https://virgool.io/feed/@aliakbar_ghayoori این اکانت آدمی‌زادی‌مه. fa 2026-06-16 15:13:25 https://files.virgool.io/upload/users/471858/avatar/F99Cin.jpeg?height=120&width=120 https://virgool.io/@aliakbar_ghayoori https://virgool.io/moristyle/mori-image-search-fumemsbiyboc سلام، در این پست می‌خواهیم به شکل مختصر در مورد پیاده‌سازی و طراحی محصول موری‌لنز صحبت کنیم. موری‌لنز، سرچ تصویری موری -با تمرکز بر روی فضای فشن- است که هفته‌ی اول دی‌ماه لانچ شد. این پست رو می‌تونیم یک تکنیکال‌ریلیز [1] در نظر بگیریم.ساختار کلییکی از ساختارهای معروف برای سرویس‌های جستجوگر معنایی به این شکل است که از دو ماژول استفاده می‌کنند: 1- مدل انکودر 2- سیستم ایندکس کردن بردارها. وظیفه مدل انکودر این است که از محتوای ورودی، یک بردار به که نشان‌دهنده‌ی اطلاعات محتوا است بیرون بکشد. وظیفه‌ی ماژول ایندکس‌کننده نیز این است که این قابلیت را به سیستم بدهد که بتوانیم میان تمامی بردارها در زمان کمی جستجو کنیم.ما نیز از همین ساختار ساده و کاربردی استفاده می‌کنیم. در ادامه به تشریح دقیق هر یک از این 2 ماژول و نحوه استفاده از آن‌ها به شکل فنی‌تر می‌پردازیم.انکودرانکودر در تعاریف بیسیک به «مدلی که اطلاعات رو از ابعاد بالا به ابعاد بسیار پایین‌تر نگاشت می‌کنه» گفته می‌شه. بعد از معرفی مکانیزم توجه، اکثر مدل‌های انکودر (مثل bert و ادامه‌ی داستان) بر همین پایه تولید شدند. انتخاب نوع انکودر در سیستم شما بستگی به جنس محتوا و نوع مساله دارد. ما در سیستم خود از یک ورژن فاین‌تیون شده در حوزه‌ی مد و فشن از مدل‌های مالتی‌مدالی که با استفاده از contrastive learning ترین می‌شوند، استفاده می‌کنیم. این انتخاب به دلیل توانایی این مدل در لیبل‌گذاری متناسب محصولات در فضای متنی و همچنین به دلیل دیتاست‌های موجود که متناسب با حوزه‌ی فشن هستند است.یادگیری contrastive - مدل clipمدل مالتی‌مدال عکس-متن، به شکل خلاصه، یک مدل است که در آن دو -یا چند- انکودر، یکی برای متن و دیگری برای عکس، با هم ترین می‌شوند تا هر دو به یک فضای نگاشتی مشترک برسند. هدف از این مدل این است که عکسی که به انکودر عکس داده می‌شود، به همان نقطه‌ای در فضای نگاشتی برود که توضیح متنی مرتبط با آن عکس اگر به وسیله‌ی انکودر متن نگاشته شود، می‌رود. این مدل به شیوه‌ی contrastive ترین شده‌است.برای خواندن بیشتر درباره‌ی تئوری مدل و کاربردهای آن، می‌توانید درباره‌ی multi-modal models with contrastive learning بخوانید.فاین‌تیون مدل - یاد بگیر و توجه کنیکی از دلایل اصلی انتخاب این مدل، بر مدل‌هایی نظیر ViT، تفاوت ذاتی و روش ترین کردن آنها است. ViT به روش supervised روی دیتاست‌های عکس ترین می‌شود، در حالی که مدل مالتی‌مدال عکس-متن به شیوه‌ی contrastive ترین می‌شود.[2]برای ما مهم این است که مدل سرچ‌انجین ما بتواند با توجه به ویژگی‌های دقیق فشن، جستجوی متناسبی انجام دهد. این پیش‌فرض را داریم که کاربران در جستجوی عکس‌های فشن، محصولات با ویژگی‌های مشابه را جستجو می‌کنند. برای مثال، جستجو برای «تیشرت آستین‌کوتاه مشکی برند آدیداس» مد نظر آن‌ها است. در نتیجه، مدل و فرآیند آماده‌سازی آن باید با این نیاز کاربران هماهنگ باشد.[3]دیتاستی که برای فاین‌تیون استفاده کرده‌ایم، شامل 800 هزار محصول فشنی است که از هرکدام عکس و اطلاعات کامل (دسته‌بندی محصولات، ویژگی‌هایی مانند آستین‌کوتاه یا طرح راه‌راه، برند محصولات، جنس محصولات) جمع‌آوری شده‌است. ترکیب این دیتاست و فرآیند یادگیری contrastive در مدل مالتی‌مدال عکس-متن، روش ایده‌آل ما برای این کار است.نتایج ارزیابی ما در نهایت نشان داد که دقت hit@5 مدل فاین‌تیون شده نسبت به مدل پایه‌ای از 0.22 به 0.61 افزایش یافته‌است.نمونه‌ای از یک سرچ عکس در موری‌لنز:دیتابیس برداریبرای سرچ کردن در بین بردارهای عکس‌ها 2 راه وجود دارد.اولی استفاده از کتابخانه‌هایی مانند hnswlib یا faissدومی استفاده از پایگاه داده‌های برداری مانند milvus و qdrantپایه هر دو راه الگوریتم hnswlib است که اردر جست‌جوی آن O(log n) است. تریدآفی که میان این دو راه وجود دارد این است که راه اول عملا راه‌اندازی خاصی ندارد و به راحتی می‌توان از آن‌ها استفاده کرد(به شرط داشتن رم به حد کافی)، اما در راه دوم باید دیپلوی کردن و یاد گرفتن یک سرویس جدید را قبول کنید و بعد از آن شما قابلیت انجام کویری‌های پیچیده‌تر (مانند اعمال فیلترهای مختلف) و کانفیگ‌های خاص دیتابیسی برای برای داده‌های حجیم رو دارید. این که کدام از این 2 راه انتخاب می‌شود بستگی به کاربردها دارد و ما در حال حاضر با توجه به حجم زیاد محصولاتی که در سایت داریم از راه دوم استفاده می‌کنیم.در آخرموری‌لنز یک محصول بر پایه یک مدل هوش مصنوعی است که بر روی حدود 1 میلیون محصول کار می‌کنه. هدف ما در این پست به اشتراک گذاشتن نحوه کار کردن موری‌لنز بود. به نظرمون این که کارهای جالبی که هر تیمی انجام میده رو با هم اشتراک بذاریم کار باحالیه! امیدواریم مفید بوده‌باشه و اگر سوالی داشتید خوش‌حال میشیم بیاید با هم گپ بزنیم.1- تکنیکال ریلیز به اصطلاح چیزی‌ه که نه اون‌قدر عمیق و مفصل‌ه که آدم کامل اون مساله رو یاد بگیره، نه اون‌قدر کلی که در حد یک خبر باشه، یه حال میانه‌ای داره. :)) شاید جواب «اون پشت چه‌خبره.» باشه.2- اگر در مورد نحوه یادگیری contrastive نمی‌دانید شاید ادامه‌ی متن کمی مبهم باشد.3- این مساله شاید مهم‌ترین/سخت‌ترین مساله‌ی دیزاین هر سیستم یادگیری ماشینی باشد. :))سایت موری علی‌اکبر غیوری علی‌اکبر غیوری Tue, 09 Jan 2024 23:23:48 +0330 https://virgool.io/@aliakbar_ghayoori/%D8%A8%DA%86%D9%87-%D8%A2%D8%AE%D8%B1-%D8%AE%D8%A7%D9%86%D9%88%D8%A7%D8%AF%D9%87-%D8%A7%DB%8C-%D8%AF%D8%B1-%D9%85%DB%8C%D8%AF%D8%A7%D9%86-%D8%B4%D9%88%D8%B4-l47bdkyqvjxn - آخرین نوشته‌ام برای ۱سال پیش است. تقریبا ۱۰ ماه شد که چند جا کار می‌کنم، مهلت نداشتم به چیزی فکر کنم که بنویسم یا نه. هیچ ندارم. این نهایت یک متن مشابه بلاگ‌های دهه ۸۰ است، از آن‌ها که پایینش یک شعر از سهراب سپهری می‌نویسند و بالایش یک فیلم از استاد الهی قمشه‌ای.-مدرسه‌ی دبیرستان من شوش بود، راسته‌ی بلورفروش‌ها، علامه حلی ۲. حدود ۲سال هر روز صبح ساعت ۷:۳۰ تا ۸ را از میدان شوش تا مدرسه قدم می‌زدم. هر روز صبح ملاقات حضوری و گذری داشتم با انجمن معتادین و بی‌خانمان‌ها. کسی که معتاد است و می‌کشد خودش خماری و نئشگی‌اش را با هم می‌کشد، مساله این‌ها نیستند؛ مساله بچه‌های خانواده‌های معتادند. چند خانواده آن بین بودند که این‌طور بودند، پدر معتاد و خانواده آن وسط مانده.سوالی که به آن این روزها برگشته‌ام همین است؛ چه کار باید بکند بچه‌ای که گیر یک پدر معتاد افتاده؟ پدری که همه‌ی پول و سرمایه‌ی خانواده را خرج توهم‌های مهوع‌اش می‌کند. بچه‌اش مجبور است از مدرسه بیرون بزند تا خرج موادش را جور کند. پدری که در خانه دست بزن و تحقیر دارد و بیرون از خانه جلوی قلدرها گردنش کج است. پدری که انقدر حقیر شده و سود کثیفش در تغییر نیست که کار درست را نمی‌کند و نتیجه‌اش جنگ هرروزه در خانه است. واقعا اذیتم می‌کند این سوال. با چشم دیده‌ام این بچه‌ها را در میدان شوش. اگر لحظه‌ای از آن پدر جدا می‌شد و سمتم می‌آمد و مهلت داشتم یک جمله به او بگویم، چه باید می‌گفتم؟ «همین الان فرار کن و هیچ‌وقت برنگرد»؟، «شب که همه خواب‌اند دخل‌اش رو بیار خیال همه رو راحت کن»؟. یا چه؟گاراژی در حوالی میدان شوش - ۱۳۹۳ - عکاس: حمید جانی‌پور - از صفحه‌ی توییترش برداشتم. -من همه‌چیز را نامنظم می‌نویسم شما خودتان منظورم را بفهمید، ممنون-این خانواده‌ها را اگر دیده‌باشی الگویی تقریبا ثابت در آن‌ها تکرار می‌شود. پدر معتاد است و حدود ۵ بچه در خانه. پدر تمام تلاشش را می‌کند فرزندانی ناخلف بار بیاورد که هوایش را داشته‌باشند، ۲ ۳ فرزند دعوایی نتیجه این تلاش است معمولا. پدر با این ۲ ۳ بچه‌ی لات روی هم می‌ریزند و تمام شیره‌ی خانواده روز‌به‌روز کشیده می‌شود. این یک سمت از ماجرا است.اما، من همه‌ی درگیری‌ام آن تک‌بچه‌‌ی کوچک‌ترینی است که هر روز صبح با یک بافتنی آبی نفتی و شلوار پارچه‌ای قهوه‌ای از آن خانه بیرون می‌زند و پیاده تا مدرسه‌ی ابتدایی خیابان مولوی می‌رود و آن‌جا شاگرد اول است. چون کل نجات خانواده اتفاقا در همان تک‌بچه خلاصه شده. او باید چه کند؟من به این فکر می‌کنم که اگر هنوز آن‌قدر زمان نگذشته که پدر ریشه کند و همه‌چیز را هنوز دود نکرده، خلاص کردن خانواده از او عاقلانه‌ترین و حتی اخلاقی‌ترین راه است. برای عبور از پلیدی زمان خیلی محدود است و آدم‌ها -اگر داشته‌باشند- معمولا این زمان را با فکرهای کش‌دار و اخلاقیات دم‌دستی از دست می‌دهند. اگر پدر به هر دلیلی لاجون است، گذر از او راهی است شدنی. اگر از این زمان گذشت چه؟ در اکثر اوقات یک راه بیشتر نیست، خانواده را ول می‌کنی به امان خدا و بروی گرم‌خانه‌ای صد محله آن‌طرف‌تر زندگی کنی، درس بخوانی و کار کنی تا نابود نشوی، روزی اگر آدم حسابی شدی شاید بتوانی برگردی و بر روی خاکستر خانواده‌ی قبلی چیزی خلق کنی، شاید هم توانستی چیزهایی از دل آن خاکستر بیرون بکشی.بدترین کار چه است؟ دعوای هر روزه و مداوم با پدر معتاد و برادران قلدر احمق‌ات. این بدترین کار است. مواجه روزمره با پلیدی بدترین کاری است که آدم می‌تواند درش وارد شود. این سریال the boys را اگر دیده‌باشی همین است، هرکسی شبیه دشمنش می‌شود. یا به قول یونگ «تو همیشه همان چیزی می‌شوی که با آن بیشترین دعوا را داری». وقتی از صبح که بلند می‌شوی اولین فکر و نشانه‌ای که می‌بینی فیلترینگ سیگار پدرت است، تف و لعنت به مغز و روحت وارد می‌شود و درش غلت می‌خوری، همان می‌شوی. چاره‌ای نداری جز این که یا تمام شوی یا به همان تبدیل شوی. من خود تجربه‌اش کرده‌ام. این آقای سیبیل‌دار نیچه یک چنین چیزی می‌گوید که اگر تا بی‌نهایت به سیاهی نگاه کنی، سیاهی درونت شروع می‌شود. کل حرفم همین است. من نمی‌دانم چه می‌شود کرد ولی می‌دانم، انسان نمی‌تواند تا بی‌نهایت به تحقیر خواهرانش در خانواده نگاه کند و همین‌طور نگاه کند. فکرهای من فقط به ۲راه بالا می‌رسد، که هر دو در دل‌اش گذر از پدر و همه متعلقاتش جا خوش کرده، اگر نه خود عِماره‌ساز خرابی و نهایت خاکستر همان خانه خواهد شد. تمام.هرکس دشمنش می‌شود. jynx - arcane علی‌اکبر غیوری علی‌اکبر غیوری Wed, 15 Mar 2023 12:22:58 +0330 https://virgool.io/@aliakbar_ghayoori/%DB%8C%DA%A9-%D9%82%D8%A7%D8%A8-%D8%A7%D8%B2-%D8%AC%D9%86%D8%A7%DB%8C%D8%A7%D8%AA-%D9%88-%D9%85%DA%A9%D8%A7%D9%81%D8%A7%D8%AA-yach2jyca3km از همه‌ی جنایات و مکافات چیزی که برایم باقی مانده یک قاب است؛ مثل همه‌ی برادران کارامازوف که برایم ایوان فئودورویچ که در قصه نبود را باقی گذاشت. این نوشته در مورد همین یک قاب است، موضوعش: «رابطه‌ی -عاطفی- ایده‌آلی که در تصورم شکل گرفته.». کتاب درگیر یک شخصیت اصلی بیشتر نمی‌شود، هر جایی که این شخصیت می‌رود پا به پایش می‌رود و در اتفاقات بیرونی و درونی او غلت می‌خورد و عمیق می‌شود؛ رادیون رومانویچ راسکلنیکف. من قصدم این است که از همه‌ی قصه و ماجرای جنایت و همه‌ی اتفاقات اطرافش عبور کنم و به انتهای کتاب برسم.در آخر کتاب شخصیت اصلی قصه -راسکلنیکف- در حیاط زندان نشسته‌است، تنها؛ سونیا، دختری که «همیشه انگار با کم‌رویی دستش را به او -راسکلنیکف- می‌داد» و «راسکلنیکف همیشه دست او را انگار با انزجار می‌گرفت» سراغ او می‌آید، کنارش می‌نشیند. این‌جای قصه دیگر حمله‌ی حوادث و قصه تمام شده‌است. راسکلنیکف است که تنها کنار یک رود در حیاط پشتی زندان نشسته‌است و سونیا که به او نزدیک می‌شود، و کنارش روی صندلی می‌نشیند؛ و این‌جا:«ناگهان سونیا کنارش بود. تقریبا بی‌سروصدا آمد و کنارش نشست. هنوز صبح خیلی زود بود؛ تک سرمای صبح هنوز نشکسته‌بود. روسری کهنه‌ی فقیرانه و پیچه‌ی سبزش را پوشیده‌بود. چهره‌اش هنوز نشانه‌های بیماری بر خود داشت؛ لاغرتر، رنگ‌پریده‌تر و تکیده‌تر شده‌بود.» اینجا! دقیقا همین‌جا! «مهربانانه و شادمانه به او لبخند زد، ولی مثل همیشه با کم‌رویی دستش را به داد.[...] مواقعی بود که پیش او می‌لرزید و با اندوهی ژرف از آن‌جا می‌رفت. اما این بار دستان‌شان از هم جدا نشد؛ راسکلنیکف تند و گذری نگاهش کرد، چیزی نگفت و چشمانش را به زمین دوخت. تنها بودند؛ کسی نمی‌دیدشان. نگهبان در آن لحظه پشتش را به آن‌ها کرده‌بود.[...] اما به یک‌باره، همان دم همه‌چیز را فهمید. خوشبختی بی‌کران در چشمانش می‌درخشید؛ فهمید و برایش دیگر هیچ شکی نماند که او دوستش دارد، بی‌نهایت دوستش دارد و سرانجام آن لحظه فرا رسیده‌است.»نه اصلا صحبت یک صحنه‌ی رومانس و این اداها نیست. برای این چیزها شاید بهتر باشد مثلا سراغ منهتن وودی آلن یا لالالند و این قصه‌های غربی مخصوص جوان‌های همان‌ورآبی بروید. در این‌جا راسکلنیکف قاتل است و سونیا تن‌فروش. سونیا انجیل می‌خواند و راسکلنیکف هیچ علاقه‌ای به این چیزها ندارد. راسکلنیکف در زندان است و ۷سال دیگر هم در آن‌جا خواهد ماند و «هر دو لاغر و پریده‌رنگ هستند». همه‌ی قصه این‌جایی است که این دو نفر با همه‌ی تناقضاتی که در خود دارند و با همه‌ی مکافات‌هایی که به دوش می‌کشند، با همه‌ی تناقضاتی که با جامعه‌ای که در آن زندگی می‌کنند دارند، طرد شدن‌ها، بی‌پولی‌ها و بی‌وطنی‌ها؛ فقط یک لحظه تصمیم می‌گیرند هم‌دیگر را، رنج‌ها را، تناقض‌ها را بپذیرند و حتی دوست بدارند. قبلا راسکلنیکف به سونیا گفته‌است که «چه کار می‌شود کرد؟ یک بار بی‌برو و برگرد چیزی را که باید خرد شود خرد کنیم، همین و بس. و این رنج را به دوش‌مان بگیریم!. تا مسلط شویم بر این موجودات لرزان، بر سرتاسر این تل مورچگان.». همین قاب ساده، این دیگر لرزان نبودن، همراهی و برق زدن چشم‌ها. این یک قاب همه‌ی چیزی است که نویسنده این قصه‌ی عجیب غریب را با آن تمام می‌کند. همه‌ی چیزی که من در ذهنم از رابطه و حتی زندگی دارم. این که راسکلنیکف به سلولش برمی‌گردد و «زیر بالشش انجیل بود. کتاب را بی‌اختیار برداشت. مال سونیا بود.[...] هنوز حتی بازش نکرده‌بود. حالا هم بازش نکرد ولی فکری از ذهنش گذشت: آیا اکنون ممکن است اعتقادات او اعتقادات من باشد؟ دست‌کم احساساتش، آرزوهایش..». کتاب را باز هم باز نمی‌کند! یعنی هنوز هم اعتقادی ندارد، حتی آن رنجی که دیوانه‌اش کرده‌است را هم کنار نگذاشته و بار این رنج را بر دوشش قبول کرده، فقط به همراهی با همان سونیا، آرزوهایش و این که سونیا آدم اوست فکر می‌کند. این روزها خیلی به این یک قاب فکر می‌کنم. همین.Frances Ha 2012پ‌ن: داستایفسکی حدود ۲۰۰سال پیش در روسیه زندگی می‌کرده، روسیه‌ی نسبتا شرقی که به شدت درگیر کلیسا و فلسفه و همه‌ی قضایای دیگر است. خوب می‌داند که زندگی در تناقض یعنی چه و همین کافی است.پ‌ن۲: اگر کلمه‌ی «انقلاب» انقدر مستعمل نشده‌بود شاید بین آن لرزان نبودن و همراهی از آن هم جزو صفت‌ها استفاده می‌کردم. علی‌اکبر غیوری علی‌اکبر غیوری Sun, 09 Jan 2022 21:48:34 +0330 https://virgool.io/@aliakbar_ghayoori/%D8%AA%D8%AC%D8%B1%D8%A8%D9%87-%DB%B6%D9%85%D8%A7%D9%87%D9%87-%DB%8C-%D9%85%D9%86-%D8%A8%D9%87-%D8%B9%D9%86%D9%88%D8%A7%D9%86-%D8%AF%DB%8C%D8%AA%D8%A7%D8%B3%D8%A7%DB%8C%D9%86%D8%AA%DB%8C%D8%B3%D8%AA-%D8%AF%D8%B1-%D8%AF%DB%8C%D8%AC%DB%8C-%DA%A9%D8%A7%D9%84%D8%A7-tfmvpdr8t3af بعد از اومدن کرونا، زندگی اکثرمون خیلی تغییر کرد. منم بعد مدتی از گذشتن قرنطینه با توجه به گزینه‌های روی میزم تصمیم گرفتم حداقل برای دوره‌ای کار فول‌تایم رو تجربه کنم. دیجی‌کالا اولین شغل تمام‌وقتی بود که واردش شدم، و از این جهت برای من مهم بود. این نوشته صرفا یادداشتی است که همین‌طور چک‌پوینت گذاشتم و چیزهایی که در این ۶ ماه از فکرم می‌گذشت رو سر سری نوشتم. ۱پ‌ن: قاعدتا این متن هیچ صنمی با آن نوشته‌های شرکتی «در این‌جا چطور کار می‌کنیم!» اینفلوئنسری و یا «تجربه‌ی یک فلان در بخش بیسار شرکت بهمان» نداره.در زندگیتو زندگی با چی‌ها مواجه شدم.آقا کار واقعا تاثیر داره، و من فول‌تایمممحمد جوانمرد، یکی از بچه‌های دانشگاه بود که قبلا در روزنامه شریف هم زیاد می‌نوشت. در لایوی تعریف می‌کرد که دانشجوی شیمی شریف بوده. دانشگاهش که تمام شده اپلای کرده برای کانادا، ادمیشن -مک‌مستر به گمانم- گرفته، رفته. تعریف می‌کرد که شبی قول نوشتن متنی برای روزنامه را داده بوده، بعد از چند ساعت سر و کله زدن با کدی که برای آزمایشگاه دانشگاه می‌نوشته نیمه‌شب سراغ نوشتن متن رفته، [این‌جا گره‌ی قصه است] هرچقدر فکر کرده دیده که واقعا نمی‌تواند بنویسد. هر چه هم که می‌نویسد جور در نمی‌آید. می‌گفت آن‌جا بود که فهمیدم من از دست داده‌ام آن آدم سابقی که بوده‌ام را و نمی‌توانم همزمان ادبیات را هم ادامه دهم. انصراف دادم، برگشتم به ایران. کنکور ادبیات دادم و حالا دانشجوی ادبیات علامه‌ام.به نظرم همین اتفاق برای همه‌ی ما می‌افتد، حداقل برای من که افتاد. کار فول‌تایم -چه آکادمیک، چه صنعتی- سبک زندگی‌ات را عوض می‌کند، به مرور ارزشمندهای زندگی‌ات هم شاید عوض شود و توانایی‌ها یا روحیه‌های قبلی‌ات را هم شاید از دست بدهی. یک مرحله پیرتر می‌شوی قشنگ یعنی. مگر این که برای کسی مهم باشد چیزی در زندگی‌اش که آگاهانه بخواهد نگهش دارد تا شاید بماند.روزمرگی – قرص آبیمن وقتی سر کار رفتم حدود یک ماه اول با میرامید حاجی‌میرصادقی کار می‌کردیم. اون یک ماه از جالب‌ترین خاطره‌های سر کار من بود، اوایلش تقریبا همه‌ی ۲۴ساعت روز رو تو شرکت، خونه، راه رفت و برگشت به یه مساله فکر می‌کردم و باهاش سر و کله می‌زدم. مساله‌ش هم برامون کاملا جدید بود و غیرقابل سرچ. روزهای شنبه و دوشنبه دکتر میرامید صبح زود -ساعت ۶- میومد و منم سعی می‌کردم زود برم و وقتی آفیس خلوت خلوت بود نیم ساعتی وسطش راه می‌رفتیم، رو برگه‌ها می‌نوشتیم و باگ پیدا می‌کردیم، ریزالت می‌دیدیم. بقیه‌ی روزها هم من سعی می‌کردم صبح زود برم و تنها می‌رفتم پشت‌بوم و نیم ساعت یک ساعت فکر می‌کردم که الان چی کار کنیم و امروز کدوم کارهاش رو بکنم. بعدش هم که مساله‌مون -که در نهایت مدل نسبتا ساده‌ای شد- به شکل تئوری حل و کامل شد و خیال‌مون از ریزالتش هم راحت شد من وارد چالش طراحی نرم‌افزارش و چجوری پیاده کردنش برای این همه دیتا شدم که خیلی جذاب بود. بعد از اون یک ماه، دیگه چگالی چالش‌ها و جذابیت‌ها به صفر میل کرد.با این که جنس کاری که ما می‌کنیم هم‌چنان این‌طوریه که باید تو محصول‌ها ایده بدیم، چیز میز جدید بخونیم، تست کنیم ایده‌های خودمون رو و از این جهت خیلی باحاله؛ ولی هم‌چنان اگر بگن بدترین چیزی که تو کار هست چیه، من میگم روزمرگی و استهلاک. یه جایی می‌رسه که ترجیح میدی قرص آبی رو انتخاب کنی. شاید این انتخاب رو نکنی اما اون‌جا جای جالبیه.پوزیشن از چه جهت مهم هست و از چه جهت مهم نیستخیلی وقت‌ها به آدم میگن دیتاساینتیست، ولی عملا داری کار سافتور یا پروداکتی می‌کنی.۳ منطقی میشه که به این فکر کنی که خب پس این پوزیشن به چه دردی می‌خوره.من اگر بخوام صادق باشم پوزیشن شرکت -اگر نسبتا با علاقه‌ت یکی باشه- اصلی‌ترین کاربردی که برای من داشته این بوده که مسیر کلی رو یکم رسمی‌تر مشخص کرده، و کلیت پروژه‌هایی که روشون وقت می‌گذارم رو دوست دارم. این‌طوری آدم با خیال راحت‌تر و انگیزه‌ی بیشتر چیزهایی که دوست داره یاد بگیره رو یاد می‌گیره و کسی کار به کار آدم نداره. می‌فهمی چی‌ها بلد نیستی و ضعف‌هات چی‌هاست. می‌تونی پروژه‌ی بقیه‌ی آدم‌هایی که تو اون‌جا کار می‌کنن رو ببینی و ازشون یاد بگیری. کار تیمی کنی باهاشون.یاد گرفتنتو این چند وقت در خلال زمانی که حس می‌کردم تو تیم مستهلکم و عملا چیزی یاد نمی‌گیرم با علی بهجتی یه ویدئوکال کردم و صحبتی کردیم. صحبت مفصلی شد و علی انقد چیزای مفید گفت که کلا یه پست جدا می‌طلبه:))؛ ولی چیزی‌ش که به اینجا ربط داره همین بود که علی هم می‌گفت من تو بلد که بودم یک مدتی سعی می‌کردیم یادگیری رو گروهی انجام بدیم، ولی به دلایل مختلف خیلی موفق نبودیم. الان هم که بوکینگ‌ام خودم دارم این کتابا رو می‌خونم و سعی می‌کنم یاد بگیرم. از اون صحبت و صحبتای دیگه‌ای که با بچه‌های مختلف‌مون که جاهای مختلف کار می‌کنن کردم به همین نتیجه رسیدم که اصولا اکثر یادگیری‌ها -ی مازاد کار- شخصی‌ه.۲ اگه کسی می‌خواد یه چیز جدیدی یاد بگیره احتمال بالا خودش یاد می‌گیره. شاید چون معمولا سرعت یادگیری شخصی آدم‌ها از تیم‌هاشون بیشتره و استهلاک‌ها اونجا نیست، به اضافه این که علایق، سوادها و مسیرها خیلی مثل دانشگاه یکی نیست و خیلی شخصی‌تره.در کارتو کار چی.