معرفی جلسه و فلسفه دیتا ساینس
بسم الله الرحمن الرحیم جلسه امروز آن در خدمت آقای دکتر تو سرطانی هستیم از آی پی ام ایشان دکتر دیگر زیاد دارند من خودم پیش چند جلسه از مرزشان استفاده کردم در مورد اگر اشتباه نکنم اونجا تندرز و معرفی کردن و میدونم که هم علاوه بر ریاضیات همیشه از اینجا رد میشدم بالاخره اسمش بشیم نمیدونستم انقدر کوچیکه هر کی آمدم دیدم چیزهای دیگرایه هی قابل زدن و سابقه تغییر راهرویی من اتفاقا ناگهان یادمه توی سخنرانی که تو آیپی ام میکردم به همین نکته اشاره کردم که یک بارندگی توی علم پیش آمده یک موقعی فلسفه در رأس هرم بود مثلا در یونان و بقیه علوم یک جوری در قسمتهای زیرین هرم اکنون اینطوری شده که همه علوم مهندسی اینها که پایین بودن آمدند بالا فلسفه همون آخر تو آیپی ام ببخشید من با چیزی میگویم با احساس من چی میگویم تو آیپی ام فلسفه تحلیلی چند تا اتاق بود توی جمع واقعا من همش به دوستان میگفتن این جایگاه فلسفه توی دنیای مدرن شما ببینید که حالا اکنون براشان بهتر شده یک طرفه آمدند بالاتر جاش این خود تر شده اینجا هم اکنون واقعاً در این دانشگاه ته یک راهرویی خلاصه این چند تا اتاق هست به اسم حقوق فلسفه ان که جای تاسفه فکر میکنم همیشه به همه دانشجوها نمیکند چه رشتهای باشن میگویم که یک درس واجبی که حتما باید سعی کنید بردارید و بخونید فلسفه علم بالاخره ما از اول بچگیم تا یک موقعی که درس خوندیم با علم سرکار داشتیم ریاضی خوندیم و یک تصوری از علم و اینکه علم کاشف حقیقت و این حرفها داریم که خوبه که با مطالعه مصرف علم یک خورده به مبانی علم دقت بکنید بفهمیم واقعا این چیزایی که خوندیم تا چه حد اینگونه که توی مدارس در زیرن این مسجدش هست یا حقیقت هست یا نه خب من امروز صحبتهایی که دارم میکنم به همین چیزایی که اکنون گفتم ربط پیدا میکند میخواهم درباره یک چیزی صحبت بکنم که اکنون خیلی خیلی مده معمولا یک چیزی که مده در معرض تعریف میگیرد همه جا حرف از دیتا ساینس.
ما نهم آذر یک سمینار بین المللی در آی پی ام داشتیم در عنوان مثلا سمینار یک روزه دیتا ساینس. فکر نمیکنم شما تعمدن این کار کرده باشید ولی امروز و دیروز هم در آن شریف سمینار دیتا ساینس بوده و پالستان ما سامر اسکولش رو دادیم برنامه گراجویتش داره تصویب میشود و علم روز دنیاست بیشترین جاب توی دنیا اکنون نگاه کنید توی جایی نیست دیگر این و اینها درخواست برای دیتا ساینس و من یک جایی خوندم که تضمین میکرد که در واقع آمار حداقل طول ۲۰ سال این جاب ها وجود خواهند داشت بنابراین نگران نباشید وارد این رشته بشید تا. مدت خیلی زیادی همچنان. یک دانش مورد نیاز هست. تقریباً همه دانشگاههای دنیا دارن.
شاخه دیتا ساینس رو حداقل در حدی گراجویت افتتاح میکنند تو آمریکا و خیلی جاها پی دی دیتا ساینس دانشجو گرفتن تا سه ماه پیش من میدونم هیچ کارگاه تحصیل نشده ولی میگفتن یک نفر که نیویورک داره phd ساینس فارغ التحصیل میشود به هر حال علم روز دنیاست که من از یک طرف تو این سخنرانی اول میخواهم بگم که چقدر چیز مهمیه و چرا مهمه و فکر میکنم حالا بخوام مثال بزنم فضای اکنون با پیدا شدن این چیزی که به آن میگویند دیتا ساینس شبیه پنجاه شصت سال قبل که کامپیوتر داشتن موضوعشان جلوه میشد و آن موقع یک عده آدم پیشرو بودن که پیشبینی میکردن که
کامپیوتر دوران جدید دانش را متحول کرد
این به وجود آمدند این کامپیوترها پیسیا علم رو میتواند متحول بکنه مهندسی رو میتواند م متحول بکنه صنعت رو متحول بکنه و دیدیم اینطور شد واقعاً وارد یک دوران جدیدی از دانش شدیم شاخههای جدید به وجود آمد چه از لحاظ تئوری چه از لحاظ عملی و یک انقلابی میشود گفت تو صنعت و متعاقباً توی دانش به وجود آمد تقریباً میتوانیم بگیم که توی همچین مرحلهای قرار گرفتیم بنابراین خوبه که خودمونو سعی کنیم با این تحولاتی که در آینده نوشید میان هماهنگ بکنیم من من یک خورده توضیح میدم که این دز ساینس چی هست نه خیلی مفصل و چرا اینقدر مهمه چرا ی چیز انقلابی به نظر میرسد صحبت میکنند در موردش دارن تاکید میکنند امیدوارم تو ایران برخلاف همیشه که یک ۱۰ ۱۵ سال عقب میفتیم اینقدر عقب نگفتیم خونه اونو راه بتونیم در واقع یک چیز هماهنگ بکنیم این خوب که خیلی جنبه حالا سخت افزاری شاید مهم نیست یعنی بیشتر شبیه یک دانشه که باید فرا گرفته بشود و قبل بعد از اینکه اینها رو گفتن که خود جنبههای مثبته در واقع سعی میکنم تو این جلسه یک شمای کلی از اینکه چه تاثیری روی علم و جعبههای فلسفی علم میذارد بهمون ادعاهایی در مورد دیتا ساینس وجود داره که وارد یک پارادایم جدیدی شدیم اینو اصطلاحاً یک چیزی که مد به آن اشاره میشود شاید مطمئن نیستم اگر شاید اولین بار یک کامپیوتر سانین چیز معروفی توی یک سخنرانی خودش این ادعا رو کرد که وارد پارادایم علم شدیم و این اصطلاح هم گاو شد که وارد پارادایم چهارم شدی یک کتابی دراومد تحت عنوان چهارمی پارادایم که منظورشان همین دورهایه که بعد از دیتا سانیس قراره پیش بیاد یا اکنون پیش آمده در واقع شو میبینیم این جوهای فلسفی شم سعی میکنم اشاره کنم بیشتر در واقع این حال و هوای جدید و ادعاها بعضی ادعاها ممکنه زیادی به نظر بزرگ برسیم که واقعاً اصلا وارد چهارم این پارادایم شدیم سوال این است که پارادایم دوم و سوم چی بوده به آن معنای یک خورده فلسفه دقیق فلسفی که من مثلا تامس کین میگفت نمیدانم حالا پارادایم دوم شون قابل تصویب هست فکر میکنم نیست چهارمی هم به همون معنا ممدن پارادلاین جدید محسوب نشود حالا من سعی میکنم به هر حال آخرش یک ادعایی در مورد اینکه چقدر در واقع حرفهای فلسفی میشود اطراف بگم بفقط حالا شروع میکنم با همین که یک مقدار معرفی بکنم که این موضوع چیست و چه تاثیری یک علم و فلسفه علمتان رو کلی میزند این چیزی که به آن میگویند دیتا ساینس یکو معلوم نیست چرا که دیتا ساینس این دیتا جوین ساینس شاید اسم بهتری براش باشه حالا دوتار مختصر همین اسم علم دانه رو براش انتخاب کرد بگذارید یک یک اتفاقایی افتاده یک بخشی از اتفاقایی افتاده که افتاده و من همیشه خب این اتفاق به تدریج پیش میآید یعنی ممکنه شما بگید اکنون صد ساله که این اتفاقات داره همینجور جلو میرود یک جایی میرسد که از مثل اینکه یک دفعه یک خیلی نمود پیدا میکند به قول این تغییرات ممکنه خیلی جزئی و کمی باشن یک دفعه متوجه میشن انگار وارد یک مرحله جدید میشدن اگر تغییرات جزئی و تدریجی رو هیچ وقت احساس نکنیم که یک دفعه از یک جایی وارد مرحله جدید میشن چون بعضیا میگویند من چند نفر فقط ایران نقص کردم این اصلا دیتا ساینس
دیتا ساینس اسم تازه روی کار قدیم
یک فیکه یک اسمی گذاشتن همه این چیزایی که دیتا ساینس هست سی چهل ساله که بوده من یکی از استادای دانشگاه دکتر شاهین روحانی یک جواب خیلی خوبی داد گفت که این مثل این است که وقتی کامپیوترا میومدن یک نفر میگفت که خب این که چیزی نیست محاسبه صفر و یک انجام میده دیگر خب بوده خیلی وقته که هست یا مثلا ماشین حسابا بودن ولی آدمها متوجه میشن که مثلا قدرت کامپیوتیشنال کامپیوتر اونقدر زیاد شده که میتواند یک تحولات بزرگی ایجاد بکنه اینجا هم همین طوره هیچ اتفاق ویژهای بخواید بگید از نظر علمی یا تکنولوژیک نیفتاده نظر تکنولوژیک اتفاقی که افتاده این است که قدرت اصلا ذخیره سازی ما بینهایت زیاد شد ما توی آماری گفتن که از سال ۲۰۱۳ دیتایی که فراهم شده و ذخیره سازی شده به اندازه کل دیتای تاریخ ظرف دو سال به اندازه همه دیتای ماقبل ۲۰۱۳ ذخیره سازی دیتا انجام شده و احتمالاً از آن موقع تا اکنونم این آمار شاید جالبتر هم شده باشه یعنی دو سال اخیر شاید از چند برابر قبل از خودش دیتا ذخیره کرده باشه هم حجم دیتا بینهایت زیاد شده و هم سرعت پردازش ما خیلی خیلی بالا رفته میتوانیم دیتاهایی که همین جور آنلاین دارن میان رو پردازش از آنون نتیجه بگیریم بنابراین سه تا وی هست میگویند در مورد به اصطلاح چیزی که به آن میگویند این دیتا یک اصطلاح مرتبط با دیتا دیتا یا کلان داده است والیوم پلاستیکیه ما با سرعت بالا در واقع این دیتا رو میتوانیم بگیریم آنلاین همینجور پردازش بکنیم و این نتایجی رو گزارش بکنیم و بر اساسش یک اتفاقهایی بیفته تنوع هم چیز خیلی خیلی مهمه واقعا دیتا تا چند قرنه غرق به صورت مثلا فرض کنید یک عدد یا یک بردهایی از اعداد بود که یک جایی ما مثلا مینویسیم یا ذخیره میکردیم و اکنون شما نوع دیتا هایی که در واقع میتوانید باهاش کار بکنید و پردازش شون بکنید فوق العاده میتوانید از مثلا فرض کنید اعداد رو بردار گرفته تا یک فایل های صوتی ایمیج یا حتی فایل دیگر اینها رو من میتوانم فایلهای خیلی بزرگی ممکنه باشن میتوانم اینها رو ذخیره سازی بکنم و پردازش بکنم سعی کنم از آنون یک نتیجه دیگر یک بخشی بنابراین از اتفاقایی که افتاده جنبه تکنولوژیک داره سرعت پردازش ما زیاد شده فریم ورک های به وجود آمدند که میتونن خیلی خوب با دیتاهای بزرگ کار بکنن و همین طور مقدار در واقع هرچی دیتا ذخیره بکنیم خیلی خیلی بالا رفت از لحاظ تئوریک هم یک اتفاقایی افتاد یعنی ابزارهایی مثل ماشین لرنینگ دیپ لرنینگ نمیدانم مثلا توی آمار این چیزی که به آن میگویند آمار نان پارامتریک اینها اتفاقایی همه اینها به تدریج به وجود آمده ولی یک دفعه توی سالهای اخیر در واقع تئوریهایی که پشت تحلیل دادهها هستم خیلی خیلی قدرتمند شدن این ترکیب پیشرفتهای علمی با این پیشرفتهای تکنولوژی یک دفعه احساسی به وجود آورده که انگار وارد یک دوره جدیدی شد مثلا توی صنعت میگویند وارد انقلاب چهارم صنعتی شدیم کارخونه ها با کارخونه های قرن بیست و یکم میگویند که کارخونه هایی هستن که کاملا متفاوت از کارخونه های قبلی هستن اتفاق مهمی که افتاده دیگر دیگر این دستگاه هایی که دارن میکنند از دستگاه تراش گرفته تا هر چیزی که توی کارخونه داره کار میکند همشون به یک مرکزی وصلن یک شبکهای وجود داره آنلاین که دارن
کارخانه آنلاین و مبادله دیتا
کار میکنند دیتاها مبادله میشود تحلیل میشود و دستور های جدید میآید حتی اکنون کارخونه هایی وجود دارن مثلا فرض کنید توی یک کشوری توی آسیا که با یک کارخونه مادر توی آمریکا دوتا رو آنلاین ارتباط داره و همینطور همه مربوط به همدیگه دارن کار میکنند و اگر اونجا یک اتفاقی بیفته و آن به اصطلاح پروسسور مرکزی به فرمان بده که مشکلی پیش آمده یا مثلا فرض کنید یک اتفاقی افتاده از نظر تولید سرعت زیاد شده کم شده اپتیمو میکند و اینجا توی اینور دنیا هم یک دستوراتی میده که دستگاه جور دیگر کار بکنن سرعتش رو کم و زیاد بکنن این کارخونه هایی که حالت ارگانیک پیدا کردن یعنی اجزاش با همدیگه یک جور ارتباط ارگانیک دارن به اصطلاح میگویند اینها انقلاب چهار صنعتی بعد از همون انقلاب صنعتی اول انقلاب صنعتی دروغ نیست واقعا این چهار تا مرحله اتفاق افتاده یعنی خط تولید مثلا آمده انقلابی بوده حالا این اتفاقی که اینجا افتاده واقعا حالت انقلابی ببخشید من تا چقدر باید صحبت کنم درسته وقتی ما تیمی که انقلاب داشته یعنی تا دو و نیم میتوانم صحبت کنم خب این زمینهایی که یک چیزی به اسم دیتا ساینس به وجود آمده این است که یک سری چیز اتفاق تکنولوژی به اضافه یک سری روشهای تحلیلی جدید که میتونن در واقع ما رو به سمت یک پرداختشهای قوی از نظر ایمی ببرن خب این میخواهم در واقع وارد این نصب بشم یعنی واقعا توی خود ساینس یک انقلاب ایجاد میکند اگر من بتونم مثلا فرض کنید داده های خودم را باز سرعت بیشتری پردازش بکنم یا داده های مثلا فرض کنید با حجم بالا یا با تنوع زیاد داشته باشم واقعا میتوانم بگم که در انقلاب علمی قرار گرفتن خب بزارید من یک مدل خلاصه ای از اینکه علم اصلا چی هست ارائه کنم ببینم که چیزایی که اینجا مفتین اصلا ربطی پیدا میکند به این مدل یا نه و چقدر در واقع ارتباط شما میتوانید به طور کلی بگید که ساینس یا علم تجربی ما هیچ وقت آخرش زبان فارسی ترجمه برای ساینس نداشتیم واقعا کی باید این کارو بکنه فکر کنم دپارتمان مرزت علم شریف باید این کار رو بکنه سانسو چی باید گفت علم تجربی اصطلاح خوبی نیست علم اصطلاح فوق العاده بدیه یا دانش به آن بگیم سانس یک چیز خاصی باید یک اصطلاح براش پیدا میکردید هنوزم کلمه باید دلیل بگیم که مثلا واقعا اگر من تو بعضی از کانتکست ها قشنگ میگویند علم میگویند این علمی هست یا نیست اکنون ساینتیکه یا چون صفت ساخته شده نمیتونم بگم این علم تجربی هست یا نه این همینگونه میگویم علمی هست یا ولی خب علم یک معنی خیلی کلیتره مثلا علم و معرفت شامل این چیز خاصی میشن که ما به آن میگیم این چیزی که ما داشتیم یک ساینس توی مدل خیلی ساده ای بخوایم بحث بکنیم واقعا میخواهم یک چیزی بگم که بیکی شروع از گرایشهای فلسفه علم خیلی عیبی نداشته باشن و همه یک جوری اینو بپذیرن به نظر همه میپذیرند این چیزی که ما به آن میگیم ساینس علم تجربیه قراره که یک تئوری پردازی هایی بکنیم که نهایتا با اکسپریمنت بتونیم درست و غلطش رو بفهمیم حالا من هی سعی میکنم که پوپری حرف نزنم چون ذاتاً گرایشهای دارم ولی میخواهم معلوم نشود اکنون معلوم نیست دیگر واقعا چی که میگویم پوپری نیست یعنی من
آزمایش مدار و اندازهگیری جریان
مسئله نمیدانم ابطال اترینل آزمایش نزنم آزمایش این است که من یک چیزی رو ست میکنم یک اینپوت هایی دارم و یک آپتوج میگیرم در واقع مثلا فرض کنید یک مدار میبندم یک چیزی رو اینجا اندازه میگیرم مثلا مقدار جریان یک چیزی رو هم اونور اندازه میگیرم مقدار ولتاژ رو میخواهم اینها رو به همدیگه رفت حالا این میتوانیم سدینگ میتواند خیلی پیچیده باشه میتوانم من مثلا فرض کنید یک سری پارامترها رو اونور در واقع یک سری پارامترها رو فیکس نگه دارم بعد تغییرشان بدم ببینم بیاد تو آزمونی چه اتفاقی بالاخره دو تا یک سری اندازه گیری باید انجام بدم و یک سری رو مثلا مثل این فوتبال مصرف بکنم یک چیزایی رو ست کنم بعضی چیزها رو مثل تغییر بدم اونقدر یک چیزایی رو ببینم بعد آزمایش در واقع یک همچین چیزی رو من نشون میدم لزوما اگر این چیزی من دارم میگویم خیلی مثل آزمایش فیزیکیه ولی واقعا لزوما چیزی که دارم میگویم مثلا فرض کنید من یک سری اینگونه چیزی که میخواهم ببینم ژنی رو مشخص بکنم که مثلا عامل یک بیماری خب یک سری مثلا رشته های دی ان ای به عنوان ورودی انگار توی آزمایش خودم میدم سعی میکنم ببینم که اینهایی که به عنوان ورود دارن آن آبوت در آنون هست یا نیست اصلا این آدم های ژنومشان رو اینجا مشخص کردن آیا آن طرف آن بیماری رو داشتن یا نه و یک جوری بالاخره سعی کنم که ببینید این یوتیوب ها بود ارتباط برقرار بکنه ساینس قرار بوده چه کار کنید اینجا در واقع این آزمایش منی این قرار بوده که یک چیز معادلی برای من بسازه یک مثلا فرض کنید مدل تبعا ریاضی این مدل محاسباتی واقعا کنم روی کاغذ اگر اینپوت ها رو به آن بدم همون اوتپوتها رو به من میده پیشبینی میکند به من دیگر یک مدل درست بکنم که به من بگه که در یک شرایط خاص چه اتفاقهایی بوده اگر این آزمایش با پارامتر های دیگر من احساس میکنم این مدل ریاضی قوانین طبیعت رو در واقع این آزمایش طبیعته یک کالایی داره انجام میده من میخواهم این کاغذ آن طبیعت رو درواقع یک جوری بازسازی کنم یک مدل ریاضی داشته باشم این آرتور که اینجا داده رو توجیه بکنه و بدم بگه که اگر اینپوت های دیگر بدم هم آرتور هاش چی میشود بعد آزمایش میکنم این هم درسته بعد این میشود یک مدل ریاضی یک مدل محاسباتی من میشود که پیشبینی میکند که رفتار طبیعت چیست از توی این مدل ریاضی مهندسی کردم کنترل طبیعت در آخرشو مینویسم که بالاخره از روز اول یعنی از گالیله به اینور شما آخر جلسه امید کارم دفع بشود پس کوپرنیک به اینور ما یک همچین کاری داریم میکنیم این پارادایم جدیدی که اسمش را گذاشتیم ساینس آن طبیعیات ارسطویی و اینها رو گذاشتیم کنار ویژگیش این بود که دوست داشتین اندازه گیری بکنیم محاصره انجام بدیم بعد دوست داشتیم که آن مدلایی که میسازیم رو مدلای علمی خودمان رو بتونیم با اکستریم تایید یا رد بکنیم از فقط میتوانیم ابطال بکنیم چیزی رو اثبات نمیتونیم بکنیم ولی به هر حال منظورمان از علمی تجربی این بود که مدل ارائه بدیم ولی مدل در واقع محاسباتی باشه و محاسبه رو بتونیم انجام بدیم و تطبیق بکنه ما آزمایش من امروز که داشتم اینو کاغذ کشیدن یادم افتادی در قدما توی مثلا فلسفه قدیم در تعریف حیوون
حکیم و تطبیق ذهن با عالم
معرفت میگفتن که انسان یک موجودی بشود که توی ذهن خودش یک چیزی داشته بیرون با طبیعت یک جمله عربی یادم رفته که حکیم کسیه که یک چیزی توی ذهن خودش در واقع داره که تطبیق میکند با آن چیزی که در عالم هست در علم دنبال همین هستیم منتها ویژگی علمی که از اول یک جوری انگار قرار بود که تجربی باشه و محاسباتی باشه یعنی صنف یک سری مشاهده انجام دادن بدون اینکه مدل ارائه بدیم و اینها خیلی محدود به نظر نمیرسیم فلسفه علم خیلی تطبیق میکند به فلسفه فیزیک در واقع بعضی از شاخه ها یک مقدار سعی میکنند مستقلاً حرف بزنن شاید مثلا مدل محاسباتی و از اینجا خیلی معنی نداشته ما به همین معنا همیشه حرف داشتیم که یک چیزی مثل جامعه شناسی و سیاست و این حرفها علم به معنای واقعی کلمه نیستن مثلا نیستن برای خاطر اینکه احساسمان این بود که واقعا یک چیز پیش به ما نمیدن یک مدل هایی نمیدن که بتونیم باهاش مثلا رفتار مردم رو پیشگویی بکنه خب من این چیزی که اینجا نوشتم اینجا میتوانم اضافه بکنم همش دیتاست دیگر به نظر من اگر ما شیوه کارمان با دیتا متحول بشود به نظر میرسد کل فرایند مدلسازی علمی و به همه چیز رفته خب چه ارتباطهایی داره چرا چرا علم اگر بتونم با دیتاهای حجی با سرعت بالا و با تنوع زیاد کار بکنند چه اتفاقی میوفتد اولا واضحه که این قسمت من خیلی گسترده میشود یعنی از آزمایشهای خیلی ساده ای که در آن فقط میتونستم به عنوان اینپوت یک چند تا دستگاه بگذارم ارروه داشته باشم یک چند تا عدد بخونم حداکثر اینپوت من یک برد اعداد باشه و بعد آزمایش انجام دادم از یک یا چند تا عدد دیگر اینور بخونم به تدریج وارد یک مرحله ای شدیم که اینپوت میتواند خیلی خیلی پیچیده باشه خیلی حجیمی خیلی پیچیده و آتفوت م همین نسبت میتواند پیچیده باشه یک آزمایشی انجام شد با چهل سال زحمت فیزیک دانا دستر بالاخره هر کسی تو فضای علم هست آشنا هست با این ماجرایی که تو سرن تست استاندارد مدل نفس آن د تا پرشن اینجا رفت و آمد میکند دیگر بالاخره نمیشود اطلاعات فیزیکی تون باید بهروز باشه ممکنه بیولوژیت باید یک آدم اصلا بیولوژی اگر اینجا رفت و آمد بکنه اونم خ یک چیزایی جدیده این یک اتفاق تاریخی خیلی بزرگه که نهایتاً استاندارد مدل بعد از مردم سالها نزدیک بیشتر ۴۰ سال تایید شد یعنی آن ذره ایکسو اعلام کردن که این نه آتش چی بوده آتوتش یک چیز وحشتناکی بوده عدد نبوده یک چند مثلا دیتایی که به من مسیرهای در راحتی رو میداد میلیونها ضربه ای که در اثر یک مثلا برخورد در واقع هسته ای دچار واقپاشی شده بودن که اینها همه ذخیره شدن آن روزی که این آزمایش انجام شد که بعضی ها میگفتن کره زمین از بین میرود و نرفت اینها همه ذخیره شدن و چند سال طول کشید تا تحلیل شد و یک روزی اعلام کردن با یک تحلیل اعلام کردن که ذره هیکس وجود داره چون ذره هیکس اصلا ذره ای نبود که بشود مشاهده اش کرد چون عمر خیلی خیلی کوتاهی داره ولی بعد از اینکه تبدیل میشود به یک چیزهای دیگر در واقع کاری که انجام دادم میشود خیلی ساده بخوایم بر آن موقع این مسیرای که میدیدن و ذراتو یک جوری برگردوندن عقب یک لحظه
تحلیل دیتای پیچیده محاسباتی
ابتدا و از اینکه یک تعداد ضربه مثلاً همشون از اینجا شروع شدن و تصویرا اینجا ختم میشیم یک ذره هیچ چیزی بوده که اینها از در آن دراومدن ادیتور غیر مستقیم محاسباتی با در واقع تحلیل روی دیتای خیلی پیچیده تونستن اعلام بکنن روی این صعود داشتیم خب بگذارین من یک مثال بزنم از اینکه امکان کار با داده یک پیچیده چه تحولاتی میتواند به وجود بیاره در واقع ما میتوانیم این ها جدیدی رو طراحی بکنیم که لندن فکرش هم نمیتونستیم بکنیم به عنوان مثال یک مثال فیزیکی بزنم که اخیرا یک آزمایشی که چند سال پیش انجام شده مسئله ای که اصلا مهم نیست که هدفش چیست مسئله کلا اینگونهه که میخوان نحوه قرار گرفتن یک سری فکر کنید نظر مدلی در حوزه فیزیکیش مسئله اش نظر ریاضی میشود یک تعداد زیادی توپ رو میخواهم بریزم توی جعبه و ببینم که مثلا فرض کنید به طور اپتیمام چند تا توپ قرار میگیرد و جایگاهشان چجوریه و این همه مسئله آماریه که اگر هی تکرار بکنم چه به طور میانگین چند درصد مثلا آن اپتیموم تعداد توپهایی که جاگیر هست این مجموعه مسئله مربوط به معنی واقعا اکستریمی که انجام دادن این است که چند میلیون توپ رو توی جعبه ریختن و مسیر همشون رو ترک کردن و یک جایی گذاشتن که بتونن تحقیق بکنن خب این اصلا شما همین ۱ یک سال پیش هم نمیتونستی فکر کنید که یک همچین دیتای دیتایی رو ممکن بود بتونید سنسور بگذارید ولی اینکه اینها رو بتونید ذخیره سازی کنید و بعدا با یک ابزارهای اینها رو تحلیل بکنید از آن نتیجه در بیارید یک چیز جدید من یک مثالی که حالا به ذهنم خودم رسیدم برای خود من شخصا جالبه میخواهم در موردش یک صحبت خیلی کوتاهی با بنده ورودی ما وقتی خروجی ما وقتی میتوانیم پیچیده باشه علم در واقع یک جور اکستریمهای جدید و پیچیده و خیلی جالبتری رو میتوانید طراحی بکنید یک آزمایش مرحله تست معروف روانشناسی هست به اسم تست عقده این کار دوستان این روانشناس معروف سوئیسی بود وقتی خیلی جوون بود هنوز تو آن حلقه رویی ها بود این نظریه معروف اصلا کلمه کمپلکس عقده ادعای یونگه و یک تستی هم طراحی کرد که به اصطلاح برای تشخیص اینکه افراد تو چه زمینهای دچار عقده هست و من کامپلکس دارن از نظر میگویند اصلا کامپلکس سریعش چیست خیلی مهم نیست میخواهم این تست رو بگم چی تست شاید اصلا دیده باشید روانشناس از کسی که میخواهد تست بگیره میخواهد که در اسلحه وقت میگوید من یک سری واژه میگویم چون بلافاصله اولین واژه ای که به نظرت میرسد رو در جواب بدی چند نفر این تست رو دیدن یا شنیدن که همچین کاری میکنند میگوید نفر دو نفر خوبه خب یکی دو نفر از من شنیدم اینو حساب میکنم خب این تست به نظر میآید هر کسی داره احتمالاً اگر ندین ماجرا چیست فکر میکند که مهمه که در مثلا طرف وقتی میگوید باران این چه جوابی میده مثلا میگوید آفتاب متضاد شونه میرود تست فقط این است که یک سری واژه ی خنثی بیاهمیت رو به طرف میگویند و کسی که داره تست میگیرد یک خورمنت داره به اندازه میگیرد که سرعت پاسخگویی این توجه چقدره کمپلکسی وجود نداشته باشه طرف سریع جواب میده مثلاً من میگویم باران شما نسبت به باران اگر اگر مثلاً فرض کنید پدر شما در یک سانحه بارندگی
حس واژه باران در برابر صحرا
شدید بوده مثلا جلوی چشم شما از بین رفته من بگم باران ممکنه شما ۵ ثانیه مکس کنید جواب بدید برای اینکه یک خاطراتی یک حسی نسبت به این واژه دارید ولی اگر بگم صحرا فاصله مثلا میگوید شد و اینکه طرف یک تعداد واژه رو که معمولا خنثی هستن میگوید بعد اندازه میدید که این سرعت چقدره حالا آدم های مختلف سرعت پاسخ خوبیشان کلا فرق میکند بعضی ها خیلی در آنون جواب میدهند خب این میانگین که چند ثانیه طول میکشد این طرف جواب بده رو بدست میارد برای جایی آورده نیست هر چقدر که اطراف یک چیزی مکس بیشتری بشود نشون میده یک درگیری عاطفی با این ماجرا داره حتماً تو این تست واژه مادر پدر و یک سری واژههایی که خیلی در واقع جا داره برای اینکه آدمای مشکلاتی داشته باشن میآید و بعد اندازه میگیرن که مثلا این طرف با مادرش مشکل داره با پلاک اطراف یک سری مسائل آزادی یک کمپلکسی داره و سعی میکنند که تعریف کنن کل این تستی که آن ابداع جمع که خیلی هم جالبه وسیله اندازه گیریش پررومنت یعنی تعداد عدد به عنوان زمان پاسخی یادداشت میشود و بعدا اینهارو سعی میکنند تحلیل بکنن من خیلی تست پیچیده تری میتوانم بگیرم صدای طرف رو میتوانم ضبط کنم با استفاده از روشهای مشخصی که اکنون وجود داره میتوانم لحن طرف بدم که چقدر ناراحت یا نیست حتی میتوانم ویدیو طرف رو بگیرم بدم یک ماشین تحلیل بکنه از حرکات بدنش یک چیزایی بفهمم بعد کاری که میتوانم بکنم این است که یک میلیون بار با یک میلیون نفر این آزمایش رو تکرار کنن و همه اینهارو توی دیتابیس بزارم و سعی کنم از مقایسه اینها باهم دیگر یک ماشینی در واقع یک ماشینی رو به اصطلاح لل میکنم این کار رو به بهترین وجه ممکن انجام میده وقتی دیتا اینقدر بستی و پیچیده بشود خروجیهای منم به همین ترتیب میتونن بیشتر از این باشن که فقط گزارش کنم تو این طرف عقده مادر داره میتواند مفهوم چیزی که به عنوان آتوت میگیرم میتوانم انتظارم ببرم بالا و چیزای بیشتری در واقع ببرم بنابراین ما میتوانیم اکسپرینسهای پیچیده طراحی بکنیم اگر این بخش ال خیلی بزرگ بشود طبیعیه که علم داره بزرگ میشود این اولین نقطه ایه که این بحث در واقع اینها میتونن این اتفاق که افتاد اینجا میتواند خیلی بزرگ پیچیده و انواع مختلف داشته باشه و همه رو میتوانیم از آن تحلیل بکنیم ذخیره سازی و تحلیل بکنیم این به ما یک امکاناتی میده که به اکسپرینسهای جدید فکر بکنیم شما اکنون اکسپرینسهای که انجام میشود تو شبکههای اجتماعی از عکسالعمل که آدمها در مقابل خبر مثلاً از خودشان بروز میدهند اینها چیزاییه که تا چند سال پیش مقابل تصور نبود نه به دلیل اینکه شبکههای اجتماعی وجود نداشت به دلیل اینکه امکان ذخیره سازی و تحلیل دادهها این مقداری که اکنون وجود داره وجود نداشت به اضافه این خب ارتباطات و خیلی چیزای تکنولوژی چی میگویم شما این کار رو جدید خب پس آزمایشهای جدید میتوانیم طراحی بکنیم میتوانیم حتی توی زمینه مثل فیزیک ببینید غیر از اینکه داده کنونی میتونن پیچیده باشن اکنون مثالش زدم پیچیدگی دادهها میتواند زیاد باشه دادهها میتونن به اصطلاح نویزی باشن شما در دانش به طور کلاسیک خیلی براتان مهمه که از تون دقیق باشه از هر دو طرف مودی و خروجی رو میگویند ابزارهای اندازهگیری دقیق ابزار اندازهگیری غیر دقیق
دیتای کثیف نویزی و اندازهگیری
به درد نمیخورد اکنون در دوران دیتا ساینس ابزار اندازه گیری غیر دقیق به درد میخورد شما دیتای کثیف نویزی بدید من تمیزش میکنم فقط کافیه زیاد به من بدید بنابراین اصلاً من میتوانم به اکنون به آزمایشهایی فکر بکنم دستگاه اندازه گیری من ورودی و خروجی دقیق نمیتوند اندازه بگیره ولی من میدونم که ابزارهایی دارم که میتوانم اینهارو دقیق بکنم و این دوباره به من امکان اینو میگیرد که آزمایشاتی از اینکه طراحی میکنم اصلا به این فکر بکنم که مژرمنت های جدید توی دانش فیزیک یا دانش های دقیق داشته باشم چیزهایی که قبلا فکر میکردم که نمیتونم اندازه بگیرم چون ابزار دقیقی برای اندازه گیری ندارم رو میتوانم اکنون اندازه گیری بکنم باز یک نکته دیگر ای که در مورد داده هست یک چیز خیلی خیلی مهم این است که به دلیل اینکه میتونن حجم های بالا رو نگهداری بکنن دادهها لازم نیست که میتونن نویزی باشن پیچیده باشن میتونن خام یا بگم خام باشن ببینید توی علم همیشه اینطوری بوده جلو اگر یک دیتای خیلی بزرگی دارم باید یک مدل درست کنم بگم که این قسمتش مهمه بکشمش بیرون از تو آن قسمتش م سعی کنم که باز یک خلاصه سازی هایی انجام بدم که یک اینپوت خوبی داشته باشه اکنون اصلا اینطوری نیست من نخرم شما قبلا در فکر کنید توی ویدیو داشتی من میخواستم ببینم که چه ژنی به چه به فرام بیماری ربط دارید یک جوری در واقع یک مدل علمی داشتن به چیزی که مهمه این است که این یک ژن خود ژنوم نمیتونستم به عنوان ورودی بدم خیلی بزرگ بود گفتم که این ژنوم اکثرش به درد نخوره یک چیزایی هست به اسم ژن یکی از اینهاست که عابر این بیماری بنابراین یک جوری دیتای خودم را با یک مدل تئوریک خورد میکردم میگفتم مثلا جایی که برای من مشکوک نشد این ناحیه این ژنها احتمالاً یکیشان برای بیماری ممکن موثر باشه آزمایشهای ترتیبی دارن ببینن فرض من درست اصلا چیزی که خیلی مهمه از این دوتاش از این جهاتی از این مصرفه مهمتره این است که من میتوانم داده رو همینطوری بردارم بدم بدون اینکه مدلش بکنم یعنی من اکنون میتوانم یک تعداد خیلی خیلی زیاد ژنوم رو به عنوان گروهی بدم به یک ماشینی و لر بکنیم که مثلاً فرض آن آدمایی که این ژنوم رو از آنون گرفتیم ی یک میلیارد نفر آدمو بگیرم مثلاً سیکونس بکنم ژنش و یک رشتههای خیلی زیاد ب و اینها رو بگذارم تحلیل بشن یک نتایج از آن بگیرم لازم نیست که این تئوری ببافن که حتما یک ادعاهایی روی ژن وجود داره که اینها مهمن اکنون توی بیولوژی احساسشان این است که خیلی چیزها ژن ها مهم نیستن بلکه شبکه ژن ها مهمن اینها با همدیگه یک پیچیدهی دارن و با همدیگه تأثیر میذارن و آن شبکههای ژن این قسمت که خیلی چیزها رو در واقع به وجود میارن احتیاجی نیست که من فرض کنم در مورد داده خودم یک فرضیاتی بگذارم خوردش بکنم مثلاً از یک محدودیتهایی از آن تئوریک بگذارم بعدا تغییرش کنم دادهها رو میتونن خام در واقع استفاده بکنن این ما رو نزدیک میکند به آن مبد علاقه ای که به آدمهایی مثل لاک یا دیتن دوست داشتن که علم تجربی اینگونه باشه ذهن ما خالی باشه از تئوری دوست داشتن که تئوری دخالت نداشته باشه شما همه من امیدوارم که حضرت علمی هستید و میدونید
دیتابیس امکان بزرگ برای مدل
که نمیشود تئوری دخالت نداشته باشه ولی این یک گامیه به سمت اینکه تجربی تر بشیم خب باز حالا بیاید ببینید این چیزایی که من گفتم در مورد این دیتای آف بوتو میتواند دیتابیس یک امکان خیلی خیلی بزرگی دیگر برای ما فراهم میکند من خوشبختانه متوجه شدم که آقای دکتر فروغ من سال گذشته اینجا یک سخنرانی کردم که به این موضوع ماشین لرنینگ و اینها اشاره کرد دیتا ساینس یکی از ابزارهایی که در واقع دایره خیلی خیلی مهمه این است که یک چیزی جای مدل ریاضی میذارد برای ارتباط دادن ای پوت و آرتور بدون اینکه مدل ریاضی وجود داشته باشه یک بلک باکسی به ما میده یعنی روشهایی وجود داره که یک ماشین یک کامپیوتر ورودی ها و خروجی ها رو میگیرد و بعد از این مدتی به اصطلاح لرن میکند که آب کوتاه چجوری انگار رفت دارند بدونید که اونجا یک مدل ریاضی قابل خوندن وجود داشته باشه تئوری پشتش باشه مثلا به آن بگیم معادل دیفرانسیل استفاده کن یا هرچی بالاخره مدل ریاضی به یک معنایی وجود داره ولی موضوعی این است که ما مدل ریاضی را تحویل نمیکنید نمیدیم و یک وجود میآید که ورودی خروجی رو به همدیگه مربوط میکند یا ممکنه از هر مدل ریاضی که شناخته شده است این کار رو بهتر انجام میده بنابراین دیتا ساینس به این مدل در مورد خیلی ابتدایی ساینس به همه جاش جواب داده این مدل این است که من یک باکسی میخواهم که ورودی هامون رو خروجی ربط بده دیتا ساینس باعث شده و چیزی تحولی که داره به وجود میآید این است که ورودی و خروجی پیچیده متنوع میشن آزمایشات جدید به وجود میآید و این چیزی که اینجا قرار میدیم من یک چیز خیلی خیلی پیچیده تر و کاراد تری نسبت به آن چیزی که قبلاً در واقع باهاش سر کار داشتیم میگویند که وارد پارادایم کردیم شدیم منظورشان از این فورس پارادایم چیست معمولا نمیدانم ولی اشکال نداره پارادایم همه یک واژه یک دیگر عمومی مردم تو کوچه بازارم میگویند مثلا تو روزنامهها مینویسن پارادایم جدید و این مردم خیلی به آن دقت فلسفی این واژه کاری نداشته باشه میخواهم منظورشان چیست بار دیگر پارادایم جدید شدیم میگویند که قبلاً سایز اینگونه پیش میرن که من یک مدل مثلا فرض کنید علمی داشتم که اینو آمدیم ورودیها رو با خروجیها بررسی میکردم بعد این بود اگر اسپرینت جدیدی میومد و سازگار نبود من میومدم تئوری خودم تغییر میدادم این مدلو این مدل شماره یکم بود مدل شماره دو رو میساختن طوری که این ورودیا با خروجی بخون و مثلاً این تئوری رو میذاشتم کنار این تئوری رو برمیداشتم کاری که در واقع میگویم ما انجام میدادیم این بود که با استفاده در واقع به طور استنتاج ریاضی یک چیزی در طبیعت میدونستیم مدل رو میساختیم بعد ببینید مثال خیلی ساده یک مدل نیوتونی نیوتان فکر میکرد که واقعا جاذبه وجود داره و قوانین مکانیک نیوتونی برقرار هستن و دنیا اینگونه کنید به یک جایی رسید دیدیم که مشکل میشد همیشه هم کاری که انجام داد چی بود آمد دوباره فکر کرد به مبانی مثلا اصولی که نیوتان تو ذهنش بود فکر کرد و یک چیز یک چیزایی رو تغییر داد پس یک قواعد جدیدی گذاشت به دوال منطقی و از توی این فکر جدیدی که در واقع ایدهها و فرضیات این جدیدی که داشت مدل ریاضی جدیدی درآورد که حالا
تغییر مدل مکانیک و نسبیت عام
این کوتاه آف کوتاه رو با همدیگه درست قرار میداد همین کارو برای مکانیک به اصطلاح پلاستیک ساده انجام داد برای توجیه پدیدههایی که مربوط به میبینید و بعدا این کار راجع به نسبیت عام برای جاذبه هم انجام داد مدلها رو تغییر داد و مدلی که میخواست تغییر بده ماشینی درم نمیکرد فکر میکرد دیتاهایی که داشت یک جوری ما همخوانی به وجود آمده آن مدل خودش را ساخت دیتا رو توجیه کرد و مدل خودش را تأمین داد به حالت این جاز دارم در بر میآید میگویند پارادایم جدید این است که من اصلا فرض کنید یک مدلی رو دارم اصلاح میکنم یا اصلا بشینم فکر بکنم و تئوری ببافم به یک جایی رسیدیم که بدون تئوری کار میکند پیام چیزی که میبینم به من یک مجموعه ادمینی از دیتاها میدید من یک دونه درک باکس به شما میدم که این دیتاها رو خروجی میکند هیچ اصولی هم ندارم توی مکانیک این نوتو نشسته باشم یک ورژن جدیدی مکانیک تولید کرده باشم کاری که دیتا ساینس انجام میده پارادایم جدید این است که چیزی که در مرکزه و واقعی دیتاست و بقیه در واقع یک جوری به طور اتوماتیک انجام میشود من یک مدل ریاضی اصلا ندارم مدل ریاضی که بتونم کتاب بنویسم به شما درس بدم ندارم ولی یک ماشین دارم که هر جوابشو بده شما میدیدید و اصلا من نمی من خودم که طراح آن ماشینم نمیدانم در آن اکنون چه خبره چه پارامترهای ست شده میتوانم بگم که مثلا اگر فلان محتوایی رو انجام دادم یک معادله دیفرانسیلی وجود دارد این ورودی خروجی رو داره به همدیگه رفت ولی دیگر اصلا نمیتواند حالا دیفرانسیلش چیست بله ممکنه نتونم توی کتاب هزار صفحهای هم بنویسم پارامترها کشیده تا این ماشین در واقع این بلک باکس توضیح افتاده بنابراین وارد یک مرحله ای شدیم از علم که در حالت ایلان از همین آدمهایی که این حرف رو میزنن جمله ای که از آقای ری جینگ ری نقل میکنند که برای اولین بار این اصطلاح شاید ایشان به کار برده حداقل همین تاثیر آدم خیلی مهمی بوده همین تاثیر ایشان بوده که این جا افتاده بلافاصله بعدش یک کتابی تحت این عنوان منتشر شد و این بحثها یک جور به عنوان این یک اتفاق مهمی توی هی مخفف هی داریم گفته هویج شد جمله ای که ایشان گفته اینکه تو حالت این ویدیوها یعنی ما وارد یک مرحله از ساینس داریم میشیم که دیتا به طور اتوماتیک تولید میشود بدون دخالت انسان یعنی من دخالتی که دارم میبینید که یک سری فرض کنید میبینید ها رو توی کار گذاشتن یک سری سنسور گذاشتن اینها دیتا رو دارن میگیرن من کنترل دیگر ندارن اینکه سنسورها رو خودم گذاشتم ماشین نذاشته خودم طراحی کردم ولی دیتا همینجور داره میآید دیتاهای اجتماعی داره میآید دیتاهای فیزیکی داره میآید میلیاردها عکس از کهکشان داره میآید یکی از دوستان میگفتیم ما تا ده پانزده سال پیش این عکس ها رو میریختن کاری نمیتونستن باهاش بکنن چی میخواستن از آن دربیارن اکنون همه این عکس رو جمع میکنند و فکر میکنم یک سری دهنی هست در آن یک چیزایی در بیاد ما ایشان میگوید که ما به یک جایی داریم میرسیم که دیتا به طور اتوماتیک ماشینی تولید میشود ذخیره میشود تحلیل میشود همین بلک باکسها به وجود میآید و یک گروهی خروجی هایی که اصلا ما به آن فکر نکردیم در همدیگه مربوط
کشف قانون از دیتا با ماشین
میشود اصلا من سوالی نداشتم در مورد اینکه ببینید که بیفته این است مثل اینکه من یک قانون کشف میکنم بدون اینکه اصلا فکر کنم که اینجا قانون هست یا نیست یا در مورد چیست من یک مجموعه دیتاهای مثلا اقتصادی رو یک دفعه ماشین ممکنه اعلام بکنه که مثلا یک بلک باتری داره که قیمت مثلا ارز در فلان کشور رو به یک پارتنری که اصلا من فکر میکردم به این ربط داره به طور خیلی دقیق تونسته ربط کنه بعد ممکنه بتونم بشینم تئوری پردازی بکنم که اینها چرا باید به همدیگه ربط داشته باشن ولی این بخشی که مدل سازیه به نظر میآید کاملا داره اتوماتیک کنم تو یک جایی رسیدیم روی دکمه رو بزنید و یک همچین چیزی رو در واقع ماشین به ما بده دیتاها رو خودش تحلیل بکنه یک بلک باکس درست بکنه مثل اینکه یک مدل ریاضی درست بکنه و نهایتا جواب رو ما خب این اصطلاح بدونه که شما اکنونش فیلسوف این دوربین بدون تئوری واقعا بدون تئوری نیست کلا این اصطلاحات رو بکار میبرن دیگر بالاخره پشت همه این چیزای تئوری هایی هست ولی بالاخره با این موضوع خیلی فرق میکند که من برم استنتاج انجام بدم مثلا مکانیک کوانتوم به وجود بیارم معادله بنویسم کار بکنن واقعا کار تئوری که اینجا انجام نشد با آن معنایی که ما میگیم یک آدم های تئوریدان هستن در حالی که کار علمی به این مراحل این مرحله انجام شده به یک نحوی میرسد که واقعا انجام شده یعنی من آن ماشینی که میخواستم که به من میگوید که اگر این کارو بودم بعدا چی میشود رو داد بدون اینکه تئوری پردازی کرده باشه خب این یک خورده به نظر میرسد با اساس علم ارتباط داده یعنی واقعا اینجای ملاحظات فلسفی در واقع پیش میآید آیا واقعا میخواست من این کارو بکنم مثلا فرض از دید پپری که یک تئوری تا وقتی که آزمایشی نیومده سفارش نداره پابرجاست خب ما معمولاً حرفی اینو نمیذاریم این تئوریه مثلاً حالا چیست چجوری باید باشه لزوما باید ریاضی باشه نباشه خب میگویم اینجا قرار نبود که علم اسپلینیشن به وجود بیاره اینجا من اصلا اسپلینیشن ندارم یعنی این چیزی به آن میگویند دیتا ساینس واقعا جای سواله بین المللی که آیا این میشود به آن واقعا من ساینس چون این کار رو دارم برای من انجام میدم فرض کنید این همه اخلاقی که دارم درسته یعنی میام دیتا میریزم ماشین برای من بلک باکس میده یک تئوری میده و همه چیزم خیلی خوبه همه ارنجرینت هامون توضیح میشن مدل منم ابطال نمیشود خیلی مدل سازگاری ولی اصلا یعنی ماشین به من پوشیدی نگفت که اینچ یک جوری به نظر میرسد دانشمندا دوست داشتن که بفهمن چرا این به آن ربط داره یک توضیح پیدا کنن نه فقط محاسبه انجام بدن نیست به نظر میآید بعد جوابم این است که نیست میخواهم بعد من جوابم این است که ما مثل اینکه از یک لحظه ای تو تاریخ از اولی که ساینس رو وجود آمد این اکسپلوریشن رو کمرنگ گرفتیم و آن قسمت کامپیزیشن رو پررنگش کردیم و عاقبت به اینجا رسیدیم در واقع یک عده با شادی اعلام میکنند که بعدا به چه چیز جالبی رسیدیم از روز اول اکسپلینشن کمرنگ شد بگذارید من برگردیم عقب در واقع بین همیشهب با کسانی که مکانیزم کوانتوم کار میکردن این همیشهب میگفت که این چیزی که شما به عنوان تئوری
تابع موج و عدد حقیقی آزمایش
کوانتوم میدید قابل فهم نیست این تابع موجی که اینجا معرفی کردید معلوم نیست این چیست یک تابع مختلفی که میگید اگر نمیدانم آزمایش انجام بدم این یک چیز ریل از در آن درمیاد یک عدد حقیقی که با یک احتمالی یک چیزی میشود میگفت این چیزایی که دارید میدید انیشتین احساسش این بود که باید خط به خط من بفهمم پارامترهایی که دارم مینویسم قابل فهم باشه مشکلش با مکانیک کوانتوم از اول این مشکلو داشت بعداً که آن مسئله انتنگلمنت و اینها پیش آمد که اصلاً مشکلات فلسفی بیشتر پیدا کرد با موضوع کوانتوم با این مسئله عدم موجودیتی هم که اعلام کرده بودن مشکل داشت ولی کلا مشکلشان بود که این فورمالیسم این بخشایش اصلا قابل فهم نیست و آنهایی که مکان کوانتوم ابداع کرده بودن میگفتن که اصلا مهم نیست با شادی محاسباتش رو انجام میدادن میگفتن ببینید تا ۱۲ رقم اعشار میتونن بار الکتریکی رو محاسبه بکنن و این پیروزی مکانیک کوانتوم خب و حداقل از ۱۹۳۰ به اینور ما یک تئوری بیسیک فیزیک داریم که خوب نمیتوانیمش اکسپلینیشن واقعی برای ما انجام نمیده ولی خیلی دوسش داریم برای اینکه این کار رو خیلی خوب انجام میداد تازه این میخواهم بگم این گناه رو اکنون مرتکب نشدیم آن موقع که انیشتین گفت که همه گفتن که پیر شده نمیفهمد یک گناهی مرتکب شدیم اکسپرنشن کار خوبی نداشتیم برای تئوری خودمان برای اینپوت آزمون ولی شار بودیم که میتوانیم بار الکتریکی رو دقیقا در بیاریم همه اکسپرمنت هارو خود همیشه هم گناه مرتکب شد موقعی که گفت که مثلاً فرض کنید به جای نیروی جاذبه فضا زمان گذاشت و نگفت این فضا زمان چیست ما خیلی وقته که توی علم به اصطلاح اونتولوژی نداریم تصمیم شناسی نداریم یعنی وقتی اینشتین میگوید که عین فضازمان منحنی کسی از آن نمیپرسیم چیست این فضا زمان منحنی مدل ریاضیه دیگر تو مدل ریاضی یک فضایی مثلاً فرض کنید هندسی و ریمانی داریم که همه چیز شبیه ریاضی معلومه ولی آیا واقعاً در آدم خارج ما یک چیزی به اسم فضا زمان داریم که انا پیدا کرده انیشتین حداقل فکر میکرد یک تصوری میشود از این داشت اونقدری که این به نظرش بد میومد این بد نمیومد ولی درباره وجود شناسی فضا زمان هیچوقت بحث نگرد یعنی یک چیزی سالهاست انگار از این دور شدیم که علم فقط قرار نیست که وقتی یک مدل ارائه میدیم حالا ریاضی یا غیر ریاضی ورودی خروجی ها رو با همدیگه ربط بده ولی قرار بود از اول حداقل انسانها اینجور فکر میکردن که قراره اسپلنیشن تولید بکنه خب باز من برگردیم عقبتر نینوتانم هیچ وقت نگفتیم بیرون جاذبه چیست خب بیرون جاذبه چیست اصلا میدونید که دو تا دو تا جن گفتم اکنون همتون احتمالا احساس میکنید بله دیگر اینکه معلوم نیست چیست راست میگوید دیگر فضا زمانم که خیلی چیز مبهمیه اینقدر این این جاذبه تو ذهنتان رفته بچه بودید بهتون گفتن که نمیفهمید این چقدر چیز عجیبیه و آن موقعی که نیوتان این حرفو زد اصلا مردم کسی میشود یک د تا یک جسم اینجاست یک جسم اونجا در همدیگه نیرو وارد میکنند همدیگه رو میکشن مولوی یک چیزایی درباره عشق بین کرات و اینها گفته میریم ولی اصلاً ببینید اینکه دو تا چیز به همدیگه وصل نباشن و نیرو وارد بکنن این مثل جادوگری یعنی چون تو یونان اگر میگفتید که یک جسمی اونور یک جسمی میبرد به اینها برای
نیروی جاذبه و مدل نوشتهشده
همدیگه نیرو دارن وارد میکنند میگفتن مگر اینکه مثلاً حالا یک جادویی شده اینها دارن به هم نیرو وارد میکنند نه تنها نیروتو نگفت نیرو جاذبه چیست و چرا هست در نظر عشقه نفرته علتش چیست نگفت چرا با عکس مجزور فاصله ارتباط داره مدلشو نوشت همه چیز میشود محاسبه کرد خیلی وقتی ما محاسباتی شدیم و اکسپلوریشن رو گذاشتیم کنار و بگذارید من برگردم به پوپرنیک از اصل ماجرا از پوپرنیک جوش داره ببخشید یک جوری دارم به نظر این است که زیراب استاپ هنسو کلاً میزنم منظورم این نیست ولی نیاز داشت کپرنیک ماجراش این بود کپرنیک ماجراش این بود که یک مدل جدید از منظومه شمسی ارائه کرد که اصلاً شهودی نبود میگوید زمین داره حرکت میکند و خورشید ثابته و توی دادگاه آدم دادگاه که تشدید نشد یک جایی نوشته که من نمیگم دنیا واقعاً اینگونهه و خورشید ثابته و زمین داره به دورش میگویم اگر این مدل را بپذیرید محاسبات سادهتر میچرخد از اینجا گناه شروع شد که محاسبه مهمتر از اکسپرینیشن اینکه من بتونم رو کاغذ بنویسم و مثلا آن اطراف و خود توف رو در ۲۰۰۰ سالگی بفهمم چی سیستم محاسباتی راحت باشه اینو ارجحه بر اینکه مثلا شما یک کتابی هست اتفاقاً دو تا ترجمه داره یکیش یک ترجمه به یکی از علم چی چیز توی علم فلان چیز توی علم ترجمه خوبشه نویسنده چالمرزه اگر کسی میدوند مترجم کیه و اینها بگه من بنویسم این داستان و اینکه اطراف کوپرنیک چی واقعا گذشته این چالمرز توی کتاب جالب خیلی خوندنیه استدلالهای خوبی داشتن بر علیه کوپرنیک که داری اشتباه میکنی امکان نداره این چیزی که درست باشه یک استدلالی داشتم به اسم استدلال برج که قاطعانه و کوپرنیک هم چون جوابی نداشت همین جوابش این بود که من اصلا نمیگم واقعا زمین داره میچرخد چون این استدلالها شما درست به نظر میرسید دیگر خودشم خونده بود اصلاً در دوره طلبگی خونده بود که یک همچین استدلالهایی هست مثلاً فرض کن خورشید داره میچرخد نمیدانم شاید استدلالها در بعد از این حرف سایز از روز اول گرایش کامپوتیشنال داشت گرایش به اکسپلینیشن نداشت گرایش به فهم به معنی طبیعت رو بفهمیم نداشت و اینکه گرایش این داشت که یک مدلی درست میکرد از در آن انقلابی که تو دنیا در اثر به وجود آمد و این ساینس به وجود آمد این بود که ما مدلای محاسباتی ساختیم که میتونستیم با استفاده از این مدلای محاسباتی طبیعت رو پیشگویی کنیم بگیم اگر این دستگاه رو اینگونه بلندی این یک همچین چیزی بهت میده تمام دستگاه هایی که ساختیم مربوط به این بود توی مدل های محاسباتی داشتیم که به ما میگفت توی ستینگ خاص چه اتفاقی میفتد از ابن ارسطویی مهندسی در نمیومد به خاطر اینکه مدل محاسباتی وجود نداشت ما از روز اول یک کمی کمرنگ از آن خوبه یعنی یک ذره جاشو باز کرد و این همین طور رشد کرد که دقیقا آخرش هست اکسپلور صفر محاسبه صد حالا کجا باید بگیم که برگردیم به کجا اگر اینو به عنوان علم قبول یا میگید این علمه دیتا سانیسی که داره به وجود میآید هیچ مشکلی نداره و از اول هم همون که مرحوم جان لاک و بیکن و اینها هم آر وبی همچین چیزایی داشتن که اصلا خیلی استنتاج مثل عرشی و اینها نکنند با دیتا کار کنن خب از از قبل بیام بیرون و ببینن که به یک چیزی شبیه
ماشین عدد میدهد نزدیک خواست اول
آن چیزی که دوست داشتن شاید رسیدیم باور کنید آنها هم خوششان نمیدن یک ماشین به آنون فقط عدد بگیری یا مثلا یک چیزایی بگیری ولی به هر حال به نظر میرسد به آن چیزی که از اول آنها میخواستن یک مقدار نزدیک شدیم اگر این علم رو قبول دارید که خب این علم خیلی خوب از در آن مهندسی کرده مهندس اصلا کاری نداره که چرا اگر این جریان ۲ میلیون آمپر باشه اونور لیزرش اینگونه کار میکند کافیه که اینجا بهت توی بلکاکس بدی گفت میلیون آمپر میده چی میشود که رفتن بری من اینو چند فیلم میخواهم چی ست بکنم اینور اینو بدست بیارم ماشین بهت دیگر دیر کارش انجام میده اصلا بهتر حالا دیفرانسیل نیست تو دانشگاه نمیخوند دیگر بوده مهندسی پاس نمیکند خیلی راحت با ماشین مثل دورانی که ماشین حساب آمد و دیگر جدول لگاریتمی این بسالی که مثلا مردم خطکش محاسبه و کارای مهندسا مثلا تا ۳۰ ۴۰ سال پیش بلد بودن که ما اصلا اصلا چند نفر خطکش محاسبه دیدن خیلی ن چند نفر واقعا خیلی جالبه من گفتم ۱ نفر دیدن شما اصلا شما ندیدید خیلی جوون نیست خیلی نه من دیدم و موقعی که وارد دانشگاه شدم هنوز خطکش محاسبه میفروختند اصلا نمیدونن چیست ترکیه دیجیتالی ت تش معاصر اول ماشین سال یک ابزاری بود که باهاش محاسبات لگاریتمی اینها رو انجام میدادن ی چند تا چیز کشویی داشت میکشیدن مثلا سریع میگفتن مثلا لگاریتمی اینور جدول مثلا اینور خطکش عددی رو میخوندم خیلی کار جذب میگرفتن من کار نکردم باهاش دیدم حداقل سنم ایمن هست توی خطکش محاصره دیدم دانشجوهای دانشکدههای همشون تو جیبشان خطکش محاصره بعدا ماشین حساب آمد بعدا دیگر اکنون موبایل و اینها ماشین حسابا کمترا برنامه ریزی اکنون که دیگر این چی دیگر تبلت و اینها خیلی کار من اکنون تو جیبشان در واقع من اکنون کامپیوتر دارم که آن موقع کامپیوتر اولین نشده بود عکس کامپیوتر رو دیدید یا نه اصلا یک سالنیه میایم این کامپیوتر نمیدانم فلان جاست که چند هزار تن وزن بشود و اینها و دانشجوها بعد منون تایپ میکردم میدادن به یک نفر میبرد مرکز کامپیوتر هست فردا جوابش براش مثلا میآورد اینها رو من دیدم خیلی میخندید اکنون اکنون خیلی عجیب شده خب مهندس همین براش خوابیده یک چیز ماشین حساب آمد دیگر لازم نیست جدول ضرب برداشت باشه این که لازم نیست اصلا ریاضی ضرب باشه ماشین ها براش کارو انجام میدهند و اگر اینو به عنوان علم قبول ندارید باید واقعا جواب بدید که قبول ندارید این ته یک ماجرا بزارید من به عنوان آخرین نکته بگم میخواهم بگم با این ماجرا فلسفه بریم سوال براش ایجاد شده که علم دوباره باید بشینم بگم این علم هست یا نیست و علم چیست اکسپلینشن مهمه کامپیزیشن مهمه یک موضوعی بالاخره در فلسفه علم به وجود آمده که مطمئن باشید به تاثیرات بیشتر از آن چیزی فکر میکنید من قبل از این نکته آخر بگم که بگم همش رو پول تعیین میکنیم دنیا سرمایه دارها تعیین میکنیم سرمایه دارها مهندسی میکنیم فیلسوفهای علمی به وجود خواهند آمد که به هزار دلیل و کلک که شما را قانع میکنندد که اکسپرنشن اصلا چیز مهمی نیست همین مهمه اکسپلینشن ی چیز بی معنی اصلا معنایی وجود نداره تحلیل کردن بره تقویت شما این ماجرای هوش مصنوعی ۵۰ سال پیش پروژههای هوش مصنوعی شروع شد و یک آدمای به نظر من فیلسوفی
پول هوش مصنوعی و کتاب فیلسوفان
قابلی بودن که از اول دلایل خوبی داشتن که این پروژه به سرانجامی که میگویند نمیرسد ولی دانشگاهها برای پروژههای هوش مصنوعی پول میخواستن بگیرن از دولت و سازمانهای نظامی دوست داشتن بگن به نتی میرسد بعد یک عده فیلسوف به وجود آمدند کتابای خیلی اساسی نوشتن که پروژه هوش مصنوعی به این دلیل و این دلیل به نتی میرسد شما در سالهای آینده در دفاع از دیتا ساینس و اینکه این مهمه به هیچ چیزای علم مهم نیست همین دفعه من اکنون یک سرنخ دادم دیگر جان لاکین رو میگفت به یکی اصلا برگشتیم به تولد ساینس ما همین رو میخواستیم از این حرفها خواهید شد حالا من گفتم کتاب ها خواهند نوشت یعنی اینکه کی بود ساینس رو وجود نداره و ساینستان همیشه آرزوش رو داشتی که کجا باید همچین آرزویی داشتیم میخواستیم ببینیم طبیعتش رو چجوری کار میکند میخواستیم پیدا بکنیم از اولش حالا فقط مغازه انجام میدیم این نکته نکته ای آدمی هست دکتر بااین بره باز به دلیل حضور دکتر گل شنی حتما هستیم این آدم شنیدید این سالها هم یک اظهار نظری کرد که یک خورده جنجالی شد اونم این بود که اگر استانبول مدل که یک مدل خیلی سطح پایین ذرات بنیادیه پنجاه سال آزمایش بشود ببینیم درسته یا غلطه استریم تئوری میتوانیم بگیم که هیچ بخشیش آزمایشی درستی بررسی شون تایید نخواهد کرد ابطال پذیر هم نیست اصلاً امیدی ندارید به طور ذهنی این چه آزمایشی به عنوان استرین تئوری رو رد کنه قبول بکنه یا این مدل استرین تئوری رو بر آن یکی ترجیح میده با این بریم یک اظهار نظری کرد که ما به جایی در فیزیک رسیدیم که دیگر اکستریم تعیین نمیکند که کدوم تئوری درسته یا غلطه سازگاری درونی آن مدل نمیدانم کلمه زیبایی رم به کار برده یا نه خود مدله که میگوید این من به عنوان فیزیک دارم این مدل اسلید دئولی رو به مدل ترجیح میدم برای خاطر اینکه این مدل از لحاظ ریاضی سازگار تره جالبتره و این است که ملاکه این خیلی سرصدا ایجاد کرد که واقعا این درخواست پارادایم شیفت دیگر یعنی ما ساینسمان اکسپریمنتال نیست تئوری رو میسازیم بعد بر اساس اینکه این تئوری مثلا فرض کنید قشنگه قشنگ نیست ریاضیاتش جالبی یا نیست یا خیلی خوب دراومده و مچ شدن اجزایش مثلا پی میبریم که تئوری درسته به نظر میرسد جز ساینس نباید باشه در ای من میخواهم میگویم اکنون در دورانی هستید که یک طرف بایدر با تئوری توی فیزیک هستن که اصلا این دیگر به نظر میرسد اکریمت کار نمیکنن اونورش هم به تهش رسیدیم به یک چیزی به اسم دیتا ساینس که اصلا تئوری نداره با دیتا کار میکنند جواب آزمایش شما رو درباره پیشونی میکنند من یک چیز رو میگویم فیلسوف علم این دوره جدید ولی به این تو این طیف و از اینجا شروع میشود پس علم غیر تجربی یک دونه هم پیشنهادش میدهند تا آن چیزی که اکنون داره خیلی پا میشود یک نقطه ای رو انتخاب کنه پس اگر میخواهد این وسط اجاره رو انتخاب کنه خیلی باید لعنت اگر آن سر طی رو انتخاب کنه که احتمالا به آن پول میدهند و میتواند بگه که ساینس اینجاست نه من تو ساینس اینجا که نیست این یک چیز ساینس نیست سود و با این داریم ولی اگر میخواید بگید این نیست یک جایی باید این ساینس رو این وسط نگه دارید بعد یک
سؤال چیستی ساینس و دردسر آینده
توضیحی داشته باشید که چند درصد قبول دارید یک خورده به عنوان یک سری فیفای دچار دردسر خواهد شد در آینده نزدیک بالاخره یک مشکلی پیش آمده در اینکه ساینس اساساً چیست چی بوده چی قرار بوده باشه ببخشید من چند دقیقه بیشتر وقتم صحبت کرد خب شما دارید جواب بالاخره جواب شما نیست تو این ساینس نیست ناقص نیست چی تمبره و بشینم فکر بکنم اکستنشن از چی دربیارم که ساینس بشود واقعا یعنی میخواهم این آدم اصلا من اصلا مهندس نه مهندس همینو میخواهد به همینم میرسد آن آدمی هم که پول میده میخواهد که مهندس کنه خودش را خوب انجام میده یک چیز تولید بشود ولی من شخصا گرایش شخصی من این سایز اگر اکسپنریشن نباشه یک درکی پیدا نکنید از اینکه چرا میکشیدد ببینید شما حتی این مدلهای دیتا ساینسی رابطه علمی هم لزوماً وجود نداره یعنی اصلا اینگونه نیست که بگی این بود آمد آب سود به وجود آمد این کرریشن پیدا میشود که به شما میگوید که اگر اینجا یک چیزی وجود داشته باشه با احتمال بسیار بسیار زیاد میشود برید اینجا همچین جوری میتونی اندازهگیری بکنید یا ببینم یک مثال خیلی بامزهای که یک عده در مذمت ها میزند بالاخره خیلیا احساسات منفی دارن نسبت به این نحوه کار کردن توی علم و این ما دوست داشته باشیم این پیش این چیز مفیدیه یعنی اکنون واضحه که خوبه که یک همچین کارهایی انجام بشود بحثهای فلسفیشه که میموند که آیا این ساینس هست یا نه والا از نظر عملی که خب کار خیلی مفیده خیلی جالبه مهندسی پیش میبرد یک اتفاقهای خیلی فوقالعادهای هم در راهه حتی از نظر علمی ممکنه برای مدلای ریاضی قدیمی ما اکسپرینسهای جالبیش بیاد به نظر میرسد علوم انسانی میتواند خیلی خیلی کمی و علمی بشود آن آرزویی که همیشه علوم انسانی داشت های واقعی مدلایی که میتونن پیشبینی بکنن به وجود بیاد لزوما همین مدلا هم در این مرحله نمیمونن برای خاطر اینکه ممکنه بعداً بشود از آنون یک چیزایی در واقع در آورد مدلای ریاضی قابل فهم در آورد آنگونه که اگر تو آن مرحله بدونن علم هست یا نه خب این یک بحث قابل این پیش میرود ولی من شخصا احساسم این است که چیزی باید به آن برسیم فهم تقویت فهم جامعه است این چیزی که اینجا در میآید پس اگر برش میآید از اینها مثال خیلی جالبی پیدا کردم واقعی این مثال که با همین به اصطلاح ابزارهای ماشین لرنینگ و اینها یک کریریشن بی نظیری پیدا شده بین تغییرات شاخص بوست توی یک جایی در آمریکا با میزان کره تولید شده این بنگلادش فعالهاست این کلیشو میده و اینجا میگویم علمی نیست این چیزی که این ماشین نگر میکند ممکنه کاملا بیربط باشه و ممکنه نقض بشود به زودی یعنی بالاخره دنیالاشی یک سال کم کرده تولید بکنه برای اوضاع اقتصادی که انجام خوب باشه ولی همه دیتایی که به ماشین دادن این دوتا به نظر یاد بیشترین تدبیری که وضعیت دوست آمریکا داشتیم با وضعیت کره که بنگلادش دید هیچ دیگر آن ماشینی رو واقعا نتیجه به شما میده دیگر هیچ چیز الی وجود نداره ماشین تشخیص نمیده که این دیتا به چی رابطه الی اینها با همدیگه مربوطن اگر درست تشخیص داده باشه ببخشید اگر درست تشخیص داده باشه شما اکسپرینستان پیشگویی تون درست بنابراینش کنید دستگاهش بسازید لزوماً چیزی از آن نمیفهمید ممکنه آن علت این داشت
تشکر و ردیابی اندازهها
ممکنه یک علت این دو تا رو با همدیگه دیدار میکنیم ماشین این چیزها رو به شما نمیدونید من تشکر میکنم اشاره شما عرض کنم که با اندازهایی که شما گفتید من ردیابی میکنم تا حد زیادی مقاومن هرچند یک سری اختلاف صلاح هست از آن میگذرم و به چند تا نکته میکنم چون افتخار رو غنی تر بکنه اگر میخواید در جایی که منتشر ولی یک نقصی میشود گفت در این بحث دیده میشود و آن نسبت بین و دانش و بیستمه در کتابهای مراجع مربوط به نادژ مجیک آمده ولی غنای تغذیه لازم رو نداره و اگر سرچ بکنید میبینید که خلاص خیلی پاپیچیم مسئله نشدن که این روند رو میان میگویند که چه اتفاقی میفتد که از دیتا اینفورمیشن رفتیم بکشه نالج و از نالج هیزل به دست حالا هیزل خیلی ندیدم ولی مینینگ رو با در مقابل اینفورمیشن واقعا جایه همین نکتهای که شما دارید میگید اتفاقا جز سلایق منه به شدت یک جای خالی هست که فرق نمیذارم بین اینفورمیشن و میمینگ آیا هر اینفورمیشن با خوب نیمی و ب من شخصاً احساسم میگی یک گپ خیلی بزرگ اینجا وجود داره و خیلی جای بحث فلسفی هست که وجود داره ولی خیلی بحث متداولی نیست نه نیست متأسفانه و جای خالیه این جای خالی رو جوونهایی که دارن خسته علمی خونه میتونن خلق بکنن و در این زمینه کار کنن کاری ندارم ببینید اگر البته ما همین اکنونشم در مورد روند صحبت کنیم حرف داره گفتن هست ولی کافی نیست این حرفها و همین مقدار که حرف داره گفتن هست نشون خواهد داد که این فرایند دیتا اینفورمیشن دانش و حالا دوباره شما در عرض بنده اینهاس بیزم این فرایند به شدت نظریه باره هرچند که ممکن است تو این فعالیتهای جدیدی که باید با این دیت انجام میدهند این نظریه ای که پشتش خوابیده یا آن قالبی که پشتش خوابیده برای ما خیلی معنادار نباشه این نکته مهمیه یک جایی هست آن نظریه، معنادار برای ما میکند یک جای معنادار نیست یک این قابل برق یک مسئله دیگر که به نظر من باید به آن بیشتر توجه کنید و این ارائه مسئله این است که یعنی چی خ نه اتفاقا تعمداً واقعا اکسپلور اینقدر بحث وسیع و امیریه که در حد همین کلمه یعنی خب من میتوانم اینگونه بهتون بگم که در دفاع از همین حرفایی که من اکنون زدم یک عده میگویم که خب اکسپرنیش انواع داره و قبول دارن که دیتا ساینس در بعضی از موارد معانی اکسپلینیش اکسپلینیش انجام نمیده ولی برخی از مواردو سعی میکنم نشون بدن که اکسپلینیشن انجام میده آن اختلاف نظری که تو معنای اکسپلینیشن هست یک لستاویزی برای اینکه بریم بالاخره به یک معانی اکسپلینیشن انجام میده حالا ببینید من نمیشود در این فرصت کوتاه یک بوده، ولی وارد این شد که اکسپلوریش اصلا چی هست تو چه نظر حتی عناوینش هم نمیشد اما گفتن یک نکته خیلی مهمه اینجا این است که نظریه های مربوط به اکسپرنیش هست از فضای منطقی و لاجیک و الگوریتمی و ماشینی داره میرود به سمت نظریه های یعنی فلاسفه علم جای خالی چی رو فهمیدن اینکه از اکسپلوریشن یک روایت روانشناختی ارائه بکنیم و خیلی مهمه بله و حاصل این میشود قبول بکنیم ممکنه همین ماشینها هم طبق مورد عبارت راهنمایی بتونن اکسپلینشن ارائه بکنن ولی اگر ما بتونیم انواع اعصاب اکسپلینشن انتظاراتمان از اکسپلینشن تعیین کنیم یعنی وارد
اکسپلینیشن در فلسفه علم
یک کار تجربی جزئی نگرانه بشیم ممکنه که اینها برخی از اینجور اکسپلینیشن اختلال نکنن برخیش رو اضافه کردن یعنی حداقل یکی دو تا مقاله من دیدم که سعی میکنند بگن که بعضی از انواع اکسپلینی شن توی فلسفه علم مطرح شده رو میشود گفت که از این ماشین دربی و نکته سوم اینکه صحبت این کردید که علم اصلا از آن اولشم دنبال آنتولوژی نبود باز هم اگر نه هست نه حساسیت ببینید من میتوانم اینگونه بگم ارسطو اگر میگفت که مثلا فرض کنید اگر افلاطون اینها ارسطو از اعداد صحبت میکردن اعداد رو به عنوان یک موجودیت در یک جایی از هستی قرار میده مثلاً در عالم مساب واقعاً از زمانی که ساینس آمد مثلاً شما اصلاً کسی درباره اونتولوژی قوانین همه جا حرف از قانون اونتولوژی چیست قانون جنسش چیست یعنی اینکه ما عادت کردیم از زمانی که ساینس آمد واژههایی به کار ببریم ببینیم که درباره هستی شناسیش کوچکترین نظری ببینیم من فکر میکنم یکی از مهمترین انحرافات فلسفی بوده از زمان پیدایش علم اینکه اونتولوژی اصلاً میخواهم بگم دانشمندا و حتی فیلسوف ها حساسیت اونتولوژی که خودشونو از دست داد متوجه بشید اکنون این است که ما فاجعه آنتولوژی که چه چیزی از علم به عنوان حال ارائه آنتولوژی نیاز داریم باید تبلیغ بشود اگر بخوایم بحث من نمیدانم احتمال زیاد های دیگر شما خوندید.
محدوده بعدی که میخواهم بگم این است حرفای شما یک جا بسیار به های دیگر نزدیک شد اونجایی که میگوید که گشته تو همون واقعیت تکنولوژیه که همان پذیریدن جهانه که همان جهان رو مصابلین منبع لای هزار تلقی کردنه و پول رو زجر، غابل ذخیره خوزستان ارائه آخر اینکه مهمترینشان محاصره پذیر دیدن جهانه. این گشتن مبشر علمه شما دارید در واقع سعی میکنید که این رو نشون بدید با این کیسی که برید و خیلی برای من یک نکته جالب کن و یک نکته دیگر که درسی باشه از این بگیرید ما توی دانش های علوم اجتماعی متاسفانه آلوده شده بدونید فضایی که شما میخواید با مبارزه کنید نه من فقط این مبارزه میخواهم گفتم در دانشکده های علوم اجتماعی و این ترجمه آلوده رو هم واقعا به کار نمیبرم به نظر من این یک حد نهایی یک اتفاق اگر ساینس چیز و خوبی بوده این حد نهایی در واقع تجربه گرایی در ساینس حالا خب شما باز میکنید مقایسه میکنید بگذارید من عرض میکنم این چه ربطی به آن فضا داره نمیدانم چقدر باهاش آشنا هستید دانشکده هایی که کمیت زده هستن نگرشهای پستیکورینشن پیدا کنید انقضار دارن نه بابا اسرارولیشن بدتره اونجایی قائل نمیشن که دیتا وارد آن باکسه بشود نفهمن که اونجا چه اتفاقی افتادن وقتی نمیفهمن راضی میشن که این پروژه هم میخواستم در حاشیه مک که جنبه روان شناخته نظر بگیرید برای اکثریت مردم این باکسه از آن فرمول ریاضی قانع کننده تره یعنی از لحاظ روانی گاهی یک بلک باکس راحتتر آدم یک پذیری درست داره مثل یک چیز خیلی میموند که آدم میگوید خب دیگر ده بار شما این آزمایشش این بود درست کار میکنید ولی اگر من یک صاحب بنویسم میپرسید این چیست تا اینو نفهمید اینکه هیچ بهتون نمیگه که نفهمید فقط کلمه مثبتش رو میبینید بنابراین یک جوری اقدام کنندگی خوبی داره این بلک باکس که ممکنه یک فاجعه در دانشکده علوم اجتماعی در برخی از آنها ایران رخ میده و بالاخره اینکه آن آنتولوژی که شما از
آنتولوژی فیزیک کلاسیک و کوانتومی
توی انرژی دارید باید یک نوع دارید تکیه ببینید در فیزیک کلاسیک آنتولوژی داره ارائه میشود که ما تصویر میتوانیم بکنیم که چه رخ میده ولی در فیزیک کوانتومی حتی آن تصویره هم ارائه نمیشود یک شیپ به اسم نو هم در جایی در کانتنت خاصیت زرده ای داره در کانتنت خاصیت موجی داره و ما باید کیس به کیس بریم جلو این به اصطلاح مطالب در هر حال من خیلی لذت بردم خواهش میکنم ممنون ما رو شما من یادم رفته بود بگم شما گفتید من بیمی نیستم این چیزها رو به صورت یک مقاله ترویجی تصنیس اتفاق و اهمیتش از نظر صفی روش کار بکنم ولی کسی تمایز داره من ایمیل خودم را اینجا بنویسم چون من اصولاً میدونم جریان تن این کارو نمیکنم چیز زیاد تو ذهنم بوده هیچ وقت ننوشتم منظورم این مقاله تحقیقاتی خیلی نوآورانه نیست اینکه موضوع یک جوری مطرح بشود ما اکنون توی آیپی ام داریم روی ترویج دیتا ساینس کار میکنیم سمینار میذاریم آدمها رو از خارج میاریم داریم یک قرارداد با یک مرکز دیتا ساینس مهم تو اروپا میبندیم حول و حوشش بالاخره باید تبلیغات کرد معمولاً صدای ما اصلاً به علوم انسانی نمیرسد اتفاقاً این علوم انسانیا خیلی دورن از این فضای کامپیوتری اقتصاد فیزیک اینها تو جریان دیتا ساینس هستن ولی به نظرم میرسد تو ایران جامعه شناسا اینها همین یک خرده از این فضای دیتا ساینسی دور هستن و یک مقاله ترویجی ممکنه یک خرده اهمیت به اش نش بفرمایید من خودم که لیسانس موفق بودن بی رسانه یعنی در موردش اغراق نشد خب دیتای برده دارید حضوری خوشی میشود مثلا شما اینو یک لک باکس که میذاری یک هاوه رو مثلا خواستی کنید مثلا حجم دادهتان میرود با ردش ندونین چجوری مثلا انتخاب کنید بدون تئوری بدون هیچ فقط با انگشتم بگین اسم اشاره میکنم این برجه حالا این خیلی مهمیه و همین هیچ کار میدوند منم میدونم شما هم میدونید که بالاخره اغراق هست حرف این است که داریم به این سمت میگیم چقدر شد خیلی من اسمم خیلی خوشبینانه مثلا خب آقای خوشبینانه است ولی واقعا ببین من احساس شخصی خودم این است اکنون بله اینکه هنوز به جایی نرسیدیم که بگیم آقا هرچی دیتا بریزی من یک بلک باکس بپرسم ولی موضوعیه که ما داریم به یک همچین سمتهایی حرکت میکنیم یعنی اکنون این اتفاق افتاده خیلی از زمینهها توی دیالوگشه یک همچین کارایی داره انجام میشود واقعیت این است که اصلا اونجاشان مدلها و تئوریهای محاسبه نداریم چاره ای غیر از این کار نداریم و خیلی موفقتان دیگر بقیه رو زمین توی سوشال نتورکها و اینها کار داره انجام میده ایشان جملش اینگونهه که مثل اینکه در آینده اینگونهه ما به جایی میرسیم این ماشین دیتا رو فراهم میکند مثلا فرض کنید خودشم مدلشو به صورت بلند باکس میسازد و کار ما انجام میشود خواهیم رسید به این به صورت ایدال یا نه بیس هم حرکت خواهیم داد و اکنون حرکت شروع شده و این همه تقاضا برای دیتا ساینس هم تو دنیا نتیجه موفقیت دیتا ساینس این کارها بالاخره روز به روز به نظر میرسد تئوری دارن پیشرفته تر میشن و دادهها دارن بهتر میشن ماشینا دارن محاسب میشود برای اینها دیگر نوانه تئوریک مثلا چیزی که شما وجود داره خیلی فکر نمیکنم کلا بد میان نگاه کردن کار درستی باشه اینکه شما میگی من به همین یک چیزی میرسم و نداری
بلاک باکس و تعریف تابع سای
که این از مثلا بلاک باکس دیگر حالا چقدر دوره آن طعمه شما مثلا فهمید چگونه کردید نه چجوری تعریف میکردین؟ تعریف میکردین ببینید کاری که میکردید این بود که اکسپریمنت انجام دادید من بعد از کجا میدونم این تابع سای نوشتن اصلا چه ربطی به طبیعت داره مدل ریاضی هم تست بود و اینم تست میشود نه یک فرقی داشت اونجا من میدونستم که اصلا این ویوک برای این بلوک این آرایش تحلیلش کنم و بعد مثلا اگر میخواهم فیلتر طراحی من چیزی طراحی کنم چون یک سری آرایش کردن این بلوک ها رو میشناسم و میدونم که اگر این رو بزنم اینجا اکنون این اتفاق میوفتد و یک حس دارم یک شروع دارم اینها رو ویز برمیدارم برای یوتوب و گروهها میدونم که چجوری دارم منونیم میتوانم یک دیزاین بدم سعی کنم یک چیزی رو پیاده سازی کنم خب بعد بله خب باشه اکنون حد داره چقدر بود توی دسته کنید چون دوباره تو آن مسئله که ترینش بخواید بکنید چون میبینید همینگونه دیگر همه چی بزرگ بکنید خب بله ولی ترینش رو دو تا دو انجام میدهند همون کاری که شما مثلا تو تعریفتان میتوانید پیدا میکنید خیلی بهتره من خیلی به اصطلاح خوشبینانه این سخنرانی انجام شده به خاطر اینکه میخوان از بگین که قسمت از طرف چیست واقعا مشکلات عملی که وجود داره کسی مشکلات بیشتر از این مدل ریاضی ساختنها نیست موضوعی که این اتفاق داره میفتد و باز من اشاره میکنم که آدم هایی در واقع پیشگویی این ماجرا بودن که همین اکنونم پشتش هستن که آدمایی که همه این مشکلاتو میبینن میدونن که این مشکلات وجود داره ولی بالا رفتن سرعت تحریر بالا رفتن حجم دیتا و به نظر من بیشتر از همه پیشرفته ک انجام شده همه رو امیدوار میکند که روز به روز در واقع این مسائل خ نه یک دوباره علمیش که حرف نزن این مسیر خودش را گفته آدم آدمی که کافی داستان خیلی همه اینها رو بدونه میتواند یک دیگر یک لحظه واقعا احساس شخصی خودم خشکی که ابرا شدم توی صحبتی یک چیزی ددد میشود اینکه این اتفاق میفتد اینگونه بیان میکنند واقعیت اینو خشکی نداریم من فکر میکنم که یک همچین ساعتی میگیریم و همه چیزم موفق از آموز خواهد بود و فکر میکنم اگر ۶۰ سال پیش یک نفر میومد درباره اهمیت کامپیوترها صحبت میکرد یک نفر مثل شما دوست داشتن بگیم کامپیوترها رو داره سرتاسری خطا دارن یک لامپ ممکنه بشکنه نمیدانم فلان بشود و رفع میشن به نظر من مشکلات موجود در بیزنس قابل رفعه ولی خب در عین حال ایشان به عنوان نماینده افراد بعدی خیلی خوبه تو جلسه به نفع هستن آدمهایی که اینقدر خوشگل نیستن و فکر میکنند که یک حد نوایی برای مدلسازی وجود داره و خیلی نمیتوند موفقی قرار باشه ایشانم آدم کمی نیست اگر نمیشود دسترسی چی بود پیش آدمیه که خیلی با دقت ماشین درینگ میموند و خیلی چیزها بلده و حرف رو از روی یک چیز میزند از روی دانش میزند نه از روی همینطوری که خوشش نیومده یک بحث دوره دیتا ساینست و یک بادی که اکنون جزو سه بال هست ویندوزن هست که حالا آمار داریم سافتور داریم بحث دنبال اکسپرت خب این دنبال اکسپرت خودش یک وزنه خوبیه توی پروژههای دی سی و دی احتمالی که بگیم شاید احتمالی یعنی شما تو رعایت تونو روات نکردید یک نفری که تو یک حوزه خبره است میآید تو تیپ سما و بایدم باشه همینم فرقش با دی ت نه نه در آن حدی که
اخطار درباره علوم اجتماعی
ایشان انتظار داشت ملاحظات عملی نداشتن چه برسه زیر از این همین خیلی دیگر خنده اجرای شما در نظر میگیریم خودمان پروژه رو کار میکنیم بحث اصلا به کدهای علوم اجتماعی حالا خرد میان میشیند باهاش صحبت کنیم حلی احساسات من داشتم اخطار میکنم اینجا دانشکده طرف علم و یک بحث دیگر بگذارید بریم بیرون با همدیگه صحبت کنیم بحث همه ماشین رنینی تو من بلک باکس نیستن بله من دیگر مرحله جدید میتوانم چیشون رو نیاز کنم دیگر بالاخره من دسمتری ها کاملا به مرور بود یک درختاره ای تو ارث میدهند که کاملا قابل تحلیله و شاید به نوعی دانش متانم و چه کار کنن ممکنه وارد پتانسیل چند هزار از خفه یک نورال نتورک بنویسم سعی کنم یا اصلا بعدا یک ابزارهایی پیدا کنم چه اشکالی داره سعی کنه از روی آن نوبتنک باکس مثلا یک مدل ریاضی دربیاره چه اشکالی مال دیفرانسیل مثلا تقریب مال آن مال دیفرانسیل هزار صفحهای تقریبی از این مال دیفرانسیل ساده تره و شاید من اینگونه بتونم اینو استخراج مهم این است که وقتی بلک باکس هست چقدر سایزه بفرما یک س در مورد همین ب میخواهم بگم وقتی واقعا هم به رنگ باتی نیست که یک چیزهای ضد و شما رو میبینید و براساس آن هم تا حد قضاوت میکند یعنی مثلا وقتی شما برمیگرده این مثال رو میزنید که بورس امریکا به کره ی بنگ داده نصب داره ما هنوز چی شاید واقعا همه چی شاید رفت داریم ببینید یک چیزی که دیتا ساینتیست ها خوشبینانه میدهند میگویند حسن دیتا سانهایی این است که اصلا ممکنه یک ارتباط کشف بشود که اصلا شما مطلقا فکرشو میگردم شاید یک نفر یک اقتصاددانه جایزه نوبل بگیره و اینکه رابطه ببینید کره بنگلادش رو با نفوذ آمریکا پژا بکنه حالا جامعه شوخی داریم ولی خیلی وقتا ممکنه د تا چیز میرفت به نظر برسن مخصوصا تو مسائل اجتماعی ولی نه اینکه رابطه علمی داشته باشن دیگر دلیلی بگیم مثلا رفتار مردم تو نمیدانم فنجانهای آفریقا یک اتفاقایی که تو جامعه اروپا میفتد دلیل مربوطه شاید ایشان خیلی اکسپرینیشن پیچیده ای وجود داشته باشه کسی جلوی ما رو نگرفته که اکسپرینیشن تولید کنیم اتفاقا یک چیز جالبی میگیم مدل لای دیتا ساینسی بهتون کشف کنه بریم دنبال یک دفعه قانون عظیم خیلی جالبی رو پیدا بکنیم اما سوال این است که آیا اگر این کار رو نکنیم داریم کار رو سینفیک میکنیم خیلی خوبه حالا من شایدم منم میخواهم یک دفعه بین خنده مردم پیدا کنم برای اینم باید یک نوبر دیگر تو کشور مردم سر این همه میدهند یا نه همه وقتی ما به این مسئله میخندیم اکنون اصول احتمالا همه ادما اینجا که یک لحظه احساس کردن پدیده گوشت با کره و بنگلادش هیچ ربطی وقت نداره و برای همین شاید اگر یک چیز دیگر داره ایک معروفی هست برسیم جلیقهیس اخیرا هم فوت کرد میگوید ما به حماقت خودمان و دیگران میخریم یعنی یک چیز احمقانه ای باید بالاخره بگیریم به نظر میآید خیلی احمقانه است که کره تولید کله در بنگلادشه و بره یک شاخص بورس توی پنجره های آمریکا رفت داریم برای همین خنده دار مهم نیست حالا شاید اگر مثلا شاخص بورس رو مثلا فرض کنید تو یک چیزه یک ذره تو ذهن آورد مثلا شاید حتی به آب و هوای آمریکایی که رفت میداد شاید ما نمی ربی داشت نه اصلا ممکنه آب و هوای آمریکا
مدل و آب و هوای جهان
هم یجوری به آب و هوای جهان فقط جمله بنگلادش جواب داره بنابراین به آن طریقه هم مربوط میشود به هر حال نکته ای که شما دارید میگید اینکه وقتی این مدل تولید میشود کسی جلوی اکسپرینشنی که نگرفته بلکه شاید اکسپرینشن های خیلی جالبی به وجود بیاد سوال این است اگر من یک بلک باکس داشته باشم که هیچ اکسپرینشنی به من نمیده این ساینس فقط صرف اینکه مدل ریاضی یک مدلی ساختم که به من در واقع ورود خروجی ها رو میده اکسپریمنت ها رو توجیه میکند کار ساینسفیک کردن میآید این سوال رو فهمیدید سوال جذابی من یک سوال دیگر که احساس میکنم میشود شاید آن تفاوت ذاتی که شما بین ساینس و علوم قبلی گذاشتید و براساس من دارید میاید میگید که اینجا هم داریم آن اوجش رو میبینید شاید واقعا این تفاوت نیست کما اینکه همین اکنون هم خیلی از فیلم های درجه یک فیزیک کار میکنند با وجود اینکه فیلمیدینگ آنگونه که شما توضیح دادید، سال همین چیزی که احساس فهم میکنند شاید آن تبیین ما از این دیتا ساینس باشه که به ما بگه آیا این واقعا یک هست یا میز یعنی ما بتونیم اگر یعنی میخوایم بگم ما جهت دهیش بکنیم اگر دنبال تبیین هایی در آن بیشتر بتونه واقعا در راستای همون ترمیم همون چیزی که حتی در زمان ارز سقوط قرار بگیره ممکنه به نظر شما یا نه واقعا همتون بره که تفاوت ذاتی هست اصلا وجود داره چیزی که میبینید هم دیگر لزوما اکسپلینیشن یکی نداره و بنابراین گاهی درس بکنیم که به نظر من آیا ساختن مدل بدون اکسپلیمیشن ساینس محسوب میشود یا نمیشود یعنی من اینکه چیز نکتهای در واقع اینجا نظر من وجود داره این است قضاوت کردن رو ببینیم که آیا این چیزی که من از اول گفتن و کسی که اعتراض نکرد اینکه میخوایم یک مدل ریاضی بسازیم سالهاست اینگونه دیگر است مدلی میخوایم بسازیم که اینو توجیه بکنه در ارتباط خوبی آیا این علمه واقعا یا علم چیز دیگر است من فکر میکنم به زودی این مهسا داغ میشود توی زمینه فلسفه علم و خب شما میتوانید از اکنون برید شروع کنید هزار هزار جور که حالا اغراق شاید تعداد تعریفها و برسایی در مورد اکستنشن دو رقمیه و میگوید کدومش با این سازگاره و کدوم سازگار نیست میتواند بندای خوبی برای کار تحقیقاتی باشه و اگر توضیحاته من این راهنمایی هم دارم میکنم در جهت اعتبار بخشیدن باشه راحت تر موارد چاپ میشود