تصور کنید دستگاهی دارید که هر چه میخواهید انجام میدهد، اما شما هیچ ایدهای ندارید که در پسزمینه چه میگذرد. اگر امروز تمام نیازهای دیجیتال خود را به دستیارهای هوشمند سپردهاید، احتمالاً در حال از دست دادن رابطهای هستید که دههها تعریفکننده تخصص فنی بود.
به نقل از مقالهای که در ۲۶ ژوئن ۲۰۲۶ توسط سایرس لوپز (Cyrus Lopez) منتشر شد، او استدلال میکند که راحتی مفرط دستیارهای جدید هوش مصنوعی زاینده (Generative AI) — شبیه به کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن کتابها جواب میدهد — در حال تخریب بنیادیترین روشی است که انسانها زمانی با فناوری صمیمی میشدند. لوپز معتقد است که شما دیگر نمیتوانید ماشینی را «بشناسید» که از به چالش کشیدن شما سرباز میزند.
در دهههای گذشته، مهارت فنی در دل مقاومت شکل میگرفت. در دهه ۹۰ میلادی، اجرای یک بازی کامپیوتری اغلب نیاز به دخالت دستی داشت؛ مثلاً باید فایلهای autoexec.bat را ویرایش میکردید یا دیسکهای بوت سفارشی میساختید. این اصطکاکها نوعی دانش خاص خلق میکرد: نقشهای از مرزهای ماشین که فقط با برخورد به آنها و «زخم خوردن» در مسیر یادگیری کشف میشد.
همانطور که در تحلیلهای پیشین ما دربارهی تکامل رابطهای کاربری اشاره کردیم، هرچه لایهی انتزاعیتر شود، فاصله کاربر از لایهی سختافزاری بیشتر میشود.
ماهیت اصطکاکهای قدیمی
لوپز به زمانهایی یاد میکند که ماشین «شرایط» خاصی داشت که باید پذیرفته میشد. کاربران صرفاً نرمافزار اجرا نمیکردند، بلکه از موانع فیزیکی و منطقی عبور میکردند:
- سختافزار فیزیکی: تنظیم جامپرهای کوچک روی درایوها با استفاده از نوک ناخن برای تعیین اولویت یا حالتهای خاص.
- منطق صوتی: شناسایی اینکه کارت صدا به کدام وقفه (Interrupt) پاسخ میدهد؛ یک حدس اشتباه در تنظیمات BIOS یا سیستمعامل به معنای سکوت مطلق در خروجی صدا بود.
- شبکهسازی: گوش دادن به «جیغ» مودمها هنگام مذاکره برای برقراری ارتباط. این صدا در واقع بحث دو ماشین بود درباره اینکه چگونه با هم صحبت کنند. یک کاربر باسابقه میتوانست دقیقاً از روی صدا تشخیص دهد چه زمانی این بحث «به بیراهه میرود» و تماس در شرف قطع شدن است.
این تلاشها از سر میل بود. یک کودک ۱۰ ساله این پیچیدگیها را یاد میگرفت چون بهشدت میخواست بازی کند و ماشین تا زمانی که او سازوکارش را نمیفهمید و با قوانینش کنار نمیآمد، اجازه بازی نمیداد.
اما مدلهای مدرن AI به عنوان «آخرین سطح از راحتی» عمل میکنند. طبق این تحلیل، این سامانهها طراحی شدهاند تا تمام اصطکاکها را از بین ببرند، خود را پیرامون جملات کاربر بازآرایی کنند و برای هر خطا عذرخواهی کنند. این روند، دسترسی را سادهتر میکند اما رابطهای مبتنی بر «تلاش، کلنجار و پیروزی» را با رابطهای مبتنی بر «تسهیل و پذیرش مطلق» جایگزین میکند.
گذار از شایستگی به آشنایی
لوپز میان دو نوع فقدان که در عصر AI رخ میدهد، تفکیک قائل میشود:
۱. شایستگی (Competence): توانایی کامپایل کردن یک هسته سیستم (Kernel) یا رفع خرابیهای عمیق سیستمی. این مورد لزوماً در خطر نیست، زیرا مدلهای AI تمام دفترچههای راهنمایی را که هیچ انسانی هرگز نمیخواند، بلعیدهاند. آنها میتوانند بهطور بینقص و ابدی بازگو کنند که تمام ماشینها دقیقاً چگونه کار میکنند. اگر مسئله فقط شایستگی بود، اکنون امنترین لحظه در تاریخ محاسبات بود.
۲. آشنایی (Acquaintance): آن صمیمیت ساده و بیزرقوبرق در جنگیدن با یک ماشین خاص، شکست خوردن، بازگشت دوباره و در نهایت حس پیروزی وقتی حس میکنید ماشین بالاخره تسلیم اراده شما شده است.
این گذار یعنی ما در حالی به ابزارهایمان وابسته میشویم که کمتر از هر زمان دیگری آنها را میشناسیم. کامپیوترهای کرمرنگ سال ۱۹۹۵ از کاربر میخواستند برای کار کردن، قطعات و بیتهایش را با دست جابهجا کند؛ اما یک دستگاه مدرن AI، صدای مودم قدیمی، هیسها و استاتیکهای آن را بهصورت یک ضبط دیجیتالِ بینقص و فوری پخش میکند، بدون اینکه کاربر نیاز داشته باشد کوچکترین درکی از پروتکلهای ارتباطی درگیر در آن داشته باشد.
برای نسل جدید، این تغییر نامرئی است. آنها با AI مانند یک کلید برق برخورد میکنند؛ ابزاری که همه کار میکند و هیچ چیز (تلاشی) نمیخواهد. چون آنها هرگز رابطهای با یک ماشین «سختگیر» و دشوار نداشتهاند، نمیتوانند جای خالی آن را حس کنند. غم این فقدان فقط متعلق به «ریشسفیدان» تکنولوژی است که به یاد میآورند زمانی ماشینها «شرایط درگیری» خاص خود را داشتند.
این تکامل نشان میدهد که ما هر چه بیشتر برای مدیریت زندگی دیجیتال خود به AI تکیه کنیم، در واقع درک عمیق و غریزی از ابزارهایمان را با یک تجربه یکپارچه اما «جعبه سیاه» معامله میکنیم. ما به سمت وضعیتی حرکت میکنیم که در آن «حداکثر کاربرد» با «حداقل بینش» جفت شده است.
اگر شما هم خلأ ناشی از این اصطکاکهای ناپدید شده را حس میکنید، شاید بهتر باشد به جوامع نوظهور «کمتکنولوژی» (Low-tech) یا «رایانش قدیمی» (Retro-computing) نگاه کنید. اینها تنها مکانهایی هستند که در آنها ماشینها هنوز مقاومت میکنند و شما را مجبور میکنند پیش از اینکه اجازه بازی دهند، زبان آنها را بیاموزید.
گام بعدی شما
- اگر دلتنگ اصطکاک فنی هستید، جوامع «کمتکنولوژی» (Low-tech) یا «رایانش قدیمی» (Retro-computing) را دنبال کنید.
- سعی کنید برای پروژههای کوچک، از ابزارهایی استفاده کنید که شما را مجبور به یادگیری مفاهیم زیربنایی میکنند تا حس «آشنایی» را بازیابید.
- درباره تفاوت بین «کار کردن با ابزار» و «فهمیدن ابزار» در گردش کار روزمره خود تأمل کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است؛ تأثیر تراشههای تخصصی بر حذف این اصطکاکها را در گزارشهای بعدی بررسی خواهیم کرد.
گفتگو