قمارباز را سرزنش نکن
ترجمه‌ی مقاله‌‌ی دیوید کینی در سایکی را به نقل از «ترجمان» می‌خوانید:
کنی چاو در میانمار به دنیا آمد و در سال ۱۹۸۷ به نیویورک نقل‌مکان کرد. سال‌ها مخراج‌کار یک جواهرفروشی بود و درآمدش آن‌قدری بود که خانه‌ای برای خانواده‌اش مهیا کند، تا اینکه در سال ۲۰۱۱ از کار بیکار شد. آن‌وقت بود که تصمیم گرفت مثل برادرش رانندۀ تاکسی بشود و، به هر سختی که بود، ۷۵۰هزار دلار برای خرید مجوز تاکسی‌رانی پول جور کرد. به‌این‌ترتیب چاو می‌شد مالک یک واحد تجاری انفرادی، و مجوز حکم داراییِ این واحد تجاری را پیدا می‌کرد.
برای مدتی همه‌چیز طبق برنامه پیش رفت، و ارزش مجوز تاکسی‌رانی به بیش از یک میلیون دلار افزایش یافت. بعد حباب ترکید و در همین زمان برنامک‌های همسفری مثل لیفت و اوبر به بازار آمدند. ارزش مجوزِ چاو به‌سرعت سقوط کرد و ادامۀ پرداختِ اقساط وام دشوار و دشوارتر شد. چاو سال ۲۰۱۸ خودکشی کرد.
همگی قبول داریم که چاو بدشانسی آورد. اما لابد این را هم قبول داریم که چاو، با خرید یک دارایی پرمخاطره، دست به قمار زده بود و عواقبش را هم ازپیش پذیرفته بود، و این پیش‌فرض شاید بعضی از ما را وسوسه کند که او را به‌عنوان مسبب بدبختیِ خودش سرزنش کنیم. یک منش فکری به ما می‌گوید وقتی چنین قمارهایی پوچ از آب درمی‌آید فقط باید قمارباز را سرزنش کرد. شاید سنگدلانه به نظر بیاید، اما گویا بسیاری از ما، حداقل در آمریکا، واقعاً چنین برخوردی داریم: گزارش سال ۲۰۱۴ مرکز تحقیقاتی پیو نشان داد که ۳۹ درصد از آمریکایی‌ها کم‌کاریِ فقرا را علت فقر می‌دانند و ناتوانی در برآورد صحیح مخاطرات یک تصمیم را نیز از انواع «کم‌کاری» قلمداد می‌کنند. یعنی، دست‌آخر، خیلی از ما بر این باوریم که آدم‌ها مسئول بخت و اقبالِ بد خود هستند.
من مخالف این دیدگاه هستم. اما دلایلم فقط جنبۀ سیاسی یا اخلاقی ندارند. بلکه ریشه در مفاهیمی از علم پیچیدگی -به‌خصوص نظریۀ پیچیدگیِ محاسباتی- دارند که با بهره‌گیری از ریاضیات نشان می‌دهند توانایی ما در محاسبۀ درست و دقیق ریسک‌ها محدودیت‌های سفت و سختی دارد. ازآنجایی‌که درک مستدل آنچه در آینده رخ خواهد داد معمولاً غیرممکن است، سرزنشِ مردمِ پاک‌نیتی که بابت شرایط پیش‌بینی‌نشده به فرجامی بد دچار می‌شوند به دور از انصاف است. نتیجه اینکه دلسوزی و همدردی، به‌جای سرزنش‌کردن، برخورد صحیح با کسانی است که با قصد و نیت پاک دست به عمل می‌زنند، اما قمارشان در زندگی به ثمر نمی‌نشیند.
نقطۀ شروع برای رسیدن به این منظور توجه به این نکته است که مردم باید به جنبه‌های خاصی از جهان اشراف داشته باشند تا بتوان آن‌ها را مسئول اعمالشان دانست. در بسیاری از موارد همین شرط کوچک هم محقق نمی‌شود تا بتوان کسی را تقصیرکار دانست. برای مثال، پیش‌بینی اینکه ظهور برنامک‌های همسفری بازار تاکسی‌رانی شهر نیویورک را ورشکست خواهند کرد به‌هیچ‌وجه برای چاو ساده نبود، همان‌طور که برای بسیاری از ما نیست. پیش‌بینی تحول‌آفرینی فناوری ذاتاً دشوار است، که اگر چنین نبود، سرمایه‌گذارانِ زودهنگام در فناوری‌های تحول‌آفرین این‌قدر ثروتمند نمی‌شدند. پس چنین معیار دست‌پایینی برای مقصرشناختن مردم آن‌قدر زیادی سختگیرانه است که اصلاً محتمل نیست. چطور می‌توان هر یک از ما را بابت ندیدن روندی سرزنش کرد که، با وجود این‌همه انگیزه‌‌های مادیِ قابلِ‌توجه، دیدنش برای هیچ کس دیگری مقدور نیست.
با این جمله می‌توان معیار تقصیرکاری مردم را دقیق‌تر تعریف کرد: مردم باید یک الگوی عِلّیِ دقیق از نظامی که در آن فعالیت می‌کنند داشته باشند تا بتوان ایشان را بابت نتیجۀ قمارشان سرزنش کرد. یعنی ایشان باید چگونگی تأثیر‌گذاری یا بی‌تأثیریِ متغییرهای گوناگونِ این نظام بر یکدیگر را بدانند. قمارِ چاو در سرمایه‌گذاری بر مجوز تاکسی‌رانی به بار ننشست، چراکه همبستگی پیچیدۀ عِلّی بین این سرمایه‌گذاری پرریسک و پیشرفت فناوری موجب شد قیمتِ مجوزِ تاکسی‌رانی ابتدا با شیب ثابتی افزایش یابد و سپس به‌سرعت سقوط کند. برای پیش‌بینی سقوط قیمت مجوز تاکسی‌رانی بدون بهره‌بردن از عنصر شانس، چاو یا هر کس دیگری باید تصویر واضحی از این ساختارِ عِلّی تودرتو می‌داشت.
اینجاست که نظریۀ پیچیدگی محاسباتی به کار می‌آید. معلوم شد که کشف ساختار عِلّی نظام‌های جهانِ واقعی بسیار دشوار است. به بیان دقیق‌تر، تلاش برای پی‌بردن به محتمل‌ترین ساختارِ عِلّی در هر نظامی -مهم نیست چقدر درباره‌اش اطلاعات داشته باشیم- چیزی است که نظریه‌پردازان آن را «مسئلۀ ان‌پی‌سخت»۱ می‌نامند: کشف ساختار عِلّی مولدِ یک مجموعه‌دادۀ معمولی برای هر الگوریتمی کاری بسیار شاق است. در بسیاری از موارد، حداقل زمان موردنیازِ الگوریتم برای کشف ساختار مورد مطالعه، با افزایش تعداد متغیرهای مجموعه، به‌طور تصاعدی افزایش می‌یابد. با این فرض که ذهن ما هم برای کشف مسائل از الگوریتم استفاده می‌کند، نتایج ذکرشده همان‌قدر شاملِ‌حال تفکر انسانی می‌شود که شاملِ‌حال کامپیوترها شده است.
یک راهِ دورزدن این محدودیت‌ها این است که ساختار عِلّی دنیای واقعی را نسبتاً ساده فرض کنیم: برای مثال، می‌توانیم فرض کنیم که هیچ متغیّری (مثلاً، قیمت نفت) در این نظام نیست که به بیش از دو متغیّر دیگر (مثلاً، تقاضا و عرضۀ نفت) وابسته باشد. با محدودکردن احتمال‌ها به این شکل، از دشواری تخمین ساختار عِلّی کاسته می‌شود. به باور فیلسوفی به نام یولیا اِشتافل، همین رهیافت‌های اکتشافی در رویکردهای حل مسئله شکل‌گیری بخش مهمی از باورهای انسانی ما را توضیح می‌دهند. بااین‌حال، ساده‌انگاشتن یک نظام پیچیده بازی با دم شیر است. نمود جهان در رهیافت اکتشافی ممکن است به‌شکل خطرناکی غلط‌انداز باشد. بی‌شک، پیش‌بینی‌ناپذیربودن جریان زندگیِ ما تا حدی ناشی از غنای پیچیدگی عِلّی دنیای اجتماعی است، که شبکه‌ای درهم‌تنیده از اقتصاد، سیاست، روان‌شناسی و جوانب دیگر است. در چنین شرایط بسیار پیچیده‌ای، که ویژگی بسیاری از نظام‌های دنیای واقعی است، به‌ندرت موردی پیش می‌آید که مردم در حد معیاری قرار بگیرند که پیش‌تر برای سرزنش‌شدن تعریف کردیم.
راه بهتر برای مقابله با پیچیدگی‌های سرگیجه‌آور دنیای اجتماعی این است که مردم ریسک قمارشان را کمتر کنند. چاو، با صرف‌کردن آن حجم از سرمایه‌اش برای خرید مجوز تاکسی‌رانی، همۀ تخم‌مرغ‌هایش را در یک سبد گذاشت. پس شاید بگویید او با این کار خودش را در معرض ورشکستگی قرار داد. شاید بهتر باشد، به‌جای چنین ریسکی، افراد به‌دنبال تدابیر جبرانی متنوعی باشند که، حتی در شرایط عدم‌اطمینان شدید، خطر بروز فاجعه را از بین ببرند یا تا حد زیادی کاهش دهند.
مشکل اینجاست که در کشورهای متمول بخش عمدۀ زندگی اقتصادی و اجتماعی طوری طراحی شده است که افراد را ملزم می‌کند برای داشتن یک زندگی پربار اکثر منابعشان را به یک استراتژی تخصیص دهند. گرفتن وام دانشجویی، گروگذاشتن وثیقه، یا خرید مجوز تاکسی‌رانی همه و همه استراتژی‌هایی هستند که، اگر نگوییم کل منابع مالی فرد، دستِ‌کم بخشِ بزرگی از آن را به خود اختصاص می‌دهند. اینجا پیش‌گرفتن تدابیر جبرانی، همان ابتدای کار، یک ثروت درست و حسابی می‌طلبد، پس این راهکار نمی‌تواند برای بسیاری از مردم استراتژی مناسبی باشد. بیشتر ما تسلیم قمارکردن‌های بزرگ در قمارخانه‌ای می‌شویم که عملاً شناختی از احتمالات پنهانی‌اش نداریم.
اینکه با چه دیدگاهی باید به دیگران نگاه کنیم ذاتاً پرسشی روان‌شناختی و اخلاقی است. اما از لحاظ سیاسی هم حائز اهمیت است. چگونگی نگاه ما به افراد کم‌اقبال بر نحوۀ برخورد ما با مسئلۀ نابرابری اجتماعی و میزان اهمیتی که برای آن قائل هستیم تاثیرگذار است. باز می‌رسیم به مرگ کنی چاو و صدالبته مرگ صدها انسان دیگر. تحقیقات دو اقتصاددان به نام‌های آنه کیس و انگس دیتون گویای این است که از سال ۲۰۰۰ میلادی امید به زندگی در آمریکا کاهش یافته و این کاهش تقریباً به‌کلی ناشی از چیزی است که این دو آن را «مرگ از روی ناامیدی» می‌نامند، مثل سوءمصرف مواد و خودکشی. ناامیدی جایی گل می‌کند که همدلی گم شده باشد؛ همین الآن، دلسوزی‌نکردن ما برای یکدیگر دارد ما را به کشتن می‌دهد.
هرچند مسئولان باید برای تغییر روند کاهشیِ امید به زندگی دست‌به‌کار شوند، اما ما هم باید جور دیگری نگاه کنیم به کسانی که به‌خاطر تصمیمات پرخطر اما خوش‌نیتشان دچار سرنوشت نامیمونی شده‌اند. وقتی توانایی ما در پی‌بردن به ساختار پیچیدۀ عِلّی دنیای اجتماعی محدود باشد، بلافاصله، به این نتیجه می‌رسیم که سرزنش افراد کار درستی نیست. مهم نیست که خودمان را چقدر باهوش تصوّر می‌کنیم، محدودیت سفت و سختی دربارۀ چیزهایی که می‌توانیم بدانیم وجود دارد و خیلی راحت ممکن است از خیل بازندگان قماری بزرگ سر درآوریم. ما به خودمان و به دیگران یک دنیای دلسوزتر و مهربان‌تر بدهکاریم.
پی‌نوشت‌ها:
• این مطلب را دیوید کینی نوشته و در ۱۸ ژانویۀ ۲۰۲۱ با عنوان «The mathematical case against blaming people for their misfortune» در وب‌سایت سایکی منتشر شده است. و برای نخستین بار با عنوان «چرا نباید شکست‌خورده‌های بازار را سرزنش کرد؟» در نوزدهمین شمارۀ فصلنامۀ ترجمان علوم انسانی با ترجمۀ آرزو صحیحی منتشر شده است. وب سایت ترجمان آن را در تاریخ ۵ مرداد ۱۴۰۰ با همان عنوان منتشر کرده است.
•• دیوید کینی (David Kinney) محقق ارشدِ پروژۀ بنیان‌ها و کاربردهای تحلیل‌های فرهنگی در علوم انسانی است و با موسسۀ سانتافه همکاری می کند.
[۱] NP-hard problem
انتهای پیام
