رفتن به نوشته‌ها

سیتپـــــور مطالب

دنیای این روزهای علم، قسمت ۱: دسترسی باز و بهار دانشگاهی

زمان زیادی از شروع جنبش نرم‌افزار آزاد می‌گذره. مهم‌ترین پیام این جنبش شاید این بوده که آی آدم‌ها در دوران دیجیتال حواستون باشه که آزادی شما نسبت به استفاده از محتوای جدید دچار محدودیت نشه! از دستاوردهای این جنبش شکل‌گیری زیست‌بوم گنو/لینوکس، ویکی‌پدیا (و پروژه‌های خواهرش) و چیزهای این شکلی بود. کسایی که گنو/لینوکس رو یک فرهنگ می‌دونن ایده‌شون اینه که مستقل از ویژگی‌های فنی ابزارها، ویژگی‌های اخلاقی و انسانی دلیل استفاده کردن یا نکردن ما از اون‌ها رو مشخص می‌کنند.

این مسئله به علم هم سرایت کرده. سال‌هاست که به شکل ابلهانه‌ای علم گرفتار مشکل انتشار در مجلات بسیار پرهزینه شده! مجله‌هایی که علم رو از اهل علم به ازای دریافت پول زیادی تحویل می‌گیرن و بعد دوباره در ازای دریافت پول به اهل علم محصول خودشون رو می‌فروشن! اساسا علم یک فرایند اجتماعیه؛ یعنی هر موقع شخصی یافته‌های جدیدی رو منتشر می‌کنه تا زمانی که بقیه همکاران متخصص در اون زمینه اون یافته‌ها رو تایید نکنند (داوری همتا) اون اثر مورد اقبال عمومی قرار نمی‌گیره. برای همین نیازه که ساز و کاری باشه که افراد بتونن یافته‌هاشون رو به اشتراک بذارن تا بقیه نظراتشون در مورد کم و کیف اون کار رو گزارش کنند. اما قرار نبود که یک سری مجله علمی (بخوانید دلال) این وسط پیدا بشن که از این بده بستان علمی امرار معاش کنند. بماند که این وسط، دلال‌هایی مثل الزویر در نهایت گوش به حرف برادر بزرگتر پژوهشگران ایرانی رو هم تحریم کردند.

سال گذشته تصویر خیلی جالبی در توییتر دیدم که به عمق فاجعه در دسترس نبودن مقاله‌های علمی اشاره می‌کرد:

نگاره‌ای که نشان می‌دهد داستان در دسترس‌ نبودن مقالات چه قدر مضحکانه عادی‌انگاری شده است!
این مقاله قدیمی هم‌اکنون در دسترس همگان است:
Hayes, D. The growing inaccessibility of science. Nature 356, 739–740 (1992). https://doi.org/10.1038/356739a0

بهار آکادمیک

خلاصه که وضع موجود اصلا جالب نیست. برای همین مدت‌هاست که اهل دانشگاه به دنبال حل این مشکل هستند. تلاش‌های صورت گرفته رو می‌تونید زیر پرچم «علم باز» دنبال کنید. یکی از راه‌های پیشنهاد شده برای رهایی از شر مجلات پولی و بی‌اخلاق، انتشار در مجلات با «دسترسی باز» هست. اگه مقاله‌ی علمی با دسترسی باز منتشر بشه اون موقع هر شخص بدون نیاز به پرداخت کمترین هزینه می‌تونه اون مقاله رو بخونه. توجه کنید که اگه شما یک دانشجوی ساده ولی علاقه‌مند باشین، بیشتر وقت‌ها نمی‌تونید به صورت قانونی مقاله‌هایی که نیاز دارین رو بخونید. مستحضر هستین که قانون همیشه چیز خوبی نیست!؟ توی علوم پایه مردم معمولا سعی می‌کنن که نسخه نهایی یا پیش‌نویس بسیار شبیه به نسخه نهایی مقاله‌شون رو روی arXiv بذارن. آریکایو برای هر دو طرف ماجرا رایگانه اما باید توجه کنیم که مقالات منتشر شده در آرکایو هنوز از فرایند داوری همتا عبور نکردند. به همین خاطر اگه مقاله‌ای که روی آرکایو منتشر شده دقیقا همون چیزی نباشه که در یک مجله علمی چاپ شده اون موقع اعتماد کردن به اون مقاله سخت میشه. برای اینه که وجود مجلاتی با داوری همتا با دسترسی باز خیلی مهمه.

این روزها آدمای زیادی مشغول پرداختن به این مسئله هستند. اخیرا هم دانشگاه‌های مختلف تلاش کردن با عقد قراردادهای مختلفی کمی از وخامت وضع دسترسی بسته کم کنند. توی توییتر هم می‌تونید ببینید دانشمندهای مختلف چه‌طور علیه این مسئله در حال مبارزه هستن و خودشون رو از فرومایگان جامعه جدا کردن! از میان آدم‌های سرشناس، تیموثی گاورز (برنده جایزه فیلدز در ۱۹۹۸) مدت‌هاست که ناراحتی خودش رو نه تنها آشکارا ابراز کرده بلکه در جهت حل این مشکل زحمت هم کشیده:

  • گاورز در سال ۲۰۱۲ با انتشار پستی در وبلاگش به دلایل مختلفی از جمله حمایت الزویر از قانون توقف سرقت آنلاین، قانون حفاظت از آی‌پی و قانون آثار پژوهشی فراخوانی برای تحریم الزویر داد.
  • نگاه کنید به «هزینه دانش»: اعتراض دانشگاهیان به شیوه های تجاری الزویر
  • سال ۲۰۱۶ گاورز مجله‌ای به اسم «آنالیز گسسته» راه انداخت تا به همه نشون بده که میشه خارج از چارچوب‌های دست و پا گیر سنتی یک مجله با کیفیت ریاضی داشت بدون این که هزینه سنگینی به کسی تحمیل بشه.
  • در سال گذشته هم مجله «Mathematical Research Reports» با تغییرات جدید بر پا شد. گاورز در وبلاگش در مورد این جور مجله‌ها همیشه ازعبارت «با اخلاق و با کیفیت» استفاده می‌کنه.
  • توی این ویدیو گاورز به خوبی در مورد وضع کنونی انتشارات علمی صحبت می‌کنه و میگه چرا سیستمی که برای همه واضحه که بده چرا هنوز داره کار می‌کنه.

مبارزه، مبارزه و مبارزه!

توییت کارلو روولی فیزیک‌دان سرشناس ایتالیایی در حمایت از سای‌هاب.

لیبجن و سای‌هاب دو پروژه مهم برای دور زدن پرداخت هزینه مقالات به کمک پراکسی دانشگاه‌ها هستن که اجازه میدن شما مقالات رو رایگان دانلود کنید. سال‌هاست که انتشارات مختلف (همون دلال‌ها) به دنبال شکایت از سای‌هاب هستند. حساب کاربری سای‌هاب در توییتر بسته شده و اخیرا در کشورهای مختلفی از جمله انگلستان به شدت دنبال محکوم کردن و غیرقانونی جلوه دادن فعالیت‌های سای‌هاب هستن در این حد که پلیس به دانش‌آموزها و دانشجوها هشدار داده از این وب‌سایت استفاده نکنند! طبیعتا واکنش همه آدم‌های شریف این بوده که برین دنبال کارتون بابا! یعنی چی؟! افراد مختلفی در حمایت از سای‌هاب توییت کردن، از جمله کارلو روولی فیزیکدان!

در این ویدیو الکساندرا الباکیان موسس سای‌هاب توضیح میده که چرا همچین سایتی رو ایجاد کرده:

فراموش نکنیم که …

قانون بد، بده! نیازی نیست که ما از قانون بد پیروی کنیم. این که سرمون رو بندازیم پایین و چیزی نگیم و هیچ حمایتی از برطرف شدن قانون بد نکنیم بده. امروز جامعه علمی باید در برابر این چیزها مقاومت کنه. در هفته گذشته، به دنبال حذف شدن پیام من در حمایت از سای‌هاب در کانال تلگرام Complex Systems Studies من همکاری در اداره اون کانال رو متوقف کردم. مسئله مدیریت اون کانال فقط یک اختلاف سلیقه نبود بلکه پا گذاشتن روی آرمان‌هایی بود که همیشه به دنبالشون بودم. یک کانال جدید ساختم به اسم Complexity & Networks که فعالیت‌هامو اونجا ادامه میدم.

طراحی مدادی دون کیشوت
ریچارد استالمن زمان سخنرانی «نرم‌افزار آزاد و آزادی شما»

«قوانین در مورد درست یا غلط بودن چیزی تصمیم‌گیری نمی‌کنند. هر آمریکایی باید بداند که چهل سال پیش در بسیاری از ایالات، نشستن یک سیاه‌پوست در جلوی اتوبوس خلاف قانون تلقی می‌شد؛ اما این فقط نژادپرستان بودند که می‌گفتند این کار غلط است.»

ریچارد استالمن – موسس بنیاد نرم‌افزار آزاد

ولفرم و پروژه فیزیک – قسمت دوم

در قسمت پیشین به تعریف فضا در مدل ولفرم پرداختیم و تکه آخر را که «زمان» باشد به این قسمت سپردیم. پازلی که پس از کامل شدن آن می‌توانیم به مدل‌سازی نسبیت خاص در «فضا-زمان» برسیم.

جالب این جاست که مفهوم «زمان» در مدل ولفرم از دل یک «زیر قالی نکردن» پدیدار می شود. شاید این زیر قالی مأمن امنی برای تمام مسائلی باشد که ترجیح می‌دهیم به آن‌ها فکر نکنیم. زیرا در رسیدن به مقصودمان مانع ایجاد می‌کنند اما این بار توجه ولفرم به یکی از آن‌ها باعث شده است تا مفهوم زمان را از دل آن بیرون بکشد.

«ظهور مسئله» – نقطه‌ای که علم از آن شروع می‌شود

شاید همه‌ی ما در محیط آموزشی خودمان، شبیه‌سازی نرم‌افزاری کرده‌ایم اما در حین این شبیه‌سازی با مساله‌ای مواجه شده‌ایم که آن را دانسته فرض کرده‌ایم و یا خیلی راحت از کنار آن گذشته‌ایم. به گزاره و قانون پیشین یاد شده در قسمت قبل دوباره توجه کنید. قانون تحول سامانه به این شرح است که دو یال را انتخاب و حذف می‌کنیم و یک مجموعه یال جدید جایگزین آن می‌کنیم. اما کدام دو یال؟! در مجموعه حاضر انتخاب‌های زیادی داریم و با انتخاب و تحول آن در مرحله بعد به یک گراف متمایز می‌رسیم. پس کدام دو یال را باید انتخاب کنیم؟

به شکل آشنای زیر دقت کنید در ابتدا با همان شرط اولیه و قانون یاد شده در قسمت پیشین شروع می‌کنیم اما با انتخاب جفت یال متفاوت مسیر تحول ما تغییر می‌کند. درخت زیر نشان می‌دهد که اگر در هر مرحله جفت یال متفاوتی را انتخاب کنیم چگونه گراف حاصل از دیگر مسیرها متفاوت می‌شوند.

شکل۱ – مسیرهای متفاوتی که برای تحول یک گراف می‌توانیم طی کنیم. تمام گراف‌های ردیف نهایی با شرط اولیه و قانون یکسانی به دست آمده‌اند اما تفاوت در انتخاب جفت یال‌هایی است که برای تحول و اعمال قانون انتخاب کرده‌ایم.

در چنین مواردی معمولا از این جزییات چشم پوشی می‌کنیم و بدون اثبات برای خود توجیه می سازیم که در بلند مدت این تفاوت‌ها اهمیت پیدا نمی‌کنند اما چگونه و چرا این فرض را در شبیه‌سازی می‌کنیم. بی‌تردید پاسخ به آن دشوار است و ما تلاش می‌کنیم جزییاتی که نتیجه‌گیری دل‌خواهمان را به خطر می‌اندازند نبینیم!

شاید یکی از دلایل توجه نکردن به جزییات ظریف ما ریشه در «عجله‌‌ برای نتیجه» داشته باشد. در دنیای آکادمیک امروز بسیار نتیجه‌گرا شده‌ایم. زیر بار فشار تمرین و مقاله که در مدت محدود باید تمام شوند؛ خیلی از این جزییات ظریف له می شوند. این بار کسی به این جزییات دقت کرده‌است که سال‌هاست با دنیای آکادمیک صنعتی خداحافظی کرده است. یعنی ولفرم!

سخن نویسنده

«تلاش برای حل مسئله» – ذکاوت پژوهشگر

شکل۲ – روند تحول یک رشته حروف – مربع‌های آبی حالت سامانه را پس از تحول نشان می‌دهند و مربع‌های زرد رنگ نحوه اعمال قانون تعیین شده.

بیایید کمی این مسئله را بسط دهیم. ما یک شرایط اولیه داریم که به کمک یک قانون آن را متحول می‌کنیم. برای سادگی بیایید از تحول یک سامانه باهم حرف بزنیم که از حروف تشکیل شده است. با حالت BBBAA شروع می‌شود و قانون تحول آن به گونه زیر است.

شرط اولیه: BBBAA قانون تحول: $ { BA \rightarrow AB } $

همان طور که می‌بینید مسیرهای متفاوتی را می‌توانیم برای تحول آن بپیماییم. سوال مهم اینجاست که اگر زمان را در مدل خود همگام با گام‌های متحول سازی سامانه در نظر بگیریم دیگر خط زمانی واحدی نخواهیم داشت و در تعریف زمان دچار مشکل می‌شویم. اگر چه تمایل زیادی داریم تا «زمان» را معادل سلسله تحولات درون شبیه‌سازی خود بگیریم اما مشکل بوجود آمده نقد بزرگی به این معادلسازی وارد می‌کند.

اما زیرکی که ولفرم به خرج می‌دهد تا از پس این مشکل برآید ستودنی است. به مربع‌های زرد رنگ درون شکل توجه کنید. این مربع‌ها «رخدادهایی» را توصیف می‌کنند که طی آن حالت سامانه از یک مربع آبی به مربع آبی دیگر تغییر می‌کند. این رخداد‌ها دارای خاصیت ترتیب هستند به این معنی که نوبت هر رخداد تنها زمانی فرا می‌رسد که رخداد قبلی آن اتفاق افتاده باشد. همچنین هر رخداد زمینه ساز رخدادهای بعد خود است. این ترتیب را با نام رابطه «علت و معلولی» می‌شناسیم. حال اگر هر علت را به معلول‌های مستقیم آن متصل کنیم می‌توانیم یک گراف جدید با نام «گراف روابط علّی» بسازیم.

شکل۳ -گراف توصیف کننده روابط علّی – در این گراف رخدادها با مربع زرد رنگ توصیف می‌شوند. هر رخداد که علت رخدادهای بعد از آن است با یال نارنجی رنگ متصل شده است.

حال نشان می‌دهیم که چگونه گراف جدید می‌تواند مشکل بوجود آمده در توافق نداشتن خطوط زمانی بر سر تحول یکپارچه سامانه را حل و از میان بردارد. به شکل بالا مجددا دقت کنید. این درخت ۵ مسیر متفاوت را برای سیر تحول یک سامانه که با حالت مثالی BBBAA شروع می‌شود؛ توصیف می‌کند. اگر هر پنج مسیر را به صورت مجزا دنبال کنید و رخدادهای زرد رنگ و روابط آن را یادداشت کنید به پنج شکل زیر می‌رسید. هر کدام از این اشکال رخدادهای لازم برای تحول در یکی از این پنج مسیر را شرح می‌دهند.

شکل۴ – پنج زیرگراف از «گراف روابط علّی» – هر کدام از این پنج‌تا رخدادهای مشاهده شده بر سر تحول سامانه در یکی از این پنج مسیر را نشان می‌دهند.

اگر به مجموعه پنج‌تایی بالا دقت کنیم؛ متوجه نکته ظریفی می‌شویم. هر پنج گراف جهت‌دار با هم «یکریخت» هستند. اگر چه برچسب‌های هر نقطه‌ی آنها باهم فرق دارد اما هر پنج‌تا یک نقطه دارند که دو یال خروجی و یک یال ورودی دارد که از سرچشمه‌ای نشئت گرفته می‌شود که خود دو یال خروجی داده است. این به این معنی است که اگر چه مسیر‌های متفاوتی را می‌توان برای تحول این سامانه به صورت محاسباتی پیمود اما همه‌ی آنها گراف علّی مشابه دارند.

به عبارت دیگر گراف علّی ما تحت مسیرهای متفاوت تحول «ناوردا» است. در واقع این خاصیت ناوردایی حاصل از نوع قانونی است که ما برای تحول انتخاب کرده ایم. قوانینی که این ناوردایی را در گراف علّی باعث می‌شوند، قوانین «casual invariance» یا «ناوردای عِلّی» می‌دانیم. این نوع از قانون، اختلاف بین تمام مسیرهای ممکن بین تحول گراف را به توافق می‌رساند و ما را در تعریف کردن مفهوم «زمان» یاری می‌کند.

حال که کلیدواژگان #رخداد، #علت‌ومعلول و #ناوردایی را باهم دیدیم. کلیدواژه #نسبیت کم‌کم در ذهن ما به درستی تداعی می‌شود. جایی که دقیقا می‌خواهیم با زبان این مدل محاسباتی وارد آن شویم.

«نسبیت خاص» – یک اتفاق خوش!

بیاید با یک مثال ساده شروع کنیم. فرض کنید مانند قبل قرار است با یک قانون ساده، سامانه خود را متحول کنیم. یک رشته کاملا نامرتب مانند زیر درنظر بگیرید که قرار است آن را مرتب کنیم. قانون تحول آن هم به این گونه $BA \rightarrow AB$ است. این یک رشته کاملا بهم ریخته است به همین دلیل رخدادها در تک‌تک نقاط آن اتفاق می‌افتند. استفاده از این مثال به ما این امکان را می‌دهد تا رخدادها را در تمام نقاط «فضا» ببینیم.

شکل۵ – تحول یک سامانه کاملا بهم ریخته – مربع‌های زرد تحولات سامانه را در هر نقطه نشانه گذاری می‌کنند.

شرط اولیه: BABABABABABABABABABA قانون تحول: $ { BA \rightarrow AB } $

فرض ‌کنید می‌خواهید قصه‌ی تحول این سامانه را برای یک شنونده روایت کنید. تا زمانی که شما ترتیب رخدادها را رعایت کرده باشید؛ بی‌تردید او به قصه‌ی شما گوش خواهد کرد و اعتراض نخواهد کرد . به این معنی که اگر ابتدا یک معلول را روایت کنید و سپس علت آن را؛ او گیج خواهد شد و روابط علّی را گم خواهد کرد.

یک روایت مثالی می‌تواند چنین باشد که از بالای گراف روابط علّی شروع می‌کنیم و به سمت پایین به ترتیب حرکت می‌کنیم. هر تعداد رخداد که می‌توانیم با رعایت ترتیب علت و معلول برای او همزمان بخوانیم را روایت کنیم. در شکل زیر، هر خط قرمز به ما نشان می‌دهد که در هر مرحله کدام رخدادها را برای شنونده بخوانیم.

شکل۶ – یک روایت مثالی – هر خط قرمز نشان می‌دهد که در هر گام زمانی کدام رخدادها را برای شنونده بخوانیم.

حال فرض کنید که شنونده‌ی دیگری داشته باشید که با سرعت ثابت حرکت کند. حرکت او باعث می‌شود تا قصه‌ای را که تعریف می‌کنید متفاوت از شنونده اول بشنود. هر چه رخدادی در فاصله ی دورتری از او باشد با تاخیر بیشتری به دست او خواهد رسید. همین نکته باعث می شود رخدادهایی را که پیش از این شنونده‌ی اول هم‌زمان دریافت می‌کرد، دیگر همزمان دریافت نکند. در واقع خطوط «هم‌زمانی» مشابه شکل تغییر کرده است.

شکل۷ – روایتی که شنونده‌ی دوم دریافت می‌کند

حرکت با سرعت ثابت نسبی است یا ما به دور جهان می‌گردیم یا جهان به دور ما!

در شکل بالا خطوط همزمانی را برای شنونده دوم رسم کردیم. اما شنونده‌ی دوم می‌تواند این طور فکر کند که این جهان است که به زیر پای او کشیده است و خودش ساکن بوده. او خود را شنونده‌ای مانند شنونده‌ی اول فرض می‌کند. پس می‌توانیم از او بخواهیم که برای ما داستانی را که شنیده است برایمان مجددا تعریف کند!

حال بیاید روایت او را از قصه‌ای که شنیده است بازسازی کنیم. برای این کار نیاز به یک تبدیل هندسی داریم. تبدیل هندسی‌ای که تمام فضای موجود در شکل بالا را به گونه‌ای تبدیل کند که خطوط مورب همزمانی شنونده دوم به حالت افقی درآیند. همچنین ترتیب روابط علی در گراف ما حفظ شود. آن تبدیل با دو شرط یاد شده، به صورت یکتا به قرار زیر درمی‌آید:

$ (t, x) \rightarrow (\frac{t – \beta x}{\sqrt{1-\beta^2}}, \frac{x – \beta t}{\sqrt{1-\beta^2}}) $

شکل۸ – روایتی که شنونده دوم از قصه‌ای که روایت شده بازگو می‌کند. – این شکل درواقع با استفاده از تبدیل هندسی شکل پیشین بدست می‌آید.

تبدیل یاد شده را با نام تبدیلات لورنتس می‌شناسیم. این تبدیلات به ما کمک می‌کنند تا دو روایت دو شنونده در حال حرکت را به یکدیگر تبدیل کنیم. همان طور که در شکل ۸ می‌بینیم شنونده‌ی دوم رخدادهای سمت چپ رشته حروف را زودتر از سمت راست می‌شنود. زیرا شنونده در حال حرکت است و خبر رخدادهای سمت راست زمان بیشتری را برای رسیدن به شنونده نیاز دارند.

شکل ۹ – رخدادهایی که شنونده‌ی در حال حرکت از تحول سامانه شنیده است. توجه کنیم که او نیز در حالت نهایی سامانه را مانند شنونده‌ی ساکن می‌بیند.

حال که روایت شنونده‌ی دوم را بازسازی کردیم می‌توانیم گراف علّی بدست آمده در شکل ۸ را روی صفحه‌ی رخدادها بنشانیم و به ترتیب بخوانیم که شنونده‌ی دوم چگونه تحول سامانه را شنیده‌است.شکل ۹

همان طور که می‌بینید اگر چه شنیدن رخدادها کمی دیر و زود شده است اما هر دو شنونده در نهایت یک تغییر را برای رشته خواهند شنید. رشته حروف برای هر دو به حالت …AAABBB… خواهد رسید. این نتیجه می‌تواند با یکی از اصول نسبیت خاص انشتین معادل سازی شود. او در یکی از اصول خود ناوردایی «فیزیک» را در چارچوب‌های ناظرهای مختلف اشاره کرده بود.

همچنین قابل توجه است که می‌توانیم «اتساع زمانی» را توسط این مدل توضیح دهیم. دو رخداد از دو ردیف متوالی از شکل ۷ را در نظر بگیرید. در روایت دوم در شکل ۸ فاصله‌ی دو ردیف کمی کش آماده است. به این معنی که شنونده‌ی دوم فاصله‌ی زمانی بین آن دو رخداد را طولانی‌تر رصد می‌کند.

به این ترتیب به کمک مدل ولفرم توانستیم یکبار دیگر نسبیت خاص ونتایج آن را از نو بدست آوریم. قابل تقدیر است که این مدل در ادامه فراتر می‌رود و حتی به دنیای گرانش و کوانتوم مکانیک نیز پا می‌گذارد. برای مطالعه بیشتر در مورد این مدل می‌توانید به صفحه‌ی پروژه‌ی فیزیک ولفرم پا بگذارید. او یک کتاب الکترونیکی مصوّر را برای شرح تمامی جنبه‌های مدل خود نوشته است.

