اگر برای بهبود کیفیت زندگی‌تان تعداد قدم‌ها، ساعت خواب یا میزان تعامل در شبکه‌های اجتماعی را رصد می‌کنید، احتمالاً در حال سپردن ارزش‌های خود به یک ماشین هستید. این هشدار مرکزی سی. تی نگوین (C. Thi Nguyen)، فیلسوف، در کتاب سال ۲۰۲۶ خود با عنوان «امتیاز: چگونه بازی دیگران را متوقف کنیم» است.
ما در عصر کمیت‌گرایی مطلق زندگی می‌کنیم. از جنبش «خودِ کمّی شده» که در سال ۲۰۰۷ توسط گری وولف و کوین کلی آغاز شد، به جامعه‌ای رسیده‌ایم که باور دارد هر چیزی که اندازه‌گیری نشود، قابل بهبود نیست. کوین کلی در یکی از یادداشت‌های قدیمی خود، با تکرار دیدگاه لرد کلوین، نوشت: «تا زمانی که چیزی قابل اندازه‌گیری نباشد، نمی‌توان آن را بهبود بخشید» و هدف این بود که ابزارهایی برای «اندازه‌گیری کمّی خودمان» جمع‌آوری کنیم.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی اثرات روان‌شناختی ابزارهای دیجیتال اشاره کردیم، این منطق اکنون موتور محرک همه چیز است؛ از گجت‌های سلامتی گرفته تا شاخص‌های کلیدی عملکرد (KPI) در اقتصاد گیگ. اما برایان گاردینر در گزارشی برای ام آی تی تکنولوژی ریویو (MIT Technology Review) در ۱۹ ژوئن ۲۰۲۶ می‌نویسد که این تلاش برای شناخت خود از طریق اعداد، اغلب به بن‌بست می‌رسد. هرچه بیشتر اندازه‌گیری می‌کنیم، کمتر می‌فهمیم چه چیزی به زندگی ما معنا می‌بخشد.
تلهٔ تصاحب ارزش
نگوین پدیده‌ای به نام «تصاحب ارزش» (Value Capture) را شناسایی کرده است. این اتفاق زمانی می‌افتد که شما یک معیار بیرونی را می‌پذیرید و اجازه می‌دهید بدون تطبیق با واقعیت‌های زندگی‌تان، بر رفتار شما حکومت کند. در واقع، شما ارزش‌های خود را به یک سیستم رتبه‌بندی می‌سپارید. به نقل از نگوین: «در تصاحب ارزش، شما در حقیقت ارزش‌هایتان را برون‌سپاری می‌کنید... و اجازه می‌دهید یک معیار یا رتبه‌بندی بیرونی تعیین کند چه چیزی برای شما مهم است».
به‌طور حیاتی، این فرآیند، عملِ یافتن معنای شخصی را هم برون‌سپاری می‌کند. به همین دلیل است که یک پیاده‌روی مدیتیشن‌گونه، به‌سرعت به تلاشی برای حداکثر کردن کیلومترها تبدیل می‌شود. تصاحب ارزش زمانی رخ می‌دهد که دیگر نمی‌پرسیم «چه چیزی برای ما ارزشمند است» و به‌جای آن می‌پرسیم «چطور عدد را بالا ببریم».
به این مثال‌های رایج توجه کنید:
- آموزش: دانش‌آموزان دیگر به فرآیند واقعی آموزش اهمیت نمی‌دهند و تمام تمرکزشان منحصراً روی معدل (GPA) است.
- هنرهای آشپزی: رستورانی به‌جای تمرکز بر پخت غذای خوب، روی بالا بردن رتبه در Yelp تمرکز می‌کند. به همین ترتیب، آشپزهای خانگی ممکن است باور کنند دستورپخت‌های پیچیده‌تر با لیست مواد طولانی‌تر، تنها راه پیشرفت است و لذت بداهه-پردازی و تجربه کردن را فراموش کنند.
- علم: پژوهشگران به‌جای اهمیت دادن به یافتن حقیقت، اولویت خود را تضمین گرفتن بزرگ‌ترین گرنت‌ها قرار می‌دهند.
- مذهب: کشیشی از کلیسایی می‌گوید که وسواس شدید روی نرخ غسل تعمید دارد و کشیش‌ها در جدول رده‌بندی ماهانه رقابت می‌کنند. این وضعیت باعث شد آن‌ها به‌جای تمرکز بر رشد معنوی بلندمدت گله، سخنرانی‌های عامه‌پسندتر ارائه دهند تا در جدول بالا بروند.
گاردینر سقوط ۱۰ ساله خودش در این تله را توصیف می‌کند. او در سال ۲۰۱۱ با یک فیت‌بیت (Fitbit) ساده برای شمردن قدم‌ها شروع کرد. او به‌عنوان یک خبرنگار تکنولوژی که سبک زندگی کم‌تحرکی داشت، می‌خواست از نظر جسمی و روانی احساس بهتری داشته باشد، بیشتر به فضای باز برود و نظم را به عدم قطعیت وجودی زندگی روزمره‌اش بازگرداند. او امیدوار بود این تلنگرهای عددی کمک کند تا از توییتر فاصله بگیرد و «به طبیعت برگردد» (touch grass).
آنچه با میل به تفکر شفاف‌تر شروع شد، به یک وسواس تبدیل شد. او متوجه شد پیاده‌روی یکی از معدود زمان‌هایی است که «ایده‌های هوشمندانه» به ذهنش می‌رسد و این موضوع، پیاده‌روی را به یک محصول جانبی امیدوارکننده برای این عادت تبدیل کرد. اما هدف «تفکر هوشمندانه» در عرض چند هفته رنگ باخت. هدف اولیه او که ۶ هزار قدم در روز بود، به ۱۰ هزار، سپس ۱۵ هزار و در نهایت روی ۲۰ هزار قدم در روز برای سال‌ها تثبیت شد.
او بعدها مانیتور ضربان قلب، دویدن، ساعت‌های هوشمند، حلقه‌های ردیاب خواب و تعداد شرم‌آوری از اپلیکیشن‌های محاسبه درشت‌مغذی‌ها (macronutrients) را به زندگی‌اش اضافه کرد. فراتر از سلامتی، شغل او با ظهور ابزارهای تحلیل وب مثل چارت‌بیت (Chartbeat) هم‌زمان شد. او «موفقیت شغلی» و «تأثیرگذاری» را از طریق تعداد بازدیدها، فالوورها، ریتویت‌ها و لایک‌ها اندازه گرفت.
بعد از ۱۰ سال رصد ضربان قلب، کالری‌های فعال، سطح استرس و میزان تعامل با داستان‌ها، او فهمید که عملاً هیچ شناخت واقعی از خودش به دست نیاورده است. او فقط یاد گرفت که دوست دارد اعداد بالا و پایین بروند. این توده‌ی داده‌ها هیچ معنای اضافه‌ای به رابطه‌اش با خودش، کارش یا افراد مهم زندگی‌اش نبخشید. در واقع، هرچه بیشتر از جایگزین‌های عددی استفاده کرد، حس بدتری نسبت به تقریباً همه چیز پیدا کرد.
مکانیسم اندازه‌گیری
گاردینر کشف کرد که تعقیب داده‌ها یک حلقه بی‌پایان است. او دریافت که هر چقدر داده جمع کند، هرگز کافی نیست. همیشه یک معیار جدید در راه است یا راه بهتری برای ردیاب‌ها وجود دارد تا خوانش‌های خود را بازسازی کنند.
او اشاره می‌کند که اندازه‌گیری، اندازه‌گیریِ بیشتر را می‌طلبد و کاربر را به دنبال نقاط داده‌ای ریزتر و جزئی‌تر می‌فرستد، مانند:
- تغییرپذیری ضربان قلب (HRV)
- سطح استرس روزانه
- «آمادگی» برای ورزش (Readiness)
- سن قلبی یا سن تناسب اندام
این چرخه پارادوکسی ایجاد می‌کند: هرچه بیشتر از جایگزین‌های عددی برای شناخت زندگی‌اش استفاده کرد، حس بدتری یافت. توده‌ی داده‌ها نتوانست بینش یا معنای اضافه‌ای به کار او، تصویر ذهنی‌اش از خود یا روابطش با افراد مهم زندگی‌اش ببخشد.
تکنولوژی فاصله
نگوین برای توضیح دلیل علاقه ما به اعداد، به آثار تئودور ام. پورتر، مورخ، اشاره می‌کند. پورتر در کتاب «اعتماد به اعداد» (۱۹۹۵)، کمیت‌گرایی را یک «تکنولوژی فاصله» می‌نامد.
معیارها جذاب‌اند چون نیاز به شناخت عمیق و اعتماد شخصی را به حداقل می‌رسانند. معدل یا تولید ناخالص داخلی (GDP) را به‌راحتی می‌توان در محیط‌های مختلف جمع‌آوری کرد و فهمید. آن‌ها برای تقریباً همه خواندنی و قابل فهم هستند. اما این شفافیت بهای سنگینی دارد: حذف جزئیات و ظرافت‌ها.
برای ساخت یک معیار شفاف، باید اطلاعات کیفی و باز را دور ریخت. شما زمینه (Context) را حذف می‌کنید تا عدد نهایی برای دیگران قابل خواندن باشد. هیچ‌کس باور نمی‌کند معدل، تمام استعداد یادگیری یک دانش‌آموز را نشان دهد، اما چون ارزیابی‌های کیفی بیش از حد دشوارند و برای مقایسه نیاز به تخصص دارند، از معدل استفاده می‌شود. به همین ترتیب، جوامع GDP را بالا می‌برند چون اقتصاددانان زمانی نتیجه گرفتند که این عدد با رفاه عمومی همبستگی دارد.
نگوین استدلال می‌کند که این تنش اصلی داده‌هاست. هر کمیت‌گرایی سازمانی نیازمند رویه‌ای است که در همه زمینه‌ها قابل فهم باشد و همین موضوع، آنچه را که می‌توان اندازه گرفت به‌شدت محدود می‌کند. وقتی شما این «تکه‌های بی‌زمینه» را درونی می‌کنید، زندگی خود را با ابزاری هدایت می‌کنید که دقیقاً برای نادیده گرفتن همان چیزهایی طراحی شده که یک تجربه را «انسانی» می‌کند.
شکست قانون گودهارت
بسیاری از «اهل اعداد» — آمارشناسان و اقتصاددانان — می‌گویند معیارها فقط ابزار هستند و شکست در استفاده از آن‌ها، «خطای کاربر» است. آن‌ها به تلاش‌های اواسط دهه ۱۹۹۰ برای کمّی کردن درد به‌عنوان «پنجمین نشانه حیاتی» اشاره می‌کنند که باعث تشدید اپیدمی مواد افیونی شد، یا «مغالطه مک‌نامارا» که در آن تصمیمات در پزشکی، دانشگاه و سیاست فقط بر اساس چیزهایی گرفته می‌شوند که به‌راحتی اندازه‌گیری شوند.
آن‌ها اغلب به قانون گودهارت استناد می‌کنند: «وقتی یک معیار تبدیل به هدف شود، دیگر معیار خوبی نیست». این اصل به چارلز گودهارت، اقتصاددان بریتانیایی، نسبت داده می‌شود.
نگوین و گاردینر می‌گویند این تفسیر بی‌فایده است. قانون گودهارت به‌ندرت توضیح می‌دهد که چرا معیارها در ثبت چیزهای مهم شکست می‌خورند یا باید چه کرد. برخی نتیجه می‌گیرند که باید صرفاً معیارهای بهتری پیدا کنند، اما گاردینر استدلال می‌کند که تمام اندازه‌گیری‌ها، در واقع، هدف هستند.
معیارها ذاتاً ما را به یک جهت هل می‌دهند — طول عمر بیشتر، فارغ‌التحصیلی سریع‌تر یا بازدیدهای بیشتر. این یک خطای کاربر نیست؛ بلکه نقص بنیادی در ماهیت اندازه‌گیری است. اندازه‌گیری برای پیشرفت‌های علمی، کاهش انتشار کربن یا تضمین رعایت مقررات حیاتی است، اما وقتی برای دنبال کردن اهداف شخصی و ظریف به کار رود، شکست می‌خورد.
پیوند با هوش مصنوعی
این وسواس روی بنچمارک‌ها، مسیر خطرناکی برای آینده هوش مصنوعی ایجاد می‌کند. اگر ما همچنان هوشمندی و خلاقیت را به‌عنوان مجموعه‌ای از بنچمارک‌ها تعریف کنیم که هوش مصنوعی باید از آن‌ها عبور کند، انسان‌ها همین حالا شکست خورده‌اند.
ماشین‌ها دقیقاً برای پیروزی در دنیایی طراحی شده‌اند که حول محور معیارها می‌چرخد. اگر برای رقابت، خودمان را به ماشین تبدیل کنیم، زبانی را که برای بیان مفاهیم بنیادی و ارزشمند انسانی لازم است، از دست می‌دهیم. ما ریسک می‌کنیم که در دنیایی که «دانستن» کاملاً عددی شده است، به «سوژه‌های داده‌ای» تبدیل شویم.
گاردینر در نهایت، در تلاشی که کمی پیش از پاندمی کووید شروع شد، ابزارهای اندازه‌گیری را کنار گذاشت. او ساعت هوشمندش را با ساعتی عوض کرد که فقط تاریخ و زمان را نشان می‌دهد. او تا حد زیادی شبکه‌های اجتماعی و اپلیکیشن‌های ردیابی سلامت را رها کرد.
او هنوز هر روز پیاده‌روی می‌کند، اما دیگر قدم‌ها را نمی‌شمارد. او زمانی راه می‌رود که ناامید است، یا تحت فشار است، یا در نوشتن یک مقاله گیر کرده است. او این کار را می‌کند تا از فضای باز با سگش لذت ببرد و با همسایگان گپ بزند. این مزایا برای او بدیهی هستند، اما نمی‌تواند آن‌ها را به‌صورت عدد بیان کند.
این تغییر نشان می‌دهد که فوری‌ترین چالش عصر هوش مصنوعی، جلوگیری از این است که یکدیگر را صرفاً «سوژه‌های داده‌ای» ببینیم. باید این باور را که اعداد حقیقتِ میل انسان را می‌گویند، به چالش بکشیم و بپرسیم برای رسیدن به یک معیار، چه لذت‌هایی را فدا می‌کنیم.
این موضوع برای کار شما چه معنایی دارد؟ اگر ارزش حرفه‌ای شما به OKRها (اهداف و نتایج کلیدی) و KPIها گره خورده است، در معرض خطر «تصاحب ارزش» هستید. ممکن است خود را در حال بهینه‌سازی معیاری بیابید که هیچ ربطی به کیفیت واقعی خروجی یا رضایت شغلی شما ندارد.
گام بعدی شما
- بازبینی معیارهای موفقیت: فهرستی از KPIهای شغلی خود تهیه کنید و بپرسید کدام‌یک واقعاً با کیفیت کار شما هم‌سو هستند و کدام‌یک صرفاً «عددی برای بالا بردن» هستند.
- روزهای بدون داده: یک روز در هفته را به «دیتو-دیتوکس» اختصاص دهید؛ تمام ردیاب‌ها و ساعت‌های هوشمند را کنار بگذارید و فقط بر حس درونی خود اعتماد کنید.
- تمرکز بر خروجی کیفی: در گزارش‌های کاری، به‌جای تمرکز صرف روی اعداد، یک بخش «تأثیرات کیفی» اضافه کنید که قابل اندازه‌گیری با عدد نیستند.
اما تأثیر این نگاه کمّی بر نحوه آموزش مدل‌های هوش مصنوعی حتی تکان‌دهنده‌تر است — به تحلیل ما درباره بنچمارک‌های استدلالی مراجعه کنید.
گفتگو