https://virgool.io/prompthink/feed پادکست فارسی راه‌رفتن و فکر کردن با هوش مصنوعی؛ از پرامپت‌نویسی تا زندگی واقعی. fa 2026-06-16 18:21:52 https://files.virgool.io/upload/publication/yd4lwgi8qrlj/qf3qfx.png https://virgool.io/prompthink https://virgool.io/prompthink/%D8%A7%D9%BE%DB%8C%D8%B2%D9%88%D8%AF-%DB%B5-%D8%AA%D9%88%D9%87%D9%85-bsuezbx9b9ip سلام.قسمت قبل در مورد اصالت حرف زدیم. در مورد اینکه چرا صدای خودت مهمه و چطوری حفظش کنی.امروز می‌خوام در مورد یه چیز دیگه حرف بزنم.یه چیزی که شاید برات اتفاق افتاده باشه.از هوش مصنوعی یه سؤال پرسیدی. یه جواب داد. مطمئن و قاطع. بعد فهمیدی که کاملاً غلط بود.این چیه؟ چرا اتفاق می‌افته؟ و مهم‌تر از همه: چطوری باهاش کنار بیایم؟امروز می‌خوام در مورد توهمات هوش مصنوعی حرف بزنم.خب، بذار با یه داستان شروع کنم.چند وقت پیش یه وکیل آمریکایی داشت یه پرونده رو آماده می‌کرد. از ChatGPT خواست چند تا پرونده‌ی مشابه پیدا کنه که بتونه بهشون استناد کنه.چت‌جی‌پی‌تی ChatGPT شش تا پرونده داد. با اسم کامل. با تاریخ. با شماره‌ی پرونده. همه‌چیز حرفه‌ای و دقیق به نظر می‌رسید.وکیل این پرونده‌ها رو گذاشت تو مدارکش و برد دادگاه.مشکل چی بود؟هیچ‌کدوم از این پرونده‌ها وجود نداشتن.هیچ‌کدوم.چت‌جی‌پی‌تی ChatGPT همه‌شون رو از خودش درآورده بود.قاضی وقتی فهمید، عصبانی شد. وکیل جریمه شد. آبروش رفت. کارش خراب شد.و همه‌ش به خاطر چی؟به خاطر اینکه به هوش مصنوعی اعتماد کرد بدون اینکه چک کنه.این پدیده یه اسم داره.بهش می‌گن "توهم" یا به انگلیسی Hallucination.ولی صبر کن.قبل از اینکه جلوتر برم، می‌خوام یه چیزی رو روشن کنم."توهم" شاید بهترین کلمه نباشه.چرا؟چون توهم یه معنی خاص داره. توهم یعنی چیزی رو دیدن یا شنیدن که واقعی نیست. یه تجربه‌ی ذهنی که با واقعیت تطابق نداره.ولی هوش مصنوعی تجربه‌ی ذهنی نداره. چیزی نمی‌بینه. چیزی نمی‌شنوه. فقط کلمات رو کنار هم می‌ذاره.پس چرا بهش می‌گن توهم؟چون از بیرون شبیه توهمه.هوش مصنوعی یه چیزی می‌گه که وجود نداره. یه چیزی رو توصیف می‌کنه که واقعی نیست. و این از بیرون شبیه اینه که داره توهم می‌زنه.ولی مکانیزمش فرق می‌کنه.و فهمیدن این مکانیزم مهمه.بذار توضیح بدم هوش مصنوعی چطوری کار می‌کنه.خیلی ساده می‌گم. نمی‌خوام فنی بشم.هوش مصنوعی‌های مثل ChatGPT بر اساس یه چیزی کار می‌کنن که بهش می‌گن "مدل زبانی."یعنی چی؟یعنی یاد گرفتن که بعد از یه کلمه، معمولاً چه کلمه‌ای میاد.فرض کن این جمله رو داری: "آسمان آبی..."مدل زبانی یاد گرفته که بعد از "آسمان آبی" معمولاً چه کلماتی میان. شاید "است." شاید "بود." شاید "به نظر می‌رسید."و یکی از این‌ها رو انتخاب می‌کنه.این خیلی ساده‌سازی شده. واقعیتش پیچیده‌تره. ولی ایده‌ی اصلی همینه.هوش مصنوعی داره پیش‌بینی می‌کنه که کلمه‌ی بعدی چی باشه.حالا مشکل کجاست؟مشکل اینه که هوش مصنوعی نمی‌فهمه چی داره می‌گه.یعنی چی؟یعنی وقتی می‌گه "آسمان آبی است"، نمی‌دونه آسمان چیه. نمی‌دونه آبی چیه. نمی‌دونه "است" یعنی چی.فقط یاد گرفته که این کلمات معمولاً کنار هم میان.این فرق خیلی مهمی با آدمه.وقتی من می‌گم "آسمان آبی است"، می‌دونم آسمان چیه. دیدمش. تجربه‌ش کردم. می‌دونم آبی یعنی چی. می‌دونم "است" یعنی الان این‌طوریه.هوش مصنوعی هیچ‌کدوم از این‌ها رو نمی‌دونه. فقط الگو یاد گرفته.و این‌جاست که توهم اتفاق می‌افته.وقتی از هوش مصنوعی یه سؤال می‌پرسی، سعی می‌کنه یه جواب بسازه که "محتمل" به نظر برسه.نه یه جواب که "درست" باشه.یه جواب که "محتمل" به نظر برسه.فرق این دو تا خیلی مهمه.بذار برگردم به مثال وکیل.وقتی ازش خواست پرونده‌های مشابه پیدا کنه، هوش مصنوعی چی کرد؟رفت و یه چیزی ساخت که "شبیه" یه پرونده‌ی واقعی باشه.یه اسم که شبیه اسم یه پرونده‌ی حقوقی باشه. یه تاریخ که منطقی باشه. یه شماره که فرمت درستی داشته باشه.از نظر الگو، همه‌چیز درست بود.ولی از نظر واقعیت، هیچی درست نبود.این توهمه.هوش مصنوعی یه چیزی ساخته که "به نظر" درسته، ولی "واقعاً" درست نیست.و بدترین قسمتش چیه؟هوش مصنوعی نمی‌دونه که داره اشتباه می‌کنه.این خیلی مهمه.وقتی یه آدم اشتباه می‌کنه، معمولاً یه حسی داره که مطمئن نیست. می‌گه "فکر کنم..." یا "شاید..." یا "مطمئن نیستم ولی..."هوش مصنوعی این حس رو نداره.همون‌قدر مطمئن یه چیز غلط می‌گه که یه چیز درست.این خطرناکه.چون وقتی یکی مطمئن حرف می‌زنه، ما بیشتر بهش اعتماد می‌کنیم.بذار یه مثال بزنم.فرض کن از یه نفر آدرس یه خیابون رو می‌پرسی.یکی می‌گه: "اوم... فکر کنم... اگه اشتباه نکنم... باید بپیچی راست، بعد چند تا چراغ رد کنی، بعد... نه صبر کن... شاید چپ بود..."یکی دیگه می‌گه: "بله. مستقیم برو، سر چهارراه دوم بپیچ راست، خیابون سوم سمت چپ."کدوم رو بیشتر باور می‌کنی؟احتمالاً دومی.ولی شاید دومی اشتباه کنه. شاید اصلاً اون خیابون رو نمی‌شناسه ولی خجالت کشیده بگه نمی‌دونم.این همون کاریه که هوش مصنوعی می‌کنه.هوش مصنوعی هیچ‌وقت نمی‌گه "نمی‌دونم."یعنی خیلی کم می‌گه. و حتی وقتی می‌گه، معمولاً بعدش یه جواب می‌ده.چرا؟چون طوری طراحی شده. طوری آموزش دیده.هوش مصنوعی آموزش دیده که "مفید" باشه. که جواب بده. که کمک کنه.و "نمی‌دونم" گفتن، مفید به نظر نمی‌رسه.این یه مشکل طراحیه.و تا وقتی این مشکل حل نشه، توهمات ادامه دارن.حالا سؤال اینه: چقدر این اتفاق می‌افته؟بستگی داره.بستگی داره به چی می‌پرسی. بستگی داره از کدوم مدل استفاده می‌کنی. بستگی داره موضوع چقدر رایج یا نادره.یه قاعده‌ی کلی هست.هرچی موضوع رایج‌تر باشه، احتمال توهم کمتره.هرچی موضوع نادرتر باشه، احتمال توهم بیشتره.چرا؟چون هوش مصنوعی بر اساس داده‌هایی که دیده کار می‌کنه.اگه یه موضوع هزار بار تو داده‌هاش بوده، خوب یادش گرفته.اگه یه موضوع ده بار بوده، کمتر یادش گرفته.اگه یه موضوع اصلاً نبوده، داره از خودش درمیاره.بذار مثال بزنم.اگه بپرسی "پایتخت فرانسه کجاست؟" احتمالاً درست جواب می‌ده. چون این سؤال هزاران بار تو داده‌هاش بوده.اگه بپرسی "بهترین رستوران محله‌ی فلان تهران کجاست؟" شاید غلط جواب بده. چون این اطلاعات خاص‌تره و شاید اصلاً تو داده‌هاش نبوده.یه جاهای دیگه هم توهم بیشتر اتفاق می‌افته.اسم آدم‌ها. تاریخ‌ها. آمار و ارقام. لینک‌ها و منابع.این‌ها جاهاییه که باید بیشتر مراقب باشی.یه مثال دیگه بزنم.فرض کن می‌خوای در مورد یه آدم معروف تحقیق کنی.از هوش مصنوعی می‌پرسی کتاب‌هاش چیه.ممکنه یه لیست بده که بعضی‌هاش درست باشن و بعضی‌هاش نه.ممکنه یه کتاب رو بذاره که اصلاً وجود نداره. یا یه کتاب از یه نویسنده‌ی دیگه رو بذاره.چرا؟چون داره الگو رو دنبال می‌کنه. "این نویسنده + معمولاً + این نوع کتاب‌ها = احتمالاً این اسم."ولی احتمالاً همیشه درست نیست.حالا سؤال مهم‌تر.چطوری با این کنار بیایم؟اول از همه: قبول کن که این اتفاق می‌افته.این مهم‌ترین قدمه.خیلی از آدم‌ها فکر می‌کنن هوش مصنوعی یه جور موتور جستجوی باهوشه. فکر می‌کنن هر چی می‌گه، از یه جایی آورده.نه.هوش مصنوعی داره تولید می‌کنه. داره می‌سازه. داره پیش‌بینی می‌کنه.و گاهی اشتباه می‌کنه.وقتی این رو قبول کنی، رفتارت عوض می‌شه.دیگه کورکورانه اعتماد نمی‌کنی. دیگه بدون چک کردن استفاده نمی‌کنی.