براساس یافته‌هایی مطالعه‌ای جدید، نخستین شهاب‌واره‌ای که از فضای میان‌ستاره‌ای به زمین اصابت کرد و درمجموع، دومین بازدیدکننده‌ی میان‌ستاره‌ای شناخته‌شده تاکنون، احتمالا به‌تازگی کشف شده است. به‌گفته‌ی پژوهشگران، عبور شهاب‌واره‌های میان‌ستاره‌ای از کنار زمین، ممکن است اتفاق رایجی باشد. این اجرام به‌طوربالقوه می‌توانند به سفر حیات از ستاره‌ای به ستاره‌ای دیگر کمک کنند.

نخستین بازدیدکننده‌ی شناخته‌شده از فضای میان‌ستاره‌ای، جرم سیگاری‌شکلی به‌نام امواموا بود که در سال ۲۰۱۷ شناسایی شد. دانشمندان از روی سرعت و خط سیر این جرم ۴۰۰ متری که نشان می‌دهد احتمالا از ستاره‌ای دیگر یا شاید دو ستاره آمده باشد، به منشأ آن پی بردند.

به‌گفته‌ی اَوی لوب، رئیس دپارتمان نجوم در دانشگاه هاروارد، انتظار می‌رود عبور بازدیدکنندگان میان‌ستاره‌ای کوچک‌تر از فضای اطرافمان اتفاق معمول‌تری باشد و میزان اصابت احتمالی آن‌ها به زمین نیز به‌اندازه‌ای باشد که بتوان به وجودشان پی برد. اکنون لوب و امیر سراج، دانشجوی دوره‌ی کارشناسی در دانشگاه هاروارد و نویسنده‌ی اصلی مقاله، اشاره کرده‌اند ممکن است چنین شهاب‌واره‌ی میان‌ستاره‌ا‌ی را به‌عنوان دومین بازدیدکننده‌ی میان‌ستاره‌ای شناخته‌شده‌ی منظومه‌ی شمسی شناسایی کرده باشند.

دانشمندان در مطالعه‌ی خود، فهرست مرکز مطالعات اجرام نزدیک زمین را تجزیه‌وتحلیل کردند که دربردارنده‌ی رخداد‌های شهاب‌واره‌ای شناسایی‌شده به‌وسیله‌ی حسگرهای دولت ایالات متحده است. دراین‌زمینه، آن‌ها بر بررسی سریع‌ترین شهاب‌واره‌ها تمرکز کردند؛ زیرا سرعت زیاد نشان‌دهنده‌ی آن است که شهاب‌واره به‌طوربالقوه ازلحاظ گرانشی وابسته به خورشید نیست؛ از‌این‌رو، احتمال دارد که از خارج از منظومه‌ی شمسی نشئت گرفته باشد.

پژوهشگران در ادامه شهاب‌واره‌ای را با پهنای تقریبا ۰.۹ متر شناسایی کردند که ۸‌ژانویه‌ی‌۲۰۱۴ در ارتفاع ۱۸.۷ کیلومتری برفراز منطقه‌ای نزدیک به یکی از جزایر پاپوآ گینه‌نو به‌نام جزیره‌ی مانوس در اقیانوس آرام‌جنوبی کشف شده بود. به‌گفته‌ی دانشمندان، سرعت این جرم حدودا ۲۱۶ هزار کیلومتربرساعت بود و خط سیر آن نشان می‌داد که از خارج از منظومه‌ی شمسی به نزدیکی ما آمده است.

لوب به خبرگزاری اسپیس‌دات‌کام گفت:

می‌توانیم از اتسمفر زمین به‌عنوان آشکارسازی برای شهاب‌واره‌هایی استفاده کنیم که به‌منظور مشاهده به‌ طریق دیگر بسیار کوچک هستند.

طرح مفهومی هنری از جرم میان‌ستاره‌ای امواموا که در سال ۲۰۱۷ کشف شد

سرعت شهاب‌واره‌ی شناسایی‌شده نشان می‌دهد این جرم در سفر خود، سرعتش را به‌‌کمک گرانش احتمالی عمق منظومه‌ای سیاره‌ای یا ستاره‌ای در قرص ضخیم کهکشان راه شیری افزایش داده است. لوب گفت:

تصور کنید اگر این شهاب‌واره‌ها از منطقه‌ی سکونت‌پذیر ستاره‌ای بیرون رانده شده باشند، به انتقال حیات از منظومه‌ای سیاره‌ای به منظومه‌ای دیگر می‌توانند کمک کنند.

دانشمندان داده‌های تقریبا ۳۰ ساله را تجزیه‌وتحلیل کردند. آن‌ها علاوه‌بر شهاب‌واره‌ی میان‌ستاره‌ای مذکور، به دو شهاب‌واره‌ی دیگر نیز اشاره کردند که سرعت حرکتشان تقریبا به‌اندازه‌ی جرم اولیه بود. بااین‌حال، سراج و لوب خاطرنشان کردند مدار این دو شهاب‌واره نشان‌دهنده‌ی وابستگی گرانشی به خورشید است. همچنین، مشخص نبود آن‌ها نیز اجرامی میان‌ستاره‌ای هستند یا خیر.

با فرض اینکه زمین هر ۳۰ سال یک‌بار یا بیشتر، سه شهاب‌واره را با منشأ احتمالی میان‌ستاره‌ای مشاهده می‌کند، پژوهشگران برآورد کردند در هر واحد نجومی در کهکشان ما، از چنین اجرامی تقریبا یک‌میلیون وجود دارد. یک واحد نجومی یا AU متوسط فاصله‌ی بین زمین و خورشید (۱۵۰ میلیون کیلومتر) است. این نشان می‌دهد هر ستاره‌ی نزدیکی ممکن است تقریبا ۶۰ میلیارد تریلیون از چنین سنگ‌هایی را از منظومه‌اش به بیرون پرتاب کرده باشد که معادل ۰.۲ تا ۲۰ برابر جرم زمین است. به‌گفته‌ی لوب، ۱۰ میلیارد تریلیون رقم تقریبی ستارگان قابل‌مشاهده است.

بنابر اعلام سراج و لوب، تجزیه‌وتحلیل بقایای گازی شهاب‌واره‌های میان‌ستاره‌ای هم‌زمان با سوختن آن‌ها در اتمسفر زمین می‌تواند جزئیاتی درباره‌ی ترکیب اجرام میان‌ستاره‌ای به ما بدهد. لوب گفت در آینده، اخترشناسان ممکن است بخواهند سامانه‌ی هشداری راه‌اندازی کنند که به‌صورت خودکار به تلکسوپ‌ها یاد می‌دهد شهاب‌واره‌های درحال‌حرکت با سرعت‌های زیاد را شناسایی کنند تا بقایای گازی‌شان تجزیه‌و‌تحلیل شود. او گفت:

از روی آن می‌توانیم به ترکیب‌های شهاب‌واره‌های میان‌ستاره‌ای پی ببریم.

دانشمندان یافته‌های خود را در مقاله‌ای شرح دادند که برای نشریه‌ی اخترفیزیکی ارسال شده است. برای مطالعه‌ی نسخه‌ی چاپی مقاله به‌صورت رایگان می‌توانید به این نشانی مراجعه کنید.

درحالی‌که اخبار رسیده حاکی از در پیش‌بودن تغییرات در نحوه‌ی عرضه‌ی بنزین و تغییر در قیمت این فراورده نفتی حکایت می‌کند، ساعاتی پیش اطلاعیه جدید دولت درباره‌ی کارت سوخت منتشر شد. شرکت ملی پخش فراورده‌های نفتی ایران با صدور اطلاعیه‌ای اعلام کرد:

مالکان خودرو و موتورسیکلت که به هر دلیلی کارت سوخت ندارند، می‌توانند از ساعت ۲۴ مورخ ۸اردیبهشت، با مراجعه به سامانه www.mob.gov.ir و همچنین اپلیکیشن دولت همراه یا کد دستوری #۴*، تقاضای خود را به‌منظور دریافت کارت سوخت ثبت کنند.

اطلاعیه‌ی شرکت ملی پخش تأکید می‌کند مالکان خودروهای عمومی و دولتی و مالکان خودروها در استان سیستان‌و‌بلوچستان که پیش‌ازاین در دفاتر پلیس+۱۰ درخواست خود را ثبت کرده‌اند، به مراجعه به سامانه نیاز ندارند و کارت سوخت به نشانی آن‌ها ارسال خواهد شد. درضمن، تمام مراحل ثبت‌نام صرفا غیرحضوری و ازطریق سامانه دولت همراه انجام می‌شود.

رئیس کمیسیون اقتصادی مجلس شورای اسلامی در حالی از تصمیم‌گیری‌نشدن درباره افزایش قیمت بنزین در جلسه شورای عالی هماهنگی اقتصادی قوا خبر داد که جدیدترین اخبار تأییدنشده حاکی از تغییر نرخ بنزین به رقم ۲۵۰۰ تومان در آینده‌ی نزدیک است. با قوت‌گرفتن احتمال افزایش قیمت بنزین، بازار گمانه‌زنی‌ها نیز در‌این‌زمینه داغ‌تر شده است. در جدیدترین اخبار شنیده‌شده، قیمت ۲۵۰۰ تومان با سهمیه‌ی ۶۰ لیتر در ماه به‌عنوان گمانه‌زنی ویژه درباره‌ی تصمیم دولت‌مردان مطرح می‌شود؛ اما برخی نیز هنوز بر قیمت احتمالی ۱۵۰۰ تومان با سهمیه‌ی ۴۰ لیتر در ماه پافشاری می‌کنند.

بااین‌حال، نمایندگان مجلس نظر دیگری دارند و افزایش قیمت بدون گذر از صحن بهارستان را غیرمحتمل می‌دانند.  در‌این‌باره علی بختیار، عضو کمیسیون انرژی مجلس نیز اخیرا گفته بود:

مجلس در سال ۱۳۹۸ تصمیمی درباره‌ی افزایش قیمت بنزین یا سهمیه‌بندی آن نگرفته است. تنها بحثی که مطرح‌ شد درزمینه‌ی جبران خسارات ناشی از سیل بود که مجلس ۲۰۰ تومان نرخ بنزین یا گازوئیل را افزایش دهد و مانع برداشت منابعی از صندوق توسعه ملی شود که به نتیجه‌ای نرسید. بنابراین، آنچه در مجلس می‌گذرد، مخالفت با سهیمه‌بندی و افزایش نرخ بنزین در سال ۱۳۹۸ است.

درمقابل، محمدرضا پورابراهیمی به جلسه‌ی دیروز شورای عالی هماهنگی اقتصادی قوا اشاره کرد و گفت:

در جلسه‌ی روزهای گذشته، درباره‌ی قیمت بنزین بحث و گفت‌وگویی نشد. فعلا درباره‌ی سناریوهای سهمیه‌بندی بنزین صحبتی نمی‌کنم؛ زیرا به التهاب در بازار دامن می‌زند. 

با تمام این‌ها، به‌نظر می‌رسد عزم دولت در افزایش قیمت و سهمیه‌بندی بنزین جدی است و تصمیم نهایی نیز در ساعات یا روزهای آینده اعلام شود. برخی اخبار تأییدنشده نیز از اعلام تصمیم نهایی دولت طی امروز خبر می‌دهند.

شرکت Mil-Spec تجربه‌ی زیادی در تیونینگ و ارتقاء مدل‌های مختلف هامر دارد. بیشتر فعالیت این شرکت نیز روی مدل H1 هامر است. جدیدترین محصول Mil-Spec نیز مانند خودروهای قبلی براساس هامر H1 ساخته شده و قرار است تنها به تعداد بسیار محدود ۱۲ دستگاه از این خودرو تولید شود. این مدل نیز یکی از خودروهای سری Launch Edition است و برای آن قیمت ۲۹۵ هزار دلار تعیین شده است. این خودرو ششمین خودرو از سری Launch Edition است.

مانند دیگر هامرهای این سری، در این مدل نیز کف خودرو با صفحات آلومینیومی پوشیده شده است و تمام بخش‌های بدنه نیز از جنس آلومینیوم با کیفیت صنایع هوایی ساخته شده‌اند. برای این هامر H1 جدید یک سیستم تعلیق بادی از نوع تنظیم‌شونده‌ طراحی شده است که ۸ تنظیم مختلف دارد.

باتوجه‌به ظاهر تهاجمی که این مدل دارد، Mil-Spec باید یک پیشرانه درخور این ظاهر نیز درنظر بگیرد. در این بخش تیونر کار خود را به نحو احسن انجام داده است و یک موتور توربودیزل ۶.۶ لیتری دورامکس روی این خودرو نصب کرده‌اند که می‌تواند ۵۰۰ اسب‌بخار قدرت و ۱۳۵۶ نیوتون‌متر گشتاور تولید کند. قدرت پیشرانه با کمکجعبه‌دنده‌ی ۶ دنده‌ی دستی به هر دو محور انتقال پیدا می‌کند. جعبه‌دنده‌ی این خودرو برای اینکه با قدرت بسیار بالای این موتور همخوانی داشته باشد، مورد تقویت و بهینه‌سازی قرار گرفته است. دنده کمکی دو سرعته‌ی هامر Mil-Spec نیز ساخت شرکت ARB است و برای دیفرانسیل عقب هم یک قفل با مکانیزم بادی نصب شده است. با این مشخصات تقریبا هیچ چیزی جلودار هامر Mil-Spec نخواهد بود. برای متوقف کردن خودرو نیز از ترمزهای قدرتمند ساخت Wilwood استفاده شده است.

این مدل همانند دومین خودرو این سری از یک سقف زاویه‌دار در بخش عقبی برخوردار است. یک اسنورکل آلومینیومی روی این خودرو سوار شده تا در هنگام عبور از رودخانه بتواند هوای موتور را تأمین کند. سپر جلو نیز تغییر یافته و سپرهای چند تکه‌ی بزرگ در جلو و عقب نصب شده‌اند. در بالای سقف نوار چراغ LED قرار گرفته و تقریبا تمامی عرض بالای شیشه را پوشانده است. رینگ‌های ۲۰ اینچی این خودرو هم با نام BLack Rhino Armory شناخته می‌شوند و روی آن‌ها لاستیک‌های آفرود۳۷ اینچی قرار گرفته‌اند.

درون کابین هامر Mil-Spec همه‌چیز به رنگ سیاه است. تودوزی خودرو هم چرمی مشکی بوده و دستگیره‌های در با نمونه‌های جدیدی تعویض شده‌اند. کف خودرو در صورت کثیف شدن به‌راحتی تمیز می‌شود. تیونر از مواد عایق بندی خاصی در کابین استفاده کرده است تا سروصدای کم‌تری شنیده شود. استفاده از این عایق‌های صوتی درون سقف نیز مشاهده می‌شود. از آنجایی که هامر H1 اتاق بسیار بزرگی دارد، برای سرنشینان جلو و عقب این خودرو سیستم‌ تهویه‌ی جداگانه نصب شده است.

موپار واحد خودروهای قدرتمند دوج اقدام به معرفی رسمی پیشرانه‌ی Hellephant برای عرضه‌ی مستقل به بازار کرد. این پیشرانه سوپرشارژر همی (Hemi) می‌تواند ۱۰۰۰ اسب‌بخار قدرت و ۱۲۸۸ نیوتون‌متر تولید کند. پیشرانه‌ی Hellephant در نمایشگاه سما ۲۰۱۸ رونمایی شده بود.

قیمت پایه‌ی این پیشرانه ۳۰ هزار دلار است. به‌گفته‌ی مدیر بخش قطعات موپار، رونمایی از پیشرانه‌ی Hellephant در نمایشگاه سما با استقبال بی‌نظیری شروع شد و بیش از یک هزار نفر برای خرید این پیشرانه ابراز تمایل کردند. این موتور برای اینکه بتواند ۱۰۰۰ اسب‌بخار قدرت تولید کند، تغییراتی را تجربه کرده است که شامل مواردی چون افزایش حجم موتور به ۶.۹۸ لیتر، افزایش قطر سیلندرها، استفاده از بلوک آلومینیومی و یک سوپرشارژر جدید می‌شود.

سایر بخش‌های ارتقایافته‌ی این پیشرانه شامل واتر پمپ، فلایویل، کارتل روغن، انژکتورها، دریچه‌ی گاز و کوئل‌ها هستند. کیت موتور نیز که به‌صورت جدا فروخته می‌شود، شامل PCM، سیستم تقسیم نیرو، سیم‌کشی سفارشی، پدال گاز جدید، سنسور اکسیژن، پمپ بنزین با کنترل الکترونیکی و CAN هستند.

خریداران دوج می‌توانند موتور جدید موپار را روی تمامی دوج‌های سواری و شاسی بلندی که پیش از سال ۱۹۷۶ تولید شده‌اند، نصب کنند. شرکت سازنده این پیشرانه را روی دوج چارجر ۱۹۶۸ نصب کرده و رونمایی کرده بود.

کره‌ی شمالی هر سال در ماه مارس، یک روز را به درختکاری اختصاص داده است؛ اما این سؤال مطرح می‌شود که آیا این اقدام به کشوری که به‌شدت دچار جنگل‌زدایی شده است و مردمش با کمبود مواد غذایی،‌ بلایای طبیعی مخرب و سرمای سوزان زمستان مواجه هستند، کمکی خواهد کرد؟ در سال ۱۹۴۶ که کره‌ی شمالی تحت حکومت مستقیم شوروری بود،‌ این روز به‌عنوان تعطیل رسمی اعلام شد و درحال‌حاضر رسانه‌ی مورد تأیید دولت همچنان این موفقیت به اصطلاح بزرگ را گرامی می‌دارد و گاهی اوقات رهبر کره‌ی شمالی نیز در آن شرکت می‌کند.

حتی با وجود کاشت درخت‌های جدید، امرارمعاش ازطریق قطع درختان و جنگل‌زدایی تأثیر نامطلوبی بر کیفیت خاک و همچنین توانمندی کشور برای تأمین مواد غذایی مردم گذاشته است. بنجامین کاتزف سییلبرستین از دانشگاه پنسیلوانیا که به مطالعه‌ی نظارت و کنترل اجتماعی در کره‌‌ی شمالی پرداخته است، می‌گوید:

مردم به‌منظور مصارف سوختی و همچنین ایجاد فضای بیشتر برای کشاورزی، در مقیاسی گسترده اقدام به قطع درختان کرده‌اند. وقتی در مرز مشترک کشور چین یا کره‌جنوبی با کره‌ی شمالی بایستید،‌ این موضوع را مشاهده خواهید کرد،‌ جایی که شما هستید مملو از درخت و بسیار سرسبز است؛ درحالی‌که در آن‌سوی مرز و در کره‌ی شمالی تپه‌ها تقریباً خالی از هرگونه پوشش گیاهی هستند.

مشکل قطع درختان در کره‌ی شمالی صرفاً بخشی از یک بحران زیست‌محیطی بزرگ‌تر است. این کشور منزوی که به‌خاطر تهدیدهای جدی جنگ هسته‌ای در دنیا مطرح است، با خشکسالی‌ و سیل‌های مخرب فلج‌کننده‌ دست‌و‌پنجه نرم می‌کند. برخی متخصصان معتقدند که این وضعیت در اثر تغییرات اقلیمی تشدید شده و کیم جونگ اون،‌ رهبر این کشور را برای نشستن بر سر میز مذاکره با آمریکا برای لغو تحریم‌های اقتصادی تحت فشار قرار داده‌ است. طبق اعلام دولت کره‌ی شمالی، پوشش جنگل‌ها در قحطی دهه‌ی ۱۹۹۰ به‌میزان قابل‌توجهی نابود شد و در چند سال اخیر از ۸٫۳ به ۷٫۶ میلیون هکتار رسیده است. در پژوهشی از پژوهشگران دانشگاه ویسکانسین در میلواکی در سال ۲۰۱۴ و مطالعه‌ی مؤسسه‌ی Gyeonggi Research که با کمک داده‌های ماهواره‌ای وزارت محیط زیست کره‌جنوبی انجام شد،‌ نشان داده شد که جنگل‌های کره‌ی شمالی درحال تجزیه‌شدن هستند و پوشش پیوسته‌ی درختان کمتر شده است. این موضوع برای حیات‌وحش کره‌ی شمالی خوب نیست؛ چراکه منجر به از بین رفتن سطح خاک می‌شود و به‌تبع، این کشور نمی‌تواند مواد غذایی مورد نیاز مردم را تأمین کند.

فقدان پوشش گیاهی بدان معنا است که ریشه‌ای برای حفظ خاک در جای خودش و ممانعت از ریزش آن به درون رودخانه‌ها و جریان‌های آب در طول رویدادهای شدید آب‌و‌هوایی وجود ندارد. کره‌ی شمالی به‌جای واردات مواد غذایی، به کاشت آن‌ها روی آورده؛ هرچند وضعیت جغرافیایی کشور، این موضوع را پیچیده‌ کرده است. سازمان خواربار و کشاورزی سازمان ملل متحد می‌گوید که فقط ۱۷ درصد از خاک این کشور برای کشاورزی مناسب است. بیر ماندال،‌ نماینده‌ی این سازمان در کره‌ی شمالی می‌گوید:

این کشور کوهستان‌های زیادی با دامنه‌های شیب‌دار دارد که در بسیاری از نقاط دچار جنگل‌زدایی شده‌اند. درنتیجه وقتی فاجعه‌ای طبیعی رخ می‌دهد، امکان افزایش شدت تخریب‌ها وجود دارد.

کره‌ی شمالی در یک دهه‌ی اخیر شاهد سیل‌ها، خشکسالی‌ها، طوفان‌ها و سایر رویدادهای شدید آب‌و‌هوایی بوده که منجر به تخریب محصولات کشاورزی و کشته‌شدن احشام شده و این موضوع ریزش کوه‌ها، تخریب اراضی و همچنین گرسنگی مردم را به‌همراه داشته است. براساس برآورد سازمان خواربار و کشاورزی و برنامه‌ی جهانی غذا،‌ منابع غذایی کره‌ی شمالی در سال گذشته ۹ درصد کاهش یافته است. قطع درختان برای امرارمعاش در گذشته یکی از مشکلات سراسر شبه‌جزیره‌ی کره بود و جنگ دو کره در اوایل دهه‌ی ۱۹۵۰ منجر به تخریب بیشتر درختان هر دو کشور شد. ویلیام براون، افسر بازنشسته‌ی سیا که در دهه‌های ۱۹۵۰ و ۱۹۶۰ در کره‌جنوبی بود، می‌گوید: «محیطی بدون پوشش گیاهی به‌وجود آمده بود.»

جنگل‌های کره‌جنوبی در دهه‌های پس از جنگ به‌لطف سیاست‌های احیای جنگل و  سختگیری در قبال قطع غیرمجاز درختان، مجدداً بازسازی شد و اکنون پوشش جنگلی آن بیشتر از دهه‌ی ۱۹۲۰ شده است. بااین‌حال کره‌ی شمالی برای تأمین سوخت و افزایش زمین کشاورزی در دوران قحطی، به برداشت از جنگل‌ها ادامه داد. دراین‌میان «مارس دشوار» در دهه‌ی ۱۹۹۰ رخ داد و سیستم توزیع مواد غذایی کره‌ی شمالی را از هم پاشید؛ به‌طوری‌که برخی مردم به خوردن پوست درختان روی آوردند. تأثیر قحطی بر محیط‌زیست این کشور یکسان نبوده است. وونساپ چوئی، پژوهشگر دانشگاه ویسکانسین در میلواکی با استفاده از داده‌های ماهواره‌ای، پژوهشی در سال ۲۰۱۷ انجام داد که نشان می‌داد مارس دشوار، تأثیر مختصری بر پوشش جنگلی کلی کره‌ی شمالی داشته، اما تغییرات قابل‌ملاحظه‌ای در پوشش زمین به‌وجود آورده است. در طی دهه‌های ۱۹۹۰ و ۲۰۰۰ به‌نظر می‌رسید که جنگل‌های برخی مناطق از بین رفته‌اند، درحالی‌که برخی دیگر بیش‌ازحد رشد کرده بودند که علت آن احتمالاً به مرگ جمعیت زیادی از مردم و به‌تبع آن عدم‌زراعت روی زمین‌های تحت کشت برمی‌گشت. وونساپ چوئی می‌گوید:

هرگونه تلاشی برای تفسیر یافته‌های مربوط‌به تغییرات زمین، برپایه‌ی حدس و گمان خواهد بود؛ چراکه این داده‌ها محدود هستند و مسلماً رفتن به این کشور و مشاهده‌ی آنچه در شرف وقوع است، تقریباً غیرممکن است.

کره‌ی شمالی گاهی اوقات به پژوهشگران خارجی اجازه‌ی مشاهده‌ی وضعیت داخل کشور را می‌دهد، به‌خصوص اگر این اقدام به موضوعات مورد توجه دولت مربوط باشد. مقوله‌ی جنگل‌زدایی و سلامت خاک از اولویت‌های این رژیم به‌شمار می‌رود و به‌نظر می‌رسد که کیم جونگ اون، معاون وزیر مصالح ساختمانی و ساخت‌و‌ساز را به‌خاطر مخالفت با او در زمینه‌ی کاهش جنگل‌زدایی، اعدام کرده است.

نورمن نورتیر که در سال ۲۰۱۳ مدیر مرکز علم، فناوری و سیاست‌های امنیتی انجمن آمریکایی برای پیشرفت علم بود، اجازه‌ی ورود یک هیئت علمی کوچک به پیونگ‌یانگ برای کنفرانسی دو روزه درباره‌ی جنگل‌زدایی و سلامت خاک را دریافت کرد. آن‌ها موفق به بازدید از محلی در خارج از پایتخت کره‌ی شمالی شدند. او فقط اجازه‌ی آوردن ۱۵ متخصص را داشت که بیشتر از ۵ نفر آن‌ها نباید آمریکایی می‌بودند. نورمن نورتیر که اکنون مشاور ارشد مرکز دیپلماسی علمی در انجمن آمریکایی برای پیشرفت علم است، می‌گوید که تجربه‌ی خوبی برایش بوده است. 

مارگارت پالمر، مدیر مرکز ملی تلفیق اجتماعی-زیست‌محیطی دانشگاه مریلند، این سفر را تجربه‌ای عجیب عنوان می‌کند. او می‌گوید:

نیازی که در زمان ورود به این کشور احساس می‌کردیم و آنچه که باور داشتیم می‌توانیم انجام دهیم، گفتگوی غیررسمی و صریح با آن‌ها بود. آن‌ها باید مشکل خود را با ما در میان می‌گذاشتند و می‌گفتند چه کاری از عهده‌شان ساخته است تا بتوانیم به‌ آن‌ها مشاوره دهیم؛ اما در عوض آن‌ها مثل اجراکنندگان یک نمایش بودند که اغلب به تمجید از دیدگاه زیست‌محیطی رهبر این کشور می‌پرداختند. سطح علمی پایینی هم داشتند و در اکثر مواقع فقط درباره‌ی کاشت درختان صحبت می‌کردند.

