سپیدای ذهن

به نام پروردگار بلندمرتبه و بی نیاز

هدیه ای برای تولد سه سالگی ات با یک ماه و پنچ روز تأخیر

بریده هايي از کتاب «کار عميق» نوشتۀ کال نیوپورت:

در سال 2013، تايلر کوئن اقتصاددان دانشگاه جورج ميسون کتابي به نام «متوسط پايان يافته است» را منتشر کرد، کتابي که نظريۀ برينجولفسون و مک آفي را بازتاب مي دهد. آنچه تجزيه و تحليل برينجولفسون و مک آفي را به طور خاص کارآمد مي کند، اين است که آن ها سه گروه خاصي را مشخص مي کنند که در بخش سودآورِ اين تقسيم بندي قرار مي گيرند و مزاياي زيادي را در عصر ماشين هاي هوشمند به دست مي آورند. اجازه بدهيد دربارۀ هر کدام از اين گروه ها به اختصار صحبت کنيم تا بهتر متوجه شويم که چرا آن ها ناگهان تا اين اندازه ارزشمند شده اند.

دستۀ اول) کارکنان با مهارت بالا:

پيشرفت هاي هوش مصنوعي مانند رباتيک و دستگاه الکترونيکي تشخيص صدا، منجر به اتومات شدن بسياري از مشاغلي شده اند که به مهارت کمي نياز دارند، اما همان طور که اين اقتصاددانان تأکيد مي کنند: «فناوری های دیگر، مانند مصورسازی داده ها، علم تجزیه و تحلیل، ارتباطات با سرعت بالا و نمونه سازی سریع، سهم استدلال های مبتنی بر داده و انتزاعی تر را بیشتر کرده و ارزش این مشاغل را افزایش داده است». به عبارت دیگر، افرادی پیشرفت می کنند که توانایی خوبی در کار با ماشین های پیچیده و کسب نتایج ارزشمند از آن ها دارند. تایلر کوئن این واقعیت را بی پرده تر بیان می کند: « سؤال کلیدی این خواهد بود که آیا شما در کار با ماشین های هوشمند خوب هستید یا خیر؟».

دستۀ دوم) فوق ستاره ها

شبکه های داده و ابزارهای همکاری پرسرعت، مانند ایمیل و نرم افزارهای جلسات مجازی، منطقه گرایی را در بسیاری از بخش های کاریِ دانش ورزی از بین برده اند. برای مثال، وقتی می توانید به یکی از بهترین برنامه نویسان جهان مانند هانسون، فقط به اندازۀ زمانی که روی پروژه شما وقت می گذارد، پول پرداخت کنید، دیگر استخدام برنامه نویسِ تمام وقت، اختصاص دفتر کار و پرداخت مزایا به او بی معناست. چرا که به این ترتیب، احتمالاً با پرداخت پول کمتر، نتیجۀ بهتری دریافت خواهید کرد. در عین حال، هانسون هم می تواند سالانه به مشتریان بیشتری خدمات ارائه کند و بنابراین منجر به وضعیت مالی بهتری برای خود او هم خواهد شد. اینکه هانسون ممکن است از ماربلا در اسپانیا، برای شرکت شما واقع در دس موینس آیووا، این کار را انجام دهد، مهم نیست؛ چرا که پیشرفت های فناوری ارتباطات و ابزارهای همکاری، این فرآیند را تقریباً یکپارچه می کنند. اما این واقعیت برای برنامه نویسانِ منطقۀ شما که مهارت کمتر و همچنین نیاز به حقوق ماهانۀ ثابتی دارند، اهمیت دارد. روند مشابهی در تعداد روزافزونی از دیگر رشته، مانند مشاوره، بازاریابی، نویسندگی، طراحی و ... هم اتفاق می افتد که در آن ها فناوری، امکان دورکاریِ پربازدهی را فراهم می کند. هنگامی که این بازارِ استعداد در دسترس مردم جهان قرار می گیرد، کسانی که در اوج قرار دارند پیشرفت می کنند، در حالی که دیگران آسیب می بینند. اقتصاددانی به نام شروین روسِن در مقاله ای در سال 1981، به بررسی زیربنای ریاضی این بازارها پرداخت، بازارهایی که در آن ها «برنده صاحب همه چیز می شود». یکی از مهم ترین نظراتش مدلسازی صریح استعداد که با متغیر q در فرمولش نشان داده، به عنوان عاملی با «جایگزینی ناقص» بود و آن را به این صورت توضیح داد: «با گوش دادن پی در پی به خوانندگانی در سطح متوسط و آهنگ های متوسط، به اجرایی منحصر به فرد و عالی نخواهید رسید». به عبارت دیگر، استعداد، کالا نیست که بتوانید به صورت عمده خریداری کنید و آن ها را برای رسیدن به سطوح مورد نیاز با هم ترکیب کنید: فقط در صورت بهترین بودن است که به پاداش می رسید. از این رو، اگر در بازاری هستید که مصرف کننده به تمامی بازیگران آن دسترسی دارد و ارزشِ q هر فرد هم مشخص است، مصرف کننده بهترین را انتخاب خواهد کرد. حتی اگر در رتبه بندی مهارت ها، مزیت استعداد برتر در مقایسه با استعداد بعدی، کم باشد، باز هم این فوق ستاره ها هستند که بخش عمده ای از بازار را تسخیر خواهند کرد. در سال 1980، زمانی که روسِن این اثر را مطالعه می کرد، بر نمونه هایی مثل ستارگان سینما و موسیقیدان ها متمرکز شده بود. ولی امروزه اثر فوق ستاره کاربرد گسترده تری از آنچه روسن سی سال قبل پیش بینی کرده بود، یافته است. در اقتصادِ حال حاضر، افراد بیشتری با ستاره های مشهور در بخش های مربوط به خودشان رقابت می کنند.

