به زودی شاهد تغییر فاز از "تحلیل‌های ژئوپلیتیکی" «آمریکا مجبوره اینارو سرنگون کنه چون اگر مارو نجات نده دنیا فرو می‌پاشه»، به فاز «بابا اینارو خود آمریکا آورد، منفعت آمریکا توی اینه آخوند بمونه، می‌دونی به واسطه وجود همینا چقدر اسلحه فروختن به عربا؟» خواهیم بود.

به قول عزیزی
I do not endorse the message but i acknowledge it

انسان ها هیچوقت در جهل خودشون راکد نیستن، هی بسطش میدن و باز تولیدش میکنن و درش به ذکاوت میرسن.
هماهنگی، پوستر ساختن، لیدر انتخاب کردن برای چی؟ برای هیچ چی.
پسفردا همین دیاسپورا تو چشم ایرانی داخل کشور نگاه میکنه میگه من برای مبارزه با ج ا هزینه دادم تو قدر منو نمیدونی حقت همون آخونده.

انقدر خودشون رو سرگرمِ هیچ کاری نکردن کردند که دارن درش به مهارت و خلاقیت هم میرسند. "در دقیقه ۵۷ شعار این آخرین نبرده پهلوی برمیگرده بدید". یعنی هرچقدر در توهم غرق شده باشید فکر میکردم دیگه بدونید این آخرین نبرد نیست، اتفاقات دی ماه هم حتی نبرد نبود، سلاخی بود، ما چیزی به دست نیاوردیم و اونها تا میتونستند کشتند.

فکر میکنم اون تایمی که خودتون رو مشغول این چیزا کردید رو میرفتید اوبر کار میکردید پولشو میفرستید ایران بیشتر به درد مردم میخورد. ولی شما دروغ میگید که دغدغه مردم دارید، هیچ جریانی در ایران دغدغه مردم نداره، حتی آسیب جدی ای هم به ج ا نمیزنید که بگیم منافع مشترک با مردم دارید، مردم رو صرف خودتون میکنید و وقتی مصرف شدن براشون گریه میکنید.

Social network(2010)

مطالعه ای معروف در سال ۲۰۱۱ انجام شد که در ابتدا ساده به نظر میرسید.
به دو گروه از شرکت کنندگان داده هایی یکسان داده شد و از اونها خواسته شد اونهارو برسی کنند، اما توئیست مهم این بود که به گروه اول گفته شد که تمام این داده ها در کامپیوتری ذخیره شده و گروه دوم بدون اطلاع از وجود اون کامپیوتر به بررسی داده ها ادامه داد.
نتیجه در عین قابل پیشبینی بودن شگفت انگیز بود، افرادی که از وجود داده ها در کامپیوتری مطمعن بودند مقداری کمتری از اطلاعات داده شده بهشون رو به یاد سپرده بودند.
این پدیده که به «google effect » شناخته شد نشون داد که مغز همواره به دنبال بهینگیه و ترجیح میده به جای اینکه دیتا رو در خودش ذخیره کنه مسیر رسیدن به دیتا که مسیری ساده تره رو به یاد بسپاره.

پدیده ای مشابه در ماشین های یادگیری (machine learning) هم وجود داره.
هدف اولیه دانشمندان این بود نگذارند مدل به تغییرات کوچک، واکنش های بزرگ بده. ممکن بود مدل با برسی دیجیت به دیجیت یک عکس به درستی "گربه" داخل عکس رو تشخیص بده اما با اضافه کردن مقدار بسیار کمی نویز به عکس ، مدل پنیک میکرد و ممکن بود عکسی که تنها چند پیکسل با عکس قبلی فرق داره رو "سگ" اعلام کنه.

برای مقابله با این وضعیت در سال ۲۰۱۱ الگوریتمی به اسم drop out معرفی شد در مرحله از حلقه یادگیری مدل مجبور میشد، تعدادی از پارامتر(نورون) هارو به طور کامل خاموش کنه. و نتیجه رشد عجیب و غریب یادگیری مدل شد. مدل دیگه در مواجه هه با عکسی که تاره،یا کمی با چیزی که در ذهن داشته فاصله داشته پنیک نمیکرد،تحلیل میکرد و سعی میکرد محتمل ترین پیشبینی رو بکنه.

