سوئیس در آستانه‌ی نشست احتمالی گروه G20 با محوریت ارزهای دیجیتال، طی یک تحول ژئوپلیتیک، در حال گرویدن به ارزهای دیجیتال و بلاک‌چین است. ژوهان اشنایدر - امان، وزیر اقتصاد سوئیس، در این رابطه می‌گوید:

کانتون زوگ (یکی از ایالت‌های فدرال سوئیس) یا Crypto Valley، تاکنون راهی طولانی طی کرده است. ما در این منطقه می‌توانیم به کسب تجربه بپردازیم. چنانچه تجارب حاصل از زوگ، مثبت باشند، می‌توانیم آن را به کل کشور گسترش دهیم. بنابراین، نباید در سطح Crypto Valley بمانیم؛ بلکه باید به سمت بدل‌ شدن به Crypto Nation حرکت کنیم. (منظور اشنایدر - امان، لزوم گسترش ارزهای دیجیتال از سطح یک ایالت به سطح کل کشور است.)

زوگ، ایالتی است که بسیاری از شرکت‌های فعال در حوزه‌ی بلاک‌چین در آن حضور دارند. از جمله‌ی این شرکت‌ها می‌توان به بنیاد اتریوم (Ethereum Foundation) اشاره کرد، آن‌ها در این ایالت از حمایت دولت محلی بهره‌مند شدند و اکنون به دنبال پشتیبانی دولت ملی سوئیس هستند. وزیر اقتصاد سوئیس در ادامه‌ی صحبت‌های خود می‌گوید:

کشور [سوئیس] به‌موجب هرآنچه مفهوم نوآوری را در بر دارد، رشد چشم‌گیری تجربه کرده است. اکنون به موقعیتی نوآورانه در دنیای اقتصاد رسیده‌ایم. ارزهای دیجیتال، بخشی از انقلاب صنعتی چهارم هستند. ما در حال بررسی نتایج احتمالی آن هستیم. من در تلاش برای شناسایی فرصت‌ها و ریسک‌ها جهت تصمیم‌گیری هستم: آیا [ارزهای دیجیتال] کسب‌وکاری آینده‌نگرانه با مشاغلی آینده نگرانه است یا خیر؟ از این رو است که من از ارگان‌هایی که با آن درگیر هستند، حمایت می‌کنم.

وزیر اقتصاد سوئیس معتقد است که در حال حاضر، فاصله‌ی بسیاری با لزوم وضع قانون در خصوص ارزهای رمزپایه داریم؛ چرا که تجاربمان از آن بسیار محدود است و مشخص نیست که این نوآوری در آینده چه مسیری را طی خواهد کرد. اشنایدر - امان، در قالب اشاره‌ای کوتاه به برنامه‌ی سوئیس در نشست آتی گروه G20 با محوریت ارزهای دیجیتال که توسط فرانسه و آلمان پیشنهاد شده است، گفت:

... ما [سوئیس] باید قادر به تعیین آینده‌ی خود باشیم. ما تجارب منحصر به خود را کسب می‌کنیم و بی‌شک خود را با کشورهای همسایه یا رقبای دور مقایسه می‌کنیم.

سوئیس در اتحادیه‌ی اروپا نیست؛ بنابراین حفظ بی‌طرفی، استقلال و خودمختاری این کشور، از دلایل جذابیت آن برای شرکت‌های فعال در حوزه‌ی بلاک‌چین محسوب می‌شود. به‌ نظر می‌رسد حمایت جدی آن‌ها از ارزهای رمزپایه در تضاد کامل با دیدگاه فرانسه و اکراه واضح آن نسبت به این فضا است؛ چرا که برونو له‌مایر، وزیر اقتصاد فرانسه، پیش‌تر صراحتا اعلام کرده بود که علاقه‌ای به بیت‌کوین ندارد.

هنگامی که به‌صورت جهانی به مسئله نگاه کنیم، صنعت و اقتصاد فرانسه، فاصله‌ی بسیاری با این فضا دارد. صنعت آلمان در این زمینه گام‌های روبه‌جلویی برداشته و حتی از برخی لحاظ پیشرو است؛ اما اقتصاد آن‌ها کماکان از فضای ارزهای رمزپایه دور است. آلمان و فرانسه، در حال تدارک قوانین سفت‌وسختی برای نشست گروه G20 جهت به زنجیر کشیدن رقبای خود، نظیر سیتی‌لندن، سوئیس، سیلیکون ولی و حتی توکیو هستند؛ اما وزیر اقتصاد سوئیس می‌گوید:

پیش از هرچیز، ما ساده‌لوح نیستیم؛ ما تمام تلاش خود را به‌ کار می‌گیریم تا با تمام توان، قابل اتکا و متعهد باشیم.

این موضوع نشان می‌دهد که هرگونه هماهنگی در سطح گروه G20 بسیار دشوار خواهد بود؛ چرا که منافع استراتژیک آن در خصوص ارزهای دیجیتال بسیار متفاوت است؛ برخی مانند سوئیس با میلیاردها دلار سرمایه‌گذاری و صنعتی پویا، پیشرو هستند و برخی دیگر مانند فرانسه، از رقابت جا مانده‌اند.

علاوه‌بر این، زمان برگزاری نشست پیشنهاد‌شده‌ی گروه G20 با محوریت ارزهای دیجیتال نیز ممکن است مورد تردید باشد. بریتانیا که به‌تنهایی می‌تواند در برابر آلمان و فرانسه بایستد، احتمالا به‌دلیل مذاکرات در جریان برگزیت، در موضع ضعف باشد؛ اما بریتانیا پیشتر پویایی و رشد فناوری مالی خود را تجربه کرده است؛ بنابراین شاید سرویس مدنی آن‌ها بتواند زیرکی و تدبیر خود را به نمایش بگذارد.

متاسفانه آمریکا کماکان سیاست ناامیدکننده‌ای در خصوص ارزهای رمزپایه در پیش گرفته است. ترامپ در جریان کمپین انتخاباتی خود به دلیل وعده‌ی حمایت از نوآوری، ادعای حمایت از فناوری بلاک‌چین داشت؛ اما به‌ نظر می‌رسد که وزارت خزانه‌داری وی، علاقه‌ی چندانی به ارزهای دیجیتال ندارد؛ بنابراین چنانچه دولت آمریکا این سیاست را ادامه دهد، احتمالا در دور بعدی انتخابات ریاست جمهوری، حامیان بلاک‌چین رأی خود را تغییر می‌دهند؛ اگرچه دموکرات‌ها نیز عملکرد چندان رضایت‌بخشی در این زمینه نداشته‌اند.

بنابراین، کماکان مشخص نیست که کدام کشور، هدایت رگولاتوری را بر عهده خواهد داشت. سوئیس یکی از مهم‌ترین مهره‌ها محسوب می‌شود و لندن نیز در صورت کنار گذاشتن بحث‌های مربوط به Brexit، وضعیت مشابهی خواهد داشت. استونی نیز می‌تواند مهره‌ی مهمی باشد؛ اما این کشور عضو اتحادیه‌ی اروپا است و زیر چتر فرانسه و آلمان قرار دارد. ژاپن نیز می‌تواند یک مهره‌ی جایگزین باشد؛ اما باید طی ماه‌های آینده در انتظار توسعه‌ی سیاست‌های مربوط به ارزهای رمزپایه باشیم.

تکرار جنایت عبارت است از احتمال اینکه یک شخص مجرم، جرم را برای بار دوم انجام دهد. در حال‌ حاضر نرخ این کار توسط الگوریتم‌های پیش‌بینی‌ مشخص می‌شود. نتیجه این کار می‌تواند بر هر چیزی تأثیر بگذارد: از تصمیم‌گیری درخصوص محکومیت گرفته تا اینکه آیا فرد آزادی مشروط بگیرد یا خیر.

برای اینکه مشخص شود این‌گونه الگوریتم‌ها تاچه اندازه در عمل هم دقیق هستند، یک گروه پژوهشی با رهبری جولیا درسل و هنی فرید، پژوهشگران کالج دارتموث، مطالعه‌ای روی یک نرم‌افزار ارزیابی ریسک تجاری به نام COMPAS انجام داد.

این نرم‌افزار مشخص می‌کند که آیا شخص پس‌ از مدت دو سال از محکومیت دوباره مرتکب جرم خواهد شد یا خیر. مطالعه نشان داد که این نرم‌افزار در پیش‌بینی نرخ تکرار جنایت، زیاد هم دقیق‌تر از گروه داوطلبان بدون هیچ تجربه‌ی عدالت کیفری نیست. درسل و فرید تعدادی داوطلب را از طریق یک وب‌سایت انتخاب کردند و به‌طور تصادفی لیست‌های کوچکی از متهمان را در اختیار آن‌ها قرار دادند.

اطلاعاتی در مورد جنسیت، سن و سابقه‌ی جرایم قبلی افراد به این داوطلبان داده شد و از آن‌ها خواسته شد پیش‌بینی کنند که آیا این افراد طی دو سال آینده دوباره جرایم خود را تکرار خواهند کرد یا خیر.

دقت پیش‌بینی این داوطلبان که از نوع انسانی بود، میانگینی معادل ۶۲.۱ درصد و میانه‌ای معادل ۶۴ درصد داشت که بسیار به دقت نرم‌افزار COMPAS که ۶۵.۲ درصد است، نزدیک بود. به‌علاوه، پژوهشگران متوجه شدند که اگرچه نرم‌افزار ۱۳۷ مشخصه را بررسی می‌کند؛ ولی پیش‌بینی خطی افراد با بررسی تنها ۲ مشخصه (سن فرد محکوم و تعداد دفعات محکومیت‌های قبلی)، برای پیش‌بینی نرخ تکرار جنایت به‌خوبی کار می‌کند.

مشکل سوگیری و جانبداری

یکی از نگرانی‌های گروه، مربوط به سوگیری و جانبداری الگوریتم بود. پژوهشگران در مطالعه‌‌ی خود متوجه شدند که هم داوطلبان انسانی و هم نرم‌افزار هنگام پیش‌بینی برای متهمان سیاه‌پوست، نرخ‌های مثبت کاذب یکسانی به‌ نمایش می‌گذارند، اگرچه این دو در مورد نژاد متهمان چیزی نمی‌دانستند.

نرخ مثبت کاذب از طرف داوطلبان انسانی برای متهمان سیاه‌پوست ۳۷ درصد بود؛ درحالی‌که همین نرخ برای سفیدپوستان ۲۷ درصد بود. این نرخ‌ها نزدیک به نرم‌افزار بودند: ۴۰ درصد سیاه‌پوستان و ۲۵ درصد سفیدپوستان.

پژوهشگران در بحث در مورد مقاله، خاطرنشان کردند که تفاوت‌های نرخ دستگیری سیاه‌پوستان و سفیدپوستان، روند مقایسه‌ی مستقیم نرخ‌های مثبت‌ کاذب و منفی‌ کاذب درمورد نژادها را پیچیده می‌کند. این نتیجه‌گیری با داده‌های انجمن ملی پیشرفت رنگین‌پوستان حمایت شد. داده‌های این انجمن به‌عنوان مثال نشان داد که آمریکایی‌های آفریقایی‌تبار و سفیدپوستان به‌ مقدار مساوی از مواد مخدر استفاده می‌کنند؛ اما نرخ زندان‌ رفتن آمریکایی‌های آفریقایی‌تبار با جرم مواد مخدر تقریبا ۶ برابر سفیدپوستان بود.

نویسندگان مقاله خاطرنشان کردند که اگرچه نژاد افراد ذکر نشده بود؛ ولی برخی‌از جنبه‌های مختلف داده‌ها به‌طور بالقوه مربوط به نژاد می‌شد و همین موضوع باعث اختلاف در نتایج شد. درواقع هنگامی که گروه بار دیگر مطالعه را با اعضای جدیدی از سر گرفت و به این افراد جدید داده‌هایی درمورد نژاد ارائه داد، نتایج تقریبا یکسانی به‌ دست آمد. گروه پژوهشی، نتیجه گرفت که حذف فاکتور نژاد لزوما به حذف اختلافات نژادی در پیش‌بینی تکرار جنایت توسط داوطلبان انسانی منجر نمی‌شود.

نتایج تکراری

نرم‌افزار COMPAS از زمان ساخت خود درسال ۱۹۹۸ تابه‌‌حال، برای ارزیابی بالغ‌ بر ۱ میلیون نفر مورد استفاده قرار گفته است؛ اگرچه بخش پیش‌بینی تکرار جنایت آن ازسال ۲۰۰۰ به بعد وارد عمل شده است. با در نظر گرفتن این مطالب می‌توان گفت که یافته‌های مطالعه (اینکه گروهی از داوطلبان آموزش‌ندیده و کم‌تجربه درعرصه عدالت‌کیفری تقریبا با الگوریتم مساوی عمل می‌کنند) بسیار جالب و در عین‌ حال هشداردهنده است.

نتیجه‌ی مشخص این مطالعه این است که الگوریتم پیش‌بینی، آنقدرها هم پیشرفته و دقیق نیست و باید به‌روزرسانی شود. اما وقتی گروه، آماده‌ی اعتباربخشی به یافته‌هایش بود، ماشین بردار پشتیبانی غیر خطی (NL-SVM) قدرتمندتری  با داده‌های یکسان طراحی کرد.

وقتی این ماشین هم نتایج یکسانی ارائه داد، گروه عقب‌نشینی کرد، چراکه فکر می‌کرد الگوریتم جدیدی را که به‌ داده‌ها خیلی نزدیک است، طراحی کرده‌ است. درسل و فرید اظهار داشتند که الگوریتم را به‌طور خاص روی ۸۰ درصد داده‌ها طراحی کرده‌او سپس تست خود را روی ۲۰ درصد باقی‌مانده انجام داده‌اند تا از بیش‌برازش جلوگیری کنند. بیش‌برازش به زمانی‌ اطلاق می‌شود که در آن، دقت الگوریتم تحت‌ تأثیر آشنایی بیش‌ازحد آن با داده‌ها قرار می‌گیرد.

الگوریتم‌های پیش‌بینی‌

پژوهشگران نتیجه گرفتند که شاید داده‌های مورد نظر به‌طور خطی قابل‌ تفکیک نباشند؛ یعنی الگوریتم‌های پیش‌‌بینی‌ جدای‌ از طراحی پیچیده‌شان، روش خوب و مؤثری برای پیش‌بینی تکرار جنایات نیستند.

گروه پژوهشی باتوجه به آینده‌ی متهمان خاطرنشان کرد که باید در استفاده‌ از چنین الگوریتم‌هایی برای تصمیم درمورد متهمان احتیاط شود. طبق نتایج پژوهشگران، تکیه بر الگوریتم برای ارزیابی، تفاوتی با تصمیم‌گیری افراد تصادفی در ارزیابی‌های آنلاین ندارد؛ چراکه در پایان کار نتایج به‌دست‌آمده از هر دو گروه غیر قابل تشخیص خواهد بود. فرید در گفتگویی اشاره می‌کند:

فرض کنید شما قاضی هستید و نرم‌افزاری تجاری در اختیار دارید که می‌گوید ما داده‌های مهمی داریم و فلان شخص خطر زیادی دارد. حال دوباره فرض را بر این بگیرید که من همین سؤال را به‌صورت آنلاین از ۱۰ نفر می‌پرسم و آن‌ها نیز همین حرف را می‌زنند. شما ممکن است این دو وضعیت را به‌طور متفاوتی بسنجید.

الگوریتم‌های پیش‌بینی تنها در سیستم عدالت‌کیفری مورد استفاده قرار نمی‌گیرند و ما هر روز با آن‌ها سروکار داریم: از محصولاتی که به‌صورت آنلاین برای تبلیغ استفاده می‌شوند گرفته تا پیشنهادات برای موسیقی در سرویس‌های استریم. اما وجود یک تبلیغ در فید خبری شما عواقب کمتری نسبت‌ به تصمیم برای متهم کردن یک شخص برای یک جنایت در پی دارد.

واقعیت این است که همه‌ی ما چیزهایی در مورد آهنربا و خاصیت مغناطیسی مواد می‌دانیم. ما می‌دانیم که آهنربا برخی فلزات را به سمت خود می‌کشد و هر آهنربا دو قطب دارد: قطب شمال و قطب جنوب؛ و این را هم می دانیم که قطب‌های غیر همنام یکدیگر را جذب و قطب‌های همنام همدیگر را دفع می‌کنند. میدان‌های مغناطیسی و الکتریکی به یکدیگر مرتبط‌اند و خاصیت مغناطیسی همراه با نیروی گرانش و نیروهای هسته‌ای قوی و ضعیف یکی از چهار نیروی اصلی در جهان است.

با این حال هیچ‌کدام از این اطلاعاتی که ما داریم، توان و امکان پاسخگویی به شماری از سؤالات مهم ما را ندارد. پرسش این است که دقیقا چه چیزی باعث می‌شود یک آهنربا فقط به برخی فلزات بچسبد؟ چرا این جسم به همه‌ی فلزات نمی چسبد؟ چرا قطب‌های هم‌نام یکدیگر را دفع و قطب‌های غیر همنام یکدیگر را جذب می‌کنند؟ چه چیزی باعث می‌شود آهنربای نئودیمیوم بسیار قوی از آهنربای سرامیکی باشد که در دوران کودکی با آن بازی می‌کردیم؟

برای این‌‌که جواب این پرسش‌ها را بهتر درک کنیم، شاید تعریفی ساده از آهنربا به ما کمک کند. آهنرباها اشیائی هستند که باعث ایجاد میدان مغناطیسی می‌شوند و فلزاتی چون آهن، نیکل وکبالت را به خود جذب می‌کنند. خطوط نیروی میدان مغناطیسی از قطب جنوب وارد و از قطب شمال آهنربا خارج می‌شوند. آهنرباهای دائمی یا سخت همیشه یک میدان مغناطیسی مختص خودشان ایجاد می‌کنند. آهنرباهای موقت یا نرم وقتی در حضور یک میدان مغناطیسی دیگر باشند میدان مغناطیسی تولید می‌کنند و وقتی از آن میدان خارج شوند، برای مدت کوتاهی یک میدان مغناطیسی برای خود خواهند داشت. در آهنرباهای مصنوعی یا الکتریکی، میدان مغناطیسی توسط جریان الکتریکی تولید می‌شود و در صورت قطع این جریان الکتریکی، میدان مغناطیسی هم از بین می‌رود.

تا همین اواخر، تمام آهنرباها از عناصر فلزی یا آلیاژها ساخته می‌شدند. این مواد آهنرباهایی با قدرت متفاوت تولید می‌کردند. به‌عنوان مثال به چند مورد اشاره می‌کنیم:

• آهنرباهای سرامیکی مثل آهنرباهایی که در یخچال به کار می‌روند یا آهنرباهایی که برای آزمایشات مدارس استفاده می‌شوند، دارای اکسید آهن در یک ترکیب سرامیکی‌اند. اکثر آهنرباهای سرامیکی چندان قوی نیستند.
• آهنرباهای آلنیکو از آلومینیوم، نیکل و کبالت ساخته شده‌اند و قوی‌تر از آهنرباهای سرامیکی هستند؛ اما نه به اندازه‌ی آن‌ آهنرباهایی که عناصر خاکی کمیاب در خود دارند!
• آهنرباهای نئودیمیوم دارای آهن، بور و عنصر خاکی کمیاب نئودیمیوم هستند.
• آهنرباهای ساماریوم کبالت از ادغام کبالت و عنصر خاکی کمیاب ساماریوم بوجود می‌آیند. در پنج سال گذشته دانشمندان پلیمرهای مغناطیسی یا آهنرباهای پلاستیکی را کشف کردند. برخی از این‌ها انعطاف‌پذیرند و می‌توان به آن‌ها شکل داد. هرچند برخی از این‌ها تنها در دمای بسیار پایین عمل می‌کنند و برخی دیگر تنها مواد خیلی سبک مثل براده‌ی آهن را بلند می‌کنند.

با کمی تلاش می‌توان موادی را به آهنربا تبدیل کرد. در بخش بعدی خواهیم دید که چگونه این اتفاق می‌افتد.

ایجاد آهنربا: اصول اولیه

بسیاری از وسایل الکترونیکی که امروزه در اختیار ما قرار دارند، برای عملکرد درست خود به آهنربا نیاز دارند. این تکیه به آهنربا تقریبا در دوره‌های اخیر رایج شده است و دلیل اصلی این‌که وسایل امروزی به این آهنرباها نیاز دارند، این است که آهنرباهای فوق از نمونه‌های موجود در طبیعت یا به‌اصطلاح  آهنربای طبیعی قوی‌ترند. آهنرباهای طبیعی قوی‌ترین نمونه‌هایی هستند که به‌صورت طبیعی وجود دارند. این آهنرباها می‌توانند اشیاء کوچک مثل گیره‌های کاغذ را جذب کنند.

در طول قرن یازدهم، مردم کشف کردند که می‌توانند از آهنرباهای طبیعی استفاده کنند و از آن طریق به قطعات آهن خاصیت آهنربایی بدهند و یک قطب‌نما بسازند. آن‌ها متوجه شدند وقتی آهنربای طبیعی را مکررا به‌صورت یک‌طرفه روی سوزن مالش دهند، می‌توانند به سوزن خاصیت آهنربایی بدهند؛ به‌طوری که این سوزن در حالت معلق، در امتداد شمال‌-جنوب قرار بگیرد. نهایتا ویلیام گیلبرت، دانشمند انگلیسی توضیح داد که قرار گرفتن سوزن آهنربا ‌شده در امتداد شمال‌-جنوب، از کره‌ی زمین ناشی می‌شود که خود مثل یک آهنربای بزرگ و دارای قطب شمال و جنوب است.

باید توجه کنیم که این قطب‌نمای سوزنی به اندازه‌ی آهنرباهای دائمی که امروزه وجود دارند قوی نیستند. اما روند فیزیکی که به این قطب‌نمای سوزنی خاصیت آهنربایی می‌بخشد و همچنین تکه‌های آلیاژ نئودیمیوم اساسا یکسان‌اند. این قطب‌نما به نواحی میکروسکوپی به نام دامنه‌های مغناطیسی متکی است و این دامنه‌ها بخشی از ساختار فیزیکی موادفرومغناطیسی چون آهن، کبالت و نیکل هستند. هر دامنه در اصل یک آهنربای مستقل و بسیار کوچک با قطب شمال و جنوب است. در یک ماده‌ی فرومغناطیسی که دارای خاصیت آهنربایی نشده، هر یک از قطب‌های شمال در جهات تصادفی و نامرتب قرار دارند. دامنه‌های مغناطیسی که در جهات مخالف یکدیگر هستند یکدیگر را خنثی می‌کنند؛ بنابراین چنین موادی میدان مغناطیسی خالص ایجاد نمی‌کنند.

اما در آهنرباها اکثر یا تمام دامنه‌های مغناطیسی در یک جهت هستند؛ یعنی به‌جای این‌که یکدیگر را خنثی کنند، میدان‌های مغناطیسی میکروسکوپی ادغام می‌شوند و یک میدان مغناطیسی بزرگ‌تر ایجاد می‌کنند. میدان مغناطیسی هر دامنه از قطب شمال آن دامنه تا قطب جنوب دامنه‌ی بالایی‌ آن امتداد می‌یابد.

این روند روشن می‌کند که چرا نصف کردن یک آهنربا، به ما دو آهنربای دارای قطب شمال و جنوب می‌دهد و همچنین این موضوع نیز برای ما روشن می‌شود که چرا قطب‌های غیرهمنام یکدیگر را جذب می‌کنند. علت این است که خطوط میدان مغناطیسی از قطب شمال یک آهنربا خارج و طبیعتا وارد قطب جنوب دیگری می‌شود و یک آهنربای بزرگ‌تر ایجاد می‌کند. قطب‌های همنام نیز یکدیگر را دفع می‌کنند؛ چرا که خطوط نیروی میدان مغناطیسی‌شان در جهات مخالف حرکت می‌کنند و به‌جای این‌که در کنار هم حرکت کنند با یکدیگر برخورد می‌کنند.

ایجاد آهنربا: جزئیات

 تمام کاری که برای ساخت یک آهنربا باید انجام دهید این است که کاری کنید تا دامنه‌های مغناطیسی یک تکه فلز همه در یک جهت باشند. وقتی یک آهنربا را روی یک سوزن مالش می‌دهید دقیقا همین اتفاق می‌افتد؛ یعنی قرار گرفتن در معرض یک میدان مغناطیسی باعث می‌شود که دامنه‌های مغناطیسی هم‌سو شوند. راه‌های دیگر برای هم‌سو کردن دامنه‌های مغناطیسی یک تکه فلز به این صورت‌اند:

• برای آن تکه فلز یک میدان مغناطیسی در جهت شمال‌-جنوب ایجاد کنید.
• آن فلز را را در امتداد شمال‌-جنوب نگه دارید و چندین بار با یک چکش روی آن بکوبید.
• یک جریان الکتریسیته را از آن عبور دهید.

دومورد از این روش‌ها (مورد یک و سه) در تئوری‌های علمی چگونگی شکل‌گیری آهنرباهای طبیعی نیز وجود دارند. برخی دانشمندان معتقدند که صاعقه به مگنتیت‌ برخورد کرد و باعث شد حالت مغناطیسی پیدا کند. اما بعضی دیگر اعتقاد دارند که وقتی زمین شکل گرفت، تکه‌هایی از مگنتیت تبدیل به آهنربا شدند. درآن زمان که اکسید آهن ذوب و انعطاف‌پذیر می‌شد، دامنه‌ها با میدان مغناطیسی زمین هم‌سو شدند.

رایج‌ترین شیوه‌ای که امروزه برای ساخت آهنربا وجود دارد، بدین شکل است که یک فلز را در میدان مغناطیسی قرار دهیم. این میدان، با وارد کردن گشتاور نیرو بر مواد، باعث می‌شود که دامنه‌های مغناطیسی هم‌سو شوند. فاصله‌ی زمانی اندکی بین استفاده از میدان مغناطیسی و تغییر در دامنه‌ها وجود دارد؛ یعنی کمی طول می‌کشد تا دامنه‌ها شروع به حرکت کردن و هم‌سو شدن کنند که به این پدیده پسماند می‌گویند. در این‌جا بیان می‌کنیم دقیقا چه اتفاقی می‌افتد:

• دامنه‌های مغناطیسی شروع به چرخیدن می‌کنند و این اتفاق به آنان این امکان را می‌دهد که در امتداد خطوط شمال‌-جنوب میدان مغناطیسی ردیف شوند.
• ‌دامنه‌هایی که در امتداد شمال‌-جنوب ردیف شده‌اند بزرگ‌تر و در عین حال دامنه‌های اطراف آن‌ها کوچک‌تر می‌شوند.
• ‌دیواره‌های میدان یا مرز‌های بین دامنه‌های همسایه گسترش می‌یابند تا فضای کافی برای رشد دامنه وجود داشته باشد. در میدان‌های مغناطیسی خیلی قوی بعضی دیواره‌ها کاملا ناپدید می‌شوند.