دستۀ سوم) مالکان:

آخرین گروهی که در اقتصاد جدید ما پیشرفت خواهند کرد، افرادی هستند که سرمایۀ لازم برای سرمایه گذاری در فناوری های جدید را در اختیار دارند. فناوری هایی که این بازسازی بزرگ را هدایت می کنند.

اجازه بدهید مطالبی را که تا اینجا گفته شد، جمع بندی کنیم: براساس بررسی ای که من انجام داده ام، تفکر اقتصادی رایج مدعی است رشد و تأثیر بی سابقۀ فناوری در حال ایجاد بازسازی عظیمی در اقتصاد ماست. در این اقتصاد جدید، سه گروه مزایای خاصی خواهند داشت: کسانی که می توانند به خوبی و خلاقانه با دستگاه های هوشمند کار کنند، کسانی که کاری که انجام می دهند بهترین است و کسانی که به سرمایه دسترسی دارند.

واضح است این بازسازی بزرگ که اقتصاددانانی مانند برینجولفسون، مک آفی و کوئن شناسایی کردند، تنها روند اقتصادی مهم در عصر حاضر نیست و سه گروهی که ذکر شد، تنها گروه هایی نیستند که به خوبی کار خواهند کرد. اما آنچه در این کتاب حائز اهمیت است این است که همین روندها، حتی اگر تنها روندهای مطلوب نباشند، بسیار حائز اهمیتند و این گروه ها، حتی اکر تنها گروه های موفق نباشند، خواهند درخشید. اگر بتوانید به هر یک از این گروه ها بپوندید، پیشرفت خواهید کرد. اگر نتوانید، یا اینکه شاید هنوز هم کارتان را خوب انجام می دهید، اما موقعیتتان متزلزل تر خواهد بود. پرسشی که پیش می آید واضح است: چطور می توان به این افراد موفق پیوست؟ ابتدا باید اعتراف کنم که من هیچ رازی در مورد جمع آوری سریع سرمایه و تبدیل شدن به جان دوئر بعدی ندارم (اگر چنین رازی داشتم، بعید بود آن را با دیگران به اشتراک بگذارم!)، اما دو گروه موفق دیگر، در دسترس هستند.