پولینگ واقعا مزخرفه آقاتو سیستم‌عامل می‌گفتن ۲حالت برای کار کردن CPU وجود داره. راه اول حدودا اینه که CPU به شکل مداوم چک می‌کنه آیا x بهش نیاز داره یا نه. راه دوم همین که x اگر به CPU نیاز داره، یه خبر بهش میده که من بهت نیاز دارم و همین. من اوایل تو کار فکر می‌کردم آدم باید پیگیر باشه، و اینم ترجمه می‌کردم به پولینگ؛ هر روز پیگیری می‌کردم، هی می‌گفتم این کارم پند شده، این رو این‌جوری کنیم بهتره، و... ؛ بعد مدتی فهمیدم که این‌جور کار کردن‌ها بیشتر اثر منفی داره تا مثبت، و تمرکز و فکر خودم هم عملا زده نابود کرده.کلا بخوام کلی‌تر بگم، چیزی که من فهمیدم همینه که محیط سر کار مثل دانشگاه یا کارهای دیگه‌ای که کردیم نیست؛ این‌جا قاعدتا سیستم خیلی بزرگ‌تر و بعضا سفت و سخت‌تره، تو تهش یه دایره اختیارات محدودی داری، با یه سری دینامیک‌های نسبتا مشخص. روش بهتر همون‌ه دینامیک‌های اون جایی که هستی رو سعی کنی بیشتر بشناسی و با همون‌ها کار کنی. مثلا چه می‌دونم جز چیزی که مسئولیت کاملش با خودته، کارها رو تا جایی که می‌تونی کامل پیش ببری و اونجا که pend میشه خبر بدی تا نوبتت بشه و بیشتر از اون فکر و تمرکزت رو خرجش نکنی، هر بار هم که ازت وضعیتش رو می‌پرسن کامل توضیح بدی و صبور باشی. سوای این اگر خوب به نقص‌های فرآیند یا جایی که توش هستی فکر کردی و اگر به نتیجه‌ای رسیدی در حد خودت و جای مناسبش نهایتا یه بار مطرحش کنی. بقیه‌ی وقت هم یا بری سراغ شروع کردن یه کار جدید، یا مثلا یاد گرفتن یه سری چیز میز که فکر می‌کنی تو کار به دردت خواهند خورد.رو مخی‌هامن تقریبا با هر کدوم از بچه‌ها که هرجایی هست صحبت می‌کنم، بالاخره یک سری رو مخی‌ها داره اونجا براش. بعضی‌ها میگن ما خیلی زیاد مجبوریم جلسه بریم، بعضی‌ها این که تو فرهنگ شرکت‌مون خیلی پوزیشن‌ها مهمه و رئیس‌بازی و پاچه‌خواری داره، بعضی دیگه با اجایل نبودن یا روزمره بودن کارها مشکل دارن. کلا هر جا یه سری مشکل‌ها داره و کاری‌ش نمیشه کرد. من نمی‌خوام از این حرف‌های کلیشه‌ای بزنم که مثلا جذابیت کارها به همینه یا مثلا تو هم سعی کن حل‌شون کنی یا ... . بیشتر می‌خوام بگم چیزی که من این مدت فهمیدم این‌ه که آدم باید زورش رو بزنه دقیق این‌ها رو تو محیطی که زندگی می‌کنه بشناسه و بفهمه، چون این‌ها رو خودت هم تاثیر می‌گذاره و یهو می‌بینی یه روزی شدی یه آدمی که فقط دنبال این‌ه که بیشتر رئیس بشه.در کلدر کل کار اینطوری هم جالبه آقا، زورت می‌کنه جدی‌تر به زندگی‌ت و علاقه‌مندی‌هات فکر کنی، خودت رو خیلی بهتر می‌شناسی و از اون دید کاریکاتوری که بعضا به خودت داشتی در میای، اگه شغلت رو دوست داشته‌باشی چالش‌های جذابی داره، با آدمای جدید آشنا میشی و ازشون مقداری یاد می‌گیری، کامل مستقل میشی، توانایی‌های جدیدی مهم میشن، می‌تونی کلی سراغ چیزای جالب‌تر و جدی‌تری بری که قبلا سخت یا ناممکن بوده.پ‌ن: من چجوری اومدم اینجا، یا مفتی شدن کورسرا در قرنطینهاین‌جا چیزایی رو می‌نویسم که فکر می‌کنم اون موقع یکم بلد بودم یا تو این مدت فهمیدم در فرآیند مصاحبه -جونیور- بهش توجه میشه. قاعدتا کامل نیست و برداشت الان من‌ه. • یکم ریاضی. جبر خطی، در حد شهود مفاهیمی مثل بردار ویژه و رتبه. آمار احتمال، آزمون‌های آماری پایه و یکم استنتاج آماری و احتمال به شکل پایه‌ای. دیگه هر چی بیشتر بهتر. • یه پروژه‌ی کوچیکی تو این زمینه‌ها انجام داده‌بودم و یکم پایتون کد زده‌بودم. کلا دست به کد بودن و مثلا تمیز و درست با کتابخونه‌ها کار کردن به نظر خیلی مهمه. پایگاه داده هم. • الگوریتم. در حدی که مثلا بتونی الگوریتمی فکر کنی و راه طراحی کنی برای یه مساله‌ای. مثلا kmeans رو چطوری توزیع شده‌ش کنیم. یا از سمت دیگه مثلا در حد درس طراحی الگوریتم دانشگاه. • یادگیری ماشین. در حد این که الگوریتم‌های معروف رو یکم یادم بود چی‌هان و یه شهود حداقلی رو این که چطوری میشه باهاشون کار کرد. یکم هم تئوری یادگیری و بایاس واریانس و ... . اینم من این درس -البته از دانشکده برق- و درس بازیابی اطلاعات رو تو دانشگاه پاس کردم که زورم کرد یکم یاد بگیرم. • دیگه تو کرونا کورسرا مجانی شد و از سر بیکاری منم رفتم اون ۴ ۵تا کورس andrew ng و یکم آمار دیدم. بعدها فهمیدم که مثل این که خیلی معروفه و تقریبا همه یه موقعی دیدنش:)). خلاصه مفید بود این هم. مخصوصا اون بخش پروژه MLای ساختنش. • دیگه جز اینا یه سری چیز میز شب‌ها از سر فضولی می‌دیدم. که این و این بودن. • به غیر از اینا دیگه فکر کنم معمولا شرکت‌ها با توجه به اون کاری که اون پشت در ذهن دارن برای اون آدم به روحیاتش هم توجه می‌کنن که این‌و دیگه کاریش نمیشه کرد :))۱- سوای این که الان که منتشر میشه حدود ۱۱ ماه شده که من دیجی‌کالا هستم- متن یک‌دستی نگارشی نداره چون هر بخشش زمان‌های مختلف نوشته‌شده :))۲- البته که core valueهای اونجایی که کار می‌کنی و تیمت و آدم‌هاش و ساختار تیم و اینا هم خیلی مهمه‌ها. مثلا علی یه چیز جالبی که می‌گفت این بود که تو می‌تونی تو okr شخصی‌ت بگی من این ۶ ماه می‌خوام فلان چیز رو هم یاد بگیرم؛ تو okr شخصی‌ت حساب میشه و مسئول تیم آخر okr ارزیابی می‌کنه که یاد گرفتی یا نه.۳- به نظر من که البته این حالت وصل کردن یه محصول به یک یا چند تا آدم جوری که اون آدم‌های یه طورهایی صاحب اون محصول میشن خیلی جالب‌ه علی‌اکبر غیوری علی‌اکبر غیوری Mon, 27 Sep 2021 15:05:19 +0330 https://virgool.io/applymag/%D8%AE%D8%A7%D9%86%D9%85-%D9%81%DB%8C%D8%B1%D9%88%D8%B2%D8%A2%D8%A8%D8%A7%D8%AF%DB%8C-adnhcvhvkipl این پست دوازدهم درس Using Big Data to Solve Economic and Social Problems -که سال ۲۰۱۹ برای ۳۷۵تا دانشجو تو هاروارد ارائه شده- هستش که ما دور هم که می‌دیدیم همینجور چیزهایی که بامزه بود رو می‌نوشتیم و برای من خیلی جالب و جدید بود، نوشته‌های اول، دوم، سوم، چهارم، پنجم، ششم، هفتم، هشتم، نهم، دهم و یازدهم رو می‌تونید اینجاها بخونید.این نوشته هم برای جلسه‌ی هفتم درس‌ و یازدهمین نوشته‌س؛ موضوع: «K-12 Education».خبما هم‌چنان در بحث رویای آمریکایی و پیشرفت در طبقات جامعه(upward mobility) هستیم. بعد از صحبت راجع به دانشگاه‌ها می‌خوایم سراغ مدارس ابتدایی بریم؛ تحصیلات K-12 در آمریکا یک طورهایی همون مدارس ابتدایی تا دبیرستان در ایران است. در واقع بخش پایینی این نمودار(که از ویکی‌پدیا برداشتم) تحصیلات K-12 است.ساختار کلی تحصیلات در آمریکا تو این قسمت درس، چِتی می‌خواد کمی تاثیر این تحصیلات و مدل‌های مختلفش رو در پیشرفت آدم‌ها در جامعه ببینه. باحاله این قسمت ببینید فیلم یا اسلاید یا این خلاصه‌ش رو.مدرسهدولت آمریکا حدود ۱۰ به توان ۱۲ دلار در سال برای مدارس هزینه می‌کنه. سیستم اداره‌ی مدارس در آمریکا غیرمتمرکزه؛ به این شکل که هزینه‌ی مدارس عمومی هر منطقه از مالیات همون منطقه تامین میشه و تبعا سرمایه‌ی مدارس مناطق پولدار بیشتر از فقیرهاست. مدارس غیرانتفاعی و خیریه هم که حساب‌شون جداست. اکثرا ما به شکل کیفی تاثیر مدارس یا سازمان‌ها رو اندازه می‌گرفتیم؛ مثلا میریم با مدیر مدرسه مصاحبه می‌کنیم، از بچه‌ها نظرشون رو می‌پرسیم، پرسش‌نامه پخش می‌کنیم و… . نکته‌ی جالب این درس همینه که این چیز میزا رو می‌ریزیم دور و از روی حرف حساب سعی می‌کنیم یه چیزهایی بفهمیم.تو این جلسه راجع به ۴ مقاله حرف می‌زنیم. اولی «چقدر کلاس مهدکودک شما روی درآمد بزرگسالی‌تون تاثیر داره؟»، دومی «جغرافیای شکاف‌های نژادی در آزمون‌های کلی مدارس» (عجب ترجمه‌ای اه)، سومی «تاثیرات بلند مدت جمعیت کلاس‌های مدرسه»، چهارمی «اندازه‌گیری تاثیرات دو دسته از معلم‌ها».«این که من دور اردک خط بکشم یا مداد روی درآمد آینده‌م تاثیر داره؟!» یا«چگونه یک تیتر زرد بنویسیم.»داده‌ای که در این بخش داریم نمره‌ی دسته‌ای از بچه‌ها در تحصیلات خیلی ابتدایی -kindergarten- است. سوالی که به وجود می‌آید این است که آیا نمره‌ی مهدکودک بچه‌ها در موفقیت آینده‌ی بچه‌ها موثر است؟ در واقع چقدر نمره‌ی بچه‌ها ناشی از به دست آوردن توانایی آن‌ها است و چقدر ناشی از مثلا بهتر امتحان دادن آن‌ها. چِتی در سال ۲۰۱۱ این مساله رو با نمره‌ی ۱۲هزار دانش‌آموز سال ۱۹۸۵ بررسی کرده؛ نتایج‌ش عجیبه.آزمون‌های مهدکودک رو اگه یادتون باشه در این حد ساده بودند. مثلا این که دور کلمه‌ی هم‌تلفظ خط بکشید.این نمودار رو ببینید خیلی عجیبه.نمودار میانگین درآمد بر حسب نمره‌ی مهدکودکاین نمودار داره میانگین درآمد افراد در ۲۷-۲۵سالگی برحسب نمره آزمون مهدکودک‌شون رو نشون میده. همون‌طور که می‌بینید به طرز زیادی این ۲ مورد با هم هم‌بسته‌اند!. (یکم بهش فکر کنید؛ خیلی عجیبه)البته دو تا نکته وجود دارند که باید بهشون توجه کرد. اولی این که این نقطه داده‌ها واریانس زیادی دارند. دومی هم این که این دو تا صرفا «هم‌بسته» هستند، وابسته یا رابطه‌ی عِلّی بین‌شون برقرار نیست. شاید هر دو معلول یک چیز سومی باشه؛ برای مثال شرایط خونوادگی خوب و بد، هوش بچه و … .این نمودارها چون برای من خیلی جالب بود همه‌ش رو می‌ذارم اینجا که ببینید.نمودار درصد قبولی در دانشگاه برحسب نمره مهدکودک؛ به مقیاس محور عمودی نمودار دقت کنید، از ۲۰ تا ۸۰. نمودار نرخ ازدواج در سن ۲۷سالگی برحسب نمره مهدکودک! قدم بعدخب پس تا الان فهمیدیم که نمره‌ی آدم‌ها در مدرسه با پیشرفت اجتماعی‌شون در آینده هم‌بستگی زیادی داره؛ پس می‌تونیم از توزیع نمره‌ی بچه‌ها در جامعه به عنوان یک پارامتر برای تحلیل استفاده کنیم. اینجا چِتی به یک مشکلی اشاره می‌کنه که این هست که هر ایالت برای خودش آزمون می‌گیره و نمره‌ها قابل مقایسه نیستند، بعد یک مقاله‌ای رو معرفی می‌کنه برای سال ۲۰۱۶ که تلاش کرده این نمره‌ها رو تبدیل به یک چیز قابل‌مقایسه کنه که بتونیم پیش بریم؛ چون کاری که تو مقاله کرده خیلی ساده(یک طورهایی نرمال کردن برحسب میانگین) است من از این بخش می‌گذرم و سراغ نمودار بعدی میرم.این تصویر نمره‌ی بچه‌ها در مناطق مختلفه، همون‌طور که می‌بینید اصلا یک‌پارچه نیست و اختلاف محله‌ها با هم کاملا مشهوده. ما جدول رو به نیمکت ترجیح دادیمحالا ما می‌خوایم ببینیم چقدر و واقعا چرا توزیع نمره‌ی بچه‌ها یک‌پارچه نیست:؟. مشکل چیه که یک محله کلا وضع بدتری از لحاظ تحصیل داره.برای مشاهده‌ی این قضیه از یک شاخص که در جامعه‌شناسی برای سطح محله‌های مختلف تعریف شده به اسم socioeconomic status -SES استفاده می‌کنیم؛ این شاخص مثلا با توجه به توزیع درآمد آدم‌های مختلف، درصد قبولی دانشگاه، درصد تک‌والدی تو اون منطقه و… یک طورهایی می‌خواد شاخص خوب یا بد بودن این محله رو نشون بده. حالا این شاخص رو می‌ندازیم رو داده‌ی نمره‌ها که قبلا به دست آوردیم که ببینیم محلیت چقدر واقعا بر روی تحصیل موثره.نمودار نمره بچه‌ها برحسب SES خب قابل پیش‌بینی بود؛ به شکل خوبی صعودیه. تو نمودار پایین بچه‌های فقیر از بقیه جدا شدن. این جدا شدن آدم‌ها هم بر حسب این‌ه که آیا reduced price lunch بهشون تعلق می‌گیره یا نه؛ یه جور کوپن که به آدم‌های فقیرتر تو آمریکا داده میشه.هم‌اکنون گپ عمودی و اختلاف شیب خط‌ها و توزیع افقی رو خودتون مشاهده کنید.مشکل چیهخب اولین مشکلی که آدم به ذهنش می‌رسه این‌ه که مدارس منطقه‌های فقیر از مالیات کمتری تغذیه می‌کنن پس عملکرد ضعیف‌تری دارند. پس بیایم توزیع نمره‌ی بچه‌ها بر حسب پولی که برای تحصیل کنار می‌گذارند ببینیم.نمودار نمره‌ی بچه‌ها بر حسب بودجه استفاده شده برای هر نفرهمون‌طور که می‌بینید و قابل پیش‌بینی هم بود همینجور یاعلی مددی بودجه اختصاص دادن برای تحصیل نه که تاثیری نداشته‌باشد، اما تاثیر خیلی کمی( corr = 0.14) دارد. پس بیایم یکم تاثیر سیاست‌های مختلف رو دقیق‌تر نگاه کنیم تو چند تا آزمایش. در کل دو مدل سیاست رو میشه متصور شد؛ یکی کمک دولتی به مدرسه‌ها برای بهتر شدن کیفیت‌شون، دومی درست کردن مدرسه‌های خیریه‌ی مختلف یا کمک‌هزینه دادن به بچه‌های خاص برای رفتن به مدرسه‌ها خصوصی۲. چِتی تو بخش آخر درس سراغ این دو تا سیاست میره و این موضوع رو تا جلسه بعد هم ادامه میده.سیاست اولواقعا چقدر بهتر کردن مدرسه‌های دولتی تاثیر داره؟ برای بهتر کردن یک مدرسه چه کارهایی میشه کرد؟ یکی دو تا از اصلی‌ترین کارهایی که معمولا بهش فکر می‌کنیم کمتر کردن جمعیت کلاس‌ها و بهتر کردن کیفیت معلم‌هاست. تو قسمت آخر این جلسه صرفا می‌رسیم تاثیر جمعیت کلاس رو نگاه کنیم. جلسه بعد هم سراغ مدرسه‌های غیرانتفاعی و تاثیر معلم‌ها می‌ریم.جمعیت کلاساولین آزمایشی که به ذهن آدم می‌رسه خب همینه که ایزی؛ میایم توزیع درآمد یا قبولی دانشگاه آدم‌ها رو برحسب جمعیت کلاس‌هاشون تو بچگی ببینیم. ولی این مشکل داره؛ منطقا تاثیر علّی رو نمیشه از این آزمایش برداشت کرد. خب پس می‌تونیم چی کار کنیم:؟. سعی کنیم مثل جلسه قبل عمل کنیم و از ناپیوستگی رگرسیون استفاده کنیم!سوئدقضیه اینه که سوئد سقف جمعیت ۲۵نفر برای کلاس‌هاش داره؛ و اگر یه کلاسی به هر دلیلی به ۲۶نفر برسه باید طبق قانون به ۲تا کلاس ۱۳نفره تقسیم بشه. پس اینجا مورد خوبی برای آزمایش به شکل ناپیوستگی رگرسیون هست. در نمودار زیر این قطعی نمودار، تعداد دانش‌آموزان در کلاس برحسب تعداد کل بچه‌هایی که در آن منطقه برای مدرسه -چهارم ابتدایی- ثبت‌نام کرده‌اند نشان می‌دهد.نمودار تعداد افراد حاضر در یک کلاس بر حسب تعداد ثبت‌نامی در سوئدحالا ببینیم که این اختلاف تعداد دانش‌آموزان در کلاس چقدر روی قبولی در دانشگاه یا درآمد تاثیر دارد.این نمودار اختلاف نمره‌ی این بچه‌ها در ۱۳سالگی(بعد از حدود ۴سال شرکت در کلاس‌های مختلف) رو نشون میده. همون‌طور که می‌بینید اختلاف جمعیت کلاس از ۲۵ به ۱۳نفر باعث یک قطعی ۸درصدی در نمودار نمره‌ی بچه‌ها شده؛‌ در واقع اگه فقط ۵نفر از جمعیت کلاس‌ها کم بشه ۸درصد نمره‌شون بالاتر میره.و این نمودار که قطعی(cutoff) نمودار درآمد افراد رو برحسب تغییر جمعیت کلاس‌شون نشون میده. همون‌طور که می‌بینید در کل حدود ۴درصد، کم شدن حدود ۵نفر از جمعیت کلاس روی درآمد افراد در بزرگسالی تاثیر داره. این خیلی تاثیر زیادی‌ه؛ در واقع یک بازی عددی: میانگین کل درآمد یک بچه که در صدک ۲۵ام جامعه بزرگ می‌شود ۵۰۰هزار دلار است. ۴درصد این ۵۰۰هزاردلار می‌کند به عبارتی ۲۰هزار دلار، پس تقسیم یک کلاس ۳۰ نفره به دو کلاس ۱۵ نفره باعث افزایش درآمد در حدود ۶۰۰هزاردلار می‌شود؛ بعید است هزینه‌ی اضافه کردن یک کلاس اضافه (معلم و مکان کلاس و …) به ۶۰۰هزار دلار برسد.این جلسه اینجا تموم میشه. چتی تو این جلسه مسیر تحلیل جالبی رو میاد، و ادامه‌ش رو برای جلسه‌ی بعد می‌گذاره. همین.-----۱-خانم فیروزآبادی: نام معلم اول ابتدایی بنده.۲- تو این قضیه سمپاد هم یادتون باشه این دوگانه رو یک طورایی می‌شد دید. علی‌اکبر غیوری علی‌اکبر غیوری Wed, 04 Aug 2021 19:40:00 +0430 https://virgool.io/@aliakbar_ghayoori/%D9%81%D9%88%D9%82-%D9%84%DB%8C%D8%B3%D8%A7%D9%86%D8%B3-%D8%A8%D8%B2%D8%B1%DA%AF-%D8%AA%D8%B1%DB%8C%D9%86-%D8%AF%D8%A7%D9%86%D8%B4%DA%AF%D8%A7%D9%87-%DA%A9%D9%84-%D8%A7%DB%8C%D8%B1%D8%A7%D9%86-ktwxeiho7aer این پست یازدهم درس Using Big Data to Solve Economic and Social Problems -که سال ۲۰۱۹ برای ۳۷۵تا دانشجو تو هاروارد ارائه شده- هستش که ما دور هم که می‌دیدیم همینجور چیزهایی که بامزه بود رو می‌نوشتیم و برای من خیلی جالب و جدید بود، نوشته‌های اول، دوم، سوم، چهارم، پنجم، ششم، هفتم، هشتم، نهم و دهم رو می‌تونید اینجاها بخونید.این نوشته هم برای جلسه‌ی هفتم درس‌ و یازدهمین نوشته‌س؛ موضوع: «The Causal Effects of Colleges».خبخب ما توی مسیر صحبت بعد از صحبت کردن راجع به رویای آمریکایی، تعریفش و یکم هم بررسی تغییرش در طول زمان به تاثیر دانشگاه‌ها و کالج‌ها در موضوع آرمان رویای آمریکایی( :)) ) یا -دقیق‌تر امکان پیشرفت در طبقات جامعه(upward mobility) برای همه- رسیدیم. درس تو این جلسه موضوع «تاثیرات عِلّی دانشگاه‌ها بر پیشرفت اجتماعی» رو به دو زیرموضوع تقسیم می‌کنه؛ اولی این که واقعا دانشگاه‌ها چقدر تاثیر دارند، و دومی مشکل دهک‌های پایین جامعه در استفاده از این تاثیر واقعا چه چیزهایی می‌تونه باشه. در هرکدوم از این دو موضوع هم یک آزمایش اولیه مطرح می‌کنه که نتیجه‌های نسبتا جالبی رو می‌بینیم که به این دید آماری به این مساله کمک می‌کنه. من تو این یادداشت اول ۲تا مقدمه جدا از هم و مرتبط با این جلسه که به نظرم جالب اومد رو میگم؛ بعد هم سراغ نمودارها و کارهای آماری تیم آقای چِتی میریم.صحبت یک؛ درس بخون یه چی بشینهاد دانشگاه به ادعای خیلی از جامعه‌شناس‌ها هنوز هم از اصلی‌ترین تونل‌هایی‌ه که یک فرد تو جامعه می‌تونه ازش استفاده کنه تا یک طورهایی به «طبقه‌ی اجتماعی» بالاتر مهاجرت کنه؛ حتی تو همین ایران خودمون خوب می‌دونیم که خونواده‌های طبقه متوسط و پایین جامعه چه اصراری به درس خوندن بچه‌های خانواده دارن، تا حدی که میشه گفت جمله‌ی «بچه درس بخون برو دانشگاه تا یه چیزی بشی» به ضرب‌المثل اکثر جامعه‌ی ایران تبدیل شده. بعیده یه پدری که ۱۰تا ماشین‌فروشی بالاشهر تهران داره به بچه‌ش بگه «درس بخون تا یه چیزی بشی»؛ و این اتفاق در همین ایران، نشون‌دهنده‌ی همین اصلی‌ترین -یا شایدم تنهاترین- نقب ارتباطی بچه‌های دهک‌های غیر اول جامعه به پیشرفت اجتماعی است(۱). انتخاب چِتی(استاد درس) برای مطرح کردن تاثیر علی(causal) دانشگاه دقیقا بعد از موضوع رویای آمریکایی از این جهت خیلی هوشمندانه و منطقی به نظر میاد.صحبت دو؛ از لونه‌تون بیرون بیاید کوریلیشن‌هاعنوان این جلسه خیلی جسورانه انتخاب شده؛ در واقع این که یک آماردان یا اقتصاددان بیاد بگه من می‌خوام تاثیرات عِلّی -causal effect- یک موضوعی رو براتون بگم و هم‌بستگی‌ها -correlation- ها رو دور بریزم خیلی جرات می‌خواد. یک جمله‌ی معروفی هست که «در نظر گرفتن هم‌بستگی‌ها به عنوان روابط عِلَی کابوس ساینیست‌هاست»(۲)این عکس رو یک آقایی که استاد علوم شناختی‌ه برای روز هالوین توییت کرده‌بود؛ که به شوخی بگه هیچ چیزی ترسناک‌تر از این برای ما نیست.در واقع‌تر بعضی‌ها میگن کل کار علم آمار -statistics- همین پیدا کردن استنتاج‌های از لحاظ احتمالاتی بهتر(نه کامل؛ تو یه فضای احتمالاتی چجوری علم کامل رو به دست بیاریم:/ .) حساب میشه؛ و ادامه میدن که فرق یه چیزی مثل آمار، با یادگیری ماشین و هوش مصنوعی - که در جریان‌اید که به شکل اورریتدی همه فکر می‌کنن چه خبره توش – این هست که ما توی آمار دنبال یک سری استنتاج -inference- عِلی هستیم؛ ولی توی یادگیری ماشین دنبال یک سری پیش‌بینی -prediction- هم‌بسته. من هم حس کردم توی این ارائه چِتی به مقدار زیادی حواسش به این هست و چند بار بحث درست نمونه آماری گرفتن و این که تلاش کرده تصادفی بودن -randomness- درستی توی راه‌اندازی آزمایشش به وجود بیاره رو پیش می‌کشه. از این جهت این ارائه دیدش با اکثر ارائه‌هایی که مثلا توی فضای AI دیدید شاید متفاوت باشه و جالبه.(۳)و البته در لایه‌‌های بالاتر(که مشخصا فلسفه و اینا میشه.) درباره‌ی امکان به دست آوردن علیت بحث میشه و من حتی تو تاکسی یک باری شنیدم که یک آقایی به اسم هیوم(hume) حدود سال‌های ۱۸۰۰ با نوشتن «the problem of induction» میگه که به دست آوردن علیت، تحت هیچ شرایطی ممکن نیست و کل مساله کانتکسچوال(معادل فارسی خوبی نیافتم) است مع‌الاسف (۴). بعدها هم این دعوای فلسفی ادامه پیدا کرده که زمین بازی ما نیست و بهتره ما عرض خودمون و زحمت بزرگواران رو نبریم.دانشگاهی که دانشگاه استقطعا یه دانشگاه خوب یکی از محل‌هایی که آدم‌ها رشد می‌کنند هست، منتها سوال‌ها اینجاست که دانشگاه چقدر توی پیشرفت جایگاه اجتماعی افراد(ترجمه کنید: درآمد) تاثیرگذاره؛ در واقع سوال دو قسمت داره، یکی این که «چقدر»، دوم این که آیا واقعا توی پیشرفت جایگاه اجتماعی هم موثر هست؟ یا این که صرفا خونواده‌های پولدار نهایتا به دانشگاه‌های خوب دسترسی دارند.(۵)خب حالا چه آزمایشی می‌تونیم برای اندازه‌گیری و جواب به این سوال طراحی کنیم؟. اگر بخواهیم مثل دفعه‌های قبل نگاه کنیم مثلا باید به شکل تصادفی افراد رو به دانشگاه‌های مختلف بفرستیم و در سن ۳۰سالگی بین آن‌ها مقایسه درآمد انجام بدهیم؛ منتها خب مشخصا این کار ممکن نیست. در قسمت بعد یک ایده و ابزار نسبتا جالب که چتی هم به عنوان راه‌حل ارائه میده صحبت می‌کنیم و کمی بررسی‌ش می‌کنیم.روش ناپیوستگی رگرسیونایده‌ی جالبی که توی این پیپر هست و چِتی هم همین رو توضیح میده اینه که روی یک دانشگاه خاص(در این‌جا دانشگاه فلوریدا) و بین افرادی که روی مرز قبولی بوده‌اند مقایسه رو انجام بدهیم.احتمال قبولی در FIU بر حسب معدلدر واقع همینطور که توی دو تا نمودار بالا می‌بینیم در یک مرزی روز GPA(نوعی معدل کل) نرخ قبول شدن در دانشگاه پله می‌خورد. نکته‌ای که وجود دارد همینه که بین آدم‌های با GPA مثلا ۲.۹۹ و ۳.۰۱ نباید اختلاف آن‌چنانی‌ای در بقیه‌ی فاکتورها باشد و می‌شود قبول کرد که این ۲ گروه صرفا در قبولی در دانشگاه متفاوت شده‌اند. برای مثال مقاله توزیع جنسیت برحسب GPA را نیز آورده که همونطور در نمودار پایین می‌بینید آن‌چنان پله‌ای در بقیه موارد مثل توزیع جنسیت یا… به وجود نیاورده. پس به نظر می‌رسه انتخاب معقولی باشه برای بررسی بیشتر.توزیع جنسیت بر حسب معدلنتیجهاین هم نتیجه‌ی جالبی است، بعد از ۸ تا ۱۴ سال آدم‌هایی که دانشگاه فلوریدا قبول شدند از لحاظ درآمدی چه فرقی می‌کنند؟. نمودار زیر نشون میده یک چیزی حدود ۵درصد نهایت اختلاف درآمد هست بین آدم‌هایی که به دانشگاه فلوریدا رفتند و نرفتند. یک قوس جالبی هم سمت چپ تصویر نمودار هست که انگار اون‌هایی که خیلی از کف نمره‌ی قبولی فاصله داشتند(به اصطلاح کلا درس‌خوان نبودند!) از لحاظ درآمدی وضع بهتری پیدا کردند از کسانی که فاصله کمی با کف قبولی داشتند؛ در واقع در مجموع بدترین وضع درآمدی برای اون کسایی هست که لب مرز قبول نشدند.مقدار درآمد برحسب معدلچرا هاروارد نه؟شاید الان به این فکر می‌کنید که خب پس همین کاری رو که بالا کردیم می‌تونیم برای هر دانشگاهی بخواهیم انجام بدهیم و تاثیر علّی اون دانشگاه رو ببینیم. منتها نخیر. نکته این‌جاست که دانشگاه فلوریدا رنک خیلی پایینی بین دانشگاه‌های آمریکا داره، و اگر کسی اینجا قبول نشه مرحله‌ی بعد به کالج ۲ساله میره؛ در حالی که اگر کسی مثلا هاروارد قبول نشه لزوما به «خیلی کم درس خوندن» نزدیک نیست، شاید یهو استنفورد قبول بشه!. پس این نوع راه‌حل ساده در اون مساله خیلی جوابگو نیست، باید به راه‌حل‌های جدی‌تری فکر کنیم.برگردیم سر اصل مطلبیک سمت مساله اینه که دانشگاه‌ها واقعا چقدر تاثیر در پیشرفت اجتماعی دارند، سمت دیگه این که چرا دانش‌آموزهای دهک‌های پایین اما بااستعداد کمتر به دانشگاه میان. الان بعد از کمی بازی با سمت اول ماجرا می‌خوایم یکم هم راجع به سمت دوم ماجرا صحبت کنیم. جالبی این بخش اینه که مثلا سیاست‌های کمک بشتر و سهمیه‌ای به خونواده‌های دهک پایین همیشه وجود داشته، اما بیاید دقیق‌تر ببینیم؛ شاید یک سری گره جاهای دیگه هم باشه. از اینجا به بعد درس هدفش اینه که یکی از همین گره‌ها رو نشون بده.میانگین هزینه‌ی تحصیل در دانشگاه‌های مختلفاین نمودار نشون‌دهنده‌ی مقدار پولی هست که باید صدک ۲۰ام جامعه(که در اون دانشگاه قبول می‌شن) خرج تحصیل بدن. بخش قرمز نشون‌دهنده کل هزینه‌ی تحصیل هست و بخش آبی مقدار پولی که باید این بخش از جامعه برای تحصیل تو اون دسته از دانشگاه بدن. همونطور که می‌بینید خیلی جاها مشکل هزینه برای این خانواده‌ها وجود نداره. پس مشکل کجاست؟نمی‌دانم، اطلاعی ندارماولین حدس خب همینه که این قشر از جامعه اصولا کمتر به فکر دانشگاه رفتن می‌افتند، و شرایط خونوادگی‌شون هم به شکلی است که خودشون رو «دست‌کم» می‌گیرند؛ کمبود اطلاعات، پشتیبانی دیگران و اعتماد به نفس و نه توانایی.(۶)از شوش تا میشیگانخانم susan dynarski که یک استاد دانشگاه در میشیگان‌ه این فرضیه رو به این شکل در سال ۲۰۱۸ آزمایش کرد که؛ بیایم بچه‌های خونواده‌های کم‌درآمد (درآمد سالانه کمتر از $47k) اما توان‌مند(GPA بیشتر از ۳.۳ و SAT بیشتر از ۱۱۰۰) رو جدا کنیم. این بچه‌ها در ایالت میشیگان ۲هزار نفر شدند. به شکل تصادفی و به نصف این دانش‌آموزها یک دعوت‌نامه‌ی ترتمیز به خودشون (+ یک ایمیل حمایتی به والدین‌شون) بفرستیم که اگر شما به دانشگاه میشیگان اپلای کنید احتمال بالایی قبول میشید و فاند خوبی هم می‌گیرید. و ببینیم بین این دو گروه از بچه‌ها که به شکل تصادفی این نامه رو گرفتند یا نگرفتند چه تفاوتی وجود داره.نامه‌ای که ۵۰درصد دانش‌آموزان توان‌مند دریافت کردندنتیجهنتیجه‌ی این آزمایش خیلی جالبه. این نمودارهای پایین رو ببینید.درصد اپلیکیشن‌های فرستاده‌شده توسط ۲طرفنمودار بالا نشون میده با اختلاف گروهی که دعوت‌نامه رو دریافت کرده‌اند بیشتر اقدام به ادامه تحصیل در این دانشگاه کرده‌اند.درصد ورود نهایی دانش‌آموزهاو این نمودار هم ورود نهایی این بچه‌ها رو نشون میده. بچه‌هایی که دعوت‌نامه رو دریافت کردند ۲برابر به این دانشگاه وارد شده‌اند تا گروهی که دعوت‌نامه‌ای نگرفتند.البته این لزوما به این معنی نیست که این بچه‌ها اگر میشیگان نمی‌اومدند جای دیگری هم نمی‌رفتند، در واقع این دعوت‌نامه اختلاف بین رفتن یا نرفتن دانشگاه نیست. منتها نشون‌دهنده‌ی این هست که درست کردن نرم‌افزار چند مسیر یا یکی دو تا فرهنگ سازنده خیلی موثره و همه‌چیز اختصاص سهمیه‌های مختلف به این گروه نیست.این جلسه اینجا تموم میشه و این دو بحث بیشتر صرفا باز میشن برای فکر و کار کردن بیشتر. جلسه‌ی بعدی در رابطه با مدرسه‌هاست.همین.----۱- البته بماند که از ۲سال پیش چندتا از دانشکده‌های شریف(بعد از امیرکبیر) هم مقدار زیادی پذیرش پردیس و آزاد(بخوانید: پولی) اضافه کردند که در همان زمان‌ها هم بحث‌ها و دعواهایی شد بر سر این معدود نهادهای اجتماعی نیمه‌جون باقی‌مانده در ایران -بد نیست حال که این همه راه آمده‌اید برای تن رنجورِ زیر قلم‌چی و مدرسه خصوصی‌ها مانده‌ی سمپاد دوست‌داشتنی نیز یک فاتحه‌ای بخوانید-، مثلا گزارش روزنامه شریف را می‌توانید اینجا بخوانید.۲- و خب یک دوستی در ادامه‌ی این نقل می‌گفت که «می‌دونیم که کابوس‌ها اغلب بازتاب دهنده واقعیاتی‌اند که فرد در انکارشون به سر می‌بره» :)))۳- و این که AI دیگه برای ما همه‌کار نخواهد کرد. در واقع تو خیلی از مساله‌های اجتماعی اقتصادی‌مون رو خیلی وقت‌ها می‌خوایم همین استنتاج‌ها بررسی کنیم.۴- البته قاعدتا حرف هیوم خیلی دقیق‌تر از این ۲ جمله‌ی من‌درآوردی بنده بوده.۵- اگر مثلا از شهرهای کوچک‌تر به شریف اومده‌باشید احتمالا این تجربه رو داشتید که یهو احساس کنید آدم‌های اینجا خیلی پولدارتر از بچه‌های مدرسه‌تون باشند.۶- اگر سراغ بعضی مدارس کم‌درآمدتر در ایران هم رفته‌باشید احتمالا دیده‌اید که در ایران هم همین قصه هست. علی‌اکبر غیوری علی‌اکبر غیوری Mon, 31 May 2021 18:37:33 +0430 https://virgool.io/@aliakbar_ghayoori/%D8%AF%D8%B1%D8%B3-%DA%86%D9%87%D8%A7%D8%B1%D9%85-%DA%A9%D9%86%D8%AF%D8%B1%DB%8C%DA%A9-%DB%8C%DA%A9-%D8%B1%D9%88%DB%8C%D8%A7-%D8%AF%D8%A7%D8%B1%D8%AF-dz9gk9zmq8nw این پست چهارم درس Using Big Data to Solve Economic and Social Problems -که سال ۲۰۱۹ برای ۳۷۵تا دانشجو تو هاروارد ارائه شده- هستش که ما دور هم که می‌دیدیم همینجور چیزهایی که بامزه بود رو می‌نوشتیم، نوشته‌های اول، دوم، سوم، چهارم، پنجم، ششم، هفتم، هشتم رو می‌تونید اینجاها بخونید.این نوشته هم برای جلسه‌ی چهارم درس‌ و نهمین نوشته‌س؛ موضوع: «The American Dream in Historical and International perspective».خباین جلسه یک مقدار موضوع و دید درس عوض میشه. در واقع کلی‌تر و بحث‌برانگیزتر میشه.موضوع صحبت راجع به رویایی آمریکایی هست؛ چیزی که یحتمل کمتر رئیس‌جمهوری، سیاست‌مداری، کمدینی و… تو آمریکا پیدا می‌کنید که راجع بهش صحبت نکرده‌باشه. هم ترامپ قبل انتخابات ۲۰۱۶ میگه «sadly, the American dream is dead.» هم برنی سندرز از اون‌ور میگه «For many, the american dream has become a nightmare». به قول خود چتی(استاد درس) رویای آمریکایی یک جورهایی DNA جامعه‌ی آمریکایی محسوب میشه. تو این جلسه چتی اول رویای آمریکایی رو تعریف می‌کنه و کمی هم از رابطه‌ش با جلسه‌های گذشته میگه و بعد هم مثل جلسه‌های قبل سعی می‌کنه مساله رو به یک مدل آماری ترجمه کنه که نتایج رو ببینیم و ادامه‌ی ماجرا.نکته: چیزی که هست این‌ه که همونطور که می‌دونید این موضوع خیلی مساله‌ی بحث‌برانگیز و بزرگی حساب میشه. رویکرد این درس این هست که همه‌چیز رو با دید آماری نگاه کنیم، اما باز هم شاید یک جاهایی متوجه بشید که داریم جوب می‌زنیم!، تعریف‌ها دقیق نیست، یک تعریفی محدود میشه یا کامل در نظر گرفته نمیشه، یا جوب‌های آماری زده میشه. (اگر هم دانشجوی اقتصاد یا جامعه‌شناسی باشید شاید این‌ها رو بیشتر از من که چیزی بلد نیستم متوجه بشید.). می‌دونیم که این یک جلسه هم همه‌ی جوانب رو در نظر نمی‌گیره و البته که بیشتر قراره از دید آماری به مساله نگاه کنیم؛ ولی اگر چنین چیزهایی بود خوش‌حال میشیم که با ما در میون بگذارید یا حتی خودتون در ادامه‌ی این بحث تکمله بزنید و زوایای دیگه‌ش رو بگید و مرجع‌های مختلف معرفی کنید. شاید اصلا اگر خوب شد همه‌ی نقدها رو تجمیع کردیم و برای خود چتی هم ایمیل کردیم! خب بریم سراغ این جلسه‌ی درس. از این به بعد منبع بقیه‌ی متن جلسه‌ی ۴ام درس هست.آبراهام لینکلن وارد می‌شودرویای آمریکایی شعار اصلی جامعه آمریکا است. جلسات قبل هم راجع به این موضوع و بعضی مدل‌سازی‌های روی این موضوع صحبت شده و اگر خواستید می‌تونید ببینید؛ خلاصتا رویای آمریکایی یعنی هر کسی فارغ از محل تولد و خانواده و… باید بتواند به درجه‌ای از موفقیت که برای آن تلاش کرده برسه و پیشرفت اجتماعی(upward mobility) برای همه وجود داره.(۱)آبراهام لینکلن کمی مفت‌بر می‌شودخب پس (با این فرض ساده‌شونده که رویای آمریکایی معادل upward mobility هست.) مساله‌ی اول ما این هست که upward mobility رو در طول زمان اندازه بگیریم و ببینیم چطور پیش رفته. مشکلی که هست اینه که برای سال‌های ۱۹۴۰ داده‌ی تاریخی که والدین رو به بچه‌ها وصل کند نداریم و داده‌ی توزیع درآمد در شکل کلی موجود هست. اما از اونجایی که بچه شیعه باخت نمیده راه‌حلی که چتی ارائه میده این هست که با توجه به این که توزیع درآمد از سال ۱۹۴۰ و ۱۹۷۰ به شکل زیر هست و یعنی خیلی همپوشانی کمی دارند با یک سری تخمین‌های آماری که دقیق‌ترش اینجا هست می‌تونیم مقدار upward mobility رو با تقریب خوبی تخمین بزنیم.توزیع درآمد والدین و فرزندان در ۳۰سالگی، سال ۱۹۴۰برای سال‌های بعد ۱۹۸۰ هم که داده‌ی والدین و بچه‌ها وجود دارد و نیاز به این تخمین نیست، البته که این تخمین هم به دلیل هم‌پوشانی زیادی که در سال‌های بعد ۱۹۸۰ وجود دارد خیلی جوابگو نیست. این نمودار درصد بچه‌هایی که از والدین خود پول بیشتری درمی‌آورند رو به نسبت درآمد نسبی والدین در سال‌های مختلف نشون می‌دهد. منطقا همونطور که می‌بینید باید ته نمودار خیلی پایین بیاد چون خیلی بعیده که بچه‌ای که والدینش خیلی پولدارند در آینده از والدینش بیشتر درآمد داشته‌باشد(تاثیر تورم در همه‌ی نمودارها کم و به نسبت سبدخرید ثابت مقدار پول حساب شده.). همونطور که از این نمودار هم معلوم هست با گذشت زمان درصد کمتری از بچه‌ها بودند که از والدین خودشون بیشتر درآمد داشته‌باشند.درصد فرزندانی که از والدین خود درآمد بیشتری دارند، سال‌های مختلفحالا اگر بخواهیم داده‌ها رو به یک شکل دیگه‌ای ببینیم که این سیر مشخص‌‌تر باشه به یک چنین نموداری برای درصد upward mobility در آمریکا به سال می‌رسیم که مشخصا نزولی بوده و کم شده.(البته همونطور که می‌دونید با همین یک نمودار این نتیجه رو گرفتن و گفتن این که رویای آمریکایی در آمریکا از بین رفته خیلی حرف راحتی نیست. کلی اتفاق‌های دیگه هست که باید در نظر گرفته بشه، مثلا این رویای آمریکایی و upward mobility لزوما یک مفهموم نیستند، یا بعد اتفاقاتی مثل جنگ جهانی رشد GDP آمریکا خیلی زیاد میشه و لزوما اون رشد نمی‌تونست ادامه پیدا کنه؛ همون قضیه‌ی اقتصادی که ماشین به همون راحتی که از ۰تا۱۰۰ میره لزوما از ۱۰۰ تا ۲۰۰ نمیره و تکنولوژی و منابع انسانی و غیره محدودکننده‌اند و ثبات لزوما هم بد نیست و...کلا یه مقدار خوبی بحث اینجا بین بیشتر جامعه‌شناس‌های کمی سمت چپ با بیشتر اقتصاددان‌های کمی طرفدار سرمایه هست که خیلی این نمودارها به اون بحث‌ها مپ میشه. ما این وسط هیچ‌کاره‌ایم و موزمون رو برمی‌داریم و میریم.)درصد فرزندانی که از والدین خود درآمد بیشتری دارند در سال‌های مختلفیک مرجع دیگه‌ای که این مساله رو خوب نشون میده این نموداره که از کتاب سمت راست هست، برحسب این نمودار در همه‌ی بخش‌ها upward mobility کم شده و در بخش فقیر جامعه عملا upward mobility کامل از بین رفته. و البته بخش غم‌انگیز نمودار همون هست که مردم دسته‌ی آخر حتی بدبخت‌تر هم شدند.(این کتابی که اینجا هست رو حال داشتید یه نگاه بندازید، یا اگه حال نداشتیم هم یه فیلم ۱ساعته از معرفی و بحث‌هاش هست توی یوتیوب که می‌تونید دراز بکشید و ببینید. موضوعش هم که از تایتلش مشخص‌ه دیگه من چی بگم.)رشد درآمدی دسته‌های مختلف جامعه در ۲بازه‌ی زمانی متفاوتمارکس‌بازیاین ۲ تا نمودار هم جالب‌اند که اولی رشد درآمدی رو برحسب درصد درآمد نشون میده و دومی درصد درآمد یک درصد پولدار جامعه‌ی آمریکا رو. از تغییر نمودار یک برحسب زمان «پولدارها پولدارتر می‌شوند» رو و از نمودار دوم رشد سرمایه‌ی یک درصد جامعه مشهوده.رشد درآمد برحسب درآمد، ۲سال متفاوتتوزیع درآمدی ۱٪ پولدار جامعههیچ‌کس جنگل آسفالت را منتشر می‌کنداینجای بحث چتی یک سری گریز به اعتراض‌هایی که در آمریکا برای این روندها اتفاق افتاده می‌زند که از اونجایی که ۲۰:۳۰ این اخبار آمریکا رو از خود آمریکا باکیفیت‌تر پوشش میده و ما بیشتر از خود آمریکا در جریانش هستیم ما این بخش رو رد می‌کنیم. (۲)هیچ‌کس جنگل آسفالت را به مجاز تقلیل می‌دهدخب از این‌جا به بعد درس جالب میشه. چیزی که همه روش توافق دارند این هست که upward mobility تو آمریکا با شیب زیادی نزولی پیش رفته و توزیع رشد سرمایه و توزیع سرمایه هم خیلی شکل ایده‌آلی نداره. خب حالا چه کار می‌تونیم بکنیم.اقتصاد چه فرقی از سال ۱۹۵۰ تا ۲۰۰۰ کرده؟ خب خیلی فرق‌ها ولی فرض ساده‌شونده می‌کنیم و فرض می‌کنیم فقط ۲تا عامل باعث کل تغییرها شدند. اولی این که رشد تولید ناخالص کاهش پیدا کرده و دومی این که توزیع سرمایه تغییر پیدا کرده و واریانس توزیع زیاد شده.خب از نظر من کل جالبی این درس همینجاهاست، این که ما بیایم چیزهایی رو که کیفی و موردی همه می‌دونیم و فکر می‌کنیم همه‌شون مهم و موثرند، واقعا اندازه‌گیری کنیم و کمی از پیش‌فرض‌های ذهنی خودمون فاصله بگیