سلفی شما اطلاعات زیادی در ارتباط با شما بازگو میکند. سلفی گرفته شده در یک مراسم مکانی که یک فرد در آن قرار داشته است، ماهی که این سلفی گرفته شده، سن فردی که این سلفی را گرفته وانبوهی اطلاعات دیگر را بازگو میکند. انتشار این اطلاعات شما را به وحشت انداخته است؟ عجله نکنید این تنها بخش خوب داستان است. من یک سلفی برای یکی از دوستانم آپلود میکنم. این عکس با استفاده از یک آیفون 7 گرفته شده است. خورشید در پسزمینه عکس میدرخشد. یک ردیف از درختان در امتداد رودخانه قرار دارند. به نظر میرسد، اینگونه اطلاعات بی ضرر هستند و یک عکس با هدف ثبت یک لحظه و ارسال یک عکس یادگاری گرفته شده است. اما زمانی که این عکس را روی یک سایت آپلود میکنید به هکرها کمک کردهاید تا اطلاعاتی درباره شما به دست آورند. زمانی که عکسی گرفته میشود یکسری متادیتاها درون یک عکس ذخیره میشوند. اطلاعاتی که ممکن است در اختیار هکرها قرار بگیرد.
اگر یک سلفی در ارتباط با یک مراسم خاص همچون عروسی باشد و این سلفی در سایتی آپلود شود، ممکن است برچسبهایی همچون عروس و عروسی به یک تصویر اضافه شود، بدون آنکه شما دخالتی در این زمینه داشته باشید. در ادامه چیزی شبیه به تبلیغات فیسبوک در قالب یک متن در بالای تصویر قرار میگیرند. سایت Selfie Reveal در همین ارتباط کار خود را آغاز کرده است. در این سایت یک نمونه مفهومی از یک بازی به نام Watch Dog2 آماده شده و نشان میدهد هکرها چگونه قادر هستند عکسهای به ظاهر بی خطر را به دست آورده و از اطلاعات درون تصاویر استفاده کنند.
این احتمال وجود دارد که اطلاعات به مراتب خطرناکتری در مقایسه با افشای مکان ضبط یک سلفی در اختیار هکرها قرار گیرد. برچسبهایی که سایتها روی یک عکس قرار میدهند در ادامه به بخشی از بایگانی گسترده آنها تبدیل میشوند. در چنین حالتی این تصاویر به شرکتهای تبلیغاتی فروخته میشود. دیوید ماینور، کارشناس هک دادهها در این ارتباط به نویسده سایت Inc گفته است: « سایت Selfie Reveal تنها یک ترفند بازاریابی نیست، اگرچه با هدف جلب توجه شما طراحی شده است. هکرهای واقعی قادر هستند دادهها را از درون تصاویر استخراج کرده و از این دادهها برای پیدا کردن اطلاعات بیشتری در ارتباط با شما استفاده میکنند.» دادههای EXIF که درون یک تصویر قرار میگیرند، شامل زمان و مکان هستند. هکرها از روتینهای هوش مصنوعی استفاده میکنند تا سن، (اینکار از طریق مقایسه یک تصویر با کتابخانهای از تصاویرانجام میشود.)، ویژگیهای بصری چهره و جنسیت شما را به دست آورده و همچنین به دادههای کاربردی دیگر دست پیدا کنند. اگر یک فرد عادی جامعه باشید این اطلاعات به شرکتهای تبلیغاتی فروخته شوند. اگر فرد مشهوری باشید این اطلاعات به منظور اخاذی مورد استفاده قرار میگیرند. در همه موارد هکرها قادر هستند اطلاعات را به شیوه دقیقی تجزیه و استخراج کنند. ماینور گفته است: «شما سلفی گرفتن را با قرار دادن عکس خود در منابع رایج و در دسترسی همچون فیسبوک یا لینکدین آغاز میکنید. در ادامه هکرها قادر هستند با استفاده از ابزارهای تحلیلگر، کاوش عمیقی در یک تصویر انجام دهند.»
هوش مصنوعی قادر است اطلاعات درون پسزمینه تصاویر را نیز مورد تحلیل قرار دهد. تصویر درون یک عکس برای یک انسان ممکن است عادی باشد، اما هوش مصنوعی قادر است متنهایی که درون پس زمینه تصاویر پیدا میکند را به بهترین شکل تجزیه کرده و از این اطلاعات به منظور ردیابی یک فرد در شبکههای اجتماعی دیگر استفاده کند.
حتا بیل گیتس، فردی که در زمینه ارائه ایدههای نوین در حوزه فناوری پیشگام و خلاق است، بر ما بانگ برآورده که هوش مصنوعی در آینده تهدید بزرگی برای ما خواهد بود. او تنها نیست، استفان هاوکینگ یکی از بزرگترین متفکران زمان ما نیز دیدگاه مشابهی در این زمینه دارد. با اینحال، اختلاف نظرهایی وجود دارد. یکی از سوالات مطرح شده در نشست Web Summit که در دوبلین ایرلند برگزار شد، این بود: هوش مصنوعی چگونه ما را تهدید میکند؟
هوش مصنوعی به آرامی در حال احاطه کردن زندگی مدرن ما است. فیلمهای هالیودی به ما میگویند، روباتها یک تهدید هستند. بهطوری که در نهایت قیام خواهند کرد و تمامی این کره خاکی را از آن خود خواهند کرد. در آن روزگار انسانها به مثابه یک کالای مازاد شناخته خواهند شد که روباتها به آنها نیاز نخواهند داشت. روباتها قیام خواهند کرد و همه ما را خواهند کشت. این تفکری است که توسط فرهنگ عامه پذیرفته شده است.
روباتها قیام خواهند کرد و همه ما را خواهند کشت.
این تفکر به ما اعلام میدارد که تهدید هوش مصنوعی صرفا متوجه انسانها است. ما در حال جنگ خواهیم بود و از وسایل مفیدی که در اختیار ما قرار دارد حتا محیط زیست طبیعی استفاده خواهیم کرد. ما در یک مسابقه خشونتآمیز خواهیم بود. درست همانند حیوانات، مبارزهای را برای بقا و زنده ماندن آغاز خواهیم کرد. این دیدگاه به معنای آن است که جنگهای امروزی به تاریخ خواهند پیوست و جنگ تنها بر سر بقا خواهد بود. آیا معنای این روایت این خواهد بود که این اتفاق در آینده رخ خواهد داد؟ هیچکس از این موضوع اطلاع ندارد. اما بسیاری از مردم بر مبنای فرضیههای مختلف بر این باور هستند که این رخداد اجتنابناپذیر خواهد بود.
بسیاری از نظریههای پیرامون قیام ماشینها بر مبنای ایده تکینگی فناوری استوار شدهاند. فرضیهای که میگوید، فناوری همچنان مسیر پیشرفت را پشت سر خواهد گذاشت، به گونهای که سرانجام هوش مصنوعی به ظرفیتی فراتر از هوش انسانی دست پیدا خواهد کرد. به اعتقاد بسیاری، زمانی که این مهم به واقعیت تبدیل شود، آنگاه باعث به وجود آمدن زنجیرهای از حوادث خواهد شد که به سرعت باعث نابودی نژاد بشر خواهد شد. این هدیهای است که هوش مصنوعی برای انسانها به ارمغان خواهد آورد. اولین بار واژه تکینگی در سال 1958 میلادی توسط ریاضیدان معروف جان فون نویمان مورد استفاده قرار گرفت. در ادامه ونور وینچ نویسنده داستانهای علمی و تخیلی واژه تکینگی را مورد استفاده قرار داد و اینگونه استدلال کرد که هوش مصنوعی میتواند باعث به وجود آمدن تکینگی شود.
سرانجام هوش مصنوعی به ظرفیتی فراتر از هوش انسانی دست پیدا خواهد کرد.
تکینگی توصیف کننده رویدادی است که در تاریخ بشریت اتفاق خواهد افتاد، اما موجودیت آن ادامهدار نخواهد بود. اجازه دهید به دهه 50 میلادی باز گردیم، زمانی که تحقیق پیرامون هوش مصنوعی تازه آغاز شده بود. در آن زمان این دیدگاه وجود داشت که هوش مصنوعی برای دو دهه به حیات خود ادامه خواهد داد. اما دانشمندان پیچیدگی این پروژه را دست کم گرفته بودند و ما دیدیم که در دهه 70 میلادی تازه این مفهوم مورد توجه همگان قرار گرفت. در دهه 80 میلادی ژاپن اعلام کرد علاقهمند است روی پروژه نسل پنجم کامپیوترها کار کند. اما در اواخر دهه 80 میلادی این پروژه با شکست روبرو شد و نتوانست به وعدههای خود جامع عمل بپوشاند. این شکست باعث شد رویکرد محافظه کارانهتری در مورد چگونگی دستیابی به حقیقت هوش مصنوعی گرفته شود. در حالی که بسیاری از پژوهشگران هنوز بر این باور هستند که هوش مصنوعی این پتانسیل را دارد تا به سطح یکسانی از هوش انسانی دست پیدا کند، در مقابل منتقدانی نیز وجود دارند که به این رویکرد با دید منفی از خود واکنش نشان میدهند.
اگر روباتها این شانس را داشته باشند تا همه ما را نابود کنند، در ابتدا هوش مصنوعی آنها باید جهان ما را درک کند و این دستاورد هنوز محقق نشده است. روندی بروکس در وبلاگ "بازنگری در روباتها" میگوید: «برای آنکه هوش مصنوعی بتواند با موفقیت ما را درک کند، به ویژه آنکه به موقعیت دلخواه خود دست پیدا کند، به درک مستقیمی از جهان ما نیاز دارد. هوش مصنوعی به دست و پا یا دیگر ابزارهایی نیاز درد تا توانایی کنترل کردن ما را داشته باشد و برای آنکه توانایی فریب دادن انسانها را داشته باشد باید درک عمیقی از انسانها به دست آورد.
هوش مصنوعی به دست و پا یا دیگر ابزارهایی نیاز درد تا توانایی کنترل کردن ما را داشته باشد
هر کدام از این مفروضات به نوآوریهای بسیار پیچیدهای نیاز دارند. به طوری که فرود آوردن یک هواپیما روی یک درخت سادهتر از اینکار خواهد بود. اینکار به تفکرات عمیق و کار سخت هزاران دانشمند و مهندس و به احتمال زیاد به قرنها زمان نیاز خواهد داشت. اگر به اخبار پیرامون خود نگاه کنیم، آگاه میشویم که ماشینهای فناورانه ما حتی یک درک ابتدایی از جهان پیرامون خود ندارند. ما هنوز نتوانستهایم این چنین ماشینهایی را تولید کنیم. حال چگونه انتظار داریم این ماشینها به سرعت بتوانند ما را درک کنند؟»
استوارت آرمسترانگ و کج سوتالا از موسسه تحقیقاتی هوش ماشینی در این ارتباط گفتهاند: « ما در حال پیشبینی هوش مصنوعی یا عدم پیشبینی درست این فناوری هستیم. اما تحلیل ما روی 95 پیشبینی که در خلال دهه 50 میلادی تا به امروز انجام شده است، نشان میدهد که نه تنها هیچگونه تغییری در صحت پیشبینیها توسط متخصصان و افراد عامه به وجود نیامده است بلکه به ما نشان داده است که این پیشبینیها ظرف 15 تا 25 سال آینده به واقعیت تبدیل خواهند شد و هوش مصنوعی هم طراز با هوش انسانی خواهد شد. این تحلیل نشان میدهد که ما بیش از آنچه فکر میکنیم به دستاوردهای هوش مصنوعی نزدیک شدهایم، هر چند در ظاهر هوش مصنوعی اینگونه نشان نمیدهد. سال گذشته بهطور عینی مشاهده کردیم که یک برنامه نرمافزاری موفق شد نزدیک به 33 درصد همانند قضات انسانی حکم صادر کند. البته این حرف به معنای آن نیست که گام بعدی ما جنگ با ماشینها خواهد بود یا در آینده نزدیک آنها همطراز با ما خواهند شد، بلکه به معنای آن است که تهدید قدرت مهارنشدنی هوش مصنوعی در حال نزدیک شدن به ما است.
به گزارش پیسیورلد، اگر چه ظرفیت مغز انسان برای خیالپردازی نامحدود است، اما هوش مصنوعی تا بدان حد پیشرفت کرده که میتواند با بررسی تصاویر و محتوای آنها در این زمینه رقابت کند و حدسهای قریب به یقینی در مورد آینده بزند.
حامد پیرسیاوش استاد ایرانی دانشگاه مریلند و محققان آزمایشگاه هوش مصنوعی و علوم رایانه دانشگاه ام آی تی الگوریتم هوش مصنوعی جدیدی را برای تهیه ویدیوهای کوتاه حاوی شبیهسازی آینده از رویدادهای قابل مشاهده در عکسهای ثابت ابداع کردهاند. به عنوان مثال این الگوریتم بعد از مشاهده تعدادی عکس از امواج ساحلی ویدیویی کوتاه تولید کرده که نشان میدهد موجی ساحلی آرامش ساحل را بر هم میزند.
این الگوریتم با بررسی عکسهایی از بازی گلف نیز لحظات بعدی انجام این بازی توسط افراد را در قالب ویدیویی کوتاه به نمایش گذارده است. Carl Vondrick دانشجوی دکتری دانشگاه امآیتی در این مورد می گوید این موفقیت نشانگر درک عمیق هوش مصنوعی از شرایط حال است، زیرا در غیر این صورت پیش بینی آینده ممکن نخواهد بود.
این محققان دو گروه از شبکههای عصبی را برای تکمیل این تحقیق ابداع کرده و به کار گرفتهاند. شبکه عصبی اول برای تولید ویدیو و شبکه دوم برای متمایزسازی آنچه که واقعی است و آنچه که بازسازی میشود، به کار گرفته میشود. هوش مصنوعی طراحی شده به تدریج قابلیت طراحی ویدیوهای شبیهسازی شده را تا بدان حد بالا میبرد که صحنههای پیشبینی شده در ویدیوها شباهت کاملی به صحنههای واقعی برگرفته از عکسها داشته باشند.
با تداوم فعالیت هوش مصنوعی و افزایش خودآموزی و توان درک آن ویدیوهای تولید شده که آینده را پیشبینی میکنند، حتی ۲۰ درصد واقعیتر از ویدیوهای تهیه شده از عکسهای واقعی از حال هستند.
البته نباید انتظار داشت که در آینده نزدیک این فناوری منجر به تولید ویدیوهای طولانی حاوی پیشگویی آینده شود. فعلا از این طریق ویدیوهای ۱.۵ ثانیهای تولید میشود ولی امید میرود در آینده این زمان بیشتر شود. از مدلسازی مذکور میتوان برای شناسایی ناهنجارها و شرایط غیرعادی امنیتی و کشف برخی اشیا و اجزا در تصاویر که در حالت عادی قابل شناسایی نیستند، استفاده کرد.
حامد پیرسیاوش استاد ایرانی دانشگاه مریلند که در اجرای این تحقیق همکاری داشته، مدرک کارشناسی خود در رشته مهندسی برق را در سال ۲۰۰۳ از دانشگاه علم و صنعت ایران و مدرک کارشناسی ارشد خود در همین رشته را در سال ۲۰۰۶ از دانشگاه شریف دریافت کرده است. وی در سال ۲۰۱۲ از رشته علوم رایانه در دانشگاه کالیفرنیا فارغ التحصیل شده است.
به نظر میرسد، ماشینها از مدتها قبل موفق شدهاند در حوزه زیستشناسی محاسباتی به انسانها نزدیک شوند. در همین ارتباط یک تیم از پژوهشگران مرکز مغز-ذهن و ماشین CBMM (سرنام Center for Brains, Minds and Machines) وابسته به موسسه MIT کشف کردند سامانهای که از سوی آنها در ارتباط با تشخیص چهره طراحی شده بود به طور ناگهانی و خودبهخود این توانایی را به دست آورد تا چهره افراد را صرفنظر از تغییر وضعیت چهره شناسایی کند. توانمندی این سامانه در تشخیص چهرهها باعث شد تا تئوری قبلی ارائه شده از سوی این گروه که در ارتباط با چگونگی نحوه تشخیص چهره از سوی مردم بود و بر پایه اسکن امآرآی از مغز نخستیسانان (Primates) به دست آمده بود مورد تایید قرار گیرد.
این سامانه که هنوز نامی برای آن تعیین نشده است، یک مدل محاسباتی بوده که نشان میدهد مغز انسان چگونه قادر است چهره افراد را شناسایی کند. این سامانه به منظور تشخیص چهرههای خاصی بر مبنای تصاویر نمونهای که توسط آنها تغذیه میشود مورد استفاده قرار میگیرد. در فرآیند یادگیری نقاط قرار گرفته در چهرهها، برنامه یک مرحله پردازش میانی را ایجاد کرد که قادر است به جای آنکه روی جهت یک عکس متمرکز شود از چرخش و زاویه چهره استفاده کند. این چرخش میتواند با زاویه 45 درجه از مرکز انجام شود اما نباید در جهت مستقیم باشد. همین موضوع باعث میشود تا اگر چرخشی در تصویر یک چهره رخ دهد، این سامانه باز هم بتواند یک چهره را به درستی شناسایی کند. در نتیجه تا زمانی که چهره با نمونه اولیهای که در اختیار سامانه قرار دارد، مطابقت داشته باشد یک وضعیت تقارن آینهای را به وجود میآورد و به این شکل به سامانه اجازه میدهد فرآیند تشخیص را به درستی انجام دهد.
این کشف هیجان زیادی در دانشمندان به وجود آورده است، به سبب آنکه به آنها اجازه میدهد، درک کنند چگونه مغز نخستیسانان فرآیند تشخیص چهره را انجام میداد. در ظاهر اینگونه به نظر میرسد که سامانه فوق از رویکردی مشابه با نخستیسانان در فرآیند تشخیص چهره استفاده کرده است. هر چند در این خصوص هنوز هم نمیتوان اظهارنظر دقیقی ارائه کرد. توماس پوگیو، استاد مغز و علوم شناختی دانشگاه MIT و همچنین مدیر مرکز CBMM در این ارتباط گفته است: «این دستاورد اثبات این موضوع نیست که ما درک کردهایم قضیه از چه قرار است. مدلها گونهای از داستانهای مصور و واقعی به ویژه در حوزه زیستشناسی هستند. بنابراین برای من جای تعجب خواهد بود اگر فکر کنم همه چیز به این سادگی است. اما این یک نشانه قوی است که نشان میدهد ما در مسیر درستی قرار داریم.»
پژوهشگران این سامانه یادگیری ماشینی در مطالعه خود از شبکه عصبی عمیق استفاده کردهاند. شبکهای که از سوی شرکتهای بزرگی همچون مایکروسافت، گوگل و فیسبوک نیز مورد استفاده قرار میگیرد. این شرکتها در نظر دارند سامانههای تشخیص چهره را به اندازهای ارتقا دهند تا به شکل دقیقتری فرآیند تشخیص چهره را مدیریت کنند. تشخیص این موضوع که ما چگونه میتوانیم چهرهها را تشخیص دهیم به سامانههای تشخیص چهره کمک خواهد کرد تا به شکل قابل توجهی بهتر و دقیقتر کار کرده و در نتیجه به طور گستردهتر و کاربردیتر در دنیای فناوری مورد استفاده قرار گیرند.
Singularity که در فناوری و به ویژه در حوزه هوش مصنوعی به نام تکینگی فناوری از آن یاد میشود، به این واقعیت اشاره دارد که پیشرفت در فناوری به اندازهای خواهد رسید که روزی هوش مصنوعی از هوش انسانی عبور خواهد کرد. این پیشرفت به اندازهای خواهد بود که هوش انسانی توانایی درک ماهیت آنرا نخواهد داشت، چه برسد به آنکه بتواند بر هوش مصنوعی کنترلی داشته باشد!
چند وقت پیش در برلین آلمان نیکولیک، دانشمند عصبشناس مؤسسه پژوهشهای مغزی مکس پلانگ شهر فرانکفورت در جلسهای که در این ارتباط برگزار شد، به پژوهشگران هوش مصنوعی اعلام کرد: «ما هیچگاه ماشینهایی را تولید نخواهیم کرد که با هوشتر از ما باشند. شما هیچگاه ماشینهایی را تولید نمیکنید که هوش آنها با هوش انسانی برابری کند. شما تنها ماشینهایی را طراحی میکنید که سطح هوشمندی آنها به هوش انسانی نزدیک باشند، اما هیچگاه فراتر از هوش انسانی نخواهد رفت.» گفتههای نیکولیک برای پژوهشگرانی که موافق نظریه تکینگی هستند غیر قابل قبول است. پژوهشگران موافق با فرضیه تکینگی بر این باور هستند که هوش مصنوعی در آیندهای نه چندان دور نه تنها از هوش انسانی فراتر خواهد رفت، بلکه این توانایی را پیدا خواهد کرد تا خود را اصلاح کرده و عیوب خود را بر طرف سازد.
محمد سید، مدیرعامل استارت آپ Heuro Labs برلین در این ارتباط گفته است: «فرضیه تکینگی به نظر محکم و قابل تعمل است، اما شواهد محکی دال بر آن وجود ندارد.» حیطه کاری شرکت Heuro Labs توسعه هوش مصنوعی برای بیمارستانها است. نیکولیک بر این باور است که پژوهشگران فعال در حوزه هوش مصنوعی عامل بسیار مهمی در ارتباط با هوش انسانی را نادیده گرفتهاند. او میگوید: «مغز انسان همانند سختافزار دیجیتالی نیست که انسان با استفاده از آن موضوعات را یاد بگیرد. زیربناییترین ابزار یادگیری در حقیقت مجموعه دستورالعملهایی هستند که در ژنها مستتر شدهاند. ژنها در طول میلیاردها سال، فرآیند تکامل خود را پشت سر نهادهاند. در مقابل الگوها و الگوریتمهای یادگیری ماشینی در عالیترین شکل ممکن تنها توانایی تقلید الگوی مغزی انسان را دارند. آنها از عاملهای عمیقتر و پیشرفتهای که در یادگیری به انسانها کمک میکنند محروم هستند.
تنها راه نزدیک شدن به الگویی که همانند ذهن انسان توانایی یادگیری داشته باشد، تکرار توأم با تکامل است. اما این احتمال وجود دارد که تکینگی به اشکال دیگری ظاهر شود. حضار شرکت کننده در این جلسه بر این باور بودند که تکینگی یک شتاب پیشرفت به سمت و سوی دنیای انسانی است. آنها میگویند برای آنکه بتوان مشکلات واقعی و حیاتی جهان امروز را حل کرد، راهی جزء تعامل دو سویه هوش انسانی و هوش مصنوعی وجود ندارد. در نتیجه اگر قرار باشد هوش مصنوعی همکاری نزدیکی با هوش انسانی داشته باشد، لازمه این کار متناسب و هم سطح بودن سطح هوشمندی دو طرف است.
Levevton شرکتی آلمانی که در زمینه استخراج هوشمندانه اطلاعات فعالیت میکند، از زبان پردازش طبیعی برای سرعت بخشیدن به کار پردازش حجم سنگینی از اسناد نگارش شده استفاده میکند. فرآیندی که در بیشتر شرکتها با استفاده از حجم گستردهای از نیروی انسانی انجام میشود، در این شرکت با استفاده از هوش مصنوعی مدیریت میشود.
Micro Psi شرکت دیگری است که در برلین مستقر است. این شرکت از هوش مصنوعی برای حل مشکلات پیچیده حمل و نقل که تحت پوشش این مجتمع است استفاده میکند. بهرهمندی از هوش مصنوعی برای برنامهریزی حرکت کشتیهای بزرگ در سراسر جهان به ویژه زمانی حائز اهمیت به شمار میرود که ما توانایی مشاهده برخی از حالات را نداریم. مواردی که به راحتی توسط سیستمهای لجیستکی قابل درک و مشاهده است.
در پس زمینه هر یک از این پروژها این فرضیه مستتر شده است که ماشینها توانایی پیدا کردن راهحلهایی برای مشکلات دارند، در حالی که ما هیچ ایدهای نداریم که آنها چگونه اینکار را انجام میدهند.
در مجموع میتوان گفت که هدف غایی و برآیندی که از هوش مصنوعی در دراز مدت به دست خواهد آمد و این که چه اتفاقات و حوادثی در کنار آن آینده جوامع بشری را رقم خواهد زد، موضوعی است که پیشبینی آن کار بسیار مشکلی است. مهمت اکتن دانشمند علوم کامپیوتر که به مطالعه هوش مصنوعی در دانشگاه گلداسمیت لندن میپردازد، در این ارتباط گفته است: «واژه تکینگی به این دلیل انتخاب شده است که به ما اعلام دارد ما به نقطهای خواهیم رسید که دیگر توانایی درک ماورای آنچه را در فناوری رخ خواهد داد نخواهیم داشت. زمانی که هوش مصنوعی هم طراز با هوش انسانی شود ما نمیتوانیم اتفاقاتی که رخ خواهد داد را پیشبینی کنیم.»