رفتن به نوشته‌ها

دسته: فلسفه علم

متجاوزان معرفتی

همه ما اسم گالیله رو شنیدیم و می‌دونیم که یکی از تاثیرگذارترین فیزیکدانان‌های تاریخه. اثر معروف گالیله «دیالوگو» در مورد این ایده است که خورشید مرکز منظومه‌ شمسیه که خب همین حرف‌ها هم پای گالیله رو به دادگاه تفتیش عقاید باز کرد. با این وجود، گالیله نه تنها در زمینه فیزیک و ریاضی که در زمینه‌های دیگه‌ای هم اهل تحقیق و پژوهش بوده و گاهی هم سوال‌های خیلی مهمی پرسیده و به بعضی‌هاشون هم تونسته جواب بده. یه مثال خیلی مهم، الگوی تغییر میزان سوخت‌وساز پایه (متابولیسم) حیوانات به نسبت وزنشونه. در واقع سوال اینه که وقتی در گونه‌های مختلف وزن حیوونی دو برابر میشه مقدار سوخت و سازش چند برابر میشه؟ جواب این سوال به یک مسئله خیلی مهم مقیاسی در سامانه‌های زیستی برمی‌گرده. چیزی که بعد از گذشت چند قرن، تازه دانشمندا موفق شدن توضیحی برای این کار پیدا کنند! نوع وابستگی سوخت و ساز به وزن حیوونا همون چیزیه که امروز به قانون Kleiber معروفه.

Metabolic rate as a function of body mass (plotted logarithmically)
West G., 2017, Scale. The universal laws of growth, innovation, sustainability, and the pace of life in organisms, cities, economies, and companies,

خب این خیلی جالبه که گالیله‌ در اون سال‌ها تونسته به این‌چیزها فکر کنه و سوال‌های مهمی خارج از فیزیک و ریاضیات مطرح کنه و به کمک شناخت و مهارت‌مناسبی که در این زمینه‌ها داشته سعی کرده مسئله‌ای خارج از تخصص اصلیش رو به میزان قابل توجهی جواب بده. بینش عمیقی که گالیله، نیوتون یا ریچارد فاینمن داشته همیشه زبان‌زد جامعه علمی بوده. بینشی که گاهی فقط منجر به این شده که سوال‌های بسیار خوبی مطرح کنند. به قول کارل سیگن، «ما جهان خود را با شهامت پرسش‌ها و عمق پاسخ‌هایمان درخور می‌سازیم.» 

مستقل از زمان گذشته که یک‌ سری همه‌چیزدان معروف مثل ابن‌سینا وجود داشته در تاریخ مدرن هم که ما مفاهیمی مثل دانشگاه و تخصص دانشگاهی داریم باز اسم افراد دیگه‌ای شنیده میشه که به مسائلی خارج از تخصص اصلیشون پرداختن و در نهایت موفق شدن که اون‌ها رو به خوبی توسعه بدن. مثلا، اگه فیلم ذهن زیبا رو دیده باشین می‌دونید که جان نش، ریاضیدون معروف، برنده جایزه نوبل در اقتصاده یا مثلا جان فون‌نویمان هم در توسعه ریاضیات و فیزیک مشارکت جدی داشته و هم در علوم کامپیوتر و اقتصاد! اسم نوآم چامسکی رو هم که این روزا دیگه همه شنیدیم؛ چامسکی پدر علم زبان‌شناسی مدرنه که این روزها بیشتر از هر چیزی به عنوان یک منتقد جدی سیاست‌های امریکا شناخته می‌شه و حرفش هم در بین اهل فن خریدار داره. خلاصه این که آدم‌ها سعی کنن با توجه به دانش‌ و مهارت‌هایی که در زمینه تخصصیشون دارن سراغ بررسی یا حل مسئله‌های دیگه در بقیه حوزه‌ها برن چیز عجیبی نیست. توی پست معرفی کتاب «قوانین عمومی موفقیت» باراباشی گفتیم که این تحقیقات عموما توسط افرادی انجام شده که زمینه تحقیقاتشون چیزهایی مثل فیزیک و علوم داده بوده نه مثلا مدیریت یا روان‌شناسی! در واقع لازلو باراباشی، نویسنده کتاب،  به کمک همکارانش با استفاده از روش علمی سعی کرده راهی برای مطالعه کمی میزان موفقیت افراد یا شرکت‌ها در موضوعات مختلف پیدا کنه و به نتیجه‌‌گیری معقولی برسه. نتایج این تحقیقات توی مجله‌های معتبر علمی چاپ شده و خلاصه‌ای از اون‌ها رو باراباشی در کتاب عامه‌پسندی منتشر کرده. اگه کنجکاویتون در مورد این ماجرا زیاد شد پیشنهاد می‌کنیم حتما قسمت ۲۸ام پادکست بی‌پلاس که خلاصه این کتاب رو تعریف می‌کنه رو گوش کنید.

اگه همه این داستان‌ها رو هم بذاریم کنار، عصری که ما توش زندگی می‌کنیم عصر توسعه علوم بین‌رشته‌ایه. این روزها مرتب می‌شنویم که مثلا فیزیکدان‌ها و ریاضیدان‌ها در بازارهای مالی مشغول فعالیت هستند یا اینکه زیست‌شناس‌ها و روان‌شناس‌ها در یک پروژه مشترک مشغول مطالعه مسائلی پیرامون عملکرد مغز انسان هستند. اصلا این روزها وقتی اسم نوروساینس برده میشه به طور مشخص در مورد یک حوزه کاملا بین رشته‌ای صحبت میشه که متخصص‌هایی از رشته‌هایی مثل ریاضی، علوم کامپیوتر، فیزیک، آمار، زیست‌شناسی، روان‌شناسی، پزشکی و رشته‌های مختلف مهندسی دور هم جمع شدند و به کمک همدیگه مشغول تحقیق و پژوهش هستند تا از کار مغز و رفتار انسان سر در بیارن. از طرف دیگه زیاد از جاهای مختلف شنیدیم که اضافه کردن آدم‌های جدید و بعضا خیلی دور از رویه یه شرکت منجر به این میشه که ایده‌های خلاقانه بیشتری شکل بگیره و در نهایت انگار شرکت‌های بزرگ بدشون هم نمیاد که آدم‌های خارج از چارچوب‌های رایج کسب و کارشون رو استخدام کنند. اون قدرها هم البته دور از عقل نیست این کار؛ شما اگه واقعا نیاز دارید که به چیزی جور دیگه‌ای نگاه کنید باید یا سعی کنید که از شر همه چارچوب‌های شکل گرفته در ذهنتون بعد از سال‌ها آموزش حرفه‌ای خلاص بشین که خب این کار خیلی سختیه یا اینکه از آدم‌هایی که ذهنیت متفاوتی دارن دعوت کنید تا به چالش پیش اومده فکر کنند و راه حلی ارائه کنند. بالاخره گاهی برای رسیدن به جایی که هرگز نبودیم مجبوریم راه‌هایی رو طی کنیم که تاحالا نرفتیم دیگه، نه؟!

اما، این فقط یک طرف ماجرا است! در حقیقت طرفی که اتفاقا این روزها زیاد ازش صحبت میشه و به ظاهر مردم هم ازش استقبال می‌کنند. عموما هم همه جا در مورد خیر و برکتی که پشت این مدل کارهای بین‌رشته‌ای و میان‌موضوعی قرار داره صحبت میشه. ای کاش همیشه هم این جوری بود،‌ ولی خب اگه یکمی با دقت بیشتری نگاه کنیم متوجه میشیم اینکه این جور مواقع ماجرا ختم به خیر نمیشه که هیچ، تازه این طرف در واقع طرف پر از ریسک ماجراست! یکی از چالش‌های جدی این رهیافت اینه که آدم‌هایی که در زمینه‌ای تخصص دارن در مورد زمینه دیگه شروع به اظهار نظر می‌کنن در حالی که به جهلشون نسبت به پیش‌زمینه‌های اون مسئله واقف نیستند و فکر می‌‌کنند که کاملا حق با اون‌هاست در حالی که یا تحلیلشون غلطه یا به نتیجه‌گیری اشتباهی ‌می‌رسند. به افرادی که در زمینه‌ای خارج از تخصص اصلیشون اظهار نظر غلط می‌کنند اصطلاحا متجاوزان معرفتی می‌گن؛Epistemic trespassers

https://twitter.com/deliprao/status/1428873202084630529

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

ویدیو ۲۵امین گردهمایی انجمن علمی ژرفا با موضوع سیستم‌های پیچیده

۲۵امین گردهمایی انجمن علمی ژرفا با موضوع سیستم‌های پیچیده با همکاری انجمن‌های علمی فیزیک، همبند، شناسا از دانشگاه صنعتی شریف و مرکز شبکه‌های پیچیده و علم دادهٔ اجتماعی دانشگاه شهید بهشتی در تاریخ ۲۴ام اردیبهشت ماه سال ۱۳۹۸ برگزار شد.

💰 اقتصاد و فیزیک سیستم‌های پیچیده – دکتر سامان مقیمی

🧠 مغز از پیچیده تا بغرنج – دکتر عبدالحسین عباسیان

🧬 پیچیدگی زیستی: در جستجوی تصویری واقع‌بینانه از ژنوتیپ و شایستگی – دکتر عطا کالیراد

میز گفت‌وگو درباره‌ی سیستم‌های پیچیده

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

راهی که آمدیم؛ مروری کوتاه بر دستاوردها و چالش‌های فیزیک نظری

در گوشه‌ای از جهان هستی

در قلب توده‌ بزرگی از ماده‌ی تاریک، در نقطه‌ای از کهکشان مارپیچی بزرگمان، بر روی سیاره‌ی خارق‌العاده‌ای که به دور خورشید با شکوهمان می‌چرخد، در ادامه‌ی زنجیره‌ای که هنوز تنها اثری از حیات زنده در کیهانمان است، ما نیز شروع به زندگی کردیم. به عنوان گونه‌ای با قدرت تفکر، همیشه به دنبال زبانی برای برقراری ارتباط با محیط اطرافمان بوده و هستیم. گاه با هدف رفع نیاز، گاه برای رفع حس کنجکاوی سیری ناپذیرمان و حتی گاهی در اثر ترس! اما هدف هرچه بود و هرچه هست، امروز درجای عجیبی از تاریخ علم ایستاده‌ایم و با غرور به جهانی نگاه می‌کنیم که نه آن‌طور که ما دلمان می‌خواهد، بلکه آن گونه که واقعا هست، در برابر ما ایستاده است.

شما اینجا هستید!

ما همیشه می‌خواستیم با طبیعتمان سخن بگوییم، و در طول تاریخ، فیزیک راهی بود که برای این هدف انتخاب کردیم. فیزیک زبان مشترک ما و طبیعت شد. ما مشاهده می‌کردیم، بعدها یاد گرفتیم ثبت کنیم، بر پایه‌ی مشاهداتمان فرضیه سازی کردیم و جلو رفتیم. زمینمان را تخت تصور میکردیم، هر کدام از سیارات و ستاره ها را خدایی می‌پنداشتیم که باید نیایش کنیم، وگرنه بر ما عذاب می‌فرستند. در ذهنمان خدایان ناشناخته‌ای ساختیم که شب و روز را پدید می‌آوردند. خدایانی که غروب خورشید را می‌خوردند و صبح باز او را به دنیا می‌آوردند. خدایانی که صبح از شرق برمی‌خاستند، در طول روز در آسمان سیر می‌کردند و غروب مانند پیرمردان در بستر می‌مردند. رعد و برق، خشم خدایان بود و زلزله خشم مادرمان زمین.

فرضیه ساختیم، خیالبافی کردیم و جلو آمدیم. سفر کردیم، اختراع کردیم، تا آنجا که زمین و آسمان را هر روز بهتر و بهتر شناختیم. فرضیاتمان به مرور حقیقیتر میشدند، از محیطمان به زیباترین وجه استفاده می‌کردیم، ویژگیهایش را میدانستیم، دارو می‌ساختیم، ظروف زیبا، وسایل نقلیه، ساختمان‌های باشکوه ، اما هنوز پیوند عمیقی برقرار نبود. با طبیعتمان به زیبایی زندگی میکردیم اما زبانش را نمیدانستیم. همیشه نگاهمان به آسمان هم معطوف بود. آسمان پر رمز و راز را می‌دیدیم. ستارگانی را که هر شبمان را زیبا می‌ساختند، در صورت‌های فلکی دسته بندی کردیم. علم اخترشناسی را به جود آوردیم و هر شب آسمان را رصد میکردیم. همه چیز را میدیدیم، اما هنوز علت‌ها ناشناخته بود.

نظریه  زمین‌مرکزی بطلمیوس

بطلمیوس که بین سالهای ۹۰ تا ۱۶۸ میلادی زندگی میکرد، معتقد بود زمین در مرکز جهان قرار دارد، و ماه و خورشید و سایر سیارات، به دور آن میچرخند. در این نظریه، سیارات مداری نداشتند و انگار بر روی صفحه‌ای شیشه‌ای به نام فلک چسبیده بودند و فلک به دور زمین در گردش بود. او معتقد بود که ۸ یا ۹ فلک وجود دارد و بر روی فلک آخر، ستاره‌ها چسبیده‌اند.

یک نقاشی قدیمی برآمده از طرز تفکر بطلمیوسی (زمین‌مرکزی) – نگاره از ویکی‌پدیا

پس از این فلک، که به آن فلک الافلاک می‌گفتند، خداوند و فرشتگان زندگی میکردند. این نظریه که به آن زمین مرکزی میگویند شاید یکی از نخستین نظریات جامع و منسجم ما درباره ی کیهانمان بود. این باور نزد ما پذیرفته شده بود. ما در مرکز جهان هستی، بر روی سیاره‌ی زیبایمان نشسته بودیم و همه به دور ما می‌گشتند. کلیسا نیز این فرضیه را بشدت تبلیغ می‌کرد. خیالی خوش و پرغرور اما ناپایدار. تا بالاخره در تاریخمان گالیله پیدا شد. او بود که گفت نه تنها ما مرکز جهان نیستیم، بلکه ما و چند سیاره‌ی دیگر همه و همه به دور خورشید زیبایمان میگردیم. او نگاه ما را به طبیعت و به ویژه علم مکانیک دگرگون کرد، و در یک کلام، او نخستین پیوند میان طبیعت و ریاضیات را در قلب علم حرکت شناسی نشان داد. وقتی به او فکر می‌کنم، و به جهانی که پیش از او می‌شناختیم، تصمیم و کار بزرگش بسیار ترسناک به نظرم میرسد. تصور کنید در خانه‌ای نشسته‌ایم، دیوارهایش را با رنگ‌های بسیار زیبا نقاشی کرده‌ایم و تصور می‌کنیم تمام حقیقت، هرآن چیزی است که در نقاشی‌هایمان کشیده‌ایم. ناگهان مردی از راه می‌رسد، دیوارها را خراب می‌کند،نقاشی‌ها را می‌سوزاند، ما را وسط تاریکی بی‌انتهایی رهایمان می‌کند و تنها مشعلی به دستمان می‌دهد. او نم‌یداند نتیجه‌ی جستجویمان چه خواهد بود، اما باور دارد حقیقت بسیار زیباتر و موثرتر از تمام نقاشیهایمان بر در و دیوار خانهمان است. او به درستی و زیبایی حقیقت باور دارد. ما این مشعل را گرفتیم و جلو آمدیم.

نیوتون و ادامه‌ی راه

مفهوم گرانش را فهمیدیم. حرکت سیارات را توجیه کردیم. مهندسی نوینی بر پایه‌ی معادلاتش بنا کردیم. علم مهندسی هر روز زندگی را ساده‌تر میکرد. اما سوالات ما پایانی نداشت. مطالعه بر روی نور از زمان نیوتون جدی‌تر دنبال می‌شد. تلسکوپ گالیله که یکی از دستاوردهایش کشف چند قمر از اقمار مشتری بود، به وسیله‌ی نیوتون اصلاح شد و کار رصد آسمان را اندکی بهبود بخشید. همچنین مطالعه‌ی ما بر روی الکتریسته و مغناطیس روز به روز بیشتر می‌شد و کسانی ماند لنز، فارادی، آمپر و دیگران ماهیت بار الکتریکی را معرفی کردند. سرانجام دوران طلایی فیزیک فرا رسید. در اواخر قرن نوزدهم، تامسون مدل اتمی‌اش را ارائه کرد. رادرفورد اولین بار مفهوم هسته را معرفی کرد. پروتون‌ها و نوترون‌ها شناخته شدند و سرانجام مدل سیاره‌ای توسط نیلز بور ارائه شد. مدلی که اگر درست بود بنابر نظریه‌ی الکترومغناطیس، به ناپایداری اتمها و نابودی اتم منجر میشد. در این زمان بشر به آزمایش‌هایی دست می‌زد که یکی پس از دیگری ناتوانی فیزیک نیوتونی را در توضیح مسائلی روشن‌تر می‌ساخت. اینطور به نظر میرسید که باز راهمان را گم کردهایم.

اما نه!

ما میدانستیم ماشینهایمان، هواپیماها و تمام علم ساختمان، بر پایه‌ی فیزیک نیوتونی دقیق و زیبا کار می‌کنند و جلو می‌روند. اینجا بود که به اصل بسیار زیبای همخوانی رسیدیم. اصلی که سنگ بنا و شرط اساسی تمام نظریاتمان شد:

اگر نظریه ی جامعی ارائه می‌شود، این نظریه باید در شرایط خاصی که مکانیک نیوتونی برقرار است، معادلات نیوتون را بدست دهد.

برای مثال، اگر به دنبال نظریه‌ی جامعی هستیم که قلب اتم را نیز برایمان توضیح دهد، چنانچه در معادلاتمان باز از اتم به اجسام عادی و سرعت‌های معمولی رسیدیم، باز معادلات باید همان معادلات نیوتون شوند. و این اصل چراغ راهمان شد. تابش جسم سیاه، اثر فوتوالکتریک، اثر کامپتون و … هر یک بیش از پیش ما را به سمت نظریه‌ی شگفت‌انگیز کوانتوم سوق داد.

دوگانگی موج و ذره یکی از مفاهیم عجیب مکانیک کوانتومی- نگاره از ویکی‌پدیا

با مکانیک نیوتونی و درک ماهیت موجی-ذره‌ای در ابعاد کوانتومی، هایزنبرگ ، شرودینگر و دیراک زبانی ساختند بسیار مدرن که ما را به اعماق ماده راه داد. در اوایل قرن بیستم بود که اینیشتین با تئوری زیبای نسبیت خاصش از راه رسید. نظریه‌ای که در پاسخ به مسئله‌ی یکسان بودن سرعت نور نسبت به هر ناظر لخت با هر سرعتی نوشته شده بود. این نظریه نشان داد که در سرعت‌های بالا،  زمان هم از نگاه ناظرهای مختلف متفاوت است و به این صورت، مفاهیم قدیمی فضا و زمان به هم گره خوردند و مفهومی بنیادیتر به نام فضا-زمان شکل گرفت. اما زیبایی بی‌نظیر معادلات نسبیت خاص درآن بود که اگر سرعت متحرک نسبت به سرعت نور کم میبود -مثلا در حد سرعت حرکت ما و وسایل نقلیه‌مان- معادلات باز به همان معادلات آشنای نیوتون میرسید. پس ظاهرا ما همه چیز را می‌دانستیم. در قلب ماده مکانیک کوانتوم جواب سوالاتمان را می‌داد. برایمان هسته و اتم را توضیح داد. اتم شکافتیم. انرژی گرفتیم و با توحشی که هنوز در وجودمان تمامی ندارد بمب ساختیم. در سرعتهای بالا، معادلات نسبیت حلال مشکلاتمان شد و هنگامی که سرعت کم میشد و ابعاد ماده به ابعاد معمولی میرسید، معادلات نیوتون زندگی روزمره‌مان را پاسخگو بود.

نیروی گرانشی چه؟

آیا گرانش همانگونه که نیوتون تصور کرده بود، شکلی از نیرو بود؟ و این باز آلبرت اینیشتین بزرگ پس از حدودا یک دهه از ارائه‌ی نسبیت خاص، نسبیت عام را مطرح کرد و از گرانش نه به عنوان یک نیرو که به عنوان اثری هندسی نام برد. در واقه آنچه به عنوان نیروی گرانشی می‌شناسیم چیزی نیست جز خمیدگی فضا-زمان در اثر وجود ماده. از دل این تئوری ، سیاهچاله‌ها، کرمچاله‌ها و امواج گرانشی سربرآوردند. ترکیب این نظریه با شواهد رصدی مبنی بر انبساط کیهان، معادلات فریدمان در توصیف کیهان را بدست داد. این معادلات ما را به بیگ بنگ رساندند. جایی که احتمالا آغاز فضا-زمان و در نتیجه کیهان زیبای ماست. سرانجام با اضافه کردن نظریه‌ی تورم و همچنین کشف اثرات ماده‌ی تاریک و انرژِی تاریک، به مدل استاندارد کیهانشناسی رسیدیم. مدلی که کیهانی را شرح می‌دهد که از مه‌بانگ آغاز کرده، ناگهان تورم یافته و سپس ذرات در آن شکل گرفته‌اند. ذرات ماده و ضد ماده و همچنین چیزی به نام ماده‌ی تاریک که البته هنوز هویتش را نمی‌دانیم. ماده بر ضد ماده غلبه کرده و همین موجب شکل‌گیری کهکشان‌های زیبا، سیارات و ستاره‌ها شده است. ماده‌ معمولی که میشناسیم که تنها ۵ درصد از کل جهان را تشکیل داده است. این ماده شامل کوارک‌ها که تشکیل دهنده‌ی نوترون و پروتون‌اند، نوترینوها، آنتی نوترینوها و ذرات دیگر است که همه و همه در مدل استاندارد ذرات بنیادی به زیبایی کنار هم نشسته‌اند.

تاریخچه انبساط جهان

پس از موفقیت‌های مکانیک کوانتومی، مثل هر نظریه‌ی دیگری، معایبش هم آشکار شد و یکی از آن عیب‌ها، ناتوانی مکانیک کوانتومی در حل مسائلی بود که طی آنها ذره خلق میشد. این موارد ما را به سمت نظریه‌ی میدان‌های کوانتومی سوق داد، که ریچارد فاینمن آن را پایه ریزی کرد و رسما دید ما به جهان زیر اتمی تکامل زیبایی یافت. در سالهای اخیر با پیشرفت‌های چشم‌گیر تکنولوژی و علوم مهندسی، بالاخره وجود ذره‌ی هیگز تایید شد. تابش زمینه‌ی کیهانی هر روز مطالعه می‌شود. سال گذشته پیشبینی صد ساله‌ی آلبرت اینیشتین تحقق یافت و امواج گرانشی آشکار شدند. پس این طور به نظر میرسد که هر روز بیشتر از روز قبل با طبیعتمان به زبان مشترکی میرسیم. هر روز بیش از قبل زیبایی ریاضیاتمان، و نظریاتی که می‌نویسیم آشکار می‌شود.

پرسش‌های پیش‌رو

اما هنوز علامت سوال‌های بزرگی در پیش است. ماده‌ی تاریک واقعا چیست؟ انرژی تاریک چیست؟ این دو روی هم رفته ۹۵ درصد از جهان ما را تشکیل می‌دهند و هنوز برایمان ناشناخته‌اند. نظریات جدیدمان تا چه اندازه کارآمدند؟ تئوری ریسمان، نظریه‌ی ابرتقارن، گرانش تعمیم یافته، کیهان شناسی مدرن و … . هر روز بیش از قبل پیشرفت می‌کنیم و به کشف حقیقت نزدیک می‌شویم.‌ اما واضح است که در پی اینچنین تلاشی به قدمت عمر ما بر روی این کره‌ی خاکی، سوالات زیادی حل نشده باقی مانده‌اند و این چالش بزرگی پیش روی زیباترین وجه ریاضیات، یعنی فیزیک نظریست.

مدتی پیش کتابی میخواندم به نام «درباره‌ی معنی زندگی» از ویل دورانت.

اوبث اشاره می کرد که تلاش ما برای یافتن حقیقت، در واقع تمام اعتماد به نفسمان را از بین برد . چرا که زمانی ما مرکز جهان بودیم و همه چیز معطوف به ما بود. اما دانشمندان نشان دادند که ما گونه‌ای ناتوان در گوشه‌ای از این جهانیم و روزی تنها خورشیدی که میشناسیم نابودمان خواهد کرد و مولکول‌های ما تجزیه خواهد شد و آن روز پایان ماست. این جمله و نگاهش اگرچه از دید یک فیلسوف جالب و قابل تامل است، اما من قویا معتقدم حقیقت، بسیار زیباتر از امنیت ساختگی به وسیله‌ی توهم است. حقیقت هرچه هست، به ذات خود زیباست و این زیبایی دوچندان میشود وقتی به زبان ریاضی بیان میگردد. این جادوی فیزیک است.

همانگونه که زمانی فاینمن گفت:

«شاعران گفته‌اند که علم زیبایی ستاره ها را ضایع میکند، چون که آنها را صرفا کره‌هایی از اتم‌ها و مولکول‌های گاز می‌دانند. اما من هم میتوانم ستاره‌ها را در آسمان شب کویر ببینم و شکوه و زیبایی‌شان را حس کنم. می‌توانم این چرخ فلک را با چشم بزرگ تلسکوپ پالومار تماشا کنم و ببینم که ستاره ها دارند از هم‌دیگر، از نقطه ی آغازی که شاید  زمانی سرچشمه‌ی همگی‌شان بوده است دور می‌شوند. جست‌وجو برای فهمیدن این چیزها گمان نمی‌کنم لطمه‌ای به رمز و راز زیبایی این چرخ فلک بزند. راستی شاعران امروزی چرا حرفی از این چیزها نمی‌زنند؟ چه جور مردمانی هستند این شاعران که اگر ژوپیتر خدایی در هیئت انسان باشد چه شعر ها که برایش نمی‌سرایند اما اگر در قالب کره‌ی عظیم چرخانی از متان و آمونیاک باشد سکوت اختیار میکنند؟»

اگر شما هم به دنبال زیبایی‌های جهان بی‌نظیرمان هستید، به دنیای ریاضیات خوش آمدید.

«روایتگری در علم»

قصه‌ و قصه‌گویی

قصه‌گوها را خیلی دوست دارم. قصه، نوع ادبی عجیبی از اطلاعات است که محملی برای بیان عجیب وغریب‌ترین رخ‌دادهاست. اصلا به نظر من، قصه همه چیز است! اگر می‌خواهید ایده‌ای را، هرچند بغرنج و پیچیده، به ذهن کسی بنشانید، محتوای آن ‌را درون قصه‌ای نهادینه و برای آن شخص بازگو کنید. بی‌ برو برگرد اثرش بیشتر از روایت حادثه به صورت خالص و عریان آن است. به باورهای خود رجوع کنید، در بنیادی‌ترین آن‌ها هم، قصه‌ها نشسته‌اند. شاید اصلا بشود چنین ادعا کرد که فرهنگ‌ هر ملتی را می‌توان در چارچوب قصه‌هایشان بازتعریف کرد؛ ممکن است که این ادعا از دقت کافی برخوردار نباشد اما به نظر گمان بدی نیست.

به هرحال، این شکوهمندی درقصه‌گویی و روایتگری‌ همیشه برایم جالب توجه بوده و با این که نه ادیب هستم و نه چندان تجربه زیادی در مطالعه آثار ادبی جهان دارم (که ای کاش داشتم!)، ارزش والای قصه و قصه‌گویی را می‌دانم. از سوی دیگر، یک فیزیک‌خوانده هستم، به بیانی، پیشه‌ام فیزیک است و چند صباحی با اهل علم حشر و نشر داشته‌ام و در گفتگویشان حاضر بوده‌ام. مکانیک کلاسیک گلدستین و الکترودینامیک جکسون را خوانده‌ام، مکانیک کوانتومی گریفیث و درس‌گفتارهای فاینمن  را نیز. تفاوت روایت گریفیث با ریتس و میلفورد در بیان الکترومغناطیس را هم دیده‌ام. با این وصف، ممکن است بپرسید که روایتگری و قصه‌گویی چه ربطی به من دارد؟ فیزیک کجا و انواع ادبی! زمختی سخنرانی‌های علمی کجا و حماسه‌سرایی‌های شاهنامه؟! ریاضیات پیشرفته و بی‌عاطفه هنکل و بسل کجا و عاشقانه‌های رومئو و ژولیت؟ می‌توانم پاسخ را از این نقل قول جناب اردوش شروع کنم:

«این که بپرسیم چرا اعداد زیبا هستند مثل این است که بپرسیم چرا سمفونی نهم بتهوون زیباست! و اگر شما این زیبایی را نمی بینید، کسی هم نمی‌تواند این زیبایی را به شما نشان دهد. من می‌دانم که اعداد زیبا هستند. اگر نباشند، آنگاه هیچ چیز نیست!»

در داستان شازده کوچولو سنت اگزوپری به شیوه‌ای سوررئالیستی به بیان فلسفه خود از دوست داشتن و عشق و هستی می‌پردازد. او از دیدگاه یک کودک، که از سیارکی به نام ب۶۱۲ آمده، پرسشگر سؤالات بسیاری از آدم‌ها و کارهایشان است. نگاره از ویکی‌پدیا

ولی در پی این پاسخ، باید بگویم که «عاقلان دانند یا صاحبان خرد» یا اینکه سراغ «بصیرت» بروم که در این نوشته قصد پرداختن به آن  را ندارم.  راستش پاسخ بهتر به این پرسش، با فکر کردن به قصه‌گویی به‌دست می‌آید و ریشه در شیوه روایتگری ما در علم دارد! به نظر شما، هنگامی که نویسنده‌ای یا روایتگری، قصه‌ای تعریف می‌کند، چقدر به این فکر می‌کند که مستمعش کیست؟ چند سال دارد؟ در هاروارد درس خوانده یا یک دیپلم‌ردی است؟ به نظر شما «سنت‌ اگزوپری» موقع نگارش شازده کوچولو چقدر تحت تاثیر این قید بوده که شنونده یا خواننده‌ اثرش کودک تازه مدرسه رفته‌ایست یا استاد دانشکده ادبیات؟ سعدی چه طور؟! آیا سعدی هنگام نگارش گلستان، مخاطبش را مشخص‌ کرده بود؟ اگر این‌گونه بود، چگونه هم در بازار و هم دربین کتاب‌های کتاب‌خانه دانشگاه تهران صحبت از حکایات سعدی است؟

راستش را بخواهید، حکایت علم هم همین است! علم، روایتی از طبیعت است، روایتی زیبا، معرکه و پرشکوه! اما این روایت، به آن زیبایی که هست، معمولا نقل نشده و نمی‌شود. روایتگری در علم معمولا جایش را به بیانی خشک و بدون عاطفه داده است. در اقصی‌نقاط دنیا، معلمان ریاضی، فیزیک، شیمی و زیست‌شناسی که اصلی‌ترین راویان علم هستند معمولا تلاشی برای «روایتگری» نمی‌کنند و به جای آن فقط به «بیان حقایق» می‌پردازند. همین است که همه ما سرماخورده یک زمستان در سرتاسر دنیا هستیم، زمستان بی‌ذوق و قریحگی در روایتگری در علم!

گالیله، روایتگر بزرگ علم

نگاهی تاریخی به آغاز علم، به معنی امروزی‌ یا مدرنش، ما را با گالیله و نیوتون مواجه می‌کند. در مورد این دو ابرمرد، نقل‌های زیادی وجود دارد ولی آن‌چه از نظر من جالب توجه است روایتگری این دو نفر است! همه ما می‌دانیم که سه‌جلدی شاهکار نیوتون به نام «اصولِ ریاضیِ فلسفهٔ طبیعی» یا به طور کوتاه «پرینکیپیا» چه تاثیر شگرفی بر علم داشته است. با این وجود، باید توجه کنیم این کتاب به زبان لاتین نوشته شده و فقط جلد نخست آن حدود ۵۰۰ صفحه و ۳۴۰ شکل بسیار پیچیده دارد. گویا جناب نیوتون کتاب را فقط برای متخصصان و اهل فن نوشته و حقی برای فهم مردم عادی در نظر نگرفته. فراموش نکنیم که نیوتون شخصیتی تکرار نشدنی در تاریخ علم است!

گالیله بر خلاف نیوتون، کتاب دیالوگو  را، به صورت یک قصه، به گونه‌ای نوشته که همه بتوانند آن را بخوانند. نگاره از ویکی‌پدیا

با این حال، برخلاف نیوتون، گالیله حدود ۵۰ سال قبل از نیوتون،  کتاب «گفتگو در باب دو سامانه بزرگ جهان» یا به طور کوتاه «دیالوگو»  را به زبان ایتالیایی و کاملا فصیح نوشته، به گونه‌ای که همه بتوانند اثرش را بخوانند! «دیالوگو» در مورد این ایده است که خورشید مرکز منظومه‌ شمسی است و گالیله این موضوع را به صورت گفتگویی میان سه دوست که به مدت چهار روز در ونیز به سر می‌برند روایت‌ می‌کند. نوشته گالیله بی‌نظیر است، ادبی و خنده‌دار است، پرشکوه و مبارزطلب است! گالیله به شکل هنرمندانه‌ای خواسته که مردم اثرش را بخوانند و درک کنند و بفهمند که زمین مرکز عالم نیست و این خورشید است که در مرکز این منظومه قرار دارد. البته همین کتاب سرانجام سبب شد تا آگاهی عمومی بالا برود و گالیله  را به اتهام کفر علیه خدا روانه دادگاه کنند.

«دیالوگو»تا مدت زیادی ممنوع‌الانتشار شد. نکته این است که آنچه برای کلیسا هشدار تلقی می‌شد فقط اکتشاف علمی گالیله نبود، بلکه قدرت روایتگری او بود! مردم قصه‌ها را دوست دارند، می‌شنوند، فکر می‌کنند و آگاه می‌شوند. گالیله یک روایتگر فوق‌العاده علم بود، یک آگاهی‌رسان!

«توسعه علم» به چه معناست؟

هرچند که می‌شود مفصل بحث کرد که هرکس شخصیت متفاوتی دارد و خلقیات خاص خود  را، اما هدف من معطوف کردن ذهن شما به ایده روایتگری در علم است.  راستی، در مسیر «توسعه علم»، اینکه فقط ایده یا مجموعه‌ای از ایده‌ها را به‌درستی بیان کنیم کافی است؟ یا به نظر شما، اگر نابغه‌ای به مدت ۱۰ سال حجم عظیمی از کارهای پژوهشی را در جزیره‌ای دور افتاده انجام دهد و به اکتشافات فوق‌العاده‌ای دست یابد ولی قبل از انتشار آن‌ها فوت کند یا اینکه آثارش به دلایلی از بین رود،آیا باز هم علم یا توسعه علم رخ‌داده است؟ نظر من که منفی است! البته سر این موضوع بحث زیادی وجود دارد و در این نوشته مجال پرداختن به آن نیست، ولی این یک مسئله جدی است! فتامل!

«چه جور مردمانی هستند این شاعران، که اگر ژوپیتر خدایی در هیئتِ انسان باشد، درباره‌اش چه شعرها که نمی‌سرایند اما اگر در قالبِ کرهٔ عظیم چرخانی از متان و آمونیاک باشد، سکوت می‌کنند؟» ریچارد فاینمن یکی از تاثیرگذارترین فیزیکدانان و روایتگران علم – نگاره از پیکی‌پدیا

تعریف «روایتگری در علم» چیست؟!

روایتگری در علم، به معنای بازگو کردن حقایق علمی به زبان مردم است! البته خوب است که منظورمان از «مردم» را با یک مثال مشخص کنیم! برای یک فیزیک‌دان، یک مهندس یا زیست‌شناس یا دانش‌آموز کلاس پنجم دبستان یا قصاب محل، مردم حساب می‌شود. هر کس که در حوزه مورد مطالعه یا پژوهش شما متخصص نیست، هنگام روایتگری، عامی حساب می‌شود. بنابراین برای یک پژوهشگر باسابقه، دانشجویان دکتری آن رشته هم «مردم» حساب می‌شوند! روایتگری در علم به این معناست که به فراخور مخاطبتان، چنان حق مطلب را ادا کنید که مخاطب، مستقل از سن و دانشش، پس از روایت شما بگوید «آهان، فهمیدم، چه جالب!». مهم‌ترین اصل در روایتگری در علم این است که چنان روایت کنید که هر کس بتواند بگوید «آهان!» پر واضح است که کار ساده‌ای نیست! برای اینکه روایتگر خوبی باشید، قبل از هر چیز، به درک درستی از موضوع نیاز دارید و سپس تلاش زیادی برای بیان مطلب به زبان مردم (مخاطبتان).

ایده‌هایی در باب روایتگری در علم

۱) سایت سیتپور

به عنوان یک فیزیک‌پیشه چند پروژه را به کمک دوستانم برای روایتگری در علم آغاز کردیم. پروژه اول، همین وب‌سایت سیتپور است. «مرام‌نامه» ما را بخوانید. هدف ما در سیتپور این است که فیزیک و ریاضی را قابل هضم‌تر به دست مردم برسانیم.

۲) رادیوفیزیک

«رادیـوفیزیـک»، یک رادیـوی اینترنتی علمی به یاد آنان که راه را هموار ساختند!

پروژه سیتپور، ایده‌ای بر اساس وبلاگ نویسی است، یعنی ما مطالبی  را می‌نویسم و شما می‌خوانید! اما امروز گاهی مردم حوصله خواندن ندارند! پس به سراغ ایده‌ی دیگری رفتیم. یک میکروفن برداشتیم و شروع به ضبط صدا کردیم که سرانجام منجر شد به یک رادیوی اینترنتی علمی به اسم «رادیوفیزیک»! ایده رادیوفیزیک بر مبنای ضبط پادکست‌‌های علمی و پخش رایگان آن به روی وب است. با رفتن به نشانی radio.sitpor.org می‌توانید پادکست‌های ما  را گوش کنید.  راستش را بخواهید کار ساده‌ایست! کافیست که بدانید که قرار است چه بگویید! من و امید میکروفون  را برداشتیم و در مورد موضوعی به گفتگو پرداختیم، صدایمان ضبط شد، کمی با کامپیوتر ویرایشش کردیم و در نهایت به روی وب منتشرش کردیم که خب بازخورد خوبی هم نصیبمان شد!

۳) در تلگرام

کمی بعدتر، به این فکر کردیم، که جامعه ایرانی چقدر با تلگرام عجین شده! پس چه خوب است که به تلگرام برویم و روایتگری کنیم! ابتدا گروه «فیزیک‌طوری» را ساختیم. برخلاف نظر خیلی از دوستان به جای یک کانال، یک سوپرگروه در تلگرام ایجاد کردیم تا همه اعضا بتوانند در مسیر روایتگری سهمی داشته باشند. گروه فیزیک‌طوری در ظاهر قوانین خشکی دارد! ولی به شما اطمینان می‌دهم، باوجود شیوه خاص مدیریت گروه، نوعی جدید از روایتگری در علم به کمک این گروه بنا شده است. پس از آن، به همت دکتر مانی رضایی، گروه و سپس کانالی در تلگرام ساختیم که به روایتگری در حوزه «آموزش ریاضی» می‌پردازد. در گروه و کانال «آموزش ریاضی» به طور دقیق به موضوع «آموزش ریاضی» پرداخته می‌شود و اعضا می‌توانند مسیر علمی این رشته را دنبال کنند. آخرین پروژهایی که در تلگرام در آن شریک هستم، کانال «سیستم‌های پیچیده» است  با مخاطب‌ خاص خود. با این وجود یکی از اهداف اصلی در همه کانال‌ها روایتگری در آن حوزه خاص و ترویج علم است.

در نهایت

اگر روایتگری در علم نباشد، توسعه علم با آهنگ کندتری پیش‌می‌رود. نباید فراموش کنیم که «‌علم» موجودی اجتماعی و سیاسی است! توسعه علم از دو سو ممکن است؛ نخست آن‌که متخصصان هر رشته، چه پیر و چه جوان، بتوانند آزادانه بیاندیشند و در تعامل با یکدیگر سعی در توسعه علم کنند و دوم اینکه متخصصان، مردم را هم‌راه و هم‌هدف خود سازند تا مسیر علمی برای پیمودن هموارتر شود. برای این‌کار نخستین گام، ترویج روایتگری در علم است. دانشمندان، اساتید دانشگاه و معلمان مدارس نه تنها باید تلاش کنند که به بهترین شکل ممکن مسیر آموزش  را در کلاس درس طی کنند بلکه باید به عنوان مروجان علم بکوشند تا فکر و جیب مردم  را هم معطوف به علم کنند.

به روایتگری در علم فکر کنید! اگه برای پسرخاله‌تان از علم نمی‌گویید یا نمی‌توانید دایی‌تان را با فهمیدن یک مطلب علمی شاد کنید یا دوست شما در گفتگو با شما نمی‌گوید «آهان، چه جالب!» یک جای کارتان لنگ است؛ یا خود درک درستی از موضوع ندارید یا اینکه به وظیفه خود عمل نمی‌کنید. بله، روایتگری در علم وظیفه هر اهل علم است!

جدید؛ این نوشته را بخوانید:

سیستم‌های پیچیده: «ماهیت و ویژگی‌»

پیچیدگی چیست؟!

حدود۳۳۰ سال پیش، نیوتون با انتشار شاهکار خود، اصول ریاضی فلسفه طبیعی، نگاهی جدید نسبت به بررسی طبیعت  را معرفی کرد. نگاه نیوتون به علم به کمک نظریه الکترومغناطیس که توسط مکسول جمع بندی و در نهایت توسط آلبرت اینشتین کامل شد، شالوده فیزیک‌کلاسیک را بنا نهاد. انقلاب بعدی علم، توسط مکانیک کوانتومی رخ‌داد. ‌آن‌چه که مکانیک کوانتومی در قرن ۲۰ میلادی نشانه گرفت، مسئله موضعیت در فیزیک کلاسیک و نگاه احتمالاتی به طبیعت بود. نگاهی که سرانجام منجر به پارادایمی جدید در علم، به عنوان فیزیک مدرن شد. با این وجود، علی‌رغم پیشرفت‌های خارق‌العاده در فیزیک و سایر علوم، کماکان در توجیه بسیاری از پدیده‌ها ناتوان مانده‌ایم. پدیده‌هایی که همیشه اطرافمان حاضر بوده‌اند ولی هیچ‌موقع قادر به توجیه رفتار آن‌ها نبوده‌ایم. بنابراین، می‌توان به این فکر کرد که شاید در نگاه ما به طبیعت و مسائل علمی، نقصی وجود داشته باشد. به‌ دیگر سخن، بعید نیست که مجددا نیاز به بازنگری در نگاهمان به طبیعت (تغییر پارادایم) داشته باشیم؛ عده‌ی زیادی معتقدند آن‌چه که در قرن ۲۱ام نیاز است، نگاهی جدید به مبانی علم است؛ نگاه پیچیدگی!

سردمداران فیزیک مدرن – پنجمین کنفرانس سُلوی (۱۹۲۷).

گاهی گفته می‌شود که ایده پیچیدگی، بخشی از چهارچوب اتحاد بخشی برای علم و انقلابی در فهم ما از سیستم‌هایی مانند مغز انسان یا اقتصاد جهانی است که رفتار آن‌ها به‌سختی قابل پیش‌بینی و کنترل است. به همین خاطر، سوالی مطرح می‌شود؛ آیا چیزی به عنوان «علم پیچیدگی» وجود دارد یا اینکه پیچیدگی متناظر با هر شاخه‌ای از علم، دارای شیوه خاص خود است و مردم در رشته‌های مختلف مشغول سر و کله زدن با سیستم‌های پیچیده زمینه کاری خود هستند؟! به عبارت دیگر، آیا یک پدیده طبیعی مجرد به اسم پیچیدگی، به عنوان بخشی از یک نظریه خاص علمی در سیستم‌های متنوع فیزیکی (شامل موجودات زنده)  وجود دارد یا اینکه ممکن است سیستم‌های پیچده گوناگونی بدون هیچ وجه مشترک وجود داشته باشند؟! بنابراین، مهم‌ترین سوالی که در زمینه پیچیدگی می‌توانیم بپرسیم این است که، به‌ راستی پیچیدگی چیست؟ و در صورت وجود پاسخ مناسب به این پرسش، به دنبال این باشیم که آیا برای تمام علوم یک نوع پیچیدگی وجود دارد یا اینکه پیچیدگی وابسته به حوزه مورد مطالعه است!

در مورد تعریف پیچیدگی، هنوز اتفاق نظری بین متخصصان یک رشته خاص، مانند فیزیک، وجود ندارد، چه برسد به تعاریفی که در رشته‌های متنوع مطرح می‌شود. این تعاریف در ادامه نقد و بررسی می‌شوند. با این وجود، مشترکات زیادی در بین تعاریف موجود وجود دارد که برای شروع بحث، مرور آن‌ها خالی از لطف نیست:

  • برای ما، پیچیدگی به معنای وجود ساختار به همراه تغییرات است. (۱)
  • از یک جهت، سیستم‌پیچیده، سیستمی است که تحول آن شدیدا به شرایط اولیه و یا اختلال‌های کوچک حساس است. سیستمی شامل تعداد زیادی قسمتِ مستقلِ درحالِ برهمکنش با یکدیگر که می‌تواند مسیرهای مختلفی برای تحولش را بپیماید. توصیف تحلیلی چنین سیستمی قاعتدا نیاز به معادلات دیفرانسیل غیرخطی دارد. از جهت دیگر، می‌توانیم نگاهی غیررسمی داشته باشیم، به این معنا که اگر بخواهیم قضاوتی داشته باشیم، سیستم «بغرنج (complicated) » است و قابلیت اینکه دقیقا به طور تحلیلی یا نوع دیگری توصیف شود  وجود نداشته باشد.(۲)
  • به طور کلی، صفت «پیچیده»، سیستم و یا مولفه‌ای را توصیف می‌کند که فهم یا تغییر طراحی و/یا عملکرد آن دشوار باشد. پیچیدگی توسط عواملی چون تعداد مولفه‌های سازنده و روابط غیربدیهی بین‌ آن‌ها، تعداد و روابط غیربدیهی شاخه‌های شرطی، میزان تودرتو بودن و نوع ساختمان داده است. (۳)
  • نظریه پیچیدگی بیان می‌کند که جمعیت زیادی از اجزا، می‌توانند به سمت توده‌ها خودسازماندهی کنند و منجر به ایجاد الگو، ذخیره اطلاعات و مشارکت در تصمیم‌گیری جمعی شوند. (۴)
  • پیچیدگی در الگوهای طبیعی نمایانگر دو مشخصه کلیدی است؛ الگوهای طبیعی حاصل از پردازش‌های غیرخطی، آن‌هایی که ویژگی‌های محیطی که در آن عمل می‌کنند یا شدیدا جفت‌شده‌اند  را اصلاح می‌کنند و الگوهای طبیعی که در سیستم‌هایی شکل می‌گیرند که یا باز هستند یا توسط تبادل انرژی، تکانه، ماده یا اطلاعات توسط مرزها از تعادل خارج شده‌اند. (۵)
  • یک سیستم پیچیده، دقیقا سیستمی است که برهم‌کنش‌های چندگانه‌ای بین عناصر متفاوت آن وجود دارد. (۶)
  • سیستم‌های پیچیده، سیستم‌هایی با تعداد اعضای بالایی هستند که نسبت به الگوهایی که اعضای آن می‌سازند، سازگار می‌شوند یا واکنش نشان می‌دهند. (۷)
  • در سال‌های اخیر، جامعه علمی، عبارت کلیدی «سیستم‌ پیچیده‌»  را برای توصیف پدیده‌ها، ساختار، تجمع‌ها، موجودات زنده و مسائلی که چنین موضوع مشترکی دارند را مطرح کرده است: ۱) آن‌ها ذاتا بغرنج و تودرتو هستند. ۲) آن‌ها به ندرت کاملا تعینی هستند. ۳) مدل‌های ریاضی این گونه سیستم‌ها معمولا پیچیده و شامل رفتار غیرخطی، بدوضع (ill-posed) یا آشوبناک هستند. ۴) این سیستم‌ها متمایل به بروز رفتارهای غیرمنتظره (رفتارهاری ظهوریافته) هستند. (۸)
  • پیچیدگی زمانی آغاز می‌شود که علیت نقض می‌شود! (۹)

برای آشنایی بیشتر به این پروژه سر بزنید!

در مورد تعاریف فوق ابهاماتی وجود دارد؛ در (۱) باید ساختار و تغییرات را به درستی و دقت معنا کنیم. در (۲) باید به دنبال تلفیق سیستم‌های پیچده و مفاهیمی چون غیرخطی، آشوب‌ناک و بس‌ذره‌ای بودن باشیم و به درستی مشخص کنیم که آیا این‌ ویژگی‌ها شرط لازم / کافی برای یک سیستم پیچیده هستند یا نه. (۳) و (۴) مفاهیم محاسباتی و موضوعاتی از علم کامپیوتر را مطرح می‌کند که به خودی‌خود مسائل چالش‌برانگیزی هستند! (۵) ایده مرکزی غیرخطی بودن را مطرح می‌کند؛ در ادامه می‌بینیم با این که تعداد زیادی از سیستم‌های پیچیده از ویژگی غیرخطی بودن تبعیت می‌کنند، با این وجود غیرخطی بودن نه شرط لازم و نه شرط کافی برای پیچیدگی است. در مورد (۶) و (۷) نیز باید تاکید کنیم که بس‌ذره‌ای بودن و شامل اعضا/عناصر/مولفه/افراد زیادی بودن نیز شرط کافی برای پیچیدگی نیست.  در ادامه خواهیم دید، تعریف (۸) که ایده‌ی پدیدارگی (ظهوریافتگی یا برآمدگی: Emergence) را مطرح می‌کند می‌تواند مفهومی بسیار گیج‌کننده باشد برای اینکه به کمک آن بتوانیم سیستم‌های پیچیده را تمیز و تشخیص دهیم. در مورد تعریف (۹) باید بحث زیادی کنیم چرا که افراد زیادی در برابر نقص علیت ناراحت خواهند شد! به همین دلیل است که گاهی درک سیستم‌های پیچیده برای مردم دشوار است. بنابراین با توجه به ابهامات تعاریف افراد مختلف در حوزه‌های گوناگون علم، بهتر از است که مفاهیم وابسته به پیچیدگی را بررسی کنیم.