چرا گاهی همهفنحریفها از متخصصها جلو میزنند؟
با یک سوال ساده شروع میکنم: اگر قرار باشه بهترین بازیکن شطرنج جهان رو بسازیم، چیکار میکنیم؟ احتمالا سالها زمان صرف میکنیم تا اون فقط شطرنج یاد بگیره؛ نه پوکر، نه مذاکره، نه اقتصاد و نه چیز دیگهای.
این رویکرد دقیقا همون منطقیست که پشت بخش بزرگی از پیشرفت هوش مصنوعی در دو دهه گذشته قرار داشته: هرچه مسئله تخصصیتر میشه، ساختن یک الگوریتم تخصصی برای اون معقولتر به نظر میرسه و به همین دلیل بود که هوش مصنوعیهای مخصوص شطرنج یا بازیهای دیگه ساخته شدن. هرکدوم برای یک بازی مشخص آموزش دیده و تمام منابع خود را صرف یادگیری همون محیط میکردن.
اما پژوهش جدیدی از MIT این رویکرد قدیمی رو به چالش میکشه.
محققان MIT روی دستهای از بازیها مطالعه کردن که اقتصاددانان و نظریهپردازان بازیها (Game theorists) علاقه ویژهای بهشون دارن؛ بازیهایی که در اون بازیکنان همه اطلاعات رو در دست ندارند.
برای مثال و بعنوان مقایسه، در شطرنج شما تمام مهرهها را میبینید. اما:
در پوکر نمیدونید کارت حریف چیست.
در مزایده نمیدونید رقبا چقدر حاضرن پرداخت کنن.
در مذاکره نمیدونید طرف مقابل واقعا چه ترجیحاتی داره.
در بازارهای مالی هم از کجا میخواید بدونید میلیونها نفر دیگر چه اطلاعاتی در اختیار دارند یا فردا چه اتفاقی خواهد افتاد؟؟
به این دسته از مسائل «بازیهای دارای اطلاعات ناقص» گفته میشود.
نکته جالب اینجاست که بسیاری از مهمترین تصمیمهای اقتصادیمون دقیقا در همین دسته قرار دارن.
محققان MIT عملکرد الگوریتمهای تخصصی و عمومی را در چنین محیطهایی (اطلاعات ناقص) مقایسه کردند. انتظار طبیعی این بود که الگوریتمهای تخصصی برنده بشن. اما در بخشی از آزمایشها نتیجه متفاوت بود. الگوریتمهای عمومیتر گاهی تونستند استراتژیهایی پیدا کنند که حتی از استراتژیهای تخصصی بهتر عمل میکردن.
این نتیجه دلیل جالبی داره. در محیطهای با اطلاعات کامل (مثلا شطرنج)، مسئله اصلی پیدا کردن بهترین پاسخ هست. در حالیکه در محیطهای دارای اطلاعات ناقص، مسئله اصلی اینه که "باید دائما حدس بزنید اطلاعات پنهان چیست."
باید درباره باورهای دیگران فکر کنید؛ باید خود را با اطلاعات جدید تطبیق دهید؛ و باید برای سناریوهای مختلف آماده باشید.
در چنین شرایطی، موفقیت کمتر به داشتن یک پاسخ از پیش آماده وابسته است و بیشتر به توانایی سازگار شدن با شرایط بستگی دارد.
به بیان دیگه، هرچه عدم قطعیت بیشتری داشته باشیم، انعطافپذیری خیلی باارزشتر میشه.
در دهههای گذشته اقتصاددانان به این نتیجه رسیدند که بسیاری از مدلهای قدیمی بیش از حد خوشبینانه بودند. مدلهایی که فرض میکردن افراد تقریبا همه اطلاعات لازم رو در اختیار دارن. اما آیا واقعیت همینه؟
نیروی کار نمیدونه وضعیت آینده بازار کار چطور خواهد بود، یا سرمایهگذار الزاما نمیدونه ارزش واقعی یک دارایی چقدره، یا بانک نمیداند کدوم وامگیرنده در آینده نکول خواهد کرد و کارآفرین هم همیشه نمیدونه کدوم حوزه پتانسیل یه استارتاپ موفق رو داره.
به همین دلیله که «اقتصاد اطلاعات» یکی از مهمترین شاخههای اقتصاد مدرن هست. در این رویکرد، مشکل اصلی کمبود منابع نیست؛ بلکه کمبود اطلاعاته. و وقتی اطلاعات ناقص باشد، ماهیت مزیت رقابتی هم متفاوت خواهد شد. این یعنی چی؟
یعنی اگر در یک محیط کاملا قابل پیشبینی، تخصص عمیق معمولا هترین سرمایهگذاری باشه، در محیطی که قواعد اون مدام تغییر میکنه، بخشی از ارزش تخصص از بین میره. چون دانشی که دیروز مزیت رقابتی محسوب میشد ممکنه فردا به اندازه سابق مهم نباشه.
در طرف مقابل، برخی مهارتها در شرایط مختلف کاربرد دارن: تفکر احتمالاتی، درک رفتار انسانها، تحلیل داده، یادگیری سریع و توانایی ترکیب ایدهها از حوزههای مختلف نمونههایی از این مهارتها هستن.
در واقع ارزش واقعی در اینجا از «اختیار» میاد، چون شما را به یک مسیر واحد محدود نمیکنه، و به شما حق انتخاب میده تا بعدا و با اطلاعات بیشتر تصمیم بگیرید.
میشه گفت که مهارتهای عمومی و «همهفنحریفانه» هم چنین خاصیتی دارن؛ نوعی اختیار فکری ایجاد میکنن که اجازه میده با ورود اطلاعات جدید مسیرتون رو اصلاح کنید.
شاید به همین دلیل باشه که خیلی از موفقترین سرمایهگذاران، مدیران و کارآفرینان متخصصترین افراد حوزه خودشون نیستن. بلکه برعکس، اغلب توانایی غیرعادی در ترکیب دانشهای مختلف دارن و مزیتشون این نیست که همه پاسخها رو در اختیار دارن، بلکه میتونن در مواجهه با اطلاعات ناقص، سریعتر از دیگران باورها و روشهای خودشون رو آپدیت بکنن.
این پژوهش MIT به این معنی نیست که تخصص اهمیت نداره. ( بهرحال بدون تخصص هیچ مزیت پایداری شکل نمیگیره.) این پژوهش بیشتر یادآوری میکنه که ارزش تخصص به زمین بازی بستگی داره.
هرچه محیط به شطرنج شبیهتر باشد، متخصصها برندهترند.
و هرچی محیط به پوکر، بازارهای مالی، کارآفرینی و زندگی واقعی شبیهتر باشه،توانایی یادگیری، سازگاری و اتصال ایدهها اهمیت بیشتری داره. در چنین محیطهایی برنده کسی نیست که عمیقترین چاه رو میکنه؛ برنده اونیه که بین چاههای مختلف میتونه ارتباط برقرار کنه و فراتر از «عمق» و «تخصص» به بازی نگاه میکنه.