چگونه می توان در اقتصاد جدید به فردی موفق تبدیل شد؟

دو گروهی را که آمادۀ پیشرفت و طبق ادعای من در دسترس هستند، شناسایی کردیم: کسانی که می توانند خلاقانه با دستگاه های هوشمند کار کنند و کسانی که در زمینۀ کاری شان ستاره اند. راز قرار گرفتن در این بخش های پردرآمد چیست؟ به اعتقاد من دو توانایی اصلی زیر حیاتی هستند:

توانایی اول) توانایی سریع ماهر شدن در کارهای سخت،

توانایی دوم) توانایی تولید در سطحی ممتاز، هم از نظر کیفیت و هم از نظر سرعت.

بیایید با توانایی اول شروع کنیم. برای شروع باید به یاد داشته باشیم که ما به دليل تجربۀ کاربري جذاب و سادۀ بسياري از فناوري هايي که مستقيماً با کاربر در ارتباطند و داراي رابط کاربري خوبي هستند، مانند توئيتر و آيفون، نازپرورده شده ايم. اما، اين نمونه ها محصولات مصرفي هستند، نه ابزارهاي جدي. درک اکثر ماشين هاي هوشمندي که بازسازي بزرگ را هدايت مي کنند و کسب مهارت در زمينۀ کار با آن ها بسيار پيچيده تر است.

ماشین های هوشمند پیچیده اند و ماهر شدن در آن ها دشوار است. بنابراین اگر می خواهید به گروهی از افرادی بپیوندید که می توانند با این ماشین ها خوب کار کنند، لازم است که توانایی تان را برای کسب مهارت در کارهای سخت پرورش دهید و چون این فناوری ها به سرعت در حال تغییرند، این روندِ تسلط بر کارهای سخت هرگز به پایان نمی رسند: باید بارها و بارها، قادر به انجام سریع آن باشید. البته تواناییِ یادگیری سریعِ مطالب سخت، فقط برای خوب کار کردن با دستگاه های هوشمند، ضروری نیست. در تلاش برای تبدیل شدن به یک فوق ستاره هم، این توانایی تقریباً در همۀ زمینه ها نقشی کلیدی ایفا می کند؛ حتی برای کسانی که کارشان ارتباط کمی با فناوری دارد. به عنوان مثل، برای تبدیل شدن به یک مربی یوگا در سطح جهانی، نیاز به تسلط بر مجموعه ای از مهارت های فیزیکی دارید که به طور فزاینده ای پیچیده اند. به عنوان مثالی دیگر، برای برتری داشتن در حوزۀ خاصی از پزشکی نیاز است که بتوانید به سرعت در آخرین تحقیقات در مورد روش های مربوط به آن مسلط شوید. خلاصۀ مطلب اینکه: اگر نمی توانید یاد بگیرید، پس پیشرفت نخواهید کرد.

اکنون توانایی اصلی دوم را در نظر بگیرید: تولید در سطح ممتاز. اگر می خواهید فوق ستاره شوید، تسلط بر مهارت های مربوطه ضروری است؛ اما کافی نیست. پس از آن، باید این پتانسیل بالقوه را به نتایج ملموسی تبدیل کنید که مردم برای آن ها ارزش قائلند. به عنوان مثال، بسیاری از برنامه نویسان، به خوبی می توانند برای کامپیوترها برنامه نویسی کنند، اما دیوید هانسن، فوق ستارۀ نمونۀ ما که قبلاً در مورد او صحبت کردیم، از این توانایی برای تولید روبی آن رِیلز استفاده کرد، پروژه ای که باعث شناخته شدن او شد. برای انجام این پروژه نیاز بود که هانسون مهارت های فعلی اش را به حد اعلا برساند و نتایجی با ارزشِ آشکار و عینی تولید کند. این توانایی تولید، در مورد کسانی هم که به فکر تسلط پیدا کردن بر ماشین های هوشمند هستند، مصداق دارد. برای نیت سیلور، یادگیری نحوۀ مدیریت مجموعۀ داده های بزرگ و انجام تجزیه و تحلیل های آماری کافی نبود. او نیاز داشت تا نشان دهد که می تواند از این مهارت استفاده کند و اطلاعاتی از این ماشین ها به دست آورد که مورد توجه مخاطبان زیادی قرار بگیرد. سیلور در طول روزهای کاری اش در شرکت بیس پراسپکتوس با افراد ماهر زیادی کار کرده بود، اما او تنها کسی بود که این مهارت ها را با حوزۀ جدید و سودآورترِ پیش بینی انتخابات تطبیق داد. این موضوع، نگرش کلی دیگری را برای پیوستن به صفوف افراد موفق در اقتصاد فراهم می کند: مهم نیست که چقدر ماهر یا بااستعدادید؛ اگر تولید نکنید، پیشرفت نخواهید کرد.

وابستگی این توانایی ها به کار عمیق چندان آشکار نیست؛ بلکه نیاز به نگاهی دقیق تر به علم یادگیری، تمرکز و بهره وری دارد. فصل های آتی این کتاب، این نگاه دقیق را میسر کرده و با این کار، ارتباط بین کار عمیق و موفقیت های اقتصادی را از موضوعی «دور از انتظار» به موضوعی «تردید ناپذیر» تبدیل می کند:

کار عمیق به شما کمک می کند تا مطالب دشوار را به سرعت بیاموزید و همینطور به شما کمک می کند تا با سرعتی بالاتر کاری در سطح ممتاز ارائه کنید.

برای تسلط به هر کار دشوار شناختی نیاز به همگرایی توجه و کار عمیق است. به طوری که در کتاب زندگی عقلانی سرتیلانگز ادعا می کند: «نابغه ها فقط وقتی عملکردی عالی داشتند که تمام توانایی خود را به موضوع واحدی اختصاص می دادند که تصمیم داشتند خودشان را در آن بازنمایانند».

مسألۀ فوق این سؤال را بر می انگیزد که حقیقتاً چه تمرین سنجیده ای نیاز است. اجزای این تمرین معمولا به شرح زیر است:

یک) توجه تان به شدت روی مهات خاصی متمرکز شده است که تلاش می کنید در آن بهتر شوید یا مهارتی که سعی در تسلط بر آن دارید؛ دو) بازخورد دریافت می کنید، بنابراین می توانید روش خود را اصلاح کرده تا توجه تان را دقیقاً در جایی متمرکز کنید که کارآمدتر است.

درک این موضوع مهم است، زیرا مبنای عصب شناختی برای چرایی عملکرد تمرین سنجیده فراهم می کند. با تمرکز شدید روی مهارتی خاص، مدار ویژه مربوط به آن را بارها و بارها و به صورت مستقل وادار به فعالیت می کنید. این استفادۀ مداوم از مداری خاص، باعث فعال شدن سلول هایی به نام یاختۀ کم شاخه می شود که لایه هایی از میلین در اطراف نورون های موجود در مدار ایجاد می کنند و به طور مؤثری باعث تقویت مهارت می شوند. به همین خاطر است که تمرکز زیاد و اجتناب از حواس پرتی در مورد کاری که انجام می دهیم، بسیار مهم است. چرا که این تنها راه برای جدا کردنِ مدار عصبی مربوطه به اندازۀ کافی، به منظور ایجاد این لایۀ چربی سودمند است. در مقابل، اگر برای یادگیری مهارتی پیچیده و جدید (به عنوان مثال، مدیریت پایگاه داده اِس کیواِل) در حالتی با تمرکز کم تلاش می کنید (مثلاً صفحۀ فیسبوکتان را هم باز کرده اید)، همزمان تعداد زیادی مدار عصبی را فعال می کنید و در نتیجه جداسازی گروهی از نرون ها که واقعاً می خواهید تقویتشان کنید، به صورت تصادفی اتفاق خواهد افتاد. به عبارت دیگر، یادگیری نتیجۀ کار عمیق است. اگر بتوانید به راحتی کار عمیق انجام دهید، خواهید توانست به آسانی بر مهارت ها و سیستم هایی که روز به روز پیچیده تر می شوند و برای پیشرفت مورد نیاز هستند، تسلط پیدا کنید. اما اگر یکی از بسیار افرادی باشید که عمیق بودن برایشان راحت نیست و همه جا حواس پرت هستند، نباید انتظار داشته باشد که به راحتی به آن ها تسلط پیدا کنید.

بریده هايي از کتاب «کار عميق» نوشتۀ کال نیوپورت