⭐️ کتابخونه پایتونی Flowmpeg

اخیرا به چالشی برخورده بودم در استفاده از FFmpeg برای کارهای روزمره، چالش‌ها رو لیست کردم و نتیجه‌ش این شد که یک کتابخونه‌ی پایتونی کوچیک بر پایه‌ی FFmpeg پیاده‌سازی کردم و در GitHub قرار دادم. درباره‌ش این‌جا کوتاه می‌نویسم.

کتابخونه‌ی Flowmpeg برای وقتی به‌خصوص به کار میاد که می‌خواید با FFmpeg کار جدی انجام بدید، ولی نمی‌خواید وسط یک دستور چند خطی با ۱۰ تا ورودی، filter label، map و option گم شید. user-friendlyتر از FFmpeg پیاده‌سازی شده و featureهای ترکیبی داره.

🔻 ایده اصلیش ساده‌ست، به جای اینکه از اول یک دستور FFmpeg خام بسازید، کار رو به شکل یک plan قابل فهم می‌سازید. بعد می‌تونید قبل از اجرا، خود دستور دقیق رو ببینید، توضیحش رو بخونید، dry-run بگیرید، یا همون plan رو از داخل پایتون اجرا کنید.

چیزی که برای خودم مهم بود این بود که کارهای مدیا inspectable باشن. مثلا trim، resize، extract audio، watermark، podcast voice cleanup، contact sheet، HLS، DASH، batch conversion، loudness، quality check و یک سری موارد دیگه، همه در قالب shortcut یا command قابل استفاده‌ست، ولی پشتش هنوز یک graph typed و قابل تست هست.

💳 فرقش با یک wrapper ساده اینه که فقط چند دستور آماده دور FFmpeg نمی‌پیچه. ورودی، خروجی، stream، filter، probe، progress، خطا، overwrite protection و UI محلی براش فکر شده. یعنی هم برای کار سریع ترمینالی جواب می‌ده، هم برای اسکریپت پایتونی، هم برای کسی که می‌خواد با یک UI لوکال و کارهاش رو عادت داره روی صفحات visual انجام بده.

خود FFmpeg که فوق‌العاده‌ست، تنها مشکلی که داشتم معمولا این بود که وقتی دستورها بزرگ می‌شدن، مرور و اعتماد کردن بهشون سخت می‌شد. حالا Flowmpeg قرار نیست FFmpeg رو جایگزین کنه، قراره FFmpeg رو قابل خوندن، قابل بررسی و قابل تکرار کنه.

🔗 https://github.com/Imanm02/flowmpeg

✈️ @Mirage_Notes

⭐️ مهارت پذیرش

این ویدیو از پانته‌آ وزیری رو می‌دیدم؛ کسی که دکترای مهندسی داره، مدیر ارشده و ۲۴ سال سابقه‌ی مهاجرت و کار و تحصیل تو آمریکا. کل ویدیو درباره‌ی مهارت پذیرش هست که می‌گه کلید موفقیتش تو ازدواج، شغل و مادری بوده. این‌جا چند نکته‌ی جالبش رو می‌نویسم.

🔻 پذیرش اصلا چیه؟
پذیرش یعنی برنامه‌ریزی برای زندگیِ واقعی که الان داری، نه اون زندگیِ ایده‌آلی که آرزوش رو داشتی. مثالش زمستونِ شیکاگوئه؛ اگه بیدار شی و هوا منفی ۳۰ باشه، نه با هوا دعوا می‌کنی نه خودت رو سرزنش می‌کنی. ناراحتیت رو می‌پذیری و از بینِ گزینه‌های موجود (لباس گرم، کار از خونه، یا حتی مهاجرت به شهرِ گرم‌تر) یکی رو انتخاب می‌کنی و مسئولیتش رو قبول می‌کنی.

نکته‌ی مهمش اینه که پذیرش ≠ دوست داشتنِ شرایط بد. مثلِ یک ژنرالِ جنگی که زیرِ آتیش فقط واقعیتِ میدون رو می‌پذیره و بعد تصمیم می‌گیره بجنگه یا عقب بکشه. با اشاره به Viktor Frankl هم می‌گه بینِ محرکِ بیرونی و واکنشِ ما یک فضای خالی هست که «آزادیِ انتخاب» اون‌جاست؛ پذیرش یعنی همون «مکثِ آگاهانه» تو این فضا.

🗂 فوایدش
کاهشِ استرس و افزایشِ تاب‌آوری (داشتنِ Plan B برای روزِ بعد از شکست، مثلِ تجربه‌ی اخراج‌شدنِ خودش)، بهبودِ روابط (آدم‌ها رو همون‌طور که هستن ببینیم، نه این‌که بخوایم عوض‌شون کنیم)، و رشدِ شخصی (فرق گذاشتن بینِ «موفقیتِ» تحمیلیِ بیرون و «رضایتِ» درونی).

🔺 سوءتفاهم‌های رایج
پذیرش یعنی تسلیم؟ نه، یعنی تغییرِ استراتژی؛ اگه پل نبود، شنا می‌کنی و از رودخونه رد می‌شی. همون مثبت‌اندیشیِ زرده؟ نه، دقیقا برعکس؛ قبول می‌کنی اوضاع خرابه تا پاسخِ درخوری بدی. یعنی شکست؟ نه، گاهی یک نبرد رو می‌بازی تا جنگ رو ببری (مثلِ انصرافش از MBA برای محافظت از خانواده).

❤ ۵ مهارت برای تقویتش
۱. خودشناسی (شناختِ ارزش‌ها و نقاط ضعف و قوت)
۲. مشاهده‌ی بی‌طرفانه‌ی افکار، روزی ۵-۱۰ دقیقه خلوت با خودت
۳. سوگواری برای آینده‌ای که قرار نیست اتفاق بیفته، تا پرونده‌ش تو ذهن بسته شه
۴. اولویت‌بندی و کمک خواستن، که اساسش «تواضعه»
۵. خودتنظیمی و کنترلِ هیجانات تو فضای بینِ محرک و پاسخ

خلاصه که، پیامِ پایانی‌ش به جوان‌هاست، می‌گه روحیه‌ی جنگندگی‌تون یک سرمایه‌ست و پذیرش به معنیِ سرکوبِ اون نیست. با بالا رفتنِ سن، ظرفیتِ روانیِ آدم مثلِ یک اقیانوس عمیق‌تر می‌شه و کمتر دچارِ تلاطم می‌شه. شاید بزرگ‌ترین مهارت همینه که واقعیت رو ببینیم، بعد آگاهانه انتخاب کنیم.

🔗 https://www.youtube.com/watch?v=TFHb74MKzWk

✈️ @Mirage_Notes

⭐️ وقتی tenure هم جلوی اخراج رو نمی‌گیره

ماجرای Lance Fortnow و Illinois Tech فقط یک پست ناراحت‌کننده لینکدین نیست. یک نمونه واضحه از اینکه فشار مالی روی دانشگاه‌های آمریکا چطور می‌تونه حتی امنیت شغلی استادهای tenured رو هم بلرزونه.

دکتر Fortnow آدم معمولی‌ای توی علوم کامپیوتر نیست. استاد نظریه محاسباته، ACM Fellow، برنده Nerode Prize بوده و founding dean کالج Computing در Illinois Tech حساب می‌شد. با این حال خودش نوشته که دانشگاه بعد از اعلام financial exigency، بیش از ۱۵۰ نفر از staff و faculty رو کنار گذاشته، از جمله خودش، و قرار شده این تصمیم از هفته بعد اجرایی شه.

در لحظه financial exigency یعنی دانشگاه رسما می‌گه بحران مالی اونقدر جدیه که با راه‌های سبک‌تر حل نمی‌شه. طبق تعریف AAUP، این باید بحران شدیدی باشه که کل کیفیت آموزشی دانشگاه رو تهدید کنه و بدون راه‌های کمتر خشن قابل حل نباشه. اهمیتش اینه که در چنین وضعیتی حتی اخراج استاد tenured هم از نظر آیین‌نامه‌ای ممکن می‌شه.

🔗 اما چرا Illinois Tech به این نقطه رسید؟
طبق سرچ‌هام دانشگاه و گزارش‌های محلی چند علت اصلی گفتن: افت بودجه پژوهشی، محدودیت‌های شدید روی دانشجوی خارجی و افت enrollment. این دانشگاه وابستگی زیادی به دانشجوی بین‌المللی داشت. طبق آمار Illinois Tech در پاییز ۲۰۲۵، ۴۲٪ دانشجوها international بودن. گزارش WBEZ هم می‌گه بین پاییز ۲۰۲۴ و ۲۰۲۵ حدود ۱۲۰۰ دانشجوی graduate خارجی کم شده، برای دانشگاهی که سال قبل حدود ۷۵۰۰ دانشجو داشته عدد بزرگیه.

🔹 نکته تلخ اینه که این دانشگاه تا همین چند سال قبل در ظاهر مسیر رشد داشت. Higher Ed Dive نوشته headcount از ۲۰۲۲ تا ۲۰۲۴ بیش از ۲۷٪ رشد کرده بود، ولی پاییز ۲۰۲۵ بیش از ۱۵٪ افت کرد. یعنی مسئله فقط «دانشگاه ضعیف بود» نیست، مسئله مدل درآمدیه که با یک شوک سیاستی و پژوهشی سریع می‌شکنه.

🔺 اساتید هم فقط با اصل بحران مشکل نداشتن، با شیوه مدیریت بحران مشکل داشتن. Faculty senate رای عدم اعتماد به president و provost داد و گفت پاسخ مدیریت کند، مبهم و غیرشفاف بوده. دانشجوها هم نگران کلاس‌های لغوشده، استاد راهنمای از دست رفته و حتی وضعیت ویزا و مسیر دکتری شدن.

وقتی دانشگاه بیش از حد روی شهریه دانشجوی خارجی، grant پژوهشی و رشد سریع حساب باز می‌کنه، بحرانش فقط به دفتر مالی محدود نمی‌مونه. آخرش کلاس، استاد، دانشجو، و حتی معنی tenure هزینه اون مدل رو می‌دن.

🔗 https://www.highereddive.com/news/illinois-institute-of-technology-lays-off-160-faculty-and-staff-members/826895/
🔗 https://www.wbez.org/education/2026/07/31/illinois-institute-of-technology-cuts-160-faculty-and-staff-just-before-fall-semester
🔗 https://www.iit.edu/oii/facts-and-reports
🔗 https://www.aaup.org/issues-higher-education/financial-crisis/policies-and-best-practices

✈️ @Mirage_Notes

⭐️ فینال ۹۸، جایی که یک بازیکن از یک تیم بزرگ‌تر شد

این ویدیوی پوشه درباره رونالدو نازاریو و فینال جام جهانی ۱۹۹۸ هست، همون بازی فرانسه و برزیل که باید تاج‌گذاری بهترین بازیکن دنیا می‌شد، ولی تبدیل شد به یکی از مرموزترین شب‌های تاریخ فوتبال.

رونالدو 🇧🇷 اون موقع فقط ۲۱ سالش بود، با ۴ گل و چند پاس گل برزیل رو تا فینال آورده بود و نایکی هم کل تصویر بازاریابی خودش رو روی اون بسته بود. مشکل از چند ساعت قبل بازی شروع شد. توی هتل، رونالدو حالش بد شد، تشنج کرد، از دهنش کف اومد، بازیکن‌ها ترسیدن و بعد بردنش کلینیک. تست‌ها چیز خطرناکی نشون نداد، ولی زاگالو اول اسمش رو از ترکیب کشید بیرون و قرار شد ادموندو بازی کنه.

🤔 نقطه عجیب اینه، ۷۲ دقیقه قبل از شروع بازی، فهرست رسمی بدون رونالدو رفت فیفا. حدود ۳۰ دقیقه بعد فهرست عوض شد و رونالدو برگشت توی ترکیب اصلی. بعد هم برزیل ۳-۰ باخت، رونالدو تو زمین تقریبا سایه خودش بود و همین شد سوخت اصلی شایعه‌ها.

🔻 شایعه نایکی: گفتن نایکی چون هم اسپانسر برزیل بود، هم رونالدو رو صورت اصلی تبلیغاتش کرده بود، فشار آورد که هر طور شده بازی کنه. بعدا تحقیق پارلمانی برزیل هم راه افتاد، ولی مدرک قطعی علیه نایکی درنیومد.

🔻 شایعه فروختن فینال: یک روایت عجیب می‌گفت برزیل بازی رو داده تا بعدا مسیر جام جهانی ۲۰۰۲ براش آسون‌تر شه یا میزبانی آینده بگیره. این بیشتر شبیه فیک‌نیوز اولیه اینترنت بود و ثابت نشد، ولی چون برزیل اونقدر بی‌جان باخت، خیلی‌ها جدیش گرفتن.

🔻 شایعه دارو یا تزریق اشتباه: بعضی‌ها گفتن مشکل از داروی آرام‌بخش، قرص، یا تزریق پزشکی قبل بازی بوده و همین باعث خواب‌آلودگی و افت بدنش شده. این از بقیه شایعه‌ها زمینی‌تره، چون خود ماجرا واقعا پزشکی بود، ولی باز هم نسخه قطعی ازش نداریم.

🔻 شایعه بحران عصبی: یک روایت هم می‌گفت فشار رسانه، انتظار کشور و وزن نایکی باعث فروپاشی روانی رونالدو شده. این یکی شاید از نظر انسانی قابل فهم‌تره، حتی اگر جزئیاتش دقیق ثابت نشده باشه.

برداشت من اینه که این داستان فقط درباره یک تشنج قبل از فینال نیست. درباره لحظه‌ایه که فوتبال، برند، دولت، رسانه و بدن یک آدم ۲۱ ساله همه افتادن روی هم. رونالدو برای مردم برزیل قهرمان بود، برای نایکی محصول، برای فدراسیون سرمایه، برای رسانه داستان، و برای خودش فقط یک بدن خسته که هنوز می‌خواست بازی کنه.

گاهی اسطوره بودن یعنی حتی وقتی نباید بری تو زمین، همه ازت می‌خوان بری. و همین‌جاست که فوتبال از بازی قشنگ، تبدیل می‌شه به صنعت.

🔗 https://www.youtube.com/watch?v=2vI-yZ_dkJw

✈️ @Mirage_Notes

⭐️ انتقامِ نمایشی لیلی آلن از دیوید هاربر

ماجرای لیلی آلن و دیوید هاربر از اون حاشیه‌هاییه که مرز بین زندگی خصوصی، انتقام و نمایش عمومی رو کاملا قاطی می‌کنه.

داستان از این قراره که لیلی آلن در یکی از اجراهاش با یک لباس بلند روی صحنه رفت که روی دنباله‌ی پارچه‌اش، فاکتورهای خرید لوکسی چاپ شده بود؛ فاکتورهایی که گفته می‌شه مربوط به خرج‌هایی بوده که دیوید هاربر در دوران خیانت برای زن‌های دیگه کرده.

🔻 نکته‌ی عجیب ماجرا اینه که لیلی آلن به جای مصاحبه، بیانیه یا افشاگری مستقیم، خیانت رو تبدیل کرد به بخشی از اجرای صحنه‌ای خودش. یعنی درد شخصی و تحقیر رابطه رو برداشت و به شکل یک لباس، یک تصویر و یک لحظه‌ی وایرال جلوی چشم همه گذاشت.

واکنش‌ها هم دوگانه بود. بعضی‌ها حرکتش رو شجاعانه و خلاقانه دیدن؛ انگار زنی که آسیب دیده، کنترل روایت رو پس گرفته و به جای قربانی موندن، خیانت طرف مقابل رو با زبان خودش افشا کرده. ولی بعضی‌ها هم گفتن این مدل افشاگری، هرچقدر هم حق با آدم باشه، زندگی خصوصی رو تبدیل به یک spectacle رسانه‌ای می‌کنه؛ چیزی که بیشتر برای وایرال شدن ساخته شده تا حل کردن یک بحران واقعی.

و جالب این‌که این خبر فقط درباره‌ی یک خیانت سلبریتی‌طور نیست. بیشتر نشون می‌ده که تو فرهنگ امروز، حتی فروپاشی یک رابطه هم می‌تونه تبدیل بشه به یک اجرا، یک استایل، یک پست وایرال و بخشی از برند شخصی آدم‌ها.

🔗 https://www.youtube.com/watch?v=hoP3kSbCrd8
🔗 https://www.youtube.com/watch?v=ezDVLv-dp7w

✈️ @Mirage_Notes

⭐️ کردیت‌کارت در آمریکا همیشه بدهی گرون نیست

بیرون از آمریکا خیلی‌ها فکر می‌کنن خرید با Credit Card یعنی همون لحظه رفتی زیر وام با بهره بالا. ولی ساختار کارت اعتباری فرق داره. کارت یک revolving credit هست، یعنی بانک بهت یک limit می‌ده، خرج می‌کنی، پس می‌دی، دوباره همون خط اعتبار آزاد می‌شه.

وام معمولی installment debt هست. مثلا وام خودرو یا دانشجویی این‌طوریه که یک مبلغ مشخص می‌گیری، قسط‌های مشخص داری، تهش صفر می‌شه. کردیت‌کارت اما هر ماه یک statement می‌ده. اگر statement balance رو کامل تا due date بدی، معمولا از grace period استفاده می‌کنی و برای خریدهای جدید بهره نمی‌دی.

دردسر از جایی شروع می‌شه که فقط minimum payment رو بدی و balance رو ماه بعد هم بکشی. اونجا کارت تبدیل می‌شه به یکی از گرون‌ترین بدهی‌های مصرفی. طبق G.19 فدرال رزرو، در می ۲۰۲۶ کارت‌هایی که بهره گرفتن میانگین نرخ حدود ۲۲.۱۵٪ داشتن.

برای همین آدم‌های زیادی در آمریکا کارت اعتباری رو برای ساختن credit score استفاده می‌کنن، نه برای وام گرفتن. خرید روزمره، پرداخت کامل، استفاده کم از limit و پرداخت به موقع. FICO هم payment history رو بزرگ‌ترین بخش score می‌دونه و بعدش میزان بدهی و utilization میاد.

🔻 و خب خلاصه از روزی اولی که اومدیم به ما گفتن کارت اعتباری اگر کامل و منظم تسویه شه، ابزار ساخت اعتبار و گرفتن reward هست. اگر بدهیش رو حمل کنیم، خیلی زود تبدیل می‌شه به وامی که هر ماه نفس بودجه رو تنگ‌تر می‌کنه.

✈️ @Mirage_Notes

⭐️ کاسکو | راز موفقیت یک غول خرده‌فروشی

این ویدیو رو می‌دیدم درباره‌ی تاریخچه و رازهای موفقیت فروشگاه‌های زنجیره‌ای Costco که محبوب‌ترین و احتمالا با کیفیت‌ترین مارکت آمریکا هست، این‌جا درباره‌ش یکم بیشتر می‌نویسم.

🔽 کاسکو از کجا شروع شد؟
سال پرایس در ۱۹۵۴ فروشگاه فدمارت رو در سن‌دیگو راه انداخت و ایده‌ی حق عضویت سالانه با کم‌ترین حاشیه‌ی سود رو پیاده کرد. بعد از اختلاف با مالک آلمانی فدمارت، در ۱۹۷۶ پرایس کلاب رو تأسیس کرد. جیم سینگال که از مدیران سابق فدمارت بود، در ۱۹۸۳ به همراه جف بروتمن، شرکت Costco Wholesale رو در سیاتل پایه گذاشتن. این دو شرکت در ۱۹۹۳ ادغام شدن و در ۱۹۹۷ نهایتاً با نام «Costco» شناخته شدن.

🗂 راز اصلی Costco اینه که مدل کسب‌وکار سود اصلی از فروش نیست، از حق عضویت سالانه‌ست (از سپتامبر ۲۰۲۴ پایه‌اش ۶۵ دلار و Executive ۱۳۰ دلار شده)، با حدود ۱۴۰ میلیون عضو در سراسر دنیا، حاشیه‌ی سود حداکثر ۱۴٪ روی کالاها (در مقایسه با ۵۰٪+ در رقبا)، با تنها حدود ۴ هزار قلم کالا (در برابر ۱۵۰ هزار قلم در والمارت)، با تمرکز بر بسته‌بندی بزرگ و تنوع کم، استفاده‌ی هوشمندانه از داده‌های کارت عضویت برای تحلیل سلیقه‌ی منطقه‌ای، سیاست مرجوعی فوق‌العاده انعطاف‌پذیر که فشار رو روی تأمین‌کننده‌ها می‌ذاره به جای این‌که فشار رو روی مشتری‌ها بذاره.

🤖 برند کرکلند
برند اختصاصی Kirkland Signature به تنهایی در ۲۰۲۴ حدود ۸۶ میلیارد دلار فروش داشت، یعنی بیشتر از کل درآمد سالانه‌ی نایک. این برند تقریباً یک‌سوم کل فروش کاسکو رو تشکیل می‌ده. شخصا مواد غذایی‌ش رو می‌گیرم که کیفیت‌شون در مقایسه با برندهای مشابه خیلی بالاست.

👥 فرهنگ سازمانی
حقوق پایه‌ی کارکنان حدود ۳۰ دلار در ساعت همراه با بیمه‌ی عالی و مزایای بازنشستگی، که باعث وفاداری بالا و نرخ ترک شغل پایین شده. هیچ بودجه‌ای صرف تبلیغات نمی‌شه! بازاریابی فقط دهان به دهان با اولویت اول مشتری، بعد کارمند، آخر سهام‌دار. در حال حاضر بیش از ۸۹۰ شعبه در سراسر جهان داره که بیشترشون در آمریکا و بقیه در کانادا، مکزیک، ژاپن، انگلیس و چند کشور دیگه هستن.

کاسکو نمونه‌ی کم‌یابی از یک سرمایه‌داری پایداره؛ سیستمی که در اون خریدار، فروشنده، کارمند و سهام‌دار همگی برنده‌ن. ترکیب حاشیه‌ی سود پایین، تمرکز بر کیفیت، و سرمایه‌گذاری روی نیروی انسانی، دقیقاً برعکس مدل رایج خرده‌فروشی آمریکاست و همین تفاوت، رمز ماندگاریشه.

🔗 https://m.youtube.com/watch?v=YO-0bj-jHp0

✈️ @Mirage_Notes

⭐️ اثر پروانه‌ای | نویدِ کلهرودی و نگاهی متفاوت به ایران

این قسمت از پادکستِ «اثر پروانه‌ای» رو با حضورِ نوید کلهرودی، پژوهشگر و کارشناسِ علوم سیاسی، می‌دیدم. یک گفت‌وگوی طولانی و انتقادی درباره‌ی سیاست، شکاف‌های اجتماعی و نسلِ جدید. اون موقعی که این ویدیو در یوتیوب قرار گرفته بود، خیلی دیده شد و بخش‌هایی‌ش در اینستا هم Reel شد. این‌جا چند نکته‌ی جالبش رو می‌نویسم.

🔻 آدمِ پشتِ ماجرا
کلهرودی دکترای علوم سیاسی از دانشگاه تهرانه و بیش از ۱۳ سال سابقه‌ی تدریس داره. برخلافِ کلیشه‌ی رتبه‌های برتر، خودش رو محدود به کتابِ درسی نکرده و رمان و فیلم همیشه بخشِ بزرگی از زندگیش بوده. یک مدت روزنامه‌نگاری کرد ولی به‌خاطرِ بی‌سوادیِ سیاستمدارها و نخواستنِ «نردبان شدن» برای دیده‌شدنِ اون‌ها، کنار کشید. الان هم در کنارِ تدریس، کافه‌ای به اسمِ «شب‌های روشن» تو ورامین راه انداخته که کتاب امانت می‌ده و فیلم پخش می‌کنه.

🗂 چند محورِ اصلیِ بحث
کافه‌رفتن برای ایرانی‌ها راهیه برای این‌که نشون بدن هنوز زنده‌ان، و با «قربانی‌نکوهی» (سرزنشِ مردم برای زندگی کردن وسطِ بحران) مخالفه. به پزشکیان رأی داد، ولی صرفا برای گشایش‌های حداقلی. معتقده دولت هیچ ایده و افقِ کلانی نداره. ریشه‌ی آمریکاستیزی رو ترکیبی می‌دونه از کودتای ۲۸ مرداد، نفوذِ چپِ مارکسیستی، فلسفه‌ی هایدگر و آل‌احمد (غرب‌زدگی) و پیوندش با اسلامِ سیاسی. به تناقضِ کسایی که شعارِ ضدآمریکایی می‌دن ولی آیفون دست‌شونه هم کنایه می‌زنه.

💬 تاریخ و نسلِ جدید
رساله‌ی دکتریش درباره‌ی مفهومِ «شاهنشاه» در خیالِ اجتماعیِ ایرانی‌هاست. می‌گه نوستالژی (به پهلوی یا دهه‌ی ۶۰) وقتی شکل می‌گیره که جامعه افقی رو به جلو نمی‌بینه و به گذشته‌ی ایده‌آل‌شده چنگ می‌زنه. با ارجاع به کتابِ سقوطِ اصفهانِ طباطبایی، تقلیلِ علتِ سقوط به «گناه و فساد» رو مانعِ درکِ بحرانِ واقعی می‌دونه. درباره‌ی نسلِ Z هم برخلافِ برچسبِ «ابتذال»، این نسل رو اخلاقی‌تر و دارای مرزهای شفاف‌تری می‌دونه؛ تو کلاسش رپ گوش می‌دن و او در مقابل، قیصر و شجریان معرفی می‌کنه.

📊 احمدی‌نژاد و آینده
با استناد به کتابِ «پوپولیسمِ ایرانی» تحلیل می‌کنه که احمدی‌نژاد با شعارهای غیرقابل‌سنجش گسل‌های اجتماعی رو فعال کرد، ولی در سیاستِ خارجی به‌خاطرِ حلقه‌ی بسته‌ی هم‌دانشگاهی‌هاش شکست خورد. چشم‌اندازِ اقتصادی و اجتماعی رو تاریک می‌بینه و از احتمالِ حرکت به سمتِ فروپاشی و «دولتِ کاغذی» می‌گه. جنگ رو غیرقابل‌پیش‌بینی و وابسته به تصمیم‌های ترامپ می‌دونه، و باور داره هوش مصنوعی با خلقِ «تخیلاتِ سیاسیِ بدیع» بازیِ قدرت رو عوض می‌کنه.

اما خلاصه‌ی کل این حرف‌هاش اینه که مسئولیتِ مشکلات متوجهِ سیستمِ حکومتیه، نه مردمی که برای بقا دست‌وپا می‌زنن. بزرگ‌ترین دستاورد خودش رو هم در این مسیر، «خود بودن» و «تلاشِ موثر در اندازه‌ی یک معلم» می‌دونه و می‌گه هیچ‌وقت پستِ سازمانی نمی‌پذیره، چون سیستمِ اداریِ فعلی رو غیرقابلِ اصلاح می‌بینه. عملا ناامیده، ولی تلاش خودش رو هم باارزش می‌دونه، انگار یکی داره تو باتلاق غرق می‌شه ولی دست‌و‌پا زدن ارزش خودش رو داره به هر حال.

🔗 https://www.youtube.com/watch?v=WBTA_dF9hhI

✈️ @Mirage_Notes

قبلا برداشت عامی که می‌شد این بود که لایک خیلی تاثیر داره و مثلا موقعی که در رویدادها یا eventهای مختلف توئیتی گذاشته می‌شد، تشویق می‌شد که افراد پست جدید رو لایک کنند که با افزایش engagement، پست رویداد تو feed افراد بیشتری قرار بگیره،

تو وزن‌هایی که ریلیز شده، ولی تفاوت ارزش لایک، ریپلای و share به قدری مشهوده که دیگه به نظرم دیدگاه قدیمی fade می‌شه.

عملا ارزش Share Via Copy Link چهل برابر Like هست، تاثیر منفی Report روی اکانت هم ۴۶۸ برابر Like هست.
البته این وزن‌ها نهایتا در احتمال پیش‌بینی‌شده‌ی هر action ضرب می‌شن و خب اون احتمال‌ها ثابت نیستن.

✈️ @Mirage_Notes

⭐️ گرافیک بازی‌های ویدیویی چطور کار می‌کنه؟

این ویدیو از کانال Branch Education رو می‌دیدم، درباره‌ی این‌که چطور یک مشت صفر و یک در نهایت تبدیل می‌شن به یک صحنه‌ی سه‌بعدیِ واقعی تو بازی‌ها. ویدیو از یک صحنه‌ی ایستگاه قطار در Red Dead Redemption 2 شروع می‌کنه؛ صحنه‌ای که فقط خودش حدود ۲.۱ میلیون vertex، حدود ۳.۵ میلیون triangle و نزدیک به هزار texture و materia مختلف داره.

💬 خلاصه‌ی ایده اینه که GPU برای ساختن هر فریم، یک pipeline سه‌مرحله‌ای رو با سرعت وحشتناک تکرار می‌کنه:
1. Vertex Shading
2. Rasterization
3. Fragment Shading

یعنی اول مختصات سه‌بعدی اشیاء رو به تصویر دوبعدی دوربین تبدیل می‌کنه، بعد حساب می‌کنه هر مثلث روی کدوم پیکسل‌های مانیتور می‌افته، و در نهایت رنگ، نور، سایه و بافت هر پیکسل رو محاسبه می‌کنه.

🗂 مرحله‌ی اول: Vertex Shading

هر مدل سه‌بعدی، حتی اگر گرد و نرم به نظر بیاد، در واقع از تعداد زیادی مثلثِ تخت ساخته شده. مثلا یک لوکوموتیو در همین صحنه حدود ۷۶۲ هزار مثلث و ۳۸۲ هزار vertex داره.

پس GPU اول بررسی می‌کنه کدوم اشیاء اصلا داخل میدان دید دوربین هستن. مثلا از ۱۱۰۰ مدل موجود در صحنه، شاید فقط ۶۰۰تاشون واقعا در کادر دیده بشن. بعد برای هر vertex یک سری تبدیل ماتریسی انجام می‌ده:

از فضای مدل به فضای جهان
از فضای جهان به فضای دوربین
و در نهایت projection روی صفحه‌ی دوبعدی نمایشگر

خروجی این مرحله اینه که GPU می‌فهمه هر نقطه‌ی سه‌بعدی، روی صفحه‌ی دوبعدی کجا باید دیده بشه و چقدر از دوربین فاصله داره.

📊 نکته‌ی جالب اینه که کارت گرافیک‌ها دقیقا برای همین جنس محاسبات ساخته شدن. هزاران هسته‌ی پردازشی موازی دارن و می‌تونن تریلیون‌ها عملیات ضرب و جمع ماتریسی رو در ثانیه انجام بدن. برای همین می‌تونن میلیون‌ها مثلث رو ظرف چند میلی‌ثانیه پردازش کنن.

📈 مرحله‌ی دوم: Rasterization

بعد از این‌که مختصات دوبعدی رأس‌های مثلث‌ها مشخص شد، GPU باید بفهمه هر مثلث دقیقا روی کدوم پیکسل‌ها می‌افته. مثلا در نمایشگر 4K، با ۸.۳ میلیون پیکسل طرفیم.

اینجا مفهوم fragment به وجود میاد؛ یعنی یک پیکسل یا نمونه‌ی پیکسلی که ممکنه توسط یک مثلث پوشانده شده باشه و حالا باید برایش رنگ و نور محاسبه بشه.

مشکل مهم این مرحله اینه که خیلی از اشیاء پشت هم قرار گرفتن. مثلا بدنه‌ی قطار جلوی ساختمان ایستگاه رو گرفته، یا پشتِ خود قطار نباید دیده بشه. برای حل این مسئله از Z-Buffer استفاده می‌شه.

این‌جا Z-Buffer برای هر پیکسل یک عدد نگه می‌داره: فاصله‌ی نزدیک‌ترین شیء تا دوربین. اگر یک مثلث جدید بخواد روی همون پیکسل کشیده بشه، GPU عمقش رو مقایسه می‌کنه. اگر نزدیک‌تر بود، جای قبلی رو می‌گیره؛ اگر دورتر بود، دور ریخته می‌شه.

💬 یک مسئله‌ی دیگر هم لبه‌های دندانه‌داره. چون مثلث‌ها گاهی مورب از وسط پیکسل‌ها رد می‌شن، تصویر می‌تونه jagged بشه. برای نرم کردن این لبه‌ها از anti-aliasing استفاده می‌شه؛ مثلا در SSAA داخل هر پیکسل چند نمونه گرفته می‌شه و بر اساس این‌که چه درصدی از پیکسل توسط مثلث پوشانده شده، رنگ نهایی محاسبه می‌شه.

و نکته‌ی دیوانه‌کننده اینه که همه‌ی این مراحل برای هر فریم از اول تکرار می‌شن. اگر بازی ۱۲۰ فریم بر ثانیه اجرا بشه، GPU فقط حدود ۸.۳ میلی‌ثانیه برای ساختن هر فریم وقت داره.

🖼 مرحله‌ی سوم: Fragment Shading

تا اینجا فقط فهمیدیم هر شیء کجای تصویر قرار می‌گیره. اما تصویر هنوز واقعی نیست. حالا باید مشخص بشه هر پیکسل چه رنگی داشته باشه، چقدر روشن باشه، چقدر سایه بخوره، نور از کجا بهش برخورد کنه و آیا بازتاب خاصی دارد یا نه.

برای نورپردازی، GPU جهت تابش نور و جهت سطح رو مقایسه می‌کنه. هر مثلث یک بردار عمود بر سطح داره که بهش surface normal می‌گن. بعد زاویه‌ی بین نور و این نرمال محاسبه می‌شه. اگر سطح مستقیم رو به نور باشه، روشن‌تره؛ اگر زاویه‌دار یا پشت به نور باشه، تاریک‌تر می‌شه.

برای این‌که بخش‌های پشت به نور کاملا سیاه مطلق نشن، یک مقدار ambient light شبیه اپسیلون به معادله هم اضافه می‌شه؛ یعنی روشنایی محیطی. روزها بیشتره، شب‌ها کمتر.

🔻 اما اگر برای هر مثلث فقط یک normal داشته باشیم، سطح‌های منحنی زشت و چندضلعی دیده می‌شن. راه‌حل اینه که برای هر vertex یک normal جدا در نظر گرفته می‌شه و بعد بین این نرمال‌ها interpolation (یعنی درون‌یابی و محاسبه‌ی مقادیر میانی بین چند مقدار) انجام می‌دن. نتیجه اینه که نور روی سطح به‌صورت نرم و پیوسته تغییر می‌کنه و مثلا بدنه‌ی استوانه‌ای قطار واقعا گرد به نظر میاد، نه تکه‌تکه.

🤖 بخش آخر و مدرن ماجرا: Ray Tracing و DLSS

ویدیو بعدش توضیح می‌ده که تکنیک‌های جدیدتر مثل Ray Tracing جایگزین کامل pipeline قدیمی نشدن، بلکه بیشتر روی اون سوار شدن. بازی هنوز هندسه‌ی اصلی صحنه رو با همون روش vertex shading و rasterization می‌سازه، ولی برای سایه‌های نرم‌تر، بازتاب‌های واقعی‌تر و مسیر نور دقیق‌تر از ray tracing کمک می‌گیره.

بعد هم DLSS وارد می‌شه؛ یک سیستم مبتنی بر شبکه‌ی عصبی که تصویر کم‌رزولوشن‌تر رو می‌گیره و با کمک AI به تصویر 4K نزدیک می‌کنه. یعنی به جای این‌که همه‌چیز از اول با هزینه‌ی کامل 4K رندر بشه، بخشی از کار با هوش مصنوعی upscaling می‌شه.

📑 کارت گرافیک‌های جدید هم عملا سه نوع هسته‌ی تخصصی دارن:

هسته‌های CUDA یا shading برای pipeline اصلی
هسته‌های RT برای ray tracing
هسته‌های Tensor برای AI و DLSS

همین تقسیم کار باعث می‌شه یک فریم سنگین 4K در کمتر از ۱۰ میلی‌ثانیه ساخته بشه؛ در حالی که اگر همه‌ی کار فقط روی هسته‌های معمولی می‌افتاد، چند برابر کندتر می‌شد.

👥 جمع‌بندی

چیزی که از بیرون شبیه یک تصویر ساده در بازی می‌بینیم، پشت صحنه‌اش یک زنجیره‌ی عظیم از جبر خطی، هندسه، فیزیک نور، محاسبات موازی و هوش مصنوعیه. هر فریم بازی در واقع نتیجه‌ی میلیون‌ها مثلث، میلیون‌ها پیکسل، چندین بافر عمق، محاسبه‌ی نور و سایه، تکسچر، anti-aliasing، و گاهی ray tracing و DLSS هست.

خلاصه این‌که گرافیک بازی‌ها فقط کشیدن تصویر نیست، یک کارخانه‌ی محاسباتی فوق‌العاده سریع و دقیق هست که در هر ثانیه ده‌ها یا صدها بار از صفر تصویر جهان بازی رو دوباره می‌سازه.

🔗 https://www.youtube.com/watch?v=C8YtdC8mxTU

✈️ @Mirage_Notes

⭐️ وام ۳۰ ساله ثابت، قفل آرامش برای خریدار آمریکایی

یکی از تفاوت‌های مهم بازار مسکن آمریکا اینه که وام ۳۰ ساله با نرخ ثابت خیلی رایجه. یعنی وقتی خونه می‌خری، نرخ بهره و بخش principal و interest قسط برای ۳۰ سال قفل می‌شه. مالیات و بیمه ممکنه تغییر کنن، ولی خود نرخ وام عوض نمی‌شه.

برای خانواده‌ها این یعنی قابل پیش‌بینی بودن. اگر امروز با نرخ ۶.۵٪ وام گرفتی، بانک نمی‌تونه پنج سال بعد چون بازار بالا رفته، همون وام رو ۹٪ حساب کنه. اگر نرخ‌ها پایین‌تر بیاد، ممکنه refinance کنی. اگر بالا بره، همون نرخ قدیمی برات می‌مونه.

همچنین ARM یا وام با نرخ متغیر از بیرون جذابه، چون چند سال اول نرخ پایین‌تری می‌ده. مثلا ۵ سال یا ۷ سال اول ثابت می‌مونه، بعد rate طبق index و margin تنظیم می‌شه. مشکل دقیقا همون بعدشه. اگر درآمدت بالا نرفته باشه، قیمت خونه افت کرده باشه، یا نتونی refinance کنی، قسط جدید می‌تونه شوک درست کنه.

پس جواب سوال این نیست که «نرخ‌ها برای همه در آمریکا نامشخصه». برای کسی که fixed-rate گرفته، قسط اصلی خیلی روشنه. نامعلومی بیشتر مال خریدار جدید، refinancer و کسیه که ARM گرفته و نزدیک reset هست.

💳برای همین 30-year fixed فقط یک محصول بانکی نیست، یک جور بیمه روانی علیه آینده‌ست. گرون‌تر از ARM شروع می‌شه، ولی در عوض خیال آدم رو از بدترین سناریوی نرخ‌ها راحت‌تر می‌کنه.

✈️ @Mirage_Notes

⭐️ راهنمای یک نظریه‌پرداز برای ورود به تحقیقات Practical

چند ماه پیش این متن رو دیدم، نوشته‌ای درباره‌ی شباهت‌های بین تحقیقات تئوری و عملی. نویسنده خودش که در ابتدا در حوزه‌ی تئوری کامپیوتر کار می‌کرد و چند قضیه در ترکیبیات اثبات کرده، حالا در حوزه‌ی امنیت و حریم خصوصی مدل‌های زبانی به صورت practical فعالیت می‌کنه. این‌جا چند نکته‌ی جالبش رو ساده می‌نویسم.

🔽 داستان از این‌جا شروع شد
خیلی از محقق‌های جوون ازش می‌پرسن تجربه‌ی کار عملی چطوره و چطور می‌شه توش موفق شد. جوابش اینه که روند کار در هر دو حوزه خیلی شبیه همه، فقط ابزارها و رسانه‌ها فرق دارن.

🗂 تعیین فرضیه = اثبات یک قضیه
در تئوری، هدف اصلی اثبات یک قضیه‌ی خاص هست. در کار عملی، هدف، تثبیت یک فرضیه‌ی مشخصه؛ یعنی نشون دادن این‌که روش پیشنهادی، واقعاً همون چیزیه که ادعا می‌کنیم.

این‌ها رو نباید با مشارکت اصلی مقاله اشتباه گرفت. در هر دو حالت ممکنه مقاله یک الگوریتم یا روش جدید معرفی کنه. در مقاله‌ی تئوری، قضیه‌ای اثبات می‌شه که عملکرد الگوریتم رو تضمین می‌کنه. در مقاله‌ی practical، فرضیه‌ای تثبیت می‌شه که نشون می‌ده الگوریتم پیشنهادی روی چندین دیتاست بهتر از بقیه عمل می‌کنه.

🤖 اجرای baseline = فهمیدن اثبات‌های قبلی
در تئوری، باید اثبات‌های قبلی رو خوب بفهمی و بدونی هر کدوم کجا شکست می‌خوره. خیلی از کار تئوری دور همین می‌چرخه که محدودیت روش‌های قبلی رو پیدا کنی و با یک ایده‌ی جدید ازشون عبور کنی.

معادل این کار در تحقیقات عملی، اجرا و درک baselineهاست. درست مثل این‌که فقط وقتی محدودیت روش‌های اثبات قبلی رو عمیق بفهمی می‌تونی قضیه‌ی بهتری اثبات کنی، در کار practical هم برای طراحی یک الگوریتم بهتر، باید baselineها رو اجرا کنی و بفهمی کجا کار می‌کنن و چرا جاهایی شکست می‌خورن.

📑 جزئیات اهمیت داره
در هر دو حوزه، جزئیات مهمه و سازماندهی یک مزیت بزرگه.

در تئوری، اگر لِم‌ها رو بی‌دقت اثبات کنی یا خیلی از مراحل اثبات رو رد کنی، احتمال زیادی هست که قضیه‌ت باگ داشته باشه. برای همین معمولا نیازه یک قضیه رو به چند روش مختلف اثبات کنی به عنوان sanity check.

در کار عملی هم همین‌طوره. اندازه‌گیری‌ها باید با دقت انجام بشن و نتایج رو باید چندین بار چک کرد. گاهی نیازه آزمایش‌های اضافی برای sanity check اجرا کنی که حتی به مقاله راه پیدا نمی‌کنن، فقط برای اطمینان از این‌که مشاهداتت منطقی‌ان.

یک نکته‌ی pro هم از تجربه‌ش درباره‌ی «نگاه کردن به داده‌ها»: مخصوصاً برای کار با LLMها که evalها و قضاوت‌ها ممکنه یکم نامتعارف باشن، این کار خیلی مفیده.

👥 جمع‌بندی

اگر یک تئوری‌پرداز هستید که می‌خواید وارد کار عملی بشید، خیلی از مهارت‌های لازم رو از قبل دارید: توجه به جزئیات، توانایی فهم عمیق کارهای قبلی، و توانایی ساختن روی اون‌ها. چالش اصلی فقط اینه که این مهارت‌ها رو به یک زمینه‌ی جدید منتقل کنید. به جای موشکافی اثبات‌ها، نتایج آزمایش‌ها رو موشکافی می‌کنید، و به جای پیدا کردن گپ در روش‌های اثبات، پیدا می‌کنید که baselineها کجا شکست می‌خورن.

دقت و سخت‌گیری همون می‌مونه، فقط رسانه عوض می‌شه. آزمایش‌ها رو با همون دقتی طراحی کنید که یک اثبات می‌نویسید، baselineها رو با همون دقتی نگاه کنید که به قضیه‌ها نگاه می‌کنید، و مطمئن باشید جعبه‌ابزار فکری‌ای که در تئوری بهتون کمک کرده، در کار عملی هم به همون اندازه کمک می‌کنه.

✈️ @Mirage_Notes

⭐️ تله‌ی توسیدید | وقتی قدرتِ نوظهور، قدرتِ حاکم رو می‌ترسونه

این ویدیو از کانال Deep Podcast رو می‌دیدم که مفهوم Thucydides Trap رو با ریشه‌اش تو جنگ‌های پلوپونزی توضیح می‌داد. خلاصه‌اش رو می‌نویسم، در واقع الگوش دقیقاً همون چیزیه که این روزها بین آمریکا و چین داره تکرار می‌شه.

🔻 پیش‌زمینه: یونان باستان یه کشور یکپارچه نبود، یه سری دولت‌شهر مستقل (پولیس) بودن که کلمه‌ی Politics هم از همین‌جا میاد. سال ۴۸۰ ق.م خشایارشاه به یونان حمله کرد، آتن رو فتح و آتیش زد، ولی نبردِ سالامیس و عقب‌نشینی ارتش ایران از نگاه یونانی‌ها یه پیروزی بزرگ بود.

🔻 بعد از این، آتن با ۱۷۰ دولت‌شهر یه پیمانِ امنیتی به اسم «اتحادیه‌ی دلوس» بست، یه چیزی شبیه ناتوی امروزی. اسپارت که تا اون موقع قدرت اول یونان بود، حس کرد هدفِ واقعیِ این اتحاد نه ایران، بلکه افزایش نفوذِ آتنه. در پاسخ، «اتحادیه‌ی پلوپونزی» رو راه انداخت. اسپارت قدرتِ نظامی بود، آتن قدرتِ اقتصادی و دریایی در حالِ رشد.

🔹 جرقه‌ی جنگ: درگیریِ کورکورا و کورینت (متحدِ اسپارت). آتن از کورکورا حمایت کرد چون نمی‌خواست ناوگانش دستِ اسپارت بیفته. اولتیماتومِ اسپارت رد شد و یه جنگِ ۳۰ ساله شروع شد که آخرش اسپارت با کمکِ هخامنشیان آتن رو شکست داد، دموکراسی برچیده شد، اقتصاد آتن نابود شد.

🤖 تزِ توسیدید: درگیریِ کورکورا و کورینت فقط یه بهانه بود. دلیلِ اصلی، تغییرِ توازنِ قدرت بود. اسپارت در حالِ زوال بود (جمعیتش نصف شده بود) و آتن متحدانش رو هم اقتصادی به خودش وابسته می‌کرد.

مفهومِ تله‌ی توسیدید: وقتی یه قدرتِ نوظهور بخواد جای قدرتِ حاکم رو بگیره، جنگ تقریباً اجتناب‌ناپذیره.

📊 سال ۲۰۱۲ گراهام آلیسون (دانشمندِ هاروارد) این مفهوم رو احیا کرد و رو رابطه‌ی آمریکا و چین اعمال کرد. اون ۱۶ مورد تاریخی رو بررسی کرد که توش یه قدرتِ نوظهور، قدرتِ حاکم رو تهدید کرده، و نشون داد ۱۲ موردش به جنگ ختم شده. بارزترین نمونه‌اش جنگِ جهانیِ اوله؛ آلمانِ نوظهور در برابرِ بریتانیا، روسیه و فرانسه.

🔺 نکته‌ی تامل‌برانگیز: تو جنگِ پلوپونزی با وجودِ پیروزیِ اسپارت، هر دو طرف به‌شدت ضعیف شدن و در نهایت هخامنشیان قدرتشون رو تثبیت کردن. تو جنگ‌های جهانی هم بریتانیا و آلمان هر دو تضعیف شدن و آمریکا قدرتِ بلامنازع شد. یعنی تو این تله، معمولاً نه قدرتِ حاکم برنده‌ست نه قدرتِ نوظهور، یه طرفِ سوم سود می‌بره.

📑 و سوالِ اصلی که ویدیو باهاش تموم می‌شه اینه که آیا آمریکا و چین می‌تونن بدونِ ورود به یه جنگِ ویرانگر، قدرتِ جهانی رو تقسیم کنن، یا مثلِ ۱۲ موردِ قبلی، تو تله‌ی توسیدید گیر می‌افتن؟ و اگر گیر افتادن، طرفِ سومی که سود می‌بره کیه.

🔗 https://www.youtube.com/watch?v=3HSGP5Vrjak

✈️ @Mirage_Notes

⭐️ چرا مردم بعضی کشورها خوشحال‌ترن؟

این ویدیو از کانال Bplus رو می‌دیدم، درباره‌ی این‌که چرا کشورهای اسکاندیناوی همیشه صدرِ «گزارش جهانی شادی» هستن. این‌جا چند نکته‌ی جالبش رو می‌نویسم.

🔽 اصلا این گزارش چیه؟
از سال ۲۰۱۲ هر سال «گزارش جهانی شادی» منتشر می‌شه که ۱۵۶ کشور رو بر اساس شادیِ شهروندهاشون رتبه‌بندی می‌کنه. فنلاند ۵ سال پیاپی شادترین کشور دنیا بوده و دانمارک، نروژ و سوئد هم همیشه بالای جدولن. نکته‌ی مهم این‌که قبلِ ۲۰۱۲ معیارِ اصلیِ توسعه GDP بود، ولی GDP شاخصِ کاملی نیست. مثلا جنگ و فروش سلاح می‌تونه GDP رو بالا ببره در حالی که مردم در رنجن. همین گزارش باعث شد کشورها به فکر شادی مردم بیفتن؛ امارات «وزارت شادی» ساخت و نیوزیلند تو ۲۰۱۸ بودجه‌ش رو بر اساسِ رفاه عمومی تنظیم کرد.

🗂 دلایل فرهنگی و سبک زندگی
با وجود زمستون‌های سرد و تاریک و طولانی، مردم این مناطق برای بقا به هم نزدیک‌تر شدن و شبکه‌های حمایتی قوی‌تری ساختن. سه مفهومِ فرهنگیِ مهم هست که این مسئله رو نشون می‌ده:
۱. هیگه (Hygge) در دانمارک: هنرِ لذت بردن از لحظه‌های ساده، روشن کردن شومینه و نشستن کنارِ عزیزان تو نورِ شمع.
۲. سیسو (Sisu) در فنلاند: ریشه در مقاومتِ فنلاند مقابلِ روسیه تو جنگ جهانی دوم داره، یعنی سرسختی و تسلیم‌نشدن در شرایطِ سخت.
۳. فریلوفتسلیو (Friluftsliv) در نروژ: یعنی وقت‌گذرونی تو طبیعت، پیاده‌روی، کوهنوردی، اسکی و ماهیگیری، حتی تو هوای خشن.

💬 دولت رفاه و اعتماد اجتماعی
این کشورها سیستمِ «دولت رفاه» دارن، اگه کسی شغلش رو از دست بده، بیمه‌ی بیکاری و برنامه‌های حمایتی نمی‌ذارن زیرِ خط فقر سقوط کنه و همین احساس امنیت، نگرانی رو کم و شادی رو زیاد می‌کنه. علاوه بر این، تو گزارش ۲۰۲۰ مشخص شد «فوت کوزه‌گری» شادیِ این کشورها، سطحِ بالای اعتماد اجتماعیه، اعتماد به هم، به نهادها و به دولت. همین باعث می‌شه تو بحران‌ها (زلزله، کرونا، بحران اقتصادی) جامعه سریع سراغِ راه‌حل‌های مشارکتی بره.

📊 برابری و قانونِ «یانته»
گزارش ۲۰۱۸ نشون داد آمریکا رتبه ۱۸ و چین رتبه ۸۴ هستن، یعنی GDP بالا لزوما شادی نمیاره و نابرابریِ طبقاتی رضایت رو کم می‌کنه. تو شمالِ اروپا یک کدِ اجتماعیِ نانوشته‌ی ۱۰ ماده‌ای به اسمِ قانون یانته (Jante Lov) هست که می‌گه «هیچ‌کس نباید فکر کنه از بقیه بهتره یا موفقیت و ثروتش رو به رخ بکشه». مثالِ جالبش ارلینگ هالند بود که به خاطرِ استفاده از جتِ شخصی برای رفتن به تمرینِ تیم ملی، شدید موردِ انتقادِ رسانه‌ها قرار گرفت. مزیتش اینه که نابرابری رشد نمی‌کنه، ولی منتقدها می‌گن تو کارهای رقابتی مثل ورزشِ قهرمانی یا کارآفرینی، انگیزه‌ی اول‌شدن رو کم می‌کنه.

و خلاصه که شادیِ اسکاندیناوی به یک عامل برنمی‌گرده، ترکیبیه از فرهنگِ سازگاری با سختی، دولتِ رفاه، اعتماد عمیقِ اجتماعی و تاکیدِ شدید بر برابری و پرهیز از فخرفروشی. هرچند این مدل‌ها منتقد هم دارن و هر کشوری باید ببینه در ازای این برابری، چی ممکنه از دست بده.

🔗 https://www.youtube.com/watch?v=B1pb8Cog_ZQ

✈️ @Mirage_Notes

🔻 به خاطر Passion یا به خاطر پول؟

بخش کوتاهی از صحبت پپ گواردیولا بعد از شکست ۲–۰ منچسترسیتی مقابل یوونتوس در ۱۱ دسامبر ۲۰۲۴ در رختکن:

Guys, I want to confess something. I am fucking divorced from the most beautiful woman on your planet, my wife, my ex-wife. I love her unbelievably, but we lost the passion. I love her? Yeah, absolutely. She loves me? Yeah, but we lost the passion.

How do you play football? Because you are paid? Or because of something inside? Where is the passion?

In your lives, whatever you are going to do, do it with passion. I don’t want good players. I want players with passion.

هر روز به دیدن این ویدیو نیاز دارم، هر ساعت.

✈️ @Mirage_Notes

⭐️ هری پاتر | داستان ساخت یک جهان بی‌کران

این ویدیو درباره‌ی مسیر عجیب ساخته شدن دنیای هری پاتره؛ از روزهای تاریک زندگی جی. کی. رولینگ، تا چاپ اولین کتاب، ورود به سینما و تبدیل شدنش به یکی از ماندگارترین جهان‌های داستانی تاریخ.

🔻 شروع ویدیو با جمله‌ی معروف دامبلدوره: «حتی در تاریک‌ترین زمان‌ها هم می‌توان شادی را پیدا کرد، اگر فقط یادمان بماند چراغ را روشن کنیم.»

و شاید همین جمله، خلاصه‌ی کل هری پاتره؛ داستانی پر از فقدان، ترس و تاریکی، ولی در نهایت درباره‌ی امید، دوستی و زنده نگه داشتن نور.

✍️ رولینگ قبل از هری پاتر

جی. کی. رولینگ از بچگی عاشق نوشتن بود، اما زندگی‌اش خیلی زود سخت شد. بیماری ام‌اس مادرش، مرگ او، ازدواج ناموفق، فقر، تنهایی و افسردگی، بخش بزرگی از جهان ذهنی هری پاتر رو ساختن. حتی دمنتورها هم از تجربه‌ی افسردگی خود رولینگ الهام گرفته شدن.

ایده‌ی هری پاتر در یک سفر قطار با تأخیر چندساعته به ذهنش رسید؛ پسربچه‌ای لاغر با عینک گرد که نمی‌دونه جادوگره. اما چاپ کتاب ساده نبود و ناشرها بارها ردش کردن. تا این‌که دختر ۸ ساله‌ی مدیر انتشارات بلومزبری فصل اول رو خوند و عاشقش شد، و همین باعث شد کتاب اول در ۱۹۹۷ چاپ بشه.

🎬 ورود به سینما

وارنر حق اقتباس رو خرید، ولی رولینگ شرط گذاشت که فضای بریتانیایی داستان حفظ بشه و بازیگرها هم بریتانیایی باشن. برای همین حتی رابین ویلیامز هم برای نقش هاگرید انتخاب نشد.

بعد از کنار رفتن اسپیلبرگ، کریس کلمبوس کارگردانی فیلم اول رو قبول کرد. دنیل ردکلیف، اما واتسون و روپرت گرینت هم بعد از تست‌های زیاد انتخاب شدن و عملا با نقش‌هاشون بزرگ شدن.

🧙‍♂️ از هاگوارتز تا پایان نبرد

۸ فیلم هری پاتر طی حدود ۱۰ سال ساخته شد. قسمت‌های اول حال‌وهوای کودکانه‌تر و گرم‌تری داشتن، ولی از «زندانی آزکابان» به بعد فضا تاریک‌تر و بالغ‌تر شد. ورود گری اولدمن، رالف فاینس، هلنا بونهام کارتر و تغییر دامبلدور بعد از مرگ ریچارد هریس هم مسیر مجموعه رو جدی‌تر کرد.

پشت‌صحنه هم پر از جزئیات جالب بود؛ از شمع‌های واقعی سالن هاگوارتز، تا ققنوس رباتیکی که ریچارد هریس فکر می‌کرد واقعیه، و فشار سنگین شهرت روی بازیگرهای نوجوان.

🔍 چرا ماندگار شد؟

هری پاتر فقط یک داستان جادویی نبود. رولینگ از زندگی خودش، اسطوره‌ها، تاریخ، مسیحیت، افسانه‌های قرون وسطی و تجربه‌ی تنهایی و سوگ الهام گرفت و جهانی ساخت که هم کودکانه بود، هم تاریک، هم پر از معنا.

و خلاصه که هری پاتر بیشتر از داستان یک پسر جادوگره؛ قصه‌ی عبور از تاریکی و ساختن یک پناهگاه خیالی برای میلیون‌ها آدمه. شاید برای همین هنوز هم برگشتن به هاگوارتز، حس برگشتن به یک جای امن رو داره.

🔗 https://www.youtube.com/watch?v=AMj41JCf8Vc

✈️ @Mirage_Notes