رفتن به نوشته‌ها

برچسب: باراباشی

منابع مفید و جالب برای سیستم‌های پیچیده

توی این ویدیو به منابع خوبی که به سیستم‌های پیچیده مربوط هستن اشاره می‌کنم.

سایت‌هایی که اشاره شد:
🔗 complexity.sitpor.org
🔗 twitter.com/abbas_k_rizi
🔗 complexityexplorer.org
🔗 complexity-explorables.org
🔗 ccl.northwestern.edu/netlogo

یک سری مطلب فارسی خوب هم اینجا وجود داره:
🔗 facultymembers.sbu.ac.ir/jafari/farsi/topics

در اینستاگرام ببینید

نگاهی به کتاب «فرمول: قوانین عمومی موفقیت» نوشته باراباشی

آلبرت لازلو باراباشی، یک دانشمند شبکه معروفه که اخیرا پروژه‌ای به اسم «علم موفقیت» در دپارتمان «علم شبکه» دانشگاه نورث‌ایسترن شروع کرده. منظور از علم موفقیت، بررسی افراد، شرکت‌ها، کسب‌وکارها و … به صورت کمی برای رسیدن به تحلیل‌های داده‌محور از موفقیت اون‌هاست. خلاصه که کارشون استفاده از روش علمی برای مطالعه میزان موفقیت افراد یا شرکت‌ها در موضوعات مختلفه. باراباشی تجربیات پژوهشی پروژه علم موفقیت رو در کتاب عامه‌پسندی به اسم «The Formula: The Universal Laws of Success» منتشر کرده. این نوشته کوتاه، نظر من در مورد این کتابه.

اطلاعات بیشتر در formula.barabasi.com

با تیزر تبلیغاتی خود باراباشی شروع کنیم:

کتاب در مورد چیه؟

این کتاب بر اساس مجموعه‌ای از پژوهش‌های گروه باراباشی در مورد موفقیته و ابتدای کتاب هم موفقیت رو به عنوان یک امر اجتماعی در نظر می‌گیره. همین‌طور که از فهرست کتاب مشخصه، در ادامه باراباشی سراغ ۵ قانون کلی در مورد موفقیت میره که هر کدومشون مستند بر تعداد زیادی پژوهشه که میشه بهشون رجوع کرد. توی این کتاب در مورد موفقیت افراد در ورزش، علم، هنر و … صحبت میشه. این کتاب توسط نشر نوین ترجمه شده.

این کتاب چه چیزی نیست؟!

«فرمول» باراباشی نه قرار است کتاب انگیزشی باشد و نه قرار است به شما امید الکی بدهد! کتاب باراباشی یک گزارش داده‌محور علمی است!

تصویری از فهرست کتاب
تصویری از فهرست کتاب

تفاوت عمده این کتاب با عمده کتاب‌هایی که در مورد موفقیت تا حالا نوشته شده اینه که این کتاب یک گزارش داده‌محور هست! منظورم اینه که شما ممکنه زندگی‌نامه افراد موفق مثل استیوز جابز یا محمد علی‌ کلی رو بخونید و چون اون‌ها آدمای موفقی هستند دچار این خطا بشین که پس من هم اگر کارهایی که جابز کرد رو بکنم حتما یک مدیر موفق در دنیای استارتاپ‌ها میشم یا اگه مثل کلی تمرین کنم حتما تبدیل میشم به قهرمان بوکس دنیا. از طرف دیگه کتاب‌هایی که در مورد موفقیت نوشته میشن معمولا بر اساس نمونه‌های خاص از افراد یا شرکت‌های موفق هستند. اغلب این کتاب‌ها به نمونه‌هایی اشاره می‌کنند که مستقل از کم (ناکافی) بودن تعدادشون برای یک بررسی آماری، هیچ گزارشی هم از افرادی که موفق نشدند تاحالا ارائه نمی‌کنند. به عنوان مثال، ممکنه در کتابی بعد از یک بحث کوتاه و اشاره به چند شرکت موفق این ایده تجویز بشه که فلان استراتژی شما رو به پیروزی می‌رسونه بدون این‌که بررسی بشه که این استراتژی تا حالا چند شرکت دیگه رو به خاک سیاه نشونده (نگاه کنید به سوگیری بازماندگی)! هر ادعایی که در این کتاب شده بر اساس مجموعه‌ای از پژوهش‌های منتشر شده در مجلاتیه که به عنوان مجلات علمی شناخته‌شده‌ن و از فرآیند داوری همتا (peer review) عبور کردن! به همین خاطر به این نتایج میشه تکیه کرد!

علی بندری در پادکست بی‌پلاس، خلاصه این کتاب رو خیلی شنیدنی تعریف کرده:

این کتاب برای چه کسانی مناسبه؟!

اگر دنبال کتابی می‌گردین که آدرنالین خونتون رو بالا ببره یا بهتون هیجان بده، قطعا کتاب خوبی نیست! این کتاب شرح مجموعه‌ای از پژوهش‌های علمیه که برای مردم به زبان قابل فهم منتشر شده. این کتاب یک کتاب انگیزشی نیست!

  • اگه دنبال این هستید که با واقعیت‌ها کنار بیاین و دنیا رو همون شکلی که کار می‌کنه بپذیرید قطعا کتاب خوبیه.
  • اگر حالتون از کتاب‌های زرد دنیای موفقیت بهم می‌خوره چون می‌فهمید که می‌خوان سرتون کلاه بذارن تا با فروش این کتاب‌ها خودشون پول‌دار بشن، این کتاب رو بخونید!
  • اگر فکر می‌کنید که شانس وجود نداره یا اینکه زندگی کلا شانسی هست، این کتاب بهتون کمک می‌کنه که دید درستی از مفهوم شانس داشته باشین.
  • اگر یک دانشجو هستید و براتون مهمه که آینده کار حرفه‌ایتون به چه چیزهایی بستگی داره، حتما این کتاب رو بخونید.
  • اگر اصحاب هنر و رسانه هستید، اگر دنبال راه‌اندازی یک کسب‌وکار نوپا هستید قطعا این کتاب ایده‌های خوبی بهتون میده.
  • اگر مشاور، معلم با مدیر مدرسه هستید و قصد پاک کردن ذهن بچه‌های مردم از باورهای غلطی که از طریق نسل‌های گذشته، همکارهای خودتون و شبکه‌های اجتماعی بهشون رسیده رو دارید، این کتاب فوق‌العاده‌ایه!

پس کتاب رو تقریبا به همه پیشنهاد می‌کنید؟!

بله! به نظر من کتاب «فرمول: قوانین عمومی موفقیت» نوشته باراباشی کتابیه که خوندنش دست‌کم برای یک‌ بار پیشنهاد بدی نیست! ویدیو تدتاک باراباشی رو ببینید:

و حرف آخر برای سیستم‌پیچیده‌ای‌ها!

شکی نیست که کتاب حاوی اطلاعات ارزشمندی هست که خوبه حتما عموم جامعه اونا رو بدونند. برای همین اگر این کتاب به فارسی ترجمه بشه، من حتما نسخه‌های زیادی از این کتاب رو به دوستان و اعضای خونواده‌م هدیه خواهم داد. همین‌طور به دانشجوهای تازه وارد به دانشگاه یا گروهمون.

اما اگر شما با ادبیات علم شبکه آشنا باشید، بهتون توصیه می‌کنم که به جای دنبال کردن این کتاب، مراجعی که کتاب بهش اشاره می‌کنه رو مطالعه کنید. این کار چندتا خوبی داره؛ اول این‌که در وقتتون صرفه‌جویی میشه و دوم این‌که با این دست از پژوهش‌ها آشنا می‌شید. این کار تمرین خوبیه که ببینید چه‌طور میشه «موفقیت به عنوان یک مفهوم اجتماعی» رو کمّی کرد و با عدد و رقم و نمودار در موردش حرف زد. از طرف دیگه این کتاب جوری نوشته شده که خودش گواهی باشه بر ادعاهایی که درش هست! وقتی کتابی یک مدل علمی برای موفقیت میده باید تا جایی که قوانین موفقیت اجازه میدن، موفق بشه! به همین‌ خاطر روایتگری کتاب به شکلیه که یک‌سری یافته علمی نهایتا تبدیل به یک کتاب‌ عامه‌پسند بشه که با برچسب «پرفروش‌ترین کتاب سال» در موردش بشه تبلیغ کرد! کسایی که باراباشی رو میشناسن منظور منو به‌خوبی درک می‌کنند 😉

خلاصه قبل از هر حرف اضافه بیشتری می‌تونید این ویدیو رو ببینید و اطلاعات خوبی از این کتاب پیدا کنید:

آیا فیزیک می‌تواند شبکه‌های اجتماعی مانند فیس‌بوک را تحلیل کند؟!

در همایش پیوند در تابستان گذشته در مورد این حرف زدم که چگونه ایده‌های برگرفته شده از فیزیک می‌تونن درک بهتری از شبکه‌های اجتماعی مثل فیس‌بوک به ما بدن. ویدیو این ارائه رو به همراه اسلایدها و فایل صوتی رو اینجا می‌ذاریم. ما بقیه ارائه‌ها رو هم در قسمت «سخنرانی‌ها، دوره‌های آموزشی و کلاس درس» می‌تونید پیدا کنید!

ویدیو:

یادگیری «سیستم‌های پیچیده» رو از کجا و چه‌طور آغاز کنیم؟!

خیلی وقته که از من پرسیده میشه که اگر بخوایم یادگیری سیستم‌های پیچیده رو شروع کنیم باید چیکار کنیم؟! آیا میشه بیرون از دانشگاه این کار رو انجام داد؟ یا اگر من رشته‌م مثلا کیهان‌شناسی، آمار یا ریاضی هست برام مقدوره که یادبگیرم؟ خب جواب اینه: چرا که نه! اما اینکه یک راه خیلی خاص وجود داشته باشه، راستش وجود نداره. در حقیقت آدم‌های مختلفی به این سوال طی سال‌های گذشته جواب‌های متنوعی دادن؛ مثلا  مارک نیومن یک‌بار در مورد موضوعات مطرح و منابع موجود در Complex Systems: A Survey نوشته. با این حال سعی می‌کنم طرحی برای شروع یادگیری سیستم‌های پیچیده در ادامه ترسیم کنم. از هرگونه نظر، انتقاد یا پیشنهاد از صمیم قلب استقبال می‌کنم، به‌ویژه از طرف متخصصان. راستی  قبل‌تر نوشته‌ای با عنوان «چگونه یک‌ فیزیک‌دان نظری خوب شویم؟» از خِراردوس توفت، نوبلیست، ترجمه کرده بودم.

اخیرا کتابی منتشر شده به اسم «مقدمه‌ای بر نظریه سیستم‌های پیچیده» که کتاب بسیار خوبی برای شروع سیستم‌های پیچیده به‌طور حرفه‌ایه!

کتاب مقدمه‌ای بر نظریه سیستم‌های پیچیده

پیش‌فرض این نوشته اینه که خواننده به حساب دیفرانسیل و انتگرال، معادلات دیفرانسیل و فیزیک پایه مسلط هست و علاقه شدیدی به ورود به حوزه بین‌رشته‌ای داره! اصلی‌ترین پیش‌نیاز برای یادگیری سیستم‌های پیچیده شهامت و حوصله کافی برای ورود به دنیایی تازه و هیجان‌انگیزه! اگر به دنبال کتابی هستین که حس کلی از «سیستم‌های پیچیده» به شما بده نگاه کنید به کتاب «سیری در نظریه پیچیدگی» نوشته ملانی میچل با ترجمه رضا امیر رحیمی.  همین‌طور کورس مقدماتی در Complexity Explorer وجود داره برای این که یک آشنایی کلی از سیستم‌های پیچیده پیدا کنید.

لیستی که در ادامه اومده، بسته به هر موضوع، از ابتدایی به پیشرفته مرتب شده و تقریبا سعی کردم ترتیب معنی‌داری برقرار کنم. به این معنی که شما می‌تونید به‌ترتیب موضوعات مطرح شده یادگیری اون‌ها رو شروع کنید و بسته به زمانی که دارین توی هر کدوم عمیق و عمیق‌تر بشین!

۱) جبر خطی و ماتریس‌ها

برای شروع نیاز به مفاهیم‌ و تکنیک‌های جبرخطی دارین. باید بتونید با ماتریس‌ها خوب کار کنید.

  1. کورس جبر خطی Vector and Matrix Algebra by Anthony D. Rhodes
  2. ویدیوهای Essence of linear algebra
  3. کورس و کتاب جبرخطی Gilbert Strang

این کتاب با نگاهی جدید به مکانیک کلاسیک، به موضوعات مورد نیاز برای سیستم‌های پیچیده می‌پردازد.

۲) مکانیک کلاسیک

بخش زیادی از سیستم‌های پیچیده توسط فیزیک‌دانان توسعه داده شده، پس باید با ادبیات ابتدایی فیزیک آشنا بشید!

  1. کورس مکانیک کلاسیک لنرد ساسکیند
  2. کتاب Introduction to Modern Dynamics – Chaos, Networks, Space and Time – David D. Nolte

۳) آمار، احتمال و فرایندهای تصادفی

ایده‌های اصلی آمار و احتمال رو باید بدونید. یعنی هرکسی که در دنیای امروز زندگی می‌‌کنه باید بدونه!

  1. کتاب An Introduction to Random Vibrations, Spectral & Wavelet Analysis by D. E. Newland
  2. کتاب Probability Theory: The Logic of Science by E. T. Jaynes
  3. جزوه فرایندهای تصادفی دکتر کریمی‌پور

۴) فرکتال‌ها و مفاهیم مقیاسی

  1. مقدمه‌ای بر هندسه فرکتالی: ویدیو
  2. کتاب Scale: The Universal Laws of Growth, Innovation, Sustainability, and the Pace of Life in Organisms, Cities, Economies, and Companies by Geoffrey West
  3. کورس Fractals and Scaling by David Feldman
  4. این ویدیو رو ببینید:

۵) فیزیک آماری و پدیده‌های بحرانی

مکانیک آماری رو خیلی خوب باید بدونید! از ایده‌های ابتدایی تا مباحث پیشرفته. مدل آیزینگ رو خیلی جدی بگیرین!

  1. کورس مکانیک آماری لنرد ساسکیند
  2. کورس و کتاب فیزیک آماری ذرات، مهران کاردر
  3. کتاب Statistical Mechanics Entropy, Order Parameters, and Complexity by James P. Sethna
  4. کورس کوتاه  Introduction to Renormalization by Simon DeDeo
  5. کتاب Lectures On Phase Transitions And The Renormalization Group by Nigel Goldenfeld
  6. کتاب David Tong: Lectures on Kinetic Theory

    کتاب دینامیک غیرخطی و آشوب استیون استروگتز به همراه ویدیوهای کلاس درسش یکی از بهترین منابع یادگیری دینامیک غیرخطی است.

۶) دینامیک غیرخطی و آشوب

  1. کورس Introduction to Dynamical Systems and Chaos by David Feldman
  2. کورس و کتاب Nonlinear Dynamics and Chaos by Steven H. Strogatz
  3. کورس Nonlinear Dynamics: Mathematical and Computational Approaches by Liz Bradley

۷) شبکه‌ها (علم شبکه)

  1. ویدیو «ظهور علم شبکه»
  2. مقاله مروری The shortest path to complex networks by S. N. Dorogovtsev and J. F. F. Mendes
  3. این ۴ ویدیو رو ببینند.
  4. کتاب علم شبکه باراباشی
  5. کتاب Networks: An Introduction by Mark Newman
  6. این ویدیو رو ببینید:

۸) روش‌ها و تکنیک‌های محاسباتی و شبیه‌سازی

  1. کورس پایتون برای همه
  2. کورس پایتون برای پژوهش
  3. کتاب Monte Carlo Simulation in Statistical Physics: An Introduction by Kurt Binder, Dieter W. Heermann
  4. کتاب Complex Network Analysis in Python by Dmitry Zinoviev
  5. کورس Introduction to Agent-Based Modeling by William Rand

۹)  نظریه اطلاعات و محاسبه

Self-contained, precise. Numerous examples and exercises make it a valuable teaching book
Builds a bridge between physics of glasses and computer science problems

  1. کورس Introduction to Computation Theory by Josh Grochow
  2. مقاله مروری A Mini-Introduction To Information Theory by Edward Witten
  3. کتاب Information, Physics, and Computation by Marc Mézard and Andrea Montanari

۱۰) نظریه بازی‌‌ها

  1. کورس Game Theory I – Static Games by Justin Grana
  2. کورس Game Theory II- Dynamic Games by Justin Grana
  3. کتاب Strategy: An Introduction to Game Theory by Joel Watson

۱۱) یادگیری ماشین

  1. کورس Matrix Methods in Data Analysis, Signal Processing, and Machine Learning – Gilbert Strang
  2. کورس Fundamentals of Machine Learning by Brendan Tracey and Artemy Kolchinsky
  3. مقاله مروری A high-bias, low-variance introduction to Machine Learning for physicists
  4. ویدیو Bayesian Inference by Peter Green

به طور کلی، دوره‌های آموزشی Complexity Explorer رو دنبال کنید. موسسه سن‌تافه (سانتافه!)  یک کورس مقدماتی روی پیچیدگی داره. همین‌طور پیشنهاد می‌کنم عضو کانال Complex Systems Studies در تلگرام بشین. فراموش نکنید که اینترنت پره از منابع خوب برای یادگیری ولی چیزی که کمه، همت! در آخر دیدن این ویدیو رو با زیرنویس فارسی پیشنهاد می‌کنم:

ریچارد فاینمن؛ چهره‌ترین چهره!

اگر از دنبال‌کنندگان سیتپور هستین لابد با فاینمن تا حالا آشنا شدین. ریچارد فاینمن بدون اغراق یکی از بزرگترین فیزیک‌دانان قرن ۲۰ام و یکی از تاثیرگذارترین فیزیک‌دانان کل تاریخه. پیش‌تر از این، در مورد فاینمن نوشته بودم (۱) (۲) (۳) (۴) (۵). طی این چند روز، دوستان ویدیویی از یکی از مصاحبه‌های فاینمن رو برام فرستادن که ازش می‌پرسن آیا هرکسی می‌تونه فاینمن بشه؟ و فاینمن با خونسردی خاصی می‌گه آره! متن مصاحبه از این قراره:

شما از من می‌پرسی که آیا یه آدم معمولی با سخت درس خوندن می‌تونه چیزهایی که من تصور می‌کنم رو تصور کنه؟ البته! من یه آدم معمولی بودم که سخت درس خوندم. هیچ آدم افسانه‌ای وجود نداره! داستان از این قراره که این جور آدما به این جور چیزا علاقمند میشن و همه چیزای مربوط به اون رو یاد می‌گیرن. اونا هم آدم هستن! توانایی خارق‌العاده‌ای برای درک مکانیک کوانتومی یا تصور  امواج الکترومغناطیس به دست نمیاد مگه از راه تمرین و مطالعه و یادگیری و ریاضیات! پس، اگه شما یه آدم معمولی رو در نظر بگیرین که وقت بسیار زیادی رو وقف مطالعه و فکر کردن و ریاضیات و این جور چیزا می‌کنه. اون موقع اون شخص خب یه دانشمند میشه!

احتمالا هر کسی که قدری فیزیک یا ریاضی خونده باشه، با دیدن این ویدیو کمی جا می‌خوره. واقعا مگه میشه مثل فاینمن شد؟ من نمی‌دونم، ولی خود فاینمن میگه میشه ولی ساسکایند میگه نمیشه!

نابغه‌ها دو دسته هستن. دسته اول، اونایی که اگه مدتی وقت بذاری متوجه کارشون می‌شی و با اینکه کارشون  قابل تقدیره، ولی این حس رو پیدا می‌کنی که اگر کس دیگه‌ای هم وقت کافی صرف اون موضوع کرده بود، می‌تونسته اون نتایج رو به دست بیاره. اما دسته دوم، نابغه‌هایی هستن که وقتی آدم کارشون رو دنبال می‌کنه و ایده‌های بکری که به کار بردن رو متوجه میشه، همه‌ش از خودش می‌پرسه، مگه میشه!؟ آخه چه‌طور به ذهنش رسیده این چیزا! چه‌طور یه نفر تونسته توی این سن و سال این مسیر عجیب و غریب رو دیده باشه! آقای کاتس (Mark Kac) توی مقدمه کتاب Enigmas of Chance گفته که فاینمن از اون دسته‌ای هست که حتی دانشمندان تراز اول هم بهش غبطه می‌خورن! آدم‌هایی که نبوغشون جادوییه! با این وجود، این چیزی نیست که فاینمن در مصاحبه گفته! فاینمن معتقده که هر کسی که تلاش کنه می‌تونه فاینمن بشه! راستش گروه باراباشی سال گذشته نشون دادن که موفقیت در مسیر علمی به شانس هم بستگی داره و صدالبته اینکه وقتی شما شانس بیشتری پیدا می‌کنی که همیشه در حال تلاش باشی و پرکار و پویا! به‌هرحال ما نمی‌تونیم انکار کنیم که کار زیاد و خون جگر خوردن بی‌ثمر می‌مونه، همین‌طور که نمی‌تونیم عظمت جناب فاینمن رو انکار کنیم!

چه کسی محبوبه؟ نابغه‌ترین؟!

چیزی که برای من جالبه اینه که چرا بین همه فیزیکدانان رده بالای قرن ۲۰ام، چهره‌هایی مثل آینشتین، فاینمن و هاوکینگ تبدیل به ابرچهره شدند؟! چهر‌ه‌هایی که نه تنها جامعه فیزیک‌دان‌ها اونا رو ستایش می‌کنه بلکه مردم هم اونا رو می‌شناسن، بهشون احترام می‌ذارن و بهشون به عنوان قهرمان/الگو/اسطوره نگاه می‌کنند! راستی، برای اینکه دانشمندی تبدیل به چهره‌ای مردمی بشه فقط به نبوغ سرشار نیاز داره؟

جواب این سوال منفیه! یقینا در قرن گذشته بزرگانی وجود داشتن که از فاینمن یا هاوکینگ بزرگتر بوده باشن. بزرگانی که حتی دانشجوهای لیسانس فیزیک هم ممکنه با شنیدن اسمشون احساس آشنایی پیدا نکنن! مثلا همین جناب شویینگر که به همراه فاینمن در سال ۱۹۶۵ نوبل QED رو گرفته یا عالی‌مقام دیراک! سوال اینجاست که چرا این فاینمنه که ورد زبان‌هاست و نه جان ویلر (استاد فاینمن)؟! بدون تردید جان ویلر قله‌ای استوار در فیزیک به حساب میاد. (شاید از کم‌ترین دستاورهای جان ویلر این باشه که دو تا از دانشجوهاش نوبلیست شدن: فاینمن در سال ۱۹۶۵ و کیپ ثرون در ۲۰۱۷.) یا مثلا اکثر مردم آینشتین رو به عنوان نمادی از نبوغ میشناسن ولی با ماکس پلانک یا هنری پوانکاره عزیز هیچ آشنایی ندارن چه برسه به کسانی مثل چاندراسخار یا لینوس پاولینگ! یا مثلا آقای بیل‌ گیتس، فاینمن را به خوبی می‌شناسه ولی لابد اسمی از دیوید بهم هیچ موقع نشنیده! پس ماجرا چیه؟!

فاینمن در حال گفتگو با TA خود پس از کلاس درس. April 29, 1963. حق نشر متعلق به کلتک: feynmanlectures.caltech.edu

 

فاینمن، روایتگر بزرگ علم!

چیزی که فاینمن رو تبدیل به یک نماد و ابرچهره کرده فقط نبوغ سرشار و بی‌نظیرش نیست. به قول فریمن دایسون، برای اینکه یک دانشمند بتونه تبدیل به یک ابرچهره یا نماد برای مردم بشه، علاوه بر نبوغ زیاد، باید توانایی ارتباط با مردم رو داشته باشه. باید بتونه با مردم حرف بزنه و به زبون خودشون بهشون اتفاقات دنیای علم رو توضیح بده. مردم به امثال آینشتین یا فاینمن با روی خوش نگاه می‌کنند چون مثل خودشون هستن! فاینمن یک بذله‌گو تمام عیار بود، یک دلقک حتی! مردم کسایی که خشک و عصا قورت داده هستن رو دوست ندارن! فاینمن همون‌قدر که دانشمند تراز اولی بود، موقع تدریس یک شومن فوق‌العاده هم بود! همون قدر که دقت علمی در گفتگوهاش داشت، همون‌قدر هم در روایتگری ید بیضایی داشت! مردم قصه‌گوها رو دوست دارن و به قصه‌ها گوش می‌دن. به نظر من، فاینمن بزرگترین روایتگر علم در دو قرن گذشته است!

فاینمن، انسان بود، درد رو می‌فهمید!

فاینمن فرد عاقل و خرمندی بود! فاینمن در مورد مسائل زندگی حرف برای گفتن داشت. حرف‌های درست و حسابی! فاینمن زندگی رو می‌شناخت و سختی‌های زیادی رو طی زندگی تحمل کرده بود. اگر کتاب «حتما شوخی می‌کنید آقای فاینمن!» رو خونده باشین، در جریان بیماری Arline همسر فاینمن هستین. فاینمن، علی‌رغم مشغله‌های کاریش به خاطر پروژه منهتن (پروژه ساخت بمب هسته‌ای)، با تمام وجود از همسرش پرستاری کرد و اجازه نداد که آب توی دلش تکون بخوره! فاینمن همسر جوانش رو خیلی زود از دست داد و این داغ هیچ موقع از دل و ذهن فاینمن بیرون نرفت. ما فاینمن رو به عنوان یک معلم بزرگ فیزیک می‌شناسیم. لکچرنوت‌های فاینمن پرآوازه‌ترین کتاب‌هایی هستن که برای یادگیری فیزیک توی بازار میشه پیدا کرد و از صدقه سر این مجموعه فوق‌العاده ما بعد اجتماعی فاینمن رو به خوبی می‌شناسیم. در مورد بعدی فردی فاینمن، چندسال پیش، مجوعه‌ای از نامه‌های فاینمن منشتر شد به اسم «Perfectly Reasonable Deviations: The Letters of Richard P. Feynman» که جلوه‌های جدیدی از زندگی فاینمن رو به ما نشون میده.

فاینمن باتمام وجود از همسرش پرستاری می‌کرد. درست زمانی که مشغول پروژه بمب اتم بود!

پیشنهاد می‌کنم نامه‌ای که فاینمن پس از مرگ همسرش نوشته رو حتما بخونید! فریمن دایسون میگه پشت تمام شادمانی‌های فاینمن، یک تراژدی نشسته بوده و با تمام شور و نشاطی که مردم از فاینمن سراغ دارن، اون خیلی خوب می‌دونسته که زندگی کوتاهه! فاینمن در سال‌های آخر عمرش از دو سرطان نادر رنج می‌برد: لیپوسارکما و بیماری والندشتروم. بعد از یک عمل جراحی کوتاه برای درمان بیماری والندشتروم، فاینمن در ۱۵ فوریه ۱۹۸۸ تو سن ۶۹ سالگی در مرکز پزشکی یو سی ال ای در گذشت. آخرین کلماتش این بود: «از این که دو بار بمیرم متنفرم، خیلی کسل‌کننده است.» 🙁

فاینمن «انسان» بود، درد رو حس کرده بود و برای فرزندان، دانشجوها و حتی همکارانش یک «راهنمای دلسوز» بود. مجموعه نامه‌های منتشر شده فاینمن، گواه دغدغه‌های فاینمن و احساسش نسبت به مردم اطرافشه. فاینمن به عنوان یک نوبلیست، با تمام مشغله‌های آکادمیک به نامه‌های مردم از سراسر جهان با حوصله جواب می‌داده، برای مردم وقت می‌ذاشته و سعی می‌کرده راهنماییشون کنه! راستش، فاینمن عجیب منو یاد این عبارت از اسرارالتوحید ابوسعید ابوالخیر می‌ندازه: «مرد آن بود که در میان خلق بنشیند و برخیزد و بخسبد و بخورد و در میان بازار در میان خلق ستد و داد کند و با خلق بیامیزد و یک لحظه، به دل، از خدای غافل نباشد.»

حواسمون باشه:

  • در انتها به نظرم باید به این نکته اشاره کنم که فراموش نکنیم که ما در علم به دنبال چهره‌ها نیستیم! علم مستقل از عالمه! افراد مهم نیستن، بلکه حرف مردمه که مهمه. درگیر اشخاص نشیم و از دانشمندا بت نسازیم! نظر ساسکیند در مورد فاینمن رو بشنویم، نگاه کنیم که پس از مرگ فاینمن، شووینگر در رثای اون چی گفت! همین‌طور به ماری‌ گل-مان هم گوش کنیم که میگه: «فاینمن بخشی از وقتش رو صرف پرداختن به قصه‌های می‌کرد که خودش قهرمان اون‌ها بود!». نگاه کنید به: Feynman100
  • یه نکته جالب دیگه اینه که مشهور بودن لزوما معنای مثبتی نداره! ارنست آیزینگ معروف‌ترین دانشمند در فیزیک آماری به حساب میاد ولی این به این معنا نیست که بزرگترین فرد در این زمینه هم باشه! راستی زیاد دل‌خوش به اسم قضیه‌ها و قانون‌ها هم نباشیم! بخش زیادی از اکتشافات، قضیه‌ها، روابط و قوانین به اسم کسانی معروف شدن که هیچ ربطی به اون قضیه یا قانون ندارن. به‌هرحال روزگار زیاد مطابق میل و اراده ما هم پیش نمیره!
  • و این توییت:

این نوشته رو تقدیم می‌کنم به علی فرنود به خاطر نوشته‌های فوق‌العاده‌ش.