رفتن به نوشته‌ها

Category: معرفی کتاب

چگونه با آمار دروغ بگوییم؟

من خوب به خاطر دارم که وقتی دبیرستانی بودم، تمام رشته‌های تحصیلی در دبیرستان درس آمار رو می‌گذروندن. بعدها که بیشتر با مسائل روز درگیر شدیم تنگاتنگ بودن ارتباط آمار با وقایع اطرافمون رو بهتر متوجه شدم. ناهم‌خوانی‌هایی این وسط وجود داشت. همه‌چیز گرون میشه اما نرخ گرون شدن اجناس با تورمی که از سوی بانک مرکزی اعلام میشه همخوانی نداره. آمار بیکاری با چیزی که واقعا می‌بینیم تضاد داره. اخبار وارونه جلوه داده میشه. اتفاقات مثبت با کمی بازی با کلمات، منفی جلوه داده میشه. گاهی برای نمایش نتیجه‌ی مطلوب همبستگی رو به جای علیت نشون میدن.و خلاصه کلی مثال این شکلی دیگه که وجود داره و آدم رو گیج می‌کنه.

من چند وقت پیش اتفاقی با کتاب چگونه با آمار دروغ بگوییم آشنا شدم و خوندمش. کتاب بسیار کوتاه نوشته شده و مثال‌هاش کاربردیه.این کتاب به ما کمک می‌کنه یک بار دیگه و با ذهن نقاد سراغ آمار و اخباری که هرروز درباره‌ی وقایع زندگی‌مون می‌شنویم بریم.

در بخشی از کتاب می‌خونیم:

فرض کنید که بعد از مدت‌ها جستجو و تحقیق از محله‌های مختلف شهر تهران، برای خرید خانه در منطقه‌ای به ظاهر متشخص، به بنگاه معاملات املاکی می‌رویم. بنگاه‌دار شروع می‌کند به بیان خوبی‌های آن منطقه و امکانات بیشمار آن و در نهایت اعلام می‌کند که علاوه بر تمامی مزایای این منطقه، مزیت مهم دیگر این منطقه این است که «اعیان‌نشین» به حساب می‌آید، زیرا که طبق آمار رسمی دولت، «میانگین درآمد سرانه ساکنین این منطقه در سال ۱۰۰ میلیون است». بعد هم اضافه می‌کند که در این منطقه کلی حاجی‌های بازار و دکترهای خارج‌رفته زندگی می‌کنند. ما هم مسحور این جملات می‌شویم و احتمالا در آرزوی برخورداری از کیفیت بالای زندگی در کنار حاجی‌های بازاری و دکترهای خارج‌رفته که پولدارند، خانه را به قیمت بالایی بدون چانه‌زدن می‌خریم زیرا احتمالا در چنین منطقه پولدار و متشخصی، چانه زدن دون شان و تشخص است.سرخوشی ما از این معامله سراسر سود و خوبی ادامه دارد که ناگهان یک ماه بعد نامه‌ای از شهرداری برای تمامی ساکنان منطقه ارسال می‌شود. مضمون نامه این است که چون منطقه سکونت ما جزو مناطق خوش‌نشین و پولدارنشین حساب می‌شود و هزینه‌های تمیزکاری و درختکاری آن بیشتر از مناطق دیگر است، شورای شهر تصمیم گرفته است که عوارض شهرداری این منطقه را چند برابر کند. ناگهان صدای اعتراض از همه مردم منطقه بلند می‌شود و گروهی به ریاست همان آقای بنگاهدار برای مذاکره با شهرداری تشکیل می‌شود. در جلسه با مسئولین شهرداری، آقای بنگاهدار کلا این ادعا را که این محله جزو مناطق اعیان‌نشین و پولدار است، از پایه و اساس رد می‌کند! او می‌گوید که در محله آنها، کلی آدم بیکار و کارمند وجود دارد به طوریکه طبق آمار رسمی نصف مردم محله زیر ۲۰ میلیون در سال درآمد دارند که تقریبا نزدیک خط فقر است!

این کتاب ترجمه‌ی کتاب How to lies with statistics? هست که البته مترجم مثال‌هایی از کشور خودمون رو وارد ترجمه‌ی کتاب کرده که متن کتاب به ذهن خواننده آشناتر باشه.

این شما و این هم کتابی کوتاه و مفید درباره‌ی آمار.

فراز‌ و‌ فرودهای تاریخی علم نجوم

بخش اول از سری‌ گفت‌وگوهای «پشت‌پرده نجوم»

«پشت‌پرده نجوم» عنوان یک سری از لایوهای اینستاگرامی هست که در آن با چند نفر از دانشجویان و اساتید دانشگاهی، درمورد تصویر درست علم نجوم و فرآیندها و اتفاقاتی که در عمل، در جامعه علمی در جریان است، گفت‌و‌گو شده و هم‌چنین کندوکاوی درمورد مسائل مهمی از قبیل روایتگری در علم و شبه‌علم داشته است.

تاریخ همیشه عبرت‌آموز است! به‌ همین‌ خاطر، در اولین قسمت از برنامه‌ی «پشت‌پرده نجوم» با دکتر امیر‌محمد گمینی، عضو هیئت علمی پژوهشکده تاریخ علم دانشگاه تهران، در‌مورد علم نجوم در بستر تاریخ گفت‌وگو کردیم. ویدیوی این گفت‌و‌گو ضبط شده و در ادامه‌ این مطلب آمده است.

علم در طول تاریخ، فراز‌ و‌ فرود‌های زیادی داشته است. این تصور که بخواهیم تاریخ علم نجوم را تنها به نظرات انقلابی از قبیل: مدل زمین‌مرکزی بطلمیوسی و مدل خورشید‌مرکزی کپرنیکی، یا چند چهرهٔ سرشناس مانند گالیله و نیوتن تقلیل بدهیم، برداشت درستی نیست. 

در این گفت‌و‌گو به سؤالات زیادی در‌ رابطه با تصورات رایج در‌مورد تاریخ علم (به‌ویژه علم نجوم) پاسخ داده شده است؛ از جمله آن‌که: آیا در تمدن اسلامی، انقلاب علمی اتفاق افتاد؟ دانشمندان مسلمان چه نگاهی به مسئله علم و دین داشته‌اند؟ عوامل مؤثر در روابط انسانی و اجتماعی تا چه حد می‌توانند روی پیشرفت علم تأثیرگذار باشند؟

بخش اول «پشت‌ پرده نجوم»
ویدیوی گفت‌و‌گوی محمد‌مهدی موسوی (فیزیک‌پیشه) و دکتر گمینی (عضو هیات‌علمی پژوهشکده تاریخ علم دانشگاه تهران) درمورد فراز و فرودهای تاریخی علم نجوم

معرفی کتاب

در این گفت‌و‌گو دو کتاب معرفی شدند:

  • «دایره‌های مینایی»، نوشته دکتر امیر‌محمد گمینی، که می‌توانید آن را از اینجا تهیه کنید. معرفی اجمالی کتاب:
کتاب «دایره‌های مینایی، نوشته امیرمحمد گمینی

کیهان‌شناسیِ علمی از چه زمانی پا‌ گرفت و در یونان و تمدن اسلامی تا چه حد از روش تجربی و ریاضی استفاده می‌کرد و چقدر تحت تأثیر فلسفه طبیعی بود؟ منجمان تمدن اسلامی چه راهکارهایی را برای حل مشکلات علمی زمان خود پی گرفتند؟ برای پاسخ به سوالات و پرسش‌هایی دیگر درباره تحولات علمی و تبادل نظرهای رایج در نجوم تمدن اسلامی نیاز به پژوهش‌هایی مبتنی بر نسخ خطی به جا‌مانده و آخرین دستاوردهای مورّخان دانشگاهی علم قدیم است. این کتاب نتایج این پژوهش‌ها را در کنار پژوهش‌هایی جدیدتر برای متخصّصان و غیرمتخصّصان علاقه‌مند به رشته تاریخ علم معرفی می‌کند. مخاطب این کتاب افرادی هستند که به تاریخ تحولات علوم در گذشته‌های دور و نزدیک دلبسته‌اند یا می‌خواهند با دستاوردهای فکری و فرهنگی تمدن اسلامی در حوزه علم هیئت آشنا شوند.

  • «زندگینامه علمی دانشمندان اسلامی» که توسط جمعی از پژوهشگران نوشته شده و می‌توانید از اینجا آن را تهیه کنید. معرفی اجمالی این اثر دو‌جلدی:

«زندگینامه علمی دانشمندان اسلامی» بیان شرح احوال، آثار و آرای علمی ۱۲۶ نفر از دانشمندان اسلامی است که در ریاضیات و علوم وابسته به آن مانند نجوم، نورشناسی، موسیقی و علم‌الحیل و علوم‌طبیعی مانند فیزیک، شیمی، کیمیا، طب و زیست‌شناسی کار کرده‌اند.

کتاب «زندگینامه علمی دانشمندان اسلامی»،

همچنین احوال برخی از جغرافی‌دانان، تاریخ‌نویسان و بعضی از فلاسفه نیز بیشتر از باب حکمت ایشان، در این مجموعه آمده است. می توان گفت که زندگی و کار مهم‌ترین دانشمندان اسلامی در این مجموعه بررسی شده و برخی مقالات آن از لحاظ تفصیل و عمق و وسعت دامنه تحقیق، بی‌نظیر یا کم‌نظیرند.

دانشمندان اسلامی که احوالشان در این مجموعه آمده همه اسلامی‌اند. بی‌آنکه همه مسلمان باشند و همه ـ از ایرانی و عرب و مغربی و مسلمان و یهودی و مسیحی ـ در سایه درخت پربار تمدن اسلامی زیسته و کار کرده‌اند.

جلد اول این مجموعه، شامل مقالات حروف «الف» تا «ح» است. جلد دوم، علاوه بر بقیه مقالات، دارای یک فهرست راهنمای تفصیلی و واژه‌نامه‌ای مشتمل بر معادل‌های برخی واژه‌ها و توضیح برخی از اصطلاحات علمی خواهد بود، تا خوانندگانی که از این کتاب برای تحقیق در تاریخ علوم در اسلام یا در دروس مربوط به این موضوع استفاده می‌کنند، از آن بهتر بهره ببرند.

کلام پایانی

در پایان، شاید اشاره به این چند جمله از کارل سِیگِن در کتاب «جهان دیو‌زده» خالی از لطف نباشد:

«چالش بزرگ برای مروجان علم آن است که تاریخ واقعیِ پر‌ پیچ‌و‌خم اکتشافات بزرگش و سوءتفاهم‌ها و امتناع لجوجانه‌ی گاه‌و‌بیگاهِ دانشمندان از تغییر مسیر را شفاف کنند. بسیاری از ـ شاید اغلب ـ درسنامه‌های علمی که برای دانشجویان نوشته شده‌، نسبت به این مسئله با‌ بی‌توجهی عمل کرده‌اند. ارائه‌ی جذابِ معرفتی که عصاره‌ی قرن‌ها پرسش‌گریِ جمعیِ صبورانه درباره طبیعت بوده، بسیار راحت‌تر از بیان جزئیاتِ دستگاهِ درهم‌وبرهمِ عصاره‌گیری است. روش علم، با همان ظاهر ملال‌آور و گرفته‌اش، بسیار مهم‌تر از یافته‌های علم است.»

یادگیری متلب و گنو اُکتاو

من معمولا از پایتون برای برنامه‌نویسی استفاده می‌کنم، چون پایتون آزاده، رایگانه و یه حالت آچار فرانسه‌طوری داره که کارهای مختلف میشه باهاش کرد. همین‌طور پایتون کتاب‌خونه‌های زیادی داره که برای کارهای مختلف علمی (محاسباتی) میشه ازشون استفاده کرد. خوبی این کتاب‌خونه‌ها اینه که به زبان‌های سطح پایین‌تری نوشته شدن به همین خاطر به قدر کافی سریع هستند! اگر هم کسی قصد کارهای تحلیل داده و یادگیری ماشین داشته باشه هم پایتون گزینه اوله، دست کم برای شروع! خلاصه همیشه به همه پیشنهاد می‌کنم که با پایتون شروع کنید و اگه کار دانشگاهی می‌کنید با پایتون ادامه بدین! از همه مهم‌تر وقتی شما با پایتون کد می‌زنید معمولا آدم‌هایی رو پیدا می‌کنید که مثل شما روی پروژه یا مسئله مشابهی کار کردن یا کار میکنند و از تجربیاتشون می‌تونید استفاده کنید یا ازشون سوال بپرسین.