آن‌ها دانشمندان را در زمان استراحت وسط کنفرانس از شرکت‌کنندگان کره‌ی شمالی جدا می‌کردند و زمانی‌که پالمر (متخصص رودخانه که در زمینه‌ی موضوعات خاک مشاوره می‌دهد) سعی کرد به برگزارکننده‌ی جلسه، فلش درایوی با محتوای ادبیات علمی بدهد، نیروهای امنیتی فلش را با خود بردند. بعد از کنفرانس،‌ این گروه با اتوبوس برای بازدید از سنترال نرسری (Central Nursery) کشور رفتند که به پرورش ذخایر ویژه‌ی بذر و نگه‌داری از حیات‌وحش اختصاص داشت. این مرکز منبع تولید نهال برای برنامه‌ی ملی کاشت درختان بود و نورتیر می‌گوید که میزبان به آن‌ها لوازم پیشرفته‌ای را نشان داد که امکان حمل این نهال‌ها را در مسافت‌های طولانی بدون خشک‌شدن فراهم می‌کرد. او می‌گوید: «باوجودی که تحت‌تأثیر قرار می‌گیرید که این واقعاً برنامه‌ی خوبی است؛ اما نمی‌توان بزرگی آن را حدس زد و به‌عنوان مثال مشخصاً نمی‌توان گفت که چه تعداد درخت در طول یک سال کاشته می‌شود. فقدان تجهیرات کافی و این واقعیت که نهال‌ها با استفاده از ابزارهای ابتدایی کاشته می‌شدند، من را نسبت به آمار و ارقام میزبان درباره‌ی تولیداتشان به شک انداخت.

سواری در بیرون از پیونگ‌یانگ مفیدتر بود. به‌غیر از تعدادی تراکتور قدیمی متعلق به اواسط قرن بیستم،‌ اکثر کارهای کشاورزی ظاهراً به‌صورت دستی انجام می‌شد. بسیاری از افرادی که روی زمین کار می‌کردند، زنان بودند؛ زنی در جلو دهانه‌ی گاو را می‌گرفت و زنی در عقب همراهش بود؛ هرچند مردهایی نیز مشغول کاشتن بذر و کشیدن گاوآهن  به‌چشم می‌خوردند. کارگران لاغر و نحیف بودند و بسیاری از آن‌ها شاخه‌ یا برگ درختان را روی پشت خود گذاشته بودند؛ زیرا تبلیغات آن‌ها را متقاعد کرده بود که حمله‌ی نیروهای آمریکایی قریب‌الوقوع است و آن‌ها به این روش سعی در استتار خود داشتند.»

پالمر دعوت‌ سفر مجدد به کره‌ی شمالی را نپذیرفت، اما نورمن نورتیر در فاصله‌ی سال‌های ۲۰۰۶ تا ۲۰۱۷ پنج سفر به این کشور داشت و حتی در یکی از سفرهایش، درختی کاشت و در سفر بعدی برای دیدن آن رفت. او دستور ممنوعیت سفر به کره‌ی شمالی توسط ترامپ در سال ۲۰۱۷ را که در پی مرگ دانشجوی آمریکایی در زندان کره‌ی شمالی رخ داد، به باد انتقاد گرفت. او معتقد است که تبادلات علمی، یک هدف ژئوپولیتیکی مهم دارند و می‌گوید:

ما مشتاق انجام هر نوع پروژه‌ی مشترک قابل قبول هستیم،‌ زیرا معتقدیم که این همکاری مبنایی برای صلح خواهد بود.

نورتیر به مدت دو سال در آزمایش لرزه‌ای کوه پکتو شرکت داشت، آتشفشانی در نزدیکی مرز کره‌ی شمالی با چین که از اوایل دهه‌ی ۲۰۰۰ نشانه‌هایی از فعالیت را نشان می‌داد. چین و کره‌ی شمالی هر دو نگران این قضیه بودند، اما اطلاعات مربوطه را به اشتراک نگذاشتند تا اینکه پژوهشگران بین‌المللی به آن ورود کردند. او می‌گوید:

برنامه‌ی مختصری برای انجام پژوهش‌های بیشتر وجود داشت. علاوه‌براین چین نیز برای اولین‌بار درحال برقراری رابطه با کره‌ی شمالی است؛ اما درحال حاضر همه‌چیز متوقف شده است. فعلاً منتظر هستیم تا ببینیم آیا توافق هسته‌ای اتفاق می‌افتد یا خیر و سپس به کار خود ادامه می‌دهیم.

تاریخچه‌ی هوش مصنوعی عموما درباره‌ی ماشین‌آلاتی تعریف می‌شود که در گذر زمان هوشمندتر شده‌اند. آنچه در تاریخچه‌های مرسوم گم شده، تأثیر انسان بر پیشرفت ماشین‌ها بوده است؛ اینکه ماشین‌های هوشمند چگونه توسط ذهن‌ها و دستان انسانی طراحی شده، آموزش می‌بینند و ساخته می‌شوند.

در این مقاله‌ی زومیت قصد داریم تاریخی ناگفته از هوش مصنوعی را تعریف کنیم. تاریخی که چگونگی تأثیر نوآوران، مخترعان، متفکران، کارگران و حتی هکرها را در ساخت الگوریتم‌هایی با قابلیت شبیه‌سازی ذهن و رفتار انسان، شرح می‌دهد. اگرچه اخبار جدید از پیشرفت هوش مصنوعی و توانایی کار کردن آن‌ها بدون نیاز به انسان، جذاب به نظر می‌رسد، اما درنهایت نباید فراموش کنیم که ماشین‌های هوشمند هم در بهترین حالت به‌خوبی ذهن انسان هستند.

قسمت اول: چارلز ببیج و ترک

در سال ۱۷۷۰ و در بارگاه ماریا ترسا، ملکه‌ی اتریش مخترعی به‌نام ولفگانگ کمپلن ماشینی با قابلیت انجام بازیشطرنج معرفی کرد. کمپلن اختراع خود را ترک (Turk) نامیده بود. دستگاه او رباتی شبیه به انسان با ابعادی تقریبا طبیعی و ساخته شده از چوب افرا بود. کمپلن لباسی شبیه به عثمانی‌ها برای رباتش طراحی کرده و آن را پشت یک میز چوبی مجهز به صفحه‌ی شطرنج نصب کرده بود.

کمپلن ادعا می‌کرد که ماشینش توانایی شکست دادن همه‌ی افراد حاضر در دربار را دارد. یکی از مشاوران ملکه چالش رقابت با آن را پذیرفت. مخترع ربات شطرنج‌باز به پشت دستگاه رفت و مکانیزم ساعت‌مانند آن را به حضار نشان داد. مجموعه‌ای از چرخدنده‌ها و اهرم‌ها داخل ترک بودند و کمپلن نیز با یک کلید، آن را آماده‌ی فعالیت کرد. ترک زنده شد و دست چوبی خود را برای اولین حرکت بالا آورد. پس از ۳۰ دقیقه ربات چوبی توانست رقیب خود را شکست دهد.

ربات ترک دستاورد بزرگی برای کمپلن محسوب می‌شد. او در سال‌های بعد به سرتاسر اروپا سفر کرد و نابغه‌های متعدد آن سال‌ها را در رقابت شکست داد. بنجامین فرانکلین و فردریک کبیر از افرادی بودند که توسط ربات ترک شکست خوردند. پس از مرگ کمپلن در سال ۱‍۸۰۴، یک دانشجو و ابزارساز آلمانی به‌نام یوهان نپوموک ملزل ربات را خریداری کرد و تور جهانی رقابت را ادامه داد.

یکی از افرادی که برخوردی نزدیک با ربات ترک داشت، چارلز ببیج، مهندس و ریاضیا‌دان مشهور بریتانیایی بود. او در سال ۱۸۱۹ دو مرتبه با ربات بازی کرد و شکست خورد. تام استندیج، تاریخچه‌‌ای کامل از ربات ترک نوشت. او در جایی گفته بود که ببیج اعتقاد داشت ربات مذکور هوشمند نیست و شاید فردی در داخلش آن را کنترل می‌کند.

ببیج درست حدس زده بود. کمپلن و ملزل هر کدام اساتید شطرنجی را استخدام کرده بودند تا در کابینت مخصوص ترک نشسته و بازی را انجام دهند. استاد مخفی‌شده در کابینت، با استفاده از تصویر آینه‌ای صفحه‌ی شطرنج حرکات رقیب را مشاهده می‌کرد.

فردی که در داخل ربات ترک مخفی می‌شد، با استفاده از مکانیزمی به‌‌نام پانتوگراف بازوی آن را حرکت می داد. پانتوگراف مجموعه‌ای از پولی و تسمه بود که حرکت دست بازیکن اصلی را به حرکت بازوی ربات در بالای کابینت تبدیل می‌کرد. بازیکن با استفاده از یک اهرم و چرخاندن آن، انگشتان ربات را باز و بسته می‌کرد و مهره‌ها را حرکت می‌داد. در کابینت مذکور ساختاری تعبیه شده بود که در زمان نشان دادن جزئیات داخل آن، بازیکن اصلی مخفی شود.

ببیج پس از آنکه به حقه‌ی ربات شک کرد، برخلاف افراد دیگر هم‌عصرش تلاشی برای افشای آن انجام نداد. درعوض به‌نظر می‌رسد رویارویی او با ربات تقلبی، زمینه‌های تفکر درباره‌ی هوش مصنوعی را در ذهنش ایجاد کرده باشد.

ریاضی‌دان مشهور بریتانیایی کمی پس از رویارویی با ربات ترک طراحی ماشین‌حساب مشهور خود را شروع کرد. هدف او از ساختن ماشین Difference Engine این بود که جداول لگاریتمی بدون خطا را به‌صورت خودکار محاسبه کند. اولین ماشین او حدود ۴ تن وزن و ۲۵ هزار قطعه‌ی فلزی داشت. ببیج در میانه‌ی راه، طراحی و ساخت ماشین را متوقف کرد تا به ساخت دستگاهی پیچیده‌تر به‌نام Analytical Engine بپردازد.

ماشین جدید ببیج شامل بخش‌هایی به‌نام Store و Mill بود که مانند حافظه و پردازنده‌ عمل می‌کردند. به‌علاوه ظرفیت تفسیر دستورالعمل‌های برنامه‌نویسی به‌کمک کارت‌های پانچ‌شده هم در آن لحاظ شده بود.

بیج ابتدا تصور می‌کرد که ماشین جدیدش به‌عنوان نسخه‌ای پیشرفته‌تر از ماشین تفاضل کار خواهد کرد. البته همکار مشهوری آدا لاولیس به این نکته پی برد که قابلیت برنامه‌ریزی ماشین تحلیلی جدید، کاربرد جامع‌تری به آن می‌دهد. او در جایی گفته بود که ماشین ببیج زمینه‌های ظهور نوعی شاعرانه از علم را فراهم خواهد کرد که ریاضی‌دانان بتوانند با برنامه‌نویسی، انجام کارها را به ماشین‌ها یاد بدهند. لاولیس پیش‌بینی کرده بود که ماشین‌ها خواهند توانست موسیقی‌هایی استادانه نیز تولید کنند.

دانشمند بریتانیایی درنهایت با همکار خود (اولین برنامه‌نویس تاریخ) هم‌عقیده شد. او به این نتیجه رسید که ظرفیت بالای ماشینی عمومی می‌تواند تغییراتی عظیم در جهان ایجاد کند و توانایی انجام کارهایی بیشتر از محاسبه‌ی اعداد خواهد داشت.

ذهن ببیج در زمان بررسی ظرفیت‌های ماشین هوشمندش، به رقابت با ربات ترک معطوف شد. او در سال ۱۸۶۴ در یادداشت‌هایش نوشت که دوست دارد با استفاده از نشانه‌گذاری مکانیکی، چالش‌های جدیدی را حل کند:

من پس از بررسی‌های بسیار، اختراع ماشینی را به‌عنوان هدف انتخاب کردم که توانایی انجام موفق یک بازی با مهارت‌های فکری کامل همچون شطرنج را داشته باشد.

باوجود آنکه هیچ ارتباط فنی بین ربات ترک و ماشین ببیج وجود ندارد، امکان هوشمند شدن یک ماشین که توسط جعبه‌ی کمپلن نشان داده شد، احتمالا الهامی برای ببیج بود تا تفکری کاملا جدید درباره‌ی ماشین‌ها پیدا کند. همکار ببیج، سر دیوید بروستر بعدها درباره‌ی ترک نوشت:

آن اسباب‌بازی‌های خودکار که زمانی برای سرگرمی عوام استفاده می‌شدند، اکنون در توسعه‌ی قدرت و پیشرفت جامعه‌ی بشری به کار می‌روند.

رویارویی ببیج با ربات ترک در سال‌های ابتدایی تاریخ رایانش نشان می‌دهد که گاهی اوقات، عناصر جذاب عمومی و اخبار پیرامون آن‌ها با نوآوری همسو می‌شوند. به‌علاوه درسی دیگر هم از آن می‌گیریم که هوشمندی اهداشده به ماشین‌ها تقریبا همیشه وابسته به مهارت‌های انسانی است که نادیده می‌مانند.

قسمت دوم: زنان برنامه‌نویس و اولین کامپیوتر الکترونیکی آمریکا

در ۱۴ فوریه‌ی سال ۱۹۴۶، روزنامه‌نگارها در دانشکده‌ی مهندسی مور دانشگاه پنسیلوانیا گردهم آمدند تا شاهد رونمایی از اولین نمونه‌ از کامپیوترهای اختصاصی دیجیتالی الکترونیکی باشند؛ کامپیوتری به‌نام ENIAC یا Electronic Numerical Integrator and Computer.

آرتور برکس، ریاضی‌دان و مهندس ارشد تیم انیاک مسئول نمایش ظرفیت‌های ماشین جدید بود. او ابتدا ۵ هزار عدد را به کمک کامپیوتر با هم جمع کرد که در یک ثانیه انجام شد. او سپس نشان داد که ماشین الکترونیکی توانایی محاسبه‌ی بردار حرکت یک بمب را در زمان بسیار کوتاهی دارد.

خبرنگاران حاضر در مراسم رونمایی شیفته‌ی قابلیت‌های کامپیوتر جدید شدند. آن‌ها گزارش دادند که برکس تنها باید یک دکمه را فشار می‌داد تا ماشین زنده شود و وظیفه‌ای را در زمان بسیار کوتاه انجام دهد؛ کاری که قبلا چند روز زمان از انسان‌ها می‌گرفت.

آنچه که خبرنگاران در مراسم رونمایی از انیاک ندیدند یا به بیان بهتر از آن‌ها مخفی شد، فعالیت برنامه‌نویسی گروهی ۶ نفره از زنان بود؛ فعالیتی که در پشت هوشمندی ظاهری کامپیوتر قرار داشت و به‌نوعی انقلابی در صنعت رایانش بود. این زنان قبلا به‌نوعی فعالیت‌های کامپیوتر را انجام می‌دادند.

برنامه‌ی ساخت ماشینی برای محاسبه‌ی بردار حرکتی بمب، در سال‌های ابتدایی جنگ جهانی دوم تدوین شد. دانشکده‌ی مهندسی مور با آزمایشگاه تحقیقات بالستیک (BRL) همکاری می‌کرد. در آن آزمایشگاه، تیمی متشکل از ۱۰۰ کامپیوتر انسانی آموزش دیده بودند تا جداول مربوط‌به سلاح‌‌های توپخانه‌ای را محاسبه کنند.

وظیفه‌ی افراد حاضر در BRL برای محاسبه‌ی جداول، نیاز به مهارت‌های ریاضیاتی بالا داشت که شامل توانایی حل معادلات غیرخطی دیفرانسیل، استفاده از تحلیل دیفرانسیل و خط‌کش محاسبه می‌شد. در آن سال‌ها رایانش به‌عنوان کاری دفتری محسوب می‌شد و وظیفه‌ای بود که برای مهندسان مرد، خسته‌کننده بود. به‌همین دلیل، آزمایشگاه BRL زنان را برای محاسبات استخدام کرد که اکثرا مدارک دانشگاهی و استعدادهای ریاضیاتی بالا داشتند.

با پیشرفت جنگ، توانایی پیش‌بینی مسیر پرواز بمب‌ها بیش‌از‌پیش با استراتژی‌های جنگی هماهنگ شد. به‌همین دلیل، BRL تحت فشار زیادی گرفت تا نتایج مورد انتظار نظامیان را ارائه کند.

در سال ۱۹۴۲، فیزیک‌دان مشهور جان ماکلی طرحی برای ساخت ماشین‌‌حساب الکترونیکی قابل برنامه‌ریزی با اهداف خاص ارائه کرد که فرایندهای بالا را به‌صورت خودکار انجام دهد. تا ماه ژوئن سال ۱۹۴۳، ماکلی با همکاری مهندس برق جی پرسپر اکرت، سرمایه‌ی مورد نیاز برای ساخت ENIAC را دریافت کرد.

هدف اصلی از ساخت کامپیوتر الکترونیکی، جایگزینی صدها کامپیوتر انسانی حاضر در BRL بود تا فرایند محاسبه را سریع‌تر و با بازدهی بالاتر انجام دهند. به‌هرحال مالکی و اکرت به این نتیجه رسیدند که ماشین جدید آن‌ها باید به‌کمک کارت‌های پانچ‌شده برنامه‌نویسی شود تا بردارهای پرتابه‌ای را محاسبه کند. تکنیک مورد نظر، تا سال‌ها توسط IBM برای برنامه‌نویسی ماشین‌های دیگر استفاده شد.

ادل و هرمان گلدشتاین، زوجی بودند که فرایند رایانش انسانی را در BRL مدیریت می‌کردند. آن‌ها پیشنهاد دادند که قوی‌ترین ذهن‌های حاضر در گروهشان، انجام وظیفه‌ی برنامه‌نویسی را بر عهده بگیرند. درنهایت ۶ زن انتخاب شدند: کتلین مک‌نالتی، فرانسس بیلاس، بتی جین جنینگر، روث لیکترمن، الیزابت اشنایدر و مرلین وسکاف. آن‌ها از کامپیوترهای انسانی به اپراتورهای ماشین جدید ارتقاء یافتند.

اولین وظیفه‌ی گروه ۶ نفره این بود که با تمامی جزئیات داخلی و خارجی ENIAC‌ آشنا شوند. آن‌ها مدارک و نقشه‌های اولیه‌ی ماشین را مطالعه کردند تا مدارها، منطق و ساختار فیزیکی را به بهترین نحو درک کنند. نکات زیادی برای یادگیری گروه وجود داشت. ماشین انیاک، ۳۰ تن وزن داشت و ۱۴۰ متر مربع را اشغال کرده بود. بیش از ۱۷ هزار لامپ خلأ به همراه ۷۰ هزار مقاومت، ۱۰ هزار خازن، ۱۵۰۰ رله و ۶ هزار سوئیچ دستی در آن استفاده شده بود.

تیم ۶ نفره از زنان برنامه‌نویس وظیفه‌ی انجام تنظیمات و جابه‌جایی سیم‌کشی ماشین برای انجام محاسبات خاص را برعهده داشتند. به‌علاوه، مدیریت تجهیزات کارت‌های پانج‌شده و دیباگ کردن فرایندها نیز بر عهده‌ی آن‌ها بود. وظایف مذکور برخی اوقات نیازمند وارد شدن کامل به ساختار فیزیکی ماشین بود تا لامپ خلأ یا سیم دچار مشکل در آن تعویض شود. 

انیاک تا موعد مقرر آماده نشد تا مسیر پرتابه‌‌ی بمب‌ها را در زمان جنگ محاسبه کند. البته کمی پس از جنگ مأموریت جدیدی توسط جان فون نیومن برای دستگاه تعریف شد تا محاسبات هم‌جوشی هسته‌ای را انجام دهد. چنین کاربرد جدیدی نیازمند بیش از یک میلیون کارت پانچ‌شده بود. فیزیک‌دانانی از لوس آلاموس با تکیه بر مهارت برنامه‌نویسی اپراتورها برای انجام پروژه‌ی جدید متحد شدند؛ برنامه‌نویس‌هایی که با انجام آن حجم از عملیات، ناآشنا نبودند.

با وجود همکاری شدید زنان برنامه‌نویس در توسعه‌ی کامپیوتر اولیه، همکاری آن‌ها آن‌چنان که باید و شاید دیده نشد. به خاطر آنکه برنامه‌ریزی ماشین در آن زمان کاری شبیه به رایانش انسانی بود، فعالیت‌های زنان به‌عنوان عملی جانبی و کم‌اهمیت جلوه داده شد. رهبران فیزیک‌دان پروژه و مهندسان ارشد، روی طراحی و ساخت سخت‌افزارها متمرکز شدند که از نظر آن‌ها برای آینده‌ی رایانش حیاتی بود.

به‌خاطر دلایل گفته‌شده در بالا، زمانی‌که انیاک به‌صورت نهایی در سال ۱۹۴۶ رونمایی شد، ۶ اپراتور زن در مراسم حاضر نبودند. آن سال‌ها، زمان طلوع جنگ سرد بود. ارتش آمریکا نیز همه‌ی تلاش خود را می‌کرد تا برتری فناورانه‌ی خود را نشان دهد. با رونمایی از انیاک به‌عنوان ماشینی خودکار و هوشمند، مهندسان به‌نوعی سلطه‌ی خود را بر حوزه‌های جدید نشان دادند، اما نیروی انسانی درگیر در آن را مخفی کردند.

تاکتیک روابط عمومی آمریکایی‌ها در رونمایی از انیاک موفقیت‌آمیز بود و پوشش رسانه‌ای دهه‌های آتی در حوزه‌ی رایانش را به خود اختصاص داد. در اخباری که پیرامون انیاک در سرتاسر جهان پخش شد، ماشین در مرکز قرار داشت و به‌عنوان «مغز الکترونیک»، «جادوگر» و «مغز رباتیک ساخته‌ی انسان» شناخته می‌شد. 

به‌هرصورت، اشاره‌های کوتاهی به فعالیت‌های طاقت‌فرسای گروه ۶ نفره‌ی اپراتورهای زن در پشت‌صحنه‌ی دستگاه شد؛ همان گروهی که در میان سیم‌ها و لامپ‌های خلأ بی‌شمار دستگاه انیاک حتی زندگی کردند و به‌نوعی باعث پیاده‌سازی هوش نهایی شدند.

قسمت سوم: خطاهای عمدی کارگزار هوشمند آلن تورینگ

در سال ۱۹۵۰ و ظهور عصر دیجیتال، آلن تورینگ مشهورترین مقاله‌ی خود به‌نام «Computing Machinery and Intelligence» را منتشر کرد. او در مقاله‌ی خود سؤال مشهور «آیا ماشین‌ها می‌توانند فکر کنند» را مطرح کرد.

تورینگ به‌جای تلاش برای توصیف کلمه‌های «ماشین» و «فکر کردن»، روشی جدید برای پاسخ دادن به سؤال ابداع کرد که از یک بازی قدیمی به‌نام «بازی تقلید» الهام می‌گرفت. قوانین بازی ابتدا تصور می‌کرد که یک زن و مرد در اتاق‌های مجزا با استفاده از یادداشت‌های دست‌نویس با یک قاضی ارتباط برقرار می‌کنند. قاضی باید هویت افراد را حدس بزند. کار آنجا دشوار می‌شود که مرد تلاش می‌کند رفتارها و نوشته‌های زنانه تقلید کند.

تورینگ با الهام از قوانین بالا یک آزمایش فکری طراحی کرد که مسابقه‌دهنده یک کامپیوتر بود. اگر کامپیوتر را به‌گونه‌ای برنامه‌نویسی کنیم که توانایی به اشتباه انداختن قاضی را داشته باشد، می‌توان آن را هوشمند نامید. درواقع، ماشینی هوشمند خواهد بود که افراد در ارتباط با آن نتوانند تشخیص دهند با ماشین یا انسان روبه‌رو هستند.

آزمایش فکری درنهایت به‌نام «آزمایش تورینگ» شناخته شد. آزمایشی که تا امروز هم یکی از شناخته‌شده‌ترین و بحث‌برانگیزترین مفاهیم هوش مصنوعی محسوب می‌شود. دلیل اصلی ماندگار بودن تست مذکور این است که پاسخی روشن به سؤال «آیا ماشین‌‌ها می‌توانند فکر کنند؟» می‌دهد. اگر کامپیوتری بتواند تست را با موفقیت پشت سر بگذارد، پاسخ برای آن مثبت خواهد بود.

فیلسوف مشهور، دنیل دنت اعتقاد دارد آزمایش تورینگ برای پایان دادن به بحثی فلسفی پیرامون ماشین‌ها طراحی شد. او دراین‌باره می‌گوید:

به‌جای آنکه پیرامون طبیعیت و ذات فکر کردن بحث کنیم، بهتر است به این توافق برسیم که هر چیزی بتواند تست مذکور را با موفقیت پاسخ دهد، آن طبیعیت (فکر کردن) را دارد.

مطالعه‌ی دقیق‌تر آزمایش تورینگ، جزئیاتی را مشخص می‌کند که ابهام بیشتر در آزمایش را به همراه دارد. درواقع احتمالا تورینگ به‌جای شرح دادن آزمایشی کاربردی، به‌دنبال ایجاد چالشی پیرامون هوشمندی ماشین‌ها بوده است. دانشمند بزرگ بریتانیایی در بخشی از مقاله‌ی خود، ماهیت و رفتار احتمالی ماشین هوشمندی را در آینده مثال زد. در مثال زیر، انسان از ماشین سؤال می‌پرسد و ماشین پاسخ می‌دهد:

سؤال: لطفا شعری درباره‌ی پل چهارم در اسکاتلند بنویس.

پاسخ: من را از این کار معاف کنید. من توانایی نوشتن شعر ندارم.

سؤال: ۳۴۹۵۷ را با ۷۰۷۶۴ جمع کن.

پاسخ: (پس از ۳۰ ثانیه مکس)، ۱۰۵۶۲۱.

سؤال: آیا تو شطرنج بازی می‌کنی؟

پاسخ: بله.

سؤال: من فقط مهره‌ی پادشاه را دارم که در موقعیت K1 قرار دارد. تو پادشاه را در موقعیت K6 و قلعه را در موقعیت R1 داری. نوبت بازی تو است.

پاسخ: (پس از ۱۵ ثانیه)، قلعه به موقعیت R8، مات.

در مثال بالا، کامپیوتر اشتباهی در بحث ریاضی مرتکب شد. مجموع صحیح عددهای مورد سؤال ۱۰۵۷۲۱ می‌شود. به‌نظر نمی‌رسد دانشمند بزرگی همچون تورینگ، چنین اشتباهی را مرتکب شده باشد. به‌احتمال زیاد هدف او قرار دادن نکته‌‌ای مخفی در مقاله بوده است.

تورینگ در ادامه‌ی مقاله‌ی خود توضیح می‌دهد که اشتباه محاسباتی حقه‌ی برنامه‌نویسی است تا قاضی را در بازی تقلید با اشتباه روبه‌رو کند. تورینگ به این نتیجه رسید که اگر خواننده‌های مقاله متوجه اشتباه شوند، با خود تصور می‌کنند که مخاطب در سؤال‌های بالا، انسان باشد؛ چرا که چنین اشتباهاتی از ماشین محاسباتی بعید به نظر می‌رسد. درنتیجه تورینگ گفت که ماشین‌ها را می‌توان به‌ گونه‌ا‌ی برنامه‌نویسی کرد که به عمد، اشتباهاتی را انجام دهند؛ اشتباهاتی که تصور انسان بودن آن‌ها را در ذهن مخاطبان افزایش دهد.

ایجاد اشتباه عمدی در برنامه‌نویسی‌ها در سال ۱۹۵۰ عملی تقریبا غیرممکن به نظر می‌رسید، اما همین مفهوم مبنای طراحی‌های متعدد حوزه‌ی پردازش زبان شد. به‌عنوان مثال در ژوئن ۲۰۱۴ چت‌باتی به‌نام یوجین گوستمن به‌عنوان اولین ماشین با توانایی پذیرفته شدن در آزمایش تورینگ معرفی شد. البته، کارشناسان به‌سرعت متوجه شدند که یوجین به‌خاطر استفاده از حقه‌ای درونی موفق به انجام آن کار شده است.

یوجین شبیه به کودکی ۱۳ ساله بود که انگلیسی را به‌عنوان زبان دوم صحبت می‌کرد. درنتیجه اشتباهات در ترکیب حروف و گرامر از سوی آن به‌خاطر سن کم و بالغ نبودن برداشت می‌شد. درواقع می‌شد اشتباهات چت‌بات و هوش مصنوعی را از توانایی پردازش زبان دور کرد.

داستان مشابه دیگر برای هوش مصنوعی Duplex و در سال گذشته‌ی میلادی رخ داد. وقتی هوش مصنوعی محصول گوگل آواهایی همچون اوهوم و آها را تکرار می‌کرد، منتقدان آن‌ها را سرشار از هوش بالا ندانستند. آن‌ها معتقد بودند این رفتارها تنها حقه‌های برنامه‌نویسی بوده‌اند تا شک و تردید انسانی را در رفتار ماشین تقلید کنند.

مثال‌های بالا تأییدی بر ایده‌ی تورینگ هستند که ماشین‌ها با اشتباهات ساختگی می‌توانند توهم هوش انسانی را در افراد ایجاد کنند. برنامه‌نویس‌های یوجین گوستمن و دوپلکس هم مانند تورینگ به این نتیجه رسیدند که نشانه‌هایی سطحی از جایزالخطا بودن انسانی در ماشین‌ها، برای فریب دادن مخاطبان نسبت به هوش مصنوعی، کاربردی خواهد بود.

شاید آزمایش تورینگ به‌صورت خاص به هوشمندی ماشین نمی‌پردازد بلکه به تصور و درک ما از هوشمند بودن یک پدیده اشاره دارد. تورینگ دراین‌باره می‌گوید:

ایده‌ی هوشمندی به‌صورت ذاتی احساسی و نه ریاضیاتی است. هوشمند بودن یا نبودن یک پدیده همان‌قدر که به وضعیت آن بستگی دارد، به حالت ذهنی و نحوه‌ی آموزش و آگاهی ما نیز وابسته است.

شاید هوشمندی پدیده‌ای نباشد که بتوان داخل یک ماشین برنامه‌نویسی کرد. احتمالا تورینگ نیز تلاش کرده تا هوشمندی را به‌عنوان کیفیتی تعریف کند که حاصل ارتباطات اجتماعی است.

قسمت چهارم: لیکلایدر و هوش ترکیبی

در تاریخ ۲۹ اکتبر سال ۱۹۶۹، دانشجویی از دانشگاه UCLA پیامی دوحرفی از یک کامپیوتر SDS Sigma 7 به ماشینی دیگر در صدها کیلومتر آن‌طرف‌تر و دانشگاه استنفورد در منلو پارک ارسال کرد. پیامی که تنها حاوی کلمه‌ی «LO» بود. دانشجوی موردنظر قصد داشت تا کلمه‌ی LOGIN را ارسال کند، اما شبکه‌‌ی آرپانت که مسئولیت ارسال پیام‌ها را داشت، لحظه‌ای دچار اشکال شد و به‌عبارتی پکت سوئیچینگ به‌طور کامل انجام نشد.

در تاریخ اینترنت، ارسال پیامی که به‌صورت ناقص به مقصد رسید، به‌عنوان ورود به عصری تازه در دنیای ارتباطات آنلاین شناخته می‌شود. به‌هرحال آنچه که کمتر دیده می‌شود، در زیرساخت فنای آرپانت نهفته است؛ چشم‌اندازی مهم که آینده‌ی هم‌زیستی انسان-ماشین را شرح می‌داد و توسط فردی به‌‌نام جی‌سی‌آر لیکلایدر توسعه یافت.

لیکلایدر سابقه‌ای در علم روانشناسی داشت و در سال‌های پایانی دهه‌ی ۱۹۵۰ به کامپیوترها علاقه‌مند شد. او علاقه‌مند به چگونگی تقویت هوش جمعی انسان‌ها به کمک ماشین‌های جدید شده بود. به‌همین دلیل، تصمیم گرفت تا مطالعاتی جدی در علم نوی هوش مصنوعی در آن سال‌ها داشته باشد. او پس از تحقیقات اولیه متوجه شد که برنامه‌نویس‌ها تلاش می‌کنند تا مهارت‌های کنونی انسانی همچون بازی شطرنج یا ترجمه‌ی لغات و عبارات را به هوش مصنوعی بیاموزند. البته هدف اجرای بهینه‌تر مهارت‌ها بود.

مفهوم آموزش مهارت‌های موجود به ماشین‌ها، توسط لیکلایدر به‌صورت کامل پذیرفته نشد. از نظر او مشکل در آنجا بود که روش‌های موجود، انسان و ماشین را موجوداتی برابر می‌دانستند. لیکلایدر باور داشت که انسان و ماشین در ظرفیت‌ها و توانایی‌های شناختی تفاوت‌هایی اساسی دارند. انسان‌ها در فعالیت‌های خاصی همچون خلاق بودن و تلاش برای قضاوت بهتر توانایی بیشتری دارند. درحالی که کامپیوترها در فرایندهایی همچون به خاطر سپردن داده‌ها و پردازش، توانمندتر هستند.

لیکلایدر به‌جای تلاش برای تقلید رفتارهای انسانی توسط ماشین‌ها، رویکردی را پیشنهاد کرد که انسان و ماشین در آن همکاری کنند و هر کدام از نقاط قوت منحصربه‌فرد بهره ببرند. او اعتقاد داشت که استراتژی جدید، تمرکز را از رقابت بین هوش‌های انسانی و مصنوعی (مانند بازی شطرنج) بر می‌دارد. درنتیجه، فرم‌هایی غیرقابل تصور از هوشمندی با بهره‌گیری از همکاری شکل خواهد گرفت.

در سال ۱۹۶۰، مقاله‌ای تحت عنوان «Man Machine Symbiosis» توسط لیکلایدر نوشته شد که در بخشی از آن می‌خوانیم:

امید می‌رود که در آینده‌ای نه‌چندان دور، مغز انسانی و ماشین‌های رایانشی با هم ترکیب محکمی را شکل دهند. همکاری آن‌ها هوشمندی را به همراه خواهد داشت که نوعی تفکر برتر از تفکر همه‌ی انسان‌ها عرضه خواهد کرد. به‌علاوه داده‌ها توسط هوش جدید به‌نوعی پردازش می‌شوند که هیچ ماشینی تا به امروز توانایی آن را نداشته است.

لیکلایدر سیستمی متشکل از کامپیوترها، تجهیزات شبکه و اپراتورهای انسانی را به‌عنوان نمودی از هوش ترکیبی خود می‌دانست. سیستمی که به‌‌نام SAGE یا Semi-Automatic Ground Environment شناخته می‌شد و ۲ سال قبل از انتشار مقاله‌ی او برای ردگیری تجهیزات هوایی آمریکا شروع به کار کرد.

در سال ۱۹۶۳، لیکلایدر به پستی مدیریتی در سازمان تحقیقات پیشرفته‌ی وزارت دفاع آمریکا ARPA (دارپای امروزی) رسید و فرصت پیاده‌سازی برخی از ایده‌های خود را پیدا کرد. او به‌طور اختصاصی روی ایده‌ای به‌نام Intergalactic Computer Network کار می‌کرد.

لیکلایدر به این نتیجه رسیده بود که در ARPA به راهکاری مفید برای به‌روز نگه داشتن تیمی متشکل از ماشین‌ها و انسان‌ها دارد تا با تغییرات ایجادشده در زبان‌های برنامه‌نویسی و پروتکل‌ها هماهنگ باشند. شبکه‌ی ارتباطی که این بخش‌ها را در فواصل دور به هم وصل کند، پاسخی روشن به نیاز لیکلایدر بود. چالش رسیدن به چنان شبکه‌ای مانند مواردی بود که در داستان‌های علمی-تخیلی دیده می‌شد. او از خود می‌پرسید که چگونه می‌توان ارتباط را بین موجوداتی کاملا بی‌ربط به‌هم ایجاد کرد.

آرپا به‌صورت کامل روی پروژه‌های سرمایه‌گذاری کرد تا ایده‌های لیکلایدر اجرا شوند، اما او قبلا سازمان را ترک کرده بود. به‌هرحال ایده‌های او پایه‌گذار تلاش‌ها برای توسعه‌ی شبکه‌‌ی ARPANET یا همان مادر اینترنت شد. با پیشرفت شبکه‌ی موجود و شکل‌گیری اینترنت به‌صورتی که امروزه می‌شناسیم، مفاهیم بیش‌ازپیش به سمت همکاری مغزهای انسانی و ماشینی می‌رفت. کاربران و کارشناسان به‌مرور شاهد همکاری بیشتر انسان‌ها و بازیگران محصول فناوری می‌شدند تا اینکه فرانسیس هیلیگن، سایبرنتیسیست بلژیکی از اصطلاح «مغز جهانی» برای ترکیب جدید استفاده کرد.

امروزه بسیاری ازپیشرفت‌های صورت‌گرفته در کاربردهای یادگیری ماشینی با استفاده از شبکه‌های همکاری انسان و ماشین شکل می‌گیرد. به‌عنوان مثال در صنعت حمل‌ونقل شاهد تلاش‌هایی برای همکاری بیشتر انسان و ماشین و دستیابی به فرایندی بهینه برای حمل‌ونقل کالاها هستیم. در مثالی دیگر می‌توان اوبر را بیان کرد که ترکیبی از هوش انسانی و ماشینی را برای بهبود روند حمل‌ونقل مسافر پیاده‌سازی می‌کند.

مثال‌های زیادی از همزیستی ماشین و انسان و دستیابی به هوش بهینه در دنیای امروز وجود دارد. با‌این‌حال هنوز هم گرایش عمومی هوش ماشینی را به‌عنوان کیفیتی معرفی می‌کند که به یک ابرکامپیوتر با توانایی‌های شناختی در سطح انسانی تعلق دارد. به‌هرحال، آینده‌ی سایبورگ (ترکیب انسان و ماشین) که لیکلایدر تصور کرده بود، به‌نوعی به حقیقت پیوسته است. ما امروز در دنیایی پر از هم‌زیستی ماشین و انسان زندگی می‌کنیم که روان‌شناس آمریکایی زمانی با عبارت «زندگی درکنار یکدیگر و با همکاری صمیمی یا حتی اتحادی قوی بین دو ارگانیسم» توصیف کرده بود. به‌هرحال لیکلایدر به‌جای تمرکز روی ترس از جایگزین شدن توسط ماشین‌ها، ما را با مفهومی از همکاری و ظرفیت‌های مرتبط با آن آشنا می‌کند.

قسمت پنجم: تعصب الگوریتمی

در دهه‌ی ۱۹۷۰، دکتر جفری فرانگلن از دانشکده‌ی پزشکی دانشگاه سینت جورج، طراحی الگوریتمی را برای نظارت روی فرم‌های پذیرش دانشجوها شروع کرد. در آن سال‌ها سه‌چهارم از ۲۵۰۰ فرم درخواست پذیرش سینت جورج از سوی ارزیاب‌های دانشگاه رد می‌شدند و تنها دلیل رد شدن نیز فرم‌های نوشته‌شده بود. درواقع آن فرم‌ها حتی به مرحله‌ی مصاحبه هم نمی‌رسیدند. البته ۷۰ درصد از افرادی که مرحله‌ی اول را به‌خوبی پشت سر می‌گذاستند، به موقعیت‌هایی در دانشکده‌ی پزشکی می‌رسیدند. درنتیجه مرحله‌ی ارزیابی و حذف اولیه از اهمیت بالایی برخوردار بود.

فرانگلن به‌عنوان معاون سینت جورج و همچنین ارزیاب فرم‌های پذیرش فعالیت می‌کرد. خواندن فرم‌های پذیرش زمان زیادی از او و همکارانش می‌گرفت و فرانگلن به فکر خودکارسازی آن افتاد. او فرایند بررسی دانشجویان که توسط خودش و همکاران اجرا می‌شد را مورد مطالعه قرار داد و برنامه‌ای نوشت که رفتار ارزیاب‌های انسانی را تقلید می‌کرد.

هدف اصلی استاد دانشگاه سینت جورج، بهینه‌سازی فرایند پذیرش بود و همچنین تلاش می‌کرد تا ناهماهنگی‌ها در فرایند پذیرش را از بین ببرد. ایده‌ی اصلی این بود که با واگذار کردن فرایند به یک سیستم، تمامی فرم‌های پذیرش در فرایند بررسی دقیق و عادلانه‌تر بررسی خواهند شد؛ اما درنهایت نتیجه‌ای کاملا عکس به دست آمد.

فرانگلن نوشتن الگوریتم را در سال ۱۹۷۹ به پایان رساند. فرم‌های پذیرش پس از آن در ۲ مرحله توسط ماشین و انسان بررسی می‌شدند. فرانگلن متوجه شد که سیستمش در ۹۰ تا ۹۵ درصد مواقع نظری موافق با هیئت نظارت دارد. دانشگاه به این نتیجه رسید که می‌توان سیستم کامپیوتری را جایگزین هیئت انتخاب کرد. تا سال ۱۹۸۲، تمامی فرم‌های پذیرش دانشگاه توسط برنامه‌ی فرانگلن بررسی می‌شدند.

پس از چند سال برخی از مدیران دانشگاه متوجه عدم تنوع در پذیرش دانشجویان شدند. آن‌ها بررسی داخلی روی برنامه‌ی فرانگلن انجام دادند و متوجه شدند که برخی از قوانین اجرایی آن، متقاضی‌ها را طبق فاکتورهای بی‌ربط درجه‌بندی می‌کند؛ فاکنورهایی همچون محل تولد و موارد مشابه که ارتباطی با پذیرش نهایی نداشت. فرانگلن به مدیران اطمینان داد که قوانین براساس پذیرش‌های قبلی نوشته شده‌اند و تأثیر کمی روی انتخاب‌ها دارند.

در دسامبر سال ۱۹۸۶، دو استاد ارشد دانشگاه متوجه بررسی داخلی روی برنامه‌ی فرانگلن شدند و اعتراض خود را به کمیسیون برابری نژادی بریتانیا بردند. آن‌ها ادعا می‌کردند که برنامه‌ی کامپیوتری به‌عنوان پوششی برای تبعیض نسبت به زنان و رنگین‌پوست‌ها استفاده شده است.

کمیسیون بریتانیا بررسی دقیق‌تری از الگوریتم را درخواست کرد. آن‌ها متوجه شدند که متقاضیان توسط الگوریتم بسته به نام و محل تولد در دسته‌بندی‌های «قفقازی» و «غیرقفقازی» قرار می‌گرفتند. اگر نام متقاضی غیرقفقازی بود، فرایند انتخاب علیه او پیش می‌رفت. درواقع همین که فردی نام غیراروپایی داشت، به‌صورت خودکار ۱۵ امتیاز را در فرایند انتخاب از دست می‌داد. به‌علاوه کمیسیون متوجه شد که متقاضیان زن به‌صورت خودکار و میانگین ۳ امتیاز کمتر دریافت می‌کردند. درنهایت هرساله ۶۰ نفر از متقاضیان براساس همین رتبه‌بندی از ادامه‌ی فرایند پذیرش حذف می‌شدند.

در آن سال‌ها، تبعیض جنسیتی و قومیتی در میان دانشگاه‌های بریتانیا رواج داشت و دانشگاه سنت جورج تنها به‌خاطر آنکه تعصب خود را به یک کامپیوتر وارد کرده بود، گرفتار شد. درنهایت به‌خاطر آنکه الگوریتم به‌صورت عمد امتیازهای کمتری را به زنان و افرادی با نام‌های غیراروپایی می‌داد، کمیسیون به این نتیجه رسید که تبعیض در دانشگاه علنی بوده است.

دانشگاه سینت جورج از طرف کمیسیون ضد تبعیض جنسیتی گناهکار شناخته شد، اما عواقب خاصی متوجه تیم مدیریتی نشد. تنها با برخی از افراد ردشده در فرایند پذیرش تماس گرفته شد و ۳ نفر از آن‌ها درنهایت موفق به ورود به دانشکده‌ی مورد نظر شدند. کمیسیون در رأی خود به این نکته اشاره کرد که مشکل ایجادشده نه‌تنها فنی بلکه فرهنگی بوده است. بسیاری از افراد درگیر در فرایند پذیرش قبلا هم فرم‌های پذیرش را به‌عنوان اسنادی غیرقابل انکار می‌دانستند و هیچ‌گاه به‌دنبال دلایل اصلی جداسازی متقاضیان نبودند.

در لایه‌های عمیق‌تر، الگوریتم طراحی‌شده نشان‌دهنده‌ی تعصبی بود که در سیستم پذیرش وجود داشت. به یاد داریم که فرانگلن ابتدا الگوریتم را با انتخاب‌های انسانی آزمایش کرد و به دقت ۹۰ تا ۹۵ درصد رسید. البته او با پیاده‌سازی همان روندها در کد و الگوریتم، تعصب موجود در سیستم پذیرش را به پدیده‌ای دائمی بدل کرده بود.

اتفاق رخ‌داده در دانشگاه سینت جورج توجه بسیاری را به خود جلب کرد. کمیسیون تصمیم گرفت تا نقش جنسیت و نژاد را تا حد امکان از فرایند پذیرش حذف کند، اما به‌هرحال اخبار بد پیرامون تعصب در الگوریتم پخش شده بود.

درحالی‌که که سیستم‌های تصمیم‌گیری الگوریتمی با سرعت زیاد به حوزه‌های مهمی همچون سلامت و قانون وارد می‌شوند، ادامه دادن و پیاده‌سازی تعصب‌های اجتماعی کنونی براساس اطلاعات تاریخی در آن‌ها به نگرانی مهمی بدل شده است. در سال ۲۰۱۶ مؤسسه‌ی روزنامه‌نگاری ProPublica در گزارشی نشان داد که نرم‌افزار مورد استفاده در ایالات متحده‌ی آمریکا برای پیش‌بینی فعالیت‌های مجرمانه، علیه آفریقایی-آمریکایی‌ها عمل می‌کند. در داستانی تازه‌تر، جوی بولاموینی نشان داد که سیستم تشخیص چهره‌ی آمازون درصد خطای بالاتری در تشخیص دادن زنان سیاه‌پوست دارد.

در دنیای کنونی، تعصب ماشین‌ها یکی از مهم‌ترین حوزه‌های بحث هوش مصنوعی است. البته الگوریتم‌های هنوز و اغلب به‌عنوان ابزارهای ریاضیاتی قابل تحسین و دقیق با توانایی ارائه‌ی خروجی‌های بدون تعصب شناخته می‌شوند. کیت کرافورد، یکی از منتقدان هوش مصنوعی می‌گوید اکنون باید درک کنیم که الگوریتم‌ها ساخته‌ی طراحی انسان هستند و تعصب‌های ما را به ارث می‌برند. درنهایت تصور دقیق و غیرمتعصب بودن الگوریتم‌ها، روی این حقیقت واضح را می‌پوشاند: «هوش مصنوعی نهایتاً به‌خوبی ما خواهد بود».

قسمت ششم: ربات ترک به آمازون باز می‌گردد

آمازون با شروع قرن ۲۱ فعالیت‌های خود را فراتر از فروش کتاب توسعه داد. با افزایش کالاها در وبسایت، شرکت باید به‌دنبال راه‌هایی جدید برای دسته‌بندی و مدیریت آن‌ها می‌‌گشت. بخشی از کار، پاک کردن ده‌ها هزار کالای مشابه و کپی بود که روزانه در وبسایت ظاهر می‌شدند.

مهندسان آمازون تلاش کردند برنامه‌ای بنویسند که تمامی کالاهای کپی را در سرتاسر وب‌سایت پاک کند. پیدا کردن و پاک کردن چنین مواردی به نظر آسان و در حوزه‌ی توانایی‌های ماشین بود. البته، مهندسان شرکت بسیار زود از ادامه‌ی پروژه ناامید شدند و فرایند پردازش داده‌ی مورد نظر را بسیار دشوار و غیرقابل تحمل خواندند. وظیفه‌ی مذکور نیازمند توانایی در شناخت تفاوت‌های جزئی در عکس و متن بود و در نتیجه به هوش انسانی نیاز داشت.

در نتیجه‌ی تلاش‌های اولیه، آمازون به چالشی مهم رسید. شناسایی و پاک کردن محصولات مشابه در وبسایت برای هوش انسانی کاری آسان بود؛ اما باتوجه‌به تعداد بسیار زیاد کالاها، به نیروی انسانی زیادی هم نیاز پیدا می‌شد. درنهایت مدیریت آن تعداد از نیروی انسانی برای انجام دادن یک وظیفه، اصلا کار آسانی نبود.

ونکی هریناریران، یکی از مدیران آمازون در آن سال‌ها بود که راهکاری برای حل چالش مذکور ارائه کرد. پتنت او نوعی همکاری هوش انسانی و ماشینی را شرح می‌داد که وظیفه‌ی بزرگ را به بخش‌های کوچک‌تر و ساده‌تر تقسیم می‌کرد. سپس وظایف جدید و کوچک به شبکه‌‌ای از نیروی انسانی توزیع می‌شد.

در موضوع پاک کردن کالاهای مشابه، یک کامپیوتر مرکزی، وب‌سایت آمازون را به بخش‌های کوچک‌تر تقسیم می‌کرد. به‌‌عنوان مثال ۱۰۰ صفحه محصول برای دربازکن‌ها ایجاد شد. سپس دسته‌بندی‌های کوچک و جدید با استفاده از اینترنت برای نیروی انسانی ارسال می‌شد. درنهایت کارمندان آمازون می‌توانستند بخش‌های کوچک‌تر را راحت‌تر مدیریت کنند و پس از دسته‌بندی کامل، نتیجه را برای کامپیوتر مرکزی ارسال می‌کردند.

سیستم توزیع‌شده‌ی جدید، مزیتی بسیار حیاتی برای آمازون داشت. دیگر نیازی به گردهم‌آوردن نیروی انسانی در محلی متمرکز نبود. آن‌ها می‌توانستند وظایف کوچک‌شده را از هر نقطه‌ی جهان توسط کامپیوترهای شخصی خود انجام دهند. درواقع محدودیت‌های زمانی و مکانی از پروژه حذف شده بود. می‌توان ادعا کرد که هریناریران، راهکاری مفید را برای توزیع کردن کاری با مهارت پایین و چالش بالا در خودکارسازی ارائه کرد؛ راهکاری که با توزیع وظایف به شبکه‌ای از نیروی انسانی انجام شد که قابلیت کار به‌صورت موازی را داشتند.

روش جدید برای پاک کردن کالاهای مشابه، اثربخشی بسیار بالایی در عملیات داخلی آمازون داشت. جف بزوس تصمیم گرفت که سیستم موجود را برای فروش به شرکت‌های دیگر نیز ارائه کند. با پیشنهاد بزوس، راهکار هریناریران به بازارچه‌ای برای کارگران تبدیل شد. در بازارچه‌ی جدید، کسب‌وکارهایی که وظایف عظیم و آسان برای نیروی انسانی (و دشوار در خودکارسازی) داشتند، با شبکه‌ای از نیروی کار فریلنسر ارتباط برقرار می‌کردند. شبکه‌ی فریلنسرها نیز کار مورد نظر را با قیمت پایین انجام می‌دادند.

درنتیجه‌ی راهکار جدید، آمازون رباتی شبیه‌به ربات ترک (داستان قسمت اول) ساخته بود که Amazon Mechanical Turk یا mTurk نام گرفت. سرویس مورد نظر در سال ۲۰۰۵ رونمایی شد و پایگاه مشتریان آن به‌سرعت توسعه یافت. کسب‌وکارها و محققان بی‌شماری از سرتاسر جهان، هزاران وظیفه‌ی کوچک و بزرگ نیازمند هوش انسانی را در بازارچه بارگذاری کردند. از میان این وظایفه ساده می‌توان به تبدیل صوت به نوشتار یا نوشتن توضیح برای عکس‌های متعدد اشاره کرد. وظایف مذکور با مسئولیت‌پذیری بالا توسط گروهی بین‌ا‌لمللی از کارگران ناشناس و با هزینه‌ای پایین انجام می‌شد. یکی از کارگران آن سیستم هزینه‌ی هر وظیفه را حدود ۲۰ سنت عنوان کرده بود.

نامی که برای سرویس آمازون انتخاب شد، اشاره‌ای به دستگاه بازی شطرنج قرن ۱۸ بود؛ همان دستگاهی که توسط ولفگانگ فون کمپلن اختراع شد. سرویس جدید دقیقا مانند ربات ترک که انسانی را در داخل جعبه مخفی کرده بود، هوش انسانی حاضر در پشت صحنه‌ی فعالیت‌های خودکار را پنهان می‌کرد. کارگران سرویس آمازون به‌جای نام، با عدد شناخته می‌شوند و تمام ارتباط آن‌ها با کارفرمایان به‌صورت ناشناس است. بزوس شخصا این کارگران بدون هویت را «هوش مصنوعی مصنوعی» خوانده بود.

امروزه پلتفرم mTurk بازارچه‌ای با صدها هزار کارگر در سرتاسر جهان است. اگرچه سرویس آمازون فرصت کار را برای افراد بدون شغل فراهم کرد، اما شرایط کاری آن‌ها آن‌طور که باید و شاید، مناسب نیست. برخی انتقادات حاکی از آن هستند که آمازون با مخفی نگه داشتن هویت کارگران، فرصت را برای سوءاستفاده از آن‌ها فراهم کرده است. تحقیقاتی جدید از سیستم آمازون نشان می‌دهد که کارگران به‌صورت میانگین ۲ دلار در ساعت درآمد داشتند و تنها درآمد ۴ درصد از آن‌ها بیش از ۷.۲۵ دلار در ساعت بود.

یکی از کاربردهای مهم سرویس mTurk در توسعه‌ی یادگیری ماشین خود را نشان می‌دهد. در یادگیری ماشینی، برنامه‌ی هوش مصنوعی با دیتاستی بزرگ روبه‌رو می‌شود و به‌صورت خودکار می‌آموزد که چگونه الگویی در آن کشف کرده و به نتیجه برسد. کارگران سرویس عمومی برای وظایفی استخدام می‌شوند تا دیتاست‌های آموزشی را برچسب‌گذاری کرده و آموزش دهند. بااین‌وجود نقش آن‌ها در توسعه‌ی یادگیری ماشین عموما نادیده گرفته می‌شود.

ارتباط رخ‌داده بین جامعه‌ی هوش مصنوعی و سرویس mTurk، همان پدیده‌ای است که در طول تاریخ هوشمندی ماشین‌ها دیده می‌شد. ما عموما از ظاهر خودکار و توانایی ماشین‌های هوشمند لذت می‌بریم و آن‌ها را تحسین می‌کنیم، اما نیروی انسانی که در پشت صحنه قرار دارد را نادیده می‌گیریم.

شاید در ارتباط با هوش مصنوعی و نقش انسان‌ها در پیشرفت آن بتوانیم از آموزه‌های نویسنده‌ی معروف، ادگار آلن پو بهره ببریم. وقتی او به ربات ترک ساخته‌ی کمپلن نگاه کرده بود، فریب ماشین را نخورد. او در عوض به وضعیت انسانی فکر می‌کرد که درون جعبه مخفی شده بود. کارگر محبوس، فشرده‌شده در میان اهرم‌ها و چرخ‌دنده‌ها که در شرایطی عجیب و غریب و دردناک قرار داشت.

در دوران کنونی، وقتی اخبار متعددی از پیشرفت‌های هوش مصنوعی را می‌بینیم، باید تفسیر آلن پو از ربات ترک را به خاطر بیاوریم. شاید در نگاه اول هوش مصنوعی جذاب به نظر برسد. شاید با دیدن ماشین‌هایی که دیگر نیاز به موجودات فانی ندارند، شگفت‌زده شویم و حتی گاهی بترسیم؛ اما اگر دقیق‌تر نگاه کنیم، حتما نشانه‌هایی از تلاش‌های نیروی انسانی در آن‌ها نهفته است.

هر کارآفرین جوانی آرزو دارد استارتاپی که راه‌اندازی کرده، به ارزش یک میلیارد دلاری برسد و یونیکورن شود. تام بیلیو یکی کارآفرینانی است که با راه‌اندازی شرکت کوئست نوتریشن (Quest Nutrition) و تولید پروتئین بار و پودرهای مغذی به دومین شرکت بزرگ مواد غذایی و یک یونیکورن تبدیل شد.

پروتئین بار نوعی محصول غذایی است که جایگزین وعده‌ی غذایی ورزشکاران و به‌طور کلی افرادی می‌شود که به رژیم غذایی خود اهمیت زیادی می‌دهند. همان‌طور که از نام آن‌ها پیداست، این مواد بسیار مغذی هستند و مانند هر ماده‌ی مغذی دیگری در مقایسه با مواد غذایی خوشمزه و غیر مغذی شاید طعم چندان جالبی نداشته باشند. درحال‌حاضر پروتئین بارهای زیادی در بازار وجود دارند و به همین دلیل راه‌اندازی استارتاپی که پروتئین بار تولید می‌کند شاید چندان کار عاقلانه‌ای به نظر نرسد اما کوئست نوتریشن معتقد است پروتئین بار خوشمزه‌تری نسبت به سایر برندها تولید می‌کند و همچنین اهداف و چشم‌اندازهای بزرگی دارد.

هدف تام و دو شریک تجاری دیگر او این بود که به بیماری متابولیک را پایان دهند. اختلال متابولیک زمانی رخ می‌دهد که واکنش‌های شیمیایی غیرطبیعی، فرایند متابولیک طبیعی بدن را به‌هم می‌زنند و افراد مبتلا به این اختلال باید رژیم غذایی مناسب داشته باشند و از مکمل‌های مخصوص استفاده کنند.

توماس بیلیو در سال ۲۰۱۰ استارتاپ کوئیست نوتریشن را به همراه دو شریک تجاری خود یعنی ران پنا و مایک آزبورن در آمریکا راه‌اندازی کرد. آن‌ها با راه‌اندازی یک شرکت تکنولوژی با یکدیگر آشنا شدند و بعد از مدتی متوجه شدند علاقه‌ای به کار فعلی خود نداشته و استارتاپی در زمینه‌ی تولید مواد غذایی راه‌اندازی کردند.

استارتاپ آن‌ها در سه سال ابتدایی بعد راه‌اندازی، ۵۷ هزار درصد رشد داشت و در سال ۲۰۱۴ به‌عنوان دومین شرکت با رشد سریع از سوی مجله‌ی Inc انتخاب شد. این شرکت در سال ۲۰۱۳ حدود ۲۰۰ کارمند و ۸۲ میلیون دلار درآمد داشت و در سال ۲۰۱۴ توانست محصولات خود را در بیش از ۷۰ کشور به فروش برساند. کوئست نوتریشن در سال ۲۰۱۶ حدود ۱۳۰۰ کارمند تمام‌وقت و هزار کارمند پاره‌وقت داشت. هدف استارتاپ کوئست نوتریشن این است که بیماری متابولیک را پایان دهد و ثابت کند که مواد غذایی می‌توانند در عین خوشمزه بودن، سالم و مغذی باشند.

از آنجایی که در حال حاضر پروتئین بارهای زیادی در بازار وجود دارند، مردم واکنش خوبی نسبت به ایده‌ی آن‌ها نداشتند. اما برای بیلیو و سایر بنیان‌گذاران بسیار مهم بود که با ارائه‌ی مواد مغذی و سالم، رژیم غذایی انسان‌ها را بهبود دهند. بیلیو بعد اینکه حدود ۲۷ کیلو وزن کم کرد، به سایر اعضای خانواده‌ی خود که دچار چاقی مفرط بودند، کمک کرد وزن خود را کم کنند تا زندگی سالم‌تری داشته باشند. او در انجام این فرایند به ورزش و تناسب اندام علاقه‌ی زیادی پیدا کرد و تصمیم گرفت شرکتی در همین رابطه با دو شریک دیگر خود راه‌اندازی کند.

بیلیو و سه بنیان‌گذار دیگر استارتاپ معتقد بودند شعار «کم خوردن و بیشتر ورزش کردن» شعاری نیست که همه‌ی مردم در زندگی خود رعایت کنند. افراد خیلی کمی به رژیم غذایی مناسب پایبند هستند و اغلب مردم اگرچه از ناسالم بودن رژیم غذایی خود مطلع هستند، اما خوردن غذاهای چرب و خوشمزه را به خوردن مواد مغذی ترجیح می‌دهند.

بنابراین آن‌ها متوجه شدند که تنها راه سالم کردن رژیم غذایی این است که مواد مغذی خوشمزه تولید کنند یا به عبارت دیگر کیک و شکلات را با فرمول جدید و سالم تهیه کنند. آن‌ها معتقد بودند که می‌توانند فضای خالی میان صنعت مواد غذایی و مردمی که خواستار رژیم غذایی سالم هستند را پر کنند.

آن‌ها شرکت تکنولوژی خود را روزها مدیریت می‌کردند و شب‌ها دستورالعمل‌های جدید برای تولید پروتئین بار امتحان می‌کردند. گروه سه نفره، چندین ماه مواد اولیه‌ی غذایی و شیرین‌کننده‌ها را با یکدیگر ترکیب کردند و بعد از پیدا کردن دستورالعمل نهایی متوجه شدند که محصول مورد نظر به‌دلیل کم بودن میزان شکر نمی‌تواند در کارخانه تولید شود. آن‌ها موفق به تولید پروتئین بارهایی بدون الکل قند و کربوهیدرات پایین شدند اما به آن‌ها گفته شده بود با کم کردن میزان شکر، نمی‌توان محصول نهایی را با استفاده از مواد اولیه‌ی موجود تهیه کرد.

مطمئنا تولیدکنندگان بسیاری با چنین پاسخی از سوی کارخانه‌های سازنده روبه‌رو شده‌اند و به همین دلیل دستورالعمل محصول را تغییر داده‌اند اما بنیان‌گذاران کوئست نوتریشن به قواعد خود پایبند بوده و تصمیم گرفتند با خریداری تجهیزات لازم، خودشان محصول را تولید کنند.

محبوب شدن میان مردم

یکی از استراتژی‌های اولیه‌ی کوئست نوتریشن این بود که با مشتری‌ها ارتباط مستقیم برقرار کند و به همین منظور تکنیک‌های سنتی و جدید بازاریابی را با یکدیگر ترکیب کرد. در سال‌های ۲۰۰۹ و ۲۰۱۰ استفاده از شبکه‌های اجتماعیبه روشی که امروزه استفاده می‌شود نبود و فیسبوک به برگ برنده‌ی آن‌ها در بازاریابی تبدیل شد.

فیسبوک به بنیان‌گذاران این استارتاپ کمک کرد تا چشم‌انداز برند خود را با مردم به اشتراک بگذارند و هر شخصی که به سلامتی و تناسب اندام اهمیت می‌دهد را به جامعه‌ی آنلاین خود دعوت کنند. آن‌ها با ارائه‌ی ابزارهایی برای داشتن زندگی سالم مانند رژیم غذایی، دستور تهیه‌ی غذا، مقالات علمی در مورد بیماری متابولیک و همچنین ارائه‌ی نمونه‌های رایگان اهداف و چشم‌اندازهای برند خود را به مردم نشان دادند. آن‌ها همچنین از مردم درخواست می‌کردند که محصولات آن‌ها را به‌طور رایگان امتحان کرده و نظر خود را بیان کنند. به عبارتی طرز برخورد آن‌ها باعث شد مردم احساس خوبی نسبت به محصول داشته باشند.

آن‌ها علاوه‌بر امتحان کردن روش‌های جدید، روش‌های قدیمی را نیز برای بازاریابی به کار گرفتند. آن‌ها در مورد صدها نفر از اینفلوئنسرهای تناسب اندام تحقیق کردند و سپس با ارسال دست‌نوشته و نمونه محصولات رایگان، نظر آن‌ها را جویا شدند. درواقع آن‌ها با این کار قصد داشتند نظر مشتری‌های هدف خود را در مورد محصول جویا شوند و جامعه‌ی طرفداران خود را گسترش دهند.

از اینفلوئنسرها خواسته شده بود محصول را امتحان کنند و اگر آن را دوست داشتند، با مخاطبان خود به اشتراک بگذارند و اگر هم دوست نداشتند، به مخاطبان خود بگویند. تعدادی از آن‌ها بعد از امتحان کردن محصول از آن خوششان نیامد و این موضوع را به مخاطبان خود گفتند اما اکثرا محصول را دوست داشتند و از اینکه نظر آن‌ها را پرسیده بودند، ابراز خوشحالی کردند و این تبلیغ خوبی برای استارتاپ کوئست نوتریشن بود.  

تبلیغ اینفلوئنسرهای تناسب اندام، تقاضای خرده‌فروشان برای محصولات استارتاپ را به همراه داشت. تا پیش از این موضوع خرده‌فروشان ترجیح می‌دادند محصولات مورد نظر خود را از برندهای مطرح تهیه کنند اما به این روش تبلیغ تقاضا برای محصولات کوئست نوتریشن بالا رفت. البته این استارتاپ به برخی از بزرگ‌ترین خرده‌فروشان صنعت تناسب اندام به مدت یک سال پاسخ منفی داد تا شرایط مذاکره را متعادل کند و این موضوع یکی دیگر از دلایل موفقیت استارتاپ بود زیرا بسیاری از قراردادهایی که در کوتاه‌مدت عالی به نظر می‌رسیدند، در بلندمدت سودآوری زیادی برای شرکت نداشتند.

در ادامه مصاحبه‌ی بیلیو با مجله‌ی foundr و داستان راه‌اندازی استارتاپ، چالش‌هایی که داشته‌اند و استراتژی‌هایی که برای مدیریت آن به کار گرفته را می‌خوانیم.

نیتان: اولین سوالی که همیشه می‌پرسم این است که کار خود را چگونه آغاز کردید؟

تام: من و همکارم در شرکت قبلی که کار می‌کردیم، با یکدیگر آشنا شدیم. کار کردن در آن محیط به من یاد داد که اگر بخواهم می‌توانم به بالاترین درجه برسم. بعد از مدتی من و همکارم به این نتیجه رسیدیم که اگرچه یک شرکت تکنولوژی را بنیان‌گذاری کرده‌ایم اما از کار خود متنفر هستیم. ما دوست داشتیم دنبال کار مورد علاقه‌ی خود برویم و از هر روز کاری خود لذت ببریم حتی اگر شکست بخوریم.

انجام دادن کار مورد علاقه حتی اگر بدانیم که شکست می‌خوریم، تبدیل به طرز فکر ما شده بود و تصمیم گرفتیم کوئست نوتریشن را راه‌اندازی کنیم؛ ایده‌ای که به نظر خیلی‌ها دیوانگی بود و هیچ شانسی برای موفقیت نداشت. ما قصد ورود به بازاری را داشتیم که پیش از این اشباع شده بود و قصد داشتیم در آن اختلال ایجاد کنیم. ما یک پروتئین بار جدید تولید کرده بودیم، محصولی که نمونه‌های بی‌شماری در بازار دارد اما ما دستورالعمل جدیدی داشتیم و به کاری که انجام می‌دادیم باور داشتیم و همین باعث شد اکنون در این جایگاه باشیم.

نیتان: این عالی است، کار خود را چه زمانی آغاز کردید؟

تام: ما طراحی اولیه‌ی کسب‌وکار را در سال ۲۰۰۹ انجام دادیم و سال ۲۰۱۰ استارتاپ را راه‌اندازی کریدم.

نیتان: پس تقریبا هشت سال است که فعالیت می‌کنید. همان‌طور که می‌دانید، پروتئین بارهای شما حتی در استرالیا هم بسیار پرطرفدار است. ایده‌ی تولید پروتئین بار چگونه به ذهنتان رسید و کار از کجا آغاز شد؟

تام: بله، ما قصد داشتیم به‌طور گسترده در صنعت مواد غذایی و مغذی فعالیت کنیم زیرا سلامت غذایی در دنیا وضعیت خوبی ندارد و بیماری‌های متابولیک یا اختلال هضم مواد غذایی مانند چربی، قند، پروتئین و... به چالشی بزرگ در دنیا تبدیل شده‌اند.