تحلیل ماشین های یادگیری عمیق مثل شبکه عصبی مغز به خاطر بی شمار بودن تعداد پارامترها یا نورون ها غیر ممکن بود. و از لحاظ ریاضی کسی نمیتونست اثبات کنه چرا خاموش کردن اجباری بعضی نورون ها عملکرد مدل رو بهتر میکرد،پس وقتی نمیشد از لحاظ تئوریک اثبات کرد که چرا چیزی کار میکنه ، مهندسان هوش مصنوعی شروع به کالبد شکافی مدل کردند.
فرض کنید نورون A و نورون B مسئول یادگیری تشخیص گربه هستند.
در حلقه یادگیری نورن A متوجه میشه که هر موقع پیشبینی مدل "گربه" است نورون B روشن میشه. نورون A دیگه به برسی و ایفای نقش ادامه نمیده چون به قضاوت نورون B اعتماد داره.
حالا فرض کنید به این مدل عکسی از گربه به همراه مقدار کمی نویز بدیم. نورون B به تنهایی توانایی تشخیص این رو نداره که این یک گربست و نورون A که تا الان به قضاوت B اعتماد میکرد هم کاری از دستش بر نمیاد. و برای همین مدل در تشخیص گربه بودن این عکس شکست میخوره.
اینجاست که DROPOUT خودش رو نشون میده، وقتی در تعداد زیادی از حلقه های یادگیری نورون B با اجبار خاموش میشه، نورون A وادار به یادگیری میشه و مستقل از B عمل میکنه.
و اینطوریه که اگر عکس گربه به همراه نویز به عنوان ورودی داده باشه، شاید نورون B قادر به تشخیصش نباشه اما نورون A میتونه تشخیص درست رو انجام بده
(نورون A و نورون B برای ساده سازی نحوه عملکرد مدل مثال زده شده اما در واقع A و B جایگشتی منحصر به فرد از روشن یا خاموش بودن نورون ها هستند)

مغز ما هم مدلی برای یادگیریه و مثل هر مدلی به دنبال بهینه ترین مسیر برای رسیدن به جوابه.
اگر مغز ما مسیر رسیدن به دیتا رو به یاد داشته باشه(نورون B) علاقه ای برای حفظ کردن خود دیتا نداره( نورون A).

مغز ما هم مثل هر مدلی به دنبال راه حلی بهینست(نورون B) اما هزینه این بهینگی اینه که کارکرد بخشی از خودش رو از دست میده(نورون A).
در عصری که بهینه ترین راه حل برای اکثر مسائل روزمره مراجعه به هوش مصنوعیه، نورون های دیگه شروع به خاموش شدن میکنند، اما مسئله اینه که برای رشد و به جلو حرکت کردن ما به همون نورون ها نیاز داریم.
در عصری که همه به بهینه ترین راه حل ها مراجعه میکنند، اونهایی که مسیر های آسون رو DROPOUT کردند به جلو حرکت میکنند.
وقتی همه به نورون B دسترسی دارند برندگان کسانی اند که در عین داشتن نورون B ، هنوز نورون A رو نباختند.
از هوش مصنوعی فاصله بگیرید، نه به خاطر اینکه شیطانیه یا از شما بهتر نیست. چون سرمایه شما در جهان آینده مغزتونه و هرچقدر افراد بیشتری مغزشون رو به هوش مصنوعی ببازند شما با ارزش تر میشید.

خیلی دارم حرف میزنم امروز ولی بزارید بزنم

اینکه فرض کنیم شرکت های هوش مصنوعی همه شغل هارو میگیرن ، مردم پولی برای خرج کردن ندارند و اقتصاد نابود میشه بچه گانه به نظر میرسه.
به نظرم جهان آینده جهان رشد لوکالیسمه و از چند نظر بررسیش میکنم، اگر نظرات متفاوتی دارید پیام بدید بهم که راجبش صحبت میکنم.
هنر: بیایید این بحث فلسفی که آیا هنر ساخته شده توسط هوش مصنوعی روح داره یا نه رو کنار بگذاریم و از دید اقتصادی به صنعت هنر نگاه کنیم. در چند دهه گذشته ، موسیقی جهانی و جهانی تر شد. درمرکزش آمریکا صنعت موزیک چنان رشد کرد که احتمالا سهم زیادی از شنوندگان خواننده های محلی (local) کشور های دیگه رو به دست گرفت و چه در کنسرت ها و چه در فروختن آلبوم ها ، ثروت به بالا منتقل شد. این باعث شد که خوانندگان محلی، بیشتر و بیشتر موسیقی سنتی منطقه خودشون رو ترک کنند و شبیه نسخه های جهانی بشن. این اتفاق در ذات نه بده و نه خوب اما باعث شده که همه چیز شبیه هم بشه، خواننده های محلی برای اینکه شبیه خوانندگان بزرگ آمریکایی باشن به اونها شبیه تر شدن و خواننده های آمریکایی به خاطر حجم زیاد شنوندگان ریسک مالی انجام کارهای متفاوت رو نمیکردند. این باعث شد که همه شبیه به هم باشند، موسیقی بی روح تر بشه و paper های زیادی وجود داره که ساده تر شدن نوت های موسیقی رو از گذشته تا به امروز رو اثبات میکنه، وقتی هدف خلق پوله ریسک متفاوت بودن چیزیه که نمیصرفه. وقتی همه شبیه به هم باشن و حجم موسیقی های مشابه بی نهایت میل کنه باختن به هوش مصنوعی ساده میشه. چون هرچقدر دیتای بیشتری از سبک تو وجود داشته باشه و بیشتر مشابه دیگران باشی هوش مصنوعی بهتر تورو پیشبینی میکنه و ساخت موزیک مشابه تو براش ساده تر میشه. و این باعث میشه که ما برگردیم به لوکالیسم، چیز های محلی تر رو تست کنیم که افراد زیادی تست نکردند، ساز های جدید بسازیم، موسیقی هایی بزنیم که شبیهش پیدا نمیشه و برای منطقه خودمون کار بکنیم. هوش مصنوعی توانایی تولید سبکی از موسیقی که تنها به اندازه یک کشور شنونده داره و تعداد کمی track داره رو نداره.
اینشکلی هنرمندانی که در صنعت فعالند برای حضور داشتن مجبور به خلاقیت و خلاقیت بیشترند. چون تکرار خودشون یعنی جایگزین شدن با هوش مصنوعی.
لوکالیسم صنعت هنر خواننده های سوپر میلیونر رو حذف خواهد کرد اما هنر رو خلاق تر و موسیقی رو غنی تر میکنه.

خدمات: بخشی از خدماتی که global شدند و رشد عجیبی کردند خدمات مجازیه، برای مثال اپلیکیشنی مثل گوگل مپ یا شبکه های اجتماعی یا اوبر.
سالهاست از حضور گوگل مپ میگذره، زمانی تنها گوگل قادر بود نرم افزاری به چنین ابعاد توسعه بده که بتونه الگوریتم مسیریابی رو پیاده کنه به داده های نقشه ای دسترسی داشته باشه و توانایی ارائه خدمات به صدها میلیون نفر رو داشته.
زمانی مهندسی نرم افزار شغلی سخت،علمی در انحصار دانشگاه ها یا شرکت های خاص بود اما اوضاع تغییر کرد. با رشد مالی شرکت های نرم افزاری افراد بیشتری وارد این حوزه شدند، فریم ورک های ساده تری ساخته شد و تعداد متخصصین چند برابر شد. حالا دیگه گوگل تنها کسی نبود که توانایی ساخت چیزی مثل گوگل مپ رو داشت و رقیب های لوکال شکل گرفتند. در هر کشور چندین و چند اپلیکشن مسیریاب( در ایران نشان و بلد)توسعه داده شد و انقدر اقبال محلی داشت که به توسعه و سود آوری ادامه بده. دلیل موفقیت این اپلیکیشن ها نه بهتر بودن از نسخه یک شرکت هزار برابر بزرگ تر بلکه شناختشون از منظقه خودشون و فرهنگ خودشون بود. وقتی رقیبی لوکال که قابلیت های مشابه شرکت جهانی به وجود میاد، مردم به جهت سلایق محلی اپلیکیشن محلی رو انتخاب میکنند.
حالا این سوال مطرح میشه که چطور هوش مصنوعی مارو به سمت لوکالیسم مییره.
شبکه های اجتماعی رو تصور کنید، نود و نه درصد کشور های جهان نیروی متخصص و توان مالی تولید شبکه ای مثل اینستاگرام رو ندارند. و دلیل اصلیش علاوه بر کمبود نیروی متخصص ، کمبود پوله. توسعه اینستگرام به پول وحشتناک زیادی نیاز داره. اما با وجود AI هزینه توسعه کاهش پیدا میکنه. و حالا کشور های زیادی ممکنه توانایی ساخت شبکه اجتماعی در حد و اندازه اینستاگرام رو داشته باشند. و اگر موفق باشند شهروندان اون کشور اپلیکیشن محلی رو به جای نسخه جهانیش انتخاب خواهند کرد.
و ایجاد بی شمار شرکت لوکال که قبلا وجود نداشتند زنجیره بلند بالایی از شغل های مختلف ایجاد میکنه.

این لوکالیسم لزوما به معنای از بین رفتن شرکت های مولتی میلیاردر نیست. اونها همیشه جلوتر از شرکت های کوچیک حرکت خواهند کرد.
وقتی شرکت های کوچک بتونند با کمک AI رقیب هایی برای اپلیکیشن های گوکل بنویسند، گوگل به اپلیکیشن هاش متکی نخواهد موند. اون سالها جلوتر میمونه و احتمالا تمرکزش رو به هوش مصنوعی معطوف میکنه.
و این چرخه ادامه پیدا میکنه، وقتی در آینده دور انقدر دیتا سرور ها ارزون شدند که همه توانایی داشتن هوش مصنوعی خودشون رو پیدا کنند گوگل احتمالا خط شکنی های جدیدی خواهد کرد که تنها از دست خودش بر بیاد