در پایان با ذکر نکته‌ای کوتاه به این دو قسمت پایان می‌دهم. شاید در حین نوشتن این مقاله بسیار به نام ولفرم اشاره کردم و تصور می‌کنم که ناخودآگاه از او بتی را وصف کرده‌ام. اما باید اینجا اشاره کنم که ولفرم نام یک گروه است و تمام این پژوهش‌ها برآمده از یک تلاش گروهی بوده است کاری که امروزه در محیط دانشگاهی خودمان کمتر به آن پرداخته‌ایم.

گشت و گذاری در علم شبکه

به دعوت بچه‌های انجمن علمی فیزیک دانشگاه تهران در مورد شبکه‌های پیچیده حرف زدم. ویدیو جلسات ضبط شده. در ادامه اسلایدها رو گذاشتم.

قسمت اول: پیچیدگی و تحول انگاره

در این قسمت ابتدا به سراغ انگاره پیچیدگی می‌رویم و پیرامون تحول انگاره در فیزیک در دهه‌های گذشته صحبت می‌کنیم. نشان می‌دهیم که فیزیک آماری در گذار از ریزمقیاس به بزرگ‌مقیاس با چه چالش‌هایی روبه‌رو بوده. سپس به دنبال توجیه رفتارهای جمعی در سیستم‌های فیزیکی و زیستی به اهمیت برهمکنش‌های نابدیهی و شبکه‌های پیچیده می‌رسیم.

قسمت دوم: مقدمه‌ای بر علم شبکه

در ادامه قسمت قبل، به دنبال توجیه رفتارهای جمعی در سیستم‌های فیزیکی و زیستی به اهمیت برهمکنش‌های نابدیهی و شبکه‌های پیچیده می‌رسیم و به ویژگی‌‌های این شبکه‌ها و پدیده‌های دینامیکی روی آن‌ها می‌پردازیم. سرانجام در مورد مدل‌سازی‌های انتشار ویروس کرونا صحبت خواهیم کرد!

اسلایدها

ولفرم و پروژه فیزیک – قسمت اول

در قسمت پیشین گوشه‌ای از خلاقیت‌های ولفرم را باهم مرور کردیم. قصد دارم در این قسمت و قسمت‌های پیش رو کمی در مورد تلاش‌های او در فیزیک بنیادی برایتان بنویسم.

شاید برایتان کمی عجیب بنظر برسد اما برای یک فیزیکدان بنیادی نه مطالعه انسان مهم است نه حتی اجسامی کوچک مانند کره‌ی زمین! برای او تمام این مواد (matter) صرفا یک اختلال کوچک در فضا هستند. خرده کوچک‌هایی که در دامن فضا ریخته شده‌اند. الفبای یک فیزیکدان بنیادی با «بیگ‌بنگ» شروع می‌شود؛ «مِه‌بانگ» (یا همان انفجار بزرگ) که عالم از آن پدید آمد. پیش زمینه و علاقه بی‌چون و چرای فیزیک‌پیشه‌ای چون ولفرم، باعث شده است تا او مدل خود را با مدل اسباب بازی‌گونه نقطه و خط (یا همان گراف) شروع کند. فرض کنید جهان شما در ابتدا با سه نقطه و دو خط آغاز شده است و سپس با یک قانون ساده هر بار یک رأس جدید متولد می‌شود.

توصیف رشد و گسترش یک عالم مثالی به کمک یک قانون ساده

قانون عالم مثالی در تصویر بالا به گونه زیر است.

دو یال خارج شده از یک راس x مانند {x,y} و {x,z} را در گراف پیدا کنید سپس آن دو را حذف کرده و با معرفی یک راس جدید مانند w چهار یال جدید {x,z}، {x, w}، {y, w} و {z, w} را جایگزین کنید.

به این ترتیب گراف ما یک مرحله رشد می‌کند. سپس با به کارگرفتن دوباره و دوباره‌ی این قانون می‌توانیم به گرافی با اندازه‌ی بزرگ‌تر در مراحل بعدی برسیم.

این شکل مراحل یک فضای یک عالم را با اعمال چند باره یک قانون مثالی نشان می‌دهد.

دقت کنیم که گراف خلق شده در بالا نتیجه‌ای است از قانون و شرایط اولیه یاد شده. حال اگر قانون یا شرایط اولیه را عوض کنیم قابل پیش بینی است که نتیجه نهایی گراف متفاوت خواهد شد و شکل دیگری پیدا خواهد کرد. به آلبوم زیر نگاهی بیاندازید این سری خروجی‌هایی هستند که هر کدام با قانون ساده خودشان پس از هزار گام رشد به تصویر کشیده شده‌اند.

آلبوم نتیجه‌ی رشد عالم‌های مثالی متفاوت که با قوانین متفاوتی رشد پیدا کرده‌اند.

هیجان انگیزترین اتفاق آن است که بتوانیم شرایط اولیه و قانون ساده عالم خود را پیدا کنیم تا بتوانیم رشد آن را به طور کامل بازسازی و پیش بینی کنیم. پیدا شدن آن درواقع اتفاقی نزدیک به کشف کردن نظریه‌ای در مورد همه چیز است! اما همان طور که حافظ می‌گوید زلف پریشان یار جمع کردن کار هر مدعی نباشد! پیدا کردن شکل جهان خودمان از میان این آلبوم بسیار دشوار است. زیرا همان طور که می‌بیند هر گراف پس از هزار گام کاملا متفاوت از حالت اولیه خود است و حال آن که می‌دانیم در حدود ۱۰۱۸ ثانیه از شروع عالم ما می‌گذرد. پس تا کنون هندسه فضایی عالم ما بسیار متفاوت از حالت ابتدایی خود شده است.

ولفرم خلاقیت جالبی را برای حل این مسئله به کار می‌گیرد. انتخاب عالم صحیح میان این انبوه بسیار دشوار است اما می‌توانیم بگوییم کدام یک عالم ما نیست! او برای این که انتخاب درستی کند به دو نکته در عالم خودمان اشاره می‌کند و گزینه‌هایی که این دو نکته را ندارند کنار می‌زند. ۱.تعداد «بُعد» عالم ما و ۲. «خمیدگی فضایی» آن.

«بعد»

ابتدایی‌ترین نکته‌ای که در مورد عالم خود می‌دانیم آن است که سه «بعد» فضایی دارد. سه بعدی که قابل تقلیل نیستند. زیرا برای توصیف اکثر پدیده‌های فیزیکی به هر سه بعد نیاز داریم. با دانستن این نکته آلبوم عالم‌ها را ورق می‌زنیم.

اگر چه همه تصاویر آلبوم در سه بعد ترسیم شد‌ه‌اند اما برخی از آنها قابلیت آن را دارند که روی کاغذ چسبانده شوند و به دو بعد تقلیل یابند. پس مطمئنا عالم ما را توصیف نمی‌کنند. اگر با بعد فراکتالی آشنایی داشته باشید می‌دانید که حتی بعد اعشاری هم مانند ۲.۵ بعد موجود است. و آن عوالم هم عالم ما را توصیف نمی‌کنند. بگذارید کمی در مورد اندازه‌گیری بعد برایتان توضیح دهم.

اندازه‌گیری بعد به کمک پیمایش و شمارش نقاط همسایه به فاصله مشخص

فرض کنید شما روی یک کاغذ مشبک زندگی می‌کنید و سر جای خود ایستاده‌اید. از کسی بخواهید در جهت‌های مختلف به فاصله‌ی r از شما دور شود و نقاطی که سر راه می‌بیند را علامت زند. او تنها می‌تواند در حدود πr۲ نقطه را رنگ‌آمیزی کند. این در حالی است که اگر در کره زندگی می‌کردید این تعداد ۴πr۳/۳ می‌بود. پس بسته به این که در چه عالمی با چه بعدی زندگی می‌کنید توان r تغییر می‌کند. جالب است همان طور که گفتیم این توان می‌تواند برای اشکالی عدد اعشاری هم باشد مثل ۲.۵ یعنی نه آن طور است که بتوان روی کاغذ چسباند و نه هر سه بعد برای توصیف آن لازم است.

چنان که گفته شد می‌توانیم با محاسبه بعد هر شکل تکلیف آن را مشخص کنیم که آیا نامزد ما برای مدل عالم هست یا نیست. به این ترتیب یک قدم به ارائه مدلی که عالم ما را توصیف کند نزدیک‌تر می‌شویم.

«خمیدگی فضایی»

یکی از عجایب عالم ما «نور» است که همواره کوتاه‌ترین فاصله بین دو نقطه در فضا را می‌پیماید. اگر یک کاغذ صاف را در نظر بگیرید و از یک نقطه آن نقطه دیگری را با نور هدف بگیرید همواره نور برای شما یک خط راست را پیمایش خواهد کرد. اما به محض اینکه کاغذ را کمی خم و مچاله می‌کنیم نور مسیر خود را تغییر می‌دهد زیرا دیگر کوتاه‌ترین مسیر خط ساده‌ی راست نیست.

پس چنان که گفتیم «خمیدگی» یکی از ویژگی‌های مهم هندسه فضای ماست که باعث می‌شود فیزیکی که از عالم خود می‌شناسیم را متاثر کند. چنان که می‌دانید توصیف این تاثیر را اولین بار انشتین در معادلات نسبیت عام خود مطرح کرد و خم شدن مسیر نور ستارگان را به واسطه حضور خورشید در سر راه آن‌ها به سمت ما، حدس زد. پس باید عالمی را انتخاب کنیم که خمیدگی فضایی آن توصیفی منطبق با فیزیکی که از عالم خود می‌شناسیم داشته باشد. حال چطور «خمیدگی» را برای اشکال خود محاسبه کنیم؟!

بیایید مانند یک فیزیکدان با حالتی ساده شروع کنیم. مثلا شکل خودمان را سطح یک کره بگیریم. مجموعه نقاط به فاصله‌ی مشخص را روی سطح دو بعدی این کره با رنگ قرمز علامت می‌زنیم. اگر این سطح کاملا تخت بود، اندازه‌ی این مجموعه رنگ شده باید برابر همان مساحت نام و آشنای πr۲ بدست می‌آمد اما به واسطه «خمیدگی» موجود در این کره اندازه‌ی آن از πr۲ فاصله گرفته است.

حصار متقارنی را روی سطح کره‌ی خود انتخاب کرده‌ایم و اندازه مجموعه نقاطی را که علامت زده‌ایم محاسبه می‌کنیم.

$$ \pi r^2 [ 1 – \frac{r^2}{12a^2} + \frac{r^4}{360 a^4} ] $$

محاسبه اندازه محدوده‌ی رنگ شده روی سطح کره

به همین ترتیب اندازه‌ی یک مجموعه توپی شکل d بعدی که اعضای آن از شبکه‌ی نقاط عالم گرفته شده است با رابطه زیر متناسب است.

$$ r^d [ 1 – \frac{r^2}{6(d+2)} R + … ] $$

محاسبه اندازه‌ی مجموعه رنگ شده در یک فضای d بعدی

در رابطه اخیر R مشخصه‌ای به نام ریچی (Ricci) است که برآمده از هندسه فضای شکلی است که برای مطالعه به دست گرفته‌ایم. همین کمیت در معادلات اینشتین هم ظاهر می‌شود. اما در آنجا کمیتی است که با توجه به شکل عالمی که در آن زندگی می‌کنیم پدید می‌آید. پس کافی است مجددا آلبوم اشکال متفاوت عالم‌ها را ورق بزنیم و آن‌هایی را نگه داریم که مشخصه ریچی آنها با معادلات نسبیت عام تطابق دارند.

به واسطه‌ی همین خلاقیت‌های کوچکی که ولفرم اتخاذ می‌کند کم‌کم شبیه‌ترین موجود به عالم خودمان را در مجموعه این گراف‌ها پیدا می‌کنیم. پس از پیدا کردن و شناختن آن، کم کم قوانین بنیادی فیزیک را از دل رفتار هندسی آن‌ها استخراج می‌کنیم. تا کنون ولفرم توانسته است معادلات نسبیت خاص و عام را به درستی درآورد.

در قسمت بعد در مورد زمان حرف می‌زنیم. تکه پازل مهمی که با قراردادن آن در کنار «فضا» می‌توانیم مدل ولفرم را از هندسه «فضا-زمان» شرح دهیم و سپس به ارائه مختصری از نسبیت خاص برآمده از این مدل می‌پردازیم.

این قسمت بریده‌ای بود از متن خود استفان ولفرم به این آدرس.

📺 پروژه فیزیک ولفرام

ولفرام ادعا کرده که فیزیک رو حل کرده! اصطلاحا به کمک اتوماتای سلولی نظریه همه چیز رو پیدا کرده! این ویدیو رو ببینید:

چرا تست‌های با حساسیت کمتر می‌تونن گزینه‌های بهتری باشن؟

این روزها خبر میرسه هزینه آزمایش پی سی آر (PCR) اونقدر زیاده که بعضی از افراد مشکوک به کرونا نمیتونن آزمایش بشن یا بودجه سیستم بهداشتی فلان کشور کفاف این‌ همه آزمایش پی‌سی‌آر رو نمیده و به جاش مجبوره مردم رو در قرنطینه بیش از حد طولانی ببره. ولی آیا واقعا نیازه سیستم بهداشتی در تمام موارد از پی‌سی‌آر استفاده کنه؟ یا جایگزین دیگه‌ای هم هست كه با مشكلات كمتر، نتيجه قابل‌قبولی داشته‌باشه؟

اين ویدیو قراره مزایا و معایب تست پی‌سی‌آر و جایگزین اون یعنی تست سریع آنتی‌ژن رو بررسی کنه.

ویدیو توسط Minute Physics ساخته شده و زیرنویس فارسی داره.

لینک های دانلود :

اگر همچنان مشتاق یادگیری بیشتر در مورد این نوع آزمایش هستید، به لینک های زیر سری بزنید:

پرسش و پاسخ‌ درباره ویروس جدید کرونا (کووید-‏‏۱۹)‏

سازمان جهانی بهداشت

سیتپـــــور در سالی که گذشت

سال ۲۰۲۰ برخلاف اسمش برای همه ما سخت، ملال‌آور، همراه با بیم بسیار و امید اندک بود. با همه ناخوشی‌ها، این دوازده ماه نیز گذشت. درست مثل همیشه، امسال هم در بنیاد سیتپـــــور سعی کردیم تا آن‌جا که از دستمان برمی‌آمد در علم روایتگری کنیم. از میان مجموع ۱۴۱ نوشته منتشر شده تاکنون در سیتپـــــور، امسال ۲۸ نوشته در زمینه‌های کرونا، ترویج علم، تاریخ علم، تحصیلات تکمیلی در علم، اپتیک و فوتونیک، نجوم و کیهان‌‌شناسی، آمار، برنامه‌نویسی و علم داده، فیزیک آماری و سیستم‌های پیچیده منتشر شد.

خرسندیم که به نظرات شما همیشه پاسخ داده‌ایم و بسیار ممنونیم از بذل توجه همه شما به سیتپـــــور در این هفت سال. تشکر می‌کنیم از همه نویسندگان خوش‌مرام و همراه با ما. سپاس‌گزاریم از دکتر علی‌رضا وفایی صدر و دکتر امیر‌محمد گمینی به‌خاطر حضور در برنامه اینستاگرامی «پشت پرده نجوم». تشکر ویژه هم از عزیزانی که حامی بوده‌اند.

پرطرفدارترین نوشته‌های امسال

نویسنده‌های سیتپور در ۲۰۲۰

اگر علاقه‌مند به پیوستن به ما هستید، مرام‌نامه ما را بخونید.

سیتپـــــور

به خاطر روایتگری در علم

به یاد آنان که راه را هموار ساختند…

در رویارویی با علم و مسئله ترویج آن

در مورد علم، شبه‌علم، روش و تحول ساختارش، ارتباط‌‌گری و روایتگری در علم زیاد حرف زده شده. با این وجود، خوبه که هر از گاهی با مرور بعضی مثال‌ها، به این موضوعات دوباره فکر کنیم. توی این مسیر همیشه باید توجه کنیم که علم، نه تقدس به همراه میاره و نه قاطعیت! به قول فاینمن، گزاره‌های علمی از جنس این نیستند که چه چیزی درست یا غلطه، بلکه اونا گزاره‌هایی هستند با درجه‌های مختلفی از عدم قطعیت در مورد چیزهایی که می‌دونیم. از طرف دیگه، باید به عنصر آزمایش یا تجربه در «علوم تجربی» هم توجه کنیم. در علم، هر اندازه‌گیری همراه با مقداری خطا گزارش میشه که به ما میگه عدم قطعیت (دقت) موجود در این اندازه‌گیری چقدره و ما تا کجا می‌تونیم مطمئن باشیم از مقدار مشاهده شده. میزان موفقیت یک نظریه علمی هم در دقت پیش‌بینی‌هایی هست که در مورد کمیت‌های مورد نظر ارائه می‌کنه. نظریه‌ای دقیق‌تره که نتایجش نزدیکتر به واقعیت (اندازه‌گیری‌ها) باشه. نظریه الکترودینامیک کوانتومی دقیق‌ترین نظریه فیزیکه چون مقداری که برای «ثابت ساختار ریز» معرفی می‌کنه تا ۸ رقم بعد از ممیز با مقدار اندازه‌گیری شده می‌خونه.

با این وجود، دقیق‌ترین نظریه لزوما بهترین نظریه نیست! مثلا در مسائل گرانشی، نسبیت توصیف دقیق‌تری ارائه می‌کنه، با این حال در زندگی روزمره معمولا ما به این میزان دقت نیاز نداریم؛ یک مهندس شهرسازی هیچ ملاحظه نسبیتی رو نیاز نیست که رعایت کنه! حتی اگه این کارو بکنه، فقط زمان و انرژی بیشتری برای محاسباتی صرف کرده که نتایج بهتری بهش تحویل نمیدن! اما مثلا در توصیف مدار عُطارِد دیگه این جوری نیست. نظریه نسبیت به طور چشم‌گیری دقیق‌تره و بر خلاف نظریه‌های غیرنسبیتی مقادیر معقول‌تری رو پیش‌بینی می‌کنه. خلاصه این‌که اگه همین‌طور رو هوا کسی بگه «آینشتین درست گفت و نیوتون غلط» نشون میده که یه آدم غیرحرفه‌ایه! همیشه توی علم مهمه که با چه مسئله‌ای روبه‌رو هستیم و انتظارات از مطالعه یا پژوهش ما چیه. گاهی مدل‌های خیلی ساده می‌تونن نتایج خیلی خوبی، بسته به مسئله مورد نظر، ارائه کنند. مثلا مدل آیزینگ با تمام سادگی‌هاش توصیف خیلی خوبی از گذارفاز خودبه‌خودی فرومغناطیسی و پدیده‌های بحرانی مرتبط با اون ارائه می‌کنه. انتخاب مدل در علم خودش بحث مفصلیه. بگذریم.

برای همین، اگه کمی دقت کنیم خیلی چیزها دیگه زیر پرچم علم قرار نمی‌گیرند. دونستن ارتفاع قله اورست یا ظرفیت گرمایی نقره علم حساب نمیشه. این‌ها اطلاعاتی هستند که پس از یک‌بار استخراج یا محاسبه میشه توی یه جدول نگهشون داشت و بارها ازشون استفاده کرد. همین‌طور خیلی از ادعاهایی که در رشته‌هایی مثل روان‌شناسی یا جامعه‌شناسی وجود داره علمی نیستند. چون یا درست آزمایش نشدند، یا قابل تکرار نیستند یا مشکلات دیگه‌ای دارن که روش تحقیقشون رو خارج از چارچوب روش علمی قرار می‌ده. حتی بخشی از ریاضیات هم علم نیست! در ریاضیات شما می‌تونید ساختارهای کاملا انتزاعی درست کنید بدون نیاز به وجود یا مثال خارجی. نکته مهم اینه که هر چیزی که علمی نباشه چیز بدی نیست. علمی بودن به ما یک سری ویژگی و ملاک‌ شناختی میده در برخورد با دنیای خارجمون. اصلا برای همینه که در علم، ندونستن عیب نیست و قرار نیست که علم به همه پرسش‌ها یا نیازهای بشر جواب بده. اعتبار بخشیدن به ادعایی به عنوان یک «گزاره علمی» فقط از این جهت قابل قبوله که میشه انتظارات مشخصی از اون حرف یا ادعا داشت.

یادگرفتن واژه‌ها خیلی لازم است، اما این کار علم نیست. البته منظور من این نیست که چون علم نیست نباید آن را یاد بدهیم. ما دربارهٔ این که چه چیزی را باید یاد بدهیم حرف نمی‌زنیم؛ دربارهٔ این بحث می‌کنیم که علم چیست. این که بلد باشیم چطور سانتی‌گراد را به فارنهایت تبدیل کنیم علم نیست. البته دانستنش خیلی لازم است، ولی دقیقاً علم نیست. برای صحبت کردن با همدیگر باید واژه داشته باشیم، کلمه بلد باشیم و درست هم همین است؛ ولی خوب است بدانیم که فرق «استفاده از واژه» و «علم» دقیقاً چیست. در این صورت، می‌فهمیم که چه وقت ابزار علم مثل واژه‌ها و کلمه‌ها را تدریس می‌کنیم و چه وقت خود علم را یاد می‌دهیم. … اگر به شما بگویند «علم این و آن را نشان داده‌است.» می‌توانید بپرسید که «علم چطور آن را نشان داده‌است؟ چطور دانشمندان فهمیده‌اند؟ چطور؟ چه؟ کجا؟» نباید بگوییم «علم نشان داده‌است.»، باید بگوییم «تجربه این را نشان داده‌است.» و شما به اندازهٔ هر کس دیگر حق دارید که وقتی چیزی دربارهٔ تجربه ای می‌شنوید، حوصله داشته باشید و به تمام دلایل گوش فرا دهید و قضاوت کنید که آیا نتیجه‌گیری درست انجام شده‌است یا نه.

– ریچارد فاینمن در علم چیست؟!

پس از علم پیروی کنیم؟!

علم در مورد یک سری واقعیته. علم به ما نمی‌گه که چیکار کنیم یا نکنیم. چیزی که میگه اینه که اگه توپی رو با فلان سرعت از فلان نقطه پرتاب کنید، فلان مسیرو طی می‌کنه و بعد از زمان فلان با سرعت بهمان به نقطه مشخصی می‌رسه. پرتاب کردن یا نکردن توپ اما دست ماست. علم در فاجعه هیروشیما و ناکازاکی بی‌تقصیره ولی انسان‌ها و مدیران مختلفی در این مسئله مقصر هستند. میزان گناه‌کار بودن افراد رو علم مشخص نمی‌کنه بلکه قراردادهای غیر علمی اما حقوقی یا اخلاقی مشخص می‌کنند. پس لزومی نداره علم همه امور ما رو رتق و فتق کنه! علم گاهی در مسائلی می‌تونه اصلا جوابی نداشته باشه یا ممکنه ما رو در یک حالت بلاتکلیف قرار بده. در کنترل همه‌‌گیری کرونا علم نمی‌گه که فلان شهرو قرنطینه کنید یا در بهمان شهر قوانین منع تردد از ۷ شب وضع کنید. در این شرایط، اهل علم در گروه‌های تحقیقاتی مختلف، شروع به مدل‌‌سازی‌ و آزمایش می‌کنند. اونا شرایط مختلفی رو تست می‌کنن تا ببینن چه روش‌هایی منجر به چه دستاوردهایی میشه. مثلا ممکنه گروهی سراغ مدل‌های بخش‌بندی یا سراغ تحلیل‌های داده‌محور و بیزی برن و عده‌ای هم از مدلسازی عامل بنیان استفاده کنند. در نهایت این وظیفه یک مدیره که با بررسی نتایج گروه‌های مختلف و با در نظر گرفتن نظرات و یافته‌های گروه‌های اقتصادی، فرهنگی، سیاسی و … تصمیم آخر رو بگیره. علم، شطرنج‌باز نیست، قوانین شطرنجه!

در این ویدیو، سابینه هاسنفلدر به خوبی در مورد این مسئله حرف می‌زنه:

مسئله ترویج علم

ترویج علم یعنی چی؟! چه کسی مروج علمه؟

توافق کردن بر سر مفهوم ترویج علم، قبل از هر چیزی به این بستگی داره که تعریف علم و گزاره علمی رو بپذیریم و بعد در مورد کم و کیف رواج بحث کنیم. در فارسی، ترویج علم به احتمال زیاد وام‌دار مفهوم ترویج دینه چون در انگلیسی (عرف جهانی) معادلی برای ترویج علم نداریم. چیزهایی مثل «ارتباط‌گری» یا «علم‌ به زبان ساده» داریم ولی «ترویج علم» نه! معقول هم هست؛ در گذشته تفاوتی بین علم دینی و غیر دینی نبوده. طبیعتا هر چقدر که ابعاد ترویج دین زیاده ابعاد ترویج علم هم زیاده. پس شما هر کاری که در جهت گسترش علم انجام بدین زیر پرچم ترویج علمه. از تدریس و تحقیق گرفته تا ساخت مدرسه و دانشگاه، دادن کمک هزینه تحصیلی به افراد، شرکت داوطلبانه در آزمایش واکسن کرونا تا مبارزه با خرافات یا اجرای نمایش‌های مختلف برای آشنا کردن مردم کوچه‌ و بازار با مفاهیم علمی. برای همین چه توی تاکسی چه توی دانشگاه یا روزنامه‌ یا توییتر اگه کسی بگه: «از روی زمین، انگار که ماه نمی‌چرخه به این دلیل که سرعت چرخش ماه به دور زمین تقریبا برابر با سرعت چرخشش به دور خودشه.» ترویج علم انجام داده.

اما باید مراقب جنبه‌های دیگه این فرایند هم باشیم؛ به داستان‌های مختلفی که در مورد پول‌شویی به واسطه تاسیس خیره‌ها شنیدین فکر کنید. اگه کارتل‌های مواد مخدر به کلیساها یا نهادهای خیریه کمک‌ کنند، آیا «ترویج انسانیت» کردند؟! اگه دولتی اجازه ورود آلاینده خاصی به آب یا هوای کشورش رو بده و از طرف دیگه به کمک یک شرکت داروسازی داروهای مربوط به بیماری‌های ناشی از اون آلاینده رو با یارانه دولتی به بازار عرضه کنه، آیا این دولت «ترویج سلامت» کرده؟! در مورد ترویج علم هم این سوال وارده؛ اگه فردی، نهادی یا رسانه‌ای خواسته یا ناخواسته یا با روش یکی به نعل یکی به میخ هم مطالب علمی منتشر کنه و هم مطالب غیرعلمی یا شبه علم آیا باز هم در حال ترویج علمه؟! اگه فردی یا حزبی در مورد یک واقعیت علمی که موافق اهدافشه تبلیغ کنه ولی در مورد واقعیت دیگه‌ای که براشون هزینه ایجاد می‌کنه جوسازی‌های نادرست ایجاد کنه، آیا باز مشغول ترویج علمه؟! فراموش نکنیم که اصلا مهم نیست که هم‌قطارهای ما بگن فلان چیز علمیه یا نیست، این روش علمیه که مشخص می‌کنه که کی راست میگه!

دیشب در یک آگهی شنیدم که روغن وسون به داخل غذا نفوذ نمی‌کند. خب این واقعیت دارد و تقلبی در کار نیست؛ ولی آنچه من دربارهٔ آن صحبت می‌کنم تقلب نیست بلکه صحبت از صحت و درستی علمی است که در مرتبه دیگری قرار دارد. حقیقتی که باید به آگهی اضافه می‌شد، این است که هر روغنی که در دمای مشخص استفاده شود به داخل غذا نفوذ نمی‌کند. اما اگر در دمای دیگری مصرف شود حتی اگر روغن وسون باشد، در غذا نفوذ می‌کند. در نتیجه می‌بینیم در این آگهی نه حقیقت مطلب بلکه بخشی از آن بیان شده‌است؛ و ما با همین اختلاف سر و کار داریم. … اگر تصمیم دارید یک نظریه را آزمایش کنید یا ایده‌ای را توضیح دهید، باید همواره آن را بدون در نظر گرفتن پیامدهایش منتشر کنید. اگر تنها مطالب خاصی را چاپ کنید بدین معناست که قصد داشته‌اید آن را درست جلوه دهید، ازین رو باید تمام جوانب کار را منتشر کنید. دربارهٔ مشاوره‌های دولتی نیز این اصل اهمیت دارد. تصور کنید سناتوری بررسی یک مسئله حفر چاه در ایالتش را به شما واگذار کند و شما پس از بررسی، ایالت دیگری را برای اینکار مناسب‌تر تشخیص دهید، اگر شما تحقیقتان را منتشر نکنید، توصیه شما عملی نخواهد شد و شما آلت دستی بیش نخواهید بود. اگر نظر شما موافق نظر دولت و سیاستمداران باشد، آنها می‌توانند از آن در جهت به‌کارگیری مقاصدشان استفاده کنند و اگر شما با خواست‌های آنها در تضاد باشید، هرگز آن را منتشر نخواهند کرد. در این صورت کار شما دیگر یک توصیه علمی قلمداد نمی‌شود.

– ریچارد فاینمن در علم بارپرست‌گونه

روایتگری در علم و تیراژ کار

«منظور ما از روایتگری در علم نوع بیان و ارائه یک مطلب علمی با هر میزان پیچیدگی به مخاطبی با سطح مشخصی از تخصص است، به طوری که فرایند یادگیری لذت بخش باشد و فرد ارتباط بین مفاهیم را به درستی متوجه شود.»

در مورد روایتگری در علم در این نوشته و این ویدیو مفصل صحبت کردیم. به نگاره زیر نگاه کنید. محور افقی نشون‌دهنده میزان تخصص افراد در یک حوزه تخصصی خاص مثل فیزیکه. طبیعتا هر چقدر که به سمت راست حرکت کنیم میزان تخصص بیشتر میشه. روایتگری در علم فرایند ارائه مطلب توسط فردی در نقطه $X$ از محور به فردی قبل‌تر از اون ($X – \Delta X$) هست. مثلا ممکنه یک استاد با تجربه بعد از سال‌ها تدریس، یک کتاب آموزشی خوب برای دوره لیسانس یا یک پژوهشگر برجسته یک مقاله مروری برای بقیه پژوهشگرا بنویسه. گاهی هم روایتگری در علم می‌تونه سر کلاس فیزیک دبیرستان رخ بده یا توی مهمونی وقتی داری به داییت توضیح میدی که فرکتال‌ها چی هستن! به عنوان یک نمونه عملیاتی کلاس‌های درس ساسکایند یا درس‌گفتارهای فاینمن رو ببینید. به تولید این جنس محتوا می‌گیم روایتگری در علم و اگه مخاطب ما عموم مردم باشن، اون موقع این کار به صورت عمده توسط روزنامه‌نگاران علمی و ارتباط‌گران علم انجام میشه.

نمودار روایتگری در علم – روایتگری در علم از راست به چپ رخ می‌دهد.

یکی از اهداف جدی روایتگری در علم تولید محتوای خوش‌هضم‌ برای مخاطبه. هرچقدر محتوا باکیفیت بهتری آماده بشه طبیعتا احتمال یادگیری بالا میره و این می‌تونه به پیکره علم و جریان‌های علمی کمک کنه. برای همین همیشه مهمه که محتوای تولید شده چه مقدار مخاطب داشته باشه. خصوصا برای روزنامه‌نگاران علمی یا ارتباط‌گران علم. مثلا با توجه به شرایط همه‌گیری بیماری کرونا خیلی مهمه که عمده مردم واکسینه بشن. برای همین از یک طرف وظیفه مروجان علمه که تا جایی که میشه دولت‌ها رو تشویق به سرمایه‌گذاری در خرید و توسعه واکسن کنند و از طرف دیگه با آگاهی دادن به مردم اونا رو متقاعد کنند که واکسن چیز خوبیه، اومد بزنید! این تلاش‌ها باید در مقیاس کشوری و جهانی انجام بشه. برای همین اگر کسی قصد تولید محتوایی رو داشته باشه خیلی مهمه که جامعه هدف بزرگی رو پوشش بده. اما در مورد بقیه موضوعات قاعدتا نیازی نیست که تیراژ کار اینقدر زیاد باشه. مثلا افراد علاقه‌مند به نجوم یا علم داده قابل مقایسه با افراد علاقه‌مند به شیمی یا زیست‌شناسی دریا نیستند. برای همین درسته که تیراژ کار مهمه، اما باید دید در چه حوزه‌ای مشغول به کار هستیم. گاهی روایتگری در علم برای کلاس دو سه نفره‌ای از دانشجویان دکتری یا جلسه‌های دو نفره استاد و شاگرده.

چگونه در ترویج علم «گاوِ نُه مَن شیر» نباشیم؟!

در دنیای امروز که به لطف شبکه‌‌های اجتماعی هر کسی تریبونی داره به نظر می‌رسه که مشکلات ترویج علم کمتر باید بشه. اما در مورد پخش اطلاعات، متاسفانه نتایج تحقیقات این شکلیه که اطلاعات نادرست بیشتر بهره بردن از این بستر! با این وجود نکته‌هایی وجود داره که اگه رعایت نکنیم همه تلاش‌هامون از بین میره و دیگه علمی رواج ندادیم.

  • قبل از هر چیز بدونیم اگه در زمینه‌ای تخصص نداریم یا اطلاع کافی نداریم لزومی نداره که در موردش با همه صحبت کنیم. بارها در بین افراد مختلفی که فیزیک نخوندن و حتی تجربه جدی نجوم آماتوری ندارن دیدم که در مورد مسائل مربوط به مه‌بانگ و انرژی تاریک با بی‌دقتی تمام حرف می‌زنن. یا دانشجو تازه وارد فیزیکی که سعی داره در مورد جهان‌های موازی به دوستش توضیح بده و به جای این‌که صادقانه بگه «هنوز نمی‌دونم» شروع میکنه به داستان‌های غلط غلوط تعریف کردن! اولین نکته در ترویج علم از طریق بیان یا نوشته اینه که در مورد چیزی که حرف می‌زنیم به مقدار کافی اطلاع داشته باشیم و اگه سوالی ازمون پرسیدن که جوابش رو بلد نبودم خیلی صریح بگیم که نمی‌دونیم!
  • فراموش نکنیم که اگه دکتری فیزیک داشته باشیم دلیلی نمیشه که زیست‌شناسی رو هم خوب بشناسیم. خارج از حیطه تخصصی خودمون همیشه باید دست به عصا حرکت کنیم. بخش زیادی از اطلاعات نادرستی که دست مردم رسیده به خاطر حرف‌های اشتباه افراد تحصیل‌کرده بوده. مثلا در برنامه‌های مختلف تلوزیون زیاد می‌بینیم که افراد خارج از تخصصشون حرف‌های کاملا غلطی می‌زنن که به خاطر شهرت یا محبوبیتشون متاسفانه بسیار هم در جامعه حرفشون نفوذ می‌کنه. مثلا همین اواخر در برنامه خوب کتاب‌باز، آقای مجتبی شکوری که ظاهرا دکتری علوم سیاسی دارد در مورد نسبیت و مکانیک کوانتومی حرف‌های اشتباهی زد چون که می‌خواست با مفهوم نسبی بودن و گذر زمان بازی کنه. ایشون جزو محبوب‌ترین کارشناس‌های این برنامه هستن و قطعا با توجه به تعداد بالای بازدید اون برنامه و بازپخشش در اینستاگرام این کج‌فهمی علمی سال‌ها در جامعه باقی می‌مونه. کافی بود ایشون دو سه جمله‌ای که خارج از تخصصشون بود رو نمی‌گفت و نُه مَن شیر رو روی زمین نمی‌ریخت! چند سال پیش هم بهروز افخمی در بیست و دومین قسمت از برنامه تلویزیونی «چهل چراغ» چون می‌خواست برای حرفی که میزنه پشتوانه علمی بیاره، چرند و پرندهایی در‌ مورد نسبیت آینشتین و نظریه تکاملی داروین سر هم کرد و با قباحت تمام بیانشون کرد!
  • نکته دیگه پرهیز از ساده‌سازی‌های بی‌مورده. خیلی مهمه که ساده کردن یک مفهوم علمی سوءبرداشتی ایجاد نکنه. «شیر بی‌دم و سر و اشکم کی دید؟!» تلاش برای زیاد ساده کردن مفاهیم علمی و به درک توده مردم رسوندن کار هر کسی نیست. راستش ما باید مراقب شهوت بیان علم به زبان ساده باشیم! استفاده از بعضی مثال‌ها و استعاره‌ها برای توصیف یک مفهوم علمی گاهی منجر به ایجاد شبهه و عدم درک درست اون مفهوم یا پدیده میشه. از طرف دیگه بعضی از مفاهیم علمی درسته که اسامی آشنایی دارن ولی معنای فنی خاصی ممکنه داشته باشن. نباید موقع صحبت کردن یا نوشتن معنی فنی موضوع تغییر یا تقلیل پیدا کنه. مثلا واژه «کار»، «فشار» و «درهم‌تنیدگی» معنی کاملا دقیقی در فیزیک داره. در علم عناصر خیال و رمز و راز آلود بودنی وجود نداره و سعی شده هر کلمه تعریف کامل مشخصی داشته باشه. پس خوبه که یادآور بشیم که منظور ما دقیقا چیه از واژه‌های خاص. مثلا در مورد پیکان زمان و قانون دوم ترمودینامیک به راحتی نمیشه گفت که انتروپی یعنی بی‌نظمی و جهان به سمت بی‌نظمی می‌ره! لزومی نداره انتروپی معنی بی‌نظمی بده. در ضمن، نظم خودش تعریف مشخصی باید داشته باشه قبل از هر چیز. یا مثلا دورنوردی کوانتومی درسته که اتفاق افتاده ولی باید توجه کنیم که در چه شرایطی و با چه اندازه‌هایی این آزمایش انجام شده.
  • نکته مهم دیگه‌ای که به نظر من به شدت ازش چشم‌پوشی میشه استفاده از لحن و ادبیات مناسبه. اگر شما تجربه حضور در برنامه‌هایی مثل کنفرانس‌های علمی رو داشته باشین همیشه افراد بسیار با احتیاط و لحن خالی از عدم قطعیت کامل در مورد پدیده‌ها و یافته‌هاشون صحبت می‌کنند. این خیلی خیلی مهمه که موقعی که در مورد گزاره‌های علمی صحبت می‌کنیم جنس حرف زدن ما یا لحن نوشته ما جوری نباشه که در ناخودآگاه مخاطب احساس اطمینان و قطعیت ایجاد کنه. به نظرم افراد مدعی ترویج علم عمدتا این مشکل رو دارن. برای همین امروز در دنیا افرادی رو داریم که کیششون علم شده و گزاره‌‌های علمی رو مثل آیات کتب مقدس می‌دونن. از طرف دیگه وقتی فقط در مورد نتایج علمی صحبت میشه و از فرایندهای نفس‌گیر و پر از تنش در رسیدن به اون یافته‌ها صحبت نمی‌شه افراد درک درستی از شیوه عملیاتی روش علمی نمی‌بینن. بخشی از بی‌اعتمادی مردم به علم حاصل ندونستن مسیر پرزحمت و پر از سوال و جواب برای رسیدن به یافته‌های علمیه. مروج علم باید شیوه کار کردن علم در دنیای واقعی رو هم ترویج بده و گرنه افراد با تخیلاتی که از مستندهای عامه‌پسند دریافت کردن به علم نگاه می‌کنن. وقتی مردم متوجه بشن که با چه وسواسی این یافته‌ها به دست اومده در تحلیل‌ها و بررسی‌های روزانه‌شون هم تفاوت ایجاد می‌کنن و در نهایت رفتار منطقی‌تری از خودشون نشون میدن. برای همینه که بعضی‌ها این روزها بیشتر از ترویج علم به دنبال ترویج «تفکر علمی» یا «تفکر انتقادی» هستند.