-
از هرچه می‌بینیم به‌سادگی نگذریم؛ گاهی کمی دِرَنگ کنیم و به تماشا بنشینیم. راه ارتباط: @k1samani
🔷 انتگرال‌گیرهای کلوین و ماکسول
داشتم دربارهٔ تاریخچهٔ کامپیوترهای آنالوگ جست‌وجو می‌کردم که به مقاله‌هایی از کلوین و ماکسول برخوردم. آن‌قدر نکات جالب و هیجان‌انگیز در این مقاله‌ها و مرتبط با این مقاله‌ها پیدا کردم که حیفم آمد آنها را با همراهان دِرَنــگ در میان نگذارم.
▪️ موضوع اصلی هر دو مقاله طراحی ابزارهایی است برای محاسبهٔ انتگرال‌های معین. شاید امروز کسانی مانند کلوین و ماکسول بیشتر به‌عنوان فیزیکدان نظری شناخته شوند ولی در زمان خودشان ترکیبی از ریاضی‌دان، فیزیکدان و مهندس بوده‌اند.
▪️مقالهٔ کلوین در سال ۱۸۷۶ در مجلهٔ
Proceedings of the Royal Society of London
چاپ شد. عنوان مقاله‌اش این است: «دربارهٔ ابزاری برای محاسبهٔ انتگرال حاصل‌ضرب دو تابع داده‌شده».
در ابتدای مقاله توضیح می‌دهد که مدت‌های طولانی داشته به طراحی ابزاری فکر می‌کرده که با آن بتوان محاسبات سنگین انتگرال‌های معین را به‌سادگی انجام داد. دلیلش هم این بوده که برای پیدا کردن تبدیل فوریهٔ توابع نیاز به محاسبهٔ این انتگرال‌ها داشته. طرحی به ذهنش می‌رسد و طرح را با برادرش در میان می‌گذارد:
«ماشین پیشنهادی خود را چند روز پیش برای برادرم پروفسور جیمز تامسون توضیح دادم و او در پاسخ دربارهٔ نوعی انتگرال‌گیر مکانیکی برایم صحبت کرد که سال‌ها پیش به ذهنش رسیده بود ولی هیچ شرحی از آن منتشر نکرده بود. فوراً متوجه شدم که ماشین او خیلی سادهتر از هرآنچه قبلاً به آن فکر کرده بودم مرا به هدفم می‌رساند. گزارشی از انتگرال‌گیر او در همین شماره از مجلهٔ انجمن سلطنتی همراه با مقالهٔ حاضر منتشر می‌شود.»
🔷 چه‌گونه تز بنویسیم
«چه‌گونه تز بنویسیم» عنوان کتابی است¹ از اومبرتو اکو² که در سال ۱۹۷۷ به زبان ایتالیایی منتشر شد. دانشگاه ام‌آی‌تی در سال ۲۰۱۵ ترجمهٔ انگلیسی کتاب را منتشر کرد. در مقدمهٔ ترجمهٔ انگلیسی گفته شده است که کتاب به ۱۷ زبان ازجمله فارسی ترجمه شده است³. نویسنده در ابتدای مقدمه‌ای که برای ویراست دوم کتاب (۱۹۸۵) نوشته، می‌گوید که انگیزهٔ اولیه‌اش برای نوشتن کتاب پرهیز از تکرار دوباره و چندبارهٔ توصیه‌هایش به دانشجویان بوده است و هدف کتاب را چنین توصیف می‌کند:
بگذارید روشن کنم که این کتاب به شما نمی‌گوید چه چیزی در تزتان بنویسید. این کار شماست. این کتاب به شما خواهد گفت:
۱. تز از چه چیزهایی تشکیل می‌شود،
۲. چه‌گونه موضوع تز را انتخاب کنید و یک برنامهٔ کاری تنظیم کنید،
۳. تحقیقات کتاب‌شناختی را چه‌گونه انجام دهید،
۴. یافته‌هایتان را چه‌گونه سازمان‌دهی کنید،
۵. چه‌گونه نتایجتان را به قالب پایان‌نامه/رساله⁴ درآورید.
قواعد جامعی برای نویسندگی وجود ندارد؛ اگر بود که همه نویسنده بودند. ولی دست‌کم می‌توانم بگویم که تزتان را چندین بار بازنویسی کنید. حتی می‌توانید جداگانه تمرین نوشتن کنید.
شما پروست⁵ نیستید. جمله‌های دراز ننویسید.
شما کامینگز⁶ نیستید. مثل یک شاعر آوانگارد ننویسید. حتی شاعران هم وقتی شعر نمی‌گویند (و مثلأ دربارهٔ شعر حرف می‌زنند) ساده و روشن می‌نویسند.
تا حد امکان پاراگراف‌هایتان کوتاه باشد.
هر چیزی به ذهنتان می‌رسد بنویسید، اما فقط در نسخهٔ نخست.
از استاد راهنمایتان کمک بگیرید. مطمئن شوید که فصل اول (و نهایتاً همهٔ فصل‌ها را) خیلی پیش از تاریخ دفاع شما می‌خواند. بازخوردش می‌تواند مفید باشد. اگر وقتش را ندارد (یا حالش را ندارد) از یکی از دوستانتان بخواهید این کار را انجام دهد. از او بپرسید که آیا نوشته‌های شما را می‌فهمد یا نه. نقش نابغهٔ منزوی را بازی نکنید.
اصرار نداشته باشید که از فصل اول شروع کنید. از جایی شروع کنید که دستتان پُرتر است. این کار به شما اعتماد‌به‌نفس می‌دهد. طبیعتاً فهرست مطالب می‌تواند راهنمای خوبی برای ادامهٔ کار باشد.
واژه‌های تخصصی را در همان اولین باری که به‌کارشان می‌برید تعریف کنید. اگر تعریف واژه‌ای را نمی‌دانید از به‌‌کاربردنش بپرهیزید. اگر واژه‌ای که نمی‌توانید تعریفش کنید در کار شما اهمیت اساسی دارد کلاً بی‌خیال شوید؛ یا تز اشتباهی انتخاب کرده‌اید یا شغل اشتباهی.
فرستهٔ موقت:
ترم جدید آغاز شده. در همین ابتدا چند مراجعهٔ دانشجویی داشته‌ام که مشورت می‌خواسته‌اند دربارهٔ چه‌گونه درس‌خواندن و برنامه‌ریزی زمانی و سؤالاتی از این دست. فکر کردم شاید بد نباشد چند تا از فرسته‌های قبلی این کانال را که کم‌وبیش ربطی به زیست دانشجویی دارند بازنشر بدهم.
💡چه‌گونه سخن بگوییم، چه‌گونه گوش کنیم
💡تخصص، اشتغال
💡توصیه‌هایی برای دانشجویان تحصیلات تکمیلی
💡هوش
💡راهنمای حل مسئله
💡آیا برای ریاضی ورزیدن باید نابغه بود؟
💡چهار درس طلایی
💡آدم‌ها و ریاضیات
@k1samani_channel
🔷️ آدم‌ها و ریاضیات
تو مگو همه به جنگ اند و ز صلح من چه آید
تو یکی نه‌ای، هزاری، تو چراغ خود برافروز
🔷️ Just law vs. Unjust law
I think we all have moral obligations to obey just laws. On the other hand, I think we have moral obligations to disobey unjust laws, because non-cooperation with evil is as much a moral obligation as is cooperation with good. I think the distinction here is that when one breaks a law the conscience tells him is unjust, he must do it openly, he must do it cheerfully, he must do it lovingly, he must do it civilly, not uncivilly, and he must do it with a willingness to accept the penalty. Any man who breaks a law that conscience tells him is unjust and willingly accepts the penalty by staying in jail in order to arouse the conscience of the community on the injustice of the law is at that moment expressing the very highest respect for law.
Martin Luther King
@k1samani_channel
🔷 ترویج علم، راه رفتن بر لبهٔ تیغ
... وقتی دبیر قبلی شما به من افتخار داد و از من خواست تا مقاله‌ای را در انجمن شما بخوانم نخستین فکری که به نظرم رسید این بود که مسلماً این کار را خواهم کرد و دومین اندیشه‌ام این بود که اگر فرصت سخن‌گفتن با شما به من داده شود درباره‌ی چیزی با شما سخن خواهم گفت که بسیار مشتاق‌ام آن را با شما در میان بگذارم و از این فرصت با ایراد یک سخنرانی مثلاً درباره‌ی منطق سوءاستفاده نخواهم کرد. این را سوءاستفاده می‌نامم زیرا برای تبیین یک موضوع علمی برای شما نه مقاله‌ای یک‌ساعته بلکه سلسله‌ای سخنرانی لازم است. گزینه‌ی دیگر این بود که برای شما سخنرانی علمی عامه‌پسندی ایراد کنم، یعنی خطابه‌ای که هدف‌اش ایجاد این باور در شما باشد که چیزی را می‌فهمید درحالی‌که واقعاً آن را نمی‌فهمید و ارضاکننده‌ی چیزی باشد که به نظر من یکی از نازل‌ترین امیال انسان‌های مدرن است، یعنی کنجکاوی تصنعی درباره‌ی آخرین کشفیات علم [۱].
🔷 تجربه، نوآوری
فرهنگ مکتوب و شفاهی ما پر است از مثال‌‌هایی که نشان‌دهندهٔ اهمیت تجربه اند: پیرانی که در خشت خام چیزهایی می‌بینند که جوان در آینه هم نمی‌بیند، پهلوان کهن‌سالی که پشت شاگرد جوان مغرورش را به‌مدد تجربه به خاک می‌مالد و جوانان سعادت‌مندی که پند پیر دانا را از جان دوست‌تر می‌دارند.
منطقش ساده است. آدم باتجربه وقتی با مسئله‌ای روبه‌رو می‌شود، احتمالاً قبلاً نمونه‌اش را دیده و با راه‌حل‌اش آشناست. هزینه داده (دو تا پیرهن بیشتر پاره کرده) و گرم‌و‌سرد روزگار چشیده و تجربه اندوخته و انبانش پر از راه‌حل برای مسئله‌هایی است که با آنها دست‌و‌پنجه نرم کرده.
تا اینجا، خیلی هم عالی. در زمانهای قدیم که سرعت تحولات کم بود این منطق خیلی خوب کار می‌کرد. اگر شما راه‌حل مسئله‌ای را یاد می‌گرفتید، پنجاه سال بعد هم که با مسئلهٔ مشابهی مواجه می‌شدید راه‌حل‌اش همان بود. اما در زمانهای که سرعت تحولات سرسام‌آور است این منطق دیگر به آن خوبی کار نمی‌کند. معلوم نیست راهحلهای قدیم در شرایط جدید به همان خوبی جواب بدهند (اگر اصلاً جواب بدهند و خودشان مشکل تازه‌ای نیافرینند). تازه گاهی کسانی پیدا می‌شوند که برای مسائل امروز دنبال راه‌حل‌هایی در متون سده‌ها و هزاره‌های پیش می‌گردند!
اتکای صِرف به تجربه آفت‌‌های دیگری هم دارد. ازجمله این‌که راه را بر خلاقیت و نوآوری می‌بندد. کسی که خیال می‌کند راه‌حل مسئله‌ای را بلد است، به راهکارهای جدید و ناشناخته فکر نمی‌کند. هرچه سرعت تحولات بیشتر باشد این ایراد بیشتر خودش را نشان می‌دهد. مدیری که ده سال پیش سازمانی را به‌خوبی اداره می‌کرده معلوم نیست امروز بتواند همان سازمان را به همان خوبی اداره کند، مگر این‌که گول تجربه‌اش را نخورد و به ایده‌ها و روش‌های نو برای مواجهه با مسئله‌های قدیمی اجازهٔ بروز و بالندگی بدهد.
این فقط مختص امور اجرایی و مدیریتی نیست. در علم هم نمونه‌های زیادی وجود دارد که دانشمندان بزرگ وقتی باتجربه می‌شوند توانایی خلق یا حتی پذیرش ایدههای نو را از دست می‌دهند [1].
معنی این حرف‌ها این نیست که تجربه را باید به‌کلی کنار گذاشت. هر چیزی اهمیت و کارکرد خودش را دارد و البته تجربه را می‌توان به آیندگان هم انتقال داد. شاید هم اصلاً خود مفهوم تجربه نیاز به بازتعریف داشته باشد. آیا باتجربه‌بودن به‌معنای داشتن کوله‌باری پر از راهحلهای مشخص برای مسائل قبلی است یا مهارت بهکارگیری فکر و اندیشه، و آمادگی و گشادگی برای مجال دادن به ایدههای نو؟
در هر صورت واقعیت این است که چه بخواهیم چه نخواهیم، محور زمان جهت دارد. تجربه نگاه به گذشته دارد و نوآوری نگاه به آینده. برای همین، من اگر روزی ناگزیر شوم از میان این دو، یعنی تجربه و نوآوری، یکی را انتخاب کنم، بی‌تردید دومی را انتخاب خواهم کرد.
ـــــــــــــــــــــــــــــــــــــــــــ
[1] Freeman Dyson, 'The Scientist as Rebel', (NYREV, Inc. 2006).
@k1samani_channel
🔷 دانشمند همچون شورشی
دانشمند همچون شورشی عنوان کتابی است از فریمن دایسون¹. مجموعهٔ کارهای دایسون در فیزیک و ریاضیات طیف وسیعی را تشکیل می‌دهد، از نظریهٔ اعداد و نظریهٔ ماتریس‌های تصادفی گرفته تا نظریهٔ میدان‌های کوانتمی و اخترفیزیک. این کتاب شامل ۲۹ جستار در موضوعات مختلف است. عنوان کتاب از عنوان فصل اول آن گرفته شده که در واقع متن پیاده‌شدهٔ سخنرانی‌‌ای‌است که دایسون در سال ۱۹۹۲ در افتتاحیهٔ همایشی در فلسفهٔ علم ارائه کرد. بخش اعظم آن همایش و همچنین سخنرانی دایسون دربارهٔ فروکاست‌گرایی بود.
پیشگفتار کتاب با توصیف دایسون از بنجامین فرانکلین آغاز می‌شود:
بنجامین فرانکلین بهتر از هر کس دیگری ویژگی‌های یک دانشمند بزرگ و یک شورشی بزرگ را با هم تلفیق کرد. به‌عنوان دانشمند، بدون تحصیلات رسمی یا ثروت موروثی، اشراف تحصیل‌کردهٔ اروپا را در بازی خودشان شکست داد. پیروزی فرانکلین به‌عنوان شورشی حاصل این واقعیت بود که شورش او نه ناگهانی و از سر هوس، که نتیجهٔ سالهای متمادی تفکر دقیق بود.
فرانکلین تنها زمانی شورشی شد که تشخیص داد زمان آن فرارسیده و هزینه‌هایش قابل قبول است. به‌عنوان یک شورشی محافظه‌کار باقی ماند، با این هدف که نظم مستقر جامعه را نه تخریب بلکه تا حد امکان حفظ کند. شورشی که فرانکلین تجسم‌اش بود، شورشی اندیشیده بود که بیش از آن‌که ناشی از شور و نفرت باشد، ناشی از عقلانیت و محاسبه‌گری بود [1].
پیام من این است که علم فعالیتی انسانی است و بهترین راه درک آن درک تک‌تک انسان‌هایی است که به آن می‌پردازند. علم شکلی از هنر است نه روشی فلسفی. پیشرفت‌های بزرگ در علم معمولاً نتیجهٔ ابزارهای جدیدند، نه آموزه‌های جدید. وقتی سعی می‌کنیم علم را به یک دیدگاه فلسفی خاص مثل فروکاست‌گرایی محدود کنیم، داریم کاری شبیه پروکروستس انجام می‌دهیم که پاهای مهمان‌هایی را که قدشان بلند‌تر از طول تخت بود قطع می‌کرد. علم زمانی به بهترین شکل شکوفا می‌شود که آزادانه از همهٔ ابزارهای در اختیارش استفاده کند، رها از پیش‌داوری‌هایی دربارهٔ این‌که علم چه باید باشد. هر ابزار جدید به کشفیات جدید و نامنتظره می‌انجامد زیرا تخیل طبیعت از تخیل ما غنی‌تر است [1].ــــــــــــــــــــــــــــــــ
🔷 واقعیت وابسته به مدل
استفن هاؤکینگ در بخشی از کتاب طرح بزرگ¹ از مفهومی به اسم «واقع‌گرایی وابسته به مدل²» نام می‌برد و برای توضیح آن ماهی قرمزی را مثال می‌زند که درون یک تُنگ بلوری زندگی می‌کند. این ماهی جهان را چگونه می‌بیند؟ آیا از درون تُنگ می‌شود جهان را همان‌گونه که هست دید؟ تصویری که ماهی از جهان بیرون می‌بیند با آنچه ما می‌بینیم متفاوت است. ولی آیا ما که بیرون از تُنگ هستیم می‌توانیم مطمئن باشیم که جهان را همان‌گونه که هست می‌بینیم؟ آیا امکان ندارد که ما هم درون یک تُنگ بلوری بزرگ‌تر باشیم و آنچه می‌بینیم فقط تصویر کج‌و‌معوجی از واقعیت باشد؟
آنچه می‌بینیم به طرز نگاه ما و ابزار و مقیاس مشاهدهٔ ما بستگی دارد. و اگر بخواهیم توضیحی علمی برای مشاهداتمان ارائه کنیم، این توضیح نیز در چارچوب یک مدل است و بنابراین توضیح علمی ما نیز محدود به آن مدل و درک ما از واقعیت درکی در چارچوب آن مدل خواهد بود. این آن چیزی است که هاؤکینگ واقع‌گرایی وابسته به مدل می‌نامد. حتی تعریف واقعیت³ نیز وابسته به مدل است. مثلاً واقعیت مکانیک کلاسیک با واقعیت مکانیک کوانتمی متفاوت است.
این موضوع فقط به نظریات علمی مربوط نمی‌شود. ما در زندگی روزمره‌مان نیز هنگام مشاهدهٔ رویدادها و پدیده‌های اطراف خود خواسته یا ناخواسته مدل‌سازی می‌کنیم و درک و تفسیری که از مشاهداتمان داریم در چارچوب آن مدل است. آیا تا‌کنون به مواردی برنخورده‌اید که دو نفر علیرغم توافق بر سر داده‌ها و مشاهدات، در نتیجه‌گیری و تحلیل و پیش‌بینی رویدادها به‌کلی متفاوت باشند؟ در این روزهای نزدیک به انتخابات حتماً شاهد چنین مواردی بوده‌اید. بخشی از دلیل این اتفاق را باید در تفاوت مدل‌هایی جست‌وجو کرد که آدم‌ها دنیای اطرافشان را از دریچهٔ آنها می‌نگرند.
اگر بتوانیم جهان را از چشم دیگران یا از دریچهٔ مدل دیگران ببینیم، هم خودمان با جنبه‌های دیگری از واقعیت آشنا می‌شویم و هم از موضع و دیدگاه دیگران کمتر تعجب می‌کنیم. ولی واقعیت این است که این کار به‌هیچ‌وجه ساده نیست. (آیا همین واقعیت، واقعیتی وابسته به مدل نیست؟)
ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
1. Stephen Hawking and Leonard Mlodinow, "The Grand Design", (Bantam books 2010).
2. model-dependent realism
3. reality
@k1samani_channel
🔷 موسیقی، فیزیک و مغز
موسیقی از دید فیزیکدان و با نگاهی فروکاست‌گرایانه چیزی جز آمیزه‌ای از امواج صوتی نیست.
هنرمند و موسیقی‌دان البته چنین نگاهی را برنمی‌تابد و موسیقی را هنری والا و نمایان‌گر ذوق و احساس و تجلی روح انسان می‌داند و زبان مشترکی برای برانگیختن و انتقال احساسات میان انسان‌ها.
برای متخصص علوم اعصاب احتمالاً پردازش اطلاعاتی که مغز به‌واسطهٔ گوش از امواج صوتی دریافت می‌کند و تبدیل آنها به ویژگی‌هایی مشخص و نهایتاً نحوهٔ درک و تفسیر مغز از موسیقی و تأثیر موسیقی بر ساختار شبکهٔ عصبی مغز اهمیت بیشتری دارد.
حالا اگر فیزیک‌پیشه‌ای پیدا شود که آواز ایرانی را نیکو بخواند، دستی بر ساز داشته باشد و کارهای پژوهشی‌اش در زمینهٔ علوم اعصاب از دیدگاه سامانه‌های پیچیده باشد، می‌تواند هر سه دیدگاه بالا را تلفیق کند و مجموعه‌گفتارهایی تهیه کند که در نوع خود جذاب و منحصربه‌فرد است.
دکتر علیرضا ولی‌زاده، استاد فیزیک دانشگاه تحصیلات تکمیلی در علوم پایهٔ زنجان، چنین گفتارهایی را تهیه کرده و در کانال یوتیوب‌اش در دسترس قرار داده است. این مجموعه، با زمان تقریبی هر کدام حدوداً پانزده دقیقه، شامل مباحث متنوعی است با بیانی ساده و قابل فهم که برای طیف وسیعی از مخاطبان نکات آموزنده، جالب و تازه‌ای دارد.
عناوین ده گفتار اول:
۱. گشایش و نگاهی به مفاهیم بنیادی فواصل موسیقی
۲. تولید فواصل موسیقی توسط سازهای موسیقی
۳.نظام هفت‌نُتی و گام اصلی
۴. نظام فواصل و چالش فیثاغورث
۵. بازچینش پرده‌ها و نیم‌پرده‌ها و گام مینور
۶. فواصل (درجات) و گام در موسیقی ایرانی
۷. ساختار هارمونیک نوای موسیقایی و رنگ صدا
۸. اندام صوتی انسان و تولید صدای هارمونیک توسط انسان
۹. تحلیل فرکانسی صوت توسط گوش درونی
۱۰. شمه‌ای از مبانی ادارک صوت و یادگیری در مغز
@k1samani_channel
🔷 آیا برای ریاضی ورزیدن باید نابغه بود؟
این ترجمهٔ مقاله‌ای از تِرِنس تائو، استاد دانشگاه UCLA و برندهٔ مدال فیلدز در سال ۲۰۰۶ است. تائو در وبلاگش توصیه‌های مفصل دیگری نیز برای دانشجویان و پژوهشگران دارد که دیدنش خالی از لطف نیست.
@k1samani_channel
🔷 خردمندی و شادمانی
در میان انبوهی از کلیشه‌ها به‌دنیا می‌آییم، روزگار می‌گذرانیم و از دنیا می‌رویم. البته همهٔ کلیشه‌ها لزوماً بد نیستند و گاهی کمک می‌کنند سادهتر زندگی کنیم و دشواری‌ها را راحت‌تر تحمل کنیم، اما گاهی آن‌قدر تکرار می‌شوند که همچون اصول مسلم پذیرفته می‌شوند، راه را بر اندیشه و منطق می‌بندند، جایگزین استدلال می‌شوند و انتخاب‌هایمان را محدود می‌کنند.
احتمالاً تنها راه، یا دست‌کم مؤثرترین راه، برای مقابله با اثر نامطلوب کلیشه‌ها این است که هیچ سخنی را از ابتدا و صرفاً به‌دلیل پرتکرار بودن یا به‌دلیل اعتبار گوینده‌اش مسلم فرض نکنیم و اتفاقاً در بدیهیات و بی‌چون‌و‌چراها بیشتر تردید و چون‌وچرا کنیم.
در این نوشتار می‌خواهم به چند نمونه از کلیشه‌هایی اشاره کنم که بیان‌گر نوعی تقابل یا حتی تضاد میان علم و دانش و خرد از یک سو و مفاهیمی همچون شادی، ثروت و زیبایی از سوی دیگر است.
▪️بعید است کسی این شعر شهید بلخی را نشنیده باشد:
اگر غم را چو آتش دود بودی
جهان تاریک بودی جاودانه
در این گیتی سراسر گر بگردی
خردمندی نیابی شادمانه
چرا؟ واقعاً چرا خردمند نباید شادمان باشد؟ آیاخردمندی لاجرم به ناشادی می‌انجامد؟ یعنی هر جا آدم شادمانی دیدیم باید از همان ابتدا در خردمندی‌اش تردید کنیم؟ شهید بلخی دانش را هم در تضاد با خواسته (مال، دارایی) می‌داند:
دانش و خواسته‌ست نرگس و گل
که به یک جای نشکفند به هم
هرکه را دانش است خواسته نیست
هرکه را خواسته‌ست دانش کم
شاید اسدی توسی می‌خواسته جواب شهید بلخی را بدهد که گفته:
مدان به ز دانش یکی خواسته
که ناید همی از دهش کاسته
▪️علم بهتر است یا ثروت؟ توضیح بیشتری نیاز ندارد.
