سرمایهگذاریهای علمی - پژوهشی دیربازده است
تین نیوز | دکتر «محمد مهدیان» از فارغالتحصیلان دوره کارشناسی دانشگاه صنعتیشریف در رشته مهندسی کامپیوتر است. او دوره کارشناسیارشد را در رشته علومکامپیوتر در دانشگاه تورنتو و دوره دکترای خود را در دانشگاه «امآیتی» در رشته ریاضیات کاربردی به پایان رساند. دکتر «مهدیان» پس از اتمام تحصیلات ابتدا به عنوان پژوهشگر پسادکترا در شرکت مایکروسافت مشغول به تحقیق میشود.
پس از آن مدتی در مرکز تحقیقاتی یاهو و در حال حاضر در مرکز تحقیقاتی گوگل کار میکند. خودش درباره حوزه کاریاش میگوید «زمینه کار من بهطورکلی در نقطه مشترک مباحث الگوریتمها و اقتصاد و نظریهبازیها و بهطورخاص کاربرد این مباحث در طراحی مکانیسم برای قیمتگذاری و اختصاص فرصتهای تبلیغاتی و تحلیل شبکههای اجتماعی است.» خلاصه آنکه وی زمینه اصلی تخصصش را الگوریتمها معرفی میکند.
چگونه به زمینهای که هماکنون در آن مشغول هستید، علاقهمند شدید و تحصیلات و تحقیقاتتان را در این زمینه ادامه دادید؟
همه اینها بهتدریج اتفاق افتاد. شاید نقطه شروع آن مسابقات المپیاد بود که اول من را بهعنوان مسابقهدهنده به حل مسالههایی که نیازمند خلاقیت بودند، علاقهمند کرد و پس از آن به عنوان طراح سوال در کمیته المپیاد، کنجکاوی پرسیدن سوالهای جدید را برانگیخت و فوتوفن نحوه تعریف مساله را به من آموزش داد. در دوره کارشناسی در دانشگاهشریف با دکتر «عبادالله محمودیان» (استاد ریاضی دانشگاه صنعتیشریف) شروع به کارهای تحقیقاتی در زمینه ترکیبات و نظریه گرافها کردم که این آغاز زندگی تحقیقاتی من بود. در دوره کارشناسیارشد و
دکترا هم موضوع تحقیقاتیام در زمینه علوم نظری کامپیوتر و مرتبط با ترکیبات و روشهای احتمالاتی بود و البته با گذراندن درسهای مختلف در این دورهها با زمینههای دیگری مانند نظریه بازیها و اقتصاد نیز آشنا شدم.
زمانی که شما تصمیم به ادامه تحصیل در خارج از کشور گرفتید، آیا این کار در داخل کشور ممکن نبود؟ تحصیل در خارج از کشور چه مزایایی برای شما ایجاد کرد؟
در آن زمان استادان زیادی در ایران در زمینه علوم نظری کامپیوتر مشغول تحقیق نبودند. مهمتر از آن، صرف رفتن به محیط جدید و تعامل با استادان و محققان جدید، به گسترش افق و پهنه دید یک دانشجو بسیار کمک میکند. شما وقتی به خارج از کشور میروید، با مجموعه جدیدی از محققان و زمینههای تحقیقی جدید مواجه میشوید و ممکن است مسایل جدیدی را که قبلا ندیده بودید، ببینید و علاقهمند شوید و در آن زمینهها به کارتان ادامه دهید.
زمینه کاری شما با نظریه بازیها در ارتباط است. آیا در دوران تحصیل هم در زمینه نظریه بازیها مشغول بودهاید؟
زمانی که من در دوره دکترا بودم، تازه پای نظریه بازیها به علوم کامپیوتر باز شده بود، من هم در همان زمان با این نظریه آشنا شدم.
نظریه بازیها چقدر در زمینه پژوهشی شما، کاربرد داشته است؟
نظریه بازیها ابزار مهمی در علم اقتصاد و بهطورکلی در طراحی و تحلیل سیستمهای اقتصادی یا اجتماعیای است که متشکل از افراد مختلف با انگیزهها و هدفهای مختلف هستند. شما وقتی میخواهید چنین سیستمی را طراحی یا تحلیل کنید، باید در نظر بگیرید کسانی که در سیستم شرکت میکنند، هرکدام انگیزههای خاص خودشان را دارند و میخواهند نتیجه را بهنوعی برای خودشان بهینه کنند. به همین دلیل عملکردشان در سیستم، لزوما همان طوری نیست که شما از آنها انتظار دارید، بلکه بهگونهای عمل میکنند که سود خودشان را بهینه میکند. چنین سیستمهایی معمولا
به صورت بازیهایی مدل میشوند که در آن هر شرکتکننده تابع هدف خودش را بهینه میکند و در نتیجه سیستم به سمت یک نقطه تعادل سوق پیدا میکند. در زمان طراحی چنین سیستمی، مهم است که در نظر داشته باشیم که نوع طراحی سیستم، بر رفتار افراد در آن سیستم و در نتیجه بر نقطه تعادلیای که درنهایت سیستم به آن خواهد رسید، تاثیر دارد. یک نمونه از کاربرد این روش، نظریه طراحی مکانیسمهای مزایده برای فروش کالاهاست. معمولا برای طراحی چنینمکانیسمهایی، فرض میکنیم هر شرکتکننده تابع مطلوبیتی برای نتیجه مزایده دارد که فقط خودش از آن اطلاع دارد و هدفش
بهینهکردن این تابع مطلوبیت است. هدف ما طراحی مکانیسمی است که نقطه تعادلی آن ویژگیهای مطلوب ما را داشته باشد. برای مثال، موتور جستوجویی مانند گوگل هرثانیه به پرسشهای هزارانکاربر پاسخ میدهد و در کنار هرکدام از این پاسخها، شرکتهای متعددی علاقهمند به نمایش آگهیهای تبلیغاتیشان هستند. موتور جستوجو برای تعیین اینکه این فرصتهای تبلیغاتی به کدامیک از این شرکتها اختصاص داده شود و به چه قیمتی، هزارانمزایده در ثانیه اجرا میکند. یک تغییر کوچک در مکانیسم این مزایدهها، میتواند میلیاردهادلار سود موتور
جستوجو را بالا و پایین کند و همچنین اثر زیادی در میزان رضایت کاربران موتور جستوجو و همچنین میزان رضایت شرکتهای تبلیغاتی دارد. در نظرگرفتن همه این فاکتورها لازمه طراحی مکانیسم برای چنین سیستمی است. البته این را هم باید بگویم که در عمل، معمولا مسالهها خیلی پیچیدهتر از مدلهای نظری هستند. برای مثال معمولا شرکتکنندگان بهخوبی تابع مطلوبیتشان را بهینه نمیکنند یا حتی خود اطلاع دقیقی از میزان مطلوبیت یک نتیجه ندارند. به همین دلیل اغلب نتایج گرفتهشده از مدلهای نظری بهطور مستقیم قابلاستفاده در کاربردهای عملی نیستند.
پس به نظر شما، آیا نظریه بازیها، نظریهای غیرکاربردی است؟
قطعا نه! مدلهای نظریای مانند نظریه بازیها حتی اگر نتایجی به دست ندهند که بهطور مستقیم قابلاستفاده در دنیای واقعی باشند، برای بهدستآوردن شهود سطح بالا درباره دنیای واقعی و اینکه در عمل چگونه باید مسایل واقعی را حل کرد، بسیار مفید هستند.
فرض کنید شرکتی نوشابهای تولید میکند، کل هزینه بستهبندی و تولید و عرضه تا مغازه هزار تومان میشود، قیمت فروش را هم هزارو٥ تومان تعیین کنند. نظریه بازی اینجا چه نقشی دارد؟
سوال خوبی است. شرکت اگر بخواهد آنالیز کند که در صورت این قیمتگذاری، چه اتفاقی خواهد افتاد، باید بررسی کند خریداران چه تابعی را بیشینه میکنند و در نتیجه چه عکسالعملی به قیمتگذاری نوشابه نشان خواهند داد. فرضا در این مورد، اگر قیمت تعیینشده در مقایسه با قیمت کالاهای مشابه بالا باشد، ممکن است عده زیادی از محصولات شرکتهای رقیب استفاده کنند و درنتیجه سود شرکت کمتر شود. در مثالهای دیگر، ماجرا ممکن است حتی پیچیدهتر هم باشد. فرض کنید شما میلیونهافرصت تبلیغاتی مختلف در اختیار داشته باشید و بخواهید این فرصتها را برای شرکتهای
تبلیغاتی قیمتگذاری کنید (درست مثل همان کاری که موتورهای جستوجویی مانند گوگل، یاهو و مایکروسافت میکنند و فرصتهای تبلیغاتی را به تبلیغکنندهها میفروشند). بسیاری از این فرصتهای تبلیغاتی، بهنوعی کالاهای مشابه همدیگر هستند و درنتیجه قیمت آنها باید با هم متناسب باشد. در نظرگرفتن همه این رابطهها و استراتژیهای ممکن برای خریداران، مساله قیمتگذاری را بسیار پیچیده میکند. علاوهبر این، جنبه الگوریتمی مساله (اینکه این قیمتها در زمان کوتاه قابلمحاسبه باشند) هم پیچیدگی مساله را دوچندان میکند.
بهنظر میرسد تبلیغات با بحث روانشناسی ارتباط دارد، یعنی روانشناسان میتوانند بگویند چه تبلیغاتی میتواند موثر باشد یا نباشد. اما قیمتگذاریها در حوزه اقتصاد است و به ریاضی مرتبط است. چطور این دوموضوع مختلف به هم مربوط میشوند؟
روانشناسی تبلیغات از نظر تحقیقاتی بحث مهمی است، اما در عمل قسمت زیادی از کارهایی که انجام میشود، بخش روانشناسی ماجرا نیست، بلکه استفاده از الگوریتمهای یادگیری ماشینی برای یادگیری این است که کدام تبلیغات درستتر است و کارآیی بهتر و بیشتری دارد. این الگوریتمها با امتحانکردن گزینههای مختلف و مشاهده اثر آنها، در درازمدت کشف میکنند که برای هرفردی، چه تبلیغی بهتر است و درنهایت به یک جواب بهینه همگرا میشوند. برای درک اینکه چرا این جواب بهینه است، میتوان بررسی کرد که از نظر روانشناسی چه معنیای دارد، اما شاید در عمل خیلی احتیاجی
نباشد که وارد بحث روانشناسی شویم تا بتوانیم چنین سیستمی را بهینه کنیم.
منظورتان از یادگیری ماشینی چیست؟
یادگیری ماشینی، نام شاخهای در علوم کامپیوتر با هدف طراحی الگوریتمهایی است که بتوانند نمونههای دادهشده را مشاهده کنند و براساس آنها چیزی جدیدی یاد بگیرند، مثلا برای اینکه سیستم کامپیوتری بتواند صدای انسان را تشخیص دهد، چندمیلیوننمونه از صدای انسان تهیه کرده و به یک الگوریتم یادگیری میدهند. اگر الگوریتم خوبی برای یادگیری طراحی شده باشد، سیستم بعد از شنیدن یکمیلیون نمونه، میتواند یاد بگیرد و اگر نمونه جدیدی به آن دادید و نگفتید صدای انسان است یا نه، خودش بتواند تشخیص دهد که صدای انسان است یا نه.
بهنظر شما، چه عواملی باعث میشوند تا شرکتی مانند گوگل، به غول بزرگی تبدیل شود؟
برای پاسخدادن به این پرسش نمیتوان به گوگل مانند یکشرکت تنها نگاه کرد، چون گوگل زاییده اکوسیستمی است که در «دره سیلیکون» وجود دارد. در این منطقه (در جنوب شهر سانفرانسیسکو) هرساله تعداد بسیار زیادی شرکتهای نوپا (استارتآپ) متولد میشوند. موسسان این شرکتها معمولا متخصصانی هستند که قبلا در شرکتهای دیگر یا در دانشگاهها کار کردهاند و با تکنولوژیهای مربوطه آشنا هستند. همچنین سرمایهگذارانی هستند که این شرکتهای نوپا را بررسی و آنهایی را که بهنظر میرسد آینده روشنی دارند، حمایت میکنند و سرمایه لازم برای ادامه
کار را در اختیار آنها قرار میدهند. از بین هرهزار شرکت نوپایی که شروع به کار میکنند، شاید ٩٥ تا با شکست مواجه شوند یا موفق به دریافت سرمایه نشوند یا سرمایه دریافتشده را مصرف میکنند بدون اینکه به نتیجه برسند. بقیه شرکتهایی که موفقیتهای معقولی دارند، به کارشان ادامه میدهند و شاید در این بین یکی از آنها هم، شرکتی مانند گوگل شود. به همین دلیل نمیتوان گوگل را بهصورت تکی و جداگانه بررسی کرد، همینطور که نمیتوان فقط به بلیت برنده لاتاری توجه کرد، بدون اینکه حواسمان باشد که بلیتهای بازندهای هم وجود داشتهاند. تمام بدنه این
اکوسیستم است که باعث میشود نوآوری وجود داشته باشد. البته نوآوریهایی را که گوگل در ابتدای کار خود داشت، نباید از یاد برد. گوگل از همان ابتدا، تحولی در دنیای موتورهای جستوجو پدید آورد. اینترنت چندسال قبل از گوگل در حد قابلتوجهی رشد کرده بود، به طوری که شما با جستوجوی هرواژهای با خیل عظیمی از صفحههای وب مواجه میشدید که نمیتوانستید همه آنها را بررسی کنید تا صفحه موردنظر خودتان را پیدا کنید. حالا اگر این نتایج جستوجو به شکل اتفاقی چیده و به کاربر عرضه میشد، عملا استفادهای برای کاربر نداشت. مهمترین نوآوری گوگل در ابتدا در
چینش نتایج جستوجو بود. بهطوری که نتایج بهتر و بهدردبخورتر در رتبههای بالاتر قرار بگیرند. همین موضوع باعث شد که گوگل در آن زمان، به بهترین موتور جستوجو تبدیل شود. در ادامه هم، تکنیکهای مدیریتی بودند که باعث شدند گوگل در این اندازه باقی بماند. اهمیتی که در گوگل به نوآوری داده میشود، واقعا قابلتوجه است. بهطور مثال در گوگل، شما میتوانید یکپنجم از زمان کاری خودتان را به تحقیق بپردازید و خیلی از موفقیتهای گوگل از دل همین پروژههای ٢ درصدی درآمدهاند.
محیط کاری در گوگل چطور است؟
یکی دیگر از مزایای گوگل شاید همین مطلوببودن محیط کاری در گوگل باشد. غذاهای خوب و متنوع و رایگان، کافههای خوب، سرگرمیهای فراوان، میانگین سنی جوان و فضای پویا و جویای نوآوری خیلی به جو داخلی شرکت کمک میکند. برای همین جذب نیروی انسانی و حفظ آن هم برای گوگل سادهتر میشود.
جای چهچیزی در حوزههای کاری ایران خالی است؟
بهنظر من این ساختار باید در ایران ایجاد شود که بهطور مثال اگر شرکتی با ایدههای خوب مشغول به کار است، بتواند رشدش را ادامه دهد و سرمایه جذب کند و اگر شرکت نوپایی موفق بود، مکانیسمهای بازار (مانند ورود به بازار بورس یا خرید توسط شرکتهای بزرگتر) این موفقیت را تبدیل به موفقیت اقتصادی برای موسسان شرکت کند. چنین ساختاری در مناطقی که قطب تکنولوژی دنیا هستند جا افتاده، اما ایران هنوز در ابتدای این مسیر است.
اگر امکان دارد، دقیقتر توضیح دهید زمینههای تحقیقاتیتان در گوگل یا یاهو چه مواردی بوده است؟
یک مورد مباحث الگوریتمی و اقتصادی در طراحی و تحلیل سیستمهای ارزیابی، تخصیص و قیمتگذاری تبلیغات است که در این باره توضیح دادم. یک موضوع تحقیقاتی دیگرم تحلیل شبکههای اجتماعی است. هدف این مبحث تحلیل دادههای موجود از شبکههای اجتماعی بهمنظور درک ساختار این شبکهها و همچنین کشف اتفاقاتی است که در این شبکهها میافتد.
با توجه به اینکه گوگل یکی از پرمراجعهکنندهترین سایتهاست، برای مردم جالب است که ساختارش چیست و در چه حوزههای تحقیقاتی فعال است؟
گوگل شرکت خیلی بزرگی است و سخت است کل ساختار یا حیطه عملکردش را بهطور خلاصه توضیح دهیم. شرکتهای بزرگ، سرمایه زیادی دارند و در زمینههایی که ممکن است در آینده مهم شود، سرمایهگذاریهای زیادی انجام میدهند و به همین دلیل بسیار گسترده است. اما بهطور خلاصه اگر بخواهم بگویم این است که اولا تمرکز اصلی گوگل در زمینه علوم و مهندسی کامپیوتر و در عرصه اینترنت است. خود گوگل هدف اصلیاش را بهطور خلاصه «منظمکردن همه اطلاعات و دانشهای موجود در دنیا و در دسترس و مفیدکردن این اطلاعات» تعریف میکند. در زمینههای مختلف هم فعالیتهای
زیادی انجام داده که همهشان بهنوعی در راستای همین هدف بوده است: محصول اولیه گوگل که جستوجو روی وب است. یوتیوب ویدئوها را دستهبندی و قابلجستوجو میکند. گوگلبوکس سعی کرده کتابها را اسکن کرده و قابلجستوجو کند. گوگلمپ هم که نقشه تمام شهرها و کشورهای مهم دنیا را تهیه کرده تا مراجعهکنندگان بتوانند هرآدرسی را در هرجای دنیا پیدا کرده و تصویر هرخیابانی در هرشهری را مشاهده کنند. همه اینها در هدف اصلی گوگل میگنجد. گوگل در بسیاری از زمینهها هم سرمایهگذاری میکند که شاید در آینده به نتیجهای برسند یا نه.
خودتان برای آینده چه برنامههایی دارید؟
زمینه کاری من در مورد الگوریتمها و نظریه محاسبات است که موارد مختلفی میتواند در آن بگنجد، مثلا به زمینههای مرتبط با اقتصاد علاقهمندم و تحلیل سیستمهایی که به صورت مرکزی اداره نمیشوند و از تعداد زیادی افراد یا اجزا مختلف تشکیل شده، برایم جالب است. اینکه هرکدام از آن اجزا رفتار خودشان را دارند، در نتیجه باید بتوانید کل سیستم را درک کنید و بدانید چه میکنند. بحث شبکههای اجتماعی هم بهنوعی در این حیطه میگنجد برای اینکه برای تحلیل شبکههای اجتماعی، باید رفتار تعداد بسیار زیادی از کاربران را بفهمید چون لزوما آنطور که شما به آنها
میگویید، رفتار نمیکنند، بلکه طوری که خودشان میخواهند رفتار میکنند. احتمالا در آینده هم زمینه کاریام در همین مورد خواهد بود.
بهنظر میرسد رفتار اقتصادی مردم قابلدستهبندی نیست، مثلا در خرید پوشاک، برای یکنفر قیمت، براییک نفر دیگر دوام یا جذابیت مهم باشد. وقتی میخواهید رفتار اقتصادی مردم را ارزیابی کنید، اولا تنوع خیلی زیاد است دوما کسی نیست که برای شما توضیح دهد با چه انگیزهای از یک مارک بهخصوص خرید میکند. شما چطور میتوانید این رفتارها را تحلیل کنید.
همانطور که گفتید رفتار تکتک افراد، چندان قابلپیشبینی نیست چون افراد خیلی متفاوت هستند و اولویتهای مختلفی دارند. اما وقتی بهصورت کلان به جامعهای نگاه میکنیم که متشکل از هزاران و میلیونها فرد است، رفتار کلی جامعه قابلپیشبینیتر است. از این مورد هم در اقتصاد و هم در بررسی سیستمهای آنلاین خیلی استفاده میشود. به عبارت دیگر گاهی میتوان تعیین کرد که یک جامعه چطور رفتار میکند، هرچند شناخت رفتار تکتک افراد ممکن نباشد.
مشکلی که در جامعه امروز ایران وجود دارد و دانشگاهیها هم به آن اذعان دارند، این است که در ایران امروز پول زیادی برای دانشگاهها هزینه میشود، اما دستاورد ملموس و عینی ندارد. به نظر شما، تفاوت دانشگاههای کشورهای دیگر با کشور ما چیست که در آن کشورها هزینههای صرفشده دستاورد دارد، اما در ایران دستاورد ندارد و استاد و دانشجو هم از این موضوع ناراضی هستند.
با این گزاره موافق نیستم که در ایران هزینه صرفشده در دانشگاهها هدر میرود و دستاوردی ندارد. دستاورد دانشگاهها در زمینه پژوهشی، چه در داخل ایران و چه در خارج از آن، عمدتا دستاوردهای درازمدت است. اگر توقع دستاورد کوتاهمدت داشته باشید، نتیجه چندانی عاید شما نمیشود. اینکه الان ببینید دستاورد دانشگاههای خارج از ایران شرکتهایی مانند گوگل است، به این معنی نیست که این دانشگاهها طی پنجسال گذشته در این زمینه سرمایهگذاری کرده و نتیجه گرفتهاند، بلکه این دستاوردها نتیجه سرمایهگذاری صدساله است. در مورد دانشگاههای ایران هم
نباید انتظار داشته باشید که سریع به نتیجه برسیم. به نظرم در دانشگاههای داخل ایران هم کارهای معقولی انجام میشود. دانشگاههای ایران در زمینه آموزشی قطعا موفق بودند چون توانستهاند افراد خوبی را تربیت کنند. بسیاری از این فارغالتحصیلان به دلایل مختلف در خارج از ایران فعال هستند و عدهای هم در ایران مشغول به کار هستند. دستاوردهای پژوهشی این دانشگاهها هم بد نبوده است، هرچند در این زمینه هنوز راه درازی در پیش داریم. اگر انتظار بیشتری داشته باشیم، باید خیلی بیشتر صبر کنیم.
از زمان عرضه برخی محصولات فنی و الکترونیکی مانند موبایل، حدود ٢ سال میگذرد پس خیلی به تاریخ دانشگاهها یا طول مدت پژوهش چندان ربطی ندارد.
اتفاقا اینطور نیست. هرچند سهدهه است که موبایل به بازار عرضه شده، ولی اگر به تاریخچه تحقیقات در این زمینه نگاه کنیم، میبینیم که این تکنولوژی بر پایه تکنولوژیهای دیگر بنا شده است و در نتیجه نمیتوانیم سابقه آن را به ٢ سال گذشته محدود کنیم.
چطور میتوان از دانشجویان ایرانی در داخل کشور استفاده کرد و صنعت ایران را هم موفق کنیم. چطور میتوان با استفاده از دانشجویان موفق، تکنولوژیهای نوین را در ایران توسعه داد؟
در این زمینه، صنعت نسبت به دانشگاه نقش مهمتری دارد. باید در این زمینهها سرمایهگذاری کرد، باید در زمینههایی که میخواهیم بهتر باشیم، سرمایهگذاری صنعتی داشته باشیم، بهگونهای که فرصتهای شغلی جالب و جذاب برای فارغالتحصیلان مهیا باشد. کسی که فارغالتحصیل میشود همه فرصتهای شغلی را در نظر دارد و تصمیم میگیرد در کجا زندگی کند. اگر در داخل کشور امکاناتی نداشته باشد و فقط قرار باشد به دانشگاه برود و در طول زندگی، با مشکلات عدیدهای سروکله بزند، در این صورت احتمالا ترجیح میدهد به خارج از کشور برود، چون گزینههای
کاری جذابتری در آنجا وجود دارد و حقوق بهتری هم دریافت میکند. به نظر من اگر بتوانیم در زمینههایی که اینروزها در داخل ایران به نام صنعتهای دانشبنیان مطرح است، سرمایهگذاریهایی و محیطی را فراهم کنیم که این صنایع بهطور طبیعی رشد کنند، فرصتهای شغلی برای افراد متخصص هم بیشتر شده و تعداد متخصصان بیشتری گزینه ماندن و فعالیت در داخل کشور را انتخاب میکنند.