تلاش بی‌پایان بشر برای پیش‌بینی آینده

آینده دارای تاریخ است. این گفته شاید تکراری و کلیشه‌ای به نظر برسد. جدای از آن می‌توانیم از دو منظر به «دارای تاریخ» بودن آینده بنگریم. خبر خوب این است که می‌توانیم از آن بیاموزیم. خبر بد این است که ما انسان‌ها در عمل به‌ندرت چنین کاری را انجام می‌دهیم. شاید بدین دلیل که واضح‌ترین درس «تاریخ آینده»، این است که دانستن آینده لزوماً چندان هم مفید نیست؛ هرچند که واقعیت اجتناب‌ناپذیر یادشده هنوز نتوانسته انسان‌ها را از تلاش برای مطلع شدن از آینده باز دارد. درواقع ایده‌ی آگاهی از آینده یکی از وسوسه‌برانگیزترین و رازآلودترین سوژه‌های تمام تاریخ بشر بوده است.

برای نقطه‌ی شروع، پیش‌بینی مشهور پیتر تورچین برای سال ۲۰۲۰ را در نظر بگیرید. او در سال ۲۰۱۰ یک تحلیل کمی از تاریخ به نام کلیودینامیک ایجاد کرد. تحلیل کمی دورچین به او امکان پیش‌بینی یک دوران هرج‌و‌مرج سیاسی برای جهان غرب طی ده سال آتی را فراهم کرد. متأسفانه، هیچ کس نتوانست از پیشگویی او برای پیشگیری از آسیب به دموکراسی ایالات متحده بهره‌ای ببرد. از دیگر سوی، اگر فرد یا افرادی برای انجام چنین کاری تلاش می‌کردند، پیش‌بینی تورچین در ردیف آینده‌های شکست‌خورده قرار می‌گرفت. اساسا چنین وضعیتی دور از انتظار یا غیرعادی نیست و موارد مشابه آن نیز در تاریخ کم نبوده است.

از حاکمان کهن میانرودان تا ثروتمندان امروز منهتن و سایر مناطق تاثیرگذار دنیا، همگی به طرقی در پی آگاهی از آینده به‌منظور دستیبابی به مزیت‌های استراتژیک آن بوده‌اند؛ اما همه‌ی آنها بارها و بارها یا در تفسیر صحیح آن ناکام مانده‌اند، یا اینکه در پاره‌ای موارد نتوانسته‌اند انگیزه‌های سیاسی یا محدودیت‌های واقع در پس حدس و گمان ارائه‌دهندگان آن را درک کنند. آنها همچنین اغلب اوقات تصمیم گرفته‌اند آینده‌هایی را که به مواجهه با حقایق ناراحت‌کننده مجبورشان می‌کند، نادیده بگیرند. واقعیت این است که حتی نوآوری‌های تکنولوژیکی قرن بیست‌و‌یکم هم نتوانسته‌اند مسائل فوق را به‌شکلی اساسی تغییر دهند. باید به‌عنوان یادآوری به یک اصل مهم فنی اشاره کنیم: نتایج برنامه‌های کامپیوتری، در نهایت فقط به اندازه‌ی ورودی داده‌ها دقیق هستند.

در میان اهل فن فرضی وجود دارد مبنی بر اینکه با علمی‌تر شدن رویکرد پیش‌بینی‌ها، «پیشگویی‌ها» نیز دقیق‌تر خواهند بود. اما این باور بیشتر از آنکه مسئله‌ای را حل کند، چالش‌هایی را نیز به موضوع اضافه می‌کند. دست کم یکی از علت‌های ناموفق بودن رویکرد فوق این است که در آن، تنوع زیسته‌ی موجود در تجربیات بشری اغلب نادیده گرفته شده یا حتی به کل کنار گذاشته می‌شود.

به‌رغم نوید ظهور فناوری‌های دقیق‌تر و هوشمندانه‌تر، دلایل چندان قانع‌کننده‌ای وجود ندارد که گمان کنیم افزایش استقرار هوش مصنوعی قرار است درزمینه‌ی پیش‌بینی وقایع یا حتی پیشگویی آنها، گرهی از گره‌های بشر بگشاید و عملکرد بهتر و مفیدتری نسبت به سایر رهیافت‌های به‌کار‌رفته در طول تاریخ بشر داشته باشد.

افراد مختلف برای مدت‌های طولانی سعی کرده‌اند تا پیرامون چگونگی پدیده‌های آینده اطلاعات بیشتری کسب کنند. در حالی که این تلاش‌ها به‌طور کلی هدف یکسانی را دنبال می‌کرده‌اند، ولی از حیث زمان و مکان وقوع از چندین جهت دارای تفاوت‌هایی بوده‌اند. بارزترین تفاوت آنها به روش‌شناسی باز می‌گردد. به‌عنوان یک تعریف تک‌خطی، روش‌شناسی را در این عرصه به‌معنای چگونگی شکل گرفتن پیش‌بینی‌ها و تفسیر آنها تعریف می‌کنیم. مهم‌ترین تمایز عملی موجود در این عرصه، از ابتدایی‌ترین تمدن‌ها گرفته تا جوامع متأخر، وجود اختلاف میان افراد دارای استعداد یا توانایی ذاتی برای پیش‌بینی آینده با سیستم‌هایی بوده که به‌نحوی قوانینی را برای محاسبه‌ی رخدادهای آینده ارائه کرده‌اند. برای مثال، پیش‌بینی‌های پیشگویان، شمن‌ها و انبیا به ظرفیت این افراد برای دسترسی به سطوح دیگر وجود و دریافت الهام الهی بستگی داشته است.

با این حال، راهبردهای پیشگویانه‌ی دیگری مانند طالع‌بینی، کف‌بینی، اعداد و تاروت به تسلط آن شخص فالگیر یا طالع‌بین بر یک سیستم پیچیده‌ی نظری مبتنی بر قواعد (و گاهی اوقات بسیار متکی بر ریاضیات) و توانایی آنها در تفسیرشان و درنهایت اعمال نتایج آن بر موارد خاص بستگی داشته است. تعبیر خواب یا عمل نکرومانسی ممکن است در جایی بین این دو عرصه قرار داشته باشد؛ تعبیر خواب را به‌عنوان مهارتی می‌شناسند که تا حدی به توانایی ذاتی و تا حدی به تخصص اکتسابی افراد بستگی دارد. از طرفی نمونه‌های زیادی در گذشته و حال وجود دارد که هر دو استراتژی را برای پیش‌بینی آینده در بر می‌گیرد. هر جستجوی اینترنتی در مورد «تعبیر خواب» یا «محاسبه طالع‌نما» میلیون‌ها بازدید را به همراه خواهد داشت.

در قرن گذشته، فناوری و پیشرفت‌های آن درنهایت نوعی از مشروعیت و مقبولیت را برای رویکرد دوم به ارمغان آورد. تحولات فناوری اطلاعات که دست کم تا حدی توسط قانون مور پیش‌بینی شده بود، ابزارها و سیستم‌های قدرتمندتری را برای پیش‌بینی در اختیار بشر گذاشت. در دهه‌ی ۱۹۴۰ میلادی، کامپیوتر آنالوگ MONIAC از مخازن واقعی و لوله‌های آب مخصوص برای مدل‌سازی اقتصاد انگلستان استفاده می‌کرد. در دهه‌ی ۱۹۷۰، باشگاه رم به این توانایی رسیده بود که با اتکا بر شبیه‌سازی رایانه‌ای World3 جریان انرژی را از طریق سیستم‌های انسانی و طبیعی از طریق متغیرهای کلیدی مانند صنعتی‌سازی، تلفات محیطی و رشد جمعیت مدل‌سازی کند. گزارش آن نهاد تحت نام «محدودیت‌های رشد»، علی‌رغم انتقادهای مستمری که به خاطر مفروضات موجود پیرامون هسته‌ی مدل و کیفیت داده‌های واردشده به آن وجود داشت، به پرفروش‌ترین گزارش در نوع خود تبدیل شد.

در همان زمان، گروه‌های دیگر پیش‌بینی‌کنندگان، به جای وابستگی به پیشرفت‌های تکنولوژیکی، به راهبرد پیش‌بینی‌های آینده با جمع‌سپاری روی آورده بودند. برای مثال، نظرسنجی‌های عمومی و خصوصی به عامل بسیار ساده‌ای اتکا دارند: اینکه از مردم پرسیده شود قصد انجام چه کاری را دارند یا اینکه به باورشان چه اتفاقی در آینده رخ خواهد افتاد. پاسخ‌ها در ادامه نیاز به تفسیر دقیق خواهد داشت. این تحلیل‌ها هم از منظر کمی (مانند نظرسنجی از قصد رأی‌دهندگان) و هم از حیث کیفی (مانند تکنیک دلفی متعلق به شرکت رند) می‌تواند کارآمد باشد. استراتژی دوم از خرد جمعیت بسیار خاص استفاده می‌کند. به نظر می‌رسد که گردآوری گروهی از متخصصان برای بحث درمورد یک موضوع معین، احتمالاً دقیق‌تر از پیش‌بینی‌های فردی نتیجه دهد.

این رویکرد از بسیاری جهات با روش دیگر پیش‌بینی موسوم به بازی جنگی همراه می‌شود. در آغاز قرن بیستم، تمرین‌ها و مانورهای میدانی نظامی به‌طور روزافزونی در حال جایگزین شدن یا کامل‌تر شدن با شبیه‌سازی‌ها بودند. این استراتژی که هم توسط انسان‌ها و هم توسط مدل‌های کامپیوتری مانند مرکز ارزیابی استراتژی RAND انجام می‌شود، دیگر محدود به ارتش نیست و اکنون به‌طور گسترده در عرصه‌های سیاست، تجارت و صنعت استفاده می‌شود. هدف آنها، افزایش انعطاف‌پذیری و کارایی حال حاضر یک سیستم، درست به همان اندازه‌ای است که در برنامه‌ریزی برای آینده مورد توجه قرار می‌گیرد. برخی شبیه‌سازی‌ها در پیش‌بینی و برنامه‌ریزی پیرامون نتایج احتمالی بسیار دقیق بوده‌اند؛ به‌ویژه زمانی که نزدیک به رویدادهای پیش‌بینی‌شده انجام می‌شوند. از این میان می‌توان به تمرین‌های بازی جنگ سیگما انجام‌شده توسط پنتاگون در چارچوب جنگ در حال گسترش ویتنام و همچنین عملیات عبور از صحرا مدیریت‌شده توسط فرماندهی مرکزی ایالات متحده در رابطه با عراق و صدام حسین در سال ۱۹۹۹ اشاره کرد.

همزمان با تداوم تکامل این استراتژی‌ها، دو فلسفه‌ی بسیار متفاوت برای پیش‌بینی آینده‌های جمعی، به‌ویژه در سطح جهانی، ملی و سازمانی پدید آمدند. هر کدام از اینها به‌نوبه‌ی خود مفروضات متفاوتی را درمورد ماهیت رابطه‌ی بین سرنوشت، سیالیت و عامل انسانی منعکس می‌کنند.

درک رویدادهای قبلی به‌عنوان شاخص‌های آینده به برخی پیش‌بینی‌کنندگان این امکان را داده که تاریخ بشر را به‌عنوان مجموعه‌ای از الگوها در نظر بگیرند؛ جایی که انتظار می‌رود چرخه‌ها، امواج یا توالی‌های واضحی در گذشته شناسایی شده و در آینده تکرار شوند. نگاه فوق بر موفقیت علوم طبیعی در تدوین قوانین کلی از شواهد تجربی استوار است. پیروان این رویکرد شامل اشخاص مختلفی مانند آگوست کنت، کارل مارکس، اسوالد اشپنگلر، آرنولد تونینبی، نیکولای کوندراتیف و البته تورچین بودند. اما واقعیت این است که پیش‌بینی‌های آنها خواه پیرامون افول غرب یا ظهور یک مدینه فاضله کمونیستی یا علمی بوده باشد و خواه پیرامون احتمال تکرار امواج اقتصادی جهانی، موفقیت‌های محدودی داشته است.

تحقیقات در MIT در ادوار اخیر بر توسعه‌ی الگوریتم‌هایی برای پیش‌بینی آینده بر اساس گذشته (حداقل در کوتاه‌مدت) متمرکز شده است. پژوهشگران با آموزش کامپیوتر پیرامون آنچه «معمولاً» بعد از یک موقعیت خاص اتفاق می‌افتد (مثلا آیا مردم هنگام ملاقات، همدیگر را در آغوش می‌گیرند یا با هم دست می‌دهند؟)، بر آن هستند که بتوانند این کاوش‌ها را به الگوهای تاریخی نیز بسط دهند. ولی حداقل در این مرحله از توسعه‌ی فناوری، فضای کمی برای موارد غیرمنتظره باقی می‌ماند و علت آن هم به وجود کاستی‌های متداول در راهکارهایی از این دست باز می‌گردد.

در همین حال مجموعه‌ی دیگری از پیش‌بینی‌کنندگان چنین استدلال می‌کنند که سرعت و دامنه‌ی نوآوری‌های فنی-اقتصادی، به ایجاد آینده‌ای منتهی می‌شود که از نگاه کیفی، با گذشته و حال متفاوت خواهد بود. پیروان این رویکرد به دنبال الگوها نیستند؛ آنها درعوض به دنبال متغیرهای نوظهوری با قابلیت کاربرد برای برون‌یابی آینده می‌گردند. از همین روی، مدل‌سازی مجموعه‌ای از احتمالات بسته به انتخاب‌های انجام‌شده، به جای پیش‌بینی یک آینده‌ی قطعی، آسان‌تر به نظر می‌آید. نمونه‌هایی از این رویکرد شامل شبیه‌سازی‌هایی مانند World3 و بازی‌های جنگی است که قبلاً ذکر شد.

بسیاری از نویسندگان داستان‌های علمی‌تخیلی و آینده‌شناسان نیز از این استراتژی برای ترسیم آینده استفاده می‌کنند. به‌عنوان مثال، در دهه‌ی ۱۹۳۰، اچ. جی ولز برای پخش فراخوانی پیرامون «استادان پیش‌اندیش» به بی‌بی‌سی رفت. او در آن برنامه چنین استدلال کرد که رویکردش، همان راهی است که خواهد توانست کشورشان را برای تغییرات غیرمنتظره‌ای مانند تغییرات برآمده از تولید انبوه خودرو، آماده کند. به‌طور مشابه، نویسندگانی دیگر از پیشرفت‌های فناوری اطلاعات، شبیه‌سازی، هوش مصنوعی، اصلاح ژنتیکی و علوم زیست‌محیطی برای کشف طیف وسیعی از آینده‌های بالقوه‌ی مطلوب، خطرناک یا حتی پسابشری استفاده کرده‌اند.

اما اگر پیش‌بینی‌های مبتنی بر تجربیات گذشته ظرفیت محدودی برای پیش‌بینی موارد پیش‌بینی‌نشده داشته باشند، در این صورت، برون‌یابی‌های برآمده از نوآوری‌های علمی-تکنولوژیکی ظرفیتی ناامیدکننده به‌منظور تعیین‌کننده بودن خواهند داشت. در نهایت باید پذیرفت که هیچ یک از رویکردها لزوماً مفیدتر از دیگری نیست؛ زیرا هر دوی آنها دارای یک نقص مهلک و مشترک هستند: افرادی که چارچوب‌بندی‌شان را بر عهده دارند.

جدای از اینکه رویکرد فرد یا سیستم پیش‌بینی‌کننده چه باشد و صرف نظر از اینکه ابزارهای پیچیده‌‌ی آنها تا چه حد پیشرفته و رضایت‌بخش باشند، مسئله‌ی اصلی پیرامون پیش‌بینی‌ها به نزدیکی آنها با «قدرت» باز می‌گردد. در طول تاریخ، آینده‌ توسط افراد عمدتاً سفیدپوست، با اتکا بر روابط و نفوذهای خوب و به‌طور عمده توسط مردان پیشرو ساخته شده‌اند. نتیجه‌ی این همگونی، محدود کردن چارچوب‌بندی آینده و درنتیجه محدودیت اقدامات انجام‌شده برای شکل‌دهی به آن بوده است. علاوه بر این، پیش‌بینی‌های منتهی‌شونده به نتایج پرهزینه یا نامطلوب (همانند پیش‌بینی تورچین) معمولاً توسط اهالی قدرت و تصمیم‌گیرندگان بالادستی نادیده گرفته می‌شوند.

این موضوع درباره‌ی نادیده گرفته شدن دو دهه هشدارها و پیش‌بینی‌های برخی صاحب‌نظران درمورد ظهور یک همه‌گیری گسترده نیز تکرار شد. به‌عنوان مثال، گزارش‌هایی در ایالات متحده و بریتانیا بر اهمیت سیستم‌های بهداشت عمومی در پاسخگویی مؤثر به یک بحران جهانی تأکید می‌کردند؛ اما هیچ کدام از کشورها درنهایت متقاعد به تقویت سیستم‌ها و زیرساخت‌هایشان برای مقابله با بحران احتمالی نشدند. علاوه بر این، هیچکس میزان عدم تمایل رهبران سیاسی به توصیه‌های علمی را پیش بینی نکرده بود. حتی زمانی که در آینده‌های مطرح‌شده از سوی اشخاص مختلف، مسئله‌ی خطای انسانی و لحاظ کردنش مورد توجه قرار می‌گرفت، باز هم در پاره‌ای موارد، پیش‌بینی‌هایی در تضاد با استراتژی‌های سیاسی تولید می‌شد و اینها طبعا به‌طور سیستماتیک نادیده گرفته می‌شدند.

موارد فوق ما را درنهایت به این سوال مهم می‌رساند: این پیش‌بینی‌ها اساسا برای چه کسانی و چه چیزی است؟ کسانی که می‌توانند بر افکار مردم در آینده تأثیر بگذارند، اغلب همان افرادی هستند که در زمان حال نیز به منابع قابل توجهی دسترسی دارند؛ عاملی که به نوبه‌ی خود در تعیین آینده نقش ایفا می‌کند. از سویی ما به‌ندرت صدای افراد تحت حاکمیت آن تصمیم‌گیرندگان را می‌شنویم. اغلب در سطح منطقه‌ای یا شهری، تلاش‌های مردم عادی برای پیش‌بینی و شکل دادن به آینده‌ی جمعی و خانوادگی خودشان هستیم. چنین تلاش‌هایی اغلب در پاسخ به نیاز به توزیع منابع کمیاب یا کنترل قرارگیری در معرض آسیب‌های احتمالی رخ می‌دهد. اهمیت هر دو موضوع فوق در فاجعه‌ی در حال وقوع اقلیمی زمین، روزبه‌روز بیشتر می‌شوند.

پیام اصلی برآمده از تاریخ آینده این است که فکر کردن به مفهوم «آینده» به‌ شکل یک مفهوم محدود، چندان مفید نیست. استراتژی بسیار مؤثرتر این خواهد بود که به جای «پیش‌بینی» آینده، به آینده‌های پیش رویمان و آیندگان فکر کرده و رویکرد مآل‌اندیشانه‌ای درمورد آنها داشته باشیم. تفکر احتمال‌محور درمورد طیفی از نتایج بالقوه و ارزیابی آنها در برابر طیف وسیعی از منابع مختلف سودمند خواهد بود. پرواضح است که وقتی سخن از بررسی‌های احتمالی و ریاضی‌محور به میان آید، فناوری نقش مهمی ایفا می‌کند. با این حال مهم است که درس‌های نهفته در World3 و Limits to Growth پیرامون تأثیر مفروضات بر نتایج نهایی را در نظر داشته باشیم. بیم آن وجود دارد که پیش‌بینی‌های مدرن با نقش‌ هوش مصنوعی در قیاس با پیش‌بینی‌های تولیدشده توسط سیستم‌های پیشگویی کلاسیک، علمی‌‌تر و در نتیجه احتمال دقیق‌تر بودنشان بالاتر در نظر گرفته شود.

در هر حال نباید یک نکته‌ی بسیار مهم را فراموش کنیم. واقعیت این است که هوش مصنوعی در این عرصه «لزوماً» بهتر از روش‌های کلاسیک عمل نخواهد کرد؛ یا «علمی‌تر» از آنها نخواهد بود. مفروضات تشکیل‌دهنده‌ی زیربنای الگوریتم‌های پیش‌بینی‌کننده‌ی فعالیت مجرمانه یا شناسایی عدم وفاداری بالقوه‌ی مشتریان، اغلب انتظارات را به همان شکل انجام‌شده در روش‌های پیش‌بینی سابق منعکس می‌کنند.

به جای وابستگی صرف به نوآوری‌های گوناگون به‌منظور ترسیم آینده، وام گرفتن از تاریخ و ترکیب تکنیک‌های جدیدتر با مدل‌هایی اندکی قدیمی‌تر از پیش‌بینی، معقول‌تر به نظر می‌رسد؛ در اینجا منظور مدلی است که بتواند تخصص علمی را با تفسیر هنری ترکیب کند. شاید بهتر باشد زمانی که نوبت به تصور یا بهبود تاریخچه‌های آینده‌ی بشری می‌رسد، به‌جای تلاش برای پیش‌بینی، بر اساس «تشخیص» فکر کنیم.