نوشته‌ها

شکست انسان از کامپیوتر در سخت‌ترین بازی دنیا

شکست انسان از کامپیوتر در سخت‌ترین بازی دنیا

طراحی سایت ارزان – طراخی سایت – وردپرس – سئو و بروز رسانی مطلب – بهینه سازی

هجده سال پیش یک کامپیوتر توانست «گری کاسپاروف» (Garry Kasparov) قهرمان شطرنج جهان را شکست دهد. او در سال ۱۹۹۷ اولین قهرمان شطرنجی بود که بازی را به ابر کامپیوتر شرکت IBM به نام «دیپ بلو» (Deep Blue) باخت. حالا کامپیوتری توانسته در بازی باستانی چینی «گو» (Go) یک بازیکن حرفه‌ای را ببرد. این بازی آن‌قدر پیچیده است و به توان پردازشی زیادی احتیاج دارد که یک دهه‌ی پیش کسی فکر نمی‌کرد کامپیوتر بتواند یک فرد حرفه‌ای در این بازی را ببرد. ولی نکته‌‌ی مهم این است که ابر کامپیوتر بازی را نه با استفاده از توان پردازشی زیاد،  بلکه با استفاده از «توان یادگیری» برده است. این کامپیوتر توانسته بازی را یاد بگیرد، خیلی شبیه به انسان‌ها فکر کند و در نتیجه یک بازیکن حرفه‌ای را شکست دهد.

«رمی کولوم» (Remi Coulom) که یک محقق حوزه‌ی هوش مصنوعی در فرانسه است و قبلا بهترین بازی کامپیوتری «گو» به نام «کریزی استون» (Crazy Stone) را نوشته می‌گوید: «افراد خیلی زیادی شوکه شدند چرا که بعضی‌ها برای سال‌ها سعی می‌کردند بگویند در بازی گو هیچ‌وقت کامپیوتر نمی‌تواند بر انسان پیروز شود.» «جاناتان شافر» (Jonathan Schaeffer) که یک دانشمند علوم رایانه در دانشگاه آلبرتای کانادا است، این رویداد را خیلی بزرگ و شگفت‌انگیز می‌داند.

هرچند گفتیم بازی گو پیچیده است، ولی در حقیقت قوانین خیلی ساده‌ای دارد. بازی تخته‌ای دارد که روی آن یک شبکه‌ی ۱۹ در ۱۹ رسم شده است. بازی دو نفره است و یک نفر مهره‌های سفید و نفر دوم مهره‌های سیاه دارد. آن‌ها باید به نوبت مهره‌های خود را روی تقاطع بین هر چهار خانه‌ قرار دهند. در حقیقت تعداد تقاطع‌ها در هر ردیف ۱۹ عدد است نه تعداد خانه‌ها. هرکدام از بازیکن‌ها باید سعی کند با استفاده از مهره‌های خودش، مهره یا زنجیره‌ای از مهره‌های حریف را به طور کامل محاصره کند و در عین حال نگذارد مهره‌های خودش محاصره شوند. مهره‌های محاصره شده از روی تخته برداشته می‌شوند و در نهایت بازیکنی برنده است که مهره‌های بیشتری روی تخته داشته باشد.

علی‌رغم این قوانین ساده، استراتژی‌های برنده شدن در بازی پیچیده هستند. آنالیز کامپیوتری این بازی به دو دلیل اصلا کار ساده‌ای نیست. نخست اینکه تخته خیلی بزرگ و تعداد حرکت‌های ممکن برای مهره‌ها به اعداد نجومی می‌رسد. مثلا در ابتدای شروع بازی، هر بازیکن تقریبا ۳۶۰ انتخاب برای قرار دادن هرکدام از مهره‌‌های خود دارد. بنابراین بعد از پنج دست بازی کردن، تخته‌ی بازی می‌تواند بیش از پنج تریلیون آرایش مختلف از مهره‌ها به خود دیده باشد. در کل تعداد حالت‌های قرارگیری مهره‌ها روی تخته به چیزی بیش از ۱۰ به توان ۱۰۰ حالت می‌رسد. حساب کردن این همه حالت برای کامپیوتر تقریبا کار غیر ممکنی است.

نکته‌ی بعدی این است که تخمین برتری مهره‌های سفید یا سیاه نسبت به یکدیگر، هر بار که آرایش مهره‌ها روی تخته عوض می‌شود کار مشکلی است. برای مثال در شطرنج، بازیکن یا رایانه می‌تواند هر بار که چینش مهره‌ها عوض می‌شود، به طور تخمینی موقعیت قوت یا ضعف مهره‌های خود را بسنجد. ساده‌ترین حالت این است که مثلا ببینید چند مهره از دست داده‌اید و چند مهره از حریف بیرون انداخته‌اید. ولی این تخمین لحظه‌ای در بازی گو خیلی کار مشکل‌تری است.

بازی‌های کامپیوتری گو، معمولا تمرکز کمتری روی ارزیابی شرایط لحظه‌ای تخته دارند و بیشتر روی سرعت بخشیدن به شبیه‌سازی بازی‌ تمرکز می‌کنند. بازی کریزی استون از یک الگوریتم محاسبه به نام «جستجوی درختی مونته کارلو» (a Monte Carlo Tree Search) استفاده می‌کند که به جای تلاش برای محاسبه‌ی هر توالی ممکن از بازی، فقط بعضی از آن‌ها را در نظر می‌گیرد. برنامه این کار را هر بار با استفاده از یک تولید کننده‌ی اعداد تصادفی و برای انتخاب بین حرکت‌های ممکن انجام می‌دهد. «برونو بوزی» (Bruno Bouzy) که یک دانشمند علوم رایانه در دانشگاه دکارت پاریس است می‌گوید بازی کامپیوتری کریزی استون تا به حال توانسته بازیکن‌های قوی زیادی را شکست دهد. با این حال فقط در صورتی که به برنامه اجازه داده شود سه یا چهار مهره‌ی اول را خودش قرار دهد.

ولی اکنون «دیوید سیلور» (David Silver)، «دمیس هاسابیس» (Demis Hassabis) و هجده دانشمند علوم رایانه‌ی دیگر در شرکت «گوگل دیپ مایند» (Google DeepMind) برنامه‌ای نوشته‌اند که توانسته از پس همه‌ی چالش‌های بازی گو برآید. برنامه‌ای که آن‌ها نوشته‌اند «آلفا گو» (AlphaGo) نام دارد و به جای اینکه به صورت تصادفی توالی حرکت‌ها را بررسی کند، یاد می‌گیرد که چگونه باید بین یک حرکت خوب و یک حرکت بد تمایز قائل شود و بدین ترتیب سعی کند مهره‌های خود را روی تخته در موقعیت برتر قرار دهد. برای انجام این کار، برنامه از الگوریتمی به نام «شبکه‌ی عصبی ژرف» (Deep neural networks) استفاده می‌کند. این شبکه‌ی نورون‌های مصنوعی می‌تواند شبیه به شبکه‌ی ارتباطی بین نورون‌های عصبی در مغز انسان عمل کند و آن‌ طور که گروه پژوهشی می‌گوید، توانایی یاد گرفتن دارد.

این شبکه‌ از لایه‌های به هم مرتبط شبیه به نورون‌های عصبی انسان تشکیل شده‌ است. یک نورون مصنوعی در این شبکه می‌تواند باعث فعال شدن نورون دیگر شود یا از فعال شدن آن جلوگیری کند. وقتی سامانه‌، ارتباطات بین نورون‌ها را تنظیم می‌کند، یادگیری اتفاق می‌افتد. برای مثال آلفا گو از یک «شبکه‌ی سیاست» (Policy Network) برای قضاوت خوب یا بد بودن حرکت مهره‌ها استفاده می‌کند. لایه‌ی پایینی شبکه از یک آرایه‌ی ۱۹ در ۱۹ نورون‌ها تشکیل شده که خیلی ساده تصویری از وضعیت آرایش تخته می‌سازد و از آن به عنوان ورودی استفاده می‌کند. لایه‌ی بالایی از آرایه‌ای مشابه تشکیل شده که همه‌ی مکان‌های ممکن برای قرار دادن مهره‌ی بعدی و احتمال انجام هرکدام از آن حرکات را نشان می‌دهد. در بین آن‌ها یازده لایه‌ی دیگر وجود دارد.

هدف این است که شبکه بتواند به صورت خودکار بهترین حرکت بعدی را نسبت به پیکربندی اولیه انجام دهد. برای تمرین دادن شبکه، پژوهشگران داده‌های ۳۰ میلیون آرایش اولیه‌ی مهره‌ها روی تخته و نحوه‌ی بازی بازیکن‌های حرفه‌ای را به برنامه دادند. سپس آن‌ها به برنامه اجازه دادند از طریق بازی کردن با خودش، به نوعی خودآموزی کند. آلفا گو توانست با استفاده از کسب تجربه، حرکت خوب را نسبت به حرکت بد تشخیص دهد. هاسابیس می‌گوید: «ما سامانه را طوری طراحی کرده‌ایم که خیلی شبیه به انسان بازی می‌کند.»

پژوهشگران یک «شبکه‌ی ارزش» (Value Network) نیز طراحی کردند که با در نظر گرفتن پیکربندی تخته، می‌تواند بسنجد که آیا گروه‌ مهره‌های سفید در موقعیت برتر هستند یا گروه مهره‌های سیاه و تخمین بزند که در نهایت کدام تیم می‌تواند بازی را ببرد. برای تمرین دادن آن، پژوهشگران شبکه‌ی ارزش را با پیکربندی‌ها و خروجی‌ بازی‌هایی که آلفا گو با خودش انجام داد آشنا کردند. شبکه‌ی ارزش باعث شد آلفا گو بتواند سریع‌تر بازی کند. آلفا گو برخلاف جستجوی درختی مونته کارلو که سناریوهای زیادی را برای رسیدن به آخر بازی امتحان می‌کرد، می‌تواند با چند حرکت محدود بازی را پیش ببرد و از شبکه‌ی ارزش برای حدس نتیجه‌ی نهایی استفاده کند.

آلفا گو به راحتی توانست کریزی استون و دیگر برنامه‌های کامپیوتری بازی گو را شکست دهد. این برنامه توانست وقتی که بر روی یک کامپیوتر پرقدرت اجرا می‌شود، ۹۹٫۸ درصد بازی‌ها را ببرد و وقتی روی چند کامپیوتر اجرا می‌شود، ۱۰۰ درصد بازی‌ها را ببرد. در ضمن توانست «فن هوی» (Fan Hui) که یک بازیکن حرفه‌ای البته با رنکینگ پایین است و در سال ۲۰۱۳ توانسته بود قهرمان اروپا شود را پنج بار پشت سرهم و بدون باخت ببرد. البته هوی توانسته بود دو تا از پنج بازی غیر رسمی که قبلش با این برنامه انجام داده بود را برنده شود. آلفا گو قرار است در ماه مارس امسال با یک بازیکن حرفه‌ای با رنکینگ بالا بازی کند. آن بازیکن «لی سدول» (Lee Sedol) از کره‌ی جنوبی است که بالاترین رده را در بین دیگر بازیکنان دارد. سیلور می‌گوید: «او راجر فدرر بازی گو است!»

شافر می‌گوید که آلفا گو یک پیشرفت خیلی بزرگ است. به خصوص که از ابزارهای کاملا خودکار آموختن استفاده می‌کند، نه فقط از برنامه‌نویسی یا قدرت پردازشی. او می‌گوید: «این یک پیشرفت تدریجی نیست. این یک جهش بزرگ رو به جلو است.» کولوم نیز با او موافق است ولی اشاره می‌کند این یک ابداع نیست که باعث شده کل برنامه کار کند و بیشتر شبیه به یک دستاورد بزرگ مهندسی است.

شبکه‌های عصبی ژرف و یادگیری ژرف در حال پیدا کردن جایگاه خود در استفاده در حوزه‌هایی مثل تشخیص الگو، ترجمه‌ی خودکار، تشخیص‌های پزشکی و دستیارهای مجازی گوشی‌های هوشمند هستند. بنابراین مفاهیم آلفا گو همین الان در اطراف ما وجود دارد. دانشمندان علوم کامپیوتر پیش‌بینی می‌کنند که حتی اگر آلفا گو سدول را ببرد، مثل باخت گری کاسپاروف از شطرنج‌باز کامپیوتری، شوکه کننده نیست. چرا که مردم کم‌کم فهمیده‌اند کامپیوترها چقدر قدرتمند هستند و می‌توانند بر انسان‌ها پیروز شوند. با این حال هنوز جاهای زیادی وجود دارد که انسان‌ها برنده می‌شوند. از جمله بازی‌های کامپیوتری که خیلی پیچیده هستند، کاراکترها و اکشن‌های زیادی دارند و در فضای آن‌ها می‌توان به مکان‌های زیادی رفت. هنوز مغز یک انسان ۱۳ ساله می‌تواند در بازی‌های ویدیویی بهتر از کامپیوتر عمل کند.

طراحی سایت ارزان – طراخی سایت – وردپرس – سئو و بروز رسانی مطلب – بهینه سازی

ساخت نوع جدیدی از بتن با قابلیت یخ زدایی

ساخت نوع جدیدی از بتن با قابلیت یخ زدایی

طراحی سایت ارزان – طراخی سایت – وردپرس – سئو و بروز رسانی مطلب – بهینه سازی

معمولا در فصل زمستان و هنگام یخ زدگی جاده‌ها آمار تصادفات بالاتر می‌رود. مسئولان نیز برای مقابله با این پدیده جاده‌ها را نمک‌پاشی می‌کنند. اما این عمل تاثیر بدی نه تنها روی جاده می‌گذارد، بلکه برای اتومبیل‌ها و محیط زیست هم مضر است. پژوهشگران نوع جدیدی از بتن را توسعه داده‌اند که می‌تواند این مشکل را بدون آسیب به اطراف خود در فصل‌های سرد سال حل کند.

کریس توان، Chris Tuan، استاد دانشکده‌ی مهندسی عمران دانشگاه نبراسکا در لینکلن توانسته نوع جدیدی از بتن‌ها را توسعه‌ دهد که در ساخت جاده‌های بتنی کاربرد زیادی خواهد داشت. نزدیک به ۸۰ درصد از ترکیبات بتن جدید مانند بتن‌های معمولی است و ۲۰ درصد بقیه از ترکیب ذارت کربن و براده‌ی استیل تشکیل می‌شود.

این بتن طوری طراحی شده که با کمک کربن و استیل بتواند جریان الکتریکی را در درون خود جاری کند. بنابراین با جریان یافتن برق و گرم شدن سطح جاده می‌توان برف و یخ روی جاده را با ضریب امنیت بالایی ذوب کرد.

سازوکار این بتن با جریان الکتریکی شکل می‌گیرد، با این حال این جریان هیچ خطری را برای اتومیبل‌ها و عابران پیاده ایجاد نخواهد کرد. در ۱۰ سال گذشته تیم تحقیقاتی دانشگاه نبراسکا بتن‌های خود را در شرایط مختلف آزمایش کرده‌اند. در سال ۲۰۰۲ این گروه کار خود را با تست نمونه‌ی تحقیقاتی در ۵۰ متر از یک جاده شروع کردند و در سال‌های بعد توانستند مجوز آزمایش نمونه‌ی خود را بر پلی در لینکلن بگیرند. با گذشت ۱۰ سال از مراحل ساخت و آزمایش، نتایج از موفقیت تیم تحقیقاتی حکایت دارد.

از نظر دکتر توان، پل بهترین مکان برای آزمایش نمونه‌ی بتن به حساب می‌آید؛ چرا که پل‌ها زودتر از بقیه‌ی قسمت‌های جاده یخ می‌زنند و به دلیل استراتژیک بودن این مسیرها در طراحی شهری، می‌توان هزینه‌ها و خطرات را در زمستان کاهش داد.

لینکلن مرکز ایالت نبراسکا است که زمستان‌هایی سخت همراه با طوفان‌های شدیدی را هر سال تجربه می‌کند. در یکی از آزمایشات انجام شده در طول ۳ روز طوفان در لینکن هزینه‌ی یخ‌زدایی از سطح پل برابر با ۲۵۰ دلار شد که طبق ادعای مسئولان پروژه بسیار کمتر از هزینه‌هایی است که به وسیله‌ی روش‌های معمول انجام می‌گیرد.

در حال حاضر سازمان هوانوردی فدرال آمریکا به دنبال آزمایش و صدور مجوز‌های لازم برای استفاده‌ی گسترده در فرودگاه می‌گردد. بنابراین به کمک این فناوری می‌توان تاخیر‌ پرواز‌ها و سوانح ایجاد شده در باند پروازی را در زمستان به طور قابل ملاحظه‌ای کاهش داد.

طراحی سایت ارزان – طراخی سایت – وردپرس – سئو و بروز رسانی مطلب – بهینه سازی

محققان روسی موفق به ساخت روبات سوسکی برای جاسوسی شدند

تیمی از محققان روسی موفق به توسعه‌ی روبات جاسوسی شدند که ظاهر و نحوه‌ی حرکت آن شبیه به سوسک است. توسعه‌دهندگان این روبات در دانشگاه کالینینگراد امیدوارند تا با بهره‌گیری از این روبات به جستجوی مجروحان و افرادی بپردازند که در شرایط بحرانی زیر آوار باقی مانده‌اند.
محققان در دانشگاه کالینینگراد موفق به تولید روباتی شده‌اند که ظاهر و نحوه‌ی حرکت آن شبیه به سوسک است. یکی از اهداف اصلی استفاده از این روبات بکارگیری آن در زمان وقوع حوادثی نظیر زلزله است که با استفاده از آن می‌توان به جستجویی افرادی پرداخت که زیر آوار قرار گرفته‌اند.

Roboroach_1آلکسی بلوزوف، رهبر تیم توسعه دهنده‌ی این روبات در این خصوص چنین اظهار نظر کرده است:

دانشگاه برکلی در چهار سال گذشته تلاش‌های زیادی را برای توسعه‌ی روبات سوسکی خود به انجام رسانده است. محققان این دانشگاه مجبور به توسعه‌ی روباتی که بسیار شبیه به حشره باشد، نبوده‌اند، از این رو در ظاهر روبات برکلی سریع‌تر و چابک‌تر از روبات ما است. اما شرایط برای ما این چنین نبود. ما با در اختیار گرفتن بودجه‌ی خاصی مجبور بودیم تا روباتی را که بسیار شبیه به سوسک است طراحی کنیم.

این سوسک ۱۰ سانتی‌متر طول دارد و قادر است با سرعت ۳۰ سانتی‌متر در ثانیه که یک سوم سرعت یک سوسک واقعی است، حرکت کند. از جمله‌ی سایر قابلیت‌های این سوسک باید به قابلیت حمل بار به وزن ۱۰ گرم توسط آن اشاره کرد که امکان مناسبی برای حمل یک دوربین کوچک است. همچنین باید به تجهیز این روبات به یک سنسور نوری در کنار سنسور لمسی و غیر لمسی اشاره کرد که این سوسک را قادر می‌کند تا با مواجهه موانع به راحتی از آن‌ها عبور کند.

Roboroach_2

دانیل بورچوکین، مهندس ارشد تیم روسی در این خصوص چنین اظهار نظر کرده است:

ما مجبور بودیم تا بسیاری از موارد را از ابتدا ایجاد کنیم. برای مثال یک کمپانی در استرالیا دنده‌هایی را برای استفاده در پای سوسک مصنوعی تولید می‌کرد که هزینه‌ی تهیه‌ی هر دستگاه نزدیک به ۹٫۰۰۰ دلار است، در حالی که کل بودجه‌ی ما ۲۲٫۵۰۰ دلار بود.

۵ راه برای شاد شدن در کمترین زمان

شادی می‌تواند به معنی داشتن یک زندگی معنی‌دار، هدفمند و کامیاب باشد. اگر این گونه احساس شادی کردن نیازمند سال‌ها زمان برای عمیقا دگرگون ساختن زندگی است، اما راهبرد‌های آزمایش‌شده بسیاری وجود دارد که می‌تواند در کوتاه‌مدت ریشه‌ی شادی را در وجود شما تقویت کند.

چنین فعالیت‌هایی اگرچه می‌توانند یک شادی متوسط را برای ما به ارمغان بیاورند، اما اگر در طول زمان و بطور مداوم آن را به صورت یک عادت در زندگی به کار ببندید، آنها تبدیل به عادت‌های شادی می‌شوند و انرژی شما را برای زندگی کردن با آرزوها و احساسات‌تان، بیشتر می‌کنند. در زیر ۵ مورد از این راهبردها را معرفی خواهیم کرد که شما می توانید همین الان آنها را به کار ببندید:

۱. ورزش‌های ایروبیک انجام دهید

ورزش‌های ایروبیک یا تمرینات بدنی می‌تواند خلق بشاش و مثبت را در فرد تقویت کند. در تحقیقی که با همکاری محققان دانشگاه مینه سوتا و دانشگاه ایالتی شیکاگو انجام گرفت، نتیجه‌ی ۱۵۸ مطالعه‌ی مختلفی که از سال ۱۹۷۹ تا سال ۲۰۰۵ انجام گرفته بود را مورد بررسی قرار دادند. آنها دریافتند که اثر ورزش ایروبیک به طور مداوم مثبت بود، این ورزش‌ها زمانی که خلق فرد پایین‌تر از معمول بودند بیشتر تاثیرگذار بود. علاوه بر این بررسی‌هایی که دانشگاهی در سوئد بر روی ۱۵ تحقیق مختلف انجام داده بود نشان داد که ورزش‌های ایروبیک در درمان افسردگی خفیف و متوسط موثر هستند. ذهن و جسم، دو بخش جدایی‌ناپذیر از یکدیگر هستند، بنابراین انجام برخی حرکات ایروبیک (مانند انجام حرکات پروانه‌ای در حین بالا و پایین پریدن) می‌تواند خلق فرد را بسیار سرحال کند.

۲. با یک دوست یا اعضای خانواده صحبت کنید

ارتباطات اجتماعی مثبت گرا، سنگ‌بنای شادی و سلامتی هستند. صحبت کردن با یک دوست صمیمی و واقعی، علاوه بر اینکه می‌تواند انرژی شما را افزایش داده و بذر انگیزش را در وجود شما کشت کند، می‌تواند اثرات مثبت پایداری بر روی خلق شما بگذارد. در واقع، تعلق داشتن به یک گروه اجتماعی یا داشتن حداقل یک ارتباط شخصی با فردی دیگر، می‌تواند انگیزه‌ای پایدار و قابل‌توجه را درون شما ایجاد کند. اگر پیرامون شما افرادی هستند که آنها را دوست دارید و قدردان‌شان هستید، با آنها قدم بزنید و صحبت کنید.

۳. سه چیز را که سپاس‌گزار و مدیون آنها هستید، بنویسد

خیلی از افراد یک دفترچه یادداشتی دارند که در آنها چیزهایی را می‌نویسند که از آنها سپاس‌گزار هستند. تحقیقات نشان داده‌اند که نوشتن سه مورد چیزهای خوب، هم اثرات ماندگار و هم اثرات فوری برروی شادی دارد. در یک مطالعه‌ای که در سال ۲۰۱۲ با همت دو روانشناس مثبت‌گرا Stephen Schueller و Acacia Parks در یک محیط آنلاین انجام شد نشان داد مزایایی که با انجام دادن چیزی نصیب فرد می‌شود، تا ۶ ماه در فرد باقی می‌ماند. بنابراین دست‌یابی به منافعی ۶ ماهه که تنها با ۵ دقیقه نوشتن نصیب فرد می‌شود، می‌تواند معامله خوبی باشد.

۴. بهترین نتیجه‌ی ممکن برای آینده‌ای نزدیک را تصور کنید

تحقیقات بطور کاملا موافق نشان داده‌اند که تصور “بهترین شکل ممکن برای خود” علاوه بر اینکه خوش‌بینی فرد را به صورت قابل‌توجهی افزایش می‌دهد، می‌تواند به رها ساختن طیف وسیعی از احساسات مثبت نیز کمک کند. در راستای چنین باور عمومی مثبت فکر کردن درباره‌ی آینده می‌تواند یک پیش‌بینی آینده‌نگر خودکامبخش باشد. چند دقیقه‌ای را به خیال پردازی اختصاص دهید، سپس بهترین سناریویی ممکن را برای ماه‌ها و سال‌های آینده تصور کنید. شما ممکن است از نتیجه‌ی نهایی شگفت‌زده شوید.

۵. قصد و نیت روزانه‌تان را معین کنید

یکی از معتبرترین مدل‌های سلامت روانشناختی حدود بیست سال قبل توسط کرول ریف (Carol Ryff) از دانشگاه ویسکانسین منتشر شد.در این مدل که از ۶ عنصر مختلف تشکیل شده است، شادی یکی از برجسته‌ترین آنها قلم‌داد شده است. معین کردن یک قصد و نیت روزانه‌، شما را در مسیری که دلخواه‌تان است هدایت می‌کند و به این صورت می‌توانید آگاهانه تصمیم بگیرید. ممکن است شما همیشه نتوانید در راهی که می‌خواهید باشید، اما آگاه بودن از آن چیزی که قصد انجام آن را خواهید داشت، هدف را برای شما مهیا می‌کند و این فرصت را به شما می‌دهد تا استوارانه در راهی که می‌خواهید با دنیا در ارتباط باشید، بمانید.