وقتی مهندسان زیراکس پارک، کامپیوتر شخصی جدیدشان با نام زیراکس آلتو را در کنفرانس جهانی شرکت در سال ۱۹۷۷ عرضه کردند، مدیران ارشد زیاد تحت تأثیر قرار نگرفتند. به نظر می‌رسید این کامپیوتر جدید با شغل و حرفه آن‌ها متناسب نیست. اما همسران آن‌ها تحت تأثیر این کامپیوتر جدید قرار گرفتند. دلیل این تناقض این بود که مدیران‌ به دنبال وسیله‌ای می‌گشتند که کار منشی‌گری را اتوماتیک کند؛ چراکه از منظر آن‌ها، این کار کم‌ارزش بود، ولی همسران آن‌ها که اکثرا منشی بودند، دنیای کاملا جدیدی از امکانات را می‌دیدند؛ زمانی که استیو جابز، مکینتاش را بر اساس آلتو طراحی کرد، این امر بیشتر به چشم آمد.

اینکه به مدیران آن زمان به دلیل کوته‌نظری‌شان بخندیم، آسان است؛ ولی شاید ما هم اگر به‌جای آن‌ها بودیم، چندان تفاوتی نداشتیم. حقیقت این است که هر کار بزرگی در ابتدا بسیار ضعیف و بی‌ارزش به نظر می‌آید؛ بنابراین درک تأثیرات آن در ابتدای کار کمی مشکل است. امروزه ما در عصری جدید قرار داریم و باید به تمامی پدیده‌های جدید توجه کنیم.

ساختمان و آناتومی یک انقلاب

اگرچه ما امروزه به‌ وجود آمدن کامپیوتر‌ شخصی را یک انقلاب می‌دانیم؛ اما اگر به همین تکنولوژی و فناوری پیاده‌شده در آن‌ به‌صورت جداگانه نگاه کنیم، به این نتیجه می‌رسیم که بسیار محدود است. مکینتاش اولیه و اصلی نسبت به استانداردهای امروزی، بسیار ضعیف بود و تنها ۴۰۰ کیلوبایت ظرفیت ذخیره‌سازی داشت، به‌آسانی به کامپیوترهای دیگر متصل نمی‌شد و این امر موجب شده بود برای اشتراک‌گذاری اطلاعات مناسب نباشد.

با گذشت زمان تغییراتی پدید آمد. فناوری‌های تکمیلی، مانند پایگاه داده‌های ارتباطی که منجر به ایجاد نرم افزار ERP شد و اترنت (Ethernet) که کامپیوتر‌ها را به هم متصل می‌کند و در نهایت اینترنت، عصر اطلاعات را به وجود آوردند. با رشد و قدرت گرفتن این فناوری‌ها دنیا تغییر کرد.

یکی از مهم‌ترین فواید تکنولوژی کامپیوتری این بود که شبیه‌سازی را ممکن ساخت. زمانی که کامپیوترها به دیتابیس‌ها و پایگاه‌های عظیم داده متصل می‌شدند، اطلاعات می‌توانستند دانلود و در صفحات گسترده، تجزیه و تحلیل شوند. مدیران با استفاده از این اطلاعات، سناریوهای مختلفی بر اساس داده‌های دنیای واقعی خلق می‌کردند و با استفاده از آن‌ها تصمیمات بهتری می‌گرفتند.

اما هیچ‌کدام از این کارها برای افراد تا سال ۱۹۷۷ مشخص نبود. در حقیقت بهتر است بگوییم که این جنبه‌های تکنولوژی در دهه‌ی ۱۹۹۰ میلادی قابل فهم شد. البته مدیران جنبه‌های جدید را درک می‌کردند؛ ولی از آنجا که در کارشان به آن‌ها کمک نمی‌کرد، برایشان مهم نبود.

پایان قانون مور و ظهور معماری‌های جدید کامپیوتری

کامپیوترها به‌گونه‌ای همه‌گیر شده‌اند که موارد خارق‌العاده زیاد به چشم نمی‌آیند. پس از دهه‌ها پیشرفت، دستگاه‌های ما دیگر بهتر نشده‌اند. لپ‌تاپی که امروز خریداری می‌کنید، تقریبا همان کارایی را دارد که ۵ سال پیش داشت.

این امر دو دلیل دارد؛ اول اینکه، تکنولوژی تراشه محدودیت‌هایی از نظر تئوری دارد؛ بنابراین توسعه و پیشرفت اساسی آن، کند است. دوم اینکه وظایف سنگین با هزینه‌ی کم و به‌راحتی در فضای ابری انجام می‌شوند، در نتیجه دیگر نیازی به افزایش قدرت در کامپیوترهای میزی یا جیبی ما نیست.

با وجود کند بودن رشد تکنولوژی، انقلابی جدید در معماری و ساختار کامپیوتری در حال ظهور است. اولین انقلاب، مربوط به سیستم کوانتوم است که می‌تواند هر چیز غیر قابل تصوری را کنترل کند. دومین انقلاب، مربوط به تراشه‌های نئومورفیک (Neuromorphic chips) است که می‌تواند الگوها را به‌شکل مؤثرتری نسبت به معماری‌های قبلی شناسایی کند و این کار را با صرف قدرت کمتری انجام دهد.

چگونگی سرمایه‌گذاری شرکت‌های برجسته‌ی دنیا روی این تکنولوژی‌ها جالب توجه است. گوگل و IBM برنامه‌های کوانتومی پیشرفته‌ای دارند. این در حالی است که سایر شرکت‌ها از قبیل مایکروسافت و اینتل و همچنین استارتاپ‌هایی مانند Riggeti و D-Wave در حال پیشرفت هستند. کوالکام، انویدیا، اینتل و IBM همگی برنامه‌های نئومورفیک پیشرفته دارند.

ظهور یک پشته یا استک فیزیکی

بیشتر مردم در بررسی تکنولوژی دیجیتال، تنها به لایه‌ی بالایی، دستگاه و رابط کاربری آن فکر می‌کنند؛ اما این تنها بخشی جزئی از سیستم کلی آن‌ها است. پشته‌ای کلی از تکنولوژی‌ها، از دیتابیس‌ها تا میان‌افزارها و همینطور برنامه‌های کاربردی و اپلیکیشن‌ها وجود دارد که باعث می‌شود، آن‌ها همگی کار کنند.

امروزه، یک پشته‌ی مشابه برای دنیای فیزیکی ساخته شده است. دیتابیس‌های جدید از قبیل اطلس ژنوم سرطانی ونوآوری ژنوم مواد، قسمت‌های خاصی از دنیای فیزیکی را در بر می‌گیرند. این‌ها با استفاده از الگوریتم‌های یادگیری ماشین قدرتمندی تحلیل می‌شوند. این انقلاب در حال وقوع، آنقدر پیچیده است که به روش‌های علمی، شکل تازه‌ای بخشیده و در حال اصلاح روش علمی است.

در سال‌های پیش رو، شاهد سیستم‌های کامپیوتری قدرتمندتر و جدید‌تری برای هدایت پشته‌های فیزیکی خواهیم بود. Simulating chemistry یکی از اولین برنامه‌هایی است که برای کامپیوتر‌های کوانتوم طراحی شده و به ما کمک می‌کند دیتابیس‌های جزئی‌تر و بزرگ‌تری بسازیم. تکنولوژی نئومورفیک ما را قادر خواهد ساخت الگوهای پیچیده را آنالیز کنیم و به دیدگاه‌های جدیدی برسیم.

نحوه‌ی برخورد ما با دنیای فیزیکی نیز در حال تغییر است. فناوری نانو به ما اجازه می‌دهد مواد را در مقیاس مولکولی دستکاری کنیم. تکنولوژی‌های جدید مانند کریسپر به ما کمک می‌کند ژن‌ها را به دلخواه اصلاح کنیم. واقعیت مجازی به ما کمک خواهد کرد به‌صورت درونی تصویرسازی کنیم؛ و تکنیک‌های تولید پیشرفته، مانند پرینت سه‌بعدی، این تصاویر را به واقعیت نزدیک‌تر خواهند کرد.

تحول بزرگ

نوآوری هرگز یک رویداد منفرد نیست؛ درعوض روندی از اکتشاف، مهندسی و دگرگونی است و ما تقریبا همیشه پیچیدگی و مدت دگرگونی را دست کم می‌گیریم. داگلاس انگلبارت، مشخصه‌های اساسی کامپیوتر‌های شخصی را در سال ۱۹۶۸ ارائه داد؛ اما تأثیرات اقتصادی آن در اواخر دهه‌ی ۱۹۹۰ میلادی مشخص شد. توماس ادیسون اولین نیروگاه را در سال ۱۸۸۲ ساخت؛ اما الکتریسیته در دهه‌ی ۱۹۲۰ زندگی ما را دگرگون کرد.

تغییرات و دگرگونی‌ها به دو دلیل، طولانی هستند؛ دلیل اول این است که تکنولوژی‌ها و فناوری‌های تکمیلی باید ظهور کنند. مثلا اگر کامپیوترها برنامه‌ی کاربردی مناسب نداشته باشند، کمتر به ما کمک می‌کنند یا مثلا اگر ماشینی برای استفاده از الکتریسیته طراحی نشده باشد، الکتریسیته عملا به درد نمی‌خورد. دلیل دوم این است که ما برای بهره‌مندی کامل از تکنولوژی‌های جدید، باید سازمان‌هایمان را از نو طراحی کنیم و همچنین سبک زندگی‌مان را تغییر دهیم.

به‌طور متوسط، تقریبا ۳۰ سال طول می‌کشد که اکتشافی جدید بر بازار تأثیر بگذارد و یک دهه طول می‌کشد تا تحول بزرگ بعدی رخ دهد. اگر این مدت زمان را مد نظر قرار دهیم، دقیقا می‌توانیم به جایگاه مدیران ارشد زیراکس در سال ۱۹۷۷ برسیم و درک متقابل بیشتری نسبت به آن‌ها پیدا کنیم. آن‌ها نمی‌دانستند کامپیوترهای شخصی تا چه اندازه مهم خواهند شد و اگر با خودمان صادق باشیم، ما هم نسبت به آینده همین‌گونه هستیم.

کاری که ما می‌توانیم بکنیم این است که بدانیم تحولی بزرگ درحال وقوع است و فرصت‌ها و احتمالاتی را در آینده به وجود خواهد آورد که درک آن‌ها در حال حاضر برای ما غیر ممکن است. اما نکته‌ی مهم‌تر این است که به جای پیش‌بینی کردن آینده، به فکر اکتشاف باشیم. نیازی نیست آینده را به‌گونه‌ای بفهمیم که بتوانیم از حالا خودمان را برای آن آماده کنیم.