحله آزمایشی باقی مانده است.  ماسکی می‌‌‌گوید: «اگر کورکورانه از داده‌‌‌های تاریخی استفاده می‌‌‌کنید و به سوگیری نفوذ کرده در سیستم استخدامتان دقت نمی‌‌‌کنید، متقاضیان کار حق دارند نگران شوند.»

پلت‌فرم‌‌‌ها می‌‌‌گویند برای مقابله با این سوگیری‌‌‌های الگوریتمی، اقداماتی انجام داده‌‌‌اند. زیپ‌‌‌رکروتر دائما سیستم‌‌‌های خودش را با داده‌‌‌های جدید به‌‌‌روز می‌‌‌کند و به گفته رینگل، به داده‌‌‌های فعلی وزن بیشتری می‌‌‌دهد و اطلاعات قابل شناسایی شخصی مثل نام کامل افراد و جنسیت آنها را دقیق بررسی می‌‌‌کند. حدود ۳۰۰ نفر روی هوش مصنوعی و یادگیری ماشینی برای تطبیق شغلی ایندید کار می‌‌‌کنند و مدیر هوش مصنوعی این شرکت، به صورت تمام‌‌‌وقت روی این مسائل متمرکز است.  سایت هایرد (Hired.com) که عمیقا بر مشاغل فروش و تکنولوژی متمرکز است، از تطبیق‌‌‌دهی هوش مصنوعی استفاده می‌‌‌کند تا به کارفرماها در پیدا کردن متقاضیان مناسب کمک کند. هایرد می‌‌‌گوید فقط در صورتی متقاضیان واجد شرایط را کنار می‌‌‌گذارد که فعالیت یک کارفرما به طور خاص نشان دهد آن متقاضی را نمی‌‌‌خواهد. سیستم این سایت به کارفرماها امکان می‌‌‌دهد اسم و مشخصات فردی و عکس‌‌‌های پروفایل متقاضی را پنهان کند و به این ترتیب از سوگیری‌‌‌های الگوریتمی جلوگیری می‌شود.

لینکدین می‌‌‌گوید ابزارهایی ایجاد کرده که بتواند به نتایج برابر در استخدام‌‌‌ها برسد. در سال ۲۰۱۸ این شرکت ابزار جست‌‌‌وجوی استخدام‌‌‌کننده خود را اصلاح کرد تا بهتر بتواند ترکیب جنسیتی متقاضیان کار را در هر صفحه نتایج جست‌‌‌وجو، منعکس کند. سپس سال گذشته، این شرکت یک ویژگی جدید را معرفی کرد که استخدام‌‌‌کننده‌‌‌ها را تشویق می‌‌‌کند در صورت عدم‌رعایت عدالت در انتخاب زنان یا مردان، فیلترهایشان را گسترده‌‌‌تر کنند.

 آمادگی برای هوش مصنوعی بیشتر

سایت‌‌‌های کاریابی ممکن است به زودی تکنولوژی‌‌‌های پیشرفته‌‌‌تر مثل هوش مصنوعی مولد را به سیستم‌‌‌های خود اضافه کنند که احتمال سوگیری را پیچیده‌‌‌تر و برطرف کردن آن را دشوارتر می‌‌‌کند. شرکت ایندید می‌‌‌گوید تطبیق شغلی، آینده فرآیند استخدام را شکل می‌‌‌دهد و هوش مصنوعی مولد می‌تواند به این موضوع کمک کند. ایندید وارد مشارکت با گوگل شده، تا از ابزار هوش مصنوعی مولد آن به نام «بارد» برای تطبیق شغلی بهتر استفاده کند و به متقاضیان کمک کند بدانند که چه چیزهایی را در پروفایل‌‌‌های خود اولویت قرار دهند. رینگل آینده‌‌‌ای را می‌‌‌بیند که در آن هوش مصنوعی مولد می‌تواند توضیح دهد چرا یک سرویس، مشاغل خاصی را پیشنهاد می‌‌‌دهد. او می‌‌‌گوید به این ترتیب می‌توان نوشتن رزومه‌‌‌ها و شرح وظایف شغلی را آسان‌‌‌تر کرد.  اما هوش مصنوعی پیشرفته، باعث می‌شود دلیل تصمیماتی که سیستم‌‌‌ها می‌‌‌گیرند را سخت‌‌‌تر درک کنیم. کوشیاما، می‌‌‌گوید: «خیلی از مشتریان تکنولوژی منابع انسانی، از الگوریتم‌‌‌های قابل توضیح مناسب استفاده می‌‌‌کنند. نگران شفافیت تا چند سال آینده هستم.» ماسکی می‌‌‌گوید جویندگان کار باید آماده مواجهه با هوش مصنوعی در حوزه‌‌‌های بیشتری از فرآیند استخدام باشند. و داده‌‌‌های آموزشی خوب و نظارت توازن برای هرگونه سوگیری، اهمیت بیشتری پیدا می‌‌‌کند. به گفته او، «به جایی می‌‌‌رسیم که اگر‌هزار متقاضی کار وجود داشته باشد، هوش مصنوعی با هر‌هزار نفر، از طریق برنامه زوم مصاحبه می‌‌‌کند. آماده چنین چیزی باشید.»

جورج می‌‌‌گوید فعلا شانس او وقتی با افراد دیگر به طور مستقیم تماس می‌گیرد، بیشتر از زمانی است که صرفا بر سایت‌‌‌های کاریابی تکیه کند. «این سایت‌‌‌ها خوب و بد دارند. نمی‌‌‌خواهم دیگر از استفاده از آنها کلا صرف‌نظر کنم، اما همه امیدم را هم به آنها نمی‌‌‌بندم.»

 نکاتی برای متمایز ماندن  در گزینش

مسوولان استخدام می‌‌‌گویند جویندگان کار برای افزایش شانس پیدا کردن شغل در سایت‌‌‌های کاریابی، می‌توانند چند اقدام آسان انجام دهند. شناخت تکنولوژی مورد استفاده و توجه به چند نکته اضافه، می‌تواند بسیار مهم باشد. جیسون واکر، هم‌‌‌بنیان‌گذار شرکت مشاوره استخدام Thrive HR، می‌‌‌گوید: «گاهی شاهدیم که تقاضا برای یک شغل، تا چهار برابر افزایش یافته است. این یعنی واضح است که افراد صرفا بر اساس رزومه‌‌‌هایی که وارد سیستم می‌‌‌کنند، نتیجه نمی‌‌‌گیرند.»

مسوولان استخدام می‌‌‌گویند با متقاضیان کار همدلی می‌‌‌‌‌‌کنند و پیشنهادشان این است که خود جست‌‌‌وجوی شغلی را یک کار در نظر بگیرند. درست است که رد شدن احساس شکست به فرد متقاضی می‌‌‌دهد، اما آنها نباید تسلیم شوند.

تژال واگادیا، مسوول فنی ارشد استخدام در یک شرکت تکنولوژی‌‌‌ بزرگ، می‌‌‌گوید: «رد شدن به معنی قضاوت در مورد ارزش شما نیست. افراد نباید برداشت شخصی از آن داشته باشند.» یکسری نکات مفید که مسوولان استخدام به آن اشاره کرده‌‌‌اند تا شانس استخدام افراد در این شرایط افزایش یابد، عبارتند از:  

  اشتباه‌‌‌های رزومه را چک کنید

غلط‌‌‌های املایی و کلمات اشتباه می‌توانند دردسرساز شوند. مسوولان استخدام می‌‌‌گویند این غلط‌‌‌ها در فیلترها و غربال‌‌‌گری‌‌‌های اتوماتیک، مشکل ایجاد می‌‌‌کنند. رزومه را چند بار چک کنید و مطمئن شوید از گرامر و نشان‌‌‌گذاری‌‌‌های درستی استفاده می‌‌‌کنید.

  نیازی نیست رزومه را جالب و بامزه کنید

یک فرمت رزومه استاندارد پیدا و همان را دنبال کنید. به گفته واگایا، رزومه را دو ستونه نکنید، مگر اینکه تجربه کافی برای پر کردن صفحه را داشته باشید. از متن سفید و مشکی استفاده کنید و عکس و تصاویر گرافیکی یا امتیازدهی به مهارت‌‌‌های خودتان را استفاده نکنید؛ مگر اینکه برای یک شغل هنری مثل طراح گرافیک درخواست داده باشید.  ساچیت کامات، مدیر ارشد محصول در پلت‌فرم کاریابی و استعدادیابی Eightfold AI می‌‌‌گوید: «طراحی‌‌‌های پیچیده ممکن است در توانایی‌‌‌ برخی سیستم‌‌‌ها برای استخراج اطلاعات، اختلال ایجاد کنند.» اسکن اطلاعات را هم برای تکنولوژی و هم برای مسوولان انسانی، ساده کنید.

رینالدو رامیرز، هم‌‌‌بنیان‌گذار شرکت Thrive HR، می‌‌‌گوید: «رزومه را ساده نگه دارید. هر چیز اضافه‌‌‌ای، ذهن مسوول استخدام را منحرف می‌‌‌کند؛ به‌‌‌ویژه اگر مجبور باشد دائم بین اطلاعات شما بگردد.»

  همه چیز را شفاف توضیح دهید

نقشی که می‌‌‌خواهید و همچنین نقاط قوت، تخصص و بزرگ‌ترین دستاوردهایتان را اول از همه و با یک خلاصه حرفه‌‌‌ای توضیح دهید. این خلاصه حداکثر باید چند خط باشد.

واگادیا می‌‌‌گوید: «مثلا می‌‌‌گویید این کاری است که انجام می‌‌‌دهم، این دستاوردهایی است که داشته‌‌‌ام، این چند سال تجربه دارم و برای شرکت‌های کوچک و متوسط کار کرده‌‌‌ام. خیلی از مسوولان استخدام، فقط ۳۰ ثانیه تا ۱ دقیقه روی خواندن این اطلاعات وقت می‌‌‌گذارند.»

  روی نتایج تمرکز کنید، ‌‌‌ نه مسوولیت‌‌‌ها

یکی از اشتباه‌‌‌های متداولی که متقاضیان کار مرتکب می‌‌‌شوند، این است که وظایفی که در شغل‌‌‌های قبلی داشته‌‌‌اند لیست می‌‌‌کنند و از صفت‌‌‌ههای بیهوده‌‌‌ای مثل «جزئی‌‌‌نگر» یا «حرفه‌‌‌ای باتجربه» برای توصیف خودشان استفاده می‌‌‌کنند. چنین چیزهایی نه مسوول استخدام را تحت‌تاثیر قرار می‌‌‌دهد و نه فیلترهای تکنولوژی را.  مسوولان استخدام می‌‌‌خواهند میزان اثرگذاری شما را بدانند. متقاضیان باید از اصطلاحات قابل سنجش، عناوین و مهارت‌‌‌های خاص و همچنین نتایج اقداماتی که انجام داده‌‌‌اند بگویند. واگادیا می‌‌‌گوید: «کارفرماها به دنبال افرادی هستند که برای آنها ارزش ایجاد می‌‌‌کنند. بنابراین باید این ارزش را در رزومه به نمایش بگذارید.»

  هوش مصنوعی را  امتحان کنید

برخی مسوولان استخدام پیشنهاد می‌‌‌کنند که متقاضیان کار در این فرایند از هوش مصنوعی استفاده کنند. هوش مصنوعی می‌تواند به ساخت یا بهینه‌‌‌سازی رزومه کمک کند، پست‌‌‌های خالی را پیدا کند، نمونه‌‌‌کارهای حرفه‌‌‌ای ایجاد کند و فرد را برای مصاحبه شغلی آماده کند. البته مراقب باشید و هر چیزی را که هوش مصنوعی درست کرده دوباره چک کنید، چون هوش مصنوعی امکان اشتباه هم دارد. برخی متقاضیان هم از سرویس‌‌‌های رایگانی مثل چت‌‌‌جی‌‌‌پی‌‌‌تی استفاده می‌‌‌کنند و با استفاده از کلمات کلیدی، از آن می‌‌‌خواهند رزومه‌‌‌شان را بهبود دهد.

 
 

غلامرضا نوری‌قزلجه در گفت‌وگو با «دنیای اقتصاد» اعلام کرد‌

مجموعه تصمیم‌گیران؛ مخالف دسترسی آزاد به اینترنت

 

 تاریخ چاپ:
 شماره خبر: ۳۹۹۲۳۴۳
دنياي اقتصاد- سونيتا سراب‌پور :
 
 
محدودیت‌های دسترسی به پلتفرم‌های مختلف و اختلال‌های مداوم اینترنت که از نیمه دوم سال گذشته با شدت بیشتری شروع شده، علاوه بر مردم و کسب‌وکارها، صدای چند نماینده مجلس را هم بلند کرد، تا جایی که برخی از این نمایندگان با ارسال نامه‌ای به رئیس‌جمهور از او خواستند تا حداقل شرایط اینترنت کشور را به قبل از تابستان سال ۱۴۰۱ بازگرداند؛ نامه‌هایی که تاکنون راه‌گشا نبوده‌اند. غلامرضا نوری‌قزلجه، رئیس فراکسیون مستقلین ولایی مجلس و عضو کمیسیون مشترک طرح صیانت مجلس در گفت‌وگو با «دنیای اقتصاد» می‌گوید اینکه شکایت برخی نمایندگان مجلس تاکنون باعث نشده کیفیت اینترنت کشور بهتر شود، به این موضوع باز می‌گردد که علاوه بر وزارت ارتباطات بخش‌هایی ازهمین مجلس، دولت و شورای عالی فضای مجازی، نمی‌خواهند مردم به اینترنت آزاد، سریع و کم‌هزینه دسترسی داشته باشند.
مجموعه تصمیم‌گیران؛ مخالف دسترسی آزاد به اینترنت

نوری همچنین در واکنش به این موضوع که چرا بخشی از نمایندگان که خواهان رفع محدودیت‌ها هستند، تاکنون وزیر ارتباطات را به‌خاطر وضعیت نامطلوب اینترنت کشور مورد سوال قرار نداده‌اند، اعلام می‌کند که نوعی انسجام و نگاه یکسان در مجموعه‌هایی که به آنها اشاره کرده وجود دارد که باعث می‌شوند در این فضا امیدها برای این‌گونه اصلاحات بسیار کم شود. به باور او تفکری که درحال‌حاضر حاکم است، عطش این را دارد که مانع گردش آزاد اطلاعات شود؛ یعنی به حقوق اساسی مردم متعرض می‌شود. به همین خاطر او ابراز امیدواری می‌کند که تغییراتی در انتخابات اسفند مجلس و بعد هم در انتخابات ریاست‌جمهوری دو سال آینده صورت بگیرد تا این نگاه‌ها تغییر پیدا کند.

با توجه به مشکلات و اختلال‌های شدیدی که روی اینترنت وجود دارد و گزارش اخیر انجمن تجارت الکترونیک در تایید این مشکلات، چرا مجلس هیچ‌وقت به صورت جدی وارد این موضوع نشده است؟

یکی از مسائل عجیب این است که مجلس تا به حال وزیر را به خاطر موضوع اینترنت هیچ‌وقت به مجلس نکشانده و از او سوال نکرده است. بیشتر سوال‌ها هم از وزیر ارتباطات در مورد مشکلات بازنشستگان مخابرات یا شبکه ملی اطلاعات بوده است. الان اینترنت دیگر یک سرویس فانتزی نیست و همه در جامعه با آن سروکار دارند. روزی حداقل ۱۰ بار از شهرستان من که ۷۰ درصد جمعیت آن هم روستایی است، تماس دارم که اینترنت مشکل دارد و نمی‌توانیم از آن استفاده کنیم. پس مشخص است که اینترنت مشکل دارد و نفی آن راه به جایی نمی‌برد. آقای وزیر یک گوشی دارد و سریع می‌آید یک سرعت که معلوم هم نیست چیست را نشان می‌دهد و می‌گوید اینترنت مشکل ندارد؛ اینها درست نیست. ما و مردم به کشورهای دیگر می‌رویم و می‌بینیم که کیفیت آنها اصلا قابل مقایسه با کیفیت ایران نیست. یک وقت‌هایی خیلی چیزها مانند ماشین خوب و بعضی از امکانات خوب در کشور نیست و می‌گوییم باید به دلایلی تحمل کنیم، ولی یک وقتی مسوول نمی‌خواهد دسترسی به برخی امکانات خوب فراهم باشد، این دردناک است؛ یعنی مسوول مربوطه نمی‌خواهد دسترسی‌ها به اینترنت آزاد، سریع و کم هزینه باشد.

 

 شما معتقدید وزارت ارتباطات این دید را دارد که مردم نباید به اینترنت سریع و با کیفیت دسترسی داشته باشند؟

من صرف وزارت ارتباطات را نمی‌گویم. در این زمینه بخش‌های مختلف دیگری هم علاوه بر وزارت ارتباطات درگیر هستند؛ از جمله بخشی از همین مجلس، دیدگاه دولت در مجموع، شورای عالی فضای مجازی و... حداقل منظورم این مجموعه‌ها است. به وزیر که چیزی بگویید، کلا می‌گوید من که در اینترنت کاره‌ای نیستم.

 در این زمینه البته وزیر ارتباطات اخیرا در مجلس اعلام کردند که مشکلات اینترنت، مخصوصا در بخش ثابت به خاطر کم‌کاری‌های دولت گذشته در توسعه زیرساخت بوده است.

اجازه دهند با همین زیرساخت‌هایی که وجود دارد کار کنیم. اگر روی همین زیرساخت‌ها دستکاری صورت نگیرد، با همین زیرساخت‌ها می‌توان سرویس خوب دریافت کرد. ما که نمی‌گوییم مانند ژاپن و کره‌جنوبی و... به اینترنت خیلی پرسرعت دسترسی داشته باشیم، اما مانند همین کشورهای همسایه از جمله ترکیه، عراق، پاکستان به اینترنت دسترسی داشته باشیم هم کفایت می‌کند. وقتی این مجموعه‌هایی که به آنها اشاره کردم، نمی‌خواهند به اینترنت باکیفیت و آزاد دسترسی داشته باشیم، شرایط بسیار آزاردهنده و حل مساله سخت می‌شود.

چرا مجلس در این زمینه وارد عمل نمی‌شود؟

مجلس هم خیلی نوع نگاهش با آن مجموعه‌هایی که گفتم متفاوت نیست تا بخواهد وارد این موضوع شود و مشکل را حل کند. این مجموعه‌ها یعنی مجلس، دولت، شورای عالی فضای مجازی در مورد موضوعات اساسی مانند فضای مجازی شبیه به هم فکر می‌کنند و می‌خواهند روی این فضا کنترل و محدودیت باشد. چرا در مورد بازنشستگان و شبکه ملی اطلاعات سوال می‌شود، اما در مورد وضعیت اینترنت از وزیر سوال نمی‌شود، هر روز هم همین نماینده‌ها می‌گویند جلوی فضای مجازی را بگیرید، چرا که زیادی باز است. البته اگر بخواهیم منصفانه نگاه کنیم، تاکنون مقاومت مجلس در مورد اینکه طرح صیانت قانون نشود، قابل تمجید است.

 

اما در عمل از نیمه دوم سال گذشته به خاطر اعمال محدودیت‌ها روی دسترسی به پلتفرم‌های مختلف و اختلال‌ها روی اینترنت، طرح صیانت به اجرا درآمده است.

بله، درست است، اجرا شد و این هم یکی از جاهایی است که مجلس را دور زدند و در شورای عالی فضای مجازی اجرا شد، ولی حداقل آن چیزی که در شورای عالی فضای مجازی به اجرا درآمده توسط مجلس به شکل قانون در نیامده است.

پس چرا طرحی که به صورت قانون در نیامده، در حال اجرا است؟

مقاومت مجلس برای اینکه طرح صیانت قانون نشود واقعا ستودنی است، ولی درست می‌گویید بقیه موارد همراهی بین مجموعه‌هاست که باعث شده در این شرایط باشیم. این موضوع را فراموش نکنید که اگر طرح صیانت در حال اجراست، برای امروز است و احتمالا دو سال دیگر رئیس‌جمهوری بیاید که شورای عالی فضای مجازی را تغییر دهد و بخواهد که دیگر فضای مجازی این‌گونه اداره نشود، چون طرح صیانت قانون نشده، در واقع سلیقه مجموعه‌ای است که الان روی کار است.

ولی این شرایط محدودیت‌ها در حال حاضر به مردم و کسب‌وکارها لطمه می‌زند، منطقی است که تا دو سال دیگر صبر کنیم که ممکن است یک رئیس‌جمهوری مخالف با این رویکرد بیاید؟

درست است، ولی من تفاوت بین مصوبه شورای عالی فضای مجازی با قانون را می‌گویم. مصوبه‌ای از سمت شورای عالی فضای مجازی داریم که شاید ماه دیگر رئیس‌جمهوری تصمیم بگیرد آن را تغییر دهد. اگر الان هم تغییر ندهد دو سال دیگر رئیس‌جمهوری را مردم تغییر می‌دهند، یک رئیس‌جمهور دیگر که بیاید شورا را تغییر می‌دهد، ولی اگر این طرح صیانت به قانون تبدیل می‌شد، دیگر تا ابد می‌ماند و به این سادگی‌ها نمی‌شود آن را دست زد.

البته شنیده‌هایی هم وجود دارد که برخی نمایندگان مجلس به دنبال تصویب قانونی مانند طرح صیانت برای مدیریت فضای مجازی هستند. این شنیده‌ها چقدر صحت دارد؟

تا جایی که من اطلاع دارم یک عده‌ای در مجلس به دنبال این هستند تا کارهایی که در شورای عالی فضای مجازی در حال انجام است را به همراه خلاصه‌ای از طرح صیانت به شکل قانونی در بیاورند. در واقع می‌خواهند همان طرح صیانت را قانون کنند. با این همه، چون این طرح هم یکسری اشکالات اساسی آیین‌نامه‌ای دارد نمی‌توانند کاری به پیش ببرند.

در حال حاضر که این طرح در حال اجرا است، تکلیف مردم و کسب‌وکارهایی که از این تصمیم‌ها ضرر می‌بینند چه می‌شود؟

همراهی سایر مجموعه‌ها برای اجرای این طرح باعث شده تا هم مردم و هم کسب‌وکارها، مخصوصا کسب‌وکارهای خردی که مردم پایین‌دست جامعه در فضای مجازی به راه انداخته بودند، آسیب ببیند. هزینه‌ای که مردم در این زمینه پرداخت می‌کنند بسیار بالاست، وقتی به خاطر فیلتر بودن هر سرویسی مردم مجبور هستند از فیلترشکن استفاده کنند، هزینه استفاده از اینترنت دو برابر می‌شود.

 در مورد استفاده از فیلترشکن، به تازگی جواد نیک‌بین، نماینده مجلس خبر از تحقیق و تفحص از فروش فیلتر‌شکن‌ها در مجلس را داده‌اند، چون درآمدهای بالایی در این بازار جابه‌جا می‌شود. چرا برخی نمایندگان مجلس به جای اینکه تمام توجه‌‌شان را روی درآمد فروش فیلترشکن بگذارند که نصیب یک عده خاص می‌شود، جلوی فیلترینگ بی‌ضابطه و حقی را که از شهروندان گرفته می‌شود، نمی‌گیرند؟

این‌ها همه بحث‌های انحرافی است. ما چرا باید فیلترینگ داشته باشیم و بعد بیاییم بگوییم اینها را چه کسی می‌فروشد و چه کسی می‌خرد. باید تحقیق و تفحص محورش این باشد که چه کسانی فیلتر می‌کنند و چرا فیلتر می‌کنند. یک بحثی در فیلترینگ وجود دارد و آن این است که مدافعانش می‌گویند ما از مردم، جوان‌ها و نوجوان‌ها در این فضا صیانت می‌کنیم که اتفاقا برعکس این اتفاق در حال رخ دادن است. در حال حاضر به خاطر اینکه همه‌چیز فیلتر شده، تمام مردم برای انجام کارهای روزانه خود مجبور هستند روی گوشی‌های خود فیلترشکن و VPN داشته باشند، بنابراین دسترسی به سایت‌هایی که در همه‌جای دنیا هم فیلتر است، قابل دسترس برای همه اقشار از جوانان گرفته تا کودکان است. در کشورهای اروپایی زیر ۱۰ درصد گوشی‌ها فیلترشکن دارند، ولی در کشور ما بعید است که یک گوشی هوشمند باشد و روی آن فیلترشکن نصب نشده باشد.

چرا شما به عنوان نمایندگانی که با این محدودیت‌ها و فیلترینگ بی‌ضابطه مخالف هستید، وارد عمل نمی‌شوید و طرحی برای ضابطه‌مند کردن فیلترینگ در کشور ارائه نمی‌دهید؟

واقعیت امر این است که الان یک انسجام و نوع نگاه یکسان در این تشکیلاتی که به آن اشاره کردم (مجلس، دولت و شورای عالی فضای مجازی) وجود دارد. در این فضا امیدها برای این‌گونه اصلاحات خیلی کم است، اما در نهایت این‌گونه نگاه‌ها محکوم به شکست است، چون برخورد تقابلی با تکنولوژی هیچ‌وقت نتوانسته است دوام بیاورد. شما به تاریخ نگاه کنید؛ قبل انقلاب با استفاده از رادیو و تلویزیون مخالف بودند، بعدها جلوی ویدئو را گرفتند و بعد از آن نوبت به جلوگیری استفاده از ماهواره شد که هیچ‌کدام از این برخوردها به نتیجه نرسید. ما در این حوزه به بی‌قانونی باور نداریم، چرا که باید از حقوق و امنیت داده‌های مردم در این فضا با کمک قانون محافظت کرد، ولی به قانونی نیاز داریم که مشکلات احتمالی مردم را حل کند، نه اینکه برای مردم مشکل درست کند. اینها وقتی می‌گویند قانون، اول می‌خواهند بدانند مردم در این فضا و با دستگاه دیجیتال خود چه کار می‌کنند و آنها را صیانت کنند، به جای اینکه به دنبال این باشند که چه‌کسانی می‌خواهند برای مردم مشکل ایجاد کنند. با این نگاه‌ها کار درست نمی‌شود و اگر قرار است قانون‌گذاری در این زمینه صورت بگیرد، باید با نگاه حمایت از امنیت کاربران و فعالان اقتصادی در این حوزه باشد. تفکری که الان حاکم است عطش این را دارد که مانع گردش آزاد اطلاعات شود، یعنی به حقوق اساسی مردم متعرض می‌شود. به همین خاطر امیدواریم تغییراتی در انتخابات اسفند مجلس و بعد هم در انتخابات ریاست‌جمهوری دو سال آینده صورت بگیرد تا این نگاه‌ها تغییر پیدا کند.

هفته گذشته سخنگوی کمیسیون تلفیق لایحه برنامه هفتم توسعه در مجلس خبر داد که فرماندهی امنیت فضای مجازی و راهبری آن و همچنین هرگونه مسدودسازی و پالایش سکوها بر عهده مرکز ملی فضای مجازی است. به نظر شما این واگذاری تمامی قدرت برای مدیریت فضای مجازی به مرکز ملی فضای مجازی و به معنی یک نوع دور زدن مجلس و کاهش قدرت این نهاد قانون‌گذار نیست؟

 (با این اتفاق) نه تنها قدرت مجلس که قدرت دولت هم کم می‌شود. دولت متاسفانه در مقابل این شوراهای عالی به زعم اینکه رئیس‌‌جمهوری، رئیس این شوراهاست، تمام امکاناتش را به نفع آنها از دست می‌دهد. در این زمینه هم دولت از سال گذشته با واگذاری بحث مدیریت داده و اطلاعات کشور به مرکز ملی فضای مجازی تمام ابزارهای مدیریت خودش را به مرکز ملی فضای مجازی واگذار کرد. الان هم وقتی وزارت ارتباطات می‌گوید من کاره‌ای نیستم، در بعضی موارد کاملا درست می‌گوید، چون همه اختیاراتش را دارند به مرکز ملی فضای مجازی می‌دهند. این بسیار بد است، یکی از مخالفت‌هایی هم که با طرح صیانت داشتیم همین بود که اختیارات از دولت گرفته و به یک شورای عالی داده می‌شود که ما با وجودش در حوزه قانون‌گذاری و مقرره‌گذاری مخالف هستیم، چون قرار است این شورای عالی یک‌سری سیاستگذاری‌ها را انجام دهد. قدرت را به جاهایی می‌دهند که دیگر حتی ما نتوانیم به عنوان مجلس از آن سوال کنیم یا روی آن نظارت داشته باشیم.

 
همه چیز درباره هوش مصنوعی در گفت‌وگو با یاسر خوشنویس
هوش مصنوعی ؛ از ماشین حساب تا روزی که ممکن است رئیس جمهور شود / آیا آینده ترسناک است؟!
 
 
 

عصر ایران؛ هومان دوراندیش - پروژۀ هوش مصنوعی، ظاهرا یکی از دالان‌های اصلیِ گام‌نهادنِ انسان به "آینده" است؛ آینده‌ای که از نظر بسیاری از مردم و متخصصان صرفا شگفت‌انگیز نیست، بلکه می‌تواند هولناک هم باشد. اینکه هوش مصنوعی چیست و چه پیشینه‌ای دارد و چه آینده‌ای می‌تواند برای بشر رقم بزند، موضوعاتی است که در مصاحبه با یاسر خوشنویس، مدیر کارگروه حکمرانیِ اندیشکدۀ رستا، مطرح شده است. پاسخ‌های جناب خوشنویس، دست کم برای پرسشگر، مفید و مغتنم بود. باشد که خوانندگان را نیز سودمند و معرفت‌افزا باشد.    
یاسر خوشنویس

 ***

جناب خوشنویس، لطفا ابتدا مختصرا هوش مصنوعی را تعریف کنید تا در ادامه به سوالات بعدی برسیم.

هوش مصنوعی یک پروژۀ شناختی بلندپروازانه است با هدف شبیه‌سازی یا بازسازیِ توانایی‌هایی شناختی انسان‌ها. مهم‌ترین ابزار این پروژه رایانه‌هاست. توانایی‌های شناختی تصمیم‌گیری، پردازش اطلاعات، حرف زدن، تشخیص چهره و بسیاری قابلیت‌های دیگر را شامل می‌شود.

ایدۀ هوش مصنوعی با آلن تورینگ شروع شده یا قبل از او هم وجود داشته؟

قبل از او هم وجود داشته. حداقل از قرن هفدهم می‌توان رد پایش را پیدا کرد. حتی در برخی از دیدگاه‌های ارسطو هم می‌توان اثری از این ایده را پیدا کرد. ولی اجرایی شدن آن در گرو توسعۀ ابزارهای محاسباتی رایانشی بوده است. مدل‌سازی و نظریه‌پردازی دربارۀ هوش مصنوعی، عملا با ماشین محاسب تورینگ شروع می‌شود. ولی در زمان تورینگ، کامپیوتر به صورت امروزی وجود نداشت. هوش مصنوعی در زمان تورینگ بیشتر یک فرضیه یا مفهوم انتزاعی بود.

آلن تورینگ
تورینگ

چرا در چند سال اخیر بحث هوش مصنوعی داغ شده؟ چرا بیست سال قبل، هوش مصنوعی مایۀ نگرانی نبود؟

پروژۀ هوش مصنوعی از اواخر دهۀ 1960 شروع شد و در دهه‌های 70 و 80 میلادی تا حدی توسعه پیدا کرد. این توسعه بیشتر در قالب ساختارهایی برای کمک به تصمیم‌گیری یا ابزارهای محاسباتی بود. در آن مقطع زمانی، عموم مردم به هوش مصنوعی دسترسی نداشتند. به تدریج پیشرفت‌هایی حاصل شد. مثلا برنامه‌هایی طراحی شد که می‌توانستند شطرنج یا دوز بازی کنند. این برنامه‌ها بیشتر کارکرد آزمایشگاهی داشت.

یک دوره هم پروژه هوش مصنوعی به کلی افول کرد و این دوره را "زمستان هوش مصنوعی" نامیده‌اند. در این دوره، به نظر می‌رسید رویکرد محاسباتی‌ای که پشتوانۀ هوش مصنوعی بوده، حد اکثر توان خود را نشان داده و نمی‌توان چندان پیش‌تر رفت. بنابراین، فعالیت‌ها تقریبا متوقف شد dا دست کم از شدت آنها کاسته شد. اوایل قرن جاری میلادی، در اثر پیشرفت‌ها در علوم شناختی و عصب‌شناسی ، رویکرد جدیدی شکل گرفت که آن را اتصال‌گرایی یا پیوندگرایی نامیده‌اند.

وقتی این رویکرد را به صورت رایانه‌ای شبیه‌سازی کردند، دستاوردهای جدید و بسیار جالبی تدریجا شکل گرفت. یکی از مهمترین این دستاوردها، پردازش تصویر بود. این دستاوردها به تدریج وارد زندگی روزمرۀ مردم شدند. مثل چت‌پادهایی که می‌توانند با آدم‌ها صحبت کنند؛ به نحوی که فرد متوجه نمی‌شود که طرف گفت‌وگویش انسان است یا ماشین. پیشرفته‌ترین این چت‌پادها همین چت جی پی تی است که اخیرا توجه زیادی را به خود جلب کرده است.

نمونه دیگر سیستم‌های تشخیص چهره‌ای است که در ادارات استفاده می‌شود و جای انگشت‌زنی یا کارت‌زدن را گرفته است. یا حتی می‌توان به سامانه تشخیص پلاک خودرو اشاره کرد که بر هوش مصنوعی مبتنی است. بنابراین هوش مصنوعی به زندگی روزمره نزدیک شده و این تحول، هم هیجان ایجاد کرده هم نگرانی.

طی دو دهه یا پانزده سال اخیر، امکانات اجرایی ما هم بیشتر شده است. ظرفیت محاسباتی ما هم در هفت هشت سال اخیر رشد چشمگیری داشته. هوش مصنوعی به تدریج به زندگی روزمره ما نزدیک‌تر شده و هم استفاده‌های تجاری و هم کاربردهای تفننی برای ما دارد. در نتیجه هوش مصنوعی برای جامعه ملموس‌تر شده و توجه مردم بیشتر به این پدیده جلب شده است.

چه علومی پشت سر پروژۀ هوش مصنوعی هستند؟

یک پایۀ این پروژه منطق صوری و قضایای محاسباتی و مدل‌های ریاضیاتی است. این‌ بخش ها زودتر از سایر علوم در این زمینه مورد استفاده قرار گرفتند؛ به ویژه با کارهای آلن تورینگ در میانۀ قرن بیستم. پایۀ دیگر هوش منصوعی، علوم شناختی است که موضوع اصلی آن این است که شناخت انسانی ما چطور کار می‌کند؟ ما ابتدا باید نحوه کارکرد مغزمان را بشناسیم تا بعد بتوانیم آن را بازسازی یا شبیه‌سازی کنیم.

علوم شناختی یعنی علومی مثل نورولوژی (عصب‌شناسی)؟

عصب‌شناسی جنبۀ آناتومیک دارد و به کالبدشناسی مغز مربوط است. ولی علوم شناختی موضوعش این است که کارکردهای شناختی چگونه محقق می‌شوند. این دو به هم خیلی مرتبط‌اند. شما مدل‌هایی شناختی را می‌سازید، اما داده‌های علوم اعصاب هم باید این مدل‌ها را تایید کند.
سلول عصبی

علوم شناختی چون در حوزۀ علوم طبیعی تجربی‌ است، به نوعی زیرمجموعۀ علم پزشکی محسوب می‌شود؟

این حوزه وضعیتی بین رشته‌ای دارد. علوم شناختی تجربی است ولی در عین حال در پروژۀ هوش مصنوعی می‌خواهیم مدل‌سازی هم بکنیم. یعنی صرف اینکه شما فهرستی از داده‌های نورولوژیک یا کالبدشناختی فراهم کنید، کافی نیست. شما باید متوجه شوید که مغز چگونه یک میدان بینایی را پردازش می‌کند. چگونه هزاران یا صدها هزار نورون با هم در تعامل‌اند. مهم‌ترین نکته در این جا همان پیوندگرایی است. شبکه‌ای از اعصاب وجود دارد و این‌ سلول‌های عصبی به طور مداوم به صورت الکتروشیمیایی در حال تعامل با هم‌اند. برای آنکه به درکی جامع برسیم، رفت و برگشتی بین کالبدشناسی، پزشکی و مدل‌سازی شناختی وجود دارد.

یعنی شناخت مغز و رابطه آن با اندام‌های حسی مانند چشم هم جزو علوم شناختی است.

در واقع، بخشی از عصب‌شناسی است، اما ارتباط نزدیکی با علوم شناختی دارد.

پس پشتوانه‌های علمی هوش مصنوعی شامل منطق و ریاضیات و علوم شناختی است و ...

عصب‌شناسی. ما باید بدانیم نحوۀ عملکرد مغز چگونه است. شما وقتی با یک رایانه می‌خواهید یک فرایند هوشمندانه را شبیه‌سازی کنید، سلول‌های عصبی طبیعی ندارید، اما از علوم شناختی، که نحوه عملکرد این سلول‌ها را مدل کرده، بهره می‌گیرید تا بتوانید کارکرد سلول‌های عصبی طبیعی را بازسازی کنید. در واقع شما اطلاعاتی از کالبدشناسی مغز دارید و این اطلاعات را در علوم شناختی مدل‌سازی می‌کنید و معادل کارکردیِ این مدل‌سازی‌ها را با رایانه می‌سازید.

پس علوم کامپیوتری هم یک پایۀ پروژۀ هوش مصنوعی است.

بله.

به غیر از آمریکا و چین، چه کشورهایی به نحو پیشرفته درگیر پروژۀ هوش مصنوعی‌اند؟

تقریبا همان کشورهایی که درگیر سایر فناوری‌های پیشرفته‌اند. چین در سال‌های اخیر خودش را به جمع این کشورها رسانده است. آلمان و بریتانیا و ژاپن هم کشورهای مهمی در این زمینه‌اند که البته سهم شان در پیشبرد پروژۀ هوش منصوعی محدودتر از آمریکا است، اما چون سنت تجربی و توانمندی‌های تکنولوژیک دارند، به هر حال نقش خاص خودشان را در پیشرفت این پروژه ایفا می‌کنند.

ایران چه وضعی دارد؟

این موضوع دو جنبه دارد. گاهی شما می‌توانید مرز دانش را توسعه دهید. مثلا در علوم شناختی و علوم اعصاب به قدری پیشرفت کرده‌اید که مدل‌های جدیدی می‌سازید. ایران از این حیث جزو کشورهای پیشرو نیست. ولی جنبۀ دیگر این است که چقدر می‌توانید از مدل‌های رایج در کسب‌وکارها و حل مسائل عمومی جامعه استفاده کنید. چنین چیزی کمابیش در کشور ما محقق شده است. یکی از نمونه‌هایش سامانه‌های تشخیص پلاک خودرو است که حدود ده تا پانزده سال است که در ایران توسعه پیدا کرده است.

هوش مصنوعی در پزشکی، به غیر از تحقیقات، در تشخیص و درمان بیماری هم نقشی دارد؟

بالقوه در همۀ حوزه‌ها می‌تواند در نقش دستیار در پردازش اطلاعات و تصمیم‌گیری کمک کند، از جمله به پزشکی که می‌خواهد در مورد تشخیص یا درمان بیماری تصمیم‌گیری کند.

بالفعل چه نقشی دارد؟

به تدریج چنین نقشی در حوزه پزشکی هم در حال تحقق است. به همین دلیل الان یکی از نگرانی‌ها این است که در آینده احتمالا بخش بزرگی از تصمیم‌گیری‌ها در تشخیص و درمان بیماری‌ها به هوش مصنوعی سپرده خواهد شد. در این صورت رویه‌های پزشکی مرسوم تغییر خواهد کرد. یعنی شم و تجربۀ پزشک کمتر از امروز محل اتکا خواهد بود. مثلا ابرکامپیوتر هوشمند واتسون ، متعلق به شرکت آی‌بی‌ام، هزاران هزار مورد پزشکی را به عنوان ورودی دریافت کرده و حال وقتی با یک مورد جدید مواجه می‌شود، بیماری را تشخیص می‌دهد. بررسی‌ها نشان داده‌اند که تشخیص واتسون از تشخیص بسیاری از پزشکان متخصص بهتر است. بنابراین ممکن است در آینده مجموعه‌ای از مشاغل در حوزۀ پزشکی از بین بروند یا تغییر شکل پیدا کنند.

ابر کامپیوتر واتسون

این وضعیت را در رشتۀ حقوق هم می‌توان مشاهده کرد. یک ماشین هوش مصنوعی که هزاران پرونده را دریافت کرده، ممکن است در قبال پرونده‌های جدید تشخیص بهتری داشته باشد. یعنی بهتر بگوید که حق را باید به کدام طرف دعوا داد. و این تحول احتمالا موقعیت شغلی وکلا و قضات را تحت تاثیر قرار خواهد داد. این تحولات در ده سال اخیر رشد سریعی داشته و بخشی از مشاغل دانش‌پایه، که مشاغل شیک و باکلاسی هم بودند و آدم‌ها سال‌ها تحصیل می‌کردند تا به این مشاغل دست پیدا کنند، احتمالا تا حد زیادی به هوش مصنوعی سپرده خواهند شد.

پس از آغاز انقلاب صنعتی، کارگران نگران بودند که با ورود ماشین به فرایند تولید، طبقۀ کارگر به تدریج نابود خواهد شد. ولی ماشین نتوانست طبقۀ کارگر را نابود کند. آیا ممکن است هوش منصوعی هم عملا نتواند لایه‌های فوقانی طبقۀ متوسط جدید، یعنی پزشکان و قضات و کارشناسان سایر حوزه‌ها را از بین ببرد؟

این موضوع خیلی مهمی است که توجه دولت‌ها و اصناف و شرکت‌های درگیر در پروژۀ هوش مصنوعی را عمیقا به خود جلب کرده است. در قرن‌های هجدهم و نوزدهم، ماشین‌های خودکار جای کار یدی را می‌گرفتند. الان ممکن است ماشین‌های هوشمند جای مشاغل دانش‌پایه را بگیرند.

انقلاب صنعتی
بنابراین بالقوه تنشی در این زمینه وجود دارد و هر چه استفاده از ماشین‌های هوشمند بیشتر شود، این تنش هم بیشتر بروز می‌کند. اینکه در عمل چه اتفاقی می‌افتد، خیلی وابسته است به شرایط اجتماعی و سیاسی حاکم بر جوامع. مثلا طی چند سال اخیر، از یک ابزار هوش مصنوعی در بعضی فروشگاه‌های ایالت‌هایی از آمریکا استفاده شد که خرید را برای مشتری آسان می‌کنند. به این شکل که مشتری هر جنسی را که برمی‌دارد، دوربین کوچکی که روی سبد خرید تعبیه شده، به کمک هوش مصنوعی تشخیص می‌دهد او چه جنسی را برداشته و مبلغ خرید هم به صورت خودکار محاسبه می‌شود. در نتیجه، موقع بیرون آمدن از فروشگاه، مبلغ کالاهای خریداری شده به صورت خودکار از حساب مشتری کم می‌شود و دیگر نیازی به صندوقدار نیست. این استفاده از هوش مصنوعی موجب بیکار شدن صندوقدارها می‌شود.

بنابراین، یک دعوای حقوقی در ایالت اورگن در آمریکا راه افتاد. صنف مربوط به صندوقداران شکایت کرد که این تکنولوژی در حال از بین بردن فرصت‌های شغلی است. جنبۀ دیگر ماجرا این بود صندوقداران فروشگاه‌ها نوعا افرادی‌اند که مهارت‌های زیاد و تحصیلات بالایی ندارند تا اگر شغل شان را از دست دادند، به راحتی شغل دیگری پیدا کنند.

حکم دادگاه نهایتا این بود که فروشگاه‌های زنجیره‌ای نمی‌توانند بیش از حد مشخصی، خریدها را خودکار کنند؛ یعنی همواره باید بخشی از مسیرهای فروش سنتی را حفظ کنند. بنابراین فروشگاه‌ها موظف شدند توامان فروش سنتی و مدرن داشته باشند. ممکن است در کشور دیگری، این صنوف آن قدر قدرت نداشته باشند که بتوانند چنین شکایتی کنند. ممکن است شیفتگی به تکنولوژی جدید آن قدر زیاد باشد که دادگاه به نفع این صنوف رای ندهد. اینکه در عمل چه خواهد شد، خیلی وابسته است به توزیع قدرت در جامعه و اینکه نیروهای اجتماعی چگونه با هم در تعامل‌اند.

هوش مصنوعی حتما تنش به بار می‌آورد و شکل مشاغل را تغییر می‌دهد. در برخی موارد ابزارهای هوش مصنوعی دستیارند؛ خصوصا در پزشکی. یعنی پزشک متخصص حذف نمی‌شود، اما به واتسون یا ماشین‌های مشابه هم اجازه می‌دهند نظر بدهد. به ویژه اینکه مسئولیت تصمیم‌ها در پزشکی خیلی مهم است. مثلا اینکه یک بیمار را جراحی کنند یا شیمی‌درمانی، تصمیمی است که باید کسی آن را اتخاذ و امضا کند. در واقع، شغل پزشکی به معنای کلاسیکش از بین نمی‌رود و هوش مصنوعی دستیار تصمیم‌گیری می‌شود.

ربات پزشک

در موارد دیگری مانند خودروی خودران که با تکیه بر هوش مصنوعی کار می‌کند، شغل انسانی‌ حذف می‌شود. بنابراین این سوال پیش می‌آید که این همه رانندۀ اوبر در آمریکا یا اسنپ و تپسی در ایران چه کار باید بکنند؟ قطعا این مسائل تنش‌آفرین است و شاهد شکایت و اعتراض رانندگان خواهیم بود. این تنش‌ها در سال‌های آتی بیشتر به چشم خواهد آمد.

هوش مصنوعی ممکن است نهایتا نهاد دانشگاه را هم از زندگی بشر جمع کند. یعنی هر کاری که الان توسط فارغ‌التحصیلان دانشگاهی انجام می‌شود، جزو کارکردهای هوش مصنوعی شود.

محیط دانش، چه آکادمیک چه حتی غیرآکادمیک، کاملا پویاست. اگر شما به فهرست رشته‌های دانشگاهی قرن هجدهم یا نوزدهم نگاه کنید، رشته‌های زیادی را می‌بینید که الان دیگر وجود ندارند یا به کلی تغییر پیدا کرده‌اند. همچنین رشته‌های علمی زیادی هم امروزه در دانشگاه ارائه می‌شود که در قرن هجدهم و نوزدهم اساسا وجود نداشته‌اند. به عنوان مثالی که پیشتر در همین گفت‌وگو به آن اشاره کردیم، در نیمه اول قرن بیستم، رشتۀ "علوم شناختی" اصلا وجود نداشت. بنابراین در آینده نیز ممکن است برخی رشته‌های علمی جدید ایجاد شود و برخی رشته‌های علمی فعلی از بین برود یا تغییر ماهیت بدهند. بیست سال قبل اصلا واژۀ «دیتا-ساینتیست» وجود نداشت، اما الان ده‌ها هزار نفر در دنیا دیتا-ساینتیست هستند.

پس ریزش و رویش داریم!

بله. ما فهرست‌های جالبی می‌بینیم از مشاغل نوظهوری که در دهه‌های 2030 و 2040 ایجاد خواهند شد و رشد خواهند کرد. مشاغلی که اسم‌هایشان در حال حاضر برای ما به کلی ناآشنا یا حتی غیر قابل تصور است.

مثلا چه شغلی؟

مثلا کسی که کارش ساختن اندام مصنوعی برای افراد است. به نظر می‌رسد چنین شغلی تا پانزده یا بیست سال دیگر تثبیت شود. الان در بیمارستان‌های پیشرفته چنین کاری انجام می‌دهند، اما احتمالا تا بیست سال دیگر کاملا عادی می‌شود کسی که مثلا کلیه‌اش مشکل پیدا کرده، به یک متخصص ساخت اندام مصنوعی مراجعه کند. او اطلاعات ژنتیکی این فرد را بگیرد، یک کلیه با سلول‌های بدن خود این فرد بسازد و مدتی بعد تحویل او بدهد.

این کار البته تخصص و تجربه خاص خود را می‌خواهد و کار ساده‌ای نیست. کسی که چنین شغلی دارد، در واقع در زمینۀ هوش مصنوعی و کالبدشناسی و ژنتیک و چندین رشتۀ دیگر آگاهی و مهارت دارد.

بنابراین رشته‌های علمی پویایی زیادی دارند. اینکه از قدیم می‌گفتند انسان باید در کل عمرش یادگیرنده باشد، در زمان حاضر بسیار جدی شده است. بر خلاف آنچه قبلا رواج داشت، دیگر این طور نیست که ما یک بار دانشگاه برویم، یک مدرک علمی بگیریم و تا آخر عمر با همان مدرک کار کنیم.

مطابق این توضیح اخیرتان، می‌شود انتظار داشت که هوش مصنوعی با پیری یا مرگ مبارزه کند؟

امکان فنی اندام‌سازی همین الان هم وجود دارد. حتی در ایران هم برخی اندام‌ها مانند پوست مصنوعی تولید می‌شود. منظور من این بود که چنین امکانی تبدیل خواهد شد به یک کسب‌وکار. به طور کلی بله، هوش مصنوعی در اندام‌سازی کاربرد دارد و اگر اندام‌سازی فراگیر و معمول شود، طبیعتا هوش مصنوعی به کارمبارزه با پیری یا حتی مرگ هم می‌آید؛ چیزی که آرزوی دیرینۀ بشر بوده است.

مبارزه با پیری

استفاده از موشک‌های نقطه‌زن در عملیات نظامی نیز متکی به هوش مصنوعی است؟ و کلا از هوش مصنوعی چه استفاده‌هایی در عرصۀ نظامی می‌شود؟

در تصمیم‌گیری برای انتخاب اهداف نظامی و هم در این زمینه که این تسلیحات هدف انتخاب شده را به درستی مورد اصابت قرار دهند، از هوش مصنوعی استفاده می‌شود؛ از سامانه‌های پردازش تصویر گرفته تا سامانه‌های دستیار تصمیم‌گیری.

یک جنبۀ بالقوۀ دیگر استفاده از هوش مصنوعی در حوزۀ نظامی، شبیه استفاده از هوش مصنوعی به عنوان دستیار پزشکی است. یعنی شما دستیاری در حوزه مسائل استراتژیک دارید که مجموعه‌ای از اطلاعات سیاسی و ژئوپلیتیک را به آن می‌دهید و مثلا می‌خواهید به این سوال پاسخ دهد که آیا ممکن است آمریکا و چین تا پایان سال جاری بر سر تایوان وارد جنگ شوند؟
موشک

هر استراتژیست نظامی یا هر متخصص ژئوپلیتیک ممکن است به این سوال پاسخی دهد. هوش مصنوعی هم، مثل سامانۀ رایانه‌ای واتسون در حوزۀ پزشکی، نظر مشورتی خودش را می‌دهد و ممکن است این نظر دقیق‌تر از نظر متخصصان قلمداد شود.

بخش‌های قابل توجهی از تامین مالی تحقیقات در حوزۀ تصمیم‌گیری‌های نظامی را جامعۀ اطلاعاتی آمریکا انجام می‌دهد و نوعا هم پیشرفته‌ترین ابزارها هم در همه جای دنیا، خصوصا در ایالات متحده، در اختیار ارتش‌هاست. هیچ بعید نیست که ارتش‌ها ابزارهایی در زمینۀ دستیاریِ در تصمیم‌گیری یا کمک به طراحی‌های استراتژیک و نظامی در اختیار داشته باشند که فعلا محرمانه باشند و بعدها آشکار شوند.

ربات‌هایی مثل سوفیا ، که هوش مصنوعی دارند، یک موجود ذی‌شعور محسوب می‌شوند؟

این بحث اخیرا خیلی داغ شده است. بگذارید مثالی بزنم. در قرن هفدهم، اهل فن موجوداتی را می‌ساختند که نامشان «آوتومتا» یعنی موجود خودکار بود. مثلا یک اردک ساخته بودند که بال‌هایش را تکان می‌داد و کواک‌کواک می‌کرد. در ساعت‌های آن دوره هم خروس‌هایی کار گذاشته بودند که سر ساعت بیرون می‌آمد و قوقولی قوقو می‌کرد. یک عده از آدم‌ها وقتی با این پدیده‌ها مواجه می‌شدند، فکر می‌کردند این موجودات روح دارند و واقعا زنده‌اند.

ساعت کوکو
الان هم وضعیت ما همین طور است. مثلا وقتی با چت جی‌پی‌تی صحبت می‌کنیم، سوال می‌کنیم و او جواب می‌دهد، گاهی فکر می‌کنیم او واقعا می‌فهمد دارد چه کار می‌کند. حال اگر ظاهرش هم شبیه انسان باشد، مثل سوفیا، واقعا ما را تحت تاثیر قرار می‌دهد.

اما سوال مهمی که هم جنبۀ فلسفی پیدا می‌کند و هم جنبۀ تجربی، این است که آیا این ساخته‌های بشری، نسبت به کاری که انجام می‌دهند، آگاه‌اند؟ و آیا به جهان خارج التفات دارند؟ من نظرم این است که این موجودات نه آگاه‌اند و نه التفات دارند. بسیاری از محققان با این دیدگاه موافق‌اند و برخی هم خیر.

سوفیا

سوفیا ربات هوشمند

دیدگاه من این است که برای مثال، چت جی‌پی‌تی بر اساس مجموعه‌ای از جملاتی که دریافت کرده‌ و با آن‌ها کارورزی کرده‌، جملات جدیدی را می‌سازد، اما خودش معنای این جملات را درک نمی‌کند. در واقع، تفسیر این جملات جدید با ما انسان‌هاست. یعنی ما فهم می‌کنیم که این ماشین‌ها چه می‌گویند.

دست کم الان استدلال قدرتمندی نداریم که بر اساس آن، بگوییم خود ربات یا خود چت جی‌پی‌تی می‌فهمد که دارد چه کار می‌کند. البته پشت سر این موضوع حداقل چهل-پنجاه سال ادبیات وجود دارد و این یک بحث بسیار مفصل است که ما چطور می‌توانیم به موجودات دیگر، آگاهی یا حیث التفاتی نسبت دهیم؟

ورود به این مباحث در واقع ورود به فلسفۀ ذهن است؟

دقیقا.

کسانی که می‌گویند سوفیا ذی‌شعور نیست، استدلال اصلی‌شان چیست؟

استدلال مشهوری است از فیلسوفی به نام جان سرل که خودش نامش را گذاشته استدلال "اتاق چینی". تصور کنید شما یک انگلیسی‌زبان هستید و وارد اتاقی می‌شوید که مجموعه بزرگی از راهنماها دربارۀ زبان چینی در آن اتاق وجود دارد.

اگر کسی از پشت در اتاق، از شما سوالی به زبان چینی که حروفی شبیه به نقاشی دارد، بپرسد، شما بر اساس آن نقاشی‌ها یا علامت‌ها به کتاب راهنمای زبان چینی که در اتاق هست، مراجعه می‌کنید. در راهنما آمده که اگر فلان زنجیره از علائم را به شما دادند، بهمان زنجیره از علائم را برگردان. در واقع در برابر سوالی که از شما می‌شود، یک مجموعه از نمادهای چینی را به عنوان پاسخ به بیرون از اتاق برمی‌گردانید.

جان سرل
جان سرل

اگر دستورالعمل‌ها و راهنماهای شما به اندازۀ کافی خوب باشند، جواب شما از نظر کسی که بیرون نشسته، منطقی و معقول به نظر می‌رسد. بنابراین کسی که بیرون اتاق نشسته، ممکن است فکر کند که شما زبان چینی بلدید. ولی شما نمی‌دانید دارید معنای این زنجیره‌های علائم چینی چیست. شما فقط با نمادها دارید کار می‌کنید. سرل این موقعیت را مثال را می‌زند برای اینکه بگوید تمام رایانه‌ها، هر چقدر هم که پیشرفته باشند و ماشین‌های محاسب قوی‌ای باشند، در واقع فقط نمادپردازی می‌کنند.

برای مثال، آن‌ها معنای واژۀ «باران» را نمی‌دانند، اما چت جی‌پی‌تی می‌تواند یک شعر با واژۀ «باران» بسازد؛ چرا که مجموعه بزرگی از جملات با واژۀ باران را دریافت کرده و الگوریتم مفصلی هم در اختیار دارد و بر اساس آنها، شروع می‌کند به جمله‌ساختن با واژۀ «باران». دقیقا مثل اتفاقی که در "اتاق چینی"،  برای فردی که زبان چینی بلد نیست، می‌افتد. این طرح کلی از یک استدلال مشهور است برای اینکه بگوییم چت جی‌پی‌تی یا سوفیا زبان انگلیسی یا زبان فارسی را نمی‌فهمد و فقط با نمادها کار می‌کند.

فرمودید سوفیا معنای "باران" را نمی‌فهمد. آیا علتش این نیست که ربات‌ها احساس و عاطفه ندارند؟ یعنی اگر حواس پنجگانه داشته باشند، یک بار می‌روند زیر باران و می‌فهمند که باران چیست. وقتی می‌گوییم معنای باران را نمی‌فهمد، یعنی باران را حس نکرده؟ در واقع وقتی می‌گوییم سوفیا ذی‌شعور نیست، یعنی احساسات و عواطف ندارد؟

یکی از وظایف اصلی در علوم شناختی و فسفۀ ذهن این است که ما این قوای شناختی را از هم مجزا کنیم. هوشمند بودن یک موضوع چندبعدی است. یکی از ابعادش این است که من ادراک دارم. یعنی رنگ‌های قرمز و آبی را می‌بینم، صدای ماشین در حال عبور را می‌شنوم و بوی گل سرخ را حس می‌کنم. این‌ها اداراکات یا احساس به معنای sensation است.

ربات قاضی
جنبۀ دیگر هوشمندی، "عواطف" است. مثلا من غم دارم، شادی دارم، خشم دارم یا پشیمانم. به این‌ها می‌گوییم emotion یا عواطف. جنبۀ دیگر هوشمندی این است که من مرجع واژه‌هایی را که به کار می‌برم، در جهان بیرونی می‌شناسم. مثلا اگر می‌گویم "باران"، می‌دانم این واژه رجوع می‌کند یا برمی‌گردد به شیئی در جهان بیرونی که از آسمان می‌آید. یا وقتی می‌گویم "اسب"، می‌دانم که این واژه در جهان بیرونی برمی‌گردد به موجود چهارپایی که یال دارد و با سرعت زیادی می‌دود و چنین و چنان است.

حالا مسئله این است که وقتی چت جی‌پی‌تی واژۀ «باران» را به کار می‌برد، نه معنایش را می‌داند و نه مرجعش را می‌شناسد، یعنی نمی‌داند که این واژه به چه چیزی در جهان برمی‌گردد. اصلا چت جی‌پی‌تی یا سوفیا "جهان" ندارند.
به عبارت دیگر، هیچ وقت ادارک رنگ آبیِ دریا برایشان اتفاق نیفتاده. هیچ حسی هم نسبت به این موضوع ندارند که باران لطیف است یا عاشقانه یا هر چیز دیگری. من گاهی سر همین چیزها با چت جی‌پی‌تی سر و کله می‌زنم. مثلا می‌گویم: «تو تا حالا یک شیء آبی‌رنگ دیده‌ای؟» یا «خورشید را دیده‌ای؟» او می‌گوید: «ندیده‌ام». البته همین هم یک پاسخ هوشمندانه به معنای انسانی‌ نیست. چت جی‌پی‌تی بر اساس الگوریتم فعالیتش و مجموعه جملاتی که به آن داده شده، این پاسخ را می‌دهد. بله، نه سوفیا و نه چت جی‌پی‌تی واقعا خورشید را ندیده و گرمای خورشید را حس نکرده است.

ممکن است یک آدم در یک اتاق محبوس باشد و هیچ وقت باران را ندیده باشد ولی از توصیفات این و آن، تصوری از باران پیدا می‌کند. ممکن نیست سوفیا هم تصوری از باران پیدا کند؟ یعنی برنامه‌ای که به یک ربات می‌دهند، خودش نمی‌تواند یکی از پایه‌های ذی‌شعور شدن ربات باشد؟

الگوریتم‌ها یا برنامه‌هایی که پایۀ چت‌بات‌ها (مثل چت جی‌پی‌تی) است، در واقع این طور کار می‌کند که مجموعۀ بسیار بزرگی، مثلا چند صد هزار یا چند میلیون جمله به یک مدل زبانی داده می‌شود.

مدل شروع می‌کند به جدا کردن اجزای جملات. سپس ماشین بر اساس الگوریتم جدیدی که طی ده سال اخیر ایجاد شده و آن را هوش مصنوعی مولد (Generative AI) می‌نامیم، بر اساس پردازش‌هایی که کرده، شروع می‌کند به جمله‌ساختن.

در ابتدا بسیاری از این جملات برای یک مخاطب انسانی بی‌معنا هستند و حتی اغلاط دستوری فاحش دارند. مثالی از این دست Google translate است. گوگل ترنسلیت هم یک ماشین هوش مصنوعی است.

ده سال قبل، ترجمه‌های گوگل ترنسلیت خیلی بد بود. به ویژه در زبان‌هایی که کمتر استفاده می‌شدند، مثل زبان فارسی. اما به تدریج که این ماشین تمرین بیشتری می‌کند و جملات بیشتری را برای ترجمه کردن می‌گیرد، ترجمه‌اش بهتر می‌شود.

نکتۀ مهم این است که افرادی هم مدام با این ماشین کار می‌کنند و با برچسب‌زدن در برابر پاسخ‌های آن، به ماشین می‌گویند این پاسخت خوب بود یا نبود. یعنی یک نظارت انسانی بر عملکرد ماشین وجود دارد.

همین الان در کنیا افرادی هستند که ساعتی دو دلار دریافت می‌کنند و جواب‌های چت جی‌پی‌تی را از نظر مناسب بودن یا نبودن آنها برچسب می‌زنند. مثلا گاهی از چت جی‌پی‌تی خواسته شده که یک جوک علیه سیاه‌پوستان بگوید و او هم چنین جوکی گفته، ناظران انسانی به ماشین یاد داده‌اند که دیگر از این حرف‌ها نزند. مثل اینکه با یک بچه سر و کله بزنی و به او بگویی دیگر از این حرف‌ها نزن و این کلمۀ زشت را دیگر به کار نبر.

چت جی پی تی

به مرور که کار کردن با این ماشینِ هوش مصنوعی بیشتر می‌شود، جملاتی که می‌سازد برای مخاطب انسانی منطقی‌تر و قابل درک‌تر می‌شود. اما آیا این ماشین به مرجع بیرونی واژه‌هایی که به کار می‌برد واقف است؟

ما در الگوریتمی که ماشین بر اساس آن کار می‌کند، اصلا به این موضوع کاری نداریم. یعنی ماشین گوگل ترنسلیت واژۀ «اسب» را به کار می‌برد بدون اینکه اسبی دیده باشد. تفاوت ماشین است با انسانی که در خانۀ خودش نشسته و مثلا تا به حال کانگورو ندیده، ولی تصوری از کانگورو دارد در اینجاست. انسان مورد بحث موجودات زندۀ دیگری را دیده و تصوری از حیوانات دارد، اما سوفیا که با ما حرف می‌زند و تعامل می‌کند، اصلا هیچ موجودی را ندیده است، یعنی ظرفیت دیدن ندارد.

سوفیا وقتی در نشست خبری با خبرنگاران حرف می‌زند، آدم‌های روبرویش را نمی‌بیند؟

این هم یک سوال مهم است. آیا پردازش نقاط نورانی با دیدن یکی است؟ مثلا ماشینی که پلاک‌خوان است، واقعا می‌فهمد عدد 2 چیست؟ یا سوفیا واقعا می‌فهمد صندلی چیست؟ یا اینکه او فقط میدانی از نقاط نوری را پردازش می‌کند؟

یعنی رباتی مثل سوفیا، ما را به شکل واقعی خودمان نمی‌بیند؟

دیدن اصطلاحا نوعی آگاهیِ پدیداری است. آگاهی پدیداری‌ای که برای انسان‌ها رخ می‌دهد، برای یک ماشین پردازش تصویر رخ نمی‌دهد. یا حداقل ما شواهد خاصی در این مورد نداریم. و این هم یک بحث اساسی در فلسفۀ ذهن است که آگاهی پدیداری برای انسان‌ها چطور رخ می‌دهد؟ چون در نهایت مغز ما هم یک ماشین پیچیده است و مجموعۀ زیادی از نقاط نوری را پردازش می‌کند. از زمانی به بعد که پردازش پیچیده‌تر می‌شود، ما تصویر داریم و می‌توانیم اشیاء را بازشناسی کنیم. این اتفاق شاید برای کبوتر هم رخ می‌دهد.

این ربات‌ها تصویر دارند؟

احتمالا ندارند. به این تصویر اصطلاحا می‌گوییم کیف ذهنی. ما باید شواهدی داشته باشیم تا ادعا کنیم که ربات‌ها هم تصویر یا کیف ذهنی دارند. پایان‌نامۀ کارشناسی ارشد من دقیقا دربارۀ همین موضوع بود و به این موضوع پرداختم که آگاهیِ پدیداری چگونه ظهور می‌کند. در واقع، مستقل از بحث هوش مصنوعی، این یک سوال اساسی در فلسفۀ ذهن است که ما چطور می‌توانیم آگاهی را توضیح دهیم یا تبیین کنیم.

با این حساب، سوفیا "من" ندارد.

اینکه سطح پیشرفته‌تری است. مثلا دربارۀ همان کبوتر یک خرگوش ممکن است بگوییم کیف ذهنی دارد ولی "من" ندارد.  

پستاندارانی مثل سگ و گربه "من" دارند؟

خیلی بعید است. حداقل سخت است که بگوییم "من" دارند.

آخر سگ‌ها گاهی از آدم بیشتر می‌فهمند!

بله، می‌دانم! البته بررسی کردن صحت و سقم این ادعا خیلی سخت است. قطعا جهان برای یک سگ یا گربه جنبه‌هایی پدیداری دارد، اما اینکه یک سگ بتواند باورهایی دربارۀ خودش داشته باشد، مثلا بگوید من سگ مهربانی هستم، یعنی چیزی که هویت شخصی او را شکل می‌دهد، محل سوال است.

شاید بتوان استدلال کرد موجوداتی که در رده‌های تکاملی بالاتری هستند، شخصیت یا پرسونالیتی دارند اما خرچنگ و مورچه احتمالا چنین چیزی ندارند. ولی به نظر می‌رسد که "در جهان بودن" شما، تعامل بدن‌مند شما با جهان، آگاهی پدیداری شما، همگی شرط‌های نزدیک شدن شما به مرحلۀ "شخص شدن" است. چت جی‌پی‌تی و سوفیا هنوز در مراحلی عقب‌تر از سگ و گربه هستند. ممکن است سوفیا بگوید "من شهروند عربستان سعودی‌ام" یا بگوید "من همیشه با شما مهربان صحبت می‌کنم." این‌ها را گفته و ضبط هم شده. ولی باز برمی‌گردیم به همان سوال اساسی که آیا او واقعا متوجه است که چه می‌گوید؟ مثل همان کسی که در اتاق چینی با کسی بیرون از اتاق حرف می‌زند.

پس این هراس‌ها نسبت به اینکه موجودات واجد هوش مصنوعی ممکن است از برنامه‌ریزی اولیه‌شان فراتر روند و کارهایی کنند که با الگوریتمشان جور درنمی‌آید، از کجا می‌آید؟ ترس از مسلط شدن موجودات هوشمند مصنوعی بر زندگی بشر، ناشی از جذابیت این موضوع برای رسانه‌ها است یا واقعا این هراس جدی است؟

این موضوع تا حدی ناشی از جذابیت رسانه‌ای است. وقتی هوش مصنوعی هنوز در زمستان خودش بود و موفقیتی کسب نکرده بود، فیلم‌های عجیبی ساخته می‌شد دربارۀ اینکه ماشین‌های مبتنی بر هوش مصنوعی بر ما انسان‌ها حاکم می‌شوند. فیلم ماتریکس مشهورترین آن‌هاست.

ماتریکس

اما این هراس بیراه هم نیست. چیزی که هوش مصنوعی را متمایز می‌کند، این است که این‌ها ماشین‌های یادگیرنده‌اند. دو شکل از یادگیری وجود دارد. گاهی شما الگوهایی را به ماشین می‌دهید و ماشین دائما الگویابی می‌کند و بعد از مدتی متوجه می‌شود مثلا چه چیزی مستطیل است و چه چیزی دایره است. این در واقع یادگیری بر اساس الگویی است که ما از پیش به ماشین داده‌ایم.

اما اگر ماشین یک شبکۀ عصبی پیشرفته داشته باشد، علی‌الاصول می‌توان انتظار داشت که او خودش الگوهای جدیدی را کشف کند. یعنی فراتر از الگوهایی برود که ما به او داده‌ایم. چنین چیزی الان عملا هم استفاده می‌شود. مثلا در بازارهای مالی، ربات‌های هوش مصنوعی نسبت به انسان‌ها معامله‌گران بهتری هستند و الگوهایی را پیدا می‌کنند که انسان‌ها نمی‌بینند.

این‌جاست که ما احساس می‌کنیم این ربات‌ها اگر توان پردازشی‌شان از حدی فراتر رود، ممکن است از انسان‌ها بهتر عمل کنند. ممکن است ماشین‌های هوش مصنوعی یادگیری‌ها یا توانمندی‌های جدیدی کسب کنند و یا حتی اشکالی از هوشمندی را پیدا کنند که برای ما ناشناخته باشد. بنابراین این نگرانی به کلی نارمرتبط یا خیالی نیست.

چنین تحولاتی دست کم روی کاغذ ممکن است. همان طور که طی فرگشت زیستی، میلیون‌ها سال طول کشیده تا انسان معاصر به عنوان هوشمندترین موجود شکل بگیرد، می‌توانیم توسعه ماشین‌های هوش مصنوعی را شبیه به یک فرایند فرگشتی در نظر بگیریم. شاید این فرایند مثلا طی صد سال یا دویست سال به اشکال جدید و غیرانسانی هوشمندی منجر شود. آینده‌پژوهان و متخصصان متعددی در این زمینه مشغول ایده‌پردازی و مباحثه هستند.

پیشرفت نسبی گوکل ترنسلیت با کمک انسان‌هاست یا خودبه‌خود دارد صورت می‌گیرد؟

پیشرفت گوگل ترنسلیت شبیبه به یادگیری انسانی است. مثلا در ابتدا، 500 هزار جملۀ انگلیسی را به ماشین داده بودند و در شش ماه اول 20 هزار جمله را ترجمه کرده. هر چه که جملات بیشتری را ترجمه کند، عملکردش بهبود پیدا می‌کند. انسان‌ها چطور چیز جدیدی را یاد می‌گیرند؟ با ورودی و تکرار. گوگل ترنسلیت هم هر چه ورودی و فرصت تمرین بیشتری داشته باشد، به تدریج بهتر می‌شود.

الان هوش مصنوعی استفادۀ گسترده‌ای در تجارت دارد؟

بله، الان هوش مصنوعی پشت خیلی از این بات‌های معامله‌های سهام است.

در بورس نیز همین طور؟

بورس ایران را نمی‌دانم ولی در بورس‌های خارجی بله. و چون ماشین‌های هوش مصنوعی سرعت عمل خیلی بالایی دارد، گاهی بازار مالی را یک‌دفعه تکان می‌دهند. یعنی 8 صبح که بازار باز می‌شود، این‌ ماشین‌ها تا ساعت 8ونیم، میلیون‌ها سهام را مبادله می‌کنند بدون اینکه معامله‌گران انسانی بفهمند چه خبر شده. گاهی رفتار این ماشین‌ها نگران‌کننده می‌شود و حتی در بازار مالی بحران ایجاد می‌کند.

ربات تریدر

هوش مصنوعی به لحاظ سیاسی چه پیامدهایی می‌تواند داشته باشد؟ ممکن است انتخابات و دموکراسی را بلاموضوع کند؟

این یک مسئلۀ جدی است و مثالش هم انتخابات سال 2016 آمریکا است که ابعادش هنوز کاملا روشن نشده و پرونده‌اش باز است. ما تصورمان این است که موجودات مختاری هستیم که بر اساس آگاهی و اطلاعاتی که به دست می‌آوریم، تصمیم می‌گیریم و بروز اختیار و استقلال فردی ما در سیاست این است که رای می‌دهیم و رای‌مان حاصل اندیشه و محاسبه و بینش سیاسی خود ماست.

ولی اگر آن داستانی که گفته شده، یعنی اینکه زاکربرگ در فیس‌بوک با استفاده از هوش مصنوعی به افراد پیغام‌های شخصی می‌فرستاده، کل این تصویر و تلقی مورد تردید قرار می‌گیرد. ما چنین چیزی را در تبلیغات کاملا می‌بینیم: بر اساس اینکه شما قبلا چه تبلیغاتی را دیده‌اید یا چه خریدهایی کرده‌اید، تبلیغات شخصی‌سازی‌شده دریافت می‌کنید. ادعا شده که در انتخابات سال 2016 آمریکا، فیس‌بوک از این تکنیک یا الگوریتم هوش مصنوعی استفاده کرده تا پیام‌های سیاسی شخصی‌سازی‌شده‌ای را برای افراد بفرستد به نحوی که ذهنشان را دستکاری کند و نهایتا مردم به نفع ترامپ رای بدهند. این ماجرا اگر رخ داده باشد، واقعا ترسناک است.

ترامپ و زاکربرگ

چون اختیار بشر را کمرنگ می‌کند؟

بله.

یعنی من چندان سیاسی نیستم و در یک هفتۀ اخیر چند پیام به نفع ترامپ برایم آمده و به همین دلیل احتمال رای‌دادنم به ترامپ بیشتر می‌شود.

بله. و چند تا پیام هم برایتان آمده است که رقیب ترامپ یعنی هیلاری کلینتون مثلا مالیاتش را نداده است. یعنی ذهن شما را دستکاری می‌کنند.

پس چرا در کشورهای کمونیستی که تبلیغات آن همه هم وسیع بود، این توفیقات حاصل نشد و حتی برعکس هم شد؟

نکتۀ جالب همین است. تفاوت در اینجاست که الگوریتم فیس‌بوک بدون اطلاع شما عمل می‌کند. اگر شما ببینید که فلان حزب توتالیتر می‌خواهد ذهن‌تان را دستکاری کند، علیه او گارد هم می‌گیرید. اما در فیس‌بوک یا اینستاگرام فکر نمی‌کنید کسی دارد ذهن شما را دستکاری می‌کند. اما در واقع کسی یا کسانی با استفاده از هوش مصنوعی مشغول دستکاری کردن ذهن شما هستند. در حقیقت ما به چنین چیزی واقف نیستیم. اگر به آن آگاه باشیم که در برابرش موضع می‌گیریم.

اما تجربۀ انتخابات 2016 آمریکا خودش آگاهی‌بخش است. یعنی آدم‌ها از این به بعد نسبت به پیام‌های انتخاباتی در فیس‌بوک و اینستاگرام و غیره حساس می‌شوند.

دقیقا. سال 2016 آدم‌ها نمی‌دانستند چنین اتفاقی دارد می‌افتد؛ اما حساسیت‌ها اکنون در این زمینه بیشتر است.

الان که می‌دانند، ممکن است هوش مصنوعی در آیندۀ دستمایۀ ترفند جدیدی برای رای‌سازی شود؟

بله، ممکن است تکنیک‌ها و ترفندهای جدیدی ابداع شود. کسانی که لابی و هزینه می‌کنند تا کاندیدای مورد نظر خودشان رئیس جمهوری شود، طبیعتا پول خرج می‌کنند و کارهای جدیدی انجام می‌دهند که برای مردم ناشناخته باشد.

سوالم دربارۀ منتفی شدن انتخابات و دموکراسی توسط هوش مصنوعی را این طور هم می‌توانم بپرسم: مثلا هوش مصنوعی بگوید بایدن برای تامین منافع آمریکا، صلاحیتش بیشتر از ترامپ است و دیگر نیازی به رای‌گیری نباشد. مثل وقتی که هوش مصنوعی در فلان بیمارستان می‌گوید این بیمار باید جراحی شود و نظرش دقیق‌تر از نظر پزشک متخصص است.

بله، چنین چیزی حداقل قابل تصور است. در واقع باید دید هدف از انتخابات چیست. اگر هدف "حکمرانی بهتر" است و آن ماشین هوش مصنوعی نظرش قابل اعتماد است، بله. در این صورت انتخابات به معنای امروزی منتفی می‌شود، چون هدف از انتخابات، انتخاب کاندیدایی بوده که کشور را بهتر اداره کند. اما همان طور که در پزشکی، هوش مصنوعی دستیار پزشک است، این‌جا هم می‌تواند دستیار ملت باشد و تصمیم‌گیرنده نباشد. منتفی شدن انتخابات با استفاده از هوش مصنوعی، حالت انتهایی طیف است.

البته اگر انتخابات منتفی هم شود، به شکل دموکراتیک منتفی می‌شود. یعنی مردم رای می‌دهند که از این به بعد هوش مصنوعی در انتخابات ریاست جمهوری به جای آن‌ها رای بدهد.

بله، مثلا همان طور که الان کالج الکترال در انتخابات ریاست جمهوری آمریکا وجود دارد و در واقع، نهایتا چند فرد به نمایندگی از مردم هر ایالت به کاندیداها رای می دهند، ممکن است مردم رای بدهند که ماشین هوش مصنوعی نظرش را دربارۀ کاندیداها بگوید. نهایتا توافق بین اعضای جامعه موضوع اصلی است. یک گزینه برای رای‌دادن هم این است که مردم به ماشین رای بدهند. یعنی اعتمادشان را به ماشین هوش مصنوعی اعلام کنند.

ربات حاکم

اگر قرار است روزی رباتی با هوش مصنوعی به مردم بگوید به چه کسی رای دهید، آیا این امکان وجود ندارد که خود این ربات رئیس یک کشور شود؟ بویژه اینکه خشم و نفرت و انگیزه‌های شخصی و بدجنسی‌های انسانی را ندارد و فقط بر مبنای هوشمندی‌اش بهترین تصمیم‌ها را اتخاذ می‌کند. یعنی اعضای حکومت و اعضای پارلمان یک کشور، همگی ربات باشند!

چنین وضعیتی علی‌الاصول قابل تصور است ولی چند ملاحظه وجود دارد. اول اینکه همۀ ماشین‌های دارای هوش مصنوعی در معرض سوگیری هستند؛ چون ما انسان‌ها به آن‌ها داده می‌دهیم و با همین کار، آن‌ها را به جانب خاصی متمایل می‌کنیم.

این سوگیری‌ها در ماشین‌های دارای هوش مصنوعی یک موضوع خیلی جدی است. مثلا یک ربات ممکن است پردازشگر بسیار قدرتمندی هم باشد، اما در کل دوره فعالیتش فقط با طرفداران حزب جمهوری‌خواه در تعامل بوده باشد. چنین رباتی قاعدتا کاندیدای مناسبی برای ریاست جمهوری نیست.

ولی اگر این سوگیری‌ها را بتوان مدیریت کرد و عقلانیت تام و تمام و عاری از سوگیری در یک ربات پیشرفته در کار باشد، پاسخ سوال شما می‌تواند مثبت باشد. مثلا شما کنترل ورودی و خروجی یک سد بزرگ یا گمرک کشور را به هوش مصنوعی می‌سپارید. بنابراین ممکن است سیاستگذاری و مدیریت کشور را هم کمابیش به هوش مصنوعی بسپارید. یعنی طیفی از دستیاری تا تفویض اختیار.

برای روشن‌تر شدن موضوع می توانم ماشین‌های خودران را مثال بزنم. «خودران بودن: چند سطح دارد: ماشینی که راننده دارد و هوش مصنوعی کمکش می‌کند. ماشینی که هوش مصنوعی آن را می‌راند و راننده فقط مراقب است. ماشینی که هوش مصنوعی و راننده در آن می‌توانند به جای هم کار کنند. ماشینی که کلا راننده ندارد و همۀ هدایتش با هوش مصنوعی است. چنین مدل‌سازی‌های طیفی را می‌توان در سیاست یا در حوزه‌های دیگر نیز در نظر داشت.

دینداران دربارۀ هوش مصنوعی موضع خاصی دارند؟ مثلا بگویند طراحی رباتی مثل سوفیا دست بردن در کار خدا و مصداق خلقت است؟

من در این مورد حداقل بحث پرسروصدایی ندیده‌ام، البته جست‌وجوی جامعی هم نکرده‌ام. دینداران بیشتر نگران برنامۀ شبیه‌سازی انسان بوده‌اند و به مهندسی ژنتیک حساس‌ترند. البته غیر از دینداران، خیلی از سکولارها هم نگران این موضوع بودند و نهایتا تصمیم گرفته شد که شبیه‌سازی انسان متوقف شود. در دهۀ 1980 چنین تصمیمی اتخاذ شد. این تصمیم حاصل یک توافق جمعی بود و صرفا خواست دینداران نبود؛ چون شبیه‌سازی ممکن بود هویت انسانی را زیر سوال ببرد.

موجود هوشمند را موجودی می‌دانند که می‌تواند نیازهای خودش را برآورده کند. مثلا موقع احساس خطر، فرار می‌کند. موجودی که هوش مصنوعی دارد، می‌تواند از خودش دفاع کند؟

ما دو نوع هوش مصنوعی را در نظر می‌گیریم: هوش مصنوعی خاص و هوش مصنوعی عمومی. هوش مصنوعی خاص یا محدود، فقط یک کارکرد خاص از هوشمندی را شبیه‌سازی یا بازسازی می‌کند. مثلا یک ماشین پردازش تصویر یا پردازش زبان طبیعی یا تشخیص پزشکی تنها یک توانمندی شناختی را از خود نشان می‌دهد. از چنین ماشین‌هایی انتظار نداریم که سایر ابعاد هوشمندی را داشته باشد. آنچه که ما الان به عنوان ماشین‌های هوش مصنوعی می‌شناسیم، نوعا چنین‌اند.

اما هوش مصنوعی عمومی همۀ آنچه را که انسان‌ها می‌توانند انجام دهند، باید انجام دهد. فعلا چنین ماشینی نداریم. یکی از کارکردهای انسان، تلاش برای بقا یا توانمندی دفاع از خود یا تشخیص نحوه محافظت از خود است. الان چنین چیزهایی در پروژۀ هوش مصنوعی، مسئلۀ شمارۀ یک نیستند؛ چون ما نوعا با ماشین‌هایی سر و کار داریم که انسان‌ها آن‌ها را مدیریت می‌کنند. ما از این ماشین‌ها می‌خواهیم کمک کنند تا انسان‌ها کارهای خاصی را بهتر انجام دهند.

ربات جنگجو

حوزه‌ای که موضوع محافظت از خود در آن مهم می‌شود، ربات‌های جنگجوی مبتنی بر هوش مصنوعی است. ارتش‌ها در کشورهای مختلف روی این تولید ربات‌ها کار می‌کنند، اما اطلاعات چندانی از پیشرفت‌هایشان بروز نمی‌دهند. هدف از تولید این ربات‌ها این است که در آینده در میدان جنگ، ربات‌ها به جای سربازها بجنگند. این ربات‌ها قطعا هوش مصنوعی دارند. یعنی هم بینایی ماشینی دارند، هم پردازش تصویر می‌کنند، هم تصمیم‌گیری پیشرفته دارند. باید تصمیم بگیرند چه کسی را بکشند و چه کسی را نکشند. اسیر بگیرند یا نه و البته باید بلد باشند از خودشان دفاع کنند. مانند اینکه چه سلاحی را به کار ببرند. اگر دیدند وضعیت نبرد مناسب نیست، عقب‌نشینی کنند. موضوع ربات‌های نظامی در گفتارها مطرح است، اما اینکه چنین ربات‌هایی چه زمان وارد ارتش‌های کشورهای گوناگون خواهند شد، مشخص نیست. این نکتۀ مد نظر شما، یعنی توان دفاع از خود در مقام یک موجود هوشمند، در عملکرد ربات‌های نظامی اهمیت ویژه‌ای خواهد داشت.

در فیلم "میان‌ستاره‌ای"،  آن رباتی که اسمش "تارت" بود، این قابلیت‌ها را داشت. چنان رباتی قاعدتا خیلی پیشرفته‌تر از ربات‌هایی مثل سوفیا است. بله؟ 

بله، چنین قابلیت‌های در ربات‌های کنونی در دسترس نیست.

میان ستاره ای

اگر کامپیوتر و اینترنت را منها کنیم، در حال حاضر هوش مصنوعی تاثیر چشمگیری در زندگی بشر دارد؟

تاثیرگذاری هوش مصنوعی بر زندگی بشر هنوز در ابتدای راه است. همان طور که اشاره کردم، امکانات مدل‌سازی و ابزار نظری انسان در این زمینه، به شکلی که الان می‌شناسیم، از سال 2000 به بعد توسعه پیدا کرده است. بنابراین باید گفت تازه اولش است! 

ابزارهای ذهن

مزیت‌‌‌های توسعه حضور رهبران سازمان در محیط کار

 

تاریخ چاپ:
شماره خبر:۳۹۹۱۸۹۵
 
مترجمان: سیدمحمداعظمی‌نژاد، مریم میرصادقیاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید
 
 
حضور رهبر سازمان، کیفیتی چالش برانگیز است؛ اما می‌تواند به شدت به موفقیت یک سازمان کمک کند. حضور یک رهبر سازمانی الهام‌‌‌بخش می‌تواند بر فرهنگ شرکت و رضایت کارمندان تاثیر بگذارد. اگر می‌‌‌خواهید رهبر سازمانی بهتری شوید، چند گام ساده وجود دارد که می‌توانید برای ایجاد این مهارت شغلی ضروری بردارید.
 

حضور به چه معناست؟

 

حضور داشتن رهبر سازمان، ترکیبی از ویژگی‌‌‌های مختلف، از جمله مهارت‌‌‌هایی مانند ارتباط و انعطاف‌‌‌پذیری، توانایی ایجاد انگیزه و الهام بخشی به دیگران را به همراه دارد. توسعه حضور رهبر سازمان می‌تواند اعتماد کارکنان، و بهره‌‌‌وری محیط کار را افزایش دهد و محیط کاری مثبتی را پرورش دهد.

در اینجا به چند دلیل اهمیت حضور رهبر سازمان اشاره می‌‌‌کنیم:

 

درگیر کردن افراد. یکی از مزایای کلیدی بهبود حضور رهبر در سازمان این است که با درگیر کردن افراد، مهارت‌‌‌های رهبری کردن در محل کار شما را تقویت می‌‌‌کند. رهبران سازمانی که حضور قوی دارند، می‌‌‌دانند که چگونه با افراد خود ارتباط برقرار کنند و با آنها همدردی کنند، تا بیشتر درگیر کارشان شوند. زمانی که افراد احساس می‌‌‌کنند در محیط کار به آنها اهمیت داده می‌شود، احتمال بیشتری دارد که در طول روز محصول و خروجی باکیفیت‌‌‌تری تولید کنند.

کمک به تیم‌‌‌ها برای رسیدن به اهداف. یکی دیگر از مزایای مهم حضور رهبر سازمان، کمک به تیم‌‌‌ها برای رسیدن به اهداف از طریق افزایش بهره‌‌‌وری در محیط کار است. با توسعه حضور خود، می‌توانید یک چشم‌انداز ایجاد کنید و الگویی باشید که به اعضای تیم برای رسیدن به اهدافشان انگیزه می‌‌‌دهد. با تشویق اعضای تیم به تعیین و انجام اهداف، می‌توانید افراد را توانمند کنید و در عین حال رهبری سازمانی را به گونه‌‌‌ای نشان دهید که به رشد فردی و موفقیت مشارکتی کمک کند.

پرورش یک محیط کاری مثبت و تقویت فرهنگ شرکت. توسعه حضور رهبر سازمان می‌تواند یک محیط کاری مثبت را پرورش دهد که برای روحیه و بهره‌‌‌وری کارمندان بسیار مهم است. رهبران سازمانی که حضور قوی دارند، می‌‌‌دانند چگونه بر دیگران تاثیر بگذارند. آنها الگویی هستند که به افراد کمک می‌‌‌کند با انگیزه بیشتری پیش بروند و به آنها اجازه می‌‌‌دهند یک محیط کاری مثبت ایجاد کنند. وقتی کارمندان در یک محیط مثبت قرار می‌‌‌گیرند، به احتمال زیاد رشد می‌‌‌کنند و موفقیت سازمان را افزایش می‌‌‌دهند.

یکی از مهم‌ترین مزایای حضور رهبر سازمان، تقویت فرهنگ شرکت است. کارکنان باید احساس امنیت کنند، در مورد نقش خود در سازمان روشن باشند و روابط مثبتی با همکاران خود داشته باشند. هنگامی که آنها از سوی رهبران سازمان خود احساس قدرت نمی‌‌‌کنند، با حداکثر ظرفیت کار نمی‌‌‌کنند یا مولد نیستند.

 نکاتی برای توسعه حضور

۱- انعطاف‌‌‌پذیر باشید. یکی از نکات مهم برای توسعه حضور رهبری سازمان، این است که یاد بگیرید چگونه با شرایط مختلف سازگار شوید. رهبران سازمانی که حضور خود را گسترش داده‌‌‌اند، می‌‌‌دانند که چگونه بر هر موقعیتی مسلط شوند. بنابراین تمرین سازگاری و انعطاف‌پذیری با توجه به موقعیت‌‌‌های مختلفی که ممکن است به عنوان رهبر سازمان با آنها مواجه شوید، مهم است. به این ترتیب می‌‌‌دانید که چگونه با شرایط زندگی واقعی در محیط کار سازگار شوید.

۲- نگرش مثبت داشته باشید. نکته دیگر، حفظ نگرش مثبت است. به عنوان یک رهبر سازمانی، نگرش شما می‌تواند بر نگرش افرادتان، تاثیر بگذارد. سعی کنید نمایش نگرش مثبت را از طریق کار و تعاملات خود عادی کنید. شما می‌توانید با انجام تمرین‌هایی مانند روزنوشت احساسات و عملکرد خود و توجه دقیق به تک تک رفتارها و خرده رفتارهای خود در طول روز و مدیتیشن، نگرش مثبت خود را حفظ کنید.

۳- اعتماد به نفس خود را افزایش دهید. اعتماد به نفس، یکی از ویژگی‌‌‌های ضروری فردی است که می‌‌‌خواهد حضور سازمانی خود را تقویت کند. در ظاهر می‌توانید با صاف ایستادن و بالا نگه داشتن سر و شانه‌‌‌ها اعتماد به نفس خود را نشان دهید. اما درونی بودن این موضوع بسیار حائز اهمیت است. در درون، می‌توانید با تعیین اهداف و نظارت بر پیشرفت خود برای رسیدن به آنها، اعتماد به نفس خود را پرورش دهید. همچنین می‌توانید با یک مربی صحبت کنید، کتاب بخوانید و دوره‌‌‌هایی را با هدف کمک به افزایش اعتماد به نفس خود به عنوان یک رهبر سازمانی بگذرانید.

۴- ارتباط موثر برقرار کنید. ارتباط موثر نیز برای توسعه حضور رهبری سازمانی مهم است؛ زیرا رهبران سازمانی مسوول تعامل، اطلاع‌رسانی و هدایت تیم‌‌‌های خود هستند. به‌عنوان یک رهبر سازمانی، نشان دادن احترام به همه کسانی که با آنها ارتباط برقرار می‌‌‌کنید مهم است و این می‌تواند به شما کمک کند تا حضور خود را بیشتر به نمایش بگذارید. می‌توانید مهارت‌‌‌های ارتباطی خود را با تمرین مهارت گوش دادن، درخواست بازخورد در مورد نحوه برقراری ارتباط، یادگیری نحوه مذاکره، تمرین ارتباط نوشتاری و شفاهی در محیط‌‌‌های مختلف، برگزاری کلاس‌‌‌های ارتباطی و تمرین مستمر و روزانه همه این موارد تقویت کنید.

۵- هوش هیجانی خود را توسعه دهید. نکته دیگر برای توسعه حضور رهبری سازمانی این است که روی بهبود هوش هیجانی خود کار کنید. هوش هیجانی توانایی مدیریت و درک احساسات از جمله احساسات خود و دیگران است. رهبران سازمانی با هوش هیجانی، می‌توانند با افراد همدلی کنند که می‌تواند به آنها در تقویت روابط و حضورشان کمک کند. توسعه هوش هیجانی شامل بهبود موارد زیر است:

  خودتنظیمی: خودتنظیمی ‌‌‌توانایی مدیریت و تنظیم احساسات شماست. به عنوان یک رهبر سازمان، خودتنظیمی می‌تواند به شما کمک کند نگرش مثبتی داشته باشید و الگوی کارکنان خود شوید.

  خودآگاهی: خودآگاهی به شناسایی احساسات و آنچه آنها را تحریک می‌‌‌کند، اشاره دارد. خودآگاهی می‌تواند به شما کمک کند درک کنید دیگران چگونه شما را درک می‌‌‌کنند و می‌‌‌بینند که به‌عنوان یک رهبر سازمان، مهم است.

  همدلی: همدلی مهارت نرم توانایی درک احساس دیگران است. نشان دادن همدلی به عنوان یک رهبر سازمان می‌تواند به شما کمک کند با دیگران ارتباط برقرار کنید و کاری کنید که آنها در محل کار احساس راحتی و امنیت بیشتری داشته باشند.

  مهارت‌‌‌های اجتماعی: مهارت‌‌‌های اجتماعی شامل انواع مهارت‌‌‌ها و ابزارهایی است که می‌توانید از آنها برای تعامل با دیگران استفاده کنید؛ از جمله ارتباط، مذاکره، حل مساله، حل تعارض و... که همگی مهارت‌‌‌های مهمی برای رهبران سازمانی هستند.

 
 
 

«انعطاف‏‏‌پذیری رادیکال»؛ راز کارمندان مولد

 

تاریخ چاپ:
شماره خبر:۳۹۹۱۸۹۷
 
 
مترجم‌: مرتضی ایراندوست
منبع:Gartner
 
 
برای کارکنان «انعطاف‌‌‌پذیری رادیکال» (Radical Flexibility) فقط مربوط به زمان و مکان کار نیست، بلکه به معنی چقدر کار کردن، در مورد چه چیزی کار کردن و با چه کسی کار کردن هم هست و به آنها کمک می‌‌‌کند احساس استقلال کنند. انعطاف‌‌‌پذیری رادیکال همچنین باعث تقویت عملکرد می‌شود. کارکنان می‌‌‌خواهند در کار خود احساس استقلال کنند. این اتفاق زمانی رخ می‌‌‌دهد که انعطاف‌‌‌پذیری رادیکال در کار نهادینه شود.
 
 

 

 

p20 copy

1- میل به انعطاف‌‌‌پذیری متداول شده است

کارکنان،  چه کار دفتری انجام دهند و چه کار یدی،  خواهان انعطاف‌‌‌پذیری بیشتری نسبت به آنچه سازمانشان در حال حاضر ارائه می‌‌‌دهد،  هستند.‌  60 درصد از کارکنان انتظار دارند حداقل یک بار در هفته دورکاری کنند؛  درحالی‌که تنها 38 درصد از آنها قبل از همه‌گیری این موضوع را گزارش کرده بودند.   انعطاف‌‌‌پذیری اختصاص به یک نوع شغل یا صنعت ندارد. هر دو کارمندان یقه سفید و یقه آبی،  خواهان میزان مشابهی از انعطاف‌‌‌پذیری هستند؛ آن هم بیشتر از آنچه در حال حاضر سازمانشان ارائه می‌‌‌دهد.‌

2- انعطاف‌پذیری رادیکال عملکرد را تقویت می‌‌‌کند

وقتی رهبران منابع انسانی انعطاف‌‌‌پذیری را حول هویت و تجربه زندگی یک فرد مجددا تنظیم می‌‌‌کنند،  باعث می‌‌‌شوند کارکنان احساس کنند پذیرفته‌‌‌شده،  مستقل و ارزشمند هستند و مورد توجه قرار می‌‌‌گیرند و در سازمانشان سرمایه‌‌‌گذاری می‌‌‌کنند.   وقتی این احساسات را در کارکنان ایجاد می‌کنید،  هم سازمان و هم افرادی که آنها را تشکیل می‌‌‌دهند،  برنده می‌‌‌شوند.   در سازمان‌هایی که انعطاف‌‌‌پذیری رادیکال وجود دارد، نسبت به سازمان‌هایی که فقط در زمان و مکان کار انعطاف‌‌‌پذیری ایجاد کرده‌‌‌اند،  درصد کارکنانی که دارای عملکرد بالا تعریف می‌‌‌شوند،  تا 40 درصد افزایش می‌‌‌یابد.   عملکرد تا حدی به این دلیل بهبود می‌‌‌یابد که انعطاف‌‌‌پذیری رادیکال حس استقلال بیشتری به کارمندان می‌‌‌دهد  و تا حدی به این دلیل که به طور چشمگیری خطر فرسودگی شغلی را کاهش می‌‌‌دهد.

 

3-منابع انسانی باید ضمن فراهم کردن حق انتخاب،  بهره‌‌‌وری را تضمین کند

هنگام ارائه انعطاف‌‌‌پذیری رادیکال،  رهبران منابع انسانی باید بهره‌‌‌وری را با حق انتخاب کارکنان متعادل کنند.  وقتی مدیریت ضعیف باشد،  می‌تواند توانایی همکاری تیمی را کاهش دهد،  منجر به نابرابری شود و یک تجربه ناسازگار به همراه داشته باشد. بهترین سازمان‌ها تنش طبیعی بین تضمین بهره‌‌‌وری کارکنان و ارائه گزینه‌‌‌های کاری انعطاف‌‌‌پذیر،  همراه با مسوولیت‌‌‌ها را مدیریت می‌‌‌کنند.   انتظارات،  محدودیت‌‌‌ها و هنجارهای تیمی را در مورد چگونگی بهره‌‌‌وری در یک محیط کاری انعطاف‌‌‌پذیر تنظیم کنید.

 
پنج شنبه, 19 مرداد 1402 10:20

هوش مصنوعی برای فقرا

چگونه از قدرت AI در دنیای در حال توسعه استفاده کنیم؟

هوش مصنوعی برای فقرا

 

تاریخ چاپ:
شماره خبر:۳۹۹۲۰۳۰
 
دنیای‌اقتصاد : در میان نخبگان کشورهای ثروتمند، یک نگرانی عمده درباره هوش مصنوعی به‌وجود آمده است: «ماشین‌ها کار ما را خواهند ربود.» با محبوبیت انفجاری چت جی‌پی‌تی، چت‌ربات بسیار واقعی، تعداد زیادی در غرب شروع به ترس کرده‌اند که این نه تنها رانندگان کامیون و کارگران مونتاژ هستند که در معرض خطر جایگزینی با روبات‌ها هستند، بلکه کارکنان با دانش بالا با دستمزد قابل توجه نیز در معرض خطر هستند. حسابداران، تحلیلگران داده، کدنویسان، مشاوران مالی، وکلا، حتی فیلم‌نامه‌نویسان هالیوود همه نگران هستند که هوش مصنوعی آنها را بیکار کند. اما تاثیر هوش مصنوعی بر ۱۰۰کشور عجیب و غریب و بیش از چهارمیلیارد نفر در کشورهای در حال توسعه احتمالا بسیار متفاوت است.
 
هوش مصنوعی برای فقرا
 

دانیل بیورک‌گرن، اقتصاددان و متخصص حوزه هوش مصنوعی، در فارن افرز، روز چهارشنبه ۹اوت نوشت: کشورهای کم‌درآمد، کارگران با دانش کمتری را استخدام می‌کنند و سهم بیشتری از جمعیت آنها در بخش‌هایی کار می‌کنند که کمتر مستعد اتوماسیون هستند؛ به‌ویژه کشاورزی. در کشورهای فقیر، سوال بزرگ این نیست که چگونه هوش مصنوعی بر میلیون‌ها نفر از افراد شاغل تاثیر می‌گذارد، بلکه این است که چگونه میلیاردها نفر هوش مصنوعی را به‌کار خواهند گرفت. دگرگون‌کننده‌ترین کاربردها در جهان در حال توسعه احتمالا آنهایی نیستند که جایگزین انسان‌ها شوند. آنها کسانی خواهند بود که امکانات جدیدی را برای انسان باز می‌کنند. تاکنون، تقریبا تمام بحث‌ها درباره چگونگی حمایت از هوش مصنوعی و نحوه کاهش خطرات آن، بر کشورهای ثروتمند متمرکز بوده است؛ کشورهایی که در خانه، شرکت‌ها و دانشگاه‌هایشان روی این فناوری کار می‌کنند. اما ازآنجاکه تاثیرات هوش مصنوعی - خوب و بد - در کشورهای فقیر متفاوت خواهد بود، سرمایه‌گذاری‌ها و مقررات مورد نیاز این کشورها نیز احتمالا متفاوت خواهد بود. فیلسوفان، اقتصاددانان و فناوران، جوهر بی‌پایانی را در فکر آینده هوش مصنوعی در جهان توسعه‌یافته ریخته‌اند. اکنون زمان آن فرا رسیده است که درباره یک دستور کار هوش مصنوعی برای دیگران فکر کنیم.

قدرت ماشین‌ها

یادگیری ماشین از پیش زندگی فقرای جهان را تحت تاثیر قرار داده است. تحولات اعتباری را در نظر بگیرید. بسیاری از افراد فقیر فاقد سوابق مالی و امتیازات اعتباری هستند. بنابراین دسترسی کمی به وام‌های رسمی دارند. در سال۲۰۱۰، من راهی برای ایجاد (دریافت) امتیازهای اعتباری جایگزین، با استفاده از یادگیری ماشینی برای استنتاج درباره احتمال بازپرداخت از «داده‌های جمع‌آوری‌شده‌ خودکار» توسط شبکه‌های تلفن همراه، پیشنهاد کردم. این روش اکنون یکی از روش‌هایی است که وام‌دهندگان در ده‌ها کشور برای ارائه وام‌های کوچک از طریق تلفن همراه به میلیون‌ها نفر استفاده کرده‌اند. محققان دیگر از یادگیری ماشینی برای همین نوع داده‌ها استفاده می‌کنند تا مشخص کنند کدام خانوارها در یک منطقه معین، فقیرترین هستند؛ به‌طوری‌که کمک‌ها می‌توانند هوشمندانه در طول یک بحران هدف‌گذاری و ارائه شوند. هنوز دیگران حل این‌گونه مسائل را با استفاده از تصاویر ماهواره‌ای پی می‌گیرند، تخمین‌های جمعیت را بر اساس الگوهای سکونت انسانی و پیش‌بینی کمبود مواد غذایی را بر اساس الگوهای پوشش گیاهی ارائه می‌دهند. چنین برنامه‌هایی ارزش خاص هوش مصنوعی را در جهان در حال توسعه برجسته می‌کنند: در محیط‌های کم‌اطلاعات، یادگیری ماشینی می‌تواند سیگنال‌هایی را از منابع جدید استخراج و داده‌های تازه‌تری ارائه کند. امکانات به همین جا ختم نمی‌شود. مدرسه را در نظر بگیرید. اکثر سیستم‌های آموزشی در کشورهای در حال توسعه برای ارائه آموزش با کیفیت تلاش می‌کنند. معلمان موسوم به هوش مصنوعی شخصی‌شده - روبات‌های چت با صبر بی‌پایان - ممکن است روزی نیازهای دانش‌آموزان کنجکاو در مدارس دوردست را برآورده کنند.

 

آنها همچنین ممکن است به حرفه‌ای‌ها کمک کنند تا مهارت‌ها را بهبود و تغییر دهند؛ مثلا به کارگران تعمیر اجازه می‌دهند مهارت‌های خود را ارتقا دهند و مهندسی‌تر بیاموزند یا حوزه سلامت را در نظر بگیرید. در بسیاری از کشورهای در حال توسعه، ارائه توصیه‌های صحیح پزشکی دشوار است. سیستم‌های مجهز به هوش مصنوعی ممکن است تشخیص‌های بهتر و گسترده‌تری ارائه دهند. بسیاری از جوامع دارای نرخ بالای افسردگی و درمانگران اندکی هستند. ابزارهای دیجیتال سلامتِ روان مانند درمانگرانِ چت‌بات ممکن است نیاز واقعی را با هزینه کم برطرف کنند. هوش مصنوعی می‌تواند نقش مشابهی را ایفا و به مردم کمک کند تا در میان بوروکراسی‌ها راحت‌تر زندگی کنند. به‌عنوان مثال، یک کارآفرین هندی که به دنبال ورود به یک بازار جدید است، ممکن است روزی بتواند برای پر کردن مجوزهای مورد نیاز، به یک برنامه مبتنی بر هوش مصنوعی تکیه کند. فناوری‌هایی که این کاربردهای بالقوه را فعال می‌کنند همچنان به بهبود خود ادامه می‌دهند؛ زیرا کشورهای ثروتمند منابع عظیمی را در هوش مصنوعی سرمایه‌گذاری می‌کنند. کلید کشورهای در حال توسعه، تکمیل این جریان سرمایه‌گذاری با استفاده از فناوری‌های حاصل در محصولات و خدماتی است که نیازهای محلی را برآورده می‌کند. کشورهای در حال توسعه بسیاری از زیرساخت‌های اجتماعی مورد نیاز برای شروع سرمایه‌گذاری‌های جدید را دارند: «مراکز فناوری، دانشگاه‌ها و گروه‌های کارآفرین.» با این حال، شرکت‌های آنها انگیزه اندکی برای ساخت برنامه‌های کاربردی با هدف قرار دادن فقیرترین افراد که به ندرت برای خدمت‌رسانی سودآور هستند، دارند. برخی از کشورهای بزرگ و با درآمد متوسط مانند هند می‌توانند با سرمایه‌گذاری در فناوری‌های هوش مصنوعی برای فقرا بر این مشکل غلبه کنند. اما بسیاری از کشورهای دیگر فاقد منابع و مقیاس لازم برای انجام این کار هستند. ازاین‌رو، شبکه‌های کارآفرینان که می‌توانند یادگیری‌شان را در سراسر مرزها به اشتراک بگذارند و سازمان‌های بین‌المللی مانند بانک جهانی که می‌توانند سرمایه‌گذاری‌ها را بین دولت‌ها و خیریه‌ها هماهنگ کنند، نقش قابل توجهی دارند.

منحنی یادگیری

دو مسیر اصلی وجود دارد که ابزارهای هوش مصنوعی در کشورهای در حال توسعه می‌توانند طی کنند. اولین مورد این است که کاری را پیدا کنیم که هوش مصنوعی در کشورهای ثروتمند در حال انجام آن است و آن را برای کشورهای فقیر تطبیق و ارتقا دهیم. به‌عنوان مثال، بسیاری از کارآفرینان در حال توسعه معلمان چت‌بات برای مدارس ثروتمند هستند، ابزارهایی که می‌توانند برای کار در مکان‌هایی با اتصال اینترنت بدتر و نسبت بالاتر دانش‌آموز به معلم اصلاح شوند. دوم، یافتن برنامه‌های کاربردی کاملا جدید برای هوش مصنوعی؛ محصولات جدیدی که می‌توانند نیازهای خاص کشورهای در حال توسعه را برآورده کنند.

به‌عنوان مثال، یک برنامه‌ریز مالی مبتنی بر هوش مصنوعی برای کشاورزان معیشتی ممکن است به آنها کمک کند تا خطرات مربوط به تصمیمات کاشت را مدیریت کنند. در واقع، برخی از نوآوری‌ها در یک کشور فقیر آغاز شد و تنها بعدها به کشورهای ثروتمندتر رسید. برای مثال، سیستم پرداخت موبایلی «ام‌پسا» (M-Pesa) در کنیا، قبل از اینکه اپلیکیشن‌های مشابه در ایالات متحده شروع به‌کار کنند، شروع به‌کار کرد. درحالی‌که برخی از ابزارهای هوش مصنوعی که در کشورهای ثروتمند به وجود می‌آیند ممکن است در کشورهای در حال توسعه به خوبی کار کنند، برخی دیگر به اصلاحات نیاز دارند. یک مشکل این است که بیشتر سیستم‌های هوش مصنوعی روی داده‌های مختص کشورهای توسعه‌یافته آموزش دیده‌اند، داده‌هایی که از افراد با درآمد نسبتا بالا جمع‌آوری و معمولا به زبان انگلیسی نوشته می‌شوند. اندکی از مجموعه دانش مکتوب جهان درباره فقرا است یا به زبان‌های اقلیت ارائه شده است. علاوه بر این، سیستم‌های هوش مصنوعی عمدتا برای تولید تصمیم‌ها و خروجی‌هایی آموزش دیده‌اند که مصرف‌کنندگان ثروتمند در غرب را راضی می‌کند. بنابراین ممکن است هنگام برخورد با افراد فقیرتر در مکان‌های دیگر، اشتباهاتی انجام دهند؛ برای مثال، در فرهنگی که با اسم کوچک خوشامد گفتن، بی‌احترامی محسوب می‌شود، ممکن است مورد قبول برخی از این فرهنگ‌ها قرار نگیرد.

جوامع ثروتمند غربی شروع به جمع‌آوری داده‌های آموزشی کرده‌اند. بنابراین زمان می‌برد تا مدل‌های هوش مصنوعی به‌طور کامل نشان‌دهنده (فرهنگ) مردم سایر نقاط جهان باشند. اما روند را می‌توان تسریع کرد. محققان می‌توانند برنامه‌هایی را شناسایی کنند که می‌توانند تغییر کنند، فقط اگر بتواند داده‌های پشت آنها را بیشتر با المان‌های خاص آن فرهنگ تطابق دهد. برای مثال، یک مشاور پزشکی مجهز به هوش مصنوعی، ممکن است در کمک به فرد مبتلا به فشار خون بالا در «سیلیکون ولی» خوب باشد؛ اما برای فردی در لاگوس که با مالاریا مواجه است، مفید نیست؛ زیرا فاقد قرار گرفتن در معرض موارد پزشکی محلی است یا ممکن است چنین سیستمی در میان انگلیسی‌زبانان محبوب باشد؛ اما در یوروبا، یکی از زبان‌های اصلی نیجریه موجود نباشد. برای جبران کمبود داده‌های جهان در حال توسعه، باید محتوای جدیدی برای مدل‌ها ایجاد شود تا بتوانند بر اساس آن آموزش ببینند.

در اینجا، برون‌سازی یک پروژه به شکل انبوه (Crowdsourcing) می‌تواند کمک کند. برای مثال، جنبش ویکی‌آفریکا (WikiAfrica) افزودن محتوای آفریقایی به ویکی‌پدیا را هماهنگ کرد و این پروژه را به پیش برد. اکنون که این دانش می‌تواند تصمیمات ماشین‌ها را بهبود بخشد، چنین ابتکاراتی ارزش بیشتری دارد. در حوزه‌های دیگری که تشخیص درستی‌اش دشوارتر است -مانند پزشکی یا کشاورزی- برون‌سازی به شکل انبوه کافی نخواهد بود. باید کارشناسان استخدام شوند یا داده‌های آنالوگ، مانند سوابق کلینیک کاغذی، باید دیجیتالی شوند. «ارائه» تنها بخشی از پازل است؛ زیرا توسعه‌دهندگان باید بین گروه‌هایی با مقادیر متفاوت داوری کنند. برای مثال، گروه‌های مذهبی مختلف در هند ممکن است درباره توصیه‌های پزشکی مناسب اختلاف نظر داشته باشند. مشکل دوم واردات هوش مصنوعی به کشورهای در حال توسعه، فناوری است. به‌رغم پیشرفت گسترده، جهان در حال توسعه هنوز از نظر تعدادی از معیارهای تکنولوژیک از جهان توسعه‌یافته عقب است. برخی از برنامه‌های کاربردی هوش مصنوعی برای ردیابی عملکرد دانش‌آموزان در مدرسه، سلامت بیماران در بیمارستان یا نتیجه پرونده‌ها در دادگاه نیاز به دسترسی گسترده‌تر به تلفن‌های هوشمند، اتصال به اینترنت بهتر یا سیستم‌های ثبت سوابق دیجیتال دارند. برای هوش مصنوعی، مانند موج‌های قبلی نوآوری‌های فناوری، کلید تمایز بین برنامه‌هایی است که می‌توانند نسبتا زود‌بادهِ با ارزش باشند و برنامه‌هایی وارد بازار شوند که آینده قابل پیش‌بینی در قلمرو داستان‌های علمی تخیلی را زودتر رقم بزند. البته با ورود هوش مصنوعی به کشورهای در حال توسعه خطوط قرمز تغییر خواهد کرد و برخوردها با آن از یک فیلد به فیلد دیگر متفاوت خواهد بود. به‌عنوان مثال، پزشکی نسبت به اشتباهاتی که سیستم‌های هوش مصنوعی ناگزیر مرتکب می‌شوند، کمتر تحمل خواهند شد و در کشاورزی نیز به عوامل زمینه‌ای متفاوت بستگی دارد.

 

حدود قوانین

در جهان توسعه‌یافته و در حال توسعه به‌طور یکسان، انتشار هوش مصنوعی خطراتی را به همراه خواهد داشت. اما کشورهای در حال توسعه با مجموعه متفاوتی از خطرات روبه‌رو هستند و کمتر قادر به تنظیم این فناوری هستند. سوال اصلی این است که آیا این فناوری متمرکز باقی خواهد ماند؛ یعنی توسط تعداد کمی از شرکت‌های فناوری کنترل می‌شود. سیستم‌های متمرکز هوش مصنوعی احتمالا در بازارهای بزرگی مانند ایالات متحده و اتحادیه اروپا تنظیم می‌شوند. بازارهای کوچک‌تر فقط می‌توانند فشار محدودی اعمال کنند. بنابراین در سایه مقررات ایالات متحده و اتحادیه اروپا به زندگی خود ادامه خواهند داد. اگرچه کشورهای در حال توسعه می‌توانند دسترسی به یک سیستم متمرکز را قطع کنند؛ برای مثال، مسدود کردن سرورها، درست همان‌طور که برخی از دولت‌ها با توییتر، فیس‌بوک و یوتیوب انجام داده‌اند، اما نمی‌توانند از عبور محتوای تولیدشده توسط هوش مصنوعی از مرزها جلوگیری کنند. با این حال، مشخص نیست که آیا هوش مصنوعی متمرکز باقی خواهد ماند یا خیر؟ جایگزین‌های منبع باز مانند «Llama» (مدل زبان بزرگی که توسط مالک فیس‌بوک، متا تولید شده است) و «Stable Diffusion» (یک تولیدکننده تصویر ساخته‌شده توسط استارت‌آپ Stability AI) در حال افزایش هستند. این سیستم‌های غیرمتمرکز را می‌توان توسط هر کسی که کامپیوتر دارد، تغییر داد و اجرا کرد. اگر آنها به اندازه کافی مفید باشند، تنظیم مستقیم آنها برای هر کشوری دشوار خواهد بود.

اما چنین سیستم‌های باز را می‌توان راحت‌تر با نیازهای محلی تطبیق داد؛ زیرا اغلب، استفاده از آنها رایگان است و هر کسی می‌تواند کد خود را تغییر دهد. با توجه به اهرم‌های محدود برای مقررات، کشورهای در حال توسعه ممکن است مجبور باشند به جای کنترل آن، به سازگاری با فناوری جدید رضایت دهند. برای کاهش آسیب‌ها، آنها ممکن است مجبور شوند روی تنظیم مقررات، نه خود هوش مصنوعی، بلکه صنایعی که از آن استفاده می‌کنند تمرکز کنند؛ برای مثال، متوسل شدن به قوانین حمایت از مصرف‌کننده که شرکت‌ها را در صورت ناامن بودن محصول، صرف نظر از استفاده از هوش مصنوعی، مسوول می‌داند. هوش مصنوعی بحث سالمی را درباره مقررات در کشورهای ثروتمند آغاز کرده است. اما بسیاری از پیشنهادها برای رسیدگی به خطرات آن ممکن است در کشورهای فقیر ناکافی باشد. قانون‌گذاران در غرب توانایی ارزیابی نحوه عملکرد قوانین در زمینه‌های مختلف را ندارند. سیستمی که در بروکسل به‌عنوان ایمن تایید شده، ممکن است در بنگلور به خوبی کار نکند. علاوه بر این، استانداردهای مقررات غربی در مکان‌هایی که جایگزین‌های موجود برای برنامه‌های هوش مصنوعی بسیار بدتر هستند، ممکن است به‌طور نامناسب سخت‌گیرانه باشند.

برای مثال، پیش‌بینی‌های آب و هوا برای بهبود آنچه در دسترس کشاورزان در کشورهای در حال توسعه است، لازم نیست. حتی در محیط‌های با ریسک بالاتر مانند پزشکی، هوش مصنوعی ممکن است به زودی بهتر از گزینه‌های موجود برای فقرا باشد. یک مطالعه در سال۲۰۲۳ عملکرد بالینی را در کشورهای کم‌درآمد حسابرسی کرد تا متوجه شود که چه بخشی از موارد به درستی رسیدگی شده است. پاسخ: «کمتر از نصف.» در عین حال، افراد متوسط در یک کشور در حال توسعه نیز نسبت به همتای خود در کشورهای توسعه‌یافته آسیب‌پذیرتر هستند. بسیاری از مردم در کشورهای در حال توسعه برای به چالش کشیدن تصمیمات خودکار، مانند رد درخواست وام، کمتر دارای تحمل هستند. سیستم‌های هوش مصنوعی جدید اغلب بدتر از آنچه تبلیغ می‌شود، عمل می‌کنند. نادیده گرفتن مشکلاتی که در میان افراد کم‌درآمد ایجاد می‌شود، برای شرکت‌ها بسیار آسان است. به همین دلیل است که برای تنظیم‌کننده‌ها مهم است که اطمینان حاصل کنند که مصرف‌کنندگان (با در آمد بالاتر) فرآیندهای کافی برای گزارش مشکلات و تجدیدنظر در تصمیم‌ها دارند.

 

انطباق نه کنترل

ناظران می‌گویند که کشورهای در حال توسعه ممکن است مجبور به انطباق با فناوری جدید به جای کنترل آن باشند. بسیاری از مردم در کشورهای در حال توسعه نیز با ایده هوش مصنوعی تازه آشنا شده‌اند یا قبلا هرگز نام الگوریتم‌ها را نشنیده‌اند. بنابراین برای برقراری ارتباط موثر باید مراقب بود. مطالعه‌ای که من با «جاشوا بلومن استاک» و «سامسون نایت» انجام دادم، نشان می‌دهد که این امکان‌پذیر است. ما به کنیایی‌های کم‌درآمد برنامه‌ای دادیم که بر اساس نحوه استفاده از تلفن همراه به آنها پاداش مالی می‌دهد و از الگوریتمی استفاده می‌کند که اعتبار افراد را به‌دست می‌آورد. هنگامی که به آزمودنی‌ها توصیفات ساده‌ای از نحوه عملکرد الگوریتم‌ها داده شد، آنها رفتار خود را تنظیم کردند؛ نشانه‌ای مشخص از درک توسط این افراد. موانع سیاسی نیز فراوان است. دیپ‌فیک‌ها - عکس‌ها، ویدئوها و کلیپ‌های صوتی واقعی که توسط هوش مصنوعی تولید می‌شوند- می‌توانند تاثیر مخربی در کشورهای در حال توسعه داشته باشند؛ جایی که سیستم‌های سیاسی میل به شکنندگی دارند و اعتماد بین گروه‌ها اغلب پایین است. برای از بین بردن این مشکلات، جامعه مدنی می‌تواند در ایجاد زیرساخت‌های اعتماد نقش مهمی ایفا کند؛ گسترش آگاهی مبنی بر اینکه ممکن است محتوا جعلی باشد و مکان‌های مستقلی ایجاد کند که برای بررسی محتوا موثر هستند. هوش مصنوعی همچنین اشکال جدیدی از نظارت مانند ردیابی افراد از طریق دستگاه‌های تلفن همراه و تشخیص چهره را فعال می‌کند.

اکثر کشورهای در حال توسعه در بازار ابزارهای نظارتی با فناوری پیشرفته، ابزارهای نظارتی خود را توسعه نمی‌دهند، بلکه آنها را اغلب از چین وارد می‌کنند. این برون‌سپاری به این معنی است که اجرای واقعی فناوری مبتنی بر هوش مصنوعی ممکن است متمرکز نباشد و پراکنده‌تر دنبال شود و باعث می‌شود اطلاعات جمع‌آوری‌شده به اشخاص ثالث درز کند و حقوق (افراد) به روش‌های غیرقابل پیش‌بینی نقض شود. بار دیگر، جامعه مدنی نقشی را ایفا خواهد کرد و سیستم‌های جدید را رصد می‌کند و توجهات را به «سوء‌استفاده‌ها» جلب می‌کند.

بازگشت به آینده

این موج فعلی هوش مصنوعی چالش‌ها و فرصت‌هایی را با سرعتی بی‌سابقه به‌وجود آورده است. اما ما قبلا شاهد تحولات تکنولوژیک مشابه بوده‌ایم. اگرچه تلفن‌های همراه در ابتدا برای مصرف‌کنندگان ثروتمند طراحی شده بودند، اما در ۲۰سال گذشته در بین فقرا جای خود را باز کردند. کشورهای در حال توسعه از سخت‌افزار استانداردشده- آنتن‌ها و گوشی‌ها - ساخت غرب بهره‌مند شدند. شرکت‌های مخابراتی مدل‌های کسب‌وکاری را اختراع کردند که به فقرا خدمت‌رسانی می‌کردند؛ مانند برنامه‌های پرداخت تلفن همراه. کارآفرینان سازمان‌های جدیدی را راه‌اندازی کردند که به مردم اجازه می‌داد از تلفن برای ارسال پول، دریافت اعتبار و بررسی قیمت‌ها استفاده کنند. این نوآوری‌ها به تلفن‌های همراه اجازه می‌دهد تا به‌سرعت به اکثر فقرای جهان دسترسی پیدا کنند و آنها را به اقتصاد جهانی متصل کنند. همین پیوندها هستند که زمینه را برای گسترش هوش مصنوعی فراهم کرده‌اند. با این حال، به‌رغم موفقیت تلفن‌های همراه، حتی همین نوآوری نیز کامل نتوانسته است پتانسیل خود را نشان دهد. بیشتر نوآوری‌های بخش خصوصی بر نیازهای افراد ثروتمند متمرکز شده است. بیشتر برنامه‌ها برای اتصال مصرف‌کنندگان ثروتمند به رانندگان (مثل اوبر)، ویلاهای اجاره‌ای برای تعطیلات و غذاهای آماده تهیه می‌شوند تا اینکه کشاورزان را به بازارها متصل کند یا اینکه کودکان را به یادگیری از راه دور تشویق کند. با این حال نوآوری بخش خصوصی در هوش مصنوعی احتمالا بسیاری از صنایع، از آموزش گرفته تا سلامت و قانون را متحول خواهد کرد. اما استفاده از پتانسیل کامل این فناوری برای کشورهای در حال توسعه مستلزم تدوین چشم‌اندازی گسترده است؛ چراکه زندگی بیشتری از افراد جامعه را تحت تاثیر قرار خواهد داد.

 
 

مدیرعامل زیرساخت: گیمر‌ها از کیفیت اینترنت راضی هستند

گیمر‌ها: وضعیت اینترنت برای انجام بازی بحرانی است

 

 تاریخ چاپ:
 شماره خبر: ۳۹۹۰۹۶۲
 
 
دنیای‌اقتصاد- سونیتا سراب‌پور : دو هفته پیش بود که مدیرعامل شرکت ارتباطات زیرساخت با نارضایتی از گزارش انجمن تجارت الکترونیک درباره وضعیت بحرانی شبکه اینترنت ایران ابراز گله‌مندی کرد و گفت اگر می‌خواهید بدانید حال شبکه اینترنت کشور خوب است یا نه، سراغ گیمر‌ها بروید. انتشار همین خبر در شبکه‌های اجتماعی واکنش گسترده و منفی کاربران به‌ویژه گیمرها را به دنبال داشت.
 
 
گیمر‌ها: وضعیت اینترنت برای انجام بازی بحرانی است
 

بسیاری از گیمر‌ها اعلام کردند که آن‌قدر وضعیت اینترنت، مخصوصا در یک‌سال اخیر به‌دلیل اعمال محدودیت‌ها و اختلال‌های بیش‌ از حد، افزایش پیدا کرده است که به راحتی نمی‌توانند یک بازی آنلاین ساده را بدون تاخیر انجام دهند. گروهی دیگر هم با انتشار تصاویری از بالا بودن پینگ هنگام بازی نشان دادند که وضعیت نه تنها نسبت به دوسال گذشته برای گیمرها بهتر نشده که بدتر هم شده است.

همچنین یکی از کاربران در واکنش به ادعای مدیرعامل شرکت ارتباطات زیرساخت درباره کم شدن کامنت‌های اعتراضی گیمر‌ها زیر پست مسوولان اعلام کرد که کامنت‌ها کم نشده، بلکه آن‌قدر شبکه‌های اجتماعی مختلف مورد استقبال مردم فیلتر شده است که دیگر آنها دستشان به جایی نمی‌رسد که اعتراض خود را از این طریق به گوش مقامات مسوول برسانند. در مصاحبه‌ای که «دنیای‌اقتصاد» با چند گیمر و کارشناس فنی در همین زمینه انجام داده‌است، آنها نیز ادعای مدیرعامل زیرساخت درباره کاهش پینگ و رضایت گیمرها از اینترنت را رد و اعلام کردند که وضعیت کیفیت و سرعت اینترنت نه تنها برای گیمرها که برای کل کاربران کشور بحرانی است. آنها در این گفت‌وگو اعلام کردند که وزارت ارتباطات آن‌قدر روی شبکه محدودیت ایجاد و بسیاری از بازی‌ها را فیلتر کرده است که دیگر آنها حتی انجام بازی به‌عنوان یک سرگرمی را کنار گذاشته‌اند.

 

طرح‌های بی‌نتیجه برای جلب رضایت

پیش از اینکه ابراهیم رئیسی بر صندلی ریاست‌جمهوری کشور تکیه بزند، در اولین مناظره انتخاباتی‌اش با اشاره به عقب بودن ایران در فضای مجازی و اینکه زیرساخت‌های ارتباطی به درستی رشد نکرده‌اند، به مشکلات گیمرها در همین فضا اشاره کرد و گفت: «از جوان‌ها در خانه‌ها سوال می‌کنم، از بچه‌ها سوال می‌کنم، شما دارید گیم بازی می‌کنید، دارید در واقع، بازی کودکانه، نوجوانانه بازی می‌کنید، چقدر وسط بازی حالتان گرفته می‌شود؟ خب مشخص است که زیرساخت‌ها وضعیت خوبی ندارد.» در نهایت او همزمان با وعده توسعه فضای مجازی درصورت پیروزی در انتخابات ریاست‌جمهوری، هر ادعایی در رابطه با فیلتر کردن شبکه‌های اجتماعی باقی‌مانده از جمله اینستاگرام را رد کرد و وعده داد که مشکل پینگ گیمرها را هم حل خواهد کرد.

یک‌سال بعد از این اظهارات، در آذرماه سال گذشته عیسی زارع‌پور، وزیر ارتباطات دولت ابراهیم رئیسی در حاشیه جلسه هیات دولت خبر داد که در راستای وعده انتخاباتی رئیس‌جمهوری برای کاهش پینگ بازی‌ها، CDN صد و پنجاه بازی محبوب وارد ایران شده است. هرچند نام این بازی‌ها هیچ‌گاه به‌صورت شفاف اعلام نشد؛ ولی همان زمان زارع‌پور یک وعده دیگر هم داد و آن این بود که سایتی به زودی رونمایی خواهد شد تا گیمرها در آن نرم‌افزارهایی دانلود کنند تا سرعت بازی‌ها برایشان بهتر شود.

این وعده‌های زارع‌پور در حالی اعلام می‌شد که بسیاری از بازی‌های محبوب گیمر‌ها در سراسر دنیا یا برای کاربران ایرانی توسط سازندگان آن مورد تحریمند یا در ایران فیلتر شده‌اند. برای نمونه درحالی‌که پلتفرم «توییچ»، سرویس پخش زنده ویدئویی یک‌بار در زمستان۱۴۰۰ فیلتر و بعد از مدتی رفع فیلتر شد، مجددا در تابستان سال گذشته و با شروع تعطیلات میلیون‌ها گیمر ایرانی، دوباره فیلتر شد. در کنار آن هم در اواخر خردادماه امسال و باز هم با شروع تعطیلات تابستانی، پلتفرم استریم Kick فیلتر شد. در مقابل این اتفاق‌ها هم وقتی کاربران از وزیر ارتباطات دلیل این فیلترینگ‌ها را جویا شدند، مانند همیشه با یک پاسخ روبه‌رو شدند و آن اینکه فیلتر و رفع فیلتر جزء اختیارات وزارت ارتباطات نیست.

در همین شرایط سال گذشته و در اوج اختلال‌ها و محدودیت‌های بی‌سابقه روی اینترنت کشور، وزیر ارتباطات از راه‌اندازی سامانه «رادار بازی» برای حل مشکل پینگ، سرعت پایین دانلود و به‌روزرسانی بازی‌ها خبر داد؛ سامانه‌ای که در زمان راه‌اندازی، بسیاری از کارشناسان از آن به‌عنوان اینترنت طبقاتی یا VPN سازمانی یاد کردند که هدفش این است که تنها در شرایط فعلی اینترنت کشور، گیمر‌ها را راضی کند تا صدای اعتراض بخشی از جامعه نسبت به وضعیت بد کیفیت و سرعت اینترنت خاموش شود.

هرچند واکنش کاربران در شبکه‌های اجتماعی نشان می‌دهد که «رادار بازی» هم نتوانسته مشکل پینگ و سرعت پایین دانلود و به‌روزرسانی بازی‌‌ها را برای آنها حل کند؛ اما در تازه‌ترین اتفاق هفته گذشته محمد جعفرپور، معاون وزیر ارتباطات و رئیس شرکت ارتباطات زیرساخت در شبکه ویراستی اعلام کرد که برای کاهش پینگ بازی‌ها و بهبود تجربه کاربری گیمرها، یک لینک پرظرفیت جدید در یکی از CDNهای منطقه ایجاد کرده‌اند.

این خبر هم در حالی اعلام شد که از حدود یک سال گذشته، فیلترینگ بسیاری از پلتفرم‌های گیم و اپلیکیشن از جمله گوگل‌پلی مشکلاتی را برای گیمرهای ایرانی ایجاد کرده است.

اینترنتی که دیگر برای بازی مناسب نیست

درحالی‌که مقامات وزارت ارتباطات از تلاش‌های شبانه‌روزی خود برای بهبود وضعیت اینترنت و ایجاد تجربه بهتر حداقل برای گیمر‌ها هنگام انجام بازی خبر می‌دهند، اما گیمر‌ها اعلام می‌کنند که وضعیت اینترنت نه تنها برای آنها که برای هیچ کاربر اینترنتی در کشور بهتر نشده است.

شیرین منظری، گیمر و کارشناس فنی در گفت‌وگو با «دنیای‌اقتصاد» می‌گوید که قطعا وضعیت اینترنت مخصوصا در یک سال اخیر بهتر نشده و به هیچ‌وجه برای او به‌عنوان یک گیمر مناسب نیست. به گفته او، تعداد زیادی از بازی‌ها که قبلا تجربه بازی آن را داشته و هیچ اختلالی نداشتند، در چند ماه گذشته غیرقابل استفاده شده‌اند. او در این زمینه به «دنیای‌اقتصاد» می‌گوید: «مشکل اصلی ما به‌عنوان گیمر، پینگ بالا هنگام بازی است؛ به‌طوری‌که نمی‌توانیم تجربه خوبی از بازی داشته باشیم. هرچقدر هم در اسپیدتست، تست بالایی از سرعت اینترنت داشته باشیم، اما وقتی اختلال روی شبکه باشد و پکت لاس بازی بالا باشد، تجربه خوبی از انجام بازی نداریم.»

او در واکنش به صحبت‌های مدیرعامل زیرساخت که اعلام می‌کند گیمرها از وضعیت اینترنت راضی هستند، توضیح می‌دهد: «این حرف می‌تواند از یک زاویه درست باشد. یعنی با استناد به اینکه بازی‌هایی را که نسخه سرور دارند، اگر روی سرورهای داخل ایران راه‌اندازی کنند (راه‌اندازی یک نسخه شخصی‌سازی‌شده از بازی)، پینگ بازی فوق‌العاده کاهش پیدا می‌کند و سرعت بازی عالی و بدون اختلال می‌شود؛ اما مساله این است که بسیاری از بازی‌ها را می‌خواهیم آنلاین و با کل دنیا بازی کنیم؛ در این شرایط آوردن سرور بازی در داخل ایران کمکی به گیمر نمی‌کند.» براساس توضیحات منظری، دولت تنها سرور بازی‌هایی را به داخل می‌آورد که مورد تایید خودش باشد؛ درحالی‌که این بازی‌ها مورد استقبال گیمر ایرانی نیست. از سمت دیگر او تاکید می‌کند که دولت نمی‌تواند نسخه سرور خیلی از بازی‌ها را به‌دلیل مقیاس بالا به داخل بیاورد و هزینه زیرساختی آن را متقبل شود.

منظری در پاسخ به این سوال که راه‌اندازی «رادار بازی» تا چه حد به تجربه گیمرها هنگام بازی و کاهش پینگ کمک کرده است، می‌گوید: «آخرین باری که آن را چک کردم در دسترس نبود و اساسا هم این سامانه سرویس خاصی ارائه نمی‌دهد. این سامانه یک نوع DNS است که می‌تواند تحریم‌ها را دور بزند که سرویس‌های بهتر در این زمینه مانند شکن یا الکترو را داریم. از طرف دیگر در این سامانه هم لیست محدودی از بازی‌ها وجود دارد که شاید به ۲۰ بازی هم نمی‌رسد. این بازی‌ها هم انتخاب خود وزارتخانه بوده و بازی‌های محبوب قشر جوان و نوجوان نیست.»

به گفته او راه‌اندازی این سامانه‌ها تا زمانی که روی شبکه اختلال شدید وجود دارد نه تنها به گیمرها که به هیچ کاربری کمک نمی‌کند.

ادعای غیرقابل اتکای کاهش پینگ

در همین زمینه میثم خلیل‌زاده، گیمر و کارشناس بازی هم به «دنیای‌اقتصاد» اعلام می‌کند که وضعیت اینترنت از مهر سال گذشته برای هیچ کاربری مناسب نیست و در این زمینه گیمرها هم از این قاعده مستثنی نیستند. به گفته او آنها به‌عنوان یک گیمر در چند مرحله برای انجام بازی مشکل دارند، از دانلود بازی گرفته که به خاطر سرعت و اختلال در اینترنت بارها لغو می‌شود تا بحث تحریم‌های بین‌المللی و از همه بدتر خودتحریمی‌هایی که در ایران ایجاد شده است. به باور او وزارت ارتباطات حداقل در یک سال گذشته تنها روی IPهایی اختلال ایجاد نکرده که در لیست سفید آنها قرار داشته‌اند و هر IP که خارج از این لیست بوده با اختلال مواجه شده است. براساس توضیحات خلیل‌زاده سرورهای بسیار زیادی از بازی‌های ویدئویی در دنیا وجود دارد و طبیعتا وزارت ارتباطات یا هر نهاد دیگری نمی‌تواند تمام این سرورها را باز بگذارد. در نهایت این شرایط باعث می‌شود که وقتی اختلالی روی شبکه ایجاد می‌شود، گیمرها هم هنگام بازی با مشکل مواجه شوند.

طبق اظهارات او، اختلال‌هایی که روی شبکه ایجاد می‌شود حتی باعث شده است سامانه «رادار بازی» وزارت ارتباطات هم در یک اپراتور در دسترس باشد و در اپراتور دیگر دسترسی به آن امکان‌پذیر نباشد. خلیل‌زاده به «دنیای‌اقتصاد» درباره شرایط گیمرها در ایران می‌گوید: «وضعیت اینترنت برای گیمرها‌ واقعا بحرانی است. اینکه می‌گویند از گیمرها شرایط کیفیت اینترنت را بپرسید کاملا اشتباه است، گیمرها شاکی‌ترین بخش جامعه در زمینه وضعیت اینترنت هستند؛ چراکه برای تجربه یک بازی آنلاین نیاز به اینترنت پایدار داریم و این در حالی است که وقتی اینترنت پایدار نباشد و مدام روی آن اختلال باشد، نمی‌توان یک بازی خوب انجام داد.»

او ادامه می‌دهد: «من به‌عنوان یک گیمر از ۴اینترنت در خانه استفاده می‌کنم تا وقتی می‌خواهم با دوستانم خارج از ایران بازی کنم، کمتر به مشکل برخورد کنم. با این شرایط باز هم با مشکل مواجه هستم و مدام باید بین این ۴ اینترنت سوییچ کنم تا بلکه بتوانم با یک کدام بازی کنم. وقتی می‌گویم در شبکه اختلال است به این خاطر است که یک روز یک DNS کار می‌کند، ولی همان DNS روز دیگر از کار می‌افتد و شما را هنگام انجام بازی با مشکل مواجه می‌کند.» به گفته او این شرایط و دستکاری روی شبکه و پیاده‌سازی سیستم فیلترینگ پیچیده باعث می‌شود گیمرها برای انجام بازی خود نتوانند یک راه‌حل ثابت پیدا کنند.

او اشاره مقامات وزارت ارتباطات برای پایین آوردن پینگ بازی‌ها را هم یک مساله نسبی می‌داند و می‌گوید: «ممکن است پینگ یک بازی روی سرورهای داخلی پایین باشد، اما پینگ بازی هنگام انجام آن با بازیکنان دنیا بسیار بالا است. برای مثال پینگ یک بازی برای من ممکن است با خاورمیانه مانند امارات ۵۰ باشد (که این پینگ ۵۰ هم با اینترنت‌های مختلف متفاوت است) ولی وقتی می‌خواهم با سروری در انگلستان بازی کنم، این پینگ به ۱۵۰ برسد یا در آمریکای غربی به ۲۵۰ تبدیل شود یا در آسیا به عدد ۳۰۰ برسد.» همچنین به گفته او پینگ بازی‌ها در ساعات شبانه‌روز هم به‌دلیل دستکاری در پهنای‌باند، اختلال و پایدار نبودن اینترنت روی یک عدد ثابت نمی‌ماند و مدام تغییر می‌کند و همین موضوع باعث عصبانی شدن گیمر‌ها هنگام بازی می‌شود. او کاهش پینگ بازی‌ از سمت وزارت ارتباطات را یک ادعای غیرقابل اتکا می‌داند.

نریمان اسلامی، گیمر هم در گفت‌وگو با «دنیای‌اقتصاد» تاکید می‌کند که وضعیت بازی آنلاین برای آنها در دوسال گذشته بهتر که نشده، بدتر هم شده است. او با ذکر مثالی می‌گوید: «یکی از بازی‌هایی که بازیکنان زیادی دارد Dota ۲ است. این بازی روی بعضی سرویس‌های اینترنت با محدودیت همراه شده و روی آن محدودیت DNS ایجاد کرده‌اند تا نتوان به راحتی آن را بازی کرد. حتما باید DNS را مدام عوض کرد تا بتوان کمی بازی انجام داد که باز هم در این شرایط به خاطر کندی و اختلال روی شبکه نمی‌توان تجربه خوبی از بازی داشت.»

او ادامه می‌دهد: «بعضی از محدودیت‌ها و اختلال‌ها کاملا با برنامه‌ریزی انجام می‌شود. در واقع رویDNS ها محدودیت ایجاد می‌کنند و به بازیکن اجازه نمی‌دهند که با هر DNS بازی کند و می‌گویند اگر می‌خواهید بازی کنید از DNS که ما می‌گوییم مانند رادار بازی استفاده کنید.»

به باور او، سیاست فعلی این است که بازی بدون مشکل محدود و فیلتر شود تا گیمر مجبور به استفاده از سرویس‌های داخلی مانند رادار بازی شود. او معتقد است که آنها به‌عنوان یک گیمر می‌خواهند حق انتخاب داشته باشند؛ اما محدودیت روی اینترنت و اختلال‌های بی‌وقفه روی شبکه حق انتخاب یک بازی بدون دغدغه را از آنها گرفته است.

ایجاد رانت برای یک گروه خاص

کارشناسان و فعالان اینترنتی معتقدند که شرایط اینترنت کشور بدون انجام هیچ تحقیق فنی هم نشان می‌دهد که این اینترنت برای هیچ گروهی، از کاربران معمولی گرفته تا گیمر‌ها و پژوهشگران و توسعه‌دهندگان نرم‌افزار، خوب نیست.

در همین زمینه سعید سوزنگر، کارشناس فنی و امنیت شبکه در گفت‌وگو با «دنیای‌اقتصاد» اعلام می‌کند اینکه با راه‌اندازی یک سامانه مانند «رادار بازی» و انتخاب چند بازی محدود گفته شود، پینگ بازی را کاهش داده‌اند و گیمر‌ها نسبت به گذشته راضی‌تر هستند و نتیجه‌گیری می‌کنند که کیفیت اینترنت خوب است، تنها ایجاد یک رانت برای یک گروه خاص است. به گفته او، اگر هم گیمر‌ها از کیفیت اینترنت راضی باشند، باز هم این موضوع تایید نمی‌کند که اینترنت کشور در وضعیت مطلوبی قرار دارد.

او در این زمینه می‌گوید: «از طریق راه‌های مختلف مانند ایجاد سامانه «راداربازی» صرفا رانت‌هایی برای گروه‌های خاصی از جامعه ایجاد شده و از این طریق هم دسترسی‌های خاصی آن هم فقط به بخشی از بازی‌های مورد تایید سیاستگذار داده می‌شود. در واقع با ارائه اینترنت طبقاتی سعی کرده‌اند مشکل بخش کوچکی از جامعه گیمر‌ها را حل کنند. با این حال شواهد نشان می‌دهد که همین امکاناتی که ایجاد کرده‌اند هم نتوانسته مشکلی هرچند کوچک را از این جامعه حل کند.»

به باور او با وجود اختلال‌ها و فیلترینگ شدید روی اینترنت کشور، وزارت ارتباطات باید بگوید اینترنت را فقط برای آن دسته از گیمرهایی بهتر کرده است که از سامانه مورد تایید خودش استفاده می‌کنند؛ در غیر این صورت شبکه اینترنت کشور اختلال‌های عجیب و غریب خودش را دارد.

فکت‌یار، سامانه راستی‌آزمایی اخبار هم در بررسی‌های خود مشخص کرده است که اظهارات مدیرعامل زیرساخت درباره اینکه گیمر‌ها از کیفیت اینترنت راضی هستند، چندان قابل اثبات نیست. بررسی‌های فکت‌یار نشان می‌دهد که سامانه «راداربازی» تاثیر مثبتی در کاهش پینگ و پکت لاس داشته، اما تعداد بازی‌های این سامانه بسیار محدود است؛ به‌طوری‌که تنها سه بازی از بیست بازی پرمخاطب در ایران در این سامانه وجود دارد. طبق بررسی‌های فکت‌یار، گیمر‌هایی که از ابزارهای داخلی برای بازی استفاده نمی‌کنند و در واقع بخش عمده‌ای از اجتماع گیمرها را هم تشکیل می‌دهند، همچنان مشکلات بسیاری در پینگ، سرعت اینترنت و تحریم بازی‌ها دارند.

 
 

برای کارکنانی که به‌دلیل ناهماهنگی و نداشتن مهارت و انگیزه کم‏‏‌کاری می‌کنند، یک فرآیند ایجاد کنید

مدیریت کارآمد نیروی بهانه‏‏‌‌جو

 

 تاریخ چاپ:
 شماره خبر: ۳۹۹۰۳۱۸

 

مترجم: مریم رضایی
منبع: HBR
 
نیروی کاری را که نتایج ضعیفی ارائه کرده و فقط بهانه می‌‌‌آورد، چطور مدیریت می‌‌‌کنید؟ مسلما فقط عصبانی شدن راه‌حل درستی نیست. مدیریت خرد و دخالت در جزئی‌‌‌ترین کارهای چنین افرادی هم فقط بار کاری شما را زیاد می‌کند و باعث می‌شود برای آنها جا بیفتد که شما مسوول همه چیز هستید و قرار نیست خودشان کاری کنند. بنابراین، وقتی برای سپردن کارها به کسی اعتماد ندارید، گزینه‌‌‌های پیشنهادی شما چیست؟
 
 مدیریت کارآمد نیروی بهانه‏‏‌‌جو
 

گزینه پیشنهادی ما این است که به جای اعتماد کردن به افراد، به فرآیند اعتماد کنید.

بیایید بررسی کنیم که چرا یک نیروی کار ممکن است کارش را خوب انجام ندهد. با این کار، به سرنخ‌‌‌هایی در مورد اینکه یک فرآیند قوی چطور می‌تواند بهانه‌‌‌ها را از بین ببرد، دست می‌‌‌یابیم. اول اینکه ممکن است نیروی شما در مورد اینکه چه انتظاری از او دارید یا انجام یک کار خوب به چه چیزهایی نیاز دارد، هیچ ایده‌‌‌ای نداشته باشد. اینجا بحث بر سر هماهنگی است. دوم، ممکن است نیروی شما دانش یا مهارت‌‌‌های لازم برای انجام وظیفه‌‌‌ای را که به او محول شده نداشته باشد. اینجا بحث قابلیت مطرح است. در نهایت، ممکن است نیروی شما انگیزه کافی برای انجام کارش را نداشته باشد. یک فرد برای موفق بودن، باید بداند چه کاری باید انجام دهد، چگونه باید آن را انجام دهد و بخواهد که انجامش دهد.

 

اگر نیرویی دائما در کارش موفق نیست، یعنی یکی از این ارکان اساسی یا همه آنها، لنگ می‌‌‌زند. کار شما این است که فرآیندی ایجاد کنید که مثل یک داربست عملکرد باشد و هماهنگی، قابلیت و انگیزه نیروی کار را تقویت کند. این فرآیند باید فرد را از لحظه‌‌‌ای که وظیفه‌‌‌ای را به او محول می‌‌‌کنید، تا لحظه‌‌‌ای که کار را تحویل می‌دهد، از او پشتیبانی کند. همچنین باید جای هیچ بهانه‌‌‌ای برای فرد باقی نگذارد. البته مطمئنا اینکه به چه نوع الوارهایی در داربستتان نیاز دارید، به کمبودهای ویژه فرد مورد نظر بستگی دارد.

 در هدف نهایی شفاف و صریح باشید

یکی از دلایلی که کارکنانتان شما را ناامید می‌کنند، این است که نمی‌‌‌دانند چطور کار را عرضه کنند. چیزی که بین مدیران متداول است این است که به اسم سرعت در کار، مکالمه‌‌‌هایی را که پیش از شروع کار برای هماهنگی‌‌‌های بیشتر صورت می‌گیرد کوتاه می‌کنند. اما این عجله کردن می‌تواند برای شما گران تمام شود، به‌‌‌ویژه اگر با کسی طرف باشید که نمی‌توانید روی او حساب کنید. سرمایه‌گذاری روی صحبت‌‌‌های اولیه هماهنگی در کار، امکان عملکرد خوب را فراهم می‌کند و همچنین چارچوب‌‌‌هایی را ارائه می‌کند تا در صورت ادامه عملکرد ضعیف، بتوان به آن رسیدگی کرد.

اول از همه، بر هدف کار متمرکز شوید. وقتی اهداف را به طور دقیق و واضح مشخص می‌‌‌کنید، دیگر جایی برای بهانه‌‌‌تراشی در مورد چشم‌‌‌اندازهای پراکنده، محرک‌‌‌ها یا نتایج نهایی باقی نمی‌‌‌ماند. همچنین اگر با فردی طرف هستید که دید استراتژیک و تصویر کلی ندارد، یا فقط منافع خودش را در نظر می‌گیرد و موفقیت خودش را نسبت به موفقیت تیم اولویت می‌‌‌داند، تعیین دقیق هدف می‌تواند مفید باشد. وقتی می‌‌‌خواهید کاری را که تلاش می‌‌‌کنید به سرانجام برسانید با دیگران در میان بگذارید، این موارد را مشخص کنید: برای چه کسی انجام می‌شود؟ کسی که نفع می‌‌‌برد موفقیت را چطور تعریف می‌کند؟ این کار در چه جایی با اقدامات یا تعهدات دیگر تناسب دارد؟ پاسخ به این پرسش‌‌‌ها، باعث می‌شود فرد دیگر ادعا نکند که نمی‌‌‌دانسته شما چه می‌‌‌خواهید.

به محض اینکه با هدف کار هماهنگ شدید، می‌توانید تصویری از دستاوردهای خوب، بد و غیرقابل قبول ترسیم کنید. اما متاسفانه خیلی از مدیران از این مرحله هم می‌‌‌‌‌‌گذرند. این موضوع در روابط شخصی هم اتفاق می‌‌‌افتد: نمی‌توانید آنچه را که می‌‌‌خواهید به خوبی بیان کنید و از رفتار فرد مقابل ناامید می‌‌‌شوید. و در مورد نیرویی که همین الان هم از او دلسرد هستید، ناتوانی در بیان صریح انتظارات می‌تواند شما را در معرض ناامیدی بیشتر قرار دهد. برای سرمشق دادن در کارشان، یک استاندارد حداقلی را توصیف کنید. چه چیزی را یک موفقیت چشمگیر می‌‌‌دانید؟ چه نتایجی از نظر شما ناراحت‌‌‌کننده‌‌‌ و نشانه شکست هستند؟ پاسخ به این پرسش‌‌‌ها باعث می‌شود احتمال اینکه فرد یک کار بی‌‌‌کیفیت را از نظر خودش «به اندازه کافی خوب بداند» پایین بیاید.  وقتی اهداف را دقیق و روشن مشخص می‌‌‌کنید، بهانه‌‌‌هایی را که ناشی از عدم‌هماهنگی در کار است، از بین می‌‌‌برید.

 یک رویکرد بهینه تنظیم کنید

دلیل مهم دومی که باعث می‌شود یک نیروی کار به خاطر عملکرد ضعیفش بهانه بیاورد، این است که دانش یا مهارت‌‌‌های لازم برای کاری که شما می‌‌‌خواهید ندارد.

اگر نگرانی شما مربوط به شکاف‌‌‌های قابلیت‌‌‌های فرد است، فرآیند شما دیگر نباید به این بپردازد که او باید به چه چیزی برسد، بلکه حالا چگونگی رسیدن مهم است. با توجه به دغدغه‌‌‌های ویژه‌‌‌ای که دارید، چند روش برای رسیدگی به این موضوع پیشنهاد می‌شود.

وقتی شک دارید که نیروی کارتان ممکن است کم‌‌‌کاری کرده باشد یا یکسری اجزای مهم را نادیده گرفته باشد، وارد جزئیات مراحل کارش شوید. رویکردهای موثر را با او به اشتراک بگذارید و نکاتی را از پروژه‌‌‌های گذشته ارائه کنید. اما این اشتباه را نکنید که همه چیز را یک‌‌‌جا بیان کنید. سر تکان دادن طرف مقابل را نمی‌توان فهمیدن کامل او تفسیر کرد. در عوض، از او بخواهید در مورد طرح خودش حرف بزند تا متوجه شوید درخواست شما را چطور پردازش کرده است. سپس می‌توانید با پرسیدن سوالاتی که توجه او را جلب می‌کند، اصلاحات موردنیاز را انجام دهید؛ مثلا «چه اقداماتی انجام می‌‌‌دهی تا مطمئن شوی تامین مالی روی غلتک افتاده است؟» پاسخ به این سوالات، هر بهانه‌‌‌ای را مبنی بر اینکه فرد نمی‌‌‌دانسته چطور از پس پروژه برآید، خنثی می‌کند.

یک احتمال دیگر این است که نگرانی شما به مهارت‌‌‌های فنی طرف ربط نداشته باشد، بلکه الگوهای رفتاری و ارتباطی فرد معضل باشد. اگر نگرانید که چنین افرادی روابط ذی‌نفعان را خراب کنند، به مسائل میان‌‌‌فردی به اندازه مسائل فنی اهمیت بدهید. ذی‌نفعان کلیدی، سهم آنها در پروژه و هر گونه ویژگی‌‌‌های فردی که می‌‌‌دانید را مشخص کنید. چه کسی در تصمیم‌گیری‌‌‌ها نفوذ دارد؟ این افراد به دنبال چه چیزی هستند؟ چه چیزی بر آنها تاثیر می‌‌‌گذارد؟ و به جز افراد تصمیم‌گیر و بانفوذ، فرد را تشویق کنید در مورد اشخاص دیگری که چشم‌‌‌اندازهای ارزشمند دارند، فکر کنند. به سوالاتی که گفته شد پاسخ دهید، تا جلوی بهانه‌‌‌تراشی در مورد پشتیبانی ناکافی یا همکاران بدخلق را بگیرید.

همچنین می‌توانید با فکر کردن در مورد تصمیم‌‌‌هایی که افراد می‌‌‌گیرند و پیش‌‌‌داوری در مورد معیارهای تصمیم‌گیری آنها، شکاف‌‌‌های قابلیت را به حداقل برسانید. به این ترتیب، می‌توانید بیشتر اطمینان داشته باشید که آنها به همان نتیجه‌‌‌ای می‌‌‌رسند که شما تاییدش می‌‌‌کنید.  می‌توانید به شیوه‌‌‌های مختلف موضوع را بررسی کنید، از جمله سوال پرسیدن در مورد معیارهایی که طرف برای تصمیم‌گیری یا بده‌‌‌بستان‌‌‌ها استفاده می‌کند. وقتی یک گزینه بی‌‌‌نقص وجود ندارد، چطور این معیارها را اولویت‌‌‌بندی می‌کنند؟ و برای اینکه بین گزینه‌‌‌های متعدد گیر نکنند، بهتر است مشخص کنید کدام معیارها باید بر نحوه اجرای تصمیم آنها اثر بگذارند.

وقتی در مورد فرآیند به توافق می‌‌‌رسید، خیلی از بهانه‌‌‌هایی را که ناشی از عدم‌قابلیت فرد است، خنثی می‌‌‌کنید.

 پیامدهای منفی را پررنگ‌‌‌تر کنید

در مورد مسائل مربوط به هماهنگی و قابلیت صحبت کردیم. سومین احتمالی که باعث بهانه‌‌‌تراشی افراد می‌شود، نداشتن انگیزه برای انجام کارهاست.

اگر کم‌‌‌کاری به خاطر این است که فرد جاذبه‌‌‌ای در کار حس نمی‌‌‌کند، بر تعهدی که دارد تاکید کنید و مشخص کنید اگر نتواند کارش را درست انجام دهد، چه مشکلاتی ممکن است پیش بیایند.

اگر لازم است کمی انگیزه بیشتر ایجاد کنید، هم گزینه چماق را دارید و هم هویج. وقتی سیاست هویج را در پیش می‌‌‌گیرید، به او می‌‌‌فهمانید که اگر کارش را درست انجام دهد، دستاوردهای مثبت مختلفی خواهد داشت؛ مثلا اینکه اعتبارش برای فرصت‌‌‌های شغلی آینده بیشتر می‌شود.

 از طرف دیگر، اگر سیاست چماق را در پیش بگیرید، باید پیامدهای منفی کارش را لیست کنید. و در صورت امکان، با صحبت کردن در مورد مسائلی که باعث می‌شود فرد از کارش لذت ببرد و اگر کارش را خوب انجام دهد چه پاداش‌‌‌هایی می‌گیرد، یکسری پاداش‌‌‌های درونی به آن پیامدهای بیرونی، اضافه کنید.

یک مساله دیگر در مورد انگیزه افراد وجود دارد که باید خودتان را برای آن آماده کنید: برخی افراد پر از جنب و جوش کارشان را شروع می‌کنند، اما با اولین مشکل و چالشی که ظاهر می‌شود، تسلیم می‌‌‌شوند.

در چنین مواردی، فرآیند شما باید از قبل یک پلن B داشته باشد، تا فرد را در برابر موانع ایزوله کند. کمی زمان بگذارید تا مشکلاتی را که ممکن است پیش بیایند پیش‌بینی کنید.

 فکر می‌‌‌کنید چه مسائلی ممکن است مطرح شوند؟ کارکنان شما چطور قرار است این نوع مشکلات را مدیریت کنند؟ مشخص کنید چه شرایطی باعث می‌شود فرد سراغ شما بیاید و انتظار دارید چه کارهایی را خودش به طور مستقل انجام دهد. پرداختن به این مشکلات و موانع احتمالی، نشان می‌دهد شما انتظار دارید که فرد در برابر این مشکلات مقاومت کند.

وقتی پیامدها را بیان می‌‌‌کنید، انگیزه را تقویت می‌‌‌کنید.

اگر فردی را مدیریت می‌‌‌کنید که دائما شما را ناامید می‌کند و بهانه می‌‌‌آورد که هیچ‌‌‌چیز تقصیر او نبوده، انرژی خود را به این امید که او به طرز معجزه‌‌‌آسایی به فردی قابل اعتماد تبدیل شود، هدر ندهید.

در عوض، روی فرآیندی کار کنید که خودش آنها را در مسیر قرار دهد و بهانه‌‌‌ها را حذف کند. بعد از آن، اگر نیروی کاری همچنان نتوانست کارش را درست انجام دهد و دوباره به «اما، اگر، چون....» روی آورد، دیگر همه ابزارهای لازم برای ترتیب دادن یک گفت‌‌‌وگوی مدیریت عملکرد را در اختیار دارید.

 
صفحه14 از365