▪️در سالهای پایانی دههٔ ۱۳۶۰ مجلهٔ دانشمند ویژه‌نامه‌هایی دربارهٔ موضوعات مختلف منتشر می‌کرد: ریاضیات، فیزیک، شیمی، کامپیوتر و موضوعات دیگر. کاری بود کارستان. معمولاً در صفحهٔ سوم جلد این ویژه‌نامه‌ها (و شاید بعضی شماره‌های عادی) عکسی از یک دانشمند برجسته مرتبط با موضوع آن شماره چاپ می‌شد. در یکی از آنها عکسی از جوانی‌های شرودینگر با شرح زیر چاپ شده بود: «حتی دانشمندان بزرگ هم روزی جوان و زیبا بوده‌اند»! (^)
بسیار خوب، ولی آخر چرا «حتی»؟! یعنی دانشمند بودن قاعدتاً با جوان بودن و زیبا بودن تضاد دارد و حالا استثنایی بر این قاعده پیدا شده؟ یعنی دانشمند حتماً باید بی‌ریخت و ژولیده و زشت باشد؟
▪️آخرین مثال هم بیتی از یک مثنوی بی‌نظیر از سایه است در شرح دلدادگی پسری به دختری (ظاهراً همکلاسی‌اش):
دختر دانش‌طلب مکتبی
وین همه رعنایی و شیرین‌لبی؟
در اینجا هم گویی شاعر دانش‌طلب بودن و مکتبی بودن را با رعنایی و شیرین‌لبی قابل‌جمع نمی‌بیند. (^^)
▫️برگردیم به شعر شهید بلخی. به‌نظرم هیچ دلیلی ندارد که خردمندی و شادمانی جمع‌نشدنی باشند. اگر هم قرار باشد به حرف حکیمی استناد کنم، گفتهٔ فردوسی که خرد را رهنمای و دلگشای می‌خواند بیشتر به دلم می‌نشیند. وانگهی، حتی اگر فرض کنیم شهید بلخی درست گفته باشد، لزوماً نمی‌توان از آن نتیجه گرفت که هرکه شادمان نباشد حتماً خردمند است. عبوس و بداخلاق بودن یا تظاهر به افسردگی و گریانی نشانهٔ هرچه باشد، نشانهٔ خردمندی نیست.
امیدوارم سال پیش‌رو سال خردمندی‌های شادمانه و شادی‌های خردمندانه باشد.
🌺نوروز ۱۴۰۳ مبارک.🌺
ــــــــــــــــــــــــــــــــــــــــــــــ
پی‌نوشت‌ها:
^ ممکن است در جزئیات اشتباه کرده باشم. متأسفانه آن شماره از مجله را پیدا نکردم. ای‌کاش کسی از خوانندگان گرامی آن شماره را داشته باشد و عکس را برایم بفرستد.
^^ فقط محض احتیاط یادآوری کنم که مکتبی در اینجا به‌معنای اهل مکتب و درس و تحصیل است.
@k1samani_channel
🔷 زمان چیست؟
پرسش تازه‌ای نیست. قرن‌هاست که در فلسفه، ریاضیات، فیزیک، هنر، زیست‌شناسی، علوم انسانی و حتی در فرهنگ عامه چیستی و ماهیت زمان بستر گفت‌وگوها، خیال‌پردازی‌ها و آفرینش‌های فراوانی بوده است.
استیون استروگاتز استاد ریاضیات دانشگاه کورنل در آخرین قسمت از پادکست The Joy of Why این پرسش را با فرانک ویلچک استاد دانشگاه ام‌آی‌تی و برندهٔ جایزهٔ نوبل فیزیک در سال ۲۰۰۴ مطرح کرده است. The Joy of Why پادکستی متعلق به مجلهٔ کوانتاست که در آن استیون استروگاتز و جانا لِوین پرسش‌هایی بنیادی در حوزه‌های مختلف علم را با پژوهشگران و دانشمندان برجسته در میان می‌گذارند و دربارهٔ مفاهیم دقیق و پیچیدهٔ علمی به زبانی ساده و غیرفنی گفت‌وگو می‌کنند.
فرانک ویلچک در این قسمت از پادکست دربارهٔ زمان صحبت می‌کند. درک شهودی از زمان، نقش آن در فرمول‌بندی ریاضی توصیف ما از جهان، پیکان زمان (یا آن‌گونه که ویلچک می‌گوید پیکان‌های زمان)، تعریف اینشتین از زمان، کاربرد نسبیت خاص و عام در سامانهٔ موقعیت‌یابی جهانی (GPS)، نقش اختراع ساعت در تحول درک ما از طبیعت و برخی مباحث پیچیده‌تر مانند مادهٔ تاریک و فیزیک اکسیون‌ها برخی از مطالبی است که در این پادکست به آنها پرداخته شده است.
زبان گفت‌وگو ساده اما دقیق است و حتی برای متخصص‌ها هم می‌تواند به اندازه‌ٔ کافی شنیدنی باشد.
@k1samani_channel
🔷 اصفهان برفی
چیزی که احتمالش کم باشد، فقط احتمالش کم است؛ غیرممکن نیست.
@k1samani_channel
🔷️ مینیمالیسم
مطربان رفتند و صوفی در سماع
عشق را آغاز هست، انجام نیست
مصرع اول: یک داستان کامل، فقط در شش کلمه،
مصرع دوم: تحلیل داستان، باز هم فقط در شش کلمه.
@k1samani_channel
🔷 وفاق
در نظریهٔ بازی امتیازی که هر بازیکن در یک بازی کسب می‌کند نه‌تنها به استراتژی خودش بلکه به استراتژی دیگر بازیکنان هم بستگی دارد.
مجموعهای از استراتژی‌ها که بازیکنان حاضر در یک بازی انتخاب می‌کنند یک حالت¹ از بازی نامیده می‌شود. طبیعی است که برای هر بازیکن مطلوب‌ترین حالت حالتی است که خودش بیشترین امتیاز را کسب کند. اما یک بازیکن به‌تنهایی حالت بازی را تعیین نمی‌کند؛ او فقط می‌تواند استراتژی خودش را تعیین کند.
در نظریهٔ بازی دو حالت وجود دارد که اهمیت ویژه‌ای دارند. یکی از آنها تعادل نش² نامیده می‌شود. حالت تعادل نش به مجموعهای از استراتژی‌ها گفته می‌شود که در آن هیچ بازیکنی نتواند به‌تنهایی (یعنی فقط با تغییر استراتژی خودش و با فرض عدم تغییر استراتژی بازیکنان دیگر) امتیازش را افزایش دهد. اگر همهٔ بازیکن‌ها صرفاً بر مبنای عقلانیت استراتژی‌هایشان را انتخاب کنند، نتیجهٔ بازی یک تعادل نش خواهد بود.
اما حالت مهم دیگری هم وجود دارد که بهینهٔ پارِتو³ نامیده می‌شود. بهینهٔ پارِتو حالتی است که در آن نتوان با هیچ‌‌نوع تغییر استراتژی‌‌ای به حالت دیگری رسید که اولاً امتیاز هیچ بازیکنی کاهش نیابد و ثانیاً امتیاز دست‌کم یک بازیکن افزایش یابد. حالتی که در آن سود جمعی، یعنی مجموع امتیازهای همهٔ بازیکنان، بیشینه شده‌است بهینهٔ پارِتو است.
بازی‌هایی وجود دارند که در آنها تعادل نش و بهینهٔ پارِتو بر هم منطبق اند. ولی در بسیاری از بازی‌ها این دو بر هم منطبق نیستند. معمای زندانی⁴ یکی از این بازی هاست. همین عدم انطباق تعادل نش و بهینهٔ پارِتو است که این بازی‌ها را جذاب می‌کند، زیرا در این بازی‌ها انتخاب‌های عقلانی لزوماً به بیشترین سود نمی‌انجامد.
رسیدن به بهینهٔ پارِتو نیازمند نوعی اعتماد یا وفاق میان بازیکنان است. اگر همهٔ بازیکن‌ها به این وفاق پای‌بند باشند، آن‌وقت استراتژی‌هایی را انتخاب می‌کنند که به بهینهٔ پارِتو بینجامد و سود جمعی بیشینه شود. اما در این حالت ممکن است یکی از بازیکن‌ها از اعتماد دیگران سوءاستفاده کند و با تغییر استراتژی‌اش سود خود را افزایش دهد و موجب شود که امتیاز طرف یا طرف‌های مقابل به‌شدت کاهش یابد (حتی کمتر از حالت تعادل نش).
