کپی کردن کار خوبیست

زمان مطالعه: 5 دقیقه

کپی کردن، کار به شدت آسانی است ولی تولید مجدد یک داده کار سختی است؛ و ما عادت داریم که کسی را که کار سخت انجام می دهد تشویق کنیم. اما تولید مجدد یک داده عمومی یک کار مخرب است و نباید آن را انجام دهیم یا آن را تشویق کنیم.

در زیر معایب تولید مجدد یک داده عمومی را بررسی می کنیم و به این نتیجه می رسیم که کپی کردن نه تنها عیب نیست، بلکه حسن است. پس کپی کنید و به کپی کردن خود افتخار کنید و با افتخار بگویید که کپی کردیم.

کپی کردن هنر است

درست است که کپی کردن هزینه کمتری دارد، اما هوشمندانه تر است. فرض کنید که می خواهید یک چاله بزرگ روی زمین درست کنید. روش پر هزینه این است که با یک بیل، ساعت ها تلاش کنیم و چاله را به وجود بیاوریم. اما راه کم هزینه، این است که مثلا با یک بمب، یک چاله درست کنیم. کسی که بیل می زند زحمت بسیار بیشتری کشیده اما نتیجه همان است. پس نباید بیل زن را تشویق کنیم و باید بمب زن را تشویق کنیم.

استفاده از ابزار های موجود و کمینه کردن هزینه ها، به خلاقیت بیشتری نیاز دارد تا حل مستقیم مساله با هزینه زیاد. لینوس توروالدز می گوید:«هوشمندی، توانایی اجتناب از انجام کار است؛ نه به پایان رساندن آن.» و او این حرف را سرلوحه کار خود در لینوکس قرار داده است. در حقیقت بسیاری از مواقع افراد را در حال تولید داده تکراری می بینیم که به این دلیل است که یا از خلاقیت لازم برخوردار نیستند و یا از دانش لازم و نمی دانند که می توانند با چیز های موجود نیازشان را برطرف کنند. یعنی کپی نکردن ضعف است.

تولید مجدد، تقسیم توان جامعه است

گلوگاه تولید داده های عمومی، توان عموم جامعه است و این توان مشخص می کند که داده عمومی چقدر توسعه پیدا کند (بر خلاف داده های انحصاری که گلوگاه و فاکتور محدود کننده توسعه چیز های دیگریست) و ما با تولید مجدد یک داده عمومی، توان جامعه را نصف کرده ایم. شما می توانستید انرژی ای که روی تولید مجدد یک داده گذاشته اید را روی بهبود آن بگذارید و یک نتیجه بسیار بهتر با هزینه کمتر بگیرید. همچنین یک داده نیاز به نگهداری دارد و به یک توان مستمر برای به روز و بهینه نگه داشتن آن نیاز داریم که در صورت وجود دو داده عمومی رقیب، این نیاز دو برابر خواهد شد که بسیار بد است.

استفاده از فناوری بهتر، تولید مجدد نیست

ممکن است برای بهبود یک خاصیت، مجبور باشیم که یک داده را از ابتدا طراحی کنیم. این تولید مجدد نیست چون اگرچه هر دو داده یک کار را انجام می دهند، اما کیفیت انجامشان متفاوت است و داده قدیمی تر نمی توانست به این کیفیت برسد.

البته باید در این حالت خلاقیت و هوشمندی مان را به کار بگیریم و تا جایی که ممکن است، از قسمت های داده قدیمی تر استفاده کنیم.

کپی کردن داده های هنری

وضعیت داده های هنری با داده های فنی متفاوت است، اما کپی کردن داده های عمومی هنری نیز کار پسندیده ای است. چه ایرادی دارد که یک آهنگ را ده خواننده مختلف بخوانند یا یک داستان ده بار کپی شود و ده مدل مختلف از آن به وجود بیاید؟ اگر انسان ها بیشتر لذت می برند بهتر از این است که انرژی را صرف تولید یک چیز دیگر و بی کیفیت تر کنیم.

تنها فرق داده های هنری با فنی، در این است که در داده های هنری، خاص بودن یا بی نظیر بودن یک ارزش است ولی در داده های فنی، تنها هدف حل یک مشکل و نیاز است و اصلا اهمیتی ندارد که شما از یک ایده خاص و متفاوت استفاده کنید. کپی کردن ممکن است یک داده هنری را تکراری و خسته کننده کند، اما در عین حال یک داده هنری کپی با تغییرات جزیی می تواند از هزاران داده از صفر تولید شده بهتر باشد.

از تولید مجدد ناخواسته دوری کنید

هنگامی که برای رفع یک نیاز، شروع به تولید یک داده می کنید، به احتمال زیاد اولین نفری نیستید که این کار را می کند (طبیعتا این گزاره در حالت کلی درست نیست زیرا بالاخره یک اولین نفر وجود دارد) و این به این معنی است که کار شما تولید مجدد است. پس همیشه قبل از شروع به تولید یک داده، ابتدا خوب جستجو کنید تا آن نیاز شما از قبل بر طرف نشده باشد و اگر شده بود، انرژی ای که می خواهید صرف تولید مجدد کنید را صرف بهبود داده موجود کنید.

البته این کار اجباری نیست و صرفا یک توصیه عاقلانه است. اگر ضرر کپی کردن بیشتر از سودش است (که معمولا این طور نیست و بهتر است کپی کنید) و داده های موجود، بی کیفیت هستند و نیاز را برطرف نمی کنند و هزینه تولید مجدد آن از هزینه تغییر داده موجود کمتر است، می توان کپی نکرد.

متاسفانه تولید مجدد داده های انحصاری اجتناب ناپذیر است

ما دوست داریم که داده های انحصاری را هم کپی کنیم، اما انحصار کننده یا به ما اجازه کپی نمی دهد و یا به ما اجازه استفاده نمی دهد (در غیر این صورت آن داده دیگر انحصاری نیست) و ممکن است مجبور شویم آن را مجددا تولید کنیم. اگر چه بهترین حالت این است که انحصار کننده داده اش را عمومی کند و باید او را به این کار تشویق کنیم، اما دنیای ما یک دنیای آرمانی نیست و همیشه این اتفاق نمی افتد.