دوم: بدون کی بیشتر اتفاق می‌افته.گفتم که: موضوعات نادر. اسم‌ها. تاریخ‌ها. آمار. لینک‌ها.این‌ها جاهاییه که باید بیشتر شک کنی.یه قاعده‌ی ساده: هرچی خاص‌تر، شکاک‌تر.اگه یه چیز عمومیه، احتمالاً درسته.اگه یه چیز خاصه، چک کن.سوم: چک کن.این ساده به نظر می‌رسه ولی خیلی‌ها انجام نمی‌دن.اگه هوش مصنوعی یه آمار داد، برو چک کن.اگه یه اسم داد، برو چک کن.اگه یه منبع داد، برو چک کن.چطوری چک کنی؟گوگل کن. برو سایت اصلی رو ببین. از یه منبع دیگه تأیید بگیر.می‌دونم. وقت می‌بره. ولی ارزشش رو داره.بهتره ده دقیقه وقت بذاری چک کنی، تا اینکه مثل اون وکیل آبروت بره.چهارم: از خود هوش مصنوعی بپرس.این یه ترفند جالبه.وقتی هوش مصنوعی یه چیزی گفت، ازش بپرس "مطمئنی؟"یا بپرس "منبعش چیه؟"یا بپرس "این رو از کجا آوردی؟"گاهی وقت‌ها، وقتی این سؤال‌ها رو می‌پرسی، خودش می‌گه "ببخشید، اشتباه کردم."جالبه نه؟یه جورایی، وقتی مجبورش می‌کنی فکر کنه، بهتر فکر می‌کنه.ولی این هم صد در صد نیست.گاهی وقت‌ها می‌گه "بله، مطمئنم" و بازم اشتباه می‌کنه.پس این یه لایه‌ی اضافیه، نه جایگزین چک کردن.پنجم: برای کارای مهم، اعتماد نکن.این شاید مهم‌ترین نکته باشه.اگه یه چیزی مهمه — یه تصمیم مهم، یه پروژه‌ی مهم، یه چیزی که عواقب داره — فقط به هوش مصنوعی اعتماد نکن.هوش مصنوعی خوبه برای ایده گرفتن. خوبه برای شروع کار. خوبه برای پیش‌نویس.ولی برای تصمیم نهایی؟ برای چیزی که آبروت بهش بستگیه؟ برای چیزی که پول یا سلامتی بهش بستگیه؟چک کن. تأیید بگیر. مطمئن شو.یه نکته‌ی دیگه هم هست.توهم فقط "دروغ" نیست.یعنی چی؟یعنی گاهی وقت‌ها هوش مصنوعی چیزی می‌گه که کاملاً غلط نیست، ولی کاملاً درست هم نیست.بذار مثال بزنم.فرض کن می‌پرسی "فلان شرکت کی تأسیس شد؟"هوش مصنوعی می‌گه "۱۹۹۸."واقعیت اینه که ۱۹۹۷ تأسیس شده.این غلطه. ولی یه جورایی نزدیکه.و این نوع اشتباهات خطرناک‌ترن. چون سخت‌تر تشخیصشون می‌دی.اگه یه چیز کاملاً غلط باشه، شاید متوجه بشی. ولی اگه یه چیز "تقریباً" درست باشه، شاید قبولش کنی.به همین خاطره که چک کردن مهمه.حتی اگه یه چیزی "منطقی" به نظر می‌رسه، چک کن.یه نکته‌ی فلسفی‌تر هم هست.توهم هوش مصنوعی یه چیزی رو در مورد خود ما نشون می‌ده.ما چقدر راحت چیزا رو باور می‌کنیم.فکر کن.یه ماشین یه چیزی می‌گه، و ما قبولش می‌کنیم.چرا؟چون مطمئن گفت. چون روان گفت. چون "به نظر" درست میومد.این یه ضعف انسانیه.ما طوری ساخته شدیم که به اطلاعاتی که راحت پردازش می‌شن بیشتر اعتماد کنیم.اگه یه چیزی روان باشه، قشنگ باشه، مرتب باشه — بیشتر باورش می‌کنیم.حتی اگه غلط باشه.هوش مصنوعی این ضعف رو اکسپلویت می‌کنه.نه عمداً. ولی می‌کنه.چون طوری طراحی شده که روان باشه. که قشنگ باشه. که مرتب باشه.و ما می‌افتیم توش.این یه درس مهمه.نه فقط در مورد هوش مصنوعی. در مورد همه‌چیز.هر وقت یه چیزی "خیلی خوب" به نظر رسید، شک کن.هر وقت یه چیزی "خیلی روان" بود، شک کن.هر وقت یه چیزی "خیلی مطمئن" گفته شد، شک کن.این شک سالمه. این شک لازمه.یه نکته‌ی آخر.توهم هوش مصنوعی قراره کمتر بشه؟احتمالاً آره.مدل‌های جدیدتر بهتر می‌شن. کمتر اشتباه می‌کنن. بهتر می‌فهمن کی مطمئن نیستن.ولی صفر نمی‌شه.چرا؟چون مکانیزم کار همینه. هوش مصنوعی داره پیش‌بینی می‌کنه. و پیش‌بینی همیشه احتمال اشتباه داره.پس حتی اگه بهتر بشه، باید مراقب باشی.یه جمله هست که خیلی دوستش دارم.می‌گه: "هوش مصنوعی یه کارآموز باهوشه. خوب کار می‌کنه، ولی باید کارش رو چک کنی."این ذهنیت خوبیه.یه کارآموز باهوش می‌تونه کمک کنه. می‌تونه پیش‌نویس بده. می‌تونه ایده بده. می‌تونه سرعتت رو ببره بالا.ولی تو مسئولی. تو باید چک کنی. تو باید تأیید کنی.این مسئولیت رو قبول کن.یه مثال آخر بزنم.فرض کن داری یه مقاله می‌نویسی. از هوش مصنوعی می‌خوای کمکت کنه.یه پیش‌نویس می‌ده. توش چند تا آمار هست. چند تا اسم هست. چند تا تاریخ هست.چی‌کار می‌کنی؟اگه همین‌طوری استفاده کنی، ریسک می‌کنی. شاید یکی‌شون غلط باشه. شاید آبروت بره.اگه همه رو چک کنی، وقت می‌بره. ولی مطمئن می‌شی.انتخاب با توئه.ولی حداقل الان می‌دونی که انتخاب داری.و این مهمه.دونستن اینکه هوش مصنوعی می‌تونه اشتباه کنه، اولین قدم به سمت استفاده‌ی درست ازشه.این بود اپیزود پنجم.خلاصه‌ش این بود: هوش مصنوعی گاهی اشتباه می‌کنه. بهش می‌گن توهم. و بدترین قسمتش اینه که مطمئن اشتباه می‌کنه.پس شک کن. چک کن. تأیید بگیر. مخصوصاً برای چیزای مهم.دفعه‌ی بعد، می‌خوام در مورد یه چیز دیگه حرف بزنم. در مورد اینکه چطوری با هوش مصنوعی حرف بزنیم. چطوری سؤال بپرسیم که جواب بهتر بگیریم.ولی فعلاً همین.مواظب خودت باش. prompthink | پرامپتینک امید زمانی Mon, 04 May 2026 13:34:28 +0330 https://virgool.io/prompthink/%D9%82%D8%B3%D9%85%D8%AA-%D8%B3%D9%88%D9%85-%D9%BE%D8%A7%D8%AF%DA%A9%D8%B3%D8%AA-%D8%B3%D9%84%DB%8C%D9%82%D9%87-yxggxkcrnuvd سلام.دو قسمت قبل در مورد بازی حرف زدیم. در مورد تکرار حرف زدیم. در مورد اینکه چرا نباید زود جا بزنیم و چرا جادو بین راند سوم تا پنجم اتفاق می‌افته.امروز می‌خوام یه سؤال بپرسم.فرض کن یاد گرفتی بازی کنی. فرض کن یاد گرفتی تکرار کنی. فرض کن پنج راند رفتی و پنج تا نتیجه گرفتی.حالا چی؟کدومش خوبه؟از کجا بفهمی کدوم یکی رو انتخاب کنی؟امروز می‌خوام در مورد سلیقه حرف بزنم.خب، بذار با یه سؤال شروع کنم.تا حالا شده بری یه فروشگاه لباس، صد تا پیرهن ببینی، و نتونی انتخاب کنی؟همه‌شون خوبن. همه‌شون قشنگن. ولی هیچ‌کدوم... نمی‌دونم... هیچ‌کدوم اون یکی نیست.یا برعکس. یه بار رفتی، یه پیرهن دیدی، همون لحظه فهمیدی اینه. حتی امتحانش نکردی. فقط دیدیش و فهمیدی.این چیه؟این سلیقه‌ست.سلیقه یکی از اون کلماتیه که همه استفاده می‌کنن ولی کمتر کسی واقعاً فکر می‌کنه یعنی چی.می‌گیم "سلیقه‌ش خوبه." می‌گیم "این سلیقه‌ی منه." می‌گیم "سلیقه‌ها فرق می‌کنه."ولی سلیقه واقعاً چیه؟از کجا میاد؟می‌شه یادش گرفت؟و مهم‌تر از همه: چرا الان، تو این دوره، سلیقه از هر وقت دیگه‌ای مهم‌تره؟بذار یه چیزی بگم که شاید عجیب به نظر برسه.ما داریم تو یه دوره‌ای زندگی می‌کنیم که ساختن چیزا آسون شده. خیلی آسون.می‌خوای یه عکس درست کنی؟ چند ثانیه.می‌خوای یه متن بنویسی؟ چند ثانیه.می‌خوای یه آهنگ بسازی؟ چند ثانیه.می‌خوای یه ویدیو درست کنی؟ خب، شاید چند دقیقه. ولی باز خیلی سریع‌تر از قبل.یه زمانی، ساختن یه چیز خوب نیاز به مهارت داشت. نیاز به سال‌ها تمرین داشت. نیاز به استعداد داشت.می‌خواستی عکاس بشی؟ باید سال‌ها کار می‌کردی. باید دوربین می‌شناختی. باید نور رو می‌فهمیدی. باید هزار تا عکس بد می‌گرفتی تا یه عکس خوب بگیری.می‌خواستی نویسنده بشی؟ باید سال‌ها می‌نوشتی. باید هزار تا متن بد می‌نوشتی تا یه متن خوب بنویسی.می‌خواستی موسیقی‌دان بشی؟ باید ساز یاد می‌گرفتی. باید تئوری موسیقی می‌فهمیدی. باید سال‌ها تمرین می‌کردی.این فیلترها بودن. این موانع باعث می‌شدن که فقط چیزای خوب به دست مردم برسه. چون ساختن سخت بود، فقط کسایی که واقعاً خوب بودن می‌تونستن چیزی بسازن.حالا اون فیلترها دارن از بین می‌رن.الان هر کسی می‌تونه یه عکس "خوب" بسازه. هر کسی می‌تونه یه متن "خوب" بنویسه. هر کسی می‌تونه یه آهنگ "خوب" بسازه.