به‌طور خلاصه، حالت بهینهٔ پارِتو (یا همان وفاق) می‌تواند منجر به سود جمعی بیشتر شود. اما مشارکت در رسیدن به چنین حالتی ریسک بالایی دارد، زیرا به‌شدت ناپایدار است و بقای آن نیازمند حداقلی از اعتماد میان بازیکنان است. جرزنی و تغییر استراتژی یکی از بازیکنان به‌سرعت بازی را از حالت بهینهٔ پارِتو خارج می‌کند.
در بازی‌های تکرار‌شونده، پیشینهٔ بازیکنان می‌تواند مبنایی برای اعتماد یا عدم اعتماد باشد. وقتی با کسانی بازی می‌کنید که قبلاً بارها نشان داده‌اند منافع شخصی را به منافع جمعی ترجیح می‌دهند، رسیدن به بهینهٔ پارِتو آرزویی دست‌نیافتنی است.
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
1. state
2. Nash Equilibrium
3. Pareto Optimal
4. Prisoner's Dilemma
@k1samani_channel
🔷 عکس‌نوشت، زبان علم
این عکسی از نخستین کنفرانس سولوی¹ است (۲ نوامبر ۱۹۱۱ میلادی/۱۰ آبان ۱۲۹۰ خورشیدی). مجموعهٔ کنفرانس‌های سولوی نقش مهمی در شکل‌گیری فیزیک قرن بیستم، به‌ویژه مکانیک کوانتمی، داشتند. مشهورترین کنفرانس سولوی، پنجمین آن‌هاست که در سال ۱۹۲۷ برگزار شد و عکس به‌جامانده از آن نیز یکی از مشهورترین عکس‌های تاریخ علم است، اما من همین عکس بالا از اولین کنفرانس سولوی را بیشتر دوست دارم.
هانری پوانکاره و ماری کوری، بی‌توجه به عکاس، نشسته‌اند و سر در کاغذهایشان فرو برده‌اند. چه‌قدر این عکس زیباست و چه‌قدر حرف دارد! فکرش را بکنید؛ مرد ریاضی‌دانی از فرانسه و زن فیزیکدان تجربی‌کاری از لهستان، ۱۱۳ سال پیش، در کنفرانسی در بروکسل شرکت کرده‌اند و در جایی که همه برای عکس ژست گرفته‌اند همچنان مشغول بحث علمی اند. این کاری است که از علم بر‌می‌آید؛ زبان مشترکی که به انسان‌ها، از هر کجا و با هر زبان و مرامی، امکان درک مشترک از جهان هستی می‌دهد. اگر بر روی این نقطهٔ آبی کمرنگ چیزی دربارهٔ آدمی ارزش ستایش داشته باشد همین توانایی تبادل اندیشه است، فارغ از نژاد و جنسیت و مذهب.
1. Solvay Conference
@k1samani_channel
🔷 حدس بزن
مسابقه‌ای به شکل زیر بین تعداد زیادی شرکت‌کننده برگزار می‌شود:
هر شرکت‌کننده باید از میان اعداد صفر تا ۱۰۰ یکی را انتخاب کند. برنده کسی است که عددش به دوسوم میان‌گین اعداد انتخاب‌شده نزدیک‌تر باشد. این قواعد پیش از آغاز مسابقه به اطلاع همهٔ شرکت‌کنندگان می‌رسد.
اگر شما یکی از شرکت‌کننده‌ها باشید چه عددی را انتخاب می‌کنید؟
همهٔ ما هرروزه ناگزیریم انتخاب کنیم. بیایید فرض کنیم واقعاً خودمان انتخاب می‌کنیم و در انتخاب‌هایمان هم آزادی کامل داریم. حتی در این‌صورت هم نتیجه‌ای که به‌دست می‌آوریم فقط حاصل انتخاب خودمان نیست. نتیجه‌ای که به‌دست می‌آوریم حاصل انتخاب ما و انتخاب دیگران است. همین گزارهٔ ساده هستهٔ اصلی نظریهٔ بازی¹ را تشکیل می‌دهد. برای انتخاب بهترین راهبرد (استراتژی)، یعنی راهبردی که بیشترین امتیاز را برایمان بیاورد، باید بتوانیم برآورد درستی از انتخاب‌های دیگران هم داشته باشیم. طبیعتاً دیگران هم همین کار را می‌کنند. این برآوردها بر چه اساسی صورت می‌گیرد؟ در نظریهٔ بازی فرض می‌شود که همهٔ شرکت‌کنندگان رفتار عقلانی دارند. در‌ضمن همه می‌دانند که همه رفتار عقلانی دارند و همه می‌دانند که همه می‌دانند که همه رفتار عقلانی دارند و ... .
حالا با این فرض‌ها نگاهی به مسئلهٔ بالا می‌اندازیم. در گام اول اگر فرض کنیم که هر شرکت‌کننده یکی از اعداد صفر تا ۱۰۰ را به‌تصادف انتخاب کند، میان‌گین اعداد چیزی در حدود ۵۰ خواهد شد. پس برای برنده‌شدن بهترین انتخاب ۳۳ است. اما دیگران هم می‌توانند همین فرض را بکنند و آن‌وقت همه ۳۳ را انتخاب خواهند کرد. به‌این‌ترتیب میان‌گین اعداد انتخاب‌شده ۳۳ می‌شود و بنابراین برای برنده شدن باید ۲۲ را انتخاب کرد! خب، دیگران هم لابد همین فکرها را می‌کنند. اگر به‌همین ترتیب ادامه دهیم نهایتاً به این نتیجه می‌رسیم که عقلانی‌ترین انتخاب صفر است! در نظریهٔ بازی به این وضعیت تعادل نش² گفته می‌شود.
آیا در عمل هم همین اتفاق می‌افتد؟ نه! رفتار انسان‌ها، در عمل، صرفاً تابع منطق نیست؛ احساسات، وضعیت روحی-روانی و بسیاری عوامل غیرعقلانی دیگر هم در رفتار انسان‌ها تأثیر دارد. این همان چیزی است که به آن عقلانیت محدود³ می‌گویند.
برگردیم به مسابقه. قدمت این مسئله بیش از ۴۰ سال است و مطالعات زیادی روی آن انجام شده است. مثلاً در یکی از این مطالعات نشان داده می‌شود که افراد به‌طور معمول در دنبالهٔ استدلالی فوق برای پیش‌بینی رفتار دیگران یک تا دو مرحله بیشتر پیش نمی‌روند [1]. ریچارد تیلر (برندهٔ جایزهٔ نوبل اقتصاد سال ۲۰۱۷) در سال ۱۹۹۷ از مجلهٔ فایننشیال تایمز خواست چنین مسابقه‌ای را بین خوانندگانش برگزار کند [2]. جایزه‌ای معادل ۱۰۰۰۰ دلار هم برایش تعیین شد. نتیجه چه بود؟ هرچند تعدادی صفر و یک بین اعداد انتخاب‌شده وجود داشت ولی بیشترین بسامد را عدد ۳۳ داشت و بعد از آن ۲۲. میان‌گین اعداد هم ۱۸٫۹۱ بود که دوسوم آن می‌شود ۱۲٫۶. پس کسی که ۱۳ را انتخاب کرده بود برنده بود؛ نتیجه‌ای که با مطالعات مرجع [1] هم سازگاری داشت.
▪️برای انتخاب بهترین راهبرد باید بتوانیم پیش‌بینی یا برآورد خوبی از رفتار دیگران داشته باشیم. این تقریباً همه‌جا صادق است، چه در تعاملات اجتماعی، چه در فعالیت‌های اقتصادی و چه در روابط میان کشورها.
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
1. Game Theory
2. Nash Equilibrium
3. Bounded Rationality
پ. ن.: مسئلهٔ مسابقهٔ حدس عدد را ابتدا در کتاب «هنر پیش‌بینی» نوشتهٔ فیلیپ تتلاک و دن گاردنر دیدم. این کتاب را انتشارات دنیای اقتصاد با ترجمهٔ محمدحسن جعفری سهامیه منتشر کرده است.
مراجع:
[1] Nagel R., 'Unraveling in Guessing Games: An Experimental Study', The American Economic Review, 85, 1313-1326 (1995).
[2] Thaler R. H., 'From Homo Economicus to Homo Sapiens', Journal of Economic Perspectives, 14, 133-141 (2000).
@k1samani_channel
🔷 نافرمانی و خلاقیت
این روزها که بحث دربارهٔ رایانه‌های کوانتمی و هوش مصنوعی داغ است، خوب است گاهی اوقات حرف‌‌های پیشگامان این حوزه‌ها را هم بشنویم یا بخوانیم. دیوید دویچ، فیزیک‌پیشه و استاد دانشگاه آکسفورد، یکی از این افراد است. او از پیشگامان محاسبات کوانتمی و از طرفداران تفسیر چند‌جهانی مکانیک کوانتمی است¹.
دویچ در گفت‌وگویی دربارهٔ محاسبات کوانتمی و هوش مصنوعی [1]، هوش مصنوعی (AI²) را کاملاً در تضاد با هوش مصنوعی عام (AGI³)توصیف می‌کند، به این معنی که AI موجودی برنامه‌ریزی‌شده است و بر پایهٔ «فرمان‌برداری⁴» کار می‌کند، درحالی‌که هوش مصنوعی عام (یعنی موجودی که رفتاری مشابه انسان داشته باشد) علی‌الاصول باید «نافرمان⁵» باشد زیرا «انسان موجودی اساساً نافرمان است، به‌ویژه وقتی پای خلاقیت در میان باشد». اشاره به ارتباط میان نافرمانی و خلاقیت در نوع خودش جالب است.
1. Many-world interpretation of Quantum Mechanics
2. Artificial Intelligence
3. Artificial General Intelligence
4. obedience
5. disobedient
[1] https://youtu.be/J8en0igZZmc
@k1samani_channel
🔷 جرئت دانستن داشته باش!
جرئت دانستن داشته باش!¹ این جمله به هوراس² شاعر رومی نسبت داده می‌شود ولی شهرت‌اش را مدیون مقاله‌ای است که کانت در سال ۱۷۸۴ نوشت و در آن این جمله را شعار روشنگری (روشن‌نگری) دانست. مقالهٔ کانت با این جملات آغاز می‌شود:
روشن‌نگری خروج آدمی‌ست از نابالغیِ به‌تقصیرِخویشتن خود. و نابالغی ناتوانی در بهکارگیری فهم خویشتن است بدون هدایت دیگری.
به‌تقصیرِخویشتن است این نابالغی، وقتی‌که علت آن نه کمبود فهم بلکه کمبود اراده و دلیری در به‌کارگرفتن آن باشد بدون هدایت دیگری. «دلیر باش در بهکارگیری فهم خویش!» این است شعار روشن‌نگری [۱].
🔷 یک معما از نظریهٔ احتمال
در ریاضیات مسئله‌هایی هست که صورتشان بسیار ساده ولی حلشان بسیار دشوار است، مثل قضیهٔ آخر فرما¹ و حتی بعضی‌شان هنوز حل نشده‌اند، مثل حدس گلدباخ².
گاهی اوقات هم به مسئله‌هایی برمی‌خوریم که هم صورتشان نسبتاً ساده است و هم حلشان، ولی تعداد کسانی که موفق به حل آنها می‌شوند زیاد نیست. در نظریهٔ احتمال از این‌جور مسئله‌ها زیاد پیدا می‌شود. نظریهٔ احتمال از آن حوزه‌هایی است که کمتر شهودی است و خیلی‌وقت‌ها عقل متعارف را به چالش می‌کشد. در چند تا از فرسته‌های قبلی همین کانال به این موضوع و نمونه‌هایی از آن پرداخته‌ام. اگر دوست داشتید می‌توانید فرسته‌های شمارهٔ ۱۴، ۲۶، ۴۱، ۵۷، ۶۶ و ۱۱۴ را از فهرست پیدا کنید و ببینید.
مسئلهٔ زیر هم یکی از همین‌هاست. اگر نتوانستید حلش کنید ناامید نشوید. در منبعی که این مسئله را پیدا کردم گفته‌شده‌بود که کمتر از ۱۰ درصد از جواب‌های رسیده درست بوده‌است [1]. حداقل فایدهٔ کلنجار رفتن با مسائل آمار و احتمال این است که به تقویت مهارت‌های تفکر نقادانه کمک می‌کند.
آلیس و باب سکه‌ای را ۱۰۰ بار پرتاب می‌کنند. هر بار که دو شیر پشت‌سرهم بیاید (HH) آلیس یک امتیاز می‌گیرد و هر بار که یک خط بعد از یک شیر بیاید (HT) باب یک امتیاز می‌گیرد. مثلاً در دنبالهٔ THHHT آلیس ۲ امتیاز و باب ۱ امتیاز می‌گیرد. احتمال برد کدام‌یک بیشتر است؟ آلیس یا باب؟
🔷 چهار درس طلایی
استیون واینبرگ فیزیک‌پیشهٔ برجستهٔ قرن بیستم سه سال پیش در یکی از همین روزهای گرم تابستان درگذشت و میراث بزرگی از آموزش، پژوهش، فرهنگ و عمومی‌سازی علم بر جای گذاشت. متن پیوست ترجمهٔ جستاری است که بر اساس سخنرانی واینبرگ در مراسم دانش‌آموختگی دانشگاه مک‌گیل در سال ۲۰۰۳ تهیه شده است و شامل چهار توصیه به دانشجویانی است که می‌خواهند به کارهای پژوهشی بپردازند.
خلاصهٔ یک‌خطی توصیه‌ها:
۱. هیچ‌کس همه چیز را نمی‌داند، شما هم قرار نیست بدانید.
۲. اگر آن‌قدر شنا بلدید که غرق نشوید به استقبال آب‌های خروشان بروید. از تلاطم نترسید. چیزهای هیجان‌انگیز در همین‌‌جورجاها پیدا می‌شوند.
۳. خودتان را به‌خاطر اتلاف وقت سرزنش نکنید. هیچ‌کس همیشه خلاق نیست. تولد ایدههای خلاقانه نیاز به زمان دارد.
۴. از یادگیری تاریخ علم غافل نشوید.
فایل پی‌دی‌اف مقالهٔ اصلی را هم می‌توانید از اینجا بردارید:
/channel/DeranXiv/35
@k1samani_channel
🔷 احتمال
... یک بار در یک سخنرانی عمومی، داشت سعی می‌کرد بگوید که چرا نباید برای تأیید یک نظر از همان دادههایی استفاده کرد که منجر به خود آن نظر شده‌است. در حالی که ظاهراً داشت از مطلب دور می‌افتاد، حرف را به پلاک نمرهٔ ماشین‌‌ها کشاند: «می‌دانید، امشب چیز خیلی عجیبی برایم اتفاق افتاد. وقتی داشتم می‌آمدم اینجا برای سخنرانی، از در محوطهٔ پارکینگ وارد شدم. باور نمی‌کنید اگر بگویم چه اتفاقی افتاد. ماشینی دیدم که پلاکش ARW357 بود. تصورش را بکنید، از میان میلیون‌ها پلاکی که در این ایالت هست، چقدر احتمال داشته که من امشب درست همین پلاک بخصوص را ببینم؟ واقعاً که حیرت‌انگیز است!» [۱].فاینمن معلم بی‌نظیری بود. در این مثال علاوه بر نکتهٔ اصلی مورد نظرش (این که چرا نباید برای تأیید یک نظر از همان دادههایی استفاده کرد که منجر به خود آن نظر شده‌است)، این را هم به مخاطب یادآوری می‌کند که هر روز هزاران اتفاق برای هر کسی رخ می‌دهد که احتمال رخ دادن هر کدامشان خیلی خیلی کم است. برای همهٔ آنها نباید در پی علت بود.
🔷 واژگان ارتباطات علم
علم یک فرایند جمعی است. ارتباطات علم هم فرایندی جمعی است. توسعه، پیشرفت و اثربخشی هر فرایند جمعی در گرو تعامل، همکاری و گفت‌وگو میان اعضایی است که هر یک به‌نوعی در آن مشارکت دارند. گفت‌وگو نیاز به واژه دارد؛ واژه‌هایی که گفت‌وگو‌کنندگان بر سر معنای آنها به توافق رسیده باشند. توافق بر سر واژگان در هر حوزهٔ تخصصی، مثلاً فیزیک یا ریاضی، سادهتر از حوزه‌های عمومی است، زیرا تعداد کاربران واژه‌های تخصصی کمتر است و تعریف دقیق معنای واژه سادهتر است. در چنین مواردی حتی ممکن است معنای تخصصی یک واژه با برداشت عام از آن واژه متفاوت باشد ولی این تفاوت اشکالی در کاربرد تخصصی آن ایجاد نمی‌کند. مثلاً معنایی که کلمهٔ «نیرو» در فیزیک دارد با معنای آن در ترکیب «وزارت نیرو» متفاوت است ولی این تفاوت مشکلی برای یک دانشجوی فیزیک که دارد کتاب مکانیک تحلیلی می‌خواند ایجاد نمی‌کند.
ارتباطات علم از این نظر متفاوت است، زیرا اصولاً (بخشی از) هدف آن ایجاد ارتباط میان متخصصان و غیرمتخصصان است. با تأسف باید گفت در این حوزه نه‌تنها توافقی بر سر بیشتر واژگانی که به‌کار می‌رود وجود ندارد بلکه حتی درک یکسانی هم از معنای واژه‌ها وجود ندارد. این البته فقط به وجود معادل‌های فارسی مناسب برای واژه‌های انگلیسی مربوط نمی‌شود. در مواردی حتی واژه‌های انگلیسی هم در معنای درستشان به‌کار نمی‌روند (مثلاً کافی است نگاهی به کاربردهای misinformation و disinformation و معادل‌های فارسی متنوع این دو واژه بیندازید).
ارتباطات علم ماهیتاً میان‌رشته‌ای است و به همین دلیل توافق بر سر واژگان آن هم نیاز به همکاری حوزه‌های مختلف علم دارد. شاید همکاری انجمن‌های علمی فراگیر مانند فیزیک، ریاضی و شیمی بتواند در این زمینه راه‌گشا باشد. مثلاً می‌توان بستری مجازی مانند یک وبسایت به‌همین منظور ایجاد کرد و کوشید تا به‌تدریج مرجعی برای کاربران به‌ویژه رسانه‌های همگانی و پرمخاطب شود. در این کار هم باید به انتخاب معادل‌های فارسی مناسب توجه کرد و هم به درک درست معنای واژه‌های فرنگی. به‌عنوان نمونه‌ای از یک بستر مجازی خوش‌ساخت شامل تعریف و شرح واژه‌ها همراه با ارجاع‌های مفید نگاهی به این وبسایت بیندازید:
https://scicommlexicon.com
شاید یک نقطهٔ شروع خوب پیدا کردن جایگزینی برای «ارتباطات علم» باشد. این ترکیب اگرچه معادل مناسبی برای science communication به نظر می‌رسد ولی امکانی برای ترجمهٔ هماهنگ ترکیب‌هایی مانند science communicator و communicating science که به‌وفور در متون انگلیسی‌زبان به‌کار می‌روند فراهم نمی‌کند.
@k1samani_channel
🔷 انحصار و انزوا
▪️بریده‌ای از کتابِ
دریای ایمان
دان کیوپیت،
ترجمهٔ حسن کامشاد،
(طرح نو، ۱۳۷۶).
میان دعوی حقانیت کامل و انحصاریِ یک مذهب و گرایش آن به تفکیک و محبوس ساختن پیروان خود در دنیایی سربه‌مُهر، پیوند آشکاری وجود دارد. این دو جنبه‌ٔ دین همواره مؤید یکدیگرند. ایمان پرشور دینی معمولاً انسان را در خرده‌فرهنگی متشکل از افراد هم‌فکر به بند می‌اندازد. در محدودهٔ این جهانْ حقانیت ایمان‌‌‌ها بدیهی و بی‌چون‌وچرا می‌نماید، و چنان واضح و هویدا که اساساً به‌ندرت حرفش پیش می‌آید.
این‌گونه رضا و قبول ضمنیْ محیطی نیرومند و متمایز پدید می‌آورد و بیگانگان اهل شک و پرسش‌های ناراحت‌کنندهٔ آنها را از صحنه خارج می‌کند. و هرچه بیشتر بر این گمان باشیم که حقیقت ما حقیقت کامل و دنیای ما دنیای کامل است، کمتر از دنیای بیرون از دنیای خودمان آگاه می‌شویم.
... جامعهٔ نوین ناگزیر به ما می‌فهماند که در امر دین، در فلسفهٔ حیات، در اخلاقیات و عرفیات نه صرفاً یک حقیقت، که حقایق متعدد وجود دارد. راه ما یگانه نیست؛ راه‌های بسیارِ دیگر نیز هست.
(ص ۲۰۰ و ۲۰۱)
@k1samani_channel
🔷 Daniel Kahneman (1934-2024)
دانیل کانمن از آن انسان‌هایی بود که با بودنشان جهان جای بهتری می‌شود و وقتی می‌روند جای خالیشان پر نمی‌شود. در دورهٔ فرصت مطالعاتی‌ام هر روز باید زمان درازی را در مترو و اتوبوس سپری می‌کردم. کتاب بی‌نظیر کانمن، فکر کردن، سریع و آهسته، این زمان را که می‌توانست از ملال‌آورترین اوقات روز باشد تبدیل به مفیدترین و لذت‌بخش‌ترین لحظاتم کرد. کتابی فوق‌العاده تأثیرگذار که نگاهم را به دنیای اطراف و رفتار آدم‌ها تغییر داد. تعدادی از پست‌های این کانال تحت تأثیر مستقیم یا غیرمستقیم همین کتاب نوشته شده‌اند، از جمله:
/channel/k1samani_channel/10
/channel/k1samani_channel/21
/channel/k1samani_channel/55
/channel/k1samani_channel/241
یادش گرامی.
@k1samani_channel
🔷 دروغ‌های بزرگ، دروغ‌های کوچک
با گسترش رسانه‌های اجتماعی و شبکه‌های مجازی در سالهای اخیر، انتشار اخبار جعلی و شایعات هم فزونی گرفته است. سرعت انتشار و فراگیری این‌گونه اخبار معمولاً بیشتر از اخبار واقعی است [1] و گاهی در بحران‌ها و رویدادهای بزرگ اجتماعی همچون جنگ‌ها یا بیماری‌های فراگیر نیز نقش تأثیرگذاری در جهت دادن به افکار عمومی ایفا می‌کنند. دربارهٔ نحوهٔ انتشار و میزان تأثیرگذاری اخبار جعلی مطالعات فراوانی انجام شده است.
اخیراً پژوهشگرانی از چند دانشگاه آمریکا این موضوع را از دیدگاه علوم شناختی مورد بررسی قرار داده‌اند [2]. این پژوهش بیشتر به پیامدهای قرار گرفتن در معرض اخبار جعلی می‌پردازد. به‌عبارت دقیق‌تر پرسش اصلی پژوهش این است که قرار گرفتن در معرض اخباری که آشکارا جعلی هستند (دروغ‌های شاخدار) چه تأثیری بر باور کردن خبرهای دیگری که یک فرد دریافت می‌کند می‌گذارد. نویسندگان مقاله می‌گویند نتایج آنها نشان می‌دهد که دروغ‌های شاخدار یا حتی خبرهایی که لزوماً نادرست نیستند ولی به‌شدت باورناپذیرند یک اثر منفی مهم دارند: موجب می‌شوند مردم خبرهای جعلی معمولی را راحت‌تر بپذیرند.
یکی از نویسندگان مقاله نتیجهٔ یک‌خطی این پژوهش را چنین بیان می‌کند:
دروغ‌های بزرگ موجب می‌شوند دروغ‌های کوچک قانع‌کننده‌تر به‌نظر برسند [3].
یکی از صدمات اصلی خبرهای جعلی تکه‌پاره کردن جامعه است که در نتیجهٔ آن زندگی افراد به حباب‌هایی از واقعیت که گرد خود ساخته‌اند محدود می‌شود و این دقیقاً همان چیزی است که بازیگران شرور عرصهٔ سیاست به‌دنبال آن هستند [3].
🔷 نمی‌دانم؛ باور کن!
چطور می‌توانید ثابت کنید که چیزی را نمی‌دانید؟
این پرسشی بود که در یک پست لینکدین جلب توجه می‌کرد [1]. در همین پست ارجاعی به پاسخ یک فیزیکدان به این پرسش هم بود [2]. در این پاسخ سعی شده بود با استفاده از مفاهیم مکانیک کوانتمی ایده‌ای برای اثبات این که چیزی را نمی‌دانید ارائه شود. اگرچه پاسخ ارائه‌شده مربوط به یک حالت بسیار خاص است و چندان هم روشن نیست ولی اصل ایده، یعنی استفاده از مکانیک کوانتمی برای پاسخ به چنین پرسشی، به‌اندازه‌ٔ کافی جذاب است.
واقعاً چطور می‌توانید ثابت کنید که چیزی را نمی‌دانید؟ این که بگویید نمی‌دانم کافی نیست. از کجا معلوم که راست بگویید یا قصد پنهان‌کاری نداشته باشید؟
البته این «نمی‌دانم» همیشه یک معنا ندارد یا دست‌کم اثر یکسانی روی شنونده نمی‌گذارد. مثلاً به گزاره‌‌های زیر توجه کنید:
۱. من نمی‌دانم دو ضربدر دو می‌شود چهار یا نه.
۲. من نمی‌دانم که آیا هر عدد زوج بزرگ‌تر از ۲ را می‌توان به‌صورت حاصل‌جمع دو عدد اول نوشت یا نه.¹
۳. من نمی‌دانم رئیس‌جمهور بعدی ایران چه کسی خواهد بود.
در گزارهٔ اول به احتمال زیاد گوینده راست نمی‌گوید و در گزارهٔ سوم به احتمال زیاد راست می‌گوید. گزارهٔ دوم شاید نیاز به بررسی بیشتری داشته باشد.
کمی که بیشتر فکر کنید می‌بینید که نه‌تنها اثبات ندانستن، که اثبات دانستن هم چندان ساده نیست. مثلاً اگر کسی به شما بگوید من می‌دانم که دو ضربدر دو می‌شود چهار، از کجا می‌توانید مطمئن شوید که راست می‌گوید؟ به‌عبارت‌دیگر از کجا می‌توانید مطمئن شوید که واقعاً «می‌داند» که دو ضربدر دو می‌شود چهار؟ شاید این گزاره را همان لحظه از کسی شنیده و به شما تحویل داده باشد.
یک مثال دیگر: فرض کنید امروز ریاضی‌دان الف به ریاضی‌دان ب بگوید: من می‌دانم که اگر n یک عدد طبیعی بزرگ‌تر از ۲ باشد، هیچ سه‌تایی (x, y, z) از عددهای طبیعی وجود ندارد به‌طوری‌که: xⁿ+yⁿ=zⁿ (قضیهٔ آخر فرما). احتمالاً پاسخ ریاضی‌دان ب چیزی شبیه این خواهد بود: خب که چی؟! من هم این را می‌دانم. اما اگر زمان مکالمه پیش از سال ۱۹۹۴ بود، احتمالاً ریاضی‌دان ب پاسخ می‌داد: واقعاً؟! ثابت کن!²
سؤال این است که وقتی ریاضی‌دان الف می‌گوید من می‌دانم که قضیهٔ آخر فرما درست است منظورش چیست؟ آیا واقعاً «می‌داند» یا صرفاً به‌اتکای منابعی که آنها را معتبر می‌داند درستی قضیه را می‌پذیرد؟
انگار کم‌کم داریم می‌رسیم به یک سؤال بنیادی‌تر: اصلاً معنی دانستن چیست؟ کسی که تجربهٔ تصحیح برگه‌های امتحانی را داشته باشد می‌داند که گاهی درست بودن پاسخ یک سؤال در برگه‌ٔ امتحان ربطی به بلد بودن (دانستن) پاسخ ندارد. گاهی کسی که فکر می‌کند چیزی را می‌داند فقط خیال می‌کند که می‌داند و درواقع نمی‌داند که نمی‌داند ولی شاید بتواند گزاره‌هایی سرهم کند که شما قانع شوید که می‌داند.
به یک نکتهٔ دیگر هم باید توجه کرد. این که شما مخاطبتان را قانع کنید که چیزی را می‌دانید یا نمی‌دانید با اثبات یک قضیهٔ ریاضی تفاوت دارد. یک قضیهٔ ریاضی که اثبات می‌شود، هر ریاضی‌دانی می‌تواند مراحل اثبات را بررسی کند و در نهایت درستی آن را بپذیرد. اما این که مخاطب شما بپذیرد که شما چیزی را می‌دانید یا نمی‌دانید، بیش از آن که نیاز به اثبات داشته باشد نیاز به نوعی توافق میان شما و مخاطب دارد. برای همین ممکن است یک مخاطب مجموعهٔ دلایل و شواهد شما را در تأیید دانستن یا ندانستن یک چیز قانع‌کننده بیابد ولی یک مخاطب دیگر استدلال شما را نپذیرد.
به نظر می‌رسد این که کسی بپذیرد که شما چیزی را می‌دانید نیازمند این است که دست‌کم در یک مرحله از فرایند پذیرش به یک چیزی (مثلاً حرف شما یا مراجع شما یا صداقت شما) بدون دلیل اعتماد کند. خب، اگر اثبات دانستن نهایتاً به اعتماد وابسته است، چرا اثبات ندانستن به اعتماد متکی نباشد؟ آیا کافی نیست که وقتی کسی می‌گوید نمی‌دانم، به‌سادگی حرفش را باور کنیم؟ واقعیت این است که قضیه پیچیده‌تر از این حرف‌هاست.
ــــــــــــــــــــــــــــــــــــــــــــــــــ
پی‌نوشت‌ها:
1. این که هر عدد زوج بزرگ‌تر از ۲ را می‌توان به‌شکل حاصل‌جمع دو عدد اول نوشت به اسم حدس گلدباخ شناخته می‌شود. هنوز اثبات نشده است.
2. اندرو وایلز ریاضی‌دان و استاد دانشگاه آکسفورد در سال ۱۹۹۴ قضیهٔ آخر فرما را اثبات کرد.
* این یادداشت همزمان در وبسایت سیتپور (sitpor.org) هم منتشر شده است.
@k1samani_channel
ــــــــــــــــــــــــــــــــــــــــــــــــــ
مراجع:
[1] https://www.linkedin.com/posts/narges-samani_can-you-prove-you-do-not-know-something-activity-7165386347749203968-mQqa
[2] https://qmeanings.physik.uni-potsdam.de/index.php/2024/01/11/can-you-prove-you-do-not-know-something/
🔷 هوش مصنوعی و اثبات قضیههای ریاضی
رشد و توسعهٔ نوآوریها و فناوری‌های مبتنی بر هوش مصنوعی شتاب وحشتناکی پیدا کرده است. بعضی از این نوآوریها با چنان سرعتی کاربردهای عام پیدا می‌کنند که فراموش می‌کنیم هنوز بیش از یکی‌دو سال از عمرشان نگذشته؛ انگار که همیشه بوده‌اند.
البته پژوهش‌هایی در حوزه‌هایی خاص هم در جریان است که اگرچه شاید توجه گسترده‌ای را به خود جلب نکنند ولی اهمیتشان به‌هیچ‌وجه کم نیست.
اخیرا مقاله‌ای در مجلهٔ نیچر منتشر شده که در آن ابزاری مبتنی بر هوش مصنوعی برای حل مسائل و اثبات قضیههای هندسه معرفی شده است. بخشی از دشواری این کار به چالش‌های ترجمهٔ روش‌های انسانی به زبان و قالب قابل استفاده در ماشین برمی‌گردد. این چالش‌ها در هندسه به‌دلیل زبان خاص، استفاده از تصاویر و تنوع ابزارهای حل بیشتر است. همهٔ این‌ها موجب می‌شود که دادههای واقعی قابل استفاده برای آموزش به ماشین به‌سختی فراهم شود.
در این مقاله ابزاری به‌نام AlphaGeometry معرفی شده است که قادر است قضیههای هندسهٔ مسطح اقلیدسی را اثبات کند و راه‌حل‌ها را به زبان قابل خواندن برای انسان تولید کند. در آزمونی از ۳۰ مسئله در حد مسائل المپیاد جهانی ریاضیات AlphaGeometry توانست ۲۵ مسئله را به‌درستی حل کند. این یعنی عملکردی در حد مدال طلای المپیاد.
به‌قول یکی از دوستان به‌زودی آن‌قدر اتفاقات شگفت‌انگیز در یک روز خواهیم دید که فقط نبود اتفاقات شگفت‌زده‌مان خواهد کرد.
فایل پی‌دی‌اف مقاله را می‌توانید از اینجا بردارید.
@k1samani_channel