درباره یادداشت‌برداری و افسانه «مغز دوم»

چند سالی است ایده «مغز دوم» به یکی از جذاب‌ترین وعده‌های جهان بهره‌وری و مدیریت دانش تبدیل شده است. تصور ساده است: حافظه ما محدود است، اطلاعات بیش از حد شده‌اند، پس باید بخشی از کار ذهن را به بیرون منتقل کنیم؛ به Obsidian، Notion، Roam یا هر نرم‌افزار دیگری که بتواند یادداشت‌ها را نگه دارد، به هم وصل کند و بعداً دوباره تحویل ما بدهد. اگر این سیستم را درست بسازیم، ظاهراً کمتر فراموش می‌کنیم، بیشتر می‌دانیم و در نهایت بیشتر می‌نویسیم، بهتر فکر می‌کنیم و در حوزه تخصصی خود محصول بیشتری تولید می‌کنیم. به‌گمانم بخش آخر این روایت تا حد زیادی افسانه است[2].

نه به این معنا که یادداشت‌برداری بی‌فایده است، یا ابزارهایی مانند Obsidian کارکرد ندارند. برعکس، بیرون سپردن بخشی از بار حافظه یک رفتار کاملاً واقعی و شناخته‌شده شناختی است. روان‌شناسان برای آن اصطلاح cognitive offloading را به کار می‌برند: استفاده از محیط بیرونی برای کم کردن تقاضای شناختی یک کار. نوشتن فهرست خرید، گذاشتن reminder در تلفن یا ذخیره کردن یک ارجاع علمی، همگی نمونه‌های همین کارند. Risko و Gilbert در مرور معروف خود نشان می‌دهند که انسان‌ها مرتب از محیط به‌عنوان حافظه کمکی استفاده می‌کنند. اما همین تحقیقات مرزی را روشن می‌کنند که در ادبیات «مغز دوم» اغلب ناپدید می‌شود: کم کردن بار حافظه با یاد گرفتن یکی نیست.

در چند آزمایش، افرادی که اجازه داشتند اطلاعات را به حافظه بیرونی بسپارند، در انجام فوری تکلیف بهتر عمل کردند، اما بعداً خود اطلاعات را ضعیف‌تر به یاد آوردند. به بیان ساده، سیستم بیرونی وظیفه‌اش را خوب انجام داده بود؛ چیزی که لزوماً رشد نکرده بود حافظه فرد بود. این یافته به‌خودی‌خود علیه یادداشت‌برداری نیست. اگر شماره تلفنی را در گوشی ذخیره کرده‌ام، هیچ فضیلتی ندارد که آن را از بر کنم. اما اگر آنچه بیرون سپرده‌ام مفهومی است که قرار است با آن فکر کنم، استدلال بسازم، تدریس کنم یا مسأله‌ای را حل کنم، قضیه فرق می‌کند.

این همان نقطه‌ای است که استعاره «مغز دوم» گمراه‌کننده می‌شود. یک انبار اطلاعات می‌تواند حافظه بیرونی خوبی باشد، اما حافظه بیرونی هنوز «دانش» نیست. دانش زمانی در اختیار من است که بتوانم آن را بازیابی کنم، میان آن و دانسته‌های دیگر رابطه بسازم، در موقعیتی تازه به کارش ببرم، با آن پرسش تولید کنم و در برابر نقد، از آن دفاع کنم. داشتن پنج هزار یادداشت درباره روان‌شناسی شناختی لزوماً مرا به کسی تبدیل نمی‌کند که روان‌شناسی شناختی را بهتر می‌فهمد؛ همان‌طور که داشتن کتابخانه‌ای بزرگ به‌تنهایی کسی را متفکر نمی‌کند.

از نظر معرفت‌شناختی هم این تمایز قدیمی‌تر از نرم‌افزارهای ماست. «اطلاعات در دسترس» با «دانستن» یکی نیست. حتی اگر نسخه‌ای بسیار رادیکال از نظریه «ذهن گسترده» را بپذیریم و بگوییم دفترچه، تلفن یا نرم‌افزار در بعضی شرایط می‌تواند بخشی از سامانه شناختی ما باشد، هنوز این پرسش باقی است که آن سامانه با اطلاعات چه می‌کند. آرشیو کردن یک گزاره، توانایی ما برای استدلال با آن گزاره بیشتر نمی‌کند.

مشکل اصلی بسیاری از سیستم‌های مدیریت دانش این است که کل چرخه شناخت را به مرحله‌ای فرو می‌کاهند که ابزارها در آن بهترین عملکرد را دارند: ثبت، طبقه‌بندی و بازیابی. ساختار پوشه‌ها بهتر می‌شود، لینک‌ها بیشتر می‌شوند، graph view پرتر می‌شود و تعداد یادداشت‌های روزانه بالا می‌رود. این‌ها همه قابل‌اندازه‌گیری‌اند و همین قابل اندازه‌گیری بودن، نوعی احساس پیشرفت ایجاد می‌کند. اما آنچه واقعاً دشوار است کمتر قابل نمایش است: فهمیدن، فراموش کردن و دوباره به یاد آوردن، توضیح دادن بدون نگاه کردن به متن، کشف تناقض میان دو ایده، تغییر نظر، نوشتن، تدریس و آزمودن یا تعمیق در یک مفهوم.

فرض کنید دو نفر یک کتاب را می‌خوانند. نفر اول صد یادداشت دقیق می‌گیرد، برای هر یادداشت چند tag می‌سازد و آن‌ها را به ده‌ها یادداشت قبلی لینک می‌کند. نفر دوم یادداشت کمتری دارد، اما فردا کتاب را می‌بندد و می‌کوشد برای دوستی توضیح دهد نویسنده دقیقاً چه ادعایی کرده، کجای استدلالش ضعیف است و این کتاب چه چیزی را در فهم قبلی او تغییر داده است. اگر یک ماه بعد از هر دو نفر بخواهیم بدون مراجعه به آرشیوشان درباره کتاب حرف بزنند، اصلاً بدیهی نیست که نفر اول که ای‌بسا تلاش بیشتری در جمع‌آوری کرده باشد، بیشتر چیزی «دانسته» باشد. بسیاری از یافته‌های روان‌شناسی یادگیری حتی عکس چنین چیزی را تأیید می‌کنند.

یکی از پایدارترین نتایج این حوزه، retrieval practice یا تمرین بازیابی است. بارها نشان داده شده که تلاش برای بیرون کشیدن دانش از حافظه، در بسیاری از شرایط برای ماندگاری بلندمدت مؤثرتر از دوباره خواندن همان مطالب است. متاآنالیزها و مطالعات کلاسیک این اثر را در حوزه‌های مختلف گزارش کرده‌اند. نکته جالب این است که یادگیری دقیقاً در جایی رخ می‌دهد که کار کمی سخت‌تر می‌شود. وقتی متن روبه‌روی ماست، احساس آشنایی می‌کنیم؛ وقتی متن را می‌بندیم و باید از خودمان بپرسیم «واقعاً چه چیزی فهمیدم؟»، ناگهان فاصله میان آشنایی و دانستن به طرز نومید کننده‌ای آشکار می‌شود و شاید ما به ویژه در عصر هوشواره‌ها و اقتصاد توجه کوتاه، چندان علاقه‌ای به مواجهه با کُندذهنی خودمان نداریم.

همین منطق درباره تولید هم صادق است. ادبیات generation effect نشان داده که در بسیاری از موقعیت‌ها، ساختن یا تولید کردن پاسخ می‌تواند حافظه را بیش از دریافت منفعلانه تقویت کند، هرچند اندازه و شرایط این اثر به نوع تکلیف بستگی دارد. حتی پژوهش‌هایی نشان می‌دهند که فعالیت‌های مولد مثل ساختن جمله یا ایجاد ارتباط معنایی، گاهی از بازیابی ساده هم بهتر عمل می‌کنند. بنابراین نمی‌توان چرخه دانش را به «input → note» تقلیل داد. ذهن در تبدیل، بازیابی، توضیح، خطا کردن و اصلاح خطا «یاد می‌گیرد».

از همین‌جا نسبت میان «آموزش گرفتن» و «آموزش دادن» برای من اهمیت پیدا می‌کند. ما عادت کرده‌ایم این دو را دو فعالیت جدا ببینیم: ابتدا چیزی یاد می‌گیریم و وقتی به اندازه کافی دانستیم، آن را به دیگری آموزش می‌دهیم. اما  learning by teaching به خوبی نشان می‌دهد که آماده شدن برای آموزش و نفس توضیح دادن به دیگری، بخش مهمی از فرایند یادگیری است. وقتی قرار است چیزی را تدریس کنیم مجبور می‌شویم ساختار آن را پیدا کنیم، شکاف‌های فهممان را ببینیم، رابطه میان اجزا را روشن کنیم و به پرسش‌هایی فکر کنیم که هنگام خواندن منفعلانه اصلاً متوجهشان نشده بودیم. اثر همیشه و در همه شرایط یکسان نیست، اما ادبیات پژوهشی در مجموع نشان می‌دهد آموزش دادن می‌تواند برای خود آموزش‌دهنده یک سازوکار جدی یادگیری باشد.