قدرت آهنربای به‌وجودآمده به میزان نیرویی که استفاده شده است تا دامنه‌ها را حرکت دهد، بستگی دارد. دوام یا خاصیت نگهداری مغناطیس آن نیز به درجه‌ی سختی روند هم‌سو کردن دامنه‌ها بستگی دارد. موادی که مغناطیسی کردنشان سخت است، عموما آن خاصیت مغناطیسی را برای مدت طولانی‌تری خواهند داشت؛ این در حالی است که موادی که به‌راحتی مغناطیسی می‌شوند، غالبا به حالت غیر مغناطیسی اولیه خود باز خواهند گشت.

با قرار دادن یک آهنربا در میدان مغناطیسی که دارای جهات مخالف و غیر همسو است، می‌توان قدرت مغناطیسی آن را کاهش داد یا حالت مغناطیسی آن را کاملا گرفت یا اصطلاحا آن را مغناطیس‌زدایی کرد. همچنین می‌توان با قرار دادن آهنربا در معرض گرمای بالاتر از نقطه‌ی کوری آن یا همان دمایی که باعث می‌شود آهنربا خاصیت مغناطیسی‌اش را از دست بدهد، آن را مغناطیس‌زدایی کرد. گرما شکل مواد را تغییر می‌دهد و ذرات مغناطیسی را تحریک می‌کند که باعث می‌شود دامنه‌ها از حالت هم‌سو بودن خارج شوند.

حالا وقت آن است که برویم به سراغ این موضوع که چرا آهنرباها و مواد مغناطیسی‌شده فقط برخی فلزات خاص را جذب می‌کنند.

چرا آهنرباها تنها به برخی فلزات می‌چسبند؟

اگر در مورد عملکرد آهنرباهایی مصنوعی چیزهایی خوانده باشید احتمالا می‌دانید که جریان الکتریکی که در طول یک سیم در جریان است یک میدان مغناطیسی ایجاد می‌کند و حرکت بارهای الکتریکی باعث میدان مغناطیسی در آهنرباهای دائمی می‌شوند؛ اما میدان آهنرباها از یک جریان بزرگ موجود در یک سیم ناشی نمی‌شود؛ بلکه این حرکت الکترون‌ها است که باعث این میدان می‌شوند.

بسیاری از مردم تصور می‌کنند الکترون‌ها ذرات بسیار کوچکی هستند که دور هسته‌ی اتم می‌چرخند؛ درست همانطور که سیارات به دور خورشید گردش می‌کنند. با این حال حرکت الکترون‌ها کمی پیچیده‌تر از این است. اساسا، الکترون‌ها اوربیتال‌های یک اتم را پر می‌کنند و این الکترون‌ها هم ویژگی‌های ذره‌ای و هم ویژگی‌هایی موجی دارند. الکترون‌ها دارای بار الکتریکی منفی و جرم‌ هستند و حرکتی چرخشی به دور خود دارند؛ حرکتی به سمت بالا یا پایین که فیزیکدانان آن رااسپین می‌نامند.

به‌طور کلی، الکترون‌ها به‌صورت جفت، اوربیتال‌های اتم را پر می‌کنند. اگر یکی از این دو الکترون به سمت بالا بچرخد دیگری به سمت پایین می‌چرخد. برای الکترون‌ها غیر ممکن است که هردو در یک جهت بچرخند. این اصل را قاعده پاولی یا اصل طرد پاولی می‌نامند.

اگرچه الکترون‌های یک اتم چندان زیاد از یکدیگر دور نمی‌شوند؛ اما حرکتشان آن‌قدر هست که یک میدان مغناطیسی کوچک ایجاد کنند. از آن‌جایی که الکترون‌های جفت در جهات مخالف می‌چرخند، میدان‌های مغناطیسی آن‌ها یکدیگر را خنثی می‌کنند؛ ولی اتم‌های عناصر فرومغناطیس دارای چند الکترون هستند و به حالت جفت قرار ندارند و چرخششان به یک جهت است. به‌عنوان مثال، آهن چهار الکترون جفت‌نشده دارد که در یک جهت می‌چرخند. از آن‌جا که هیچ میدان مغناطیسی مخالفی برای این‌ها وجود ندارد تا تأثیرشان را خنثی کند، این الکترون‌ها دارای گشتاور دوقطبی مغناطیسی هستند. گشتاور دوقطبی مغناطیسی یک مدار و دارای بزرگی و جهت مختص خود است. این گشتاور هم به قدرت میدان مغناطیسی و هم به گشتاور نیرویی که آن میدان وارد می‌کند مرتبط است. کل گشتاورهای دوقطبی مغناطیسی یک آهنربا از گشتاور نیروی تمام اتم‌هایش ناشی می‌شود.

در فلزاتی چون آهن، این گشتاور دوقطبی مغناطیسی باعث می‌شود که اتم‌های نزدیک به هم، درامتداد خطوط میدان مغناطیسی شمال‌-جنوب یکسان هم‌سو شوند. آهن و دیگر مواد فرومغناطیس، کریستالی هستند. وقتی این مواد از حالت مذاب خودشان خنک می‌شوند، گروهی از اتم‌ها با چرخش مداری یکسان درون ساختار کریستال به صف می‌شوند و این باعث ایجاد دامنه‌های مغناطیسی که در بخش قبلی در مورد آن بحث کردیم می‌شود.

شاید دقت کرده باشید موادی که تبدیل به آهنرباهای بهتری می‌شوند، همان موادی هستند که آهنرباها جذبشان می‌کنند. به عبارت دیگر، همان ویژگی که یک ماده را به آهنربا تبدیل می‌کند باعث جذب مواد به آهنربا می‌شود. عناصر دیگر دیامغناطیس هستند؛ یعنی اتم‌های جفت‌نشده آنان میدانی ایجاد می‌کنند که به‌نحو ضعیفی یک آهنربا را دفع می‌کنند. یک سری از مواد هم نسبت به آهنربا اصلا واکنشی نشان نمی‌دهند.

بعد از این توضیحات در بخش بعدی نگاهی خواهیم انداخت به نیروهایی که به آهنرباها نسبت داده می‌شود و همچنین آن‌چه آهنرباها می‌توانند انجام دهند و آن‌چه قادر به انجام آن نیستند.

افسانه‌هایی در مورد آهنربا

هر زمان که از کامپیوتر استفاده می‌کنید؛ یعنی دارید از آهنربا استفاده می‌کنید. هارد دیسک برای ذخیره‌ی داده‌ها به آهنربا متکی است و برخی مانیتورها برای نمایش تصاویر روی صفحه‌شان از آهنربا بهره می‌گیرند. حتی در زنگ در خانه‌تان از آهنربای مصنوعی استفاده شده است. آهنربا در اسپیکر‌ها، میکروفون‌ها، ژنراتورها، تلویزیون‌های سی‌آر‌تی، موتورهای الکتریکی، نوارکاست‌ها، قطب‌نماها و در کیلومترشمار اتومبیل‌ها نقش حیاتی ایفا می‌کند.

علاوه بر این استفاده‌ی گسترده‌، آهنرباها ویژگی‌ها و خواص فوق‌العاده‌ی بی‌شماری هم دارند. آن‌ها می‌توانند جریان الکتریکی موجود در یک سیم را کاهش دهند. آهنربایی که به‌اندازه کافی قوی باشد، می‌تواند اشیاء کوچک یا حتی حیوانات کوچک را از زمین بلند کند. قطارهای مگلو با بهره‌گیری از نیروی الکترومغناطیسی می‌توانند با سرعت بسیار بالایی (تا بیش از ۵۰۰ کیلومتر در ساعت) حرکت کنند. سیال‌های مغناطیسی کمک می‌کنند که موتور موشک‌ها را با سوخت پر کنیم. میدان مغناطیسی زمین که آن را مگنتوسفر می‌نامند، از زمین در برابر طوفان‌های خورشیدی محافظت می‌کند.

آهنرباها در پزشکی نیز کاربرد دارند. دستگاه‌های MRI از میدان‌های مغناطیسی استفاده می‌کنند تا برای پزشکان این امکان را فراهم کنند که اعضای درونی بدن بیمار را بررسی کنند. همچنین پزشکان از میدان‌های الکترومغناطیسی استفاده می‌کنند تا استخوان‌های شکسته‌ای را که به‌خوبی جوش نخورده‌اند درمان کنند.

آهنرباها می‌توانند از سلامت حیوانات نیز محافظت کنند. گاوها در معرض بیماری جسم خارجی قرار دارند که از بلعیدن اشیاء فلزی ناشی می‌شود. بلعیدن اشیاء می‌تواند معده‌ی گاو را سوراخ کند و به دیافراگم و قلبش نیز صدمه برساند. آهنرباها برای جلوگیری از این شرایط بسیار سودمندند. یک راه حل این است که یک آهنربا را از غذای گاو عبور دهیم تا اگر شیء فلزی در غذا وجود داشت توسط آهنربا جذب شود. راه حل دیگر این است که آهنربا به گاوها بخورانیم. آهنرباهای آلکینو باریک و بلند که به‌عنوان آهنربای گاوی شناخته می‌شود می‌تواند تکه‌های فلزی را جذب کنند و باعث جلوگیری از آسیب رساندن آنان به معده گاو شوند. این آهنرباهای خورده‌شده می‌توانند باعث جلوگیری از آسیب دیدن گاو شوند؛ اما باز هم بهتر است که غذای گاوها را در جایی عاری از اشیاء فلزی قرار دهیم و مراقب ایمنی غذای آن‌ها باشیم. قورت دادن آهنربا به گاو‌ها آسیبی نمی‌رساند؛ اما این پدیده برای انسان‌ صدق نمی‌کند. اگر انسان‌ آهنرباهایی را ببلعد، در دیواره‌های روده‌شان به یکدیگر می‌چسبند و جلوی جریان خون را می‌گیرند و باعث مرگ بافت‌ها می‌شوند. خارج کردن آهنربا از بدن انسان‌ به عمل جراحی نیاز دارد.

برخی مردم از استفاده از مغناطیس درمانی برای درمان طیف وسیعی از بیماری‌ها حمایت می‌کنند. بر اساس نظر پزشکان، دستبند‌ها، گردنبندها، تشک‌ها و بالشت‌های مغناطیسی می‌توانند بسیاری از بیماری‌ها را از آرتروز گرفته تا سرطان درمان کنند یا بهبود بخشند. برخی می‌گویند که مصرف آب آشامیدنی مغناطیسی‌شده می‌تواند بسیاری از بیماری‌ها را درمان یا از آنان پیشگیری کند. آمریکایی‌ها تقریبا هر ساله پانصد میلیون دلار صرف مغناطیس درمانی می‌کنند و مردم سرتاسر جهان حدود ۵ میلیارد دلار به این امر اختصاص می‌دهند.

حامیان این موارد توضیحاتی در مورد این‌که چگونه این امر اتفاق می‌افتد ارائه می‌کنند. یکی از این توضیحات است که آهنربا آهن موجود در هموگلوبین خون را جذب می‌کند و بدین ترتیب باعث بهبود گردش خون به نواحی خاصی از بدن می‌شوند. توضیح دیگر این است که میدان مغناطیسی به‌نحوی باعث تغییر ساختار سلول‌های اطراف می‌شود؛ البته یافته‌های علمی تأیید نکرده‌اند که استفاده از آهنرباهای ایستا تأثیری بر درد یا بیماری داشته است. به‌علاوه آب آشامیدنی عموما عناصری ندارد که بتوان آن‌ها را مغناطیسی کرد و این باعث می‌شود در مورد آب آشامیدنی مغناطیسی‌شده تردید کنیم.

برخی دیگر پیشنهاد می‌کنند که از آهن‌با برای کاهش سختی آب در منازل استفاده کنیم. طبق آن‌‌چه برخی تولیدکنندگان می‌گویند، آهنرباهای بزرگ می‌توانند سطح سختی آب را با حذف مواد معدنی فرومغناطیس کاهش دهند؛ هرچند  مواد معنی که باعث سختی آب می‌شوند عموما فرومغناطیس نیستند!

به‌طور کلی اگرچه آهنرباها دردهای شدید را بهبود نمی‌بخشند و باعث درمان سرطان نمی‌شوند؛ ولی مطالعه و تحقیق در موردشان هنوز هم جذابیت خاص خودش را دارد!

به‌گفته دانشمندان ناسا در موسسه مطالعات فضایی گودارد در نیویورک، میانگین دمای جهان درسال ۲۰۱۷، ۱/۶۲ درجه فارنهایت (۰.۹۰ درجه سلسیوس) گرم‌تر از سال‌های بین ۱۹۵۱ تا ۱۹۸۰ بوده است. رتبه‌ی گرم‌ترین سال مربوط به سال ۲۰۱۶ است و سال ۲۰۱۷ در رتبه دوم قرار دارد.

طبق تحلیل‌های مستقل و جداگانه دانشمندان در سازمان ملی اقیانوسی و جوی، سال ۲۰۱۷ رتبه سوم در گرم‌ترین سال در رکورد آنها را دارد. تفاوت جزئی در رتبه‌بندی‌ها، به‌دلیل روش‌های مختلفی است که این دو آژانس از آنها برای تحلیل دمای جهانی استفاده می‌کنند. البته اگر رکوردهای آنها درطولانی‌مدت را بررسی کنیم، آنها بایکدیگر توافق دارند. هردو تحلیل نشان می‌دهند که ما شاهد ۵ مورد از گرم‌ترین سال‌ها از سال ۲۰۱۰ به‌بعد بوده‌ایم.

ازآنجایی که مکان‌های ایستگاه آب‌وهوایی و روش‌های اندازه‌گیری باگذشت زمان تغییر می‌کنند، تردیدهایی در مورد تفسیر دقیق میانگین و تفاوت دمایی سالانه وجود دارد. بااین وجود، ناسا تخمین می‌زند که میانگین دمای سال ۲۰۱۷ با درجه‌دقت ۹۵ درصدی، حدود ۰/۱ درجه فارنهایت افزایش یافته است. گاوین اشمیت، مدیر موسسه مطالعات فضایی گادرد گفت:

علی‌رغم این که دما از متوسطش در بخش‌های جهان پایین‌تر است، ولی افزایش دمای سریع در کره زمین درطول ۴۰ سال گذشته وجود داشته است.

میانگین دمای سطحی زمین در قرن گذشته به‌دلیل افزایش کربن‌دی‌اکسید و سایر گازهای انسانی، حدود دو درجه فارنهایت (کمی بیشتر از ۱ درجه سلسیوس) افزایش یافته است. سال گذشته سومین سال متوالی بود که دمای جهانی بیش‌از ۱/۸ درجه فارنهایت (یک درجه سلسیوس) بالاتر از سطوح دمایی اواخر قرن ۱۹ بود.

پدیده‌هایی مثل ال‌نینو و لانینا که باعث گرم یا سرد شدن بخش بالایی اقیانوس آرام می‌شوند و تغییرات مربوطه در الگوهای جهانی باد و آب‌وهوا را ایجاد می‌کنند، تحت تاثیر تغییرات کوتاه‌مدت میانگین دمای جهانی هستند. رویداد گرمایشی ال‌نینو در اکثر سال ۲۰۱۵ و ثلث اول سال ۲۰۱۶ فعال بود و باوجود فعال‌شدن پدیده لانینا در اواخر سال ۲۰۱۷، این سال رتبه بین سال ۲۰۱۵ و ۲۰۱۶ را در رکوردهای ناسا را به‌خود اختصاص داد.  در تحلیل دیگری که تاثیرات الگوهای ال‌نینو و لانینا از نظر آماری از رکوردها حذف شدند، سال ۲۰۱۷ گرم‌ترین سال شناخته شد.

عوامل محرک آب‌وهوایی معمولا دمای منطقه‌ای را تحت‌تاثیر قرار می‌دهند، بنابراین می‌توان گفت که همه‌ی مناطق زمین به یک اندازه گرم نشده‌اند. طبق یافته‌های اداره‌ی ملی اقیانوسی و جوی، میانگین دمای سالانه درسال ۲۰۱۷ برای ۴۸ ایالت آمریکا سومین رتبه ازنظر گرما را داشت.

روند گرم‌شدن در مناطق قطب‌ شمال دارای بیشترین مقدار است. ما درسال ۲۰۱۷ شاهد ازدست رفتن مقدار زیادی از یخچال‌های دریایی در این منطقه بودیم. تحلیل‌های دمایی ناسا، توسط اندازه‌گیری‌های ۶۳۰۰ ایستگاه‌ آب‌وهوایی، بویه هواشناسی در سطح دریا، و ایستگاه‌های پژوهشی قطب‌شمال صورت می‌گیرد.

این اندازه‌گیری خام با استفاده‌ از الگوریتم‌ها آنالیز می‌شود. این الگوریتم‌ها فاصله‌های مختلف ایستگاه‌های گرمایشی درسراسر جهان و اثرات گرمایی شهری را که می‌تواند باعث انحراف نتیجه گیری شود را لحاظ می‌کند. این محاسبات، انحرافات میانگین دمای متوسط جهانی از دوره پایه‌ای بین سال‌های ۱۹۵۱ تا ۱۹۸۰ را ارائه می‌دهد.

دانشمندان سازمان ملی اقیانوسی و جوی اکثرا ازهمین داده‌های دمایی خام استفاده می‌کنند، اما دوره‌ی پایه‌ای و روش‌های آنها برای آنالیز مناطق قطبی و دمای جهانی، متفاوت است. مجموعه‌ی داده‌های دمایی سطح زمین در سال ۲۰۱۷ و روش‌شناسی کامل آن برای محاسبات دمایی در این لینک موجود است.

موسسه‌ی مطالعات فضایی گودارد، یک آزمایشگاه در مرکز پروازهای فضایی گادرد در گرین‌بلت مریلند است. این آزمایشگاه وابسته به موسسه زمین دانشگاه کلمبیا و دانشکده مهندسی و علوم کاربردی نیویورک است.

رنه هاس یکی از مقامات اجرایی ARM است که سمت معاونت اجرایی گروه محصولات IP را در این شرکت بر عهده دارد. محصولات IPا(Intellectual Property Products) یا «محصولات مالکیت معنوی» آن دسته از محصولاتی هستند که در قالب یک «طرح» یا «ایده» و پتنت‌های مربوطه ارائه می‌شوند و بعدها حق استفاده از این طرح‌ها و ایده‌ها به شرکت‌های مختلفی واگذار می‌شود؛ در چنین حالتی این طرح‌ها و ایده‌ها نقش یک محصول را بازی می‌کنند. هاس با مشتریانی که حق استفاده از طرح‌ها و ایده‌های ARM به آن‌ها واگذار می‌شود و از طرح‌ها و ایده‌ها برای ساخت پردازنده‌ در حجم بالا استفاده می‌کنند سر و کار دارد.

به لطف سلطه‌ی ARM بر بازار گوشی‌ هوشمند، این شرکت و مشتریانش تاکنون ۱۲۰ میلیارد پردازنده عرضه کرده‌اند. اما با گسترش بازار اینترنت اشیاء و هوشمند شدن ابزارهای روزمره (همچون وسائل خانگی) و متصل شدن آن‌ها به اینترنت؛ فرصت‌های جدیدی پیش روی ARM و همکارانش قرار دارد. با افزایش توانایی ابزارهای مختلف برای تعامل با یکدیگر و امکان کنترل صوتی آن‌ها، نیاز به قدرت پردازشی رو به افزایش است؛ در این مسیر ARM تلاش می‌کند تا قدرت پردازنده‌های خود را به حد مورد نیاز برساند.

هدف مالک جدید ARM یعنی شرکت سافت‌بانک و مدیرعامل آن، ماسایوشی سان، تولید نوعی هوش مصنوعی است که برای دست یابی به «تکینگی» مورد نیاز خواهد بود؛ یعنی زمانی که مجموع هوش ماشین‌ها از مجموع هوش انسان‌ها بیشتر است. وظیفه‌ی ARM آوردن هوش مصنوعی به قلب شبکه‌ها است؛ همان‌جایی که پردازنده‌های کوچک و کم‌مصرف این شرکت به‌عنوان یک انتخاب طبیعی قلمداد می‌شوند. اما اکنون که آسیب‌پذیری‌هایی در پردازنده‌های اینتل مشاهده شده‌ و رایانه‌های ویندوزی نیز از امکان استفاده از پردازنده‌های ARM برخوردار شده‌اند، ARM در تلاش است تا به دنیای سرورها نیز وارد شد.

آنچه در ادامه می‌خوانید، مصاحبه‌ای است که در جریان نمایشگاه CES سال جاری توسط وب‌سایت ونچربیت با رنه هاس انجام شده. شایان ذکر است که آنچه در این متن آورده شده شاید دقیقا جملات هاس نباشد و بخش‌های از آن توسط وب‌سایت ونچربیت ویرایش شده است. همچنین در جریان برگردان این مصاحبه به ‌فارسی، برخی از جملات از حالت محاوره‌ای خارج شده‌اند تا درک مفهوم این جملات برای خوانندگان ساده‌تر باشد.

آیا مشغول تبدیل «تکینگی» به یک واقعیت هستید؟

بخشی که من مدیریت می‌کنم همان ساختار کلاسیک ARM است که به پیش از دوران تملک ARM توسط سافت‌بانک برمی‌گردد. از جمله تمام کسب و کار مالکیت معنوی، توسعه‌ی محصولات، اعطای حق استفاده از محصولات (لایسنس‌ها) و فروش و بازاریابی همه‌ی آن‌ها. مقر ما در کمبریج است. سال گذشته به لندن آمدم و بیشتر وقت خود را در لندن می‌گذرانم.

تأثیر مالکیت ARM توسط سافت‌بانک بر کار روزمره‌ی شما چه بوده است؟

نمی‌خواهم عنوان شغلی‌ام را از آنچه هست بزرگ‌تر جلوه دهم؛ اما اساسا من مدیرعامل گروه مالکیت معنوی هستم که در واقع پیش از تصاحب ARM توسط سافت‌بانک، تمام شرکت ARM را تشکیل می‌داد. پس از تصاحب ARM توسط سافت‌بانک، ما تلاش‌های‌ خود را در زمینه‌ی برخی دیگر از کسب و کارها، دستگاه‌های متصل به اینترنت و به‌ویژه نرم‌افزارهایی که به‌عنوان سرویس ارائه می‌شوند افزایش دادیم. حتما نام Mbed Cloud را شنیده‌اید. Mbed Cloud یک استراتژی است برای مدیریت دستگاه‌های مرتبط با اینترنت و ایجاد یک کسب و کار حول محور به‌روزرسانی‌های نرم‌افزاری، امنیت و ...

ما گروهی تجاری حول این استراتژی بنا کرده‌ایم که ISG نام دارد که به معنای «گروه خدمات اینترنت اشیاء» (IoT Services Group) است. این مجموعه به‌تازگی کار خود را شروع کرده و ما تصمیم گرفتیم آن را به دو گروه کاری مستقل تبدیل کنیم تا روی بازارها و مشتریان متفاوتی تمرکز کنند. در سطح اجرایی، کنترل امور در دست سایمون سگارس است که سمت مدیریت کل ARM را در اختیار دارد و اموری نظیر بازاریابی و مسائل قانونی و مالی و دیگر مواردی که مربوط به گروه‌های مختلف است تحت کنترل وی قرار دارد. اما گروهی که من مدیریت آن را در اختیار دارم در زمینه‌ی سود و زیان و کسب درآمد، کمابیش مستقل است.

برنامه‌ی شما برای سال ۲۰۱۸ چیست؟

اکنون که بخشی از سافت‌بانک هستیم، بعضی چیزها تغییر کرده‌اند؛ اما بعضی چیزها سر جای خودشان هستند. گزارش‌های مالی ما هنوز هم به‌صورت عمومی منتشر می‌شوند؛ چرا که بخشی از گزارش‌های مالی سافت‌بانک خواهند بود. اما نیازی نخواهد بود گزارش‌های خود را به‌صورت سه‌ماهه و با همان جزئیات گذشته ارائه کنیم. به همین دلیل، آزاد هستیم تا در زمینه‌ی سرمایه‌گذاری در برخی بازارها اندکی تندروتر باشیم. این (آزادی) یک ویژگی بزرگ برای ما است و ما می‌توانیم سرمایه‌گذاری خود در زمینه‌هایی همچون یادگیری ماشین و هوش مصنوعی را بیشتر کنیم و تعهد خود را  نسبت به مسئله‌ی امنیت افزایش دهیم. حوزه‌ی خودرو نیز جایگاهی برای پیشرفتی عظیم است. ما در زمینه‌های متعددی فعال بوده‌ایم و تفاوت ۲۰۱۸ (با سال گذشته) این است که امسال سرمایه‌گذاری در این زمینه‌ها را سرعت می‌بخشیم.

در جریان کنفرانس مطبوعاتی سامسونگ، این شرکت روی فناوری SmartThings (اتصال تمام ابزارهای هوشمند به یک اپلیکیشن واحد) به‌عنوان استانداردی برای اینترنت اشیاء تمرکز داشت. این مسئله در سطحی بالاتر برای یک شرکت بزرگ منطقی به‌نظر می‌رسد تا راهی داشته باشد که همه‌ی ابزارهای متصل به اینترنت را به یکدیگر متصل کند. سؤال این است که انجام چنین کاری چقدر آسان خواهد بود؟ آیا هر شرکت بزرگی قرار است نسخه‌ی اختصاصی از همین ایده را داشته باشد؟ آیا آن‌ها با هم سازگار خواهند بود؟ آیا این ابزارها واقعا قرار است به هم متصل شوند و با هم کار کنند؟

امسال هر محصولی که معرفی می‌شود از الکسا (دستیار صوتی آمازون) یا دستیار صوتی گوگل پشتیبانی می‌کند؛ یک‌سال پیش هیچکس به چنین چیزی حتی فکر نمی‌کرد. فکر می‌کنم آن‌چه اتفاق خواهد افتاد این است که استانداردهایی خواهیم داشت در مورد روش ورود اطلاعات؛ چه صدا باشد و چه هر روش دیگری. هرکس سعی می‌کند محصول خود را در این بین جا بیندازد؛ اینکه فقط رابط کاربری اختصاصی سامسونگ یا ال‌جی برای همه‌ی محصولات مورد استفاده قرار بگیرد امری مشکل است. فکر می‌کنم به استانداردهایی با مجموعه‌ای از رابط‌های برنامه‌نویسی کاربردی (API) نیاز خواهیم داشت؛ چیزی که در بخش‌های مختلف یک پلتفرم به‌طور واحد قرار داشته باشد.

از نقطه‌نظر ما این یک موقعیت بزرگ است، چرا که ما هم این مسئله را به‌عنوان برنامه‌ای بزرگ در سال ۲۰۱۸ قلمداد می‌کنیم. عجله برای آوردن قدرت پردازشی به قلب ابزارها نیازمند انجام بیشتر پردازش‌ها به‌صورت محلی و وابستگی کمتر به رایانش ابری جهت انجام تمام پردازش‌ها است. این روند در حال شروع و سرعت‌گیری است؛ به‌ویژه با پیشرفت قدرت یادگیری ابزارها و توانایی یادگیری ماشینی. دورنمای الگوریتم‌های اختصاصیِ دستگاه‌ها و مزایای افزایش کارایی و شخصی‌سازی که از پردازش‌های محلی حاصل می‌شود، بسیار بزرگ است. ما در این زمینه شاهد پیشرفت هستیم.

به‌ نظر شما شرکت‌ها در پروسه‌ی استانداردسازی به چه موقعیتی رسیده‌اند؟ آیا احساس می‌کنید به‌زودی شاهد هماهنگ‌سازی ابزارها با یکدیگر خواهیم بود؟

ترجیح من این است که منتظر باشم و ببینم برنده‌ی نهایی چه کسی خواهد بود. اما فکر می‌کنم دستگاه‌هایی که به دستیار صوتی گوگل یا الکسا مجهزند، به یک استاندارد قراردادی نزدیک‌تر هستند و نه آن دسته از شرکت‌هایی که سعی می‌کنند دور هم جمع شوند و تصمیم بگیرند که «فلان چیز یک استاندارد واقعی است»؛ چرا که این کار (دست‌یابی به چنین تصمیمی) سخت است. این مسئله شبیه به اولین تلویزیون‌های هوشمند است که مرورگرها و رابط اختصاصی خود را داشتند و از نظر هماهنگ بودن با دیگر ابزارها چندان به بلوغ نرسیده بودند. کاری که گوگل و آمازون در حال انجام آن هستند به این فرایند سرعت می‌بخشد. ما هم در جایگاه خوبی قرار داریم زیرا کار ما برپایه‌ی (همین) فناوری بنا شده است.

بخشی از تحولات فعلی در حوزه‌ی فناوری به بلاک‌چین مربوط می‌شود. آیا این فناوری مورد توجه شما قرار گرفته است؛ به‌ویژه در زمینه‌ی تراشه‌ها؟

تنها از دیدگاه پردازش‌های مورد نیاز برای آن و نیازهای امنیتی. اما از نظر ارتباطات و آن‌چه درون (تراشه‌ها) قرار می‌گیرد، خیلی نه.

مدت‌ها پیش با فیل روزدل، سازنده‌ی Second Life صحبت می‌کردم و او اکنون صاحب شرکتی به نام High Fidelity است. آن‌ها می‌توانند چیزهایی درست کنند که آواتار شما می‌تواند آن‌ را بپوشد یا بفروشد و تراکنش‌های انجام‌شده را در بلاک‌چین قرار می‌دهند. پس از آن، این تراکنش‌ها در دیگر دنیاهای مجازی نیز قابل استفاده می‌شوند؛‌ برای مثال شاید بتوانید چیزی را که در High Fidelity خریده‌اید، در Second Life نیز مورد استفاده قرار دهید. به‌عبارتی آواتار شما و هرچیزی که خریده‌اید با شما سفر می‌کند. به‌ نظر می‌رسد تراکنش‌های انجام‌شده در دنیای اینترنت اشیاء نیز می‌توانند به همین شکل باشند.

به‌طور بالقوه بله؛ اما بلاک‌چین‌ها ثابت هستند. با توجه به اینکه تراکنش‌ها در لحظه‌ صورت می‌پذیرند، شما به روش دیگری نیاز پیدا می‌کنید. حوزه‌ی ارزهای رمزنگاری شده و هرچیزی که مربوط به امنیت پرداخت‌ها باشد برای ما یک مسئله‌ی کلیدی است. آن‌ها به پردازش زیادی نیاز دارند و این چیزی است که نیازمند سطحی از استانداردسازی است. کشورهای مختلف دارای قوانین و ممنوعیت‌های مختلف در رابطه با تهدیدات مالی و مسائل اینچنینی هستند.

در زمینه‌ی تلفن‌ همراه، تمام اپراتورها در چین دولتی هستند و  این کشور کنترل زیادی روی این حوزه دارد؛ به همین دلیل به دست آوردن  سیم‌کارت غیر قانونی در این کشور بسیار سخت است. برخورد با کلاه‌برداری‌ در چین از طریق یافتن هویت افراد توسط شماره‌ی تلفن همراه آن‌ها انجام می‌شود؛ در نتیجه پرداخت‌های انجام‌شده توسط تلفن همراه در چین کاملا یکپارچه هستند. در آمریکای شمالی ما خیلی از چینی‌ها عقب هستیم و این مسئله به رویه‌ی انجام پرداخت‌ها و رابطه‌ی بین بانک‌ها برمی‌گردد.

جالب است ببینیم در چین چه اتفاقی می‌افتد؛ دولت این کشور کنترل زیادی روی مسائل مالی دارد. من به مدت دو سال از عمرم را در چین گذرانده‌ام و این مسئله را شخصا تجربه کرده‌ام؛ خارج کردن پول از این کشور واقعا سخت است. اما اکنون با وجود شرکت‌هایی مانند تنسنت و علی‌بابا که شرکت‌های تجاری بزرگی هستند، دولت نمی‌تواند مطلع شود که پول‌ این شرکت‌ها کجا می‌رود (و برای چه‌ چیزی هزینه می‌شود)؛ مخصوصا اگر این پول از کشور خارج می‌شود. دولت چنین از هم‌اکنون در تلاش است تا مالکیت بخشی از این شرکت‌ها را در اختیار داشته باشد.

پس چگونگی معماری یک بلاک‌چین به دولتی که بر آن نظارت می‌کند بستگی دارد؟

دقیقا!

وقتی در ARM در رابطه با بلاک‌چین صحبت می‌کنید، باید به چه چیزی فکر کنید؟

تمرکز اصلی ما روی Edge Computing (روشی برای افزایش کارایی رایانش ابری که طی آن پردازش داده در نزدیکی منبع داده صورت می‌گیرد) قرار دارد. وقتی که به بلاک‌چین و آنچه مربوط به امنیت و پردازش محلی است می‌پردازیم؛ همه چیز به حوزه و توان پردازشی مربوط می‌شود. یادگیری ماشین یک حوزه‌ی بزرگ برای ما است؛ چرا که برای کار کردن با داده‌ها به سطحی از پردازش توسط شبکه‌های عصبی نیاز خواهید داشت. سؤال این است که آیا استفاده از واحد پردازش گرافیکی (جهت انجام پردازش توسط شبکه‌های عصبی) کار درستی است؟ اگر بخواهیم در رایانه‌هایی که برای Edge Computing استفاده می‌شوند از واحد پردازش گرافیکی استفاده کنیم، توان پردازشی مسئله‌ای حائز اهمیت خواهد بود. برای حل مسائل مربوط به رایانش ابری، استفاده از واحد پردازش گرافیکی یکی از راهکارها خواهد بود؛ اما توجه ما روی Edge Computing است. ما در حال بررسی تمام روش‌های مختلف ساختاری هستیم؛‌ اما هنوز در رابطه با هیچ‌ چیز به‌طور عمومی صحبت نخواهیم کرد.

شبکه‌ی جهانی وب مکان فوق‌العاده‌ای است؛ ولی آیا تا به‌حال به این موضوع فکر کرده‌اید چه کسی اینترنت را اختراع کرده است؟ پاسخ این سؤال، بر‌خلاف برخی اختراعات، ساده نیست؛ چرا که اعتبار این کار متعلق به شخص واحدی نیست. در وهله‌ی اول افرادی هستند که اینترنت را از لحاظ تئوری اختراع کردند؛ ایده‌ی مکانی که در آنجا تمام دانش‌ها در اختیار تمام افراد جهان قرار بگیرند. پس از آن افرادی هستند که اینترنت را به شکلی که امروزه می‌شناسیم، کرم‌چاله‌ی اطلاعات بر پایه‌ی تکنولوژی با سرعتی بالا که هر روز از آن استفاده می‌کنیم، اختراع کردند.

شاید تاریخ اینترنت به اوایل قرن بیستم بازمی‌گردد، زمانی که نیکولا تسلا تئوری یک سیستم بی‌سیم جهانی را بیان کرد؛ او باور داشت اگر برق کافی در اختیار داشته باشد، می‌تواند به انگلیس در آن سوی اقیانوس پیغام ارسال کند. سپس پای مارشال مکلوهان به میان آمد و یک دهکده‌ی جهانی اطلاعات را که از طریق تکنولوژی قابل دسترسی است، پیش‌بینی کرد. در نهایت، ونوار بوش فرضیه‌ی مکانیک اینترنت را بیان کرد؛ ماشینی که آن را «میمکس» نامید و به کاربران اجازه می‌دهد در بین مجموعه‌ی عظیمی از اطلاعات که از طریق شبکه‌ای از لینک‌ها به هم متصل هستند، جستجو کنند.

مارشال مکلوهان (تصویر سمت راست) و نیکولا تسلا (تصویر سمت چپ)

اواخر دهه‌ی ۶۰، ایده‌های تئوری سابق سرهم شدند و با ساخت آرپانت، شکلی سه‌بعدی به خود گرفتند. سازمان پروژه‌های تحقیقاتی پیشرفته‌ی شبکه (ARPANET) که توسط وزارت دفاع آمریکا تأسیس شده بود، از روشی برای انتقال داده‌های الکترونیکی به نام «راه‌گزینی بسته‌های کوچک» استفاده می‌کرد تا کامپیوترهایی را که به‌تازگی طراحی شده بودند، در یک شبکه قرار دهد. مدت کوتاهی پس از ساخت آرپانت، دو دانشمند پا پیش گذاشتند تا آن را حتی بیش از این تغییر دهند.

رابرت کان و وینتون سرف در ساخت چیزی که احتمالا مهم‌ترین بخش اینترنت است و ما امروزه استفاده می‌کنیم، یعنی پروتکل TCI/IP، همکاری کردند. TCP و IP الگوی نحوه‌ی انتقال داده‌ها بین‌ شبکه‌ها هستند. به احتمال زیاد پیش از این در مورد آی‌پی شنیده‌اید؛ به دلیل اینکه هر شبکه‌ای یک آدرس آی‌پی اختصاصی دارد، اطلاعاتی که از آن‌ها برای تشکیل داده‌ها استفاده شده، به جایی می‌رود که نیاز است.

در سال ۱۹۸۳، کار TCP/IP به پایان رسید و آماده‌ی استفاده شد. آرپانت این سیستم را در دستور کار قرار داد و شروع به جمع‌‌آوری سیستمی از شبکه‌ها یا شبکه‌ای از شبکه‌های کوچک‌تر کرد که نقش پیشگامی برای اینترنت مدرن را ایفا کرد و شبکه جهانی وب (WWW) نام‌گذاری شد.

اغلب از این عبارت در هر جایی استفاده می‌شود؛ ولی شبکه‌ی جهانی وب در واقع با اینترنت متفاوت است. شبکه‌ی جهانی وب فقط مجموعه‌ای از شبکه‌ها است که داده‌ها را به شکل وب‌سایت‌ و هایپرلینک‌ به هم متصل می‌کند؛ اما اینترنت به معنای همه‌ی چیز در این مجموعه است.

بنابراین، گرچه به نظر می‌رسد اینترنت همین دیروز اختراع شده است؛ اما مفهوم آن در واقع قدمتی ۱۰۰ ساله دارد. تنها مورد این است که این روزها کمی بهتر به نظر می‌رسد.

فرقی ندارد که از چه فرهنگی هستید و با چه زبانی صحبت کنید؛ این‌ روز‌ها واژه‌ی سلفی تبدیل به اصطلاحی در تمام کشور‌ها شده است. نزدیک به ۵ سال است که این واژه در فرهنگ‌ها جا باز کرده؛ اما بر اساس تحقیقات انجام‌شده، به‌ نظر می‌رسد که پیشینه‌ی این واژه و عکس‌های این‌چنینی بسیار بیشتر از آن‌ است که اکثریت فکر می‌کنند.

برطبق گفته‌ی سارا بورتون، نخستین استفاده‌ی قابل استناد از واژه‌ی سلفی در سپتامبر سال ۲۰۰۲ توسط شخصی به نام هوپی انجام شده است. گفته‌های سارا بورتون ادعای پیشین شخصی به نام پاریس هیلتون را که مدعی اختراع عکس‌های سلفی بود، نقض می‌کند.

هوپی پیش‌تر در توضیحات عکس خود نوشته است:

به‌ خاطرِ فوکوس [بد] شرمنده‌ام، این یک عکس سلفی است!

اما اگر به سراغ تاریخچه این عکس‌ها برویم، به سال ۱۸۳۹ و شخصی به نام رابرت کرنیلیس از آمریکا می‌رسیم. او برای ثبت عکس زیر که امروزه آن‌ را با نام سلفی می‌شناسیم، نزدیک به ۱۵ دقیقه خود را در جلوی دوربین قرار داده است.

بد نیست در این بین اشاره‌ای به گران‌قیمت‌ترین سلفی ثبت‌شده در تاریخ نیز داشته باشیم. این عکس سلفی که در دهه‌ی ۱۸۵۰ گرفته شد، تصویر اسکار رجلندر، عکاس پیشگام سوئدی‌ را نشان می‌دهد. این‌ عکس بعد‌ها با قیمت ۱۱۵ هزار دلار به فروش رفت.

نخستین عکس سلفی گروهی در دهه‌ی ۱۹۲۰ میلادی به ثبت رسید. این عکس که روی پشت‌بامی در نیویورک گرفته شد، شامل عکاسان شرکت بایرون می‌شود که در آن زمان یکی از معروف‌ترین استودیو‌های عکاسی در نیویورک بود.

به باور سارا بورتون، عکس‌ سلفی نه به دست یک شخص، بلکه به اجماع جامعه‌ی انسانی و در طی دوران‌های مختلف، به‌مرور جای خود را در میان مردم باز کرده است؛ از همین‌رو نمی‌توان مخترع این نوع عکس‌ها را شخصی خاص دانست.

دیدگاه خود را در این باره با ما و دیگر کاربران در میان بگذارید.

اکنون کاربران تازه‌کار گوگل آنالیتیکس ۳۶۰ می‌توانند داده‌های خود را از ابزار مدیریت ارتباط با مشتری همانند مدیریت رهبری و مدیریت فرصت و ... وارد کار کنند. این قابلیت به بازاریابان اجازه می‌دهد بینشی کلی درمورد اولین تماس مشتری برای فروش و درکی بهتر از چگونگی تناسب مراودات برای کسب نتیجه موفقیت‌آمیز پیدا کنند. البته سیلزفورس، داده‌های بازاریابی خود را در مارکتینگ‌ کلود (Marketing Cloud) هم دارد. همچنین این شرکت، محصولات تحلیلی مختص خود را دارد که شامل سیلزفورس ویو و انیشتین آنالیتیکس می‌شوند.

این قابلیت به کمپانی‌هایی که از محصولات تحلیلی گوگل استفاده می‌کنند، اجازه می‌دهد داده‌های دو سیستم را ترکیب و هماهنگ کنند. از آنجایی که مشتریان تمایل دارند از محصولات متعددی استفاده کنند، این همکاری بیشتر نمود پیدا می‌کند. درواقع این همکاری رسیدن به تصویری کلی درمورد مجموعه‌ی محصولات را آسان‌تر می‌کند. 

کمپانی‌ها با استفاده از این قسمت ابتدایی همکاری و شراکت، رابط بین داده‌های سیلزفورس به گوگل بیگ‌ کوئری (سرویس انبار داده‌ی گوگل که کاربران در آن می‌توانند این داده‌ها را با سایر مجموعه‌داده‌ها ترکیب کنند) را فراهم می‌کنند. 

و در آخر، کمپانی‌ها ارتباطی بین سیلفزفورس و خط تبلیغ گوگل ایجاد می‌کنند تا بهترین چشم‌اندازها را به تبلیغ مناسب و در زمان مناسب متصل و روند فروش را تکمیل کنند. گوگل در یک پست مرتبط که در وب‌سایت این کمپانی منتشر شده، درمورد جزئیات همکاری درمورد لینک تبلیغ توضیح داده است:

بازاریابان می‌توانند به‌جای استفاده‌ از تاکتیک‌های ابتدایی برای جذب مشتری، از ابزارهای موجود در AdWords و DoubleClick Search استفاده کنند تا مناقصه‌ی خود در تبلیغات جست‌وجوی مبتنی‌ بر هدف فروش واقعی (مکالمات آفلاین ردیابی‌شده در سیلزفورس) را بهینه کنند. آن‌ها همچنین می‌توانند یک فهرست مخاطب از تاکتیک‌های جذب مشتری تأییدشده در آنالیتیکس ۳۶۰ از سیلزکلود بسازند و از AdWords و DoubleClick Bid Manager استفاده کنند تا تبلیغات خود را به‌ دست افراد با همین مشخصات برسانند.

ترکیب این دو نوع اطلاعات ازطریق منابع، می‌تواند بینش‌ها و توانایی‌هایی برای افراد فراهم کند که اگر این دو شرکت می‌‌خواستند به‌تنهایی آن‌ها را فراهم کنند، نمی‌توانستند. ری‌ونگ، مؤسس و تحلیلگر اصلی در کانستلیشن ریسرچ، معتقد است این همکاری توانایی رقابت دو کمپانی با رقبا را در این فضا، افزایش می‌دهد. او گفت:

 همکاری اخیر و پیشنهادهای مربوط به آن، حق انتخاب دیگری به مشتریان در بازار می‌دهد و هدف آن ادوبی و مایکروسافت است.

ادوبی با ابزارهای تحلیلی، بازاریابی و تبلیغاتی خود، یکی از بازیگران بزرگ در این عرصه بوده است. شرکت مایکروسافت، در سال ۲۰۱۶ لینکدین را با قیمت ۲۶.۲ میلیارد دلار خریداری کرد. این خرید به مایکروسافت کمک کرد تا به مقدار زیادی داده‌ دسترسی پیدا کند و آن‌ها را با کمک ابزار‌های مدیریت ارتباط با مشتری، به‌ اشتراک‌ بگذارد. ونگ می‌گوید:

هدف از همکاری دو کمپانی این بود که تعاملات آفلاین و آنلاین را با قدرت تحلیل ابری در کنار هم قرار دهیم تا کمپین‌های بازاریابی بتوانند بدون ادغام‌ها و شکاف‌هایی که اکثر بازاریابان امروزی با آن مواجه هستند، به‌ اجرا دربیایند.

این همکاری تنها گام ابتدایی این دو کمپانی برای همکاری‌های بیشتر و گسترده‌تر بود و آن‌ها قول دادند که در سال‌های آتی شاهد همکاری‌های عمیق‌تری بین این دو خواهیم بود؛ مواردی شامل آوردن اطلاعات خاص محصول، احتمال تغییر تاکتیک‌های جذب و ارزش مشتری مادام‌العمر.