گیومه گذاشتم دور "خوب" چون این خوب یه جور خاصیه. بعداً در موردش حرف می‌زنم.ولی نکته اینه که وقتی همه می‌تونن بسازن، ساختن دیگه مهم نیست.چی مهم می‌شه؟تشخیص.تشخیص اینکه کدوم خوبه و کدوم نیست.این همون سلیقه‌ست.سلیقه یعنی توانایی تشخیص کیفیت.یعنی بتونی از بین صد تا گزینه، اون یکی رو پیدا کنی که واقعاً خوبه.یعنی بتونی بگی "این خوبه" و "این خوب نیست" — و دلیلش رو هم بدونی.بذار یه مثال بزنم.فرض کن داری یه رستوران می‌زنی. می‌خوای منو طراحی کنی.می‌ری از هوش مصنوعی می‌خوای ده تا طرح بده. ده ثانیه بعد، ده تا طرح داری.همه‌شون حرفه‌ای به نظر می‌رسن. همه‌شون رنگ‌بندی خوبی دارن. همه‌شون فونت‌های قشنگ دارن.حالا چی؟کدومش رو انتخاب می‌کنی؟اگه سلیقه نداشته باشی، گیر می‌کنی. یا یکی رو رندوم انتخاب می‌کنی. یا می‌ری از یکی دیگه می‌پرسی. یا ساعت‌ها وقت تلف می‌کنی و آخرش بازم مطمئن نیستی.ولی اگه سلیقه داشته باشی، می‌دونی داری دنبال چی می‌گردی. می‌دونی چی به برندت می‌خوره. می‌دونی چی به مشتریات می‌خوره. می‌تونی سریع تصمیم بگیری.این قدرت سلیقه‌ست.تو دنیایی که ساختن آسونه، تشخیص سخته.و کسی که بتونه تشخیص بده، برنده‌ست.خب، حالا یه سؤال مهم‌تر.سلیقه از کجا میاد؟آیا یه چیز ذاتیه؟ یعنی یا داریش یا نداری؟یا می‌شه یادش گرفت؟بذار ببینیم فیلسوف‌ها چی گفتن.چون این سؤال جدید نیست. آدم‌ها هزاران ساله دارن در مورد سلیقه و زیبایی فکر می‌کنن.اولی افلاطون.افلاطون یه فیلسوف یونانی بود. حدود ۲۴۰۰ سال پیش زندگی می‌کرد.افلاطون یه ایده‌ی جالب داشت. می‌گفت زیبایی یه "فرم ایده‌آل" داره. یه چیز کامل و ابدی که تو یه جای دیگه وجود داره — تو دنیای ایده‌ها.چیزایی که ما تو دنیای واقعی می‌بینیم، فقط سایه‌های اون فرم کامل هستن. یه گل زیبا، یه آهنگ زیبا، یه چهره‌ی زیبا — همه‌شون فقط تقریب‌هایی از اون زیبایی کامل و ایده‌آل هستن.این ایده شاید عجیب به نظر برسه. ولی یه نکته‌ی مهم داره.افلاطون می‌گفت زیبایی یه استاندارد داره. یه چیز مطلق هست که می‌شه چیزا رو باهاش مقایسه کرد.یعنی سلیقه صرفاً نظر شخصی نیست. یه حقیقتی پشتشه.دومی ارسطو.ارسطو شاگرد افلاطون بود. ولی یه‌کم متفاوت فکر می‌کرد.ارسطو می‌گفت زیبایی از "تقلید" میاد — به یونانی بهش می‌گفت "میمسیس."ولی نه تقلید به معنی کپی‌برداری. تقلید به معنی بازنمایی واقعیت.ارسطو می‌گفت لذتی که از هنر می‌بریم، فقط از موضوعش نیست. از مهارتیه که هنرمند نشون می‌ده. از اینکه چطوری واقعیت رو گرفته و تبدیلش کرده به یه چیز معنادار.این ایده خیلی جالبه وقتی در مورد هوش مصنوعی فکر می‌کنیم.وقتی هوش مصنوعی یه چیز زیبا می‌سازه، داره از چی تقلید می‌کنه؟آیا داره از واقعیت تقلید می‌کنه؟ یا داره از الگوهای هنری که یاد گرفته تقلید می‌کنه؟این سؤال مهمیه. بعداً بهش برمی‌گردم.سومی دیوید هیوم.هیوم یه فیلسوف اسکاتلندی بود. حدود ۳۰۰ سال پیش زندگی می‌کرد.هیوم یه نظر خیلی عملی‌تر داشت. می‌گفت سلیقه ذهنیه — یعنی هر کسی سلیقه‌ی خودشو داره.ولی — و این ولی مهمه — می‌شه سلیقه رو پرورش داد.هیوم می‌گفت اگه خودت رو در معرض چیزای خوب بذاری، اگه تجربه‌ی زیاد داشته باشی، اگه با دقت نگاه کنی و فکر کنی، سلیقه‌ت بهتر می‌شه.این ایده خیلی امیدوارکننده‌ست.یعنی سلیقه یه استعداد ذاتی نیست که یا داریش یا نداری.سلیقه یه مهارته که می‌شه تقویتش کرد.چهارمی ایمانوئل کانت.کانت یه فیلسوف آلمانی بود. حدود ۲۵۰ سال پیش زندگی می‌کرد.کانت یه ایده‌ی جالب داشت. می‌گفت وقتی ما می‌گیم یه چیزی زیباست، یه جورایی انتظار داریم که بقیه هم موافق باشن.یعنی چی؟یعنی وقتی می‌گم "این آهنگ قشنگه"، فقط نمی‌گم "من از این آهنگ خوشم میاد." یه چیز بیشتری می‌گم. یه جورایی می‌گم "این آهنگ قشنگه و تو هم باید بفهمی که قشنگه."این ایده یه تنش جالب ایجاد می‌کنه.از یه طرف، سلیقه شخصیه. هر کسی چیزای متفاوت دوست داره.از طرف دیگه، وقتی در مورد زیبایی حرف می‌زنیم، انگار داریم به یه استاندارد مشترک اشاره می‌کنیم.این تنش هنوز حل نشده. و شاید هیچ‌وقت هم حل نشه.خب، این بود فلسفه. حالا بیاین برگردیم به دنیای واقعی.یه پدیده‌ای هست که می‌خوام در موردش حرف بزنم.بهش می‌گن "استبداد صافی" یا به انگلیسی Tyranny of Smoothness.این اصطلاح رو یه فیلسوف کره‌ای-آلمانی به اسم بیونگ-چول هان استفاده کرده.ایده‌ش اینه که تو دنیای دیجیتال، همه‌چیز داره صاف و صیقلی می‌شه.عکس‌ها بی‌نقص می‌شن. متن‌ها روان می‌شن. تجربه‌ها بدون اصطکاک می‌شن.همه‌چیز داره بهینه می‌شه. همه‌چیز داره پرداخت می‌شه. همه‌چیز داره... صاف می‌شه.این صافی فقط یه سبک نیست. این یه اتفاق الگوریتمیه.سیستم‌های هوش مصنوعی برای "تعامل" بهینه می‌شن. برای اینکه کاربر خوشش بیاد. برای اینکه کلیک کنه. برای اینکه بمونه.و چی باعث می‌شه کاربر خوشش بیاد؟ چیزایی که راحت هضم بشن. چیزایی که سریع فهمیده بشن. چیزایی که... صاف باشن.بذار یه مثال بزنم.به عکسای هوش مصنوعی فکر کن.اغلبشون بی‌نقصن. ترکیب‌بندی عالی. رنگ‌بندی متعادل. جزئیات دقیق.ولی یه چیزی ندارن.یه چیزی که نمی‌تونم دقیق بگم چیه. ولی وقتی نگاهشون می‌کنی، یه حسی داری که... خالین. سرد هستن. زود فراموش می‌شن.همین‌طور متن‌های هوش مصنوعی.اغلبشون روان هستن. جمله‌ها درست هستن. پاراگراف‌ها منظم هستن.ولی صدایی ندارن. شخصیتی ندارن. غافلگیری ندارن.می‌خونیشون و هیچی تو ذهنت نمی‌مونه.این همون صافیه.خیلی صاف. خیلی بی‌اصطکاک. خیلی... بی‌خطر.هان می‌گه این صافی یه جور "خشونت فرهنگی"ه.چرا؟چون هنر قراره اصطکاک ایجاد کنه. قراره ما رو متوقف کنه. قراره ناراحتمون کنه. قراره به چالشمون بکشه.وقتی همه‌چیز صاف می‌شه، این قدرت از بین می‌ره.یه مثال بزنم.به یه آهنگ فکر کن که دوستش داری. یه آهنگ که واقعاً تأثیرت گذاشته.احتمالاً یه چیزی داره که "عادی" نیست. شاید یه ملودی غیرمنتظره داره. شاید یه متن عجیب داره. شاید یه صدای خاص داره که اول بار شنیدیش فکر کردی "این چیه؟"اون "غیرعادی" بودن، اون اصطکاک، همونیه که باعث شده یادت بمونه.حالا به یه آهنگ هوش مصنوعی فکر کن.احتمالاً از نظر فنی خوبه. ملودی داره. هارمونی داره. ریتم داره.ولی اون غافلگیری رو نداره. اون لحظه‌ی "این چیه؟" رو نداره.چون سیستم طوری طراحی شده که ریسک نکنه. که چیزای "امن" تولید کنه. که صاف باشه.این مشکل صافیه.صافی امنه. صافی قابل پیش‌بینیه. صافی همه‌پسنده.ولی صافی به یاد نمی‌مونه.حالا سؤال اینه: چطوری از این تله فرار کنیم؟جواب: سلیقه.سلیقه یعنی بتونی تشخیص بدی کی صافی خوبه و کی بد.چون همیشه صافی بد نیست. گاهی وقت‌ها صافی لازمه. گاهی وقت‌ها می‌خوای چیزی که راحت هضم بشه.ولی گاهی وقت‌ها اصطکاک لازمه. گاهی وقت‌ها می‌خوای چیزی که متوقفت کنه. که فکرت رو به چالش بکشه.سلیقه یعنی بدونی کی کدوم رو انتخاب کنی.بذار یه مثال عملی بزنم.فرض کن داری یه پست اینستاگرام می‌نویسی برای کسب‌وکارت.از هوش مصنوعی می‌خوای کمکت کنه. سه تا نسخه بهت می‌ده.نسخه‌ی اول: کاملاً حرفه‌ای و رسمی. جمله‌ها درست. ساختار منظم. ولی خشک.نسخه‌ی دوم: خودمونی‌تر. یه‌کم شوخی داره. ولی شاید زیادی شل باشه.نسخه‌ی سوم: یه شروع عجیب داره. یه جمله‌ی غیرمنتظره. ولی بقیه‌ش خوبه.کدوم رو انتخاب می‌کنی؟اگه سلیقه نداشته باشی، احتمالاً اولی رو انتخاب می‌کنی. چون "امن‌ترینه." چون "حرفه‌ای به نظر می‌رسه."ولی اگه سلیقه داشته باشی، شاید سومی رو انتخاب کنی. چون اون شروع عجیب، اون اصطکاک، شاید همون چیزیه که باعث می‌شه آدم‌ها توقف کنن و بخونن.این قدرت سلیقه‌ست.نه اینکه همیشه غیرعادی انتخاب کنی. نه اینکه همیشه عادی انتخاب کنی.بلکه بدونی کی کدوم مناسبه.خب، حالا یه سؤال مهم.چطوری سلیقه‌مون رو بهتر کنیم؟هیوم — همون فیلسوفی که گفتم — یه جواب داده بود.گفت: خودت رو در معرض چیزای خوب بذار.این ساده به نظر می‌رسه ولی خیلی عمیقه.سلیقه از تجربه میاد. هرچی بیشتر چیزای خوب ببینی، بیشتر می‌فهمی خوب یعنی چی.بذار یه مثال بزنم.فرض کن می‌خوای سلیقه‌ت تو عکاسی بهتر بشه.چی‌کار می‌کنی؟عکس می‌بینی. خیلی عکس می‌بینی.نه فقط عکسای معمولی. عکسای عکاسای بزرگ رو می‌بینی. عکسای موزه‌ها رو می‌بینی. عکسایی که جایزه گرفتن رو می‌بینی.و فقط نمی‌بینی. فکر می‌کنی. می‌پرسی "چرا این عکس خوبه؟ چی داره که اون یکی نداره؟"همین‌طور برای نوشتن.می‌خوای سلیقه‌ت تو نوشتن بهتر بشه؟می‌خونی. خیلی می‌خونی.نه فقط هر چیزی. کتابای خوب می‌خونی. نویسنده‌های بزرگ رو می‌خونی. و فکر می‌کنی "چرا این جمله خوبه؟ چرا این پاراگراف کار می‌کنه؟"این فرآیند زمان می‌بره. سلیقه یه‌شبه ساخته نمی‌شه.ولی خبر خوب اینه که هر روز می‌تونی یه‌کم بهترش کنی.یه نکته‌ی مهم دیگه هم هست.سلیقه فقط دیدن نیست. قضاوت کردنه.یعنی چی؟یعنی کافی نیست که فقط چیزای زیاد ببینی. باید در موردشون نظر بدی.باید بگی "این خوبه" یا "این خوب نیست." و بعد از خودت بپرسی "چرا؟"این "چرا" خیلی مهمه. این "چرا" همونیه که سلیقه‌ت رو می‌سازه.بذار یه تمرین بهت بگم.هر روز یه چیز ببین — یه عکس، یه متن، یه طرح، هر چیزی — و در موردش نظر بده.نه فقط "خوشم اومد" یا "خوشم نیومد."بگو چرا."این عکس خوبه چون نورش از یه زاویه‌ی غیرمنتظره میاد و باعث می‌شه چشمم بره سمت اون گوشه.""این متن بد نیست ولی شروعش خیلی کلیشه‌ایه و من رو جذب نمی‌کنه."این تمرین ساده‌ست ولی قدرتمنده.چون مجبورت می‌کنه فکر کنی. مجبورت می‌کنه تحلیل کنی. مجبورت می‌کنه سلیقه‌ت رو به کلمه تبدیل کنی.و وقتی سلیقه‌ت رو به کلمه تبدیل کنی، بهتر می‌فهمیش.یه چیز دیگه هم هست.سلیقه‌ی خوب گاهی یعنی قبول کردن نقص.این شاید عجیب به نظر برسه.ما عادت کردیم فکر کنیم خوب یعنی بی‌نقص. یعنی بدون اشتباه. یعنی کامل.ولی این همیشه درست نیست.یه مفهومی هست تو فرهنگ ژاپنی به اسم "وابی-سابی."وابی-سابی یعنی زیبایی در نقص. زیبایی در ناکامل بودن. زیبایی در گذرا بودن.یه کاسه‌ی سرامیکی که یه ترک داره، شاید زیباتر باشه از یه کاسه‌ی بی‌نقص. چون اون ترک یه داستان داره. یه تاریخ داره. یه شخصیت داره.این ایده تو هنر خیلی مهمه.بهترین آثار هنری معمولاً "کامل" نیستن. یه چیزی دارن که عادی نیست. یه چیزی که شاید از نظر فنی "اشتباه" به نظر برسه. ولی همون چیز باعث می‌شه که اثر زنده باشه. که شخصیت داشته باشه.حالا به هوش مصنوعی فکر کن.هوش مصنوعی طوری طراحی شده که نقص نداشته باشه. که همه‌چیز رو درست انجام بده. که کامل باشه.ولی این کمال، گاهی وقت‌ها باعث می‌شه که خروجیش بی‌روح بشه.سلیقه‌ی خوب یعنی بدونی کی کمال لازمه و کی نقص.گاهی می‌خوای یه چیز بی‌نقص. یه گزارش رسمی. یه ایمیل حرفه‌ای. یه سند قانونی.ولی گاهی می‌خوای یه چیز با شخصیت. یه چیز که صدا داشته باشه. یه چیز که انسانی باشه.و "انسانی" معمولاً یعنی "ناکامل."یه داستان بگم.چند وقت پیش داشتم یه متن می‌نوشتم. از هوش مصنوعی کمک گرفتم.متنی که داد، از نظر فنی عالی بود. جمله‌ها درست بودن. ساختار منظم بود. همه‌چیز سرجاش بود.ولی یه چیزی کم بود. نمی‌تونستم بگم چیه. فقط حس می‌کردم که این متن "من" نیست.رفتم و چند تا جمله رو عوض کردم. یه جمله رو کوتاه‌تر کردم. یه جمله رو طولانی‌تر کردم. یه کلمه‌ی عامیانه اضافه کردم. یه شروع پاراگراف رو عوض کردم.از نظر فنی، شاید متن "بدتر" شد. شاید یه ویراستار ایراد بگیره.ولی متن "من" شد. صدای خودم رو داشت. شخصیت داشت.این سلیقه‌ست.بدونی کی باید از هوش مصنوعی قبول کنی و کی باید تغییرش بدی.بدونی کی کمال لازمه و کی نقص.یه نکته‌ی دیگه هم هست که می‌خوام بگم.هوش مصنوعی سلیقه نداره. دقیق‌تر بگم: سلیقه به اون معنایی که ما داریم نداره.هوش مصنوعی چی داره؟الگو داره. آمار داره. احتمال داره.می‌دونه که معمولاً آدم‌ها چی دوست دارن. می‌دونه که کدوم ترکیب‌ها بیشتر استفاده شدن. می‌دونه که چی "معمولاً" کار می‌کنه.ولی این سلیقه نیست. این تقلید از سلیقه‌ست.فرق چیه؟سلیقه‌ی واقعی از تجربه میاد. از زندگی میاد. از احساس میاد.وقتی من می‌گم "این آهنگ قشنگه"، پشتش یه عمر تجربه‌ی موسیقی هست. یه عمر احساسی که با آهنگای مختلف داشتم. یه عمر خاطره و معنا.هوش مصنوعی این‌ها رو نداره. فقط الگو داره.این یعنی چی؟یعنی هوش مصنوعی می‌تونه چیزای "خوب" تولید کنه. ولی نمی‌تونه واقعاً بگه چرا خوبن.یعنی می‌تونه الگوهای گذشته رو تکرار کنه. ولی نمی‌تونه واقعاً چیز جدید بسازه.یعنی می‌تونه امن باشه. ولی نمی‌تونه واقعاً ریسک کنه.به همین خاطره که سلیقه‌ی انسانی هنوز مهمه.هوش مصنوعی ابزاره. یه ابزار قدرتمند. ولی کسی باید تصمیم بگیره که با این ابزار چی بسازه.اون کسی، تویی.و چیزی که بهت کمک می‌کنه تصمیم بگیری، سلیقه‌ته.یه سؤال که شاید پیش بیاد."خب، اگه هوش مصنوعی می‌تونه چیزای خوب تولید کنه، چرا من باید سلیقه داشته باشم؟ نمی‌تونم فقط قبول کنم هر چی می‌ده؟"می‌تونی. ولی اون موقع، خروجیت مثل خروجی همه می‌شه.چون همه دارن از همون ابزار استفاده می‌کنن. همه دارن همون الگوها رو می‌گیرن. همه دارن همون چیزای "امن" رو تولید می‌کنن.و تو یه دنیا که همه چیز شبیه همه‌ست، چی متفاوته؟سلیقه.کسی که سلیقه داره، می‌تونه از همون ابزار استفاده کنه ولی نتیجه‌ی متفاوت بگیره.چون می‌دونه چی بخواد. می‌دونه چی انتخاب کنه. می‌دونه چی تغییر بده.بذار یه مثال بزنم.فرض کن ده نفر دارن یه پوستر طراحی می‌کنن. همه از همون ابزار هوش مصنوعی استفاده می‌کنن.نه نفرشون اولین طرحی که می‌گیرن رو قبول می‌کنن. همه‌شون شبیه هم می‌شن. همه‌شون "خوب" هستن. ولی هیچ‌کدوم متفاوت نیستن.یه نفر ولی سلیقه داره. ده تا طرح می‌گیره. نگاه می‌کنه. فکر می‌کنه. یکی رو انتخاب می‌کنه که شاید "عادی‌ترین" نباشه ولی "جالب‌ترینه." بعد تغییرش می‌ده. یه چیزی اضافه می‌کنه. یه چیزی کم می‌کنه.اون پوستر متفاوته. اون پوستر یادت می‌مونه.این قدرت سلیقه‌ست.یه نکته‌ی آخر.آینده چی می‌شه؟هوش مصنوعی داره بهتر می‌شه. خیلی سریع داره بهتر می‌شه.شاید یه روز برسه که خروجی‌هاش از خیلی آدم‌ها بهتر باشه. شاید یه روز برسه که تشخیص دادن کار انسان از کار ماشین سخت بشه.ولی حتی اون موقع هم، سلیقه مهم می‌مونه.چرا؟چون سلیقه فقط تشخیص "خوب" از "بد" نیست.سلیقه تشخیص "معنادار" از "بی‌معنا"ست.هوش مصنوعی می‌تونه چیزای خوب بسازه. ولی نمی‌تونه بگه چی معنا داره.معنا از انسان میاد. از تجربه میاد. از زندگی میاد.و سلیقه همون چیزیه که معنا رو تشخیص می‌ده.پس حتی تو آینده‌ای که هوش مصنوعی همه‌کار می‌کنه، یه چیز می‌مونه که فقط انسان می‌تونه انجام بده:تصمیم بگیره چی ارزش ساختن داره.و این تصمیم، با سلیقه گرفته می‌شه.این بود اپیزود سوم.خلاصه‌ش این بود: تو دنیایی که ساختن آسون شده، تشخیص سخته. و سلیقه همون توانایی تشخیصه.سلیقه یه استعداد ذاتی نیست. یه مهارته که می‌شه تقویتش کرد. با دیدن چیزای خوب. با فکر کردن. با پرسیدن "چرا."و تو عصر هوش مصنوعی، سلیقه مهم‌ترین مهارتیه که می‌تونی داشته باشی.دفعه‌ی بعد، می‌خوام در مورد یه چیز دیگه حرف بزنم. در مورد اصالت. در مورد اینکه چرا متن‌های هوش مصنوعی "سرد" به نظر می‌رسن و چطوری می‌شه صدای خودمون رو حفظ کنیم.ولی فعلاً همین.مواظب خودت باش. prompthink | پرامپتینک امید زمانی Fri, 01 May 2026 11:30:12 +0330 https://virgool.io/prompthink/%D8%A7%D9%BE%DB%8C%D8%B2%D9%88%D8%AF-%DB%B2-%D8%AC%D8%A7%D8%AF%D9%88%DB%8C-%D8%B1%D8%A7%D9%86%D8%AF-%D8%B3%D9%88%D9%85-cryhj8o0y98g سلام.قسمت قبل در مورد بازی حرف زدیم. در مورد اینکه چرا باید به خودمون اجازه بدیم اشتباه کنیم. چرا فضای امن برای آزمایش کردن مهمه.امروز می‌خوام یه قدم جلوتر برم.می‌خوام در مورد یه چیزی حرف بزنم که شاید ساده به نظر برسه، ولی وقتی واقعاً فهمیدمش، کلی چیز برام عوض شد.می‌خوام در مورد تکرار صحبت کنم.خب، بذار با یه سؤال شروع کنم.تا حالا شده یه چیزی رو امتحان کنی، نتیجه نده، و بگی "این کار نمی‌کنه"؟من صدها بار این کارو کردم. شاید هزار بار.یه اپلیکیشن جدید نصب می‌کردم، یه بار امتحانش می‌کردم، خوب کار نمی‌کرد، پاکش می‌کردم. یه روش جدید برای کار یاد می‌گرفتم، یه بار امتحانش می‌کردم، جواب نمی‌داد، ولش می‌کردم. یه ابزار جدید می‌دیدم، یه بار باهاش ور می‌رفتم، نتیجه‌ای که می‌خواستم نمی‌گرفتم، می‌گفتم "این به درد نمی‌خوره."و هر بار فکر می‌کردم مشکل از اون ابزار یا اون روشه.ولی نبود.مشکل این بود که من زود جا می‌زدم.خیلی زود.معمولاً بعد از یه بار. حداکثر دو بار.و این یکی از بزرگ‌ترین اشتباهاتی بود که می‌کردم.یه چیزی هست که خیلی‌ها نمی‌دونن.وقتی داری یه چیز جدید یاد می‌گیری، وقتی داری با یه ابزار جدید کار می‌کنی، وقتی داری یه مشکل رو حل می‌کنی — اولین نتیجه تقریباً هیچ‌وقت خوب نیست.این طبیعیه.این قراره همین‌طوری باشه.ولی ما انتظار داریم که از همون اول همه‌چیز عالی باشه. و وقتی نیست، فکر می‌کنیم یه جای کار ایراد داره.بذار یه مثال بزنم.فرض کن می‌خوای یه غذای جدید درست کنی. یه چیزی که تا حالا درست نکردی.اولین بار که درستش می‌کنی، احتمالاً عالی از آب در نمیاد. شاید نمکش زیاد بشه. شاید کم بپزه. شاید طعمش اون چیزی نباشه که انتظار داشتی.این یعنی غذا بده؟ این یعنی دستورش غلطه؟نه. این یعنی بار اوله.بار دوم یه‌کم بهتر می‌شه. بار سوم بازم بهتر. بار چهارم و پنجم، کم‌کم می‌فهمی دستت چقدر نمک باید بریزه. چقدر باید بذاری بپزه. چی بهش اضافه کنی که طعمش بهتر بشه.این همون تکراره.ولی ما با غذا این صبر رو داریم. با خیلی چیزای دیگه نداریم.مخصوصاً با تکنولوژی.مخصوصاً با هوش مصنوعی.یه آمار جالب هست.می‌گن بیشتر آدم‌ها وقتی با یه ابزار دیجیتال کار می‌کنن، اگه اولین تجربه‌شون خوب نباشه، دیگه برنمی‌گردن. یه شانس می‌دن. همین.یه شانس.و بعد verdict می‌دن که "این کار نمی‌کنه."ولی واقعیت اینه که بیشتر چیزای خوب، بیشتر نتیجه‌های واقعی، بیشتر لحظه‌های "آها" — اینا معمولاً بین راند سوم تا پنجم اتفاق می‌افتن.نه راند اول.نه راند دوم.راند سوم به بعد.این یه چیزیه که من بهش می‌گم "جادوی راند سوم."اولین بار که یه چیزی رو امتحان می‌کنی، داری آشنا می‌شی. داری می‌فهمی چی به چیه. نتیجه‌ش مهم نیست. فقط داری زمین رو می‌شناسی.دومین بار، یه‌کم بهتر می‌فهمی. می‌بینی کجاها اشتباه کردی. می‌بینی چی کم بود.سومین بار، اینجاست که چیزای جالب شروع می‌شه. اینجاست که کم‌کم می‌فهمی داری چی‌کار می‌کنی. اینجاست که نتیجه‌ها شروع می‌کنن به بهتر شدن.و اگه ادامه بدی، راند چهارم و پنجم، اونجاست که واقعاً می‌رسی به جایی که می‌خواستی.این فقط حرف من نیست. این یه چیزیه که فیلسوف‌ها و متفکرها صدها ساله در موردش فکر کردن.بذار چند تاشون رو بگم.اولی هگل.هگل یه فیلسوف آلمانی بود. یه ایده‌ی معروف داشت به اسم "دیالکتیک."خیلی ساده بگم: هگل می‌گفت ایده‌ها از طریق تضاد رشد می‌کنن.یعنی چی؟یعنی اول یه ایده داری. بهش می‌گن "تز." بعد یه چیزی میاد که اون ایده رو به چالش می‌کشه. بهش می‌گن "آنتی‌تز." و از برخورد این دوتا، یه ایده‌ی جدید و بهتر به وجود میاد. بهش می‌گن "سنتز."و این سنتز خودش می‌شه تز بعدی. و دوباره یه آنتی‌تز میاد. و دوباره یه سنتز جدید.این چرخه ادامه داره.این دقیقاً همون چیزیه که موقع کار با هوش مصنوعی اتفاق می‌افته.اولین چیزی که ازش می‌خوای، اون تزه. نقطه‌ی شروع.جوابی که می‌ده، معمولاً کامل نیست. یه جاهایی ایراد داره. یه چیزایی کمه. یه چیزایی اشتباهه. این می‌شه آنتی‌تز.و وقتی این ایرادها رو می‌بینی و درستشون می‌کنی، وقتی سؤال بعدی رو می‌پرسی، وقتی بهترش می‌کنی — داری سنتز می‌سازی.و این سنتز می‌شه نقطه‌ی شروع راند بعدی.این چرخه‌ست که قدرت داره. نه یه سؤال تکی.یه فیلسوف دیگه هم هست به اسم جان دیویی.دیویی آمریکایی بود. یکی از بزرگ‌ترین متفکرهای حوزه‌ی آموزش.دیویی یه ایده‌ی ساده ولی قوی داشت: یادگیری از طریق عمل اتفاق می‌افته.نه از طریق خوندن. نه از طریق گوش دادن. از طریق انجام دادن.ولی فقط انجام دادن کافی نیست. باید بعدش فکر کنی. باید ببینی چی شد. باید بفهمی چی کار کردی، چی جواب داد، چی جواب نداد.دیویی می‌گفت یادگیری یه چرخه‌ست: عمل، مشاهده، تأمل. و بعد دوباره عمل.وقتی با هوش مصنوعی کار می‌کنی، دقیقاً همینه.اولین سؤالی که می‌پرسی، اون عمله.جوابی که می‌گیری، اون مشاهده‌ست.وقتی فکر می‌کنی "خب، این جواب چی کم داره؟ چی اضافه داره؟ چطوری می‌تونم بهترش کنم؟" — این تأمله.و سؤال بعدی که می‌پرسی، اون عمل بعدیه.این چرخه رو هر چقدر بیشتر تکرار کنی، بیشتر یاد می‌گیری. هم در مورد ابزار، هم در مورد مسئله‌ای که داری حلش می‌کنی.یه نفر دیگه هم هست که می‌خوام در موردش حرف بزنم. هربرت سایمون.سایمون یه متفکر بزرگ بود تو حوزه‌ی تصمیم‌گیری. یکی از پایه‌گذارهای هوش مصنوعی هم بود.سایمون یه ایده‌ی جالب داشت. گفت ما همیشه دنبال "بهترین" جواب می‌گردیم. ولی تو دنیای واقعی، بهترین جواب معمولاً وجود نداره. یا اگه وجود داره، پیدا کردنش خیلی سخته.به جاش، باید دنبال جواب "به‌اندازه‌ی کافی خوب" بگردیم.اسمش رو گذاشت "satisficing" — ترکیب satisfy و suffice.این ایده خیلی مهمه.چون وقتی داری تکرار می‌کنی، وقتی داری بهتر و بهتر می‌کنی، یه جایی باید بگی "خب، این کافیه."تکرار بی‌نهایت هم جواب نمی‌ده. یه جایی باید توقف کنی.هنر اینه که بفهمی اون نقطه کجاست. کی جواب "به‌اندازه‌ی کافی خوب" شده که بتونی برگردی.خب، این فلسفه بود. بذار برگردم به دنیای واقعی.یه حرفه هست که تکرار رو بهتر از هر حرفه‌ی دیگه‌ای فهمیده: طراحی.طراح‌ها هیچ‌وقت انتظار ندارن که اولین طرحشون عالی باشه. این تو DNA کارشونه.اول یه طرح اولیه می‌زنن. بعد نگاهش می‌کنن. بعد عوضش می‌کنن. بعد دوباره نگاه می‌کنن. بعد بازم عوضش می‌کنن.این چرخه ادامه داره تا برسن به یه چیزی که خوبه.یه مدل معروف هست تو دنیای طراحی به اسم "الماس دوگانه" یا Double Diamond.ایده‌ش اینه که حل مسئله دو مرحله داره.مرحله‌ی اول: باز کردن.اول باید مسئله رو بشناسی. باید همه‌ی جوانبش رو ببینی. باید سؤالای زیاد بپرسی. باید گزینه‌های مختلف رو بررسی کنی. این مرحله‌ی "واگرایی"ه. داری پهن می‌کنی.بعد باید تمرکز کنی. از بین همه‌ی چیزایی که دیدی، باید بفهمی مسئله‌ی اصلی چیه. این مرحله‌ی "همگرایی"ه. داری جمع می‌کنی.مرحله‌ی دوم: حل کردن.حالا که مسئله رو فهمیدی، باید راه‌حل پیدا کنی. دوباره باز می‌کنی. گزینه‌های مختلف رو بررسی می‌کنی. ایده‌های زیاد می‌دی.و بعد دوباره تمرکز می‌کنی. بهترین راه‌حل رو انتخاب می‌کنی. جزئیاتش رو مشخص می‌کنی.این مدل شبیه دو تا الماسه که کنار هم قرار گرفتن. اول باز می‌شه، بعد جمع می‌شه. دوباره باز می‌شه، دوباره جمع می‌شه.چرا این مهمه؟چون وقتی با هوش مصنوعی کار می‌کنی، می‌تونی از همین مدل استفاده کنی.بذار یه مثال بزنم.فرض کن می‌خوای یه کمپین تبلیغاتی طراحی کنی برای یه محصول جدید.اگه مستقیم بری بگی "یه کمپین تبلیغاتی طراحی کن"، احتمالاً یه جواب کلی و معمولی می‌گیری.ولی اگه از مدل الماس دوگانه استفاده کنی:مرحله‌ی اول — باز کردن:بگو: "چالش‌های اصلی کافه‌های کوچک برای جذب مشتری وفادار چیه؟"بذار ایده‌های مختلف بده. ببین چی می‌گه. شاید چیزایی بگه که بهشون فکر نکرده بودی.مرحله‌ی اول — جمع کردن:از بین همه‌ی چالش‌هایی که گفت، یکی رو انتخاب کن.بگو: "بیا روی موضوع پایداری و محیط زیست تمرکز کنیم. چه چالش‌هایی تو این حوزه هست؟"مرحله‌ی دوم — باز کردن:بگو: "چه استراتژی‌های بازاریابی می‌تونن مشتری‌های محیط‌زیست‌دوست رو جذب کنن؟"بذار ایده‌های مختلف بده.مرحله‌ی دوم — جمع کردن:از بین ایده‌ها، یکی رو انتخاب کن.بگو: "بیا روی برنامه‌ی لیوان قابل استفاده‌ی مجدد تمرکز کنیم. یه پلن کامل بنویس."می‌بینی؟ این چهار مرحله بود. چهار راند.و نتیجه‌ش خیلی بهتره از اینکه مستقیم بری بگی "یه کمپین طراحی کن."این همون جادوی راند سومه.هر راند یه چیز جدید اضافه می‌کنه. هر راند تمرکز رو بیشتر می‌کنه. هر راند نتیجه رو بهتر می‌کنه.یه مثال دیگه بزنم. این یکی از زندگی خودم.چند وقت پیش می‌خواستم یه متن بنویسم برای یه پروژه. یه متن معرفی.اولین بار که از هوش مصنوعی خواستم کمکم کنه، یه چیز کلی و خشک داد. از اون متن‌هایی که می‌خونیشون و هیچی یادتون نمی‌مونه.ناامید شدم؟ آره، یه‌کم.ولی ادامه دادم.راند دوم: گفتم "این متن خیلی رسمیه. می‌خوام لحنش صمیمی‌تر باشه. انگار دارم با یه دوست حرف می‌زنم."بهتر شد. ولی هنوز یه چیزی کم بود.راند سوم: گفتم "می‌خوام با یه سؤال شروع بشه. یه سؤالی که آدم رو فکر کنه."اینجا بود که یه چیز جالب اتفاق افتاد. یه شروع داد که واقعاً توجهم رو جلب کرد.راند چهارم: گفتم "این شروع خوبه. ولی وسطش یه مثال واقعی می‌خوام. یه داستان کوتاه."و داستان اضافه کرد.راند پنجم: گفتم "حالا پایان‌بندیش رو قوی‌تر کن. نمی‌خوام با سؤال تموم بشه. می‌خوام با یه جمله‌ی کوتاه و ضربه‌ای تموم بشه."و تموم شد.اون متن نهایی، اصلاً شبیه متن اول نبود. انگار دو نفر مختلف نوشته بودنش.ولی من کار خاصی نکردم. فقط پنج بار سؤال پرسیدم. فقط پنج بار گفتم "این خوبه، ولی..."همین.این قدرت تکراره.یه نکته‌ی مهم هم هست.تکرار فقط بهتر کردن خروجی نیست. تکرار یادگیریه.هر بار که یه سؤال می‌پرسی و جواب می‌گیری، یه چیزی یاد می‌گیری. در مورد ابزار. در مورد مسئله. در مورد خودت.می‌فهمی چطوری سؤال بپرسی. می‌فهمی چه جور جوابایی می‌گیری. می‌فهمی کجاها قویه، کجاها ضعیفه.این دانش جمع می‌شه. و هر بار که دوباره کار می‌کنی، بهتر می‌شی.یه چیز دیگه هم هست.خیلی وقت‌ها آدم‌ها فکر می‌کنن تکرار یعنی همون کار رو دوباره انجام دادن.نه.تکرار یعنی همون کار رو با یه تغییر کوچک انجام دادن.اون تغییر کوچیکه که مهمه. اون تغییره که باعث پیشرفت می‌شه.اگه دقیقاً همون کار رو دوباره انجام بدی، دقیقاً همون نتیجه رو می‌گیری. این تکرار نیست. این وقت‌تلفیه.بذار یه مثال دیگه بزنم.فرض کن داری رانندگی یاد می‌گیری.اگه هر بار دقیقاً همون کار رو بکنی، همون اشتباهات رو تکرار می‌کنی. ولی اگه هر بار یه چیز کوچیک رو عوض کنی — "این بار زودتر ترمز می‌زنم"، "این بار آینه رو بیشتر نگاه می‌کنم" — اونجاست که پیشرفت می‌کنی.تکرار با تأمل.نه تکرار کورکورانه.این تو کار با هوش مصنوعی هم همینه.اگه همون سؤال رو دوباره بپرسی، احتمالاً همون جواب رو می‌گیری. یا یه چیز خیلی شبیهش.ولی اگه سؤالت رو یه‌کم عوض کنی — یه جزئیات اضافه کنی، یه زاویه‌ی دیگه بهش بدی، یه محدودیت جدید بذاری — اونجاست که جواب‌های متفاوت می‌گیری.یه تکنیک هست که خیلی کمک می‌کنه.بعد از هر جواب، از خودت بپرس: "چی کمه؟"نه "چی غلطه؟" — چون شاید هیچی غلط نباشه. ولی یه چیزی کمه. یه چیزی هست که می‌تونه بهتر باشه.اون "چی کمه؟" رو پیدا کن. و سؤال بعدی رو بر اساس اون بپرس.یه تکنیک دیگه هم هست.گاهی وقت‌ها به جای اینکه بگی "بهترش کن"، بگو "یه نسخه‌ی دیگه بده."این خیلی فرق می‌کنه."بهترش کن" یعنی همون مسیر رو ادامه بده."یه نسخه‌ی دیگه بده" یعنی یه مسیر جدید امتحان کن.گاهی مسیر اول اشتباهه. گاهی باید از اول یه راه دیگه بری. و این "نسخه‌ی دیگه" بهت اون امکان رو می‌ده.یه داستان دیگه بگم.یکی از دوستام نویسنده‌ست. یه روز داشت در مورد فرآیند نوشتنش حرف می‌زد.گفت: "اولین دستنویسم همیشه افتضاحه. همیشه. ولی این مهم نیست. چون اولین دستنویس قرار نیست خوب باشه. قراره وجود داشته باشه."این جمله خیلی تو ذهنم موند."قرار نیست خوب باشه. قراره وجود داشته باشه."این همون ایده‌ست.اولین خروجی — چه از خودت باشه، چه از هوش مصنوعی — قرار نیست عالی باشه. قراره نقطه‌ی شروع باشه.و از اون نقطه‌ی شروع، با تکرار، می‌رسی به جایی که می‌خوای.یه سؤال که شاید پیش بیاد: "خب، چند بار باید تکرار کنم؟"جواب ساده: معمولاً سه تا پنج بار.این یه قانون نیست. یه راهنماست.گاهی سه بار کافیه. گاهی پنج بار لازمه. گاهی بیشتر.ولی نکته اینه که یه بار کافی نیست. دو بار هم معمولاً کافی نیست.اگه بعد از یه بار ناامید شدی، خیلی زوده. اگه بعد از دو بار گفتی "این کار نمی‌کنه"، هنوز زوده.حداقل تا راند سوم صبر کن. اونجاست که واقعاً می‌تونی قضاوت کنی.یه چیز دیگه هم بگم.این ایده‌ی سه تا پنج راند فقط برای هوش مصنوعی نیست.برای همه‌چیزه.می‌خوای یه مهارت جدید یاد بگیری؟ سه تا پنج بار جدی امتحانش کن. بعد قضاوت کن.می‌خوای یه عادت جدید بسازی؟ سه تا پنج هفته بهش وقت بده. بعد ببین جواب می‌ده یا نه.می‌خوای یه رابطه‌ی جدید بسازی؟ سه تا پنج بار واقعاً تلاش کن. بعد تصمیم بگیر.این قانون تو خیلی جاها کار می‌کنه.یه نکته‌ی آخر.تکرار سخته.سخته چون نیاز به صبر داره. نیاز به تحمل ناکامل بودن داره. نیاز به این داره که قبول کنی اولین نتیجه خوب نیست و این اشکالی نداره.ما تو دنیایی زندگی می‌کنیم که همه‌چیز باید فوری باشه. همه‌چیز باید از همون اول عالی باشه. همه‌چیز باید با یه کلیک تموم بشه.ولی چیزای خوب اینطوری ساخته نمی‌شن.چیزای خوب با تکرار ساخته می‌شن. با صبر. با اصلاح کردن. با بهتر کردن.پس دفعه‌ی بعد که یه چیزی رو امتحان کردی و جواب نداد، قبل از اینکه بگی "این کار نمی‌کنه"، یه سؤال از خودت بپرس:"چند بار امتحان کردم؟"اگه جوابت یکی یا دوتاست، هنوز زوده.برگرد. دوباره امتحان کن. یه چیز کوچیک رو عوض کن. ببین چی می‌شه.جادو بین راند سوم تا پنجم اتفاق می‌افته.فقط باید تا اونجا صبر کنی.این بود اپیزود دوم.خلاصه‌ش این بود: زود جا نزن. اولین جواب نقطه‌ی شروعه، نه نقطه‌ی پایان. و جادوی واقعی، اونجایی اتفاق می‌افته که بیشتر آدم‌ها قبلش رفتن.دفعه‌ی بعد، می‌خوام در مورد یه چیز دیگه حرف بزنم. در مورد اینکه وقتی همه‌چیز آسون شد، چی مهم می‌شه.ولی فعلاً همین.مواظب خودت باش. prompthink | پرامپتینک امید زمانی Fri, 01 May 2026 11:20:16 +0330 https://virgool.io/prompthink/%D9%BE%D8%A7%D8%AF%DA%A9%D8%B3%D8%AA-%D9%82%D8%B3%D9%85%D8%AA-%D8%A7%D9%88%D9%84-%D8%AE%DB%8C%D8%A7%D8%A8%D9%88%D9%86%DB%8C-%D8%A8%D8%A7%D8%B2%DB%8C-%DA%A9%D8%B1%D8%AF%D9%86-%D8%A8%D8%A7-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-yripzz2beqfi-yripzz2beqfi-yripzz2beqfi سلام.امروز می‌خوام یه چیزی بگم که شاید اولش عجیب به نظر برسه. شاید حتی یه‌کم بچه‌گانه. ولی باهام بیا. چون این یکی از مهم‌ترین چیزاییه که تو این چند سال یاد گرفتم.می‌خوام در مورد بازی صحبت کنم.آره، بازی.خب، بذار از یه جای غیرمنتظره شروع کنم.چند وقت پیش یه دوستی داشتم که وکیله. از اون وکیل‌های جدی. کت‌وشلوار، دفتر شیک، حرف‌زدن رسمی. یه روز بهش گفتم "چرا نمی‌ری با این ابزارهای هوش مصنوعی کار کنی؟ شاید بتونه کمکت کنه."می‌دونی چی گفت؟گفت: "این چیزا مال بچه‌هاست. من کار جدی دارم."خندیدم. نه بهش. به خودم. چون منم یه زمانی همین‌طوری فکر می‌کردم.یه چیزی هست که تو فرهنگ کاری ما خیلی قوی ریشه دونده. این ایده که کار باید جدی باشه. سنگین باشه. اگه داری می‌خندی، یعنی داری وقت تلف می‌کنی. اگه داری آزمایش می‌کنی، یعنی نمی‌دونی چی‌کار داری می‌کنی. اگه داری بازی می‌کنی... خب، بازی مال بچه‌هاست دیگه.این فکر رو همه‌جا می‌بینی.تو شرکت‌ها. تو دانشگاه‌ها. تو بیمارستان‌ها. تو دفترهای وکالت.همه‌جا یه جور سنگینی هست. یه جور "اینجا جای شوخی نیست."ولی یه سؤال دارم.اگه بازی انقدر بی‌ارزشه، پس چرا بچه‌ها از طریق بازی یاد می‌گیرن؟یه بچه‌ی پنج‌ساله رو ببر پارک. بذارش جلوی یه سرسره که تا حالا ندیده. هیچ کتابچه‌ای بهش نده. هیچ آموزشی نده. فقط نگاه کن.ده دقیقه بعد، اون بچه استاد اون سرسره شده. از پایین رفته بالا. از بالا سُر خورده پایین. کج رفته. راست رفته. همه‌جاش رو امتحان کرده.چطوری یاد گرفت؟بازی کرد.یه فیلسوف هلندی بود به اسم یوهان هویزینگا. این آقا یه کتاب نوشت در مورد بازی. ایده‌ی اصلیش این بود که بازی فقط برای بچه‌ها نیست. بازی یکی از اساسی‌ترین روش‌های یادگیری انسانه. از اول تاریخ تا الان.ولی یه چیز جالب‌تر هم گفت.گفت وقتی بازی می‌کنی، وارد یه فضای خاص می‌شی. یه فضا که قوانین معمولی توش کار نمی‌کنه. یه فضا که اشتباه کردن مجازات نداره. یه فضا که می‌تونی هر چیزی رو امتحان کنی.اسمش رو گذاشت "دایره‌ی جادویی."دایره‌ی جادویی.شاید اسمش یه‌کم فانتزی به نظر برسه. ولی فکر کن.وقتی بچه‌ها خاله‌بازی می‌کنن، یه کارتن می‌شه خونه. یه چوب می‌شه قاشق. یه عروسک می‌شه نوزاد واقعی. همه قبول دارن که این چیزا واقعی نیستن. ولی توی اون لحظه، توی اون بازی، واقعی‌ان.این همون دایره‌ی جادوییه.یه فضای موقت که توش قوانین عوض می‌شن. که توش می‌تونی چیزای جدید امتحان کنی بدون اینکه نگران عواقبش باشی.حالا سؤال اینه: ما بزرگ‌ترا چی؟ما هم به این دایره‌ی جادویی نیاز داریم. مخصوصاً وقتی می‌خوایم یه چیز جدید یاد بگیریم. مخصوصاً وقتی می‌خوایم با یه تکنولوژی جدید کار کنیم.مثل هوش مصنوعی.برگردم به اون دوست وکیلم.یه روز مجبورش کردم بیاد یه جلسه که داشتم در مورد هوش مصنوعی حرف می‌زدم. نشست. با اکراه. دست به سینه. منتظر که ثابت کنه این چیزا بدرد نمی‌خوره.اولین چیزی که ازش خواستم این بود: "یه قرارداد ساده بنویس با کمک این ابزار."نوشت. خروجی‌اش متوسط بود. نه خوب، نه بد. همون چیزی که انتظارش رو داشت.گفت: "دیدی؟ گفتم که. این چیزا کار نمی‌کنه."ولی من ولش نکردم.گفتم: "خب، حالا یه چیز دیگه امتحان کن. بنویس یه قرارداد برای فروش یه تک‌شاخ."نگاهم کرد. گفت: "چی؟"گفتم: "آره. یه تک‌شاخ. اسب شاخ‌دار. قرارداد فروشش رو بنویس."اول خندید. فکر کرد دارم شوخی می‌کنم.ولی نوشت.و یه چیز جالب اتفاق افتاد.وقتی داشت این قرارداد مسخره رو می‌نوشت، شروع کرد به فهمیدن اینکه این ابزار چطوری با زبان حقوقی کار می‌کنه. کجاهاش خوبه. کجاهاش ضعیفه. چطوری جواب می‌ده. چطوری گیج می‌شه.چون فشار نتیجه نبود. چون مهم نبود قرارداد تک‌شاخ درست باشه یا نه. چون داشت بازی می‌کرد.یه ساعت بعد، همون آدمی که گفته بود "این چیزا مال بچه‌هاست"، داشت از ابزار می‌خواست یه قانون پیچیده رو خلاصه کنه. داشت ازش می‌خواست استدلال‌های مختلف برای یه پرونده بسازه. داشت باهاش کار می‌کرد. واقعی.چی عوض شد؟ابزار عوض نشد. همون ابزار بود.طرز فکرش عوض شد. وارد دایره‌ی جادویی شد.این داستان رو گفتم چون فکر می‌کنم خیلی از ما همین مشکل رو داریم.می‌خوایم با یه چیز جدید کار کنیم. ولی از همون اول انتظار داریم که نتیجه بده. انتظار داریم که کامل باشه. انتظار داریم که "کار" کنه.و وقتی نتیجه نمی‌ده — که معمولاً اول نمی‌ده — ناامید می‌شیم. می‌گیم "این چیزا بدرد نمی‌خوره" و می‌ریم.ولی مشکل اون ابزار نیست. مشکل اینه که ما بهش فرصت ندادیم.فرصت بازی.یه مثال دیگه بزنم. این یکی از زندگی خودم.چند سال پیش می‌خواستم برنامه‌نویسی یاد بگیرم. رفتم کتاب خوندم. ویدیو دیدم. دوره گذروندم. ولی هیچ‌وقت واقعاً یاد نگرفتم.می‌دونی چرا؟چون همیشه داشتم سعی می‌کردم یه چیز "مفید" بسازم. یه اپلیکیشن که کار کنه. یه سایت که قشنگ باشه. یه پروژه که بتونم نشونش بدم.و هر بار که به مشکل می‌خوردم، فکر می‌کردم "من استعدادش رو ندارم" و ول می‌کردم.تا اینکه یه روز تصمیم گرفتم یه بازی بسازم.نه یه بازی جدی. یه بازی مسخره. یه بازی که توش یه مربع باید از یه دایره فرار کنه. همین.هیچ‌کس قرار نبود ببینتش. هیچ‌کس قرار نبود ازش استفاده کنه. فقط برای خودم بود.و یه چیز جالب اتفاق افتاد.چون مهم نبود که کامل باشه، شروع کردم به آزمایش کردن. شروع کردم به اشتباه کردن. شروع کردم به یاد گرفتن.اون بازی مسخره بیشتر بهم یاد داد تا صد ساعت دوره و کتاب.این همون دایره‌ی جادوییه.وقتی فشار نتیجه نیست، وقتی مهم نیست که کامل باشه، وقتی می‌تونی اشتباه کنی بدون اینکه کسی قضاوتت کنه — اونجاست که یادگیری واقعی اتفاق می‌افته.حالا برگردیم به هوش مصنوعی.خیلی از آدم‌ها وقتی اولین بار با این ابزارها کار می‌کنن، یه کار جدی ازش می‌خوان. یه گزارش کاری. یه ایمیل مهم. یه تحلیل پیچیده.و وقتی خروجی عالی نیست — که معمولاً اولین خروجی عالی نیست — نتیجه می‌گیرن که "این چیزا کار نمی‌کنه."ولی اگه اول با یه چیز بی‌اهمیت شروع می‌کردن چی؟اگه می‌گفتن "یه شعر مسخره در مورد ترافیک تهران بنویس" چی؟اگه می‌گفتن "یه داستان کوتاه بنویس در مورد یه گربه که می‌خواد رئیس‌جمهور بشه" چی؟می‌دونم. می‌دونم. این چیزا بی‌معنی به نظر می‌رسن.ولی نکته همینه.وقتی داری یه چیز بی‌معنی می‌سازی، فشار نتیجه نیست. می‌تونی آزمایش کنی. می‌تونی ببینی ابزار چطوری کار می‌کنه. می‌تونی بفهمی کجاهاش قویه، کجاهاش ضعیفه.و بعد، وقتی می‌خوای یه کار جدی باهاش انجام بدی، می‌دونی چطوری ازش استفاده کنی.یه چیز دیگه هم هست.بازی کردن با این ابزارها فقط برای یادگیری نیست. برای کشف هم هست.خیلی وقت‌ها آدم‌ها نمی‌دونن این ابزارها چی‌کار می‌تونن بکنن. چون هیچ‌وقت امتحان نکردن.ولی وقتی شروع می‌کنی به بازی کردن، وقتی سؤال‌های عجیب می‌پرسی، وقتی چیزای غیرمنتظره ازش می‌خوای — اونجاست که می‌فهمی این ابزار چقدر قابلیت داره.یه مثال بزنم.یکی از دوستام معلمه. یه روز داشت با یکی از این ابزارها بازی می‌کرد. گفت: "یه امتحان ریاضی برای بچه‌های کلاس پنجم بساز."خروجی معمولی بود. سؤالات استاندارد.بعد گفت: "حالا همین سؤالات رو بنویس ولی انگار یه دزد دریایی داره می‌پرسه."و یه چیز جالب اتفاق افتاد.سؤالات همون بودن. ولی با یه لحن و داستان متفاوت. بچه‌ها عاشقش شدن.این ایده از کجا اومد؟از بازی. از آزمایش. از اینکه یه چیز مسخره امتحان کرد و دید جواب می‌ده.یه نکته‌ی مهم دیگه هم هست.بازی کردن با این ابزارها اخلاقی هم هست.چی؟ آره، اخلاقی.ببین، این ابزارها قدرتمندن. می‌تونن کارای خوب بکنن، می‌تونن کارای بد هم بکنن. می‌تونن اشتباه کنن. می‌تونن چیزای غلط تولید کنن.اگه اولین بارت باشه که داری با یکی از این ابزارها کار می‌کنی و مستقیم بری سراغ یه کار مهم و جدی، ممکنه اشتباهات ابزار رو نفهمی. ممکنه به چیزی اعتماد کنی که نباید.ولی اگه اول با چیزای بی‌اهمیت بازی کنی، می‌فهمی محدودیت‌هاش کجاست. می‌فهمی کجا می‌شه بهش اعتماد کرد، کجا نه.این مسئولیت‌پذیریه. این اخلاقیه.برگردم به اون ایده‌ی دایره‌ی جادویی.چطوری می‌تونی این فضا رو برای خودت بسازی؟اولین قدم اینه که به خودت اجازه بدی.اجازه بدی که اشتباه کنی. اجازه بدی که چیزای مسخره امتحان کنی. اجازه بدی که یه ساعت وقتت رو صرف چیزی کنی که هیچ "نتیجه‌ی" عملی نداره.این سخته. می‌دونم. ما یاد گرفتیم که وقت باید بهره‌ور باشه. که هر کاری باید نتیجه داشته باشه. که بازی وقت‌تلفیه.ولی اینطوری نیست.یه تمرین بهت پیشنهاد می‌دم.امشب، یا فردا، یا هر وقت که وقت داشتی، برو سراغ یکی از این ابزارهای هوش مصنوعی. هر کدومش. مهم نیست.ولی یه قانون داری: نباید ازش کار مفید بخوای.بگو یه شعر در مورد ساندویچ فلافل بنویسه.بگو یه داستان بنویسه در مورد یه ماهی که می‌خواد پیانو یاد بگیره.بگو یه مکالمه بنویسه بین سقراط و یه راننده تاکسی تهرانی.هر چیز مسخره‌ای که به ذهنت می‌رسه.و بعد ببین چی می‌شه.ببین ابزار چطوری جواب می‌ده. ببین کجاهاش خوبه. ببین کجاهاش عجیبه. ببین چطوری می‌تونی باهاش حرف بزنی.این اولین قدم برای یاد گرفتن واقعیه.یه چیز دیگه هم بگم.این دایره‌ی جادویی فقط برای افراد نیست. برای تیم‌ها هم هست. برای شرکت‌ها هم هست.اگه مدیر یه تیمی، اگه رئیس یه شرکتی، اگه معلم یه کلاسی — می‌تونی این فضا رو برای دیگران هم بسازی.بگو: "برای یه ساعت آینده، هیچ‌چیزی که اینجا انجام می‌دید مهم نیست. نمی‌تونید خرابش کنید. هیچ سؤالی غلط نیست. فقط آزمایش کنید."این جمله‌ی ساده می‌تونه همه‌چیز رو عوض کنه.یادمه یه بار تو یه جلسه‌ی کاری بودم. یه شرکت بزرگ. آدم‌های جدی با کت‌وشلوار و لپ‌تاپ‌های گرون‌قیمت.قرار بود یاد بگیرن چطوری با ابزارهای جدید کار کنن.اول همه محتاط بودن. سؤالات رسمی می‌پرسیدن. خروجی‌های معمولی می‌گرفتن. هیچ‌کس هیجان‌زده نبود.بعد یه نفر — نمی‌دونم چرا — یه سؤال مسخره پرسید. یه چیزی در مورد اینکه اگه شرکتشون رو یه گربه مدیریت می‌کرد چی می‌شد.همه خندیدن.ولی یه چیزی عوض شد.یه‌دفعه فضا سبک‌تر شد. آدم‌ها شروع کردن به سؤالات عجیب‌تر پرسیدن. شروع کردن به آزمایش کردن. شروع کردن به بازی کردن.و تا آخر جلسه، همون آدم‌هایی که اول بی‌علاقه بودن، داشتن ایده‌های جدید پیدا می‌کردن. داشتن کشف می‌کردن.این قدرت بازیه.این قدرت دایره‌ی جادوییه.می‌دونم که بعضی‌ها الان دارن فکر می‌کنن: "خب، این برای آدم‌های خلاق خوبه. ولی من کارم جدیه. من حسابدارم. من مهندسم. من دکترم."ولی نکته همینه.هر چی کارت جدی‌تره، بیشتر به این فضای بازی نیاز داری.چون وقتی فشار زیاده، وقتی اشتباه کردن هزینه داره، آدم محتاط می‌شه. ریسک نمی‌کنه. چیز جدید امتحان نمی‌کنه.ولی یادگیری واقعی از ریسک کردن میاد. از اشتباه کردن میاد. از امتحان کردن چیزای جدید میاد.پس باید یه فضا داشته باشی که توش بتونی این کارا رو بکنی. بدون فشار. بدون قضاوت. بدون ترس.یه مثال دیگه بزنم.فرض کن یه جراحی. جراح‌ها چطوری یاد می‌گیرن؟آیا اولین بارشون می‌رن سراغ یه عمل واقعی روی یه بیمار واقعی؟نه. اول با مدل‌ها تمرین می‌کنن. با شبیه‌سازی‌ها تمرین می‌کنن. جاهایی که اشتباه کردن هزینه نداره.این همون دایره‌ی جادوییه. فقط با اسم دیگه.برای هوش مصنوعی هم همینه.قبل از اینکه بخوای یه کار مهم باهاش انجام بدی، باید تو یه فضای امن باهاش تمرین کرده باشی. باید اشتباهاتش رو دیده باشی. باید محدودیت‌هاش رو فهمیده باشی.و بهترین راه برای این کار، بازی کردنه.یه چیزی هست که خیلی‌ها نمی‌دونن.این ابزارها خیلی بیشتر از اون چیزی که فکر می‌کنی توانایی دارن. ولی این توانایی‌ها پنهانه. پیدا کردنشون کار می‌خواد.و تنها راه پیدا کردنشون اینه که آزمایش کنی. که سؤالات عجیب بپرسی. که چیزای غیرمنتظره ازش بخوای.اگه فقط سؤالات معمولی بپرسی، جواب‌های معمولی می‌گیری.ولی اگه بازی کنی، اگه آزمایش کنی، اگه مرزها رو بکشی — اونجاست که چیزای جالب پیدا می‌کنی.یه داستان دیگه بگم.یکی از آشناهام توی یه استارتاپ کار می‌کنه. کارشون بازاریابیه. یه روز داشتن با تیمشون ایده‌های جدید برای کمپین تبلیغاتی می‌ساختن.اول همه جدی بودن. ایده‌های معمولی می‌دادن. چیزایی که قبلاً صد بار دیده بودن.بعد یکی پیشنهاد داد: "بیایید یه بازی کنیم. هر کسی باید بدترین ایده‌ی ممکن رو بده. عمداً بد."شروع کردن.یکی گفت: "بیایید تبلیغ رو فقط شب‌ها نشون بدیم، وقتی همه خوابن."یکی دیگه گفت: "بیایید محصول رو به آدم‌هایی بفروشیم که اصلاً بهش نیاز ندارن."همه خندیدن.ولی یه چیز جالب اتفاق افتاد.وسط این ایده‌های مسخره، یه نفر یه چیزی گفت که اولش مسخره به نظر می‌رسید، ولی یه هسته‌ی خوب توش بود. و از اونجا یه ایده‌ی واقعی در اومد.این قدرت بازیه. وقتی فشار "ایده‌ی خوب" نیست، ذهن آزاد می‌شه. و گاهی بهترین ایده‌ها از همین آزادی در میان.خب، داریم به آخر می‌رسیم.می‌خوام یه چیز دیگه بگم قبل از اینکه تموم کنم.این ایده‌ی بازی فقط برای هوش مصنوعی نیست. برای همه چیزه.هر وقت می‌خوای یه چیز جدید یاد بگیری، هر وقت می‌خوای یه مهارت جدید پیدا کنی، هر وقت می‌خوای یه راه جدید امتحان کنی — به خودت اجازه‌ی بازی بده.اجازه بده که اشتباه کنی. اجازه بده که مسخره باشی. اجازه بده که بدون فشار نتیجه آزمایش کنی.اینجاست که یادگیری واقعی اتفاق می‌افته.یادت باشه: بازی ضعف نیست. بازی وقت‌تلفی نیست. بازی یکی از قوی‌ترین ابزارهای یادگیریه که داریم.و تو هر سنی که باشی، هر شغلی که داشته باشی، هر جایی که زندگی کنی — هنوز می‌تونی بازی کنی.فقط باید به خودت اجازه بدی.این بود حرف‌های امروز.دفعه‌ی بعد که نشستی جلوی یکی از این ابزارها، قبل از اینکه یه کار جدی ازش بخوای، یه چیز مسخره امتحان کن. یه شعر در مورد ترافیک. یه داستان در مورد یه گربه. هر چیزی.ببین چی می‌شه.شاید تعجب کنی. prompthink | پرامپتینک امید زمانی Wed, 29 Apr 2026 18:51:12 +0330