رفتن به نوشته‌ها

دسته: اهداف سیتپور

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.

علم و ترویج آن

در قسمت دوم از سری لایوهای اینستاگرامی «پشت‌پرده نجوم» با سالار نیک‌اندیش، دانشجوی دکتری کیهان‌شناسی در دانشگاه شهید بهشتی، گفت‌و‌گو کردیم. در این گپ‌و‌گفت، تصویر واقع‌بینانه‌تری از علم رو نشون میدیم و نگاهی هم به مسأله ترویج علم و چالش‌های اون داریم.

«پشت‌پرده نجوم» با سالار نیک‌اندیش

از زمانی که غول‌های فیزیک کلاسیک، گالیله، کپلر و کوپرنیک، نیوتون و بالاخره ماکسول، از ریاضیات به‌طور سیستماتیک برای توصیف طبیعت استفاده کردند، تا زمان زاده‌شدن مکانیک کوانتوم و نسبیت در قرن بیستم و تا رسیدن به بنیادی‌ترین سؤال‌ها پیرامون ابتدا و تاریخ کیهان در فیزیک امروز، علم، به مفهوم کاملش، در تک‌تک لحظه‌های زندگی انسان مدرن جاری بوده‌است. از زمانی که شیمی‌دان‌های بزرگ با دستاوردهای عظیم و ماندگارشان، زندگی را برای ما آسان‌تر کردند، علم، به خانه و زندگی ما ورودی ابدی کرده و برای همشه سبک زندگی ما را متحول ساخته‌است. از زمانی که زیست‌شناسان، پزشکان و داروسازان، جان انسان‌ها را با فرمول‌های زیبایشان حفظ کردند و امید به زندگی را افزایش دادند، تا به امروز، در همان زمانی که من و محمدمهدی موسوی در حال گفت‌وگو بودیم، آن‌ها در خط مقدم، بیرون از قرنطینه، با کووید-۱۹ مبارزه می‌کنند، علم، راه امنیت را به ما نشان داده‌است.

در طول این حداقل پنج قرن اخیر، علوم پایه، یعنی فیزیک، ریاضیات، شیمی و زیست‌شناسی، دوشادوش علوم مهندسی و پزشکی، جهان را به مکانی کاملاً متفاوت تبدیل کرده‌اند، بسیاری از چالش‌های پیش روی انسان را برداشته و چالش‌های بزرگتری هم مقابل این گونهٔ سخنگوی متفکر قرار داده‌اند.

نقش عظیم علم در ساختن دنیای مدرن بر کسی پوشیده نیست، همچنین، یکه‌تازی‌اش در حل سیستماتیک مشکلات ما. اما پیشرفت‌های علمی، همیشه با چالش‌های بزرگ همراه بوده‌است. چالش‌های فکری و سختی‌های کار علمی که به جای خود، تأمین هزینهٔ کارهای علمی، همیشه مسئله و دغدغهٔ دانشمندان، دانشگاه‌ها و نهادهای علمی و آکادمیک بوده، هست و خواهد بود. همچنین در مواجهه با علم، می‌بایست مسائل کوچک و بزرگ زیادی را مد نظر داشت، تا علم بتواند در پناه نگاه علمی، مسیر با اصالت خود را، بدون آلوده شدن به آمال سیاسی و اقتصادی کوچک و بزرگ طی کند، تا دیگر شاهد آنچه در هیروشیما و چرنوبیل اتفاق افتاد نباشیم، تا سلاح میکروبی ساخته نشود و همان‌طور که ذات علم همکاری است، راهی باشد برای گفتمان نسل‌ها، کشورها و تمدن‌ها.

ما هر روز از شنیدن خبرهای پیشرفت دانشمندان هیجان‌زده می‌شویم، اما آیا واقعاً می‌دانیم پشت درهای دانشگاه‌ها، در دفاتر تحقیق دانشمندان و آزمایشگاه‌ها چه می‌گذرد؟ می‌دانیم پیشرفت‌های زندگی بشر، در همهٔ ابعاد، حاصل چه سختی‌هایی است؟ آیا همگی اهمیت سرمایه‌گذاری در علم را احساس می‌کنیم؟ آیا کودکان ما که در مسیر زندگی‌خود، جذب شاخه‌ای از علم می‌شوند، متناسب با سن‌شان، آگاهی لازم را برای انتخاب مسیر مطالعه‌شان دارند؟

از طرفی چگونه می‌توان فاصله و شکاف میان دانشمندان در خط مقدم اکتشاف، و جامعه را، به عنوان مصرف‌کنندهٔ این دانش از میان برداشت؟

مردم مشتاق شنیدن پیشرفت‌های علمی هستند. نباید فراموش کرد که نگاه علمی، گفتگوهای اخلاقی با خود به میان می‌آورد. به عنوان مثال، درست است که عموم مردم از جزییات واکنش‌های شیمیایی بی‌اطلاع‌اند، اما باید به زبان ساده بتوانند استدلال کنند که چرا «استفاده از وسایل نقلیهٔ عمومی وظیفه‌ای اجتماعی است تا سلامت خود و دیگر اعضای جامعه را حفظ کنیم». به عنوان مثالی دیگر، می‌توان به نقش پزشکان در این روزها اشاره کرد. مردم باید با زبان ساده، نسبت به وظایف خود در قبال هم در این روزهای همه‌گیری کرونا آگاه شوند. این ناآگاهی، قطعاً می‌تواند خرابی‌های جبران‌ناپذیر در ابعاد فردی و اجتماعی به بار آورد و منحر به مرگ و میر هم‌نوعانمان شود.

اگر چه این‌ها مثال‌های روشن و آشکاری‌اند، اما یادمان باشد اگر جامعه از اقتصاد، تاریخ، جامعه‌شناسی و سایر علوم مربوطه بیشتر بداند، راحت‌تر و با نگاهی دقیق‌تر، سیاستمدارانی را برای ادارهٔ جامعه انتخاب می‌کند. هرچه از پزشکی و روان‌شناسی، بیشتر بداند، فرزندان سالم‌تری تربیت خواهد کرد. مثال‌هایی از این دست بسیارند.

با توجه به مجموعهٔ بحث‌های فوق، در جوامع غربی، مبحث ترویج علم از اهمیت ویژه‌ای برخوردار است. از سال‌ها پیش، ساخت مستندهای علمی و چاپ مجلات و کتاب‌های علمی، به زبانی ساده و قابل فهم‌برای همه در دستور کار این کشورها قرار گرفته‌است. اما این تلاش برای ترویج علم به همین‌جا منتهی نشده‌است و با اختصاص بخش مهمی از اخبار روزانه به اخبار علمی، نوشتن رمان‌های علمی و حتی دست مایه قراردادن موضوعات روز برای ساختن فیلم‌های سینمایی بی‌نظیر، گام‌های مهمی در این راستا برداشته شده‌است. در کشور ما نیز، در این زمینه تلاش‌های قابل تقدیر و شایان‌ذکری صورت گرفته‌است. اما سؤال این است که آیا می‌توان با نسخه‌ای واحد، وظیفهٔ بسیار حساس ترویج علم را، در تمام کشورها انجام داد، یا آنکه متناسب با نیازها، چالش‌ها و کمبودهای هر جامعه، ترویج علم باید بومی شود؟

در این گفتگو با دوست نازنینم محمد مهدی موسوی، به چالش‌های ترویج علم در ایران پرداخته‌ایم. اینکه ما باید از کجا شروع کنیم، و مروج علم در ایران، باید به چه مسائلی بپردازد؟ چقدر این مسئله برای دانش‌آموزان و دانشجویانی که می‌خواهند پا در مسیر علم بگذارند حیاتی‌ست و استفاده و کپی‌برداری صرف از نسخه‌های خارجی ترویج علم، چه مشکلاتی را برای این قشر به خصوص به وجود می‌آورد؟ از طرفی با توجه به هزینهٔ بالای تولید محصولات ترویجی، چه نقشی به دوش تک‌تک اعضای جامعه، به ویژه متخصصان و دانش‌جویان است؟

این‌ها هدف و محور گفتگوی من و صفحهٔ وگا آسترونومی بود که به همت محمدمهدی موسوی در قالب گفتگویی تقدیم شما شد که امیدوارم بتواند مفید باشد. قطعاً اگر نواقصی هست، از جانب من و دانش اندک من است. پس بسیار سپاس‌گزار خواهم بود اگر با ارائهٔ نظراتتان، این شانس و فرصت را به من بدهید که از شما یاد بگیرم.

در پایان وظیفهٔ اخلاقی و حرفه‌ای خودم می‌دانم از دوست عزیزم محمد مهدی موسوی، جهت دعوتش برای گفتگو، و تمام زحماتش تشکر کنم. امیدوارم مسیر زیبایی که در پیش گرفته را هر روز درخشان و درخشان‌تر ادامه دهد. از دوست عزیزم، عباس ک. ریزی، مدیر مسئول وبسایت سیتپور، به دلیل تمام همت و پشتکارش، و حمایت‌هایش از این برنامه و هدف والایش در ترویج علم، کمال تشکر را دارم. سیتپور مجموعهٔ مستقلی است با نگاهی صرفاً علمی و هدفی زیبا، و امیدوارم بر همین خط، استوار به مسیرش ادامه دهد.

وبلاگ‌نویسی و روایتگری در علم

بعد از مدت‌ها، فرصتی پیش‌ اومد تا با مهدی در مورد وبلاگ‌نویسی و روایتگری در علم گپ بزنیم. ویدیوی این گفت‌وگو ضبط شده و در ادامه‌ی این نوشته می‌تونید ببینیدش. به‌طور کلی در مورد این حرف زدیم که چرا وبلاگ‌نویسی مهمه، منظورمون از روایتگری در علم چیه و اشاره‌هایی هم داشتیم به تجربه‌هامون در سیتپور. حین این گپ و گفت یک سری وبلاگ معرفی شد و یک سری ایده و ترفند برای شروع وبلاگ‌نویسی که سعی می‌کنم اینجا به اون‌ها اشاره‌ مختصری کنم.

«پشت پرده نجوم» عنوان یک سری از لایوهای اینستاگرامی هست که توی اون با چند نفر از دانشجویان و اساتید دانشگاهی، درمورد تصویر درست علم نجوم گفت و گو شده و هم چنین کندوکاوی درمورد مسائل مهمی از قبیل روایتگری در علم و شبه علم داشته. در سومین قسمت از «پشت پرده نجوم»، شاهد گپ و گفت محمد مهدی موسوی و عباس ک. ریزی (دانشجوی دکتری سیستم های پیچیده در دانشگاه Aalto)، درمورد مفهوم «روایتگری در علم» و تجربیاتش از وبلاگ نویسی خواهید بود.

برای شروع وبلاگ‌نویسی

.There is nothing to writing. All you do is sit down at a typewriter and bleed

Ernest Hemingway, awarded the 1954 Nobel Prize in Literature

می‌تونید به سادگی وبلاگ شخصی خودتون رو توی blog.ir یا ویرگول یا هر جای دیگه درست کنید. برای دنبال کردن وبلاگ‌های مورد علاقه‌تون هم می‌تونید همه‌ رو به صورت یکجا به کمک feedly.com داشته باشید. این نوشته از جادی رو بخونید: برای پیشرفت مجدد، دوباره وبلاگ بنویسید!

وبلاگ‌های پیشنهادی

وبلاگ‌هایی که شخصا دنبال می‌کنم رو با توجه به سطح مطالبشون لیست کردم. منظور از «عمومی» یعنی مناسب هر علاقه‌مندی بدون در نظر گرفتن پیش زمینه خاصی هستند. «کمی فنی» یعنی باید دانش عمومی از ریاضیات و فیزیک داشته باشید. مثلا دانشجوی کارشناسی این رشته‌ها باشید. «فنی» یعنی نیاز به دونستن پیش‌زمینه‌های خاص در فیزیکی یا ریاضی هست. «خیلی فنی» هم یعنی باید دانشجوی تحصیلات تکمیلی باشین دست‌کم!

برای زندگی روزمره و بیشتر برای جنبه‌های عمومی مسئله:

«عمومی» 
«کمی فنی» 

نوشته‌های مربوط به فیزیک جریان‌اصلی:

«کمی فنی» 

فیزیک آماری، ماده‌چگال و محاسباتی:

«فنی» 

سیستم‌های پیچیده، یادگیری ماشین و علوم داده:

«فنی» 
«خیلی فنی» 

برای عمیق شدن در ریاضیات:

«خیلی فنی» 

این دو تدتاک رو هم برای جنبه عمومی نوشتن پیشنهاد می‌کنم:

یادی از آینشتین در میان مشکلات زندگی این‌ روزها

آلبرت آینشتین یک غول است! یک روایتگر بی‌نظیر در علم! بدون تعارف او برای همیشه نماد فیزیک معاصر خواهد ماند. آینشتین قهرمان دنیای نوجوانی بسیاری از کسانی است که امروز فیزیکدان شده‌اند یا قرار است فردا فیزیکدان شوند. همیشه در اعماق قلبم برای آینشتین جایگاه خاصی قائل هستم. دبیرستانی که بودم برایم هیجان‌انگیزترین چیز این بود که نسبیت آینشتین را بفهمم! بگذریم. غیرممکن است که شخصی در فیزیک معاصر جستاری داشته باشد و ردپایی از او پیدا نکند. عوام او را به خاطر نسبیتش و فرمول $E = mc^2$ می‌شناسند و صدالبته به خاطر ژولیدگی او! از نگاه من اما، آینشتین نماد واقعی یک فیزیکدان است! نماد کسی که فیزیک را بدون هر گونه دسته‌بندی به‌خوبی می‌شناسد و در توسعه هر قسمت آن مشارکت جدی داشته است. در این روزها که برخی از دوستان آینشتین را به نفع فیزیک نظری ثبت و ضبط می‌کنند و قهرمان دنیای کیهان‌شناسی و نسبیت می‌دانندش، دوست دارم به شخصیت‌ او از دریچه‌های مختلف نگاه کنم. برای من بیش از هر چیزی، او استاد بزرگ تمام فیزیک است، کسی که از اشتباهاتش هم درس‌های فراوان گرفته تاریخ! در این نوشته به چند گفتاورد که دوستشان دارم اشاره می‌کنم.

کم نیستند کسانی که از یک ملاقات نیم‌ساعته‌شان با آینشتین به عنوان یک اتفاق مهم در زندگیشان یاد نکرده باشند. نقل است که ریچارد فاینمن در اولین دیدارش در سمیناری با این پرسش از طرف آینشتین روبه‌رو شده که «شما می‌دانید چای کجاست؟» و فاینمن جوان از این که پاسخ پرسش آینشتین را می‌دانسته کیفش کوک شده! بعدها، فاینمن در مورد ژرفا و گستره نگاه آینشتین در شاخه‌های مختلف فیزیک گفت:

آینشتین یک غول بود؛ سرش در میان ابرها بود ولی پاهایش به روی زمین! اما از میان ما، آنان که قامتشان به آن بلندی نیست، بهتر است که انتخاب کنند!

Carver Mead – Collective Electrodynamics: Quantum Foundations of Electromagnetism (2002), p. xix

در این روزها که بلا و سختی از هر دریچه‌ای بیرون زده، از زمین و زمان برایمان می‌بارد، دانشگاه‌هایمان تبدیل به بنگاه‌های معاملاتی و محل برگزاری یک سری مراسم‌ تشریفاتی شده‌اند شاید بد نباشد که به زندگی کسانی که عمری قهرمانشان دانسته‌ایم زیرچشمی نگاهی داشته باشیم و ببینیم که در نهایت، با خودمان چندچندیم!

«هر عمل آدمی تابعی است از اراده‌ی خود او یا اراده‌ی کسی دیگر. اگر این همه آدم اراده‌ی خود را تابع اراده‌ی نازی‌ها نکرده بودند، چیزی به نام اردوگاه‌های مرگ به وجود نمی‌آمد.» (هرمان، ۱۳۹۰: ۱۰۰؛ به نقل از آلبرت آینشتین)

ـ هرمان، ویلیام؛ اینشتین و شاعر؛ ترجمه‌ی ناصر موفقیان؛ تهران: انتشارات علمی و فرهنگی، (۱۳۹۰) چاپ چهارم.

در قرنطینه خانگی مانده‌ایم، سختمان است؟ تجربه تحریم و گرانی و بیچارگی داشته‌ایم؟! دچار درد مهاجرت و غربت هستیم؟ قبول! شرایط سخت است. اما می‌شود این گونه هم نگاه کرد که قهرمان‌هایی که عمری ستایششان کرده‌ایم در دوران سختی درخشیده‌اند، آن‌گاه روحیه می‌گیریم! معروف است که نیوتون، قانون گرانش عمومی را زمانی کشف کرد که به خاطر طاعون مجبور شده بود از کمبریج به لینکلن‌شر (خانه مادری) برود. همین‌طور ویلیام شکسپیر، «لیر شاه» را در زمان طاعون نوشت! کتاب «جز و کل» هایزنبرگ را بخوانیم و ببینیم که در آن بحبحه جنگ و بگیر و ببند این عزیزان چگونه هم به علم می‌پرداختند، هم به سیاست و هم به شرافت! در کتاب «حتما شوخی می‌کنید آقای فاینمن!» ببینیم که زندگی چگونه بر فاینمن سخت گذشت و هنگامه جنگ چگونه آن‌ها را مجبور به کارهایی کرد که دوست نمی‌داشتند! برگردیم به آینشتین، نشنال جئوگرافیک در مجموعه سریال‌های «نابغه» ، سریالکی ساخته در مورد او که دیدنش خالی از لطف نیست. در زندگی آلبرت آینشتین چیزی که کم نیست، درد است و رنج:

«در زوریخ من اغلب گرسنه بودم. هیچکس نمی‌داند که هر روز چندتا در را برای پیدا کردن کار می‌کوبیدم.» (هرمان، ۱۳۹۰: ۸۴؛ به نقل از آلبرت آینشتین)

ـ هرمان، ویلیام؛ اینشتین و شاعر؛ ترجمه‌ی ناصر موفقیان؛ تهران: انتشارات علمی و فرهنگی، (۱۳۹۰) چاپ چهارم.

آثار آینشتین را در اینجا می‌توانید ببینید. این نوشته را فقط به این خاطر منتشر کردم که در این شرایط که همه چیز سیاه است بد نیست که به چیزهای بهتری هم فکر کنیم. امید داشته باشیم به آینده و عزم داشته باشیم به یادگیری. در دنیایی که علم و پژوهش تبدیل به دکان شده، یاد کردن از این گونه انسان‌ها خاطرمان را آسوده می‌کند.

این‌ روزها در میان گفتاوردهای آینشتین، این جمله را هر روز با خود زمزمه می‌کنم:

هر احمقی می‌تواند بداند، نکته فهمیدن است!

Any fool can know. The point is to understand
Albert Einstein
تصویری از آینشتین به همراه والتر مایر (ریاضیدان و دستیار آینشتین) در پاسادینا، کالیفرنیا، اوایل ۱۹۳۱. والتر مایر به ماشین حساب آینشتین معروف بود!

فرکتال‌ها، مفاهیم مقیاسی و بازبهنجارش

تصمیم گرفتم تا جایی که می‌توانم، مسیر یادگیری سیستم‌های پیچیده را برای علاقمندانی که جرات یادگرفتن و شهامت حرکت کردن بیرون از مرزهای تعریف شده علوم را دارند را هموار کنم. برای شروع قصد دارم چند جلسه کلاس/سمینار در دانشگاه شهید بهشتی (تهران) برگزار کنم. ایده اصلی این جلسات لکچرهایی پیرامون مفاهیم اصلی سیستم‌های پیچیده است بی‌آن‌که وارد جزئیات ریز آن شوم. می‌خواهم طی این جلسات افراد با پیش‌زمینه‌های مختلف با ایده‌های اصلی آشنا شوند.

فیزیک نیوتون و موضوعات مربوط به حساب دیفرانسیل و انتگرال که غالب تفکر علمی سه سده گذشته را تشکیل داده‌اند بر این ایده استوار هستند که هر چه مقیاس فضایی یا زمانی یک سیستم فیزیکی را ریزتر و ریزتر کنیم، با سیستمی ساده‌تر، هموارتر و با جزئیات کمتری روبه‌رو می‌شویم. ملاحظات دقیق‌تری نشان می‌دهد که ساختار ریزمقیاس سیارات، مواد و اتم‌ها بدون جزئیات نیست. با این وجود، برای بسیاری از مسائل، چنین جزئیاتی در مقیاس‌های بزرگ‌تر نامرتبط به حساب می‌آیند. از آن‌جا که این جزئیات مهم نیستند، فرموله کردن نظریه‌ها به شیوه‌ای که اصلا جزئیاتی وجود نداشته باشد منجر به همان نتایجی می‌شود که با در نظر گرفتن توصیف دقیقی از سیستم می‌توان به آن‌ها رسید.

برف دانه کخ – یک فرکتال کاملا خودمتشابه. نگاره از ویکی‌پدیا


می‌دانیم در رویارویی با سیستم‌های پیچیده، هموار کردن پی‌در‌پی سیستم در مقیاس‌های ریزتر معمولا نقطه شروع مناسبی برای مطالعه سیستم به طور ریاضیاتی نیست. درک این موضوع، تغییر چشم‌گیری را در بنیادهای فکری ما به همراه داشته است.

در این سخنرانی ابتدا فرکتال‌ها، به عنوان موجوداتی که در مقیاس‌ ریزتر جزئیاتشان را از دست نمی‌دهند را معرفی می‌کنیم. سپس بی‌آنکه سراغ جعبه ابزار نظریه میدان‌های کوانتومی رویم، ایده بازبهنجارش را به عنوان چارچوب جامع‌تری برای مطالعه رفتار سیستم‌ها در مقیاس‌های مختلف و چگونگی ارتباط این رفتارها مطرح می‌کنیم.

ویدیو:

اسلایدها (کلیک کنید!)

منابع:

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: