چرا همه ناخودآگاه شبیه ChatGPT حرف میزنند؟
شاید برای شما هم پیش آمده باشد که وسط یک گپوگفت صمیمی با دوستانتان، ناگهان کلمهای رسمی و غیرمعمول از دهانتان بیرون بپرد؛ واژهای که قبل از همکلامی با چتباتها هیچ جایی در دایرهی لغات روزمرهتان نداشت.
به گزارش زومیت، همهی ما میدانیم چتباتها بسته به موضوع، واژههای تکراری و بعضاً اغراقآمیزی تولید میکنند. مثلاً واژههای delve (کاوشکردن)، intricacies (پیچیدگیها) و meticulous (بسیار دقیق، موشکافانه) چند واژهی نسبتاً رسمی انگلیسیاند که در حالت عادی باید در سخنرانیهای آکادمیک یا متون سنگین بشنویم. ولی پژوهشگران بهتازگی دریافتهاند که نسخههای اولیه چت جیپیتی، بیش از حد عاشق استفاده از این کلمات بودهاند!
یافتههای تحقیقات اخیر نشان میداد که از زمان انتشار عمومی ChatGPT، خود کاربران هم بیشتر از قبل از این واژههای خاص در گفتگوهای روزمره و بداههشان استفاده میکنند. مسئله حتی این نبود که برخی متنها احتمالاً با هوش مصنوعی ویرایش میشوند، چون این کلمات مکرراً در پادکستها و گفتگوهای صوتی ضبطشده شنیده میشدند.
فکر میکنید اگر اثرگذاری هوش مصنوعی صرفاً در حد انتخاب چند کلمه باقی نماند، چه میشود؟ ما هر روز با سیستمهایی در تعاملیم که روش خاص خودشان را برای دریافت اطلاعات، دستهبندی آدمها و تولید پاسخ دارند.
دورازذهن نیست که این تعامل روزمره، علاوه بر طرز حرفزدن ما، روی شیوهای که خودمان را به دنیا معرفی میکنیم و حتی درکی که از هویت خودمان داریم هم اثر بگذارد؛ اتفاقی که شاید همین حالا هم تا حدی رخداده باشد.
سه پژوهشگر از دانشگاههای لینائوس، آرهوس و بیرمنگام برای توصیف این وضعیت احتمالی، اصطلاح انسانیت رباتگونه (Robotoid humanness) را معرفی کردهاند، عبارتی که شاید صدای ماشینی رباتهای هالیوودی را در ذهنتان تداعی کند، ولی محققان به تغییری آرام اشاره دارند.
وقتی خودمان را برای ماشین ترجمه میکنیم
اگر به ارتباطات روزمرهی خودمان با دیگران نیمنگاهی بیندازیم؛ متوجه میشویم که حرفزدن ما انسانها با یکدیگر همیشه هم مرتب و بدون ابهام نیست. خیلی وقتها جملهای را نیمهکاره رها میکنیم، وسط حرف نظرمان عوض میشود یا به هم کنایه میزنیم. طرف مقابلمان باتوجهبه شناختی که از ما دارد و موقعیتی که در آن هستیم، حرفهایمان را تفسیر میکند و بااینحال، باز هم ممکن است دچار سوءتفاهم شود.
اما وقتی پای سیستمهای هوش مصنوعی به میان میآید، اوضاع متفاوت پیش میرود. هوش مصنوعی برای درک ما، فقط به داده نیاز دارد. هر کلمهای که تایپ میکنیم، هر انتخابی که میکنیم و تمام تاریخچهی تعاملاتمان، به نشانههایی تبدیل میشوند که سیستم آنها را کنار هم میچیند تا سلیقه، نیاز و حتی حرکت بعدی ما را پیشبینی کند.
امروز لازم نیست با مدلهای هوش مصنوعی خشک و دستوری حرف بزنیم تا منظورمان را بفهمند. مدلهای امروزی آنقدر هوشمند شدهاند که زبان محاوره، غلطهای املایی و حتی جملات دستوپاشکستهی ما را هم بهخوبی درک و پردازش میکنند.
هوش مصنوعی همهی عادات و انتخابهای انسانی را به اعداد پیشبینیپذیر تبدیل میکند
ولی هوش مصنوعی احساس واقعی و عمق وجود ما را درک نمیکند و فقط آن بخش از رفتارمان را که قابلتبدیل به عدد یا الگو باشد، ثبت و بررسی میکند. بعد پروفایلی آماری از هر فرد میسازد، تصویری که برای پیشبینیهای بعدی مفید واقع میشود اما همهی زوایای شخصیت ما را در خودش جای نمیدهد.
سلچن اوزتورکجان، ژان پل دو کروس پرونار و اینجی تورال-منسون، در مقالهای که آگوست ۲۰۲۶ در AI & Society منتشر شد، استدلال میکنند که این تصویر سادهشده و آماری از کاربر، صرفاً در سیستم باقی نمیماند. هوش مصنوعی از طریق پاسخها، پیشنهادها و شخصیسازیها، تصویر را به کاربر باز میگرداند، اما ماجرا در همین مرحله به پایان نمیرسد.
هویتهای محاسبهشده؛ وقتی الگوریتمها آینهی ما میشوند
پژوهشگران مسیر شکلگیری انسانیت رباتگونه را در سه پردهی مجزا روایت میکنند. در پردهی اول، ما با سیستمی روبهرو میشویم که مثل نرمافزارهای قدیمی، فقط منتظر دریافت یک فرمان خشک نیست. این ماشین به گفتههای ما واکنش نشان میدهد، لحن کلماتش را با حالوهوای مکالمه کوک میکند و حتی نشانههایی از توجه یا همدلی بروز میدهد.
دقیقاً به همین خاطر است که تعامل با ماشین، کمکم حسوحال یک مواجههی اجتماعی را به خود میگیرد؛ حتی اگر در پس ذهنمان کاملاً آگاه باشیم که هیچ موجود زنده و هوشیاری آنسوی مانیتور حضور ندارد.
چتباتها تصویری آماری از ما میسازند و همان را به ما بازمیگردانند
در پردهی دوم سیستم اطلاعات و دادههای پراکندهای را که از ما جمعآوری کرده کنار هم میچیند و یک هویت محاسباتی برایمان میتراشد. سپس همین تصویر ساختهشده را در قالب پاسخهای شخصیسازیشده، دوباره به سمت خودمان برمیگرداند. در واقع هر پاسخی که سیستم بر اساس عادتهای پیشین ما تولید میکند، نسخهای از «اینکه شما چه کسی هستید» را جلوی چشممان میگیرد.
ما میتوانیم پاسخ و تصویر را پس بزنیم یا اصلاحش کنیم. اما در بسیاری از مواقع، بیآنکه حتی تصمیم آگاهانهای گرفته باشیم، رفتار و گفتارمان را کمی بیشتر با این تصویر هماهنگ میکنیم. با این کار، دادهی جدیدی برای سیستم فراهم میکنیم که الگوی قبلی را تقویت میکند.
بااینحال مقالهی AI & Society روند روبهرشد انسانیت رباتگونه را ثابت نمیکند و نویسندگان فرضیههایی روشن و قابل آزمایش را روی میز میگذارند. یکی از مهمترین فرضیهها میگوید که تعامل مداوم و مکرر با هوش مصنوعی، احتمالاً بیان و رفتار ما انسانها را برای ماشینها واضحتر و پیشبینیپذیرتر میکند. شواهد زبانی اجازه میدهند یکی از اجزای این چرخه را در عمل مشاهده کنیم.
ردپای ChatGPT در صدها هزار ساعت صدای انسان
پیداکردن کلمات محبوب ChatGPT در یک متن نوشتهشده، بهخودیخود چیز زیادی دربارهی زبان و رفتار خود نویسنده به ما نمیگوید؛ شاید نویسنده خیلی راحت کل متن را با هوش مصنوعی خلق کرده باشد یا حداقل ویرایش نهایی را به آن سپرده باشد. در عوض گفتار بداهه و خودانگیخته نشانههای معتبرتری در اختیار محققان میگذارد.
وقتی کسی بدون متن «از پیش آمادهشده» صحبت میکند، دیگر نمیتواند کلمات و اصطلاحات ChatGPT را در لحظه کپی کند. پس اگر کلمات محبوب مدلها را در صحبتش ببینیم، یعنی آن کلمات واقعاً به دایرهی واژگان فعال گوینده نفوذ کردهاند.
پادکستها پس از انتشار چتجیپیتی، ۴۴ درصد بیشتر از قبل از واژه delve استفاده میکردند
پژوهشگران مؤسسهی توسعهی انسانی ماکس پلانک و چند مرکز دانشگاهی دیگر آستینها را بالا زدند و در قدم اول بیش از ۱٫۴ میلیون اپیزود پادکست انگلیسیزبان را جمعآوری کردند. سپس با استفاده از سیستمهای تشخیص گفتار انسانی، برنامههایی را که از روی متن خوانده میشدند، کنار گذاشتند و به ۸۲۴٬۶۳۴ اپیزود و بیش از ۷۳۷ هزار ساعت مکالمهی در حوزههایی مثل علم، تکنولوژی، آموزش، تجارت و حتی ورزش رسیدند.
تیم تحقیقاتی برای پیداکردن کلمات خاص ChatGPT، متنهای نوشتهشده به دست انسان را با نسخههای ویرایششده توسط GPT مقایسه کرد و برای هر کلمه امتیازی در نظر گرفت که میزان محبوبیتش را نزد مدل نشان میداد.
ازآنجا که مد فرهنگی یا تغییر گفتگو هم در محبوبیت کلمهها مؤثرند، محققان برای هر واژه مسیری آماری نیز ساختند تا ببینند اگر ChatGPT اصلاً منتشر نمیشد، کاربرد واژه چگونه در زبان انسانها تغییر میکرد.
کلمهی «delve» (به معنی کاوشکردن) در صدر نتایج بررسیها قرار گرفت. درست ۱۳ تا ۱۸ ماه پس از عرضهی عمومی ChatGPT، پادکستهای علمی و فناوری، ۴۴ درصد بیشتر از حالت عادی از این واژه استفاده کردند و در پادکستهای آموزشی و تجاری هم افزایش محسوسی به چشم میخورد، ولی برنامههای ورزشی از این الگو پیروی نکردند.
گویندگان بیآنکه بدانند، اصطلاحات محبوب هوش مصنوعی را به کار میبرند
پژوهشگران در ادامه بیش از ۳۵۰۰ ریشهی واژگانی را بررسی کردند و دریافتند هرچه GPT کلمهای را بیشتر دوست داشته باشد، احتمال اینکه استفاده از آن در سخنان انسانها اوج بگیرد، بالاتر میرود. از بین ۳۶ کلمهای که بیشترین امتیاز وابستگی را به این هوش مصنوعی داشتند، کاربرد ۲۸ مورد پس از انتشار ChatGPT در زبان انسانها بیشتر شد.
اواسط سال ۲۰۲۴، مسیر کلمهی delve عوض شد و کاربردش در چندین دسته از پادکستها افت کرد، اتفاقی که به عقیدهی پژوهشگران دو دلیل داشت. اول اینکه در آن زمان GPT-4o منتشر شد که تمایل چندانی به این واژه نشان نمیداد و دوم، اغلب مردم دیگر واژهی delve را بهعنوان امضای متنهای ماشینی میشناختند.
محققان معتقدند که انسانها ابتدا این واژه را جذب کردهاند و پس از تشخیص منشا آن، عامدانه از واژه فاصله گرفتهاند. در مقابل، کلمات دیگری مثل boast و meticulous که کمتر جلبتوجه میکردند، به مدت طولانیتری در زبان انسانها ماندگار شدند.
اثر فوری هوش مصنوعی؛ تقلید ناخودآگاه در چند دقیقه
تحلیل پادکستها ارتباط زمانی افزایش بهکارگیری واژهها را روشن کرد، اما نشان نمیداد واژه در چه لحظهای به انسان منتقل میشود. محققان به آزمایش جدید و کنترل شدهای نیاز داشتند تا اثر خود چتبات را از سایر متغیرها جدا کنند، آزمایشی که فقط چند دقیقه طول کشید.
در مطالعه جدید، ۴۹۶ نفر باید با یک چتبات بازی تشخیص تصویر انجام میدادند. چتبات تصویر هدف را توصیف میکرد، شرکتکننده باید تصویر را مییافت و بعد خودش همان تصویر را شفاهی شرح میداد.
ماجرا ازاینقرار بود که هوش مصنوعی برای توصیف اشیا، عمداً و طبق برنامه، روی یکی از کلمات هممعنی دست میگذاشت. مثلاً اگر عکس یک فنجان را میدید، همیشه بهجای کلمهی رایج cup، از کلمهی mug استفاده میکرد. در تمام این مدت، شرکتکنندهها از نقش انتخاب کلمات در آزمایش خبر نداشتند.
تعامل چند دقیقهای با چتبات، دایره واژگان انسان را دستخوش تغییر میکند
اثر همصحبتی با چتبات خیلی زودتر از چیزی که فکرش را بکنید خودش را نشان داد. در همان حین مکالمه، آدمها در ۶۱ درصد از مواقع، دقیقاً همان کلمهای را به کار بردند که هوش مصنوعی پیش از آنها استفاده کرده بود؛ درحالیکه سهم کلمهی جایگزین، فقط به ۱۷ درصد میرسید. در باقی موارد شرکتکنندگان هیچ یک از دو واژه را انتخاب نکرده بودند یا هر دو را با هم گفته بودند.
آمار ۶۱ درصد را میتوانیم به تقلید لحظهای برای هماهنگشدن با همبازی نسبت دهیم. پژوهشگران هم دقیقاً همین حدس را میزدند و به همین دلیل، آزمون تعیینکننده را برای بعد از پایان این تعامل نگه داشتند.
شرکتکنندگان سه دقیقه مشغول حل محاسبات و معماهای تصویری شدند تا ذهنشان آزاد شود. سپس باید تصاویر کاملاً جدیدی را با صدای خودشان برای یک انسان فرضی توصیف میکردند. دیگر خبری از چتبات نبود، ولی شرکتکنندگان هنوز هم در ۵۸ درصد موارد، همان کلمهای را انتخاب میکردند که ماشین قبلاً در ذهنشان کاشته بود.
در آزمون نهایی، شرکتکنندگان برای ۹ تصویر، مستقیماً میان دو واژهی هممعنی یکی را انتخاب کردند. یعنی برخلاف مراحل قبل دیگر اجازه نداشتند که واژهی آزادانهی سومی را عنوان کنند. در این آزمون دوگزینهای، ۶۳ درصد انتخابها به همان واژهای تعلق داشت که چتبات قبلاً معرفیاش کرده بود.
اثر کلمات هوش مصنوعی پس از پایان مکالمه هم در ذهن انسان باقی میماند
انتقال واژهها به تصاویر تازه و باقیماندن اثر چتبات پس از فعالیتی حواسپرتکن ثابت میکرد که کلمهها حداقل برای مدتی کوتاه، رسماً وارد دایرهی لغات فعال این آدمها شدهاند. جالب اینکه تغییر لغت عموماً ناخودآگاه بود؛ یعنی از بین ۴۹۶ شرکتکننده، تنها ۱۵ نفر متوجه شدند چتبات در انتخاب کلماتش الگوی خاصی دارد.
طراحی تصادفی آزمایش، نقش حضور خود چتبات را از محبوبیت اولیهی کلمات جدا کرد و نشان داد که حتی مکالمهای کوتاه با هوش مصنوعی، چقدر راحت میتواند انتخابهای زبانی بعدی ما را تغییر دهد. بااینحال مشخص نیست که اثر چتبات چند ساعت، چند روز یا چند ماه دوام میآورد.
ریشههای تکاملی تقلید؛ چرا زبان ماشین را قرض میگیریم؟
ما انسانها وقتی با کسی همصحبت میشویم، خیلی وقتها بدون اینکه متوجه باشیم، بخشی از لحن و زبان او را تقلید میکنیم. اصلاً عجیب نیست که بعد از چند دقیقه معاشرت، ناخودآگاه کلمات مشابهی را انتخاب کنیم، ضمایر را مثل طرف مقابل به کار ببریم یا حتی ساختار جملاتمان را با او هماهنگ کنیم.
وقتی نتایج آزمایش ماکس پلانک را کنار مطالعاتِ قدیمیتر دربارهی گفتگوی انسانها میگذاریم، میبینیم تقلید انسانها از زبان ماشین شباهت زیادی به تأثیر همصحبتی با سایر انسانها دارد.
ما ناخودآگاه با الگوریتمها همانگونه هماهنگ میشویم که با انسانها میشویم
تحلیلی روی ۱۳۱۹ مکالمهی چندمرحلهای کاربران با GPT-4o نشان داد مدل هوش مصنوعی، از همان ثانیههای اول گفتگو سعی میکند به زبان کاربر نزدیک شود؛ درحالیکه کاربران بهتدریج در ویژگیهایی مثل الگوی استفاده از ضمایر، مشابه مدل حرف میزنند.
پژوهشی دیگر روی مکالمات واقعی ChatGPT در هشت زبان مختلف هم به نتیجه مشابهی رسید. مدلهای زبانی بیشتر از انسانها سبک حرفزدن طرف مقابل را تقلید میکنند، اما میزان سازگاری ما با مدل، در مجموع تفاوت زیادی با سازگاریمان با دیگر انسانها ندارد.
شاید چتباتها فقط در حد همصحبتی انسانی روی زبان ما نفوذ داشته باشند، ولی فراموش نکنیم این سیستمها، همزمان با میلیونها نفر در سراسر جهان چت میکنند و در کنار تقلید لحن تکتک کاربران، عادتهای زبانی خودشان را هم به مکالمات میآورند.
تله پیشبینیپذیری؛ تفاوت گفتوگو با انسان و الگوریتم
هیچکدام از اطرافیانمان یا افرادی که در طول روز با آنها معاشرت میکنیم، تصویر واحدی از ما در ذهنشان ندارند. مثلا دوستی صمیمی یک رفتار کاملا مشخص شما را بهپای احتیاط میگذارد و همکارتان همان رفتار را نشانهی سختگیری میداند.
ما مدام منظور همدیگر را اشتباه میفهمیم، با تصمیمهای هم مخالفت میکنیم یا واکنشی نشان میدهیم که طرف مقابل اصلاً انتظارش را ندارد. در واقع تصویر ما در بطن ارتباطات انسانی، تصویری پر از تناقض، ناهمگون و همیشه قابلبحث است.
در مقابل سیستمهای هوشمند باید نیاز ما را هرچه سریعتر تشخیص بدهند، حرکت بعدیمان را بهتر حدس بزنند و مسیر رسیدن به هدف را کوتاهتر کنند. نویسندگان مقالهی «انسانیت رباتگونه»، به همین تفاوت ساختاری اشاره میکنند. بازخورد انسانی همیشه جایی برای اختلافنظر و غافلگیری باقی میگذارد، اما سیستم شخصیسازیشده، فقط میخواهد به الگویی پایدار برسد.
شخصیسازی بیش از حد، تنوع رفتاری و گزینههای آینده ما را محدود میکند
به الگوریتمهای پیشنهاد موسیقی فکر کنید؛ آنها با بررسی آهنگهایی که قبلاً گوش دادهاید، قطعهی بعدی را برایتان پخش میکنند. یا دستیار هوشمند مجهز به حافظه، خیلی زود یاد میگیرد که شما منتظر شنیدن چه نوع پاسخی هستید. اصولاً ارزش این سیستمها از همین تواناییشان ناشی میشود.
ولی اگر پیشبینیهایی که مبتنی بر گذشتهاند، بهتدریج گزینههای آینده ما را محدود کنند، ماجرا کمی نگرانکننده میشود.
فکر کنید سیستم مرتب همان علایق، خصوصیات و نیازهایی را که قبلاً تشخیص داده، ملاک پاسخهایش قرار دهد. در این صورت بخشهایی از ترجیحات شما که هنوز ثبت نشدهاند یا با الگوی موجود سازگار نیستند، کمتر مجال ظهور پیدا میکنند. یعنی هوش مصنوعی محیطی را پیش روی شما میگذارد که در آن الگوهای قبلی راحتتر ادامه پیدا میکنند.
سازگارشدن با سیستمها کار ما را تسریع میکند و از این لحاظ حس مطلوبی به ما میدهد. ماشین زودتر منظورمان را میفهمد، جواب مرتبطتری میدهد و زحمت توضیحدادن دوباره را از دوشمان برمیدارد. پس اگر قرار باشد تغییری در رفتار انسانها رخ بدهد، به انتخاب مداوم همین مسیر بیدردسر برمیگردد.
البته محققان تأکید میکنند که برای تأیید تغییر هویت انسانها به مطالعات بلندمدت بیشتری نیاز دارند.
چرخه تبادل کلمات بین انسان و هوش مصنوعی
مدلهای هوش مصنوعی با کتابها، مقالهها، وبسایتها و گفتگوهای انسانی آموزشدیدهاند، اما خروجیشان صرفاً نسخهای خنثی از این منابع نیست. فرایند آموزش به بعضی ساختارها و واژهها وزن بیشتری میدهد و بعد همان خروجی دوباره وارد دنیای انسانی میشود.
دانشجو برای مرتبکردن مقالهاش دستبهدامن مدلهای زبانی میشود، کارمندی نوشتن ایمیلهایش را به هوش مصنوعی میسپارد و کاربران بخشی از ادبیات ماشینی را وارد گپوگفتهای روزمرهشان میکنند. کافی است متون علمی منتشرشده در سالهای اخیر را بررسی کنیم تا به ابعاد تغییرات زبانی و ساختاری پی ببریم.
متون علمی جدید پر از الگوهای متنی چتباتها شدهاند
طبق تحقیقات، بین سالهای ۲۰۲۲ تا ۲۰۲۴، استفاده از شکلهای مختلف کلمهی «underscore» در چند پایگاه معتبر انتشارات دانشگاهی، بیشتر از هزار درصد رشد کرد. در مقالات پزشکی و زیستی پایگاه PMC هم سهم مقالههای حاوی این واژه از حدود سه درصد در سال ۲۰۲۲ به حدود ۳۰ درصد در سال ۲۰۲۵ رسید. افزایشی که به گفتهی پژوهشگران از استفادهی گسترده از مدلهای زبانی در نگارش و ویرایش علمی ناشی میشود.
وقتی لحن و کلمات هوش مصنوعی در محتوای جدید انسانی بازتاب پیدا میکند، همین مقالهها، وبسایتها و گفتگوها، آرامآرام به بخشی از دادههای آموزشی نسل بعدی مدلهای هوش مصنوعی تبدیل میشوند. پدیدهای که محققان ماکس پلانک آن را «فرایند فرهنگی درهمتنیده میان انسان و ماشین» مینامند.
مدلهای هوش مصنوعی با همان فرهنگی آموزش میبینند که خودشان ساختهاند
به بیان ساده ماشین با فرهنگی آموزش میبیند که خودش هم در شکلدادن به آن نقش داشته است.
انسانها میتوانند واژههای ماشینی را بپذیرند، تغییر دهند، مسخره کنند یا پس از اینکه منشأشان را شناختند؛ کنارشان بگذارند. از طرفی مدلهای جدید هم دقیقاً مانند نسخههای قبلی خودشان حرف نمیزنند. ولی مقیاس گفتگوهای انسانها با چتباتها آنقدر سریع رشد میکند که کلمات محبوب مدلها خیلی زود در گفتار و متونی که مینویسیم، ظاهر میشود.
وقتی چند شرکت محدود، مدلهای هوش مصنوعیشان را در اختیار صدها میلیون کاربر قرار میدهند، انتخابهای زبانی چتباتها و ابزارها عملاً میتواند به یک نیروی فرهنگی قدرتمند تبدیل شود؛ حتی اگر سازندگان مدل چنین هدفی در سر نداشته باشند.
آینده همزیستی با هوش مصنوعی؛ آیا هویت انسانی مسخ میشود؟
دادهها، آمارها و ارقامی که تا امروز در دست داریم، هنوز به طور قطعی مشخص نمیکنند تعامل طولانیمدت با هوش مصنوعی چه تأثیری بر شخصیت، قدرت قضاوت و حتی درک ما از خودمان خواهد داشت. بهعلاوه، هنوز نمیدانیم تغییرات لغوی چقدر در ذهن انسانها ماندگار میشود و اصلاً در زبانهایی غیر از زبان انگلیسی، چطور خودش را نشان میدهد.
بااینحال شواهد فعلی تأیید میکنند که زبان هوش مصنوعی میتواند از صفحهنمایش عبور کند و بهراحتی روی زبان و گفتار بداههی انسانها بنشیند، یا حتی رفتارهای ناخودآگاه ما را تغییر دهد.
پژوهش انسانیت رباتگونه فرضیههای مهمی را مطرح میکند که باید در آینده با مدارک تجربی اثبات شوند. شاید سازگاریهای کوچک ما با هوش مصنوعی آنقدر در زندگی روزمره حل و عادی شوند که اصلاً نفهمیم کِی و چطور عادات انسانی و جهت حرکتمان تغییر کرد.
