نگاهی به تلاش های بی پایان بشر مدرن برای پیش بینی آینده


درک رویدادهای گذشته به عنوان شاخص های آینده به برخی پیش بینی کنندگان اجازه داده است که تاریخ بشر را به عنوان مجموعه ای از الگوها در نظر بگیرند. جایی که چرخه ها، امواج یا توالی های واضح در گذشته شناسایی شده اند و انتظار می رود در آینده تکرار شوند. دیدگاه فوق مبتنی بر موفقیت علوم طبیعی در تدوین قوانین کلی از شواهد تجربی است. پیروان این رویکرد شامل افراد مختلفی مانند آگوست کنت، کارل مارکس، اسوالد اشپنگلر، آرنولد تونینبی، نیکولای کندراتیف و البته تورچین بودند. اما واقعیت این است که پیش‌بینی‌های آن‌ها، چه در مورد افول غرب یا ظهور یک مدینه فاضله کمونیستی یا علمی، و چه در مورد احتمال تکرار امواج اقتصادی جهانی، موفقیت محدودی داشت.

تحقیقات در MIT اخیراً بر توسعه الگوریتم هایی برای پیش بینی آینده بر اساس گذشته (حداقل در کوتاه مدت) متمرکز شده است. محققان امیدوارند با آموزش رایانه‌ها در مورد آنچه که «معمولاً» پس از یک موقعیت خاص اتفاق می‌افتد (به عنوان مثال، آیا افراد هنگام ملاقات یکدیگر را در آغوش می‌گیرند یا دست می‌دهند؟)، محققان امیدوارند که بتوانند این کاوش‌ها را به الگوهای تاریخی بسط دهند. . اما حداقل در این مرحله از توسعه فناوری، جای چندانی برای غیرمنتظره ها باقی نمی ماند و دلیل این امر به کاستی های رایج در چنین راه حل هایی بازمی گردد.

در این میان، گروه دیگری از پیش‌بینی‌کنندگان معتقدند که سرعت و دامنه نوآوری‌های فنی-اقتصادی منجر به خلق آینده‌ای می‌شود که از نظر کیفی با گذشته و حال متفاوت است. پیروان این رویکرد به دنبال الگوها نیستند. در عوض، آنها به دنبال متغیرهای نوظهوری هستند که می توانند برای برون یابی آینده استفاده شوند. بنابراین، به‌نظر می‌رسد به‌جای پیش‌بینی آینده معین، مدل‌سازی مجموعه‌ای از احتمالات بسته به انتخاب‌های انجام‌شده آسان‌تر به نظر می‌رسد. نمونه‌هایی از این رویکرد شامل شبیه‌سازی‌هایی مانند World3 و بازی‌های جنگی قبلی است.

بسیاری از نویسندگان علمی تخیلی و آینده پژوهان نیز از این استراتژی برای ترسیم آینده استفاده می کنند. به عنوان مثال، در دهه 1930، اچ جی ولز او برای پخش تماسی در مورد «استادان آینده‌نگری» به بی‌بی‌سی رفت. در آن برنامه، او استدلال کرد که رویکرد او راهی برای آماده کردن کشورشان برای تغییرات غیرمنتظره مانند تغییرات ناشی از تولید انبوه خودرو است. به طور مشابه، سایر نویسندگان از پیشرفت‌های فناوری اطلاعات، شبیه‌سازی، هوش مصنوعی، اصلاح ژنتیکی و علوم محیطی برای کشف طیف وسیعی از آینده‌های بالقوه مطلوب، خطرناک یا حتی پساانسانی استفاده کرده‌اند.

اما اگر پیش‌بینی‌های مبتنی بر تجربه گذشته ظرفیت محدودی برای پیش‌بینی موارد غیرمنتظره داشته باشند، برون‌یابی‌های ناشی از نوآوری‌های علمی-فناوری ظرفیت ناامیدکننده‌ای برای تعیین‌کننده دارند. در نهایت، باید پذیرفت که هیچ یک از رویکردها لزوما مفیدتر از دیگری نیست. زیرا هر دوی آنها یک نقص مهلک دارند: افرادی که آنها را چارچوب می دهند.

صرف نظر از رویکرد شخص یا سیستم پیش بینی، و صرف نظر از اینکه ابزارهای پیچیده آنها چقدر پیشرفته و رضایت بخش هستند، مسئله اصلی پیش بینی ها به نزدیکی آنها به “قدرت” برمی گردد. در طول تاریخ، آینده ها عمدتاً توسط افراد سفیدپوست و با تکیه بر ارتباطات و نفوذ خوب و عمدتاً توسط مردان پیشرو ساخته شده است. نتیجه این همگونی محدود کردن چارچوب‌بندی آینده و در نتیجه محدود کردن اقدامات انجام شده برای شکل دادن به آن بوده است. علاوه بر این، پیش‌بینی‌هایی که منجر به نتایج پرهزینه یا نامطلوب می‌شوند (مانند پیش‌بینی تورچین) معمولاً توسط صاحبان قدرت و تصمیم‌گیرندگان بالادست نادیده گرفته می‌شوند.

این موضوع در مورد بی توجهی به هشدارها و پیش بینی های دو دهه ای برخی کارشناسان درباره ظهور یک بیماری همه گیر نیز تکرار شد. به عنوان مثال، گزارش‌هایی در ایالات متحده و بریتانیا بر اهمیت سیستم‌های بهداشت عمومی در پاسخگویی مؤثر به یک بحران جهانی تأکید کردند. اما هیچ یک از کشورها در نهایت متقاعد نشدند که سیستم ها و زیرساخت های خود را برای مقابله با بحران احتمالی تقویت کنند. علاوه بر این، هیچ کس پیش‌بینی نکرد که رهبران سیاسی تا چه حد از پذیرش توصیه‌های علمی بی‌میل باشند. حتی زمانی که موضوع خطای انسانی و گنجاندن آن در آینده‌ای که توسط افراد مختلف مطرح می‌شد مورد توجه قرار گرفت، باز هم در برخی موارد پیش‌بینی‌هایی در تضاد با راهبردهای سیاسی انجام شد و طبیعتاً به طور سیستماتیک نادیده گرفته شد.