مسئلۀ جان ایروینگ

مترجم : ابوطالب صفدری / دانشجوی دکتری فلسفه علم / عضو کارگروه اخلاق و فناوری / [email protected]

مسئلۀ جان ایروینگ

جف بزوس[۱]، مدیرعامل آمازون، جزء اولین کسانی بود که فهمید از قِبَلِ ربط می‌توان چند میلیارد دلار پول به جیب زد

او کارش را در سال ۱۹۹۴ آغاز کرد و طبق گفته‌هایش به یک شرح‌حال‌نویس، ایدۀ اصلی‌اش بازگرداندنِ کتاب‌فروشی برخط به "دورانِ کتاب‌فروشی‌های کوچکی بود که شما را به‌خوبی می‌شناختند و احتمالاً چنین چیزی به شما می‌گفتند: من می‌دونم که قلمِ جان ایروینگ رو دوست داری، پس این خبر خوب رو داشته باش.. این یه نویسندۀ جدیدِ که خیلی شبیه جان ایروینگ می‌نویسه، مطمئنم ازش خوشت میاد" اما چه طور می‌توان این ایده را در ابعاد بسیار کلان پیاده کرد؟ ازنظر بزوس آمازون "باید یک شرکتِ هوش‌مصنوعیِ کوچک باشد" که مدام در حال تولید الگوریتم‌هایی است که در یک چشم برهم زدن مشتریان را به کتاب‌های موردنظرشان می‌رسانند.
در سال ۱۹۹۵یک سرمایه‌گذار بزوس را، که حالا به‌عنوان یک دانشمند رایانه‌ای جوان در خدمت شرکت‌های وال‌استریت بود استخدام کرد تا برای کسب‌وکار در فضای رو به رشدِ وب، ایده‌هایی تجاری خلق کند. بزوس که به شکلی کاملاً روش‌مند کار می‌کرد، ابتدا لیستی از ۲۰ محصول را تهیه کرد که گروه، دست‌کم روی کاغذ می‌توانست آن‌ها را به‌صورت برخط به فروش رسانده – موسیقی، پوشاک، وسایل الکترونیکی- و سپس ورودِ جدی‌تری به هرکدام از آن صنایع داشته باشد. صنعت کتاب در انتهای لیست او قرار داشت، اما زمانی که نتایج نهایی خود را مرتب کرد، در کمال تعجب دید که بالای این لیست را اشغال کرده است.
کتاب بنا به چند دلیل گرینۀ ایده آلی بود. اول‌ازهمه اینکه صنعت کتاب صنعتی غیرمتمرکز بود؛ بزرگ‌ترین ناشرِ آن زمان، یعنی رندوم هاوس[۱]، فقط ۱۰ درصد بازار را کنترل می‌کرد.
 بنابراین اگر یک ناشر به بزوس کتاب نمی‌فروخت، ناشران بسیاری بودند که این کار را می‌کردند. ضمنآً برای اینکه مردم با خریدِ برخطِ کتاب راحت باشند و به آن عادت کنند، نسبت به محصولات دیگر نیاز به زمان کم‌تری بود – پیش‌ازاین هم عمدۀ فروش کتاب در بیرون از کتاب‌فروشی‌های سنتی اتفاق می‌افتاد، تازه برخلافِ لباس، نیازی به امتحان کردن هم نداشت. اما دلیل اصلیِ جذابیتِ گزینۀ کتاب تنوعِ بسیار زیاد آن بود – در همان سالِ ۱۹۹۴ سه میلیون عنوان کتاب وجود داشت در مقابلِ ۳۰۰ هزار لوح‌فشرده. هرگز یک کتاب‌فروشی معمولی قادر نبود همۀ آن کتاب‌ها را در فهرست خود جای دهد، اما یک کتاب‌فروشی برخط می‌توانست.
او یافته‌هایش را به رئیسش گزارش داد اما نتوانست نظر او را جلب کند. کتاب، آن‌هم در عصر اطلاعات، بیشتر به یک صنعت دسته چندم می‌ماند. اما بزوس نتوانست ایده‌اش را فراموش کند. او بدون محدودیتِ فیزیکی در تعداد کتاب‌هایی که می‌توانست انبار کند، قادر بود صدها هزار عنوان بیشتر از غول‌هایی همچون بوردرز[۲] یا برنز ان نوبل[۳] برای مشتریانش فراهم کند، ضمن اینکه تجربۀ خودمانی‌تر و شخصی‌تری از این کتاب‌فروشی‌های زنجیره‌ای بزرگ را برای آن‌ها رقم می‌زد. او تصمیمش را گرفت، هدف آمازون توسعۀ فرآیندِ اکتشاف بود: یک فروشگاه شخصی‌شده که می‌تواند به خواننده‌ها در معرفی و پیدا کردن کتاب‌ها کمک کند. اما چگونه؟
بزوس به فکر یادگیری ماشین[۴] افتاد. اگرچه مسئلۀ سختی بود ولی گروهی از مهندسان و دانشمندان در مؤسسات تحقیقاتی همچون MIT یا دانشگاه کالیفرنیا در برکلی از دهۀ ۱۹۵۰ روی آن کار می‌کردند. نهااآنها زمینۀ کاری‌شان را سایبرنتیک[۵] می‌نامیدند – کلمه‌ای که افلاطون برای اشاره به سامانه‌های خود تنظیم‌شونده[۶]، مثل دموکراسی جعل کرده بود. برای سایبرنتیک‌کارانِ پیشگام هیچ‌چیزی هیجان‌انگیزتر ساختن سامانه‌هایی نبود که قادر باشند بر اساس بازخورد[۷] خود را تنظیم کنند. در دهه‌های آینده، آنان بنیان‌های ریاضیاتی و نظری‌ای را فراهم می‌کردند که آمازون بخش عمده‌ای از موفقیت و رشد خود را مرهون آن مبانی است.
در سال ۱۹۹۰ یک گروه از محققان در مرکز تحقیقاتی زیراکس پالو آلتو (PARC) تفکرِ سایبرنتیکی را در مورد یک مسئلۀ جدید به کار بست.  (PARC) به خلقِ ایده‌هایی شهره بود که به‌طور گسترده توسط سایرین استفاده و تجاری‌سازی می‌شوند – واسط کاربرِ گرافیکی و ماوس فقط دو تا از این ایده‌هایند. و مثل بسیاری دیگر از تکنولوژیست‌های پیشرویِ آن زمان، محققان (PARC) اولین کاربران رایانامه بودند – آن‌ها صدها رایانامه ارسال و دریافت می‌کردند. رایانامه عالی بود، اما حرکت نزولی آن کاملاً مشخص بود. وقتی بی‌هیچ هزینه‌ای می‌توان به هر تعداد از مردم پیام ارسال کرد، احتمالاً خیلی سریع در سیلی از اطلاعات بی‌فایده غرق خواهید شد.
گروه (PARC) برای آنکه از قافله عقب نماند شروع به خلق فرآیندی به نام فیلترینگ همکارانه[۸] کرد که در برنامه‌ای به نام Tapestry اجرا می‌شد. Tapestry واکنش مردم در قبال حجم انبوه رایانامه‌های دریافتی‌شان را می‌سنجید – کدام را باز می‌کنند، به کدام‌یک پاسخ می‌دهند و کدام‌یک را حذف می‌کنند- و سپس از این اطلاعات برای منظم کردن صندوق دریافت استفاده می‌کرد. رایانامه‌هایی که افراد را بیشتر مشغول کرده بود به بالای لیست، و آن‌هایی که معمولاً حذف‌شده یا اصلاً باز نشده بودند به پایین لیست منتقل می‌شدند. درواقع فیلترینگ همکارانه یک بهینه‌سازِ زمان بود: به‌جای آنکه مجبور باشید خودتان انبوهی از رایانامه‌ها را بررسی و غربال کنید، می‌توانید به دیگران اعتماد کنید تا آن‌ها را پیش‌غربال کنند.
و البته مجبور نیستید از آن فقط برای رایانامه‌هایتان استفاده کنید. خالقان Tapestry چنین باور داشتند که:
" Tapestry برای رسیدگی به هر نوع جریانی از اسناد الکترونیکی طراحی شده است. نامه‌های الکترونیکی فقط یکی از انواع این جریان‌ها هستند و سرویس‌های خبریِ مختلف، نوعِ دیگر آن.
Tapestry فیلترینگ همکارانه را به جهان معرفی کرده، اما جهانِ ۱۹۹۰ خیلی به آن علاقه‌مند نشد. با فقط چند میلیون کاربر، اینترنت هنوز بوم‌سازۀ[۹] خیلی کوچکی بود، هنوز اطلاعات زیادی برای طبقه‌بندی وجود نداشت، هنوز پهنای باند زیادی برای دانلود وجود نداشت. ولذا فیلترینگ همکارانه تا سال‌های سال از حلقۀ محققان نرم‌افزار و دانشجویان دانشگاه فراتر نرفت. اگر در سال ۱۹۹۴ اسامی آلبوم‌های موردعلاقه‌تان را به [email protected] ایمیل می‌کردید، این سرویس رایانا‌مه‌ای برایتان ارسال می‌کرد که حاوی موسیقی‌های پیشنهادی و بررسی‌های مروریِ آن‌ها بود. طبق ادعای وب‌سایت مربوطه: "سرور، ساعتی یک‌بار همۀ پیام‌های ورودی را پردازش کرده و در صورت لزوم پاسخ‌هایی را هم ارسال می‌کرد. "  این تازه مقدمۀ پاندورا[۱۰] بود و درواقع یک سرویس موسیقیِ شخصی‌سازی شده برای عصر پیش‌ از ظهورِ پهنای باندِ زیاد محسوب می‌شد.
اما وقتی در سال ۱۹۹۵ آمازون به راه افتاد، همه‌چیز تغییر کرد. آمازون از همان ابتدا یک کتاب‌فروشی شخصی‌سازی‌شده بود. با نظارت بر اینکه مردم چه کتاب‌هایی می‌خرند و استفاده از فیلترینگ همکارانۀ (PARC) ، آمازون قادر بود لحظه‌به‌لحظه پیشنهادهای مناسب داشته باشد. (اوه! داری کتاب راهنمای کاملِ شمشیربازی رو میخونی؟ نظرت چیه  بیدارشده در نابینایی: پرونده‌های حقوقیِ جراحات چشم رو هم بهش اضافه کنی؟)
و با تعقیب اینکه با گذشت زمان، کدام کاربر چه چیزی را خریده است، آمازون می‌توانست بفهمد علائق کدام کاربران شبیه هم است. ( افراد دیگری که سلیقه‌ای مشابه سلیقۀ شما دارند، کتابی که این هفته رونمایی شده را خریده‌اند، آوانگارد) هر چه از آمازون بیشتر خرید می‌کردند، فرآیند شخصی‌سازی بهتر می‌شد.
آمازون تا سال ۱۹۹۷ به یک‌میلیون نفر مشتری کتاب فروخته بود. شش ماه بعد این رقم به دو میلیون نفر رسید. و در سال ۲۰۰۱، برای اولین بار سود خالص سه‌ماهۀ نخست خود را منتشر کرد – و خود را به‌عنوان یکی از اولین بنگاه‌هایی تثبیت کرد که نشان می‌داد پول کلانی در کسب‌وکار برخط نهفته است.
اگرچه آمازون نمی‌توانست حسِ یک کتاب‌فروشی محلی را بیافریند، اما کدهای شخصی‌سازیِ آن به‌خوبی کار می‌کردند. مدیران آمازون در مورد درآمدهایشان چیز زیادی نمی‌گفتند، اما اغلب به موتور شخصی‌سازی‌شان به‌عنوان بخشِ کلیدیِ موفقیت شرکت اشاره می‌کردند.
عطشِ آمازون برای داشتن داده‌های بیشتر در مورد کاربران هرگز فرونمی‌نشیند: وقتی با کیندلِ[۱۱] خود کتاب می‌خوانید، داده‌های مربوط به اینکه کدام پاراگراف را پررنگ می‌کنید، چه صفحه‌ای را ورق می‌زنید، باحوصله می‌خوانید یا سریع عبور می‌کنید، همه و همه به سرورهای آمازون بازخورد می‌دهند و از آن‌ها برای تعیین اینکه احتمالاً به چه کتاب‌های دیگری علاقه‌مند خواهید بود استفاده می‌شود. وقتی یک روز پس از مطالعۀ کتاب‌های الکترونیکی کیندل در ساحل، دوباره وارد حساب کاربری‌تان می‌شوید، آمازون قادر است چنان به نحو استادانه‌ای تارنمایش را برای‌تان شخصی‌سازی کند که با آنچه قبلاً مطالعه‌ کرده‌اید کاملاً همخوان باشد: مثلاً اگر زمان زیادی را صرف خواندن آخرین آثارِ جیمز پترسون[۱۲] کرده‌اید، اما فقط نگاهی گذرا و سریع  به راهنمای جدید رژیم غذایی انداخته‌اید، احتمالاً داستان‌های دلهره‌آورِ بیشتری برای‌تان به نمایش در خواهد آمد و کتاب‌های سلامتیِ خیلی کمتری خواهید دید.  
کاربران آمازون آن‌چنان به شخصی‌سازی عادت کرده‌اند که حالا این تارنما از یک ترفندِ وارونه برای کسب درآمد بیشتر استفاده می‌کند.
توضیح آنکه می‌دانیم ناشران با پرداختِ پول می‌توانند در کتاب‌فروشی‌های واقعی –فیزیکی- جایی برای کتاب‌هایشان دست‌وپا کنند، اما آن‌ها نمی‌توانند با پرداخت پول نظرِ فروشنده‌ها را به نفع خود تغییر دهند. ولی همان‌طور که لانیر پیش‌بینی کرده بود، تطمیعِ الگوریتم‌ها خیلی راحت‌تر است:  به‌اندازۀ کافی پول به آمازون بِده و سپس ببین که کتابِ تو در صدرِ پیشنهادها قرارگرفته، چنان‌که گویی نرم‌افزارِ آمازون یک پیشنهادِ عینی و بی‌طرفانه داده است. برای اغلب کاربران تشخیص اینکه این پیشنهاد واقعاً یک پیشنهاد بی‌طرفانه است یا خیر غیرممکن است. 

 

 

منبع : 

  The Filter Bubble: How the New Personalized Web Is Changing What We Read and How We Think

 


[۱] Random House

 

[۲] Borders

 

[۳] Barnes & Noble

 

[۴] Machine Learning

 

[۵] Cybernetic

 

[۶] self-regulating

 

[۷] Feedback

 

[۸] Collaborative Filtering

 

[۹] ecosystem

 

[۱۰] Pandora

 

[۱۱] Kindle

 

[۱۲]  James Patterson: یکی از سرشناس‌ترین و پرفروش‌ترین نویسنده‌های آمریکایی که رمان‌های دلهره‌آورِ مشهوری دارد.

 

 


[۱] Jeff Bezos

 

 

 

 

متن شما