این یکی از بزرگ‌ترین چالش‌های جامعه‌ی انسانی است و ما قصد داریم با آن مقابله کنیم. مردم غذای مورد علاقه‌ی خود را براساس طعم دلخواه انتخاب می‌کنند، نه سالم بودن آن؛ و ما معتقدیم این مشکل زمانی برطرف می‌شود که غذاهای سالم، طعم مطلوبی داشته باشند. احتمالا همه‌ی ما شعار «کم‌تر خوردن و بیشتر ورزش کردن» را شنیده‌ایم و افرادی را می‌شناسیم که برای داشتن سبک زندگی سالم دائم مشغول ورزش در باشگاه هستند. درصورتی‌که این سبک زندگی مورد علاقه‌ی بسیاری از مردم نیست و صادقانه بگویم اگر رژیم غذایی سالمی داشته باشند، نیاز به داشتن این سبک زندگی نخواهد بود.

نیتان: شما رشد بسیار سریعی داشتید؛ درست است؟

تام: بله، رشد کردن یکی از خطرناک‌ترین چالش‌های هر شرکتی است و رشد نکردن حتی از آن هم بدتر است. شرکت ما رشد بسیار سریعی داشت و از عواملی که به بقای شرکت کمک کرد، حضور دو شریک تجاری دیگر در این گروه بود و من بدون حضور آن‌ها هرگز به این نقطه نمی‌رسیدم. مورد دوم برای حفظ بقاء در چنین شرایطی این است که مجموعه‌ای از مهارت‌ها باید درکنار هم جمع شوند. یک نفر باید در مورد آینده‌ی شرکت رویاپردازی کند، شخص دیگر باید چشم‌اندازها را طراحی کند و از همه مهم‌تر اینکه فری باید مسئول رسیدگی به امور مالی شرکت باشد.

مایک تمرکز فوق‌العاده زیادی روی امور مالی داشت و اگر تلاش‌های او نبود، مطمئنا ما اکنون اینجا نبودیم. بسیاری از استارتاپ‌ها به‌دلیل عدم مدیریت منابع مالی در همان سال‌های اول شکست می‌خورند اما ما همه‌چیز را دقیق بررسی می‌کردیم. اینکه چه مقدار پول نقد داریم، چه مقدار در حساب‌های بانکی داریم و باید روی چه منابعی سرمایه‌گذاری کنیم و موضوعاتی از این قبیل را هر روز بررسی می‌کردیم.

نیتان: برای کسب‌وکارهای در حال رشد خیلی سخت است که بعد از گذشت مدتی باز هم به رشد خود ادامه دهند و حرف اول را در بازار بزنند. شما برای حفظ رشد خود چه کاری انجام می‌دهید؟

تام: فکر می‌کنم مردم پیش از راه‌اندازی یک کسب‌وکار باید چشم‌انداز واضح و شفافی داشته باشند و فکر می‌کنم ما در مرحله‌ی اول رشد هستیم. همان‌طور که گفتم، هدف ما ازبین‌بردن بیماری‌های متابولیک است و هنوز نتوانسته‌ایم به این هدف ذره‌ای نزدیک شویم. ما آرام و آهسته حرکت می‌کنیم اما هنوز با مقصد نهایی فاصله‌ی بسیار زیادی داریم.

در این شرایط اگر پول‌دار شدن اهمیت داشته باشد رسیدن به مقصد نهایی سخت می‌شود. ما چند میلیارد دلار از شرکت درآمد داشتیم و می‌توانستیم خودمان را بازنشسته کنیم. می‌توانستیم هرکدام یک جزیره بخریم و تا پایان عمر با شادی زندگی کنیم، اما پول هدف اصلی ما نیست. ما می‌خواهیم یکی از بزرگ‌ترین مشکلات جوامع انسانی را حل کنیم. بیماری متابولیک یکی از مشکلات ما است و باید خودمان آن را حل کنیم، نباید منتظر باشیم شخص دیگری برای حل آن اقدام کند.

حل این مشکل دقیقا همان کاری است که قصد داریم در زندگی انجام دهیم و تمام وقت و انرژی خود را صرف آن می‌کنیم. این هدفی است که به ما انگیزه‌ی حرکت می‌دهد و اگر در این راه تنها به پول و درآمد آن فکر کنیم، مطمئنا شکست خواهیم خورد.

نیتان: بسیار عالی، طرز تفکر شما را دوست دارم. برای شخصی که بخواهد یک محصول فیزیکی مانند محصول شما تولید کند چه توصیه یا پیشنهادی دارید؟

تام: در دنیا هیچ نیرویی جز خودتان نمی‌تواند شما را متوقف کند. ما در دنیایی زندگی می‌کنیم که با استفاده از پرینتر سه‌بعدی می‌توان هر شیء را با مواد مختلف تولید کرد. تکنولوژی به‌اندازه‌ای پیشرفت کرده که فکر می‌کنم اکنون بهترین زمان برای زندگی و کارآفرینی است. ایده‌های بسیاری زیادی وجود دارند و تنها کافی است ارزش‌ها را شناسایی کرده و کار را آغاز کنید.

اگر شخصی بتواند محصول ارزش‌آفرینی را به مردم ارائه دهد، آن‌ها نیز مطمئنا برای خرید آن هزینه خواهند کرد. زمانی‌که مردم برای خریدن محصولی هزینه نمی‌کنند، یعنی محصول به اندازه‌ی کافی ارزش‌آفرین نبوده است. بنابراین فکر می‌کنم استارتاپی که قصد دارد محصول فیزیکی را ارائه دهد، باید به ارزش محصول خود فکر کند. اگر محصول تولیدشده برای کاربر ارزش‌آفرین باشد و همچنین بتواند این موضوع را در تبلیغات خود به مشتری نشان دهد مطمئنا مردم برای خرید آن هزینه خواهند کرد و استارتاپ موفق خواهد شد.

نیتان: بسیار عالی. آیا نکته یا صحبت پایانی دارید؟

تام: می‌دانم کسانی که این مصاحبه را مطالعه می‌کنند، کارآفرینان جوان هستند یا قصد دارند در آینده کسب‌وکار را آغاز کنند. کسانی که روحیه‌ی کارآفرینی دارند و می‌خواهند کارهای بهتری انجام دهند و زندگی خود را بهبود دهند. ماری فولرو، سخنران انگیزشی می‌گوید:

نظم و ترتیب از تعهد ناشی می‌شود نه از فکر.

من فکر می‌کنم این جمله مفهوم بسیار دقیق و قوی دارد. اگر می‌خواهید کسب‌وکاری را شروع کنید، همین حالا این کار را انجام دهید. البته این به این معنا نیست که همین حالا از کار خود استعفا دهید و ریسک کنید؛ بلکه به این معنا است که راه‌اندازی شرکت خود را آغاز کنید. ما نیز کوئست نوتریشن را شبانه راه‌اندازی کردیم درحالی‌که در شرکت دیگری مشغول به کار بودیم. بعد از تمام شدن کار اصلی سراغ استارتاپ می‌رفتیم، پروتئین بار درست می‌کردیم و به این ترتیب کار مورد علاقه‌ی خود را انجام می‌دادیم.

نیازی نیست همه‌چیز را قربانی کنید تا بعدا از خودتان بپرسید چه کاری کنم تا در آمد بالا داشته باشم؟ با خودتان فکر کنید به چه چیزی عمیقا باور دارید که حاضر هستید دنبال یاد گرفتن آن بروید و برای پیاده‌سازی آن بجنگید؟ مدیریت یک استارتاپ به هیچ عنوان ساده نیست و باید به محصولی که تولید کرده‌اید، به‌اندازه‌ای ایمان داشته باشید که هرگز متوقف نشوید و با تمام انرژی خود برای آن بجنگید.

چه چیزی کوئست نوتریشن را از رقبا متمایز می‌کند

تام و سایر اعضای تیم از همان روز اول به هدف شرکت یعنی پایان دادن به بیماری متابولیک پایبند بودند. آن‌ها همیشه سود شرکت را فدای ارزش‌آفرینی برای مشتری کرده‌اند و اهمیت زیادی برای مشتری‌های خود قائل هستند. به‌عنوان مثال تام بعد از دریافت شکایت مشتری که دندانش بعد از خوردن پروتئین بار کوئست شکسته بود، هزینه‌ی دندان‌پزشکی او را پرداخت کرد.

این استارتاپ همچنین نسبت به سایر رقبای خود رشد سریعی را تجربه کرده و بدون دریافت هیچ سرمایه‌ای از خارج، در عرض چهار سال حدود ۱۰۵ میلیون دلار فروش داشته است.  

فراتر از کسب‌وکار

بنیان‌گذاران استارتاپ کوئست نوتریشن قصد دارند بیماری متابولیک را ریشه‌کن کنند و همچنین میلیون‌ها دلار روی تحقیقات در مورد سرطان سرمایه‌گذاری کرده‌اند تا این فرضیه را ثابت کنند که سرطان یک بیماری متابولیک است. اگر این نظریه ثابت شود شرکت می‌تواند سرطان را نه با تولید دارو بلکه ازطریق راه‌حل‌های غذایی درمان کرده و تحول بزرگی در دنیا ایجاد کند.

به رسم گذشته، پس از آنکه هواوی، دو گوشی پرچم‌دار پی ۳۰ و پی ۳۰ پرو را رونمایی کرد، با معرفی پی ۳۰ لایت به‌عنوان عضو مقرون‌به‌صرفه‌، خانواده سری پی ۳۰ را کامل کرد. باتوجه‌به مشخصات سخت‌افزاری P30 Lite، ماهیت میان‌رده‌ای آن کاملا محرز است. پردازنده‌ی کرین ۷۱۰، رم ۴ یا ۶ گیگابایتی و ۱۲۸ گیگابایت حافظه‌ی داخلی از جمله مشخصات میان‌رده‌ی جدید هواوی به شمار می‌آیند.

هواوی برای اینکه بتواند تجربه بهتری برای کاربران دستگاه‌های میان‌رده تداعی کند، برای پی ۳۰ لایت دوربین سه‌گانه‌ای در نظر گرفته است که سه حسگر ۲۴، ۸ و ۲ مگاپیکسلی را شامل می‌شود. نمایشگر این گوشی هواوی از نوع LCD بوده و رزولوشنی برابر با ۱۰۸۰ × ۲۳۱۲ دارد. در ادامه به سراغ جعبه‌گشایی این محصول می‌رویم:

تماشا در یوتیوب 

درست یک سال پیش بود که سونی پیش‌بینی کرد تا مارس ۲۰۱۹ تعداد ۱۰ میلیون گوشی هوشمند از این برند به فروش می‌رسد اما ظاهرا این پیش‌بینی‌ها به واقعیت تبدیل نشد و ماه بعد این پیش‌بینی‌ها به ۹ میلیون تلفن هوشمند و ماه پس از آن هم به ۷ میلیون گوشی تقلیل یافت.

وب‌سایت Xperia Blog به‌تازگی اطلاعات جدیدی از فروش گوشی‌های هوشمند سونی در سه‌ماهه نخست سال ۲۰۱۹ ارائه کرده؛ آمارهایی که نشان می‌دهد این شرکت از حداقل پیش‌بینی‌های فروش نیز کمتر گوشی فروخته است.

بگذارید به سال ۲۰۱۴ و روزهای خوب سونی موبایل بازگردیم؛ سالی که این شرکت ۴۰ میلیون تلفن هوشمند فروخت اما آن روزها سپری‌ شده و گزارش‌های منتشرشده از سال‌های اخیر وضعیت بد این شرکت در فروش موبایل را نشان می‌دهد، این شرکت بین ماه‌های مارس و ژوئن ۲۰۱۸ تنها ۲ میلیون گوشی هوشمند فروخته و در ماه‌های منتهی به اکتبر ۲۰۱۸ فروش گوشی‌های هوشمند سونی به ۱.۶ میلیون دستگاه کاهش‌یافته است.

 عرضه Xperia XZ3 و شروع کریسمس در ماه‌های پایانی سال ۲۰۱۸ باعث افزایش فروش گوشی‌های هوشمند سونی شد، بااین‌حال آمار می‌گوید سونی تنها توانسته ۱.۸ میلیون دستگاه را به بازار عرضه کند و به فروش برساند.

اما امسال وضعیت سونی از سال قبل نیز بدتر شد و در طول سه ماه اول ۲۰۱۹ باوجود تولید چند گوشی هوشمند جدید تنها تعداد ۱.۱ میلیون را به فروش رسانده است.

نکته موضوع تأسف‌آور برای این شرکت ضرری است که به‌دلیل کاهش فروش تلفن‌های هوشمند خود دیده است. سونی به‌علت از دست دادن بازار تلفن‌های هوشمند ۹۷ میلیارد ین (۸۶۹ میلیون دلار) ضرر کرده است. بااین‌حال، شرکت با تعدیل نیروهای خود و اقدامات دیگر امیدوار است که درنهایت هزینه‌های عملیاتی خود را تا ۵۰ درصد کاهش دهد.

سونی پیش‌بینی کرده که تا مارس ۲۰۲۰ بتواند ۵ میلیون گوشی هوشمند به فروش برساند و کارشناسان اقتصادی هشدار داده‌اند که باتوجه‌به وضعیت موجود احتمالا سال ۲۰۲۱ یا شاید حتی زودتر از آن سونی مجبور به تعطیلی بخش موبایل خود برای همیشه شود.