این تصاویر، صرفا بخشی از تکالیف ریاضی چهار نفر از بچه‌های پزشکی (!) در برنامه AbzumsAI هست و من واقعا خوش‌حالم که اندک کمکی در به‌وجود آوردن این فرصت [که ما خودمون نداشتیم و حتی منع هم می‌شدیم] کرده‌ایم تا این بچه‌ها بتونند موضوعات مورد علاقه‌شون رو در دانشگاه خودشون یاد بگیرند و مطمئنم که در آیندهٔ نزدیک و دور، اتفاقات خیلی مهم و ارزشمندی رو رقم خواهند زد.

حالا به وسط‌های بخش دوم رسیدیم ولی من هنوز یادم نرفته اون روزهای ابتدایی رو که چقدر درمورد این برنامه تردید وجود داشت، و چقدر این حرف رو می‌شنیدیم که «نه بابا شما بچه‌های علوم پزشکی رو چی تصور کرده‌ای آقای مرادی!؟» و من کاملا می‌دونستم که از پس همچین چیزهایی بر خواهیم اومد و حقیقتا تا به حال هیچ کدوم از مدرس‌های این برنامه [که اغلب از دانشگاه شریف هستند] هم نبوده‌اند که از شدت علاقه و پیگیری بچه‌ها تعجب نکرده باشند!

و شاید باورتون نشه که این کلاس‌ها که در «ساعات غیردرسی» برگزار می‌شن، برای بچه‌ها «رایگان» هستند و برخلاف کلاس‌های دانشگاه، هیچ‌گونه حضور و غیابی هم ندارند و ما هم هر جلسه شاهد حضور، شوق و ذوق بچه‌ها هستیم و واقعا از پیشرفت‌شون لذت می‌بریم و امیدواریم که هر روز بهتر از قبل از روند رو ادامه بدن و به دوره‌های بعدی خودشون هم کمک کنند تا چنین فرصت‌هایی در اختیار اون‌ها هم قرار بگیره و این مسیر، حداقل در دانشگاه ما، ادامه‌دار باشه و بعدش دانشگاه‌های دیگه هم ترغیب بشن که چنین فرصت‌هایی رو فراهم کنند و...

@sinusealpha_channel

درمورد بیمارستان زنان.

من قبلا کمی درمورد مشکلات پرونده‌نویسی و حجم کاغذها و... نوشته بودم. اون مشکلات بدیهی بودند و من هم دنبال راه‌حل‌هایی برای اون قضایا بودم. اما با ورود به بخش زنان، متوجه شدم که فاکتور خیلی مهمی هم در حل‌نشدن این مسائل وجود دارد که من حداقل بهش فکر نمی‌کردم.

قبل از ورود به موضوع هم بگم که من، به‌عنوان کسی که مدت خیلی کمی هست وارد این‌جا شده‌ام، نمی‌توانم حجم بی‌احترامی‌ها و رفتارهای غیرانسانی اساتید و بقیه پرسنل بیمارستان با بیماران و سایر افراد رو از ذهنم خارج کنم و بدون توجه به اون‌ها بنویسم. بخاطر همین، اگر به نظر رسید که من در حال بزرگ‌نمایی‌ام، کافی‌ست که تشریف بیارید و وضعیت رو ببینید. این‌طوری متوجه شدت تقلیل مسائل توسط من هم خواهید شد!

این‌جا، در ساده‌لوحانه‌ترین تعریف، یک سیستم بد است. اما نه از آن سیستم‌های بدی که مشکلات پیچیده‌ای دارند و در عین حال، «انگیزه‌هایی هم وجود دارد» و با روش‌هایی، «می‌شود» مشکلات‌شان را حل کرد. این‌جا مشکلات زیادند. خیلی زیاد. همه نوع مشکلی هم پیدا می‌شود. از کمبود تقریبا همه‌چیز، تا بی‌برنامگی و... . اما چیزی مهم‌تر از مشکلات در فضا و فرهنگ این‌جا رسوخ کرده است که اجازهٔ ورود و حل مسائل را هم نمی‌دهد و آن، چیزی نیست جر «فرهنگ نفرت!».

این سیستم، از خودش نفرت ساطع می‌کند.

