اپیزود ۲: جادوی راند سوم

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.