رفتن به نوشته‌ها

برچسب: پیچیدگی

کتاب‌هایی برای مردم درباره پیچیدگی

پتّر دانشمند خوش فکر و خوش ذوقیه که به تازگی پیش ما اومده. خیلی خوشحالم از این بابت. ویژگی مهم پتر اینه که علاوه بر این‌که از لحاظ فنی در علم پیچیدگی فرد سرشناسیه، بسیار هم وبلاگ‌نویس خوبیه و ید طولایی در تولید محتوای با کیفیت از لحاظ نمایشی داره. بسیار می‌دونه و بسیار خوب بیان می‌کنه. توی این پست، پتر فهرستی از کتاب‌های اثرگذار در زمینه پیچیدگی رو فهرست کرده و لینک دسترسی بهشون رو هم گذاشته. این کتاب‌ها عموما برای مردم عادی نوشته شدند و تغییر قابل توجهی در نگاه مردم به انگاره پیچیدگی ایجاد کردند.

The golden age of complexity science books

– Petter Holme

عامه‌پسند خوب است ولی با احتیاط حمل شود!

فراموش نکنیم که همیشه کتاب‌های عامه‌پسند یک جایی کمیتشون لنگ می‌زنه و فقط متخصص‌های امر می‌تونن در دام کج‌فهمی‌هاش نیفتن. مهم هم نیست که چه کسی اون کتاب رو نوشته، هاوکینگ یا روولی. برای همین همیشه موقع مطالعه آثار عامه‌پسند باید گوشه چشمی به این نکته هم داشته باشیم. مثلا هرکسی می‌تونه کتاب «تاریخچه مختصر زمان» هاوکینگ یا «ترتیب زمان» روولی رو بخونه، لذت ببره و بعدش هم به ماهیت زمان، سیاه‌چاله‌ها و مِه‌بانگ فکر کنه. اما باید به خاطر بسپاره که برای نتیجه‌هایی که می‌گیره یا افکاری که برای خودش بسط می‌ده حتما باید با یک متخصص مشورت کنه. اگر هم واقعا به این موضوعات علاقه‌مند شد که خب شروع به تحصیل در این چیزها کنه!

پیدا شدن کج‌تابی‌ در عامه‌پسندها فقط به این برنمی‌گرده که در ساده کردن مفاهیم ممکنه بخش مهمی از اطلاعات از بین بره. یا اینکه راوی توانایی لازم در بیان مسئله به زبان مردم را نداشته باشه یا غرض‌ورزانه به یک موضوع بپردازه. بلکه به این خاطر که وقتی محتوایی به جای مطرح شدن در یک گروه محدود به متخصص‌ها، به سپهر عمومی میاد دو اتفاق مهم می‌افته:

اول این که هر شخص مستقل از دانش قبلی و توانایی تجزیه و تحلیل یک مطلب جدید با یک سری مفاهیم یا پرسش‌های جدید روبه‌رو میشه. به همین خاطر، افراد مختلف درک‌های مختلف یا کج‌فهمی‌های مخلتف می‌تونن پیدا کنن. شما به کسی که کوررنگی داره چه‌طور می‌تونید حالی کنید که فلان‌جا سبزه و کنارش قرمز؟! مضاف‌بر این‌که وقتی موضوعی در سپهر عمومی مثل تالارهای گفت‌وگو یا کلاب‌هاوس مطرح می‌شه به دنبالش بحث و حرف و حدیث هم پیدا میشه. اون موقع آدم‌های مختلف با درک‌های متفاوت و همراه با سوگیری‌های خاص خودشون بر سر موضوعاتی بحث می‌کنند که ممکنه اصلا ربطی به هم نداشته باشند.

در میانه این جور گفت‌وگوها اگر متخصص باشید باید خر بیارید و باقالی بار کنید و اگر عامی باشید باید دربه‌در به دنبال پرتقال فروش بگردید!

دوم این‌که اگر یک قدم برگردیم به عقب، قبل از رویارویی با یک اثر عامه پسند، باید به خاطر بسپاریم چیزی که امروز به عنوان یک یافته علمی در دسترس ما قرار گرفته وحی منزل نیست و می‌تونه نادرست یا ناکامل باشه یا فقط در شرایط خاصی درست باشه. به قول فاینمن، گزاره‌های علمی از این جنس نیستند که چه چیزی درست یا نادرسته، بلکه اونا گزاره‌هایی هستند با درجه‌های مختلفی از عدم قطعیت در مورد چیزهایی که می‌دونیم. به همین خاطر حتی متخصص‌ها که مسائل رو با جزئیات فنی بیشتری می‌دونند و درک عمیق‌تری از مسائل دارن هم همیشه با نگاه تردید به یافته‌ها نگاه می‌کنند. در عامه‌پسندنویسی ممکنه بسته به پیچیدگی‌های فنی، عامه‌پسند‌نویس از بیان یا شرح بعضی از جزئیات خودداری کنه. حالا شما حساب کنید موقع خوندن عامه‌پسندها که خیلی از جزئیات محو شده چه میزان باید به درکمون از طبیعت شک کنیم. شک البته لزوما چیز بدی نیست؛ علم فرهنگ شک و تردیده. ما با تشکیک، در علم بالغ میشم!

به همین خاطر علم، یک مسیر شناختی پویا است. یعنی با وجود عدم قطعیت‌های همیشگی‌‌، به مرور زمان، به واسطه یافته‌ها و نظریه‌های جدید درک ما از اتفاقات دچار تغییر و تحول میشه. بعضی از اوقات کتاب‌‌های عامه‌پسند قدیمی تا سال‌ها مثل تکه‌ای جواهر می‌درخشن چون خالق اثر درک عمیقی از موضوع و زبردستی خاصی در بیانش داشته و از همه مهم‌تر در انتخاب موضوع به قدری خوش‌شاس یا شاید آگاه بوده که در چشم‌انداز پیش رو درک ما از اون موضوع دچار تغییر اساسی نشده. به عنوان مثال، همون‌طور که پتر در نوشته‌ش توضیح داده ایده اساسی کتاب درخشان «طبیعت چگونه کار می‌کند؟» پیرامون بحرانیت خودسامان‌ده است. در حالی که امروز که حدود ۲۰ سال از نگارش اون کتاب می‌گذره می‌دونیم که بحرانیت خودسامان‌ده روشی نیست که طبیعت برای کار کردن انتخاب کرده باشد مگر در موارد بسیار نادری!

برای مطالعه بیشتر

شرح پیچیدگی
دفترچه‌ای برای توضیح مفهوم پیچیدگی بر اساس آرا صاحب‌نظران این حوزه

مروری بر سامانه‌های پیچیده
از مجموعه پیچیدگی برای همه

🎞 گفت‌وگو در مورد علم شبکه و علم داده

این برنامه به منظور آشنایی بیشتر با علم شبکه و علم داده در قالب یک گفت‌وگوی زنده اینستاگرامی برگزار شد. در این برنامه به این کتاب‌ها و مطالب اشاره شد:

میهمانان

مژگان خانجانیان پاک 🇮🇷
دانشجوی دکتری فیزیک سیستم‌های پیچیده، انتشار بیماری در شبکه‌های پیچیده، دانشگاه تحصیلات تکمیلی زنجان

سارا حیدری 🇫🇮
دانشجوی دکتری سیستم‌های پیچیده، جامعه‌شناسی محاسباتی، دانشکده علوم کامپیوتر، دانشگاه آلتو

سینا سجادی 🇦🇹
دانشجوی دکتری علم شبکه، علوم اجتماعی محاسباتی، مرکز علوم پیچیدگی وین

پرسش‌های اصلی که در این برنامه دنبال شد به شرح زیر است:

  • اسم دقیق این گرایش چیست؟
  • هدف و پرسش‌های معروف در این گرایش چیست؟ متخصصان به چه نوع از مسائل علاقه دارن؟
  • به نظر شما چه تصویر رایج غلطی در ذهن عوام در مورد این گرایش وجود دارد؟
  • چگونه با این رشته آشنا شدین؟ 
  • چه‌طور متوجه شدید که این گرایش مناسب شماست؟
  • محیط کار شما چه شکلی است؟ (آزمایشگاه، رصدخانه، پشت میز، کار با کامپیوتر و …)
  • یک روز عادی در زندگی حرفه‌ای شما چگونه سپری می‌شود؟
  • آیا از انتخابتان راضی هستید؟
  • سختی‌های زندگی شما شامل چه چیزهایی می‌شود؟
  • آیا به سایر علاقه‌مندان به این گرایش توصیه می‌کنید که به‌طور حرفه‌ای به این گرایش بپردازند؟
  • مقدمات علمی و فنی لازم برای ورود به این گرایش
  • درس‌های اصلی (ارائه شده و نشده در مقطع کارشناسی)
  • مهارت‌های جانبی (توانایی محاسباتی و کار کردن با نرم‌افزارهای خاص)
  • کدام دانشگاه و یا مراکز تحقیقاتی در ایران به این گرایش می‌پردازند؟
  • بازار کار در ایران و خارج چگونه است؟
  • امکان تحصیل در خارج از کشور و پذیرش گرفتن در این گرایش چگونه است؟
  • آینده کاری و وضعیت رفاهی خود را چگونه می‌بینید؟ در ایران/خارج

در اینستاگرام ببینید:

در یوتیوب بینید:

اطلاعات بیشتر:

فیزیک آماری و سیستم‌های پیچیده

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.

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:

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