به این معنا که تنها یک سیستم بد نیست، که کار نکند و ذی‌نفعان‌اش را ناراضی نگه دارد. بلکه یک «سیستم بد و منفور» است که اندک دلسوزان‌اش را هم از خود می‌راند. همان‌هایی که بعضی مواقع [ممکن است] پیدا شوند و مشکلات این نوع سیستم‌ها را حل کنند. همان‌ها هم علاقه‌ای به حل‌کردن مشکلات این سیستم ندارند. چرا که وضعیت را دیده‌اند و حاضر نیستند که حتی یک روز از عمرشان را هم در چنین شرایطی سپری کنند.

حالا آدم‌ها (شامل بیماران و کادر بیمارستان و...) می‌مانند و سیستمی که نه‌تنها کار نمی‌کند، که حتی مسئله‌حل‌کن‌ها را هم به خودش جذب نمی‌کند و روز به روز، بدتر می‌شود. اسم این پدیده را دیگر نمی‌شوپ «مشکل» گذاشت. خیلی فراتر از مشکل است و ترجیح غالب افراد شبیه به من هم، عبور با کمترین اصطکاک و چالش است، تا مبادا نمره‌شان کمی تغییر کند و خاطرشان مکدر شود. بگذریم.

پی‌نوشت: زیبایی‌های پزشکی را در اینستاگرام و یوتیوب و... می‌توانید پیدا کنید. من بیشتر از مشکلات می‌نویسم. هدفم غرزدن نیست. بلکه رساندن صدای این افراد عادت‌کرده به شرایط بد، به گوش افرادی‌ست که ممکن است بتوانند کاری کنند.

#پزشکی
@sinusealpha_channel

حالا وقتی صحبت از مشکلات موجود در بیمارستان و حل‌شدن آن‌ها می‌شود، عدهٔ نسبتا زیادی هم هستند که فکر می‌کنند «ما باید با مشکلات ساده‌تر، کوچک‌تر و مهم‌تر شروع کنیم» تا بعدا به مشکلات پیچیده‌تر و کم‌اهمیت‌تر برسیم. این دیدگاه درست نیست. حداقل در نمونه‌های بسیار زیادی که من دیده‌ام صدق نمی‌کند.

اما قبل از توضیح دیدگاهم، می‌خواهم یک خاطره‌ای را نقل کنم که نتیجه‌اش به درد صحبت‌ام در ادامه می‌خورد. در دوران دبیرستان، ما دیدگاهی داشتیم که اگر در فلان درس قوی هستیم و در بهمان درس ضعیف، بهتر است بر روی درسی که در آن ضعیف هستیم تمرکز کنیم تا کمی بهتر شود و سپس اگر وقت اضافه‌ای داشتیم، بر روی درسی که در آن قوی‌تر هستیم هم بگذاریم. این دیدگاه درست نبود و کار هم نمی‌کرد. معلم ریاضی سال دوازدهم‌مان این دیدگاه را در ما اصلاح کرد و گفت که اگر در فلان درس قوی هستید، همان درس را [تا جایی که می‌توانید] قوی‌تر کنید. به این صورت، در درس‌هایی که در آن‌ها ضعیف‌تر هستید هم «احساس نیاز بیشتری» خواهید کرد و نتیجتاً، زودتر هم اصلاح خواهند شد! این پیشنهاد، مثل معجزه‌ای برای من کار کرد و بعد از آن دوران، دیدم که در تقریبا همهٔ سیستم‌ها هم این قضیه صدق می‌کند.

در بیمارستان هم همین‌طور است. آن‌هایی که فکر می‌کنند ما نیاز به توسعهٔ فناوری و حل مشکلات «کمتر مهم» نداریم، صرفا به این علت که مشکلات کوچک‌تر و مهم‌تری داریم، اشتباه می‌کنند. این یک طیف است. هرچه سرش را بکشید، ادامه‌اش هم دنبال‌تان می‌آید. حل قضیه فقر در دنیا هم به همین شکل است و آن‌جا هم برای کاهش فقر، لازم نیست که فقر را حل کنید. کافی‌ست ثروت را بیشتر کنید تا فقر هم خود به خود حل شود! ما هم اگر بر روی بیماری‌های صعب‌العلاج و کمتر شایع [و قاعدتا کمتر مهم] تمرکز نکنیم، هرگز در مسائل کوچک‌تر [ولی مهم‌تر] هم نیاز لازم را احساس نخواهیم کرد و نهایتا هم سرعت پایین‌تری در توسعه و پیشرفت خواهیم داشت. هرچند وظایف دولت جور دیگری تعریف می‌شود.

پس اگر به فکر حل مشکلات بیمارستان هستیم، به نظر من، اتفاقاً بهتر است که با پیچیده‌ترین و سطح‌بالاترین مشکلات شروع کنیم! این گیرهایی که به توسعهٔ هوش مصنوعی در بیمارستان‌ها می‌دهند که «آقا ما فلان چیز ساده را نداریم، آن‌وقت شما می‌خواهید دقت فلان چیز رو نیم درصد بهتر کنید!؟» را هم دور بریزید. پزشکی که [در این‌جا منظور استاد و رزیدنت و... هستند] مشاهده نکند که کیفیت خدمات و محصولات، تا چه میزانی می‌تواند بالا باشد، هرگز در مسائل سطحی‌تر هم کیفیت لازم را طلب نخواهد کرد و در یک کلام، «انتظار، اراده می‌آورد». انتظار را بالا ببرید. ارادهٔ حل مشکلات کوچک‌تر و مهم‌تر هم ظاهر خواهد شد و این، احتمالا بهینه‌ترین روش برای پیشرفت باشد.

پی‌نوشت: در همین بیمارستان زنان [که بالاتر از شدت نابسامان‌بودن همه‌چیزش گفتم]، در حال توسعهٔ مدل‌های هوش مصنوعی هستیم. صحبت با یکی از اساتیدمان در این مورد، طوری دیدگاه‌شان را عوض کرده‌ست که احتمالا همین قدم کوچک ما، [که مجددا باید تاکید کنم «به‌خودی خود هیچ مشکل مهمی را از بیمارستان حل نکرده است»]، موثرتر از حجم عظیم کارهایی باشد که با قصد حل مشکلات ساده‌تر انجام می‌شوند.

تا بعد...

#پزشکی
@sinusealpha_channel

دیروز مهمون دوستانم در دانشگاه علوم پزشکی مشهد بودیم و درمورد فضای «استارتاپ‌های هوش مصنوعی در علوم پزشکی» صحبت کردیم. در این فایل می‌تونید اسلایدهای این ارائه رو مشاهده کنید و خیلی خوشحال می‌شم اگر درموردشون بهم فیدبک بدهید.

@sinusealpha_channel

یکی از چالش‌های کار تیمی.

یکی از واضح‌ترین و حتمی‌ترین کارهایی که موقع گرفتن مسئولیت یک تیم باید توجه خیلی ویژه‌ای بهش داشته باشید، بحث «تقسیم صحیح کارها و burnout نشدن اعضای تیم» هستش. این موضوع، شاید یکی از اصلی‌ترین علت‌هایی باشه که ممکنه آدم‌ها رو از گرفتن مسئولیت کار تیمی منصرف کنه و به این جمله برسونه که «کار تیمی، کار نمی‌کنه.»

اما قسمت تلخ ماجرا این‌جاست که به احتمال بسیار زیاد، هیچ کدوم از اعضای تیمی که مسئولیت‌اش رو قبول کرده‌اید، قرار نیست به همون میزانی که شما نگران خستگی و تعادل و...شون هستید، نگران شما باشند. می‌تونید توقع داشته باشید، اما احتمالا پشیمون خواهید شد و به این نتیجه خواهید رسید که «انگار کسی به فکر من نیست.» اما دقت کنید که این ویژگی از «بد بودن آدم‌ها» نمیاد. اتفاقا اون افراد از قصد مسئولیت رو قبول نکرده‌اند که دقیقا به این چیزها فکر نکنند و با خیال راحت کار خودشون رو [که به شکل درستی تقسیم شده و بهشون محول شده و...] انجام بدهند. شما هم می‌تونستید انتخاب کنید.

و نهایتا هم می‌خوام به این برسم که راه حل تر و تمیزی برای این قضیه نداریم. این موضوع که «خودتون به فکر خودتون باشید» خیلی نایس و جالب به نظر می‌رسه، ولی [جز در شرایطی که همه چیز قطعی و مشخص و تمیزه] کار نمی‌کنه. شما احتمالا بیشتر از هر کسی در تیم کار خواهید کرد و نگرانی‌هاتون هم بیشتر از همه خواهد بود.

پی‌نوشت: ممکنه بتونید شرایطی رو پیدا کنید که اعضای تیم‌تون هم به اندازهٔ شما به این قضیه فکر کنند و براشون مهم باشه و من هم کمی تجربه‌اش کرده‌ام. اما خیلی رایج نیست و درمورد درست و مفید بودن‌اش هم خیلی مطمئن نیستم.

@sinusealpha_channel

🔹داستان «مقابله با بحران» شرکت مورگن استنلی در حملات ۱۱ سپتامبر (+)

قبل از ۱۱ سپتامبر ۲۰۰۱، بانک سرمایه‌گذاری معروفی به نام مورگن استنلی، بزرگ‌ترین مستأجر مرکز تجارت جهانی بود. این شرکت با حدود ۲۷۰۰ کارمند در برج جنوبی در ۲۲ طبقه (میان طبقات ۴۳ تا ۷۴) مستقر بود. در روز حملهٔ تروریستی ۱۱ سپتامبر، اولین هواپیما در ساعت ۸:۴۵ صبح به برج شمالی برخورد کرد و شرکت مورگن استنلی دقیقاً یک دقیقهٔ بعد شروع به تخلیهٔ ساختمان کرد. وقتی که هواپیمای دوم ۱۵ دقیقه بعد به برج جنوبی برخورد کرد، دفاتر شرکت مورگن استنلی تقریباً تخلیه شده بودند و روی هم رفته، این شرکت فقط حدود ۷ کارمند خود را از دست داد که در مقایسه با سایر شرکت‌هایی با وضعیت مشابه، کمترین تلفات را [با اختلاف] داشته است. اما آیا این تاب‌آوری (resilience) یک «اتفاق» بوده، یا دلیلی پشت این وجود دارد؟

چیزی که کمک کرد تا شرکت مورگن استنلی از این حادثه جان سالم به در ببرد واقع‌بینی سرسختانه‌اش بود. چرا که آن‌ها مدت کوتاهی بعد از حملهٔ تروریستی ده سال قبل (در ۱۹۹۳) متوجه شده بودند که کارکردن در برج‌های تجارت جهانی، که مرکز نمادین قدرت تجاری آمریکا به حساب می‌آمدند، این شرکت را در برابر حملات تروریستی آسیب‌پذیر می‌کند. با درک این موضوع تلخ و رعب‌آور، این شرکت یک برنامهٔ آمادگی در مقیاس کوچک راه انداخت. در آن شرایط شرکت‌های کمی بودند که تمرین‌های آتش‌نشانی خود را جدی می‌گرفتند. ولی نه مورگن استنلی، که مسئول امنیت‌اش فردی به نام Richard C. Rescorla بود که نظم و انضباطی نظامی‌وار را وارد سازمان کرده بود.

وقتی که فاجعه در ۱۱ سپتامبر رخ داد، رسکولا در بلندگو به کارکنان شرکت می‌گفت که آرامش خود را حفظ کنند و دستورالعمل‌هایی که به خوبی تمرین کرده‌اند را عملی کنند. آن هم درست در لحظاتی که برخی مسئولان ساختمان به ساکنان می‌گفتند که همه چیز روبه‌راه است. مورگن استنلی خود را برای «سخت‌ترین واقعیت» آماده کرده بود و بجز این کارها، سه ساختمان پشتیبان هم داشت تا اگر زمانی ساختمان اصلی شرکت مختل می‌شد، کارکنان می‌توانستند در آن مکان‌ها کارشان را ادامه بدهند.

خلاصه که «روز ۱۰ سپتامبر، داشتن ساختمان‌های پشتیبان متعدد و تمرین‌های آتش‌نشانی و... ولخرجی بی‌خودی به نظر می‌رسید. اما ۱۲ سپتامبر نبوغ محض به شمار می‌رفت!»

شاید نبوغ هم نقشی نداشت. ولی بی‌تردید تاب‌آوری در اینجا حرف اول و آخر را می‌زد. واقعیت این است که وقتی با دنیای واقعی چشم در چشم می‌شویم، خودمان را برای عمل‌کردن به شیوه‌هایی آماده می‌کنیم که کمک‌مان می‌کنند سختی‌های خارق‌العاده‌ای را تحمل کنیم و از آن‌ها جان سالم به در ببریم. ما - قبل از وقوع حادثه - پیشاپیش خودمان را آموزش می‌دهیم که چگونه زنده بمانیم.

- از کتاب Resilience

پی‌نوشت (آپدیت): من بیشتر درمورد 9/11 تحقیق کردم و فهمیدم که حقیقت ماجرا متفاوت از چیزی بوده که روایت می‌شه. اما در صورت غلط‌بودن هم فعلا این داستان نتیجهٔ خوبی ازش گرفته و بیایید صرفا نتیجه‌اش رو کار داشته باشیم. :))

@sinusealpha_channel

خب ما دیدیم که رویداد خوب (!) مرتبط با هوش مصنوعی پزشکی در ایران برگزار نمی‌شه و گفتیم خودمون بیایم برگزار کنیم! :) این شد که MedAI Summit رو شروع کردیم و پیشنهاد می‌کنم که اگر به این موضوع علاقه‌مند هستید، این رویداد رو از دست ندید!

@sinusealpha_channel

بعد از مدت‌ها، یک مصاحبهٔ خوب از ny times [که چند روز پیش ضبط شده] دیدم. این روزها، از ویدئوهای yc ai startup school که به شدت برای من ناامیدکننده و [تقریبا] همه‌اش تکراری بودند اگر بگذریم، احتمالا این مصاحبهٔ theil یکی از بهترین محتواهایی باشه که اخیرا در این فضا منتشر شده. بحث‌ها، عمیق‌تر از روتین جامعهٔ تکنولوژیک عادی بود و از اون‌جایی که thiel هر حرفی که می‌زنه رو، در ده سال آینده هم بارها قراره تکرار کنه، از این‌که [البته نه برای بار اول] به stagnation و به شکل اختصاصی‌تر، پیشرفت‌نکردن verticalهایی (از واژه‌هایی مثل field هم استفاده نمی‌کنه) مثل پزشکی و biotech گیر [حتی یه‌کمی بیش از حد] داده هم علی‌رغم ترسناک‌بودن، خوش‌حال کننده‌ست. این‌که راه‌حل‌اش رو برخلاف اکثریت، more intelligence نمی‌دونه هم مهمه. مثلا این‌که دنیا ۵۰ ساله در درمان آلزایمر و dementia و... پیشرفت نکرده رو احتمالا هیچ‌کدوم از ریسرچرهای نوروساینس و حومه نپذیرند و تکنیکالی هم درست نباشه، ولی از نظر macroscopic قطعا درسته و خیلی خوبه که روی این قضیه هم تاکید بشه. آخر‌های مصاحبه هم داشت تازه بحث تصرف ارادهٔ انسان در ارادهٔ خدا، ولایت و... از نظر مسیحیتی که این‌ها قبول‌اش دارند مطرح می‌شد، که [مثل همیشه] زود جمع‌اش کردند و اجازه ندادند که بحث از این چیزی که هست عمیق‌تر بشه. خلاصه که اگر به این چیزها علاقه‌مندید، احتمالا یک ساعت جالبی رو با این ویدئو داشته باشید و خیلی پیشنهادش می‌کنم.

@sinusealpha_channel

یک مطلب جالب دیگر از andrew chen!

اندرو چن رو احتمالا با uber یا کتاب cold start problem بشناسید، اما وبلاگ‌اش هم ارزش دنبال‌کردن داره و بشخصه مطلب اخیرش رو هم خیلی دوست داشتم.

در این مطلب که با عنوان Lies per Second, Meetings per Decision Ratio, and other important biz metrics منتشر شده به بررسی متریک‌های مهم [و البته فان] که می‌تونه مقایسهٔ خوبی از چیزهایی که هر روزه باهاشون مواجه میشیم فراهم کنه می‌پردازه و چندتایی‌شون که جالب‌تر بودند رو در ادامه آورده‌ام:

- Cost per hour of pleasure (CPHP): Going to a concert or basketball game is high CPHP. Buying a super nice treadmill that you use 3x/week is low.

- Complaints per Hour (CHP): High CPH means high negativity.

- Phone Pickups per Hour (PPPH): If you are with boring people, or hanging out somewhere boring, the number of phone pickups is very high.

- % Conversational Autopilot: what % of the convo is in this mode? Personally I find that great chats often hover around 20-30%.

در ادامهٔ همین موضوع هم به تعدادی از متریک‌های «مرتبط با کسب و کار» می‌پردازه که بنظرم محاسبه‌کردن‌شون، سخت‌تر از چیزیه که بشه در لحظه انجام داد، و اگر به شکل unconscious conscious انجام بگیره، عالی می‌شه.

- Lies per Second (LPS)

: When you find yourself in a high LPS meeting, it might just be time to end it early.

- Meetings per Decision Ratio (MPDR)

: How many meetings did it take to make that decision? A high MPDR tells you that something is broken, and the situation needs to be escalated to a decision maker to simplify.

- Time to First Excuse (TFE)

: You often sit in a review meeting and you can count the minutes before a poor result is presented, along with an excuse for why it happened. A low TFE often leads to a low TNE — that is, Time to Next Excuse.

- Numbers vs Text Ratio (NTR)

: In startupland, one of my favorite stages is the very very beginning when the idea is being formed. That’s when it’s all story, and all text/narrative.

- PowerPoints per Launch (PPPL)

: The only way to reduce PPPL is to involve senior executives who want to push it forward, otherwise you’re in consensus-building hell.

- Dollar per IQ Point

: If you hire a top 1% stanford CS student, believe it or not, you’re probably spending moderate dollars per IQ point.

چند متریک دیگری رو هم در کامنت‌های این مطلب اشاره کرده‌اند که بین‌شون، این‌ها به نظر من جالب‌تر اومدند:

- Time To Buzzword Bingo (TTBB)

: Time required in a Board meeting to complete your Buzzword Bingo card.

- Rejection per Week (RPW)

: High RPW means that you're courageous and trying to move forward and low RPW means that you're not taking enough risks.

بنظرم برای فکر کردن خوب‌اند. یعنی می‌شه در کانتکست‌های شخصی این‌ها رو سنجید و بررسی کرد و وضعیت رو متوجه شد. به شخصه هم، همچنان signal to noise ratio برام مهم‌تر از همهٔ این متریک‌های بالاست و حتی می‌شه همهٔ اون‌ها رو شکلی از همین متریک در نظر گرفت.

@sinusealpha_channel

وقتی کسی می‌خواد برای شرکت anthropic (سازندهٔ claude) اپلای کنه، [برخلاف بقیهٔ کمپانی‌ها] توضیحاتی درمورد سیاست‌های استفاده از AI در بخش‌های مختلف شرکت مثل پروسهٔ استخدام به اون فرد ارائه می‌دهند. ابتدای مطلب هم این‌طوری شروع می‌شه:

At Anthropic, we use Claude every day, so we’re looking for candidates who excel at collaborating with AI.

در انتهای این راهنما نوشته‌اند که بقیهٔ سازمان‌ها هم خوبه همچین شفاف‌سازی‌هایی رو داشته باشند و روز به روز هم این قضیه داره بین کمپانی‌ها جدی‌تر می‌شه. ‌این‌جا می‌تونید این راهنما رو بخونید:

@sinusealpha_channel

هر روزی که می‌گذره، بیشتر اون دو جملهٔ روسو برام معنا پیدا می‌کنند و بیشتر به این می‌رسم که resourceful (مدبر)بودن، لازمهٔ اصلی بی‌نیاز/مستقل بودنه و کسی که در مسیر resourcefulشدن قدم برنداره، داره در مسیر نیازمند/وابسته بودن حرکت می‌کنه. حالا این‌که مستقل‌بودن هم خودش لازمهٔ ابتدایی uncompromising بودن محسوب می‌شه رو فعلا کاری ندارم!

@sinusealpha_channel

شما جنرالیست نیستید. شما ۲۳ سالتونه.

یک چیزی که اخیرا خیلی بیشتر می‌بینم و موقع صحبت با افراد مختلف خیلی راحت قابل تشخیصه، «کم‌عمقی بیش‌ازحد» در هر مسئله‌ایه. یعنی دیگه بحث ما سر «عمق یا وسعت» نیست. بحث بین کم‌عمقی عادی و کم‌عمقی بیش‌ازحده. و این کم‌عمقی بیش‌از حد، دیگه اصلا اون مزایای generalistبودن [که خیلی‌ها به‌واسطه‌اش تصمیم به متخصص‌نشدن می‌گیرند] رو نداره، و اتفاقا به «نادانی» شباهت بیشتری داره.

محتواهای بسیار کوتاه شبکه‌های اجتماعی، داره حالتی از آشنایی با موضوعات مختلف رو فراهم می‌کنه که کسی ممکنه بواسطه دونستن «۵ جمله» [و واقعا در همین حد!] از یک موضوع، در اون زمینه ساعت‌ها (!) صحبت کنه و «نظر» داشته باشه. این اصلا اسمش «وسعت» نیست. این عینا حماقته.

نمی‌خواستم این بخش رو هم تعریف کنم، اما امروز با کسی درمورد موضوعی که من آشنایی خیلی کمی در اون زمینه داشتم، صحبت می‌کردم. آشنایی نسبتا کم من [که بی‌اغراق و فروتنی و... واقعا هم کمه]، شامل خوندن دو کتاب [که یکی هم تازه تاریخی و نیمه‌مرتبط بود] و چند ویدئو از یوتیوب می‌شد و اصرار داشتم که من واقعا اطلاعات لازم رو ندارم و نمی‌تونم نظر بدم. اما وقتی پرسیدم «چقدر در این زمینه مطالعه کرده‌ای؟»، چیزی نگفت و مشخص بود که ادعاها نهایتا و [در بهترین حالت] از چند reels و shorts منشا می‌گیرند.

اما قسمت جالب و عجیب‌تر در این موضوع، «جرئت»‌ ما در قضاوت بر اساس همین میزان از اطلاعاته. این واقعا عجیبه. البته من منکر شجاعت و شرایط خاص در تصمیم‌گیری و... نمی‌خوام بشم، اما واضح و منطقیه که قبل از هر نوبت از تصمیم‌گیری، باید بپرسیم که آیا میزان اطلاعات ما، به «حداقل اطلاعات لازم برای تصمیم‌گیری» رسیده [و آیا امکان رسیدن داره] یا نه. و اگر پاسخ منفیه، بهتره اصول جدید و ناآزموده تراوش نکنیم و شجاعت بی‌جا هم به خرج ندیم.

قبل‌تر هم گفته بودم و باز هم می‌خوام تاکید کنم که اون چیزی که تحت عنوان generalist به ما فروخته‌اند، در واقعیت و از دید دیگران، بیشتر شبیه به متخصصی در چندین موضوعه، نه یک فرد سطحی در هر موضوعی. همچنین اگر زیر ۲۵ سال (با اغراق!) داریم، احتمالا حتی امکان نزدیک‌شدن به «generalist» [به معنی واقعی] رو نداشته باشیم و اون چیزی که ممکنه «عمق» تصورش کنیم، سطحه. سطح. و این حجم از سطحی‌بودن به شدت خطرناکه.

@sinusealpha_channel

چند روز پیش مطلع شدم که مقاله‌مون در RSNA پذیرفته شده و بواسطه‌اش، یک مطلبی رو در مورد «ریسرچ» نوشته‌ام که می‌تونید این‌جا بخونید.

قضیه از این قراره که آخرین کارهای «ریسرچ»ای که من شروع به انجام‌شون کرده بودم، به بیشتر از چهار سال پیش وقتی هنوز ترم یک‌مون شروع نشده بود برمی‌گشت و شانس آوردم که اون کارها، هرگز به جایی نرسیدند. :) در کل این مدت هم، تعداد نسبتا زیادی از پیشنهادات این شکلی رو رد می‌کردم (+) تا درگیر چیزی به نام ریسرچ، که اگر نگم بی‌فایده، کم‌فایده می‌دونستم، نشم. و واقعا هم از این تصمیم راضی‌ام.

اما این کار فرق می‌کرد. و شد اولین مقالهٔ من. که در RSNA 2025 پذیرفته شد. و به زودی قراره که ابزار توسعه داده‌شده در این مقاله، از طریق وب‌سایت AJNR (مجلهٔ نورورادیولوژی آمریکا) برای عموم قابل استفاده بشه. در آینده نزدیک و به محض انتشار، جزئیات کار و محصول نهایی رو هم مفصل‌تر توضیح خواهم داد.

@sinusealpha_channel

تجزیهٔ و ترکیب جملات، یک تمرین برای نوشتن بهتر.

یک تمرین نسبتاً سخت برای بهتر نوشتن، تجزیه و ترکیب جملات است. در این تمرین، شما یا حرف‌هایی که در چند جمله می‌شنوید را در یک جملهٔ بزرگ بیان می‌کنید، یا یک جملهٔ بزرگ را به جملات ساده‌تری که تعداد کلمات کمتر و آشنا‌تری دارند تجزیه می‌کنید. این تمرین به شما محتوای جدیدی اضافه نمی‌کند، اما در تنظیم بهتر متن، که احتمالا‌ً آخرین مرحلهٔ نوشتن است، بسیار موثر است.

من هم معمولاً مرحلهٔ آخر نوشتن را به این کار اختصاص می‌دهم. اول محتوا، و بعد شکل، و نهایتاً روی طولانی/کوتاه و ساده/سخت بودن جملات و ساختار کلی داستان کار می‌کنم. محتوا، و مهم‌تر از هر چیزی، مخاطب محتوا، در این‌که من این تنظیم را به چه شکلی انجام دهم به شدت مؤثرند.

مثلاً اگر مطلب مهم و جدی‌ای نوشته باشم، جملات را طولانی‌تر و کلمات را سخت‌تر انتخاب می‌کنم، تا هر خواننده‌ای که شروع به خواندن متن من کرده است، به پایانش نرسد (!)، و فقط آن افرادی که پیگیری بیشتری دارند بخوانند. اما اگر بخواهم گروه بیشتری از خواننده‌ها، و حتی آن‌هایی که پنجرهٔ توجه خیلی کوتاهی دارند متن من را بخوانند، با کلمات به شدت ساده‌تر و جملات کوتاه‌تر و ساختار داستانی آشناتری متن را تنظیم می‌کنم.

به همین دلیل و به احتمال زیاد دیده باشید که بعضی از متن‌های این کانال و بقیهٔ صفحات، وبلاگ‌ها و...، شامل عبارت‌های در ظاهر [و حتی باطن] سخت‌تری هستند و به مانند همین جمله، پتانسیل بیشتری برای فراری‌دادن گروهی از خوانندگان که احتمالاً استفادهٔ روزمرهٔ بیشتری هم از شبکه‌های اجتماعی دارند، داشته باشند.

اما بعضی متن‌ها ساده‌اند. یا حداقل ساده‌ترند. ساختار داستان آشنایی دارند و خبری از کلمات پیچیده در آن‌ها نیست. مثل همین بخش، که ساده‌تر از بخش قبلی‌ست، و راحت‌تر هم خوانده می‌شود. حتی توجه‌ها را هم جلب می‌کند و روش بهتری برای انتقال پیام است. مخصوصاً برای آن‌هایی که زیاد توجه نمی‌کنند.

این‌ها صرفاً مثال‌های ساده‌ای از تمرینی هستند که پیشنهاد می‌کنم در مکالمات و از آن بهتر، در خواندن رفرنس‌های آکادمیک و کتاب‌های فلسفی فارسی [یا با ترجمهٔ خوب]، که محل مواجهه با جملات طولانی‌تر و پیچیده‌تر است، انجام دهید. به نظرم معجزه می‌کند. در آینده هم بیشتر از این موضوع خواهم نوشت. :)

@sinusealpha_channel

فردا قراره در رویدادی به نام Projects Day، بیایم پروژه‌های برنامه‌نویسی بچه‌های علوم پزشکی البرز رو با هم ببینیم!

شخصا خیلی مشتاق این برنامه‌ام و اگر شما هم علاقه‌مند به حضور هستید، امکانش فراهمه. در ضمن امروز هم روز آخر ثبت‌نامه:
https://t.me/AbzumsAI/95