🔷 آیا برای ریاضی ورزیدن باید نابغه بود؟

این ترجمهٔ مقاله‌ای از تِرِنس تائو، استاد دانشگاه UCLA و برندهٔ مدال فیلدز در سال ۲۰۰۶ است. تائو در وبلاگش توصیه‌های مفصل دیگری نیز برای دانشجویان و پژوهشگران دارد که دیدنش خالی از لطف نیست.

@k1samani_channel

🔷 انحصار و انزوا

▪️بریده‌ای از کتابِ
دریای ایمان
دان کیوپیت،
ترجمهٔ حسن کامشاد،
(طرح نو، ۱۳۷۶).

میان دعوی حقانیت کامل و انحصاریِ یک مذهب و گرایش آن به تفکیک و محبوس ساختن پیروان خود در دنیایی سربه‌مُهر، پیوند آشکاری وجود دارد. این دو جنبه‌ٔ دین همواره مؤید یکدیگرند. ایمان پرشور دینی معمولاً انسان را در خرده‌فرهنگی متشکل از افراد هم‌فکر به بند می‌اندازد. در محدودهٔ این جهانْ حقانیت ایمان‌‌‌ها بدیهی و بی‌چون‌وچرا می‌نماید، و چنان واضح و هویدا که اساساً به‌ندرت حرفش پیش می‌آید.

این‌گونه رضا و قبول ضمنیْ محیطی نیرومند و متمایز پدید می‌آورد و بیگانگان اهل شک و پرسش‌های ناراحت‌کنندهٔ آن‌ها را از صحنه خارج می‌کند. و هرچه‌ بیشتر بر این گمان باشیم که حقیقت ما حقیقت کامل و دنیای ما دنیای کامل است، کمتر از دنیای بیرون از دنیای خودمان آگاه می‌شویم.

... جامعهٔ نوین ناگزیر به ما می‌فهماند که در امر دین، در فلسفهٔ حیات، در اخلاقیات و عرفیات نه صرفاً یک حقیقت، که حقایق متعدد وجود دارد. راه ما یگانه نیست؛ راه‌های بسیارِ دیگر نیز هست.

(ص ۲۰۰ و ۲۰۱)
@k1samani_channel

🔷 موسیقی، فیزیک و مغز

موسیقی از دید فیزیک‌دان و با نگاهی فروکاست‌گرایانه چیزی جز آمیزه‌ای از امواج صوتی نیست.
هنرمند و موسیقی‌دان البته چنین نگاهی را برنمی‌تابد و موسیقی را هنری والا و نمایان‌گر ذوق و احساس و تجلی روح انسان می‌داند و زبان مشترکی برای برانگیختن و انتقال احساسات میان انسان‌ها.
برای متخصص علوم اعصاب احتمالاً پردازش اطلاعاتی که مغز به‌واسطهٔ گوش از امواج صوتی دریافت می‌کند و تبدیل آن‌ها به ویژگی‌هایی مشخص و نهایتاً نحوهٔ درک و تفسیر مغز از موسیقی و تأثیر موسیقی بر ساختار شبکهٔ عصبی مغز اهمیت بیشتری دارد.

حالا اگر فیزیک‌پیشه‌ای پیدا شود که آواز ایرانی را نیکو بخواند، دستی بر ساز داشته باشد و کارهای پژوهشی‌اش در زمینهٔ علوم اعصاب از دیدگاه سامانه‌های پیچیده باشد، می‌تواند هر سه دیدگاه بالا را تلفیق کند و مجموعه‌گفتارهایی تهیه کند که در نوع خود جذاب و منحصربه‌فرد است.

دکتر علیرضا ولی‌زاده، استاد فیزیک دانشگاه تحصیلات تکمیلی در علوم پایهٔ زنجان، چنین گفتارهایی را تهیه کرده و در کانال یوتیوب‌اش در دسترس قرار داده است. این مجموعه، با زمان تقریبی هر کدام حدوداً پانزده دقیقه، شامل مباحث متنوعی است با بیانی ساده و قابل فهم که برای طیف وسیعی از مخاطبان نکات آموزنده، جالب و تازه‌ای دارد.

عناوین ده گفتار اول:

۱. گشایش و نگاهی به مفاهیم بنیادی فواصل موسیقی
۲. تولید فواصل موسیقی توسط سازهای موسیقی
۳.نظام هفت‌نُتی و گام اصلی
۴. نظام فواصل و چالش فیثاغورث
۵. بازچینش پرده‌ها و نیم‌پرده‌ها و گام مینور
۶. فواصل (درجات) و گام در موسیقی ایرانی
۷. ساختار هارمونیک نوای موسیقایی و رنگ صدا
۸. اندام صوتی انسان و تولید صدای هارمونیک توسط انسان
۹. تحلیل فرکانسی صوت توسط گوش درونی
۱۰. شمه‌ای از مبانی ادارک صوت و یادگیری در مغز

@k1samani_channel

🔷 واژگان ارتباطات علم

علم یک فرایند جمعی است. ارتباطات علم هم فرایندی جمعی است. توسعه، پیشرفت و اثربخشی هر فرایند جمعی در گرو تعامل، همکاری و گفت‌وگو میان اعضایی است که هر یک به‌نوعی در آن مشارکت دارند. گفت‌وگو نیاز به واژه دارد؛ واژه‌هایی که گفت‌وگو‌کنندگان بر سر معنای آن‌ها به توافق رسیده باشند. توافق بر سر واژگان در هر حوزهٔ تخصصی، مثلاً فیزیک یا ریاضی، ساده‌تر از حوزه‌های عمومی است، زیرا تعداد کاربران واژه‌های تخصصی کمتر است و تعریف دقیق معنای واژه ساده‌‌تر است. در چنین مواردی حتی ممکن است معنای تخصصی یک واژه با برداشت عام از آن واژه متفاوت باشد ولی این تفاوت اشکالی در کاربرد تخصصی آن ایجاد نمی‌کند. مثلاً معنایی که کلمهٔ «نیرو» در فیزیک دارد با معنای آن در ترکیب «وزارت نیرو» متفاوت است ولی این تفاوت مشکلی برای یک دانشجوی فیزیک که دارد کتاب مکانیک تحلیلی می‌خواند ایجاد نمی‌کند.

ارتباطات علم از این نظر متفاوت است، زیرا اصولاً (بخشی از) هدف آن ایجاد ارتباط میان متخصصان و غیرمتخصصان است. با تأسف باید گفت در این حوزه نه‌تنها توافقی بر سر بیشتر واژگانی که به‌کار می‌رود وجود ندارد بلکه حتی درک یکسانی هم از معنای واژه‌ها وجود ندارد. این البته فقط به وجود معادل‌های فارسی مناسب برای واژه‌های انگلیسی مربوط نمی‌شود. در مواردی حتی واژه‌های انگلیسی هم در معنای درستشان به‌کار نمی‌روند (مثلاً کافی است نگاهی به کاربردهای misinformation و disinformation و معادل‌های فارسی متنوع این دو واژه بیندازید).

ارتباطات علم ماهیتاً میان‌رشته‌ای است و به‌ همین دلیل توافق بر سر واژگان آن هم نیاز به همکاری حوزه‌های مختلف علم دارد. شاید همکاری انجمن‌های علمی فراگیر مانند فیزیک، ریاضی و شیمی بتواند در این زمینه راه‌گشا باشد. مثلاً می‌توان بستری مجازی مانند یک وبسایت به‌همین منظور ایجاد کرد و کوشید تا به‌تدریج  مرجعی برای کاربران به‌ویژه رسانه‌های همگانی و پرمخاطب شود. در این کار هم باید به انتخاب معادل‌های فارسی مناسب توجه کرد و هم به درک درست معنای واژه‌های فرنگی. به‌عنوان نمونه‌ای از یک بستر مجازی خوش‌ساخت شامل تعریف و شرح واژه‌ها همراه با ارجاع‌های مفید نگاهی به این وبسایت بیندازید: 
https://scicommlexicon.com

شاید یک نقطهٔ شروع خوب پیدا کردن جایگزینی برای «ارتباطات علم» باشد. این ترکیب اگرچه معادل مناسبی برای science communication به نظر می‌رسد ولی امکانی برای ترجمهٔ هماهنگ ترکیب‌هایی مانند science communicator و communicating science که به‌وفور در متون انگلیسی‌زبان به‌کار می‌روند فراهم نمی‌کند.

@k1samani_channel

🔷 واقعیت وابسته به مدل

استفن هاؤکینگ در بخشی از کتاب طرح بزرگ¹ از مفهومی به اسم «واقع‌گرایی وابسته‌ به مدل²» نام می‌برد و برای توضیح آن ماهی قرمزی را مثال می‌زند که درون یک تُنگ بلوری زندگی می‌کند. این ماهی جهان را چگونه می‌بیند؟ آیا از درون تُنگ می‌شود جهان را همان‌گونه که هست دید؟ تصویری که ماهی از جهان بیرون می‌بیند با آنچه ما می‌بینیم متفاوت است. ولی آیا ما که بیرون از تُنگ هستیم می‌توانیم مطمئن باشیم که جهان را همان‌گونه که هست می‌بینیم؟ آیا امکان ندارد که ما هم درون یک تُنگ بلوری بزرگ‌تر باشیم و آنچه می‌بینیم فقط تصویر کج‌و‌معوجی از واقعیت باشد؟

آنچه می‌بینیم به طرز نگاه ما و ابزار و مقیاس مشاهدهٔ ما بستگی دارد. و اگر بخواهیم توضیحی علمی برای مشاهداتمان ارائه کنیم، این توضیح نیز در چارچوب یک مدل است و بنابراین توضیح علمی ما نیز محدود به آن مدل و درک ما از واقعیت درکی در چارچوب آن مدل خواهد بود. این آن چیزی است که هاؤکینگ واقع‌گرایی وابسته به مدل می‌نامد. حتی تعریف واقعیت³ نیز وابسته به مدل است. مثلاً واقعیت مکانیک کلاسیک با واقعیت مکانیک کوانتمی متفاوت است.

این موضوع فقط به نظریات علمی مربوط نمی‌شود. ما در زندگی روزمره‌مان نیز هنگام مشاهدهٔ‌ رویدادها و پدیده‌های اطراف خود خواسته یا ناخواسته مدل‌سازی می‌کنیم و درک و تفسیری که از مشاهداتمان داریم در چارچوب آن مدل است. آیا تا‌کنون به مواردی برنخورده‌اید که دو نفر علیرغم توافق بر سر داده‌ها و مشاهدات، در نتیجه‌گیری و تحلیل و پیش‌بینی رویدادها به‌کلی متفاوت باشند؟ در این روزهای نزدیک به انتخابات حتماً شاهد چنین مواردی بوده‌اید. بخشی از دلیل این اتفاق را باید در تفاوت مدل‌هایی جست‌وجو کرد که آدم‌ها دنیای اطرافشان را از دریچه‌ٔ آن‌ها می‌نگرند.

اگر بتوانیم جهان را از چشم دیگران یا از دریچهٔ مدل دیگران ببینیم، هم خودمان با جنبه‌های دیگری از واقعیت آشنا می‌شویم و هم از موضع و دیدگاه دیگران کمتر تعجب می‌کنیم. ولی واقعیت این است که این کار به‌هیچ‌وجه ساده‌ نیست. (آیا همین واقعیت، واقعیتی وابسته به مدل نیست؟)
ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

1. Stephen Hawking and Leonard Mlodinow, "The Grand Design", (Bantam books 2010).
2. model-dependent realism
3. reality

@k1samani_channel

🔷 چهار درس طلایی

استیون واینبرگ فیزیک‌پیشهٔ برجستهٔ قرن بیستم سه سال پیش در یکی از همین روزهای گرم تابستان درگذشت و میراث بزرگی از آموزش، پژوهش، فرهنگ و عمومی‌سازی علم بر جای گذاشت. متن پیوست ترجمهٔ جستاری است که بر اساس سخنرانی واینبرگ در مراسم دانش‌آموختگی دانشگاه مک‌گیل در سال ۲۰۰۳ تهیه شده است و شامل چهار توصیه به دانشجویانی است که می‌خواهند به کارهای پژوهشی بپردازند.

خلاصهٔ یک‌خطی توصیه‌ها:

۱. هیچ‌کس همه‌ چیز را نمی‌داند، شما هم قرار نیست بدانید.
۲. اگر آن‌قدر شنا بلدید که غرق نشوید به استقبال آب‌های خروشان بروید. از تلاطم نترسید. چیزهای هیجان‌انگیز در همین‌‌جورجاها پیدا می‌شوند.
۳. خودتان را به‌خاطر اتلاف وقت سرزنش نکنید. هیچ‌کس همیشه خلاق نیست. تولد ایده‌های خلاقانه نیاز به زمان دارد.
۴. از یادگیری تاریخ علم غافل نشوید.

فایل پی‌دی‌اف مقاله‌ٔ اصلی را هم می‌توانید از این‌جا بردارید:
https://www.group-telegram.com/DeranXiv/35


@k1samani_channel

🔷 تجربه، نوآوری

فرهنگ مکتوب و شفاهی ما پر است از مثال‌‌هایی که نشان‌دهندهٔ‌ اهمیت تجربه اند: پیرانی که در خشت خام چیزهایی می‌بینند که جوان در آینه هم نمی‌بیند، پهلوان کهن‌سالی که پشت شاگرد جوان مغرورش را به‌مدد تجربه به خاک می‌مالد و جوانان سعادت‌مندی که پند پیر دانا را از جان دوست‌تر می‌دارند.

منطقش ساده است. آدم باتجربه وقتی با مسئله‌ای روبه‌رو می‌شود، احتمالاً قبلاً نمونه‌اش را دیده و با راه‌حل‌اش آشناست. هزینه داده (دو تا پیرهن بیشتر پاره کرده) و گرم‌و‌سرد روزگار چشیده و تجربه اندوخته و انبانش پر از راه‌حل برای مسئله‌هایی است که با آن‌ها دست‌و‌پنجه نرم کرده.

تا این‌جا، خیلی هم عالی. در زمان‌های قدیم که سرعت تحولات کم بود این منطق خیلی خوب کار می‌کرد. اگر شما راه‌حل مسئله‌ای را یاد می‌گرفتید، پنجاه سال بعد هم که با مسئله‌ٔ مشابهی مواجه می‌شدید راه‌حل‌اش همان بود. اما در زمانه‌ای که سرعت تحولات سرسام‌آور است این منطق دیگر به آن خوبی کار نمی‌کند. معلوم نیست را‌ه‌‌حل‌های قدیم در شرایط جدید به‌ همان خوبی جواب بدهند (اگر اصلاً جواب بدهند و خودشان مشکل تازه‌ای نیافرینند). تازه گاهی کسانی پیدا می‌شوند که برای مسائل امروز دنبال راه‌حل‌هایی در متون سده‌ها و هزاره‌های پیش می‌گردند!

اتکای صِرف به تجربه آفت‌‌های دیگری هم دارد. از‌جمله‌ این‌که راه را بر خلاقیت و نو‌آوری می‌بندد. کسی که خیال می‌کند راه‌حل مسئله‌ای را بلد است، به راهکارهای جدید و ناشناخته فکر نمی‌کند. هرچه سرعت تحولات بیشتر باشد این ایراد بیشتر خودش را نشان می‌دهد. مدیری که ده سال پیش سازمانی را به‌خوبی اداره می‌کرده معلوم نیست امروز بتواند همان سازمان را به همان خوبی اداره کند، مگر این‌که گول تجربه‌اش را نخورد و به ایده‌ها و روش‌های نو برای مواجهه با مسئله‌های قدیمی اجازهٔ بروز و بالندگی بدهد.

این فقط مختص امور اجرایی و مدیریتی نیست. در علم هم نمونه‌های زیادی وجود دارد که دانشمندان بزرگ وقتی باتجربه می‌شوند توانایی خلق یا حتی پذیرش ایده‌‌های نو را از دست می‌دهند [1].

معنی این حرف‌ها این نیست که تجربه را باید به‌کلی کنار گذاشت. هر چیزی اهمیت و کارکرد خودش را دارد و البته تجربه را می‌توان به آیندگان هم انتقال داد. شاید هم اصلاً خود مفهوم تجربه نیاز به بازتعریف داشته باشد. آیا باتجربه‌بودن به‌معنای داشتن کوله‌باری پر از راه‌حل‌های مشخص برای مسائل قبلی است یا مهارت به‌کارگیری فکر و اندیشه، و آمادگی و گشادگی برای مجال دادن به ایده‌های نو؟

در هر صورت واقعیت این است که چه بخواهیم چه نخواهیم، محور زمان جهت دارد. تجربه نگاه به گذشته دارد و نوآوری نگاه به آینده. برای همین، من اگر روزی ناگزیر شوم از میان این دو، یعنی تجربه و نوآوری، یکی را انتخاب کنم، بی‌تردید دومی را انتخاب خواهم کرد.
ـــــــــــــــــــــــــــــــــــــــــــ

[1] Freeman Dyson, 'The Scientist as Rebel', (NYREV, Inc. 2006).

@k1samani_channel

🔷️ Just law vs. Unjust law

I think we all have moral obligations to obey just laws. On the other hand, I think we have moral obligations to disobey unjust laws, because non-cooperation with evil is as much a moral obligation as is cooperation with good. I think the distinction here is that when one breaks a law the conscience tells him is unjust, he must do it openly, he must do it cheerfully, he must do it lovingly, he must do it civilly, not uncivilly, and he must do it with a willingness to accept the penalty. Any man who breaks a law that conscience tells him is unjust and willingly accepts the penalty by staying in jail in order to arouse the conscience of the community on the injustice of the law is at that moment expressing the very highest respect for law.  

Martin Luther King

@k1samani_channel

🔷 نافرمانی و خلاقیت

این روزها که بحث‌ دربارهٔ رایانه‌های کوانتمی و هوش مصنوعی داغ است، خوب است گاهی اوقات حرف‌‌های پیشگامان این حوزه‌ها را هم بشنویم یا بخوانیم. دیوید دویچ، فیزیک‌پیشه و استاد دانشگاه آکسفورد، یکی از این افراد است. او از پیشگامان محاسبات کوانتمی و از طرفداران تفسیر چند‌جهانی مکانیک کوانتمی است¹.

دویچ در گفت‌وگویی دربارهٔ محاسبات کوانتمی و هوش مصنوعی [1]، هوش مصنوعی (AI²) را کاملاً در تضاد با هوش مصنوعی عام (AGI³)توصیف می‌کند، به این معنی که AI موجودی برنامه‌ریزی‌شده است و بر پایهٔ «فرمان‌برداری⁴» کار می‌کند، درحالی‌که هوش مصنوعی عام (یعنی موجودی که رفتاری مشابه انسان داشته باشد) علی‌الاصول باید «نافرمان⁵» باشد زیرا «انسان موجودی اساساً نافرمان است، به‌ویژه وقتی پای خلاقیت در میان باشد». اشاره به ارتباط میان نافرمانی و خلاقیت در نوع خودش جالب است.

1. Many-world interpretation of Quantum Mechanics
2. Artificial Intelligence
3. Artificial General Intelligence
4. obedience
5. disobedient

[1] https://youtu.be/J8en0igZZmc

@k1samani_channel

🔷 حدس بزن

مسابقه‌ای به شکل زیر بین تعداد زیادی شرکت‌کننده برگزار می‌شود:

هر شرکت‌کننده باید از میان اعداد صفر تا ۱۰۰ یکی را انتخاب کند. برنده کسی است که عددش به دوسوم میان‌گین اعداد انتخاب‌شده نزدیک‌تر باشد. این قواعد پیش از آغاز مسابقه به اطلاع همهٔ شرکت‌کنندگان می‌رسد.

اگر شما یکی از شرکت‌کننده‌ها باشید چه عددی را انتخاب می‌کنید؟

همهٔ ما هرروزه ناگزیریم انتخاب کنیم. بیایید فرض کنیم واقعاً خودمان انتخاب می‌کنیم و در انتخاب‌هایمان هم آزادی کامل داریم. حتی در این‌صورت هم نتیجه‌ای که به‌دست می‌آوریم فقط حاصل انتخاب خودمان نیست. نتیجه‌ای که به‌دست می‌آوریم حاصل انتخاب ما و انتخاب دیگران است. همین گزارهٔ ساده هستهٔ اصلی نظریهٔ بازی¹ را تشکیل می‌دهد. برای انتخاب بهترین راهبرد (استراتژی)، یعنی راهبردی که بیشترین امتیاز را برایمان بیاورد، باید بتوانیم برآورد درستی از انتخاب‌های دیگران هم داشته باشیم. طبیعتاً دیگران هم همین کار را می‌کنند. این برآوردها بر چه اساسی صورت می‌گیرد؟ در نظریهٔ بازی فرض می‌شود که همهٔ شرکت‌کنندگان رفتار عقلانی دارند. در‌ضمن همه می‌دانند که همه رفتار عقلانی دارند و همه می‌دانند که همه می‌دانند که همه رفتار عقلانی دارند و ... .

حالا با این فرض‌ها نگاهی به مسئلهٔ بالا می‌اندازیم. در گام اول اگر فرض کنیم که هر شرکت‌کننده یکی از اعداد صفر تا ۱۰۰ را به‌تصادف انتخاب کند، میان‌گین اعداد چیزی در حدود ۵۰ خواهد شد. پس برای برنده‌شدن بهترین انتخاب ۳۳ است. اما دیگران هم می‌توانند همین فرض را بکنند و آن‌وقت همه ۳۳ را انتخاب خواهند کرد. به‌این‌ترتیب میان‌گین اعداد انتخاب‌شده ۳۳ می‌شود و بنابراین برای برنده شدن باید ۲۲ را انتخاب کرد! خب، دیگران هم لابد همین فکرها را می‌کنند. اگر به‌همین ترتیب ادامه دهیم نهایتاً به این نتیجه می‌رسیم که عقلانی‌ترین انتخاب صفر است! در نظریهٔ بازی به این وضعیت تعادل نش² گفته می‌شود.

آیا در عمل هم همین اتفاق می‌افتد؟ نه! رفتار انسان‌ها، در عمل، صرفاً تابع منطق نیست؛ احساسات، وضعیت روحی‌-روانی و بسیاری عوامل غیرعقلانی دیگر هم در رفتار انسان‌ها تأثیر دارد. این همان چیزی است که به آن عقلانیت محدود³ می‌گویند.

برگردیم به مسابقه. قدمت این مسئله بیش از ۴۰ سال است و مطالعات زیادی روی آن انجام شده است. مثلاً در یکی از این مطالعات نشان داده می‌شود که افراد به‌طور معمول در دنبالهٔ استدلالی فوق برای پیش‌بینی رفتار دیگران یک تا دو مرحله بیشتر پیش نمی‌روند [1]. ریچارد تیلر (برندهٔ جایزهٔ نوبل اقتصاد سال ۲۰۱۷) در سال ۱۹۹۷ از مجلهٔ فایننشیال تایمز خواست چنین مسابقه‌ای را بین خوانندگانش برگزار کند [2]. جایزه‌ای معادل ۱۰۰۰۰ دلار هم برایش تعیین شد. نتیجه چه بود؟ هرچند تعدادی صفر و یک بین اعداد انتخاب‌شده وجود داشت ولی بیشترین بسامد را عدد ۳۳ داشت و بعد از آن ۲۲. میان‌گین اعداد هم ۱۸٫۹۱ بود که دوسوم آن می‌شود ۱۲٫۶. پس کسی که ۱۳ را انتخاب کرده بود برنده بود؛ نتیجه‌ای که با مطالعات مرجع [1] هم سازگاری داشت.

▪️برای انتخاب بهترین راهبرد باید بتوانیم پیش‌بینی یا برآورد خوبی از رفتار دیگران داشته باشیم. این تقریباً همه‌جا صادق است، چه در تعاملات اجتماعی، چه در فعالیت‌های اقتصادی و چه در روابط میان کشورها.
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
1. Game Theory
2. Nash Equilibrium
3. Bounded Rationality

پ. ن.: مسئلهٔ مسابقهٔ حدس عدد را ابتدا در کتاب «هنر پیش‌بینی» نوشتهٔ فیلیپ تتلاک و دن گاردنر دیدم. این کتاب را انتشارات دنیای اقتصاد با ترجمهٔ محمدحسن جعفری سهامیه منتشر کرده است.

مراجع:
[1] Nagel R., 'Unraveling in Guessing Games: An Experimental Study', The American Economic Review, 85, 1313-1326 (1995).
[2] Thaler R. H., 'From Homo Economicus to Homo Sapiens', Journal of Economic Perspectives, 14, 133-141 (2000).

@k1samani_channel

فرستهٔ موقت:

ترم جدید آغاز شده. در همین ابتدا چند مراجعهٔ دانشجویی داشته‌ام که مشورت می‌خواسته‌اند دربارهٔ چه‌گونه درس‌خواندن و برنامه‌ریزی زمانی و سؤالاتی از این دست. فکر کردم شاید بد نباشد چند تا از فرسته‌های قبلی این کانال را که کم‌وبیش ربطی به زیست دانشجویی دارند بازنشر بدهم.

💡چه‌گونه سخن بگوییم، چه‌گونه گوش کنیم
💡تخصص، اشتغال
💡توصیه‌هایی برای دانشجویان تحصیلات تکمیلی
💡هوش
💡راهنمای حل مسئله
💡آیا برای ریاضی ورزیدن باید نابغه بود؟
💡چهار درس طلایی
💡آدم‌ها و ریاضیات

‌@k1samani_channel

🔷 عکس‌نوشت، زبان علم

این عکسی از نخستین کنفرانس سولوی¹ است (۲ نوامبر ۱۹۱۱ میلادی/۱۰ آبان ۱۲۹۰ خورشیدی). مجموعهٔ کنفرانس‌های سولوی نقش مهمی در شکل‌گیری فیزیک قرن بیستم، به‌ویژه مکانیک کوانتمی، داشتند. مشهورترین کنفرانس سولوی، پنجمین آن‌هاست که در سال ۱۹۲۷ برگزار شد و عکس به‌جامانده از آن نیز یکی از مشهورترین عکس‌های تاریخ علم است، اما من همین عکس بالا از اولین کنفرانس سولوی را بیشتر دوست دارم.

هانری پوانکاره و ماری کوری، بی‌توجه به عکاس، نشسته‌اند و سر در کاغذهایشان فرو برده‌اند. چه‌قدر این عکس زیباست و چه‌قدر حرف دارد! فکرش را بکنید؛ مرد ریاضی‌دانی از فرانسه و زن فیزیک‌دان تجربی‌کاری از لهستان، ۱۱۳ سال پیش، در کنفرانسی در بروکسل شرکت کرده‌اند و در جایی که همه برای عکس ژست گرفته‌اند همچنان مشغول بحث علمی اند. این کاری است که از علم بر‌می‌آید؛ زبان مشترکی که به انسان‌ها، از هر کجا و با هر زبان و مرامی، امکان درک مشترک از جهان هستی می‌دهد. اگر بر روی این نقطهٔ آبی کمرنگ چیزی دربارهٔ آدمی ارزش ستایش داشته باشد همین توانایی تبادل اندیشه است، فارغ از نژاد و جنسیت و مذهب.

1. Solvay Conference

@k1samani_channel