به همین دلیل یک سیستم واقعاً دانش‌محور باید «خروجی» و «چرخه» را از ابتدا در معماری خود داشته باشد. اگر قرار است چیزی یاد بگیرم، باید از همان ابتدا معلوم باشد که قرار است با آن چه کنم: آن را توضیح دهم؟ مقاله‌ای بنویسم؟ در یک پروژه به کار ببرم؟ با کسی درباره‌اش بحث کنم؟ مسأله‌ای را با آن حل کنم؟ به نقدش بکشم؟ اگر هیچ‌کدام در کار نباشد و عامل (ایجنت) هوشواره هم به جای پیش نهادن چنین چیزهایی، کار را تحویل بگیرد و به جای ما انجام بدهد، بسیار آسان است که یادداشت‌برداری به یک مُد و ترند بی‌هوده تبدیل شود.

شاید به همین دلیل است که بعضی vaultها بعد از چند سال (اگر چنین پشتکاری در ما باشد) تبدیل به انبار می‌شوند تا مغز دوم. هزاران شیء در آن‌ها وجود دارد، اما جریان زندگی فکری از میان این اسباب و اثاثیه عبور نمی‌کند. می‌توان ساعت‌ها وقت صرف اصلاح taxonomy، template، tag و backlink کرد و در پایان روز احساس کرد که روی دانش خود «کار» کرده‌ایم، درحالی‌که بخش بزرگی از زمان صرف «معماری یک انبار» شده است. کسی که مجموعه بزرگی از ابزار نجاری مرتب دارد الزاماً نجار بهتری نیست. ابزار هنگامی معنا پیدا می‌کند که چیزی برای ساختن داشته باشیم.

این خطا البته فقط محصول رشد صنعت مدیریت دانش شخصی نیست. ابزارها بر بستری فرهنگی رشد کرده‌اند که «دریافت کردن» را بسیار آسان‌تر از «درگیر شدن» کرده است. جریان بی‌پایان مقاله، پادکست، ویدئو، newsletter، highlight و bookmark دائماً این احساس را ایجاد می‌کند که یک چیز دیگر هم هست که باید پیش از آغاز کار واقعی ببینیم. در چنین محیطی، خود توجه، به منبعی کمیاب تبدیل می‌شود. بررسی‌های مربوط به multitasking رسانه‌ای و نوتیفیکیشن‌های تلفن نشان می‌دهند که جابه‌جایی پی‌درپی توجه و حتی دریافت اعلان بدون پاسخ دادن به آن می‌تواند عملکرد در تکالیف نیازمند توجه را مختل کند.

بنابراین شاید تشخیص ما از مسأله از ابتدا کمی غلط بوده باشد. انسان امروز مسلماً با حجم عظیمی از اطلاعات روبه‌رو است و حافظه کاری او نیز محدود است؛ انکار این محدودیت‌ها با شواهد شناختی سازگار نیست. اما دشواری اصلی را نمی‌توان صرفاً «مدیریت حجم دانش» نامید. چیزی که فراوان شده اطلاعات است، نه لزوماً دانش. و چیزی که کمیاب شده فقط فضای ذخیره‌سازی نیست؛ توجه، بازیابی فعال، زمان کافی برای ترکیب کردن ایده‌ها و موقعیت‌هایی است که در آن مجبور شویم دانسته‌هایمان را به کار بیندازیم. از این زاویه، وعده «مغز دوم» وارونه است. مغز دوم قرار نیست جای مغز اول را برای ما پُر کند. یک سیستم بیرونی خوب باید مغز اول را وادار به کار کند.

من هنوز یادداشت‌برداری می‌کنم و احتمالاً همچنان از ابزارهایی مانند Obsidian در صورت لزوم استفاده خواهم کرد. مسأله برای من خود یادداشت‌برداری نیست. مسأله این است که چه زمانی یک یادداشت دوباره وارد فرایند فکر می‌شود. آیا از آن پرسشی ساخته‌ام؟ آیا بدون نگاه کردن توانسته‌ام ایده‌اش را بازسازی کنم؟ آیا آن را به کسی توضیح داده‌ام؟ آیا چیزی نوشته‌ام که وجودش بدون آن یادداشت ممکن نبود؟ آیا دانسته جدیدی باعث شده یکی از یادداشت‌های قبلی‌ام را بازبینی کنم؟ از همین زاویه استدلال من این است که در عصر حاضر و با توجه به مسائل مطرح شده درباره توجه و رسانه‌های اجتماعی، باید یادداشت‌گذاری کرد و نه یادداشت برداری؛ منظورم این است که باید یادداشت را روی دیواری گذاشت تا دیگران ببینند. انبار کردن دانش شانس دیده شدن دوباره آن را بسیار کمتر می‌کند. بنابراین در یادداشت برداری هم اگر پاسخ به پرسش‌های بالا منفی باشد، یادداشت برداری جز برای تاریخ‌نویسی و مستندسازی فایده‌ای که ادعا می‌شود ندارد. در نهایت یک آرشیو خوب ساخته‌شده که چیز بدی هم نیست اما آن را با دانستن نباید اشتباه گرفت.  

پس از سال‌ها تلاش در پایان دادن به آشفتگی شخصی خودم در به‌کار بردن ابزارهای نگارش و انتشار و مدیریت دانش و آموزش، سرانجام به نتیجه‌ای رسیده‌ام که پیشتر هیچ‌گاه و در هیچ پروژه‌ای تا این‌اندازه خودم را به نتیجه نزدیک نمی‌دیدم. من پروژه لرالینک (LeraLink) را با نام دیگری - iLiBRi - آغاز کردم. در سال ۲۰۲۳. تلاش برای ساختن یا طراحی یک سیستم مدیریت و تولید دانش را از چند ماه پیش از آن آغاز کرده بودم. زمانی که پرپلکسیتی (Perplexity) و اوپن‌ای‌آی (OpenAI) و محصول تازه‌اش چت جی‌پی‌تی (ChatGPT) هنوز در بازار فناوری معرفی وسیعی نداشتند. در این چندسال، تقریبا در همه کامیونیتی‌های ابزارها و راهکارهای این‌چنینی مشارکت کردم و کاربر اصلی همه ابزارهای نو در این زمینه بودم. Zotero، Zenodo، PKP، Notion، انواع و اقسام LMSها و همچنین آبسیدین (Obsidian) و ابزارهای مشابه. همچنین به‌کارگیری انواع سیستم‌های مدیریت پروژه و نشر آزاد آکادمیک یا غیر آکادمیک. ابزارهای نویسندگی و SEO و طراحی وبسایت‌هایی که بتوانند کار تولید و مدیریت دانش را تسهیل کنند. انواع امکانات کامیونیتی و PKM (مدیریت دانش شخصی) و همچنین مدیریت پروژه؛ ابزارهایی مانند Basecamp با روش‌شناسی Shape UP که به نظرم یکی از بهترین روش‌هاست. در همین مسیر علاقه زیادی هم به پرپلکسیتی پیدا کردم و نحوه کارش. به تدریج با ابزارهایی آشنا شدم که به اصطلاح AI-Native بودند یعنی هوشواره‌ها (یا همان هوش مصنوعی‌ها و LLMها) بخش تکمیلی یا ارتقاء دهنده یا تزئینی آن سیستم‌ها نبود. mini-course generator ها و انواع ابزار تولید محتوای ساده و پیچیده. تا همین اخیرا که با ابزارهای نویسندگی رمان‌های فیکشن و نان‌فیکشن هم آشنایی پیدا کردم. به ویژه آنها که از هوش مصنوعی قدرت می‌گیرند و به شکلی بنیادی از دل تجربه نویسندگی و فناوری هوش مصنوعی بیرون آمده‌اند. این شاید چشمنداز کوچک و البته ناقصی بدهد از این واقعیت که لرالینک زاده یک تجربه فنی، فکری، تجربی و علمی چندلایه و وسیع و چندساله است و همچنین از دل شمار زیادی پروژه‌های شکست‌خورده و تجربه‌های کوچک پراکنده ولی موفق بیرون آمده است. امیدوارم علاقه‌مند باشید که با آن آشنا شوید. آخرین تصمیم من در ماه‌های اخیر این بود که در جریان ساخت این سامانه فدراتیو تولید و مدیریت دانش که به تدریج همه گام‌های کلیدی چرخه دانش را در خود خواهد داشت و از هوش مصنوعی به شکلی متفاوت بهره می‌برد، خودم نخستین کاربر آن باشم. اگر ابزاری برای سازنده‌اش کارایی لازم را نداشته باشد، بی‌تردید برای دیگران نیز نخواهد داشت[1].

اگر علاقه‌مندید، با عضویت در پلتفرم من در جریان توسعه و تغییرات پروژه بمانید. البته این هشدار را به شما می‌دهم که قطعات من تنها به این پروژه بسنده نمی‌کنند و در حوزه‌های گوناگونی کار می‌کنم.

این یک پانویس آزمایشی است.