امروز متوجه شدم که چند روزی‌ست که تعداد نوشتارهای صفحه‌ی ابا اباد از مرز ۱۲۰۰ نوشتار گذشته است. بیش از هرچیزی دوست دارم به دنبال کنندگان صفحات ابا اباد تبریک بگویم. نه از این تبریک‌های پوپولیستی که هندوانه زیر بغل مخاطبشان می‌دهند تا افراد بیشتری آن‌ها را دنبال کنند یا از این تعریف‌های الکی و دم دستی که بسیاری برای رسیدن به مقاصدشان به آن‌ها چنگ می‌اندازند. یک تبریک و تشکر واقعی و دقیق. من تاکنون متاسفانه یا خوشبختانه خیلی به تعداد و کمیت مخاطبم توجهی نداشته ام. اساسا در زندگی‌ شخصی‌ام نیز هیچوقت به دنبال کمیت بالا نبوده ام. اصلا هیچوقت به یاد نمی‌آورم که کیفیت را فدای کمیت کرده باشم. من حتی چند سالی‌ست در روابط شخصی‌ام نیز به کیفیت رو آورده ام و انسان‌های بی کیفیت زیادی را علیرغم اینکه احتمالا کیفیت مادی زیادی داشته اند، از بابت نداشتن کیفیت معنوی، از اطراف خودم دور کرده ام. برای من انسان باید حس انسان بودن بدهد، چنانچه گل بوی گل می‌دهد، یکی مرد جنگی به از صدهزار. اما همین موضوع را می‌توانید در خط مشی فعالیت‌های من در زمینه‌ی عامه فهم سازی علم و فلسفه مشاهده کنید.


من حالا اما از این موضوع اطمینان دارم که مخاطبین من مخاطبین بسیار باکیفیتی هستند. در این دریای محتوای مزخرف و به درد نخور، یک نفر که وقت می‌گذارد و روزانه سه پاراگراف یا یک صفحه نوشته در حوزه‌های مختلف علم و فلسفه و تکنولوژی را می‌خواند، از دید من آدمی‌ست که با بقیه‌ی آدم‌ها تفا‌وت دارد. البته که هدف من عامه فهم سازی علم و فلسفه است و عدم استفاده از زبان پیچیده و دشوار همواره یکی از اصول اساسی فعالیت‌های من بوده و هست و خواهد بود. اگر کسی تاکنون موفق شده باشد، ۹۰ درصد نوشتارهای من را بخواند، گویی یک کتاب جامع هزار صفحه‌ای علم و فلسفه به زبان ساده را خوانده است. نوشتن این ۱۲۰۰ نوشتار حتما برای من کار زمان‌بر و انرژی‌بری بوده است و پشت آن ساعت ها مطالعه و شرکت در انواع و اقسام کلاس‌ها و همچنین ساعت‌ها تفکر وجود دارد. من به خوبی به این امر واقف هستم که انجام این کار از عهده‌ی هرکسی برنمی‌آید. اما از طرف دیگر به این موضوع نیز واقف هستم که مطالعه‌ی این ۱۲۰۰ نوشتار هم کار هرکسی نیست و هرکسی قادر نیست که وقت و انرژی بگذارد و در لابلای این دریای محتوا که اکنون اطراف ما را فراگرفته، به صورت پیوسته این مطالب را دنبال کند.


اما اینکه در این مدت چندین بار از من سوال شده که چرا روی محتوای بلند تاکید دارم، در حالیکه مردم حوصله ندارند و به دنبال دریافت سریع مطالب هستند؟ در پاسخ باید بگویم من همچنان معتقدم که انسان داستان‌ها را دوست دارد. اصلا زندگی ما حول این داستان‌ها شکل گرفته است. از همین بابت، هرچیزی که به فرم داستان ارائه شود نیز راحت‌تر در ذهن انسان نقش می‌بندد. من فکر نمی‌کنم یک ماه یا یک سال دیگر، کسی محتوای فست فودی و کوتاهی که در اینستاگرام یا هرجای دیگر دیده‌است را به یاد بیاورد، اما داستان‌ها در جان ما می‌نشیند و تاثیر آن ماندگار است. از طرف دیگر، در این دنیای فست فودی که شبکه‌های اجتماعی سعی دارند حتی فرصت اندکی صبر و تامل و تفکر را از آدم‌ها بگیرند، داستان‌هایی که من می‌نویسم فرصت بسیار خوبی‌ست برای تمرین بیشتر خواندن و بیشتر فکر کردن و بیشتر به خاطر سپردن. از همین بابت، من به آن دسته از دوستان و همراهان صفحه‌ی ابا اباد که موفق شده‌اند تاکنون بخش زیادی از مطالب این صفحه را دنبال کنند، بابت پشتکارشان تبریک می‌گویم و دستشان را به گرمی می‌فشارم.


- ابا اباد


@AbaEbad

خیلی وقت بود می‌خواستم راجع به این موضوع بنویسم، اما نمی‌دانم‌ چرا تا به الان هیچوقت راجع به آن ننوشته‌ام. دو حالت وجود دارد: یا در مقابل موضوعات دیگر چندان مهم نبوده که به آن بپردازم و تمرکزم را روی موضوعات دیگر گذاشته‌ام، یا از این بابت که حجم مطالب زیاد شده و به موضوعات مختلف پرداخته‌ام، این موضوع لابلای موضوعات دیگر گم شده و مغفول مانده است. اما من این را یک خطا یا یک error می‌بینم و خطای من این بوده است که به هر دلیلی تاکنون راجع به این موضوع چیزی ننوشته‌ام و کلا به آن نپرداخته‌ام. اما فرض کنید که من خبط نمی‌کردم و یک یا چند بار به این موضوع پرداخته بودم. اما کسی قسم نخورده که صددرصد مطالب من همگی صحیح هستند. به لحاظ آماری هم که نگاه کنیم، حتما این احتمال وجود دارد که مطلبی که من قبلا در رابطه با آن موضوع نوشته‌ام، تا حدی بر سَبیل خطا بوده باشد (خودمانیم عجب اصطلاح مسخره‌ای بر سبیل خطا!!!). این هم بالاخره یک خطا یا همان error است. اینکه آدم چیزی بنویسد که تا حدی اشتباه باشد، خودش یک نوع خطاست. نمی‌دانم آیا شما هم تفاوت این دو نوع خطا را حس می‌کنید یا نه؟


در حالت اول، خطای من این بود که راجع به آن مطلب اصلا چیزی ننوشتم و آن را عمدا یا غیرعمد، نادیده گرفتم و مانع این شدم که دانش ما حول این موضوع کامل باشد و مانند تصویر زیر آن را به زیر فرش دادم. در حالت دوم اما من راجع به این موضوع نوشتم و اتفاقا چند بار هم نوشتم، اما هر بار کمی به راه خطا رفتم. حالت اول را اسمش را می‌گذارم حالت “نشستن باطل” و حالت دوم را اسمش را می‌گذارم “به راه بادیه رفتن”. آیا حالا می‌توانم بگویم «به راه بادیه رفتن به از نشستن باطل”؟ نه اصلا. ممکن است اگر من کلا هیچ چیزی راجع به آن موضوع ننوشته بودم، بهتر بود تا اینکه یک چیز خیلی پرت و اشتباهی بگویم. اگر به بادیه برویم و در بادیه نابود شویم، کجای آن بهتر از این است که به بادیه نرویم و باطل بنشینیم؟ ما در عوض چه کار می‌کنیم؟ ما بین این دو نوع خطا، تفکیک قائل می‌شویم و هر بار تصمیم می‌گیریم که آیا اکنون به راه بادیه رفتن به از نشستن باطل است یا نه؟ اگر خیلی از این موقعیت‌ها در زندگی‌مان پیش بیاید، ما یک مجموعه‌ای از نمونه‌ها و در نتیجه یک سیستم آماری خواهیم داشت.


ما در آمار به آن خطای اولی یا خطای نشستن باطل، خطای سیستماتیک یا systematic error می‌گوییم. یعنی ما به صورت سیستماتیک از در نظر گرفتن یا اندازه‌گیری یک سری از نمونه‌ها صرف نظر کرده‌ایم و آن‌ها را در نظر نگرفته‌ایم. همچنین در آمار، ما به خطای دومی یا خطای به راه بادیه رفتن، خطای آماری یا statistical error یا خطای رندوم می‌گوییم. یعنی ما آن نمونه را در نظر گرفته‌ایم و یا آن را اندازه‌گیری کرده‌ایم، اما اندازه‌گیری ما همراه با خطا بوده است. حالا وقتی با یک نمونه مواجه می‌شویم، می‌پرسیم آیا اگر ما این نمونه را در نظر بگیریم بهتر است یا نه؟ آیا باید این نمونه را بدهیم زیر فرش یا که نه آن را بگیریم جلوی چشمانمان و اندازه‌گیری‌اش کنیم؟ اگر آن را در نظر نگیریم، یک خطای سیستماتیک داریم. اگر آن را اندازه بگیریم، یک خطای آماری داریم. باید ببینیم که کدامیک بزرگتر است؟ اگر خطای سیستماتیک بزرگتر است، بهتر است آن نمونه را اندازه گیری کنیم، اگر خطای آماری بزرگتر است، بهتر است بیخیال اندازه گیری آن نمونه شویم. حالا در زندگی‌مان هم باید این سوال را بپرسیم که کدام خطا بزرگتر است، آن کار را اصلا نکردن، یا آن را با مقداری خطا کردن؟ ترجیح شما چیست؟


- ابا اباد


@AbaEbad

بعضی از افرادی که خیلی ادعای هوش و ذکاوتشان می‌شود، فکر می‌کنند که هیچوقت گول هوش مصنوعی را نمی‌خورند. مثلا اگر روزی یک رباتی مجهز به الگوریتم‌های هوش مصنوعی، وانمود کند که دارای عواطف انسانی‌ست، این افراد فکر می‌کنند که می‌توانند آن را خیلی زود تشخیص دهند. واقعا تا چند سال دیگر که ربات‌های انسان‌نما در سطح جوامع فراگیر خواهند شد، آیا می‌توان براحتی و تنها با نگاه به رفتارشان، این ربات‌ها را از انسان‌ها تشخیص داد؟ اگر حرکات آن‌ها کاملا طبیعی باشد و از طریق مدتی ارتباط با انسان‌ها، بتوانند ادای احساسات داشتن را در بیاورند، باز هم می‌توان آن‌ها را از انسان تشخیص داد؟ مثلا تصور کنید یک روز که در یک سالن انتظار نشسته‌اید و یکی از این ربات‌های انسان‌نما روبروی شما نشسته و یک نگاه عاشقانه به شما می‌اندازد، بعد به شما نزدیک می‌شود و شروع می‌کند به زدن حرف‌های جذاب، چطور می‌توانید تشخیص دهید که این یک ربات است و به او دل نخواهید بست؟ در حالیکه او صرفا با آنالیز رفتار انسان‌ها و آنالیز تعدادی فیلم عاشقانه با این رفتار آموزش دیده است.


اگر فکر می‌کنید که تشخیص یک رفتار آموزش یافته از یک برخورد واقعی که از نهاد یک شخص برخاسته، کار ساده‌ای‌ست، من با یک مثال خیلی جالب، این نظر شما را به چالش خواهم کشید. نمی‌دانم که شما یا اطرافیان شما، یک سگ به عنوان حیوان خانگی دارید یا داشته اید. اگر هم کسی اطراف شما سگ ندارد، حتما سگ‌های ولگرد را دیده‌اید و یا در ویدئو کلیپ‌ها یا فیلم‌ها، چشمان زیر را از سگ‌ها بارها دیده‌اید. مثلا صاحب یک سگ به آن سگ تشر زده و او را دعوا کرده‌ است، سگ هم سریع گوش‌هایش پایین می‌افتد، چشم‌هایش غمگین می‌شود و سرش را کمی پایین می‌اندازد گویی پشیمان شده است. یا مثلا این سگ‌های ولگرد وقتی به شما نزدیک می‌شوند تا به آن‌ها غذا بدهید (که امیدوارم از بابت حفظ محیط زیست ندهید)، این سگ‌ها هم نگاه به شدت مظلومانه‌ای به آدم می‌اندازند، طوریکه آدم دلش برایشان کباب می‌شود. خیلی‌ها تحت تاثیر همین نگاه‌های مظلومانه‌ی سگ‌های ولگرد، تحت تاثیر قرار می‌گیرند و می‌گویند بابا یک بار که هزار بار نمی‌شود و دست آخر در حالیکه می‌دانند با این کار ضربه‌ی سختی به محیط زیست وارد می‌کنند، باز هم به آن سگ ولگرد غذا می‌دهند.


اما راستش را بخواهید، تحقیقات دانشمندان بارها و بارها نشان داده که در واقع سگ‌ها یاد گرفته‌اند که این حالت چهره، همراه با جلب توجه انسان‌هاست. آزمایشات مختلف نشان داده که این چهره‌ی سگ‌ها، نشانه‌ی غم و غصه‌ی درونی آن‌ها نیست، بلکه صرفا در خلال تکاملشان، سگ‌ها آموخته‌اند که اگر چنین قیافه‌ای را نشان بدهند، می‌توانند توجه و جایزه و غذا دریافت کنند. مثلا در یکی از این آزمایشات، صاحب سگ روبروی سگ قرار داده شد، ولی با سگ چشم تو چشم نمی‌شد. در این حالت سگ این حالت غمگین را نشان نمی‌داد. اما به محض اینکه صاحبش با او چشم تو چشم می‌شد، سگ دوباره این چهره را به خود می‌گرفت. این یافته‌ها نشان می‌دهد که سگ‌ها فقط به توجه انسان حساس هستند و از همه هیجان‌انگیزتر، حالت‌های چهره‌ی آنها تلاش‌های فعالی برای برقراری ارتباط است، نه نمایش‌های عاطفی غیرارادی. این رفتار به احتمال زیاد از این بابت تکامل یافته که سگ‌هایی که می‌توانسته‌اند این حالت چهره را ایجاد کنند، توانسته‌اند توجه بیشتری از انسان‌ها دریافت نمایند و شانس بقای آن‌ها بالاتر بوده است. می‌بینید که سگ‌ها هم می‌توانند با نمایش احساسات، ما را گول بزنند، چه رسد به ربات‌های آینده.


- ابا اباد


@AbaEbad

تصویر : فک کاسپین که از دست شکارچیان نجات یافته و در حال رهاسازی در دریای کاسپین است، چه کسی فکرش را می‌کند که در همین شمال خودمان چنین موجود زیبا و جذابی داشته باشیم.


@AbaEbad

فکر می‌کرد که ایران یک کشور خشک و بی آب و علف مثل عربستان یا شاخ آفریقاست. یک بیابان بزرگ لم یزرع که تنها موجودات زنده‌ای که غیر از آدم‌ها در آنجا زندگی می‌کنند، یک سری جوندگان و‌ خزندگان، بعلاوه‌ی شتر است. وقتی که تصاویر پیست اسکی شیرباد در رشته کوه بینالود شمال نیشابور را به او نشان دادم حسابی شاخ در آورد. بعد تصاویر مناطق کویری را به او نشان دادم، بیشتر شاخ در آورد. بعد‌ دوباره تصاویر شمال ایران را به او نشان دادم و بیشتر تعجب کرد. روی نقشه به او نشان دادم که چطور با چند ساعت رانندگی می‌توان از جایی مثل علم‌کوه که دما زیر صفر درجه است، به منطقه‌ای کویری رسید و یا باز با چند ساعت رانندگی به منطقه‌ای سرسبز در شمال ایران رسید. حسابی تعجب کرده بود، طوریکه از آنموقع هربار مرا می‌بیند‌ راجع به طبیعت ایران از من می‌پرسد. ما چند دهه‌ است بواسطه‌ی حماقت و نادانی عده‌ای، ارتباطمان با دنیا عملا قطع شده است و همین موضوع باعث شده که مردم دنیا دید درستی از کشورمان و مردم ایران نداشته باشند و همان تصاویری که از کشورهای عربی اطراف خلیج فارس دیده‌اند را به ما نیز تعمیم دهند.


شاید ما چون خودمان در این کشور و سرزمین زندگی کرده‌ایم و بزرگ شده‌ایم، این چیزها برایمان بسیار عادی‌ست. اما این طبیعت و آب و هوای به شدت متنوع‌ در داخل یک کشور، اصلا چیز عادی نیست که هرجایی بتوان مثل آن را پیدا کرد. اگر کسی تصاویر کوهستان‌های ایران را ببیند، تصور می‌کند که اینها یا آلپ است یا هیمالیا. یک نفر که تصاویر مناطق کویری در دشت کویر و دشت لوت را ببیند، تصور می‌کند که این تصاویر مربوط به صحرای بزرگ در آفریقا یا صحرای آتاکاما در شیلی است. شخصی خیلی راحت ممکن است تصاویر مناطق نیمه بیابانی ایران را با آسیای مرکزی یا اسپانیا اشتباه بگیرد. می‌توان هزاران مثال دیگر در این رابطه زد. این موضوع نشان می‌دهد که کشور ما چقدر جاذبه‌های طبیعی دارد و چه ظرفیت عظیم گردشگری در آن نهفته است که با سیاست‌های نادرست هیچوقت از آن به طور مناسب بهره برداری نشده است. فقط زمانی می‌توان متوجه این تنوع و این ظرفیت شد که به چند کشور دیگر سفر کرد.


چند وقت قبل خیلی اتفاقی در اینستاگرام، ویدئوی یک مرد بلوچ را دیدم که در حال غذا دادن به گاندوها (تمساح‌ها) بود. من همیشه تصورم بر این بود که گاندوها تمساح‌های کوچکی هستند. اما در این ویدئو دیدم که طول بعضی از آن‌ها حتی به دو متر‌ هم می‌رسد. فکرش را بکنید. کشور ما وسط قاره‌ی آفریقا نیست. اما شما می‌توانید گونه‌هایی را در آن پیدا کنید که واقعا برای منطقه ای که در آن قرار داریم عجیب است. ما در جنوب شرق کشورمان این گاندوها را داریم. در شمال کشورمان در دریای کاسپین، فک کاسپین داریم. در مرکز ایران یوزپلنگ آسیایی داریم و باز در مرکز و جنوب کشورمان گورخر آسیایی داریم و باز در بسیاری از مناطق کشورمان گوزن و آهو و خرس و گرگ و هزاران گونه‌ی جانوری دیگر. حتی در جنوب کشورمان ما کوسه داریم. اگر حواسمان را جمع می‌کردیم و مانع انقراضشان می‌شدیم، اکنون شیر ایرانی و ببر مازندران هم داشتیم. حالا به نام این حیوانات نگاه کنید. هرکدام از اینها مخصوص یک اقلیم خاص است و اینکه ما در کشورمان همه‌ی این‌ها را داریم، خودش خیلی عجیب است و نشان می‌دهد که تا چه حد اقلیم کشور ما متنوع است.



- ابا اباد


@AbaEbad

ما در فلسفه و علم راجع به صورت‌ها و فرم‌ها حرف می‌زنیم نه ماده‌ و محتوا. این یعنی چه؟ یعنی همان که مولانا در دفتر دوم مثنوی معنوی می‌گوید:

ای برادر قصه چون پیمانه‌ایست
معنی اندر وی مثال دانه‌ایست

دانهٔ معنی بگیرد مرد عقل
ننگرد پیمانه را گر گشت نقل

مثلا وقتی برای درک بهتر، یک نفر از تمثیل استفاده می‌کند، انسان عاقل به آن مثال نمی‌چسبد و اصل حرف و منظور گوینده را می‌گیرد. فرض مثال یک استاد فلسفه‌ی اخلاق می‌گوید که فرض کنید پشت فرمان یک کامیون هستید و در یک دوراهی قرار دارید و ترمز شما بریده است و در یک سمت یک نفر ایستاده و در سمت دیگر پنج نفر، شما کدام را انتخاب می‌کنید؟ اینجا آدم عاقل نمی‌گوید که این مثال شما خیلی غیرانسانی و غیراخلاقی‌ست. خب مگر چند بار در طول تاریخ چنین شرایطی به وجود آمده است؟ این استاد صرفا از این مثال استفاده کرده که ذهن دانشجویانش را به چالش بکشد تا دانشجویان بین این حالات انتخاب کنند. ممکن بود آن استاد هر مثال دیگری به کار ببرد. اینجا مثال مهم نیست و مهم منظوری‌ست که استاد از مثال به دنبال آن است.


پس ما باید کلیت موضوع را درک کنیم و درگیر مثال خاص نشویم. هدف از بیان آن مثال و مثال‌های مشابه همگی این است که ذهن ما و باورهای ما به چالش کشیده شود و سعی کنیم به درک درستی از اخلاق و امر اخلاقی نائل آییم. حالا با این تفاسیر، اجازه دهید به سراغ یک مثال دیگر از فلسفه‌ی اخلاق برویم و ذهن و اندیشه و باورهای خودمان را به چالش بکشیم. فرض کنید سوار یک کشتی کروز مثل تایتانیک شده‌اید و خیالتان از بابت ایمنی کشتی کاملا راحت است. می‌دانید که کشتی‌های کروز ممکن است در طول مسیر سفر خود، به چندین شهر بندری یا جزیره هم سر بزنند تا به مسافرانشان بیشتر خوش بگذرد. این کشتی کروزی که شما سوارش هستید در مسیر حرکت خود در جزیره‌ی زیبای گوادلوپ از مستعمرات فرانسه پهلو می‌گیرد. اما در همان اثناء، در این جزیره یک نفر مرتکب قتل شده است و قاتل بلافاصله دستگیر شده است. اتفاقا در این زمان برای چنین جرمی، مجازات اعدام با گیوتین در فرانسه رایج است و هنوز این مجازات ور نیفتاده. اما این جزیره‌ فاقد دادگاه مناسب برای محاکمه‌ی اوست و مسئولین جزیره تصمیم می‌گیرند که مجرم را به همراه یک مامور پلیس برای مجازات به خاک فرانسه بفرستند.


فرض کنید اوایل قرن بیستم است و این جزیره فرودگاهی هم ندارد و رفت و آمد زیادی هم به جزیره وجود ندارد که مجرم را به فرانسه بفرستند. با کسب اجازه از مسافرین و پرداخت هزینه، مجرم را به همراه مامور پلیس سوار کشتی می‌کنند تا همراه شما به فرانسه بیایند. در میانه‌ی راه کشتی به یک طوفان برمی‌خورد و حالا در حال غرق شدن است. ظرفیت قایق نجات یک نفر کمتر از تعداد سرنشینان کشتی است؟ حالا سرنشینان به سراغ شما می‌آیند و می‌گویند ببینید ما که از اول مسافر این کشتی بودیم. باید یا این پلیس سوار نشود یا این مجرم. مامور پلیس می‌گوید ببینید سرنوشت این مجرم وقتی پایش به فرانسه برسد حتما اعدام است. پس او در هر صورت تا چند روز دیگر خواهد مرد. برای او چه فرقی می‌کند که با گیوتین سرش جدا شود یا در این دریای طوفانی غرق شود. مجرم می‌گوید ببینید شما که دادگاه نیستید و صلاحیت این را ندارید که من را پیشاپیش محاکمه کنید، دادگاه فرانسه باید در این مورد تصمیم بگیرد. حالا چشم همه به دهان شماست که ببینند شما چه می‌گویید. حالا تصمیم شما چیست؟ اینجا چه کسی نمی‌تواند سوار قایق نجات شود؟ یکی از مسافرین، یکی از خدمه، مامور پلیس یا مجرم؟


- ابا اباد


@AbaEbad

فیلم زیبای خواهران غریب ساخته‌ی زنده یاد کیومرث پوراحمد و محصول سال ۱۳۷۴، یکی از آن فیلم‌هایی بود که در کودکی خیلی دوست داشتم و هربار که تکرار آن در روز مادر از تلویزیون پخش می‌شد، مجددا تکرارش را هم تماشا می‌کردم. این فیلم درباره‌ی داستان دو خواهر دوقلوست که پدر و مادرشان از هم جدا شده‌اند و یکی پیش پدر (زنده یاد خسرو شکیبایی) و دیگری پیش مادر (افسانه بایگان) زندگی می‌کند. آن‌ها اتفاقی همدیگر را در مدرسه پیدا می‌کنند و جایشان را با یکدیگر عوض می‌کنند و هیچکس هم متوجه این موضوع نمی‌شود. از این فیلم بیشتر از هر چیزی، صدای دلنشنین خسرو شکیبایی که آهنگی با این آغاز می‌خواند که “مادر من مادر من تو یاری و یاور من…” خیلی به دل من می‌نشیند و هروقت آن را می‌شنوم، خاطرات کودکی‌ام برایم دوباره زنده می‌شود. دختربچه‌ای که از دیدن اینکه پدرش اینچنین زیبا ترانه می‌خواند دهانش باز مانده و چشمانش برق می‌زند. فکر می‌کنم دوقلو بودن هم تجربه‌ی خیلی زیبایی‌ست. راستی بد نیست بدانیم که اکثر ستارگانی که در آسمان می‌بینیم، دوقلو هستند که به آن‌ها سیستم‌های ستاره‌ای دوقلو یا binary star systems گفته می‌شود.


اینطور نیست که این ستارگان در حال عبور از کنار هم، یکدیگر را ملاقات کرده باشند و در اثر جاذبه به یکدیگر پیوسته باشند. آن‌ها واقعا دوقلو هستند و با هم و از شکم یک مادر متولد شده‌اند. حتی ساختار اکثر این دوقلوها هم مانند یکدیگر است. جالب‌تر اینکه اکثر ستارگان آسمان شب، دوقلو هستند و از بابت نزدیکی زیاد، ما آن‌ها را یکی می‌بینیم. حتی نزدیک‌ترین ستارگان به ما یعنی سامانه‌ی ستاره‌ای قنطورس، از یک سه قلو به نام‌های آلفا قنطورس A، آلفا قنطورس B و پروکسیما قنطورس تشکیل شده است. اما ما وقتی به خورشید خودمان نگاه می‌کنیم، می‌بینیم که خورشید ما قل ندارد و یک ستاره‌ی تک و تنها در این گوشه‌ی کهکشان است. اما مگر خورشید ما چه گناهی کرده که دوقلو نبوده و قل ندارد؟ خورشید هم یک ستاره مثل بقیه‌ی ستارگان است. دانشمندان اخترفیزیک و اخترشناسی، فرضیات مختلفی در این رابطه ارائه کرده‌اند. از آنجایی که اکثر ستارگان دوقلو هستند و شبیه‌سازی‌های تشکیل ستارگان نشان می‌دهد که احتمال تولد دوقلو در ستارگان بسیار بیشتر از احتمال تولد تک قلو در آن‌هاست، این احتمال وجود دارد که خورشید ما یا یک دوقلو دارد که از خورشید بسیار دور است و تاریک و از این بابت ما آن را نمی‌بینیم.


احتمال دیگر هم این است که خورشید و دوقلوی آن، مدتی بعد از تولدشان، مثل خواهران غریب در آن فیلم، از یکدیگر دور شده باشند. شواهد زیادی در پشتیبانی این دو فرضیه وجود دارد. مثلا اینکه چرا ابر‌ اورت که خیلی از دنباله‌دارها از آن سرچشمه می‌گیرند و در فاصله‌ی یک سال نوری از خورشید قرار دارد، هیچوقت به خورشید نزدیک نشده است؟ ممکن است ستاره‌ی خاموش دوقلوی خورشید مانع این شده باشد. شاهد دیگر اینکه خورشید ما به میزان بسیار کمی از صفحه‌ی منظومه‌ی شمسی کج شده است. ممکن است دوقلوی خورشید زمانی با گرانش خود باعث این انحراف شده و بعد خود از خورشید دور شده است. پیدا کردن دوقلوی خورشید در این دریای ستارگان کار دشواری‌ست. اما راستش را بخواهید، دور شدن دوقلوی خورشید از آن به نفع ما تمام شده است. اگر دوقلوی خورشید در نزدیک آن باقی می‌ماند، ممکن بود که حیات هیچوقت روی زمین شکل نگیرد. چرا که آنموقع، مدار چرخش سیارات به دور خورشید اینقدر منظم نبود و احتمالا شکل‌گیری حیات از بابت تغییرات شدید دمایی، عملا منتفی می‌شد.


- ابا اباد


@AbaEbad

ما در تمام زندگی‌مان در حال حل انواع و اقسام مسائلیم. از یادگیری و انجام عمل راه رفتن یا حرف زدن در کودکی‌مان گرفته تا همین کارهای‌ روزمره‌مان. امروز چه بپوشم؟ امروز چه بخورم؟ با سرمایه‌ام چه کار کنم چه کار نکنم؟ سراغ چه رشته‌ی تحصیلی بروم؟ کدام شغل را قبول کنم و کدام را رد کنم؟ کار دل من چیست؟ آیا این پیشنهاد دوستی را بپذیرم یا نپذیرم؟ آیا این مهمانی را بروم یا نروم؟ آیا پاسخ این گستاخی را بدهم یا ندهم؟ کارهای سخت را صبح انجام دهم یا وسط روز یا عصر؟ مهاجرت بکنم یا نکنم؟ الان وقتش رسیده که اعتراض کنم یا باید همچنان سکوت کنم؟ اگر خواستم اعتراض کنم چطور اعتراض کنم؟ الان باید خوشحال باشم یا ناراحت باشم؟ خانه را کی تمیز کنم؟ تلاش کنم آن پروژه را برسانم یا درخواست تمدید آن را ارائه دهم؟ برای رفتن به مقصد، خیابان خلوت و باریک و پیچ در پیچ را انتخاب کنم یا اتوبان عریض و طویل و شلوغ را؟ کی از خانه بیرون بزنم که به موقع برسم؟


می‌بینید مغز ما مثل یک کامپیوتر، همواره در حال بررسی این حالات مختلف است و به نوعی ما شبانه روز در حال حل مسائل گوناگون هستیم. در همه‌ی این حالات هم به دنبال یک جوابیم : جواب بهینه. حالا ممکن است این بهینگی از جنبه‌های مختلف باشد. مثلا برای کودک، حل مساله‌ی راه رفتن از این جهت منتهی به یک جواب بهینه یعنی همان راه رفتن می‌شود که او می‌تواند انرژی کمتری برای جابجایی در دنیای اطرافش صرف کند، سریع‌تر‌ به هرجایی از خانه که دوست دارد برسد و همچنین دستش به چیزهایی که می‌خواهد می‌رسد. او به دیگران نگاه می‌کند و متوجه وجود جواب بهینه می‌شود و می‌فهمد که راه رفتن یک جواب بهینه است و بهتر از غلت زدن یا چهار دست و پا راه رفتن است. برای یک نفر که شغلی را انتخاب می‌کند، جواب بهینه احتمالا این باشد که شغلی را بیابد که محیط کاری مناسبی دارد، به محل زندگی‌اش نزدیک است و حقوق بیشتری می‌دهد. پس ما مرتبا با مسائل بهینه سازی سر و کار داریم. حتی گوگل مپ هم وقتی به ما مسیری را برای رسیدن به مقصد، پیشنهاد می‌دهد، در حال حل یک مساله‌ی بهینه سازی‌ست و پاسخ بهینه از نظر گوگل مپ، کمترین زمان برای رسیدن به مقصد است.


اما یک چیز را باید یادمان باشد. پیدا کردن بهینه‌ترین حالت، همیشه چندان آسان نیست. بهینه‌ترین حالت، تنها یک حالت قطعی است. در مثال گوگل مپ، حتما یک مسیری وجود دارد که هر مسیر دیگری حتما از آن طولانی‌تر خواهد بود. این مسیر یک جواب دقیق است. اما گوگل مپ اگر بخواهد که آن مسیر را برای ما پیدا کند که حتما از نظر ریاضی، بهترین و‌ بهینه‌ترین مسیر باشد، بایستی تعداد بسیار زیادی از حالات را بررسی کند. آنوقت ما باید زمان زیادی صبر کنیم تا برایمان پاسخ دقیق و قطعی را پیدا کند. اما چه فایده؟ ما همیشه نیاز به پاسخ قطعی و دقیق نداریم. اگر گوگل مپ بتواند با یک الگوریتم تقریبی (Approximation Algorithm) جوابی را در زمان کوتاه‌تری به دست بیاورد، به شرط اینکه بدانیم این جواب تقریبا به جواب دقیق نزدیک است، همین برای ما کافی‌ست. این بهتر از این است که صد سال صبر کنیم که جواب دقیق را به ما بدهد. یادمان باشد در مسائل زندگی هم همین قضیه برقرار است. لازم نیست ما جواب دقیق مسائل و بهینه‌ترین حالت را بدانیم. فقط کافی‌ست که جواب تقریبا بهینه را بدانیم و آن را انتخاب کنیم. این برخلاف رویکرد افراد کمالگراست که دنبال جواب دقیق هستند و احتمالا بندرت به آن می‌رسند.


پس

بیخیال دقیق‌ترین و بهینه‌ترین جواب، جواب تقریبا درست را پیدا کن و پیش برو



- ابا اباد



@AbaEbad

تصویر : هانا آرنت در یکی از دادگاه‌های آدولف آیشمن، می‌توان گفت که دقیق‌ترین مشاهدات و تحلیل‌ها راجع به این دادگاه و شخصیت آیشمن را او ارائه کرده است. اما این تحلیل‌ها به مذاق بسیاری خوش نیامد و نقدهای او با حملات گسترده از سمت پوپولیست‌ها روبرو شد.


@AbaEbad

نقد دردناک است، درست مثل چاقوی جراحی. وقتی یک متفکر چاقوی جراحی خودش که همان قلمش است را برمی‌دارد و از چیزی نقد می‌کند، حتما که به مذاق عده‌ای خوش نمی‌آید و حتما آن عده درد می‌کشند. اما این درد، درد کشنده نیست بلکه درد مفید و سازنده است. اگر نقد متفکر، عده‌ای را به درد نیاورد، این یعنی متفکر کار خودش را درست انجام نداده است. این درد کاملا طبیعی‌ست و نشان دهنده‌ی این است که یک عمل جراحی در حال صورت گرفتن است. اما این موضوع یک جنبه‌ی دیگر هم دارد. اینکه هیچ بیماری نمی‌تواند و نباید از پزشک جراح انتظار داشته باشد که بنا به تشخیص بیمار، دست به عمل‌ جراحی بزند یا نزند. اتاق عمل، سالن آرایشگاه نیست که بیمار به جراح بگوید به این قسمت دست نزن چون دردم می‌گیرد. در اتاق جراحی، از پزشک انتظار می‌رود که مطابق نظر تخصصی خودش، عمل جراحی را پیش ببرد، چرا که او بدن بیمار را حتی از خود بیمار هم بهتر می‌شناسد. اگر اینطور نبود که باید جای پزشک و بیمار عوض میشد.


همین قضیه در مورد متفکرین نیز صادق است. متفکر مثل آن جراح، به‌ بدن بیمار جامعه خیلی دقیق نگاه می‌کند و آن را بخوبی وراندازی می‌کند. آنوقت با چاقوی جراحی‌اش به جان مشکلات اجتماع می‌افتد. چاقوی جراحی او درد دارد. صدای عده‌ای بلند می‌شود. اما هیچکس نمی‌تواند انتظار داشته باشد که این متفکر باید به خوشایند ما حرف بزند و با ما هم‌نظر باشد. اگر متفکری با آحاد جامعه هم‌نظر باشد و به خوشایند دیگران حرف بزند و مرتبا حرف جامعه و حرف همه را تایید کند، آن چه متفکری‌ست؟ اصلا جامعه چه نیازی به او دارد؟ اما متفکر واقعی هیچوقت تن به فشار اجتماع و فشار هیچکس نمی‌دهد. جامعه هم باید یاد بگیرد که شنیدن نقد درست و دقیق گاهی اوقات دردناک است. علی الخصوص برای کسانی مانند راسوها (راستگرایان افراطی) و چپوها (چپگرایان افراطی) که دارای گرایشات افراطی هستند، نقد متفکرین می‌تواند خیلی دردناک و آزاردهنده باشد. چرا که تفکرات و گرایشات افراطی میانه‌ای با عقل و تجربه و منطق بشری ندارد و از همین بابت هم مورد پذیرش هیچ متفکری قرار نمی‌گیرد.


متفکر همواره پرده‌ها را کنار می‌زند تا حقیقت آشکار شود. شما می‌بینید که مثلا شخصی مثل هانا آرنت که یکی از مهم‌ترین فیلسوفان فلسفه‌ی سیاسی قرن بیستم است، در ابتدای کتاب آیشمن در اورشلیم، در حال نقد سیستم قضایی و نحوه‌ی برگزاری دادگاه آدولف آیشمن است. او می‌گوید که آیشمن نباید در اسرائیل محاکمه شود، بلکه باید در یک دادگاه بین‌المللی محاکمه شود، چرا که جنایت آیشمن نه علیه یهودیان بلکه علیه بشریت است. او می‌گوید آیشمن باید وکیل مدافع ‌واقعی داشته باشد و دادگاه نباید صحنه‌ی نمایش محاکمه باشد، تا حقیقت به شکلی عمیق آشکار شود. او خودش هلوکاست را با گوشت و خونش حس کرده است، پس او از آیشمن طرفداری نمی‌کند، بلکه می‌خواهد حقیقت آنطور که هست آشکار شود. اما این نگاه دقیق هانا آرنت و انتقادات جدی او از نحوه‌ی برگزاری دادگاه آیشمن، توسط راسوها و چپوها به شدت مورد حمله قرار می‌گیرد و متهم به یهودی‌ستیزی می‌شود. البته بعد از چند سال، درستی حرف‌های هانا آرنت آشکارتر می‌شود و مشخص می‌گردد که او چقدر از مردم جامعه‌اش جلوتر می‌زیسته‌است.



- ابا اباد


@AbaEbad

الگوریتم‌ها به سرعت در حال پیشی گرفتن از انسان‌ها هستند. این واقعیت غیرقابل انکار دنیایی‌ست که ما در آن زندگی می‌کنیم. در حالیکه نسل‌های اولیه‌ی این الگوریتم‌های یادگیرنده، برای یادگیری به ما انسان‌ها نیاز داشته‌اند، الگوریتم‌های جدیدتر دیگر حتی برای یادگیری هم نیازی به انسان نخواهند داشت و خودشان از جهان و از خودشان خواهند آموخت. دیپ‌ بلو (deep blue) اولین کامپیوتر جهان بود که در سال ۱۹۹۶، موفق شد در مقابل قهرمان بزرگ شطرنج جهان یعنی گری کاسپاروف، از ۶ بازی، تنها یک بازی را ببرد. او در دو بازی به تساوی رسید و در سه بازی به این استاد بزرگ شطرنج روسیه باخت. اما فرآیند یادگیری این کامپیوتر بیشتر از یازده سال طول کشید. این کامیپوتر باید با شطرنج‌بازان حرفه‌ای در سطوح مختلف بازی می‌کرد تا تک تک حرکات آن‌ها در موقعیت‌های مختلف را یاد بگیرد. آنوقت در وضعیت‌های مختلف بازی شطرنج، به آموخته‌های خودش نگاه می‌کرد و تصمیمی مشابه شطرنج‌بازان حرفه‌ای می‌گرفت. پس معلمان دیپ بلو همان انسان‌ها بودند.


اما باید یادمان باشد که از زمانی که دیپ بلو آن بازی را از گری کاسپاروف برد، چندین تغییر پارادایم در دنیای الگوریتم‌ها رخ داده است. این تغییرات بزرگ در دنیای کامپیوتر، صرفا تغییر اسم برای طراحی الگوریتم‌های کارآمدتر نبوده، بلکه واقعا نوع یادگیری الگوریتم‌ها دستخوش تغییر شده است. تفسیرها و پیش‌بینی‌های اکثر آینده پژوهان، مبتنی بر عملکرد همان الگوریتم‌های یادگیرنده‌ی نسل‌های اول باقی مانده است. اما الگوریتم‌های کنونی با الگوریتم‌های نخستین زمین تا آسمان متفاوت هستند. اجازه دهید با یک مثال این موضوع‌ را بررسی کنیم. در سال ۲۰۱۶، یکی از نوه‌های همان کامپیوتر دیپ بلو، به نام استاک فیش ۸ (Stockfish 8) قهرمان بلامنازع شطرنج جهان بود. این کامپیوتر به قرن‌ها دانش و تجربه‌ی بشری در شطرنج دسترسی داشت. همچنین این کامپیوتر چند دهه بعد از دیپ بلو متولد شده بود و بنابراین به اطلاعات پدران کامپیوتری‌اش هم دسترسی داشت. این کامپیوتر آنقدر قدرتمند بود که می‌توانست حدود هفتاد میلیون حرکت در ثانیه را تحلیل کند. بسیار قدرتمندتر از هر شطرنج‌باز انسانی. اما چه کسی می‌توانست او را شکست دهد؟


اما یک الگوریتم جدید متعلق به گوگل که متعلق به پاردایم بعدی الگوریتم‌های یادگیرنده بود موفق شد خیلی راحت او را شکست دهد. الگوریتم آلفا زیرو (Alphazero) گوگل، حریف جدید این کامپیوتر بود. آلفا زیرو فقط هشتاد هزار حرکت در ثانیه را تحلیل می‌کرد، بسیار کمتر از استاک فیش و دیپ بلو. اما از صد مسابقه‌ی شطرنج بین آلفا زیرو و استاک فیش، آلفا زیرو ۲۸ مسابقه را برد و در ۷۲ مسابقه به تساوی رسید و در هیچ مسابقه‌ای نباخت. با اینکه آلفا زیرو محاسبات بسیار کمتری انجام می‌داد، اما خیلی راحت بر استاک فیش غلبه کرد. آلفا زیرو، شطرنج را از کسی یاد نگرفته بود. آلفا زیرو صرفا با استفاده از الگوریتم‌های یادگیری ماشین (Machine Learning) و مسابقه دادن در مقابل خودش، شطرنج را یاد گرفته بود. آن هم نه در چند قرن یا چند دهه یا چند سال، آلفا زیرو شطرنج را تنها با ۴ ساعت بازی کردن مقابل خودش یاد گرفته بود. حرکات او هیچ شباهتی با حرکات بزرگترین نابغه‌های شطرنج جهان نداشت و بهترین الگوریتم پارادایم قبلی، نمی‌توانست حرکات او را پیش‌بینی کند و براحتی در مقابل او شکست می‌خورد. رفته رفته ما به روزی نزدیک می‌شویم که ما باید از الگوریتم‌ها یاد بگیریم نه آن‌ها از ما و این تغییر پارادایم بزرگی‌ست که پیش روی ماست.


- ابا اباد


@AbaEbad