با این وجود گاهی پیش میاد که آدم مجبور به استفاده از زبان‌های دیگه بشه. تجربه شخصی من اینه که عمده دانشگاهی‌ها به این دلیل مجبور میشن از یک زبان خاص استفاده کنند که به قدر کافی آدم‌های حرفه‌ای در تیمشون نیست! گاهی استاد و تیمی که پروژه‌ای رو پیش برده سال‌ها با یک زبان خاص کد زدند و ترجیحشون اینه که آدم‌های جدید هم با همون زبون ادامه بدن. راه کم‌دردسرتری هست معمولا، هر چند که گاهی می‌تونه به شدت احمقانه باشه! خلاصه ممکنه که هر کسی مجبور بشه سراغ زبان‌ها یا محیط‌های دیگه برنامه‌نویسی بره. یکی از این محیط‌ها متلب هست. توی لینوکس می‌تونید از Octave به جای متلب استفاده کنید و لذتش رو ببرید!

متلب یک محیط نرم‌افزاری برای انجام محاسبات عددی و یک زبان برنامه‌نویسی نسل چهارم است. واژهٔ متلب هم به معنی محیط محاسبات رقمی و هم به معنی خود زبان برنامه‌نویسی مورد نظر است که از ترکیب دو واژهٔ MATrix (ماتریس) و LABoratory (آزمایشگاه) ایجاد شده‌است. این نام حاکی از رویکرد ماتریس محور برنامه است، که در آن حتی اعداد منفرد هم به عنوان ماتریس در نظر گرفته می‌شوند.

گنو اُکتاو ( GNU Octave) زبان برنامه‌نویسی سطح بالایی است که بیشتر برای محاسبات عددی به کار می‌رود. این برنامه امکانات زیادی را از طریق رابط خط فرمان برای حل عددی مسائل خطی و غیر خطی می‌دهد. این برنامه را می‌توان جایگزین مناسبی برای همتای غیر آزاد خود متلب به حساب آورد.

ویکی‌پدیا

در ادامه یک سری منبع برای یادگیری متلب و اکتاو رو معرفی می‌کنم.

برای شروع

از بین این دوره‌ها، ببینید کدوم یکی به مذاقتون بیشتر خوش میاد:

برای محسابات عددی

به طور کلی

پیشنهاد من اینه که کلیات متلب رو یاد بگیرین و از منابع مختلف مربوط به کارتون استفاده کنید. مخصوصا از مثال‌های خود Mathworks استفاده کنید. مثلا اینجا ۵۰۰ تا مثال خیلی خوب برای ریاضیات، آمار و یادگیری ماشین هست. خوبه به این‌ها حتما نگاه کنید. حواستون باشه که به روی ایران بسته‌س و شما نیاز به چیزی برای دور زدن تحریم دارین که حتما راه‌های مختلفی بلدین براش!

این کتاب پر از مثال‌های خیلی قشنگه و اساسا آموزشش بر پایه مثال زدن. فصل اولش هم برای کسایی که آشنایی با متلب ندارن یک سری مثال آموزشی خوب داره.

خوبی این کتاب اینه که جواب تمرین‌ها رو هم داره و می‌شه به عنوان کتاب کمکی برای تدریس ازش استفاده کرد.

به عنوان پیشنهاد به دوستانی که معلم این درس یا درس‌های دیگه میشن : میتونید به جای حل‌تمرین سنتی پایه کلاس‌هاتون رو بر همچین چیزی بذارید. همین کار کوچیک میتونه تغییر محسوسی توی آموزش فیزیک به‌وجود بیاره. این کتاب نسخه‌ پایتونی هم داره!

«مقدمه‌ای بر بازبهنجارش» هفته چهارم: مدل آیزینگ

دوره «مقدمه‌ای بر بازبهنجارش»

قصد من ارائه یک معرفی مدرن از بازبهنجارش از افق سیستم‌های پیچیده‌ است. با نظریه اطلاعات و پردازش تصویر آغاز می‌کنم و به سراغ مفاهیم بنیادی چون پدیدارگی، درشت-دانه‌بندی و نظریه مؤثر در نظریه پیچیدگی خواهم رفت. آنچه برای این مجموعه نیاز دارید شهامت آشنایی با ایده‌های جدید و البته کمی نظریه احتمال، حسابان و جبر خطی است. برای تمرین‌های پیشنهادی هم خوب است که کمی پایتون و متمتیکا بدانید.

با تشکر از Simon Dedeo، موسسه سانتافه و بهار بلوک آذری.

ایده بازبهنجارش در مورد مطالعه نظریه‌ها است هنگامی که از مقیاسی به مقیاس دیگر می‌روند.

هفته چهارم: مدل آیزینگ

مدل آیزینگ، به عنوان معرف‌ترین مدل در فیزیک آماری، یک مدل ساده برای توصیف گذار فاز در مواد مغناطیسی است. این مدل از متغیرهای گسسته (اسپین) به روی یک گراف مشبکه (Lattice) تشکیل شده است. در این قسمت از مجموعه مقدمه‌ای بر بازبهنجارش، نخست مدل آیزینگ را معرفی می‌کنم و سپس به سراغ درشت‌-دانه‌بندی شبکه‌ اسپینی می‌روم. چالش‌های پیش‌رو را مطرح می‌کنم و سرانجام به پدیدارگی جملات مرتبه‌-بالاتر و نقاط ثابت جریان بازبهنجارش می‌پردازم.


ویدیوها

۱) مرور جلسات گذشته و معرفی مدل آیزینگ

۲) درشت-دانه بندی شبکه اسپینی

۳) یافتن نقاط ثابت


برای مطالعه بیشتر

برای بیشتر عمیق شدن

شبیه‌سازی مدل آیزینگ


اسلایدها

بازبهنجارش-آیزینگ1

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:

حکایت «سیستم‌های پیچیده» چیست؟!

این نوشته رو به مناسبت بیست و پنجمین گردهمایی ژرفا با موضوع سیستم‌های پیچیده برای شماره ۸۱۸ روزنامه دانشگاه صنعتی شریف نوشتم.


برای دیدن نگاره با کیفیت بیشتر کلیک کنید. حق نشر متعلق به شماره ۸۱۸ روزنامه دانشگاه صنعتی شریف.

انسان به دنبال قدرت پیش‌بینی

از قرن ۱۷ میلادی ما انسان‌ها به امید پیدا کردن الگوهایی در طبیعت، با جدیت خاصی شروع به مطالعه دنیای اطرافمان به صورت کمی کردیم. رفته‌رفته عددها مهم‌تر شدند و همه هم‌ و غم‌مان تبدیل به این شد که بعد از به دست آوردن یک‌سری عدد، پیش‌بینی کنیم که عدد بعدی چیست! گاهی این پیش‌بینی در مورد مکان یک سیاره در آسمان بود بعد از چند ماه رصد یا دمای یک پیستون پر از گاز و مایع بعد از طی کردن یک فرایند ترمودینامیکی. گاهی هم آن عدد مطلوب، زاویه‌ی پرتاب یک توپ بود به لشکر دشمن! الگوهای حاکم بین اعداد همیشه موضوع هیجان‌انگیز و سودآوری برای مردم بود چرا که قدرت «پیش‌بینی» را در پی داشت.

قدرت پیش‌بینی، مزیت رقابتی علم بر فلسفه بود که از دل مدل‌سازی‌های عددمحور به دست می‌آمد. قرن ۱۹ و ۲۰ میلادی طی شد و نوبت به هزاره سوم رسید. انسان قرن ۲۱ام که به گمانش همه علوم را خوب می‌شناخت، با پرسش‌های جدیدی روبه‌رو شد. پرسش‌هایی که این بار مرز بین علوم را نشانه گرفته بودند. پرسش‌هایی از این جنس که حالا که فیزیک را به‌خوبی می‌شناسیم‌، آیا می‌توانیم یک ترکیب آلی را به خوبی توصیف کنیم یا مثلا شیوه تاشدگی یک پروتئین را با دقت خوبی پیش‌بینی کنیم؟! یا اگر متخصص زیست‌شناسی باشیم پیش‌بینی رفتار جامعه انسان‌ها در شرایط بحران اقتصادی برایمان ممکن است؟! در مورد رفتار بازار بورس چه؟ اکنون که سلول‌های عصبی را می‌شناسیم آیا کارکرد مغز را می‌توانیم توصیف کنیم؟ آیا می‌توانیم بگوییم که برای سلول‌های عصبی چه اتفاقی می‌افتد که فردی دچار بیماری‌هایی مانند صرع یا پارکینسون می‌شود؟ یا پرسش‌هایی از این قبیل که چرا هنوز مدیریت ترافیک و جلوگیری از مسدود شدن جاده‌ها برایمان دشوار است؛ مگر ما همان بشری نیستیم که به ماه سفر کرده‌ایم و با توسعه مکانیک کوانتومی بمب اتم ساخته‌ایم؟! چرا بعد از حل کردن این همه مسئله بغرنج، نمی‌توانیم زمان بحرانی برای همه‌گیری یک شایعه یا بیماری جدید در دنیا را محاسبه کنیم و برنامه دقیقی برای چگونگی واکسیناسیون مردم را تدوین کنیم؟ علی‌رغم این همه پیشرفت در علوم مختلف، چرا در حل این قبیل مسائل ناتوان مانده‌ایم؟!

چرا شناخت دنیای اتم‌ها برای شناخت دنیای شیمی کافی نیست؟! یا چرا «بیشتر، متفاوت است»؟

همه این‌ها پرسش‌هایی بود که به‌خاطر ظاهر ساده‌شان انسان قرن بیست‌ و یکمی نخست فکر می‌کرد که «علی‌الاصول» باید بشود جوابشان را دانست. بالاخره طی سه قرن گذشته، ریاضیات بسیار گسترش یافته بود و فیزیک – علم اتم‌ها و کهکشان‌ها – را به خوبی توسعه داده‌ بودیم. فیزیک هم که مادر شیمی است و شیمی مادر زیست‌شناسی و زیست‌شناسی توصیف‌کننده موجودات زنده و انسان‌ هم یک موجود زنده است. رفتار بازار بورس یا اقتصاد جهانی یا همه‌گیری یک بیماری هم بر اساس عملکرد همین موجودات زنده است. خب پس لابد با مقداری محاسبه می‌توان به این پرسش‌ها پاسخ داد. با این وجود، رفته رفته متوجه شدیم که فهم ما از سیستم‌هایی مانند مغز انسان یا اقتصاد جهانی دچار نواقص جدی است و پیش‌بینی و کنترل رفتار آن‌ها برای ما بسیار دشوار است. گویا این سیستم‌ها دارای پیچیدگی عجیبی هستند. به عبارتی، این سیستم‌ها، پیچیده هستند از آن‌جا که ما با آن‌که اجزایشان را می‌شناسیم و رفتار تک‌تک ‌آن‌ها را به خوبی می‌توانیم پیش‌بینی کنیم، ولی «رفتار جمعی» آن‌ها تحت یک ساختار جدید را نمی‌توانیم به خوبی توصیف کنیم! می‌دانیم که عملکرد سلول‌های عصبی سازنده مغز چگونه‌ است، اما عملکرد مغز را نمی‌توانیم توصیف کنیم. مثلا نمی‌دانیم تکلیف حافظه چیست! می‌دانیم که در سلول‌های عصبی حافظه وجود ندارد ولی با این حال، در مجموعه‌ای از همین سلول‌ها وجود دارد! همین مجموعه کارهای عجیب و غریب‌تری هم می‌کند. مثلا سلول‌های عصبی مغز به طور جمعی از خود، آگاهی نشان می‌دهند. در حالی که آگاهی در هیچ کجای سلول عصبی بیچاره وجود ندارد. تلاش برای حل این قبیل تناقض‌ها که در مقیاس ریز اگر همه چیز آشنا باشد، لزومی ندارد در مقیاس درشت‌تر رفتار سیستم را بتوانیم توصیف کنیم آغازگر انگاره‌ای جدید در علم بود؛ انگاره پیچیدگی.

پدیدارگی (Emergence) و لزوم تحول انگاره در علم

اگر به دنبال کتاب مناسبی برای یادگیری سیستم‌های پیچیده هستید، این کتاب پیشنهاد جدی ما است 🙂

بشر قرن ۲۱، به دنبال شناخت سیستم‌های پیچیده است. سیستم‌هایی که از تعداد زیادی اجزا تشکیل شده‌اند و نوعی نظم خودبه‌خودی بر آن‌ها حاکم است. در این سیستم‌ها در مقیاس ریز، اجزایشان برهم‌کنش‌های موضعی دارند ولی در مقیاس درشت، رفتارهای «پدیداره» از خود نشان می‌دهند که شبیه به رفتار اجزای آن در مقیاس ریز نیست. راستش، ما ناچار به درک سیستم‌های پیچیده هستیم. برای ما که همیشه مجذوب قدرت پیش‌بینی علم شده‌ایم مهم است که بدانیم اگر آنفولانزا در آفریقا شایع شد با چه احتمالی یک آلمانی در چه روزی بیمار می‌شود و با چه احتمالی یک ایرانی در چند روز بعد. برای ما مهم است، چرا که شبکه واگیری بیماری از لحاظ ریاضیاتی موجود ساده‌ای نیست و مطالعه یک فرایند دینامیکی روی چنین شبکه‌ای بدون کمک گرفتن از کامپیوترها غیرممکن است. برای ما حل هم‌زمان تعداد زیادی معادله دیفرانسیل غیرخطی که به‌ همدیگر وابسته هستند با قلم و کاغذ اصلا راحت نیست. حداقل تجربه سال اول و دوم زندگی دانشگاهیمان این را به ما گوش‌زد می‌کند!

سیستم‌های پیچیده مهم هستند، چرا که انگاره پیچیدگی عینک جدیدی برای مطالعه طبیعت به ما می‌دهد. انگاره پیچیدگی به ما می‌گوید مستقل از این‌که مسئله‌ای تا پیش از این در کدام حوزه‌ خاص از علم بررسی می‌شده، باید با نگاهی از پایین‌ به بالا به دنبال حل آن مسئله باشیم و همزمان از همه امکانات فنی و تحلیلیمان برای حل آن استفاده کنیم. برای مثال، مسئله مغز، یک مسئله در فیزیک یا شیمی یا زیست‌شناسی یا علوم کامپیوتر نیست. در مکتب/نگاه/انگاره پیچیدگی، مسئله مغز سوالی است که متخصصان حوزه‌های مختلف با ابزارهایی که دارند سعی می‌کنند در یک محیط مشارکتی راهی برای حل آن پیدا کنند.

انگاره پیچیدگی به ما می‌گوید با تبدیل کردن یک سیستم به اجزا سازنده آن و شناخت اجزا نمی‌توانیم به درک درستی از آن سیستم برسیم. مکتب پیچیدگی در برابر مکتب تقلیل‌گرایی (reductionism) قرار دارد.

(این نوشته از دکتر محمد خرمی در مورد تقلیل‌گرایی را بخوانید.)


نوشته‌های مرتبط

داستان پیچیدگی: «چرا بیشتر، متفاوت است؟»

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!

فاینمن، ابرچهره مردمی!

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، روایتگر بزرگ علم!

چیزی که فاینمن رو تبدیل به یک نماد و ابرچهره کرده فقط نبوغ سرشار و بی‌نظیرش نیست. به قول فریمن دایسون،

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

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!

‌فایل صوتی: ریچارد فاینمن، چهره‌ترین چهره!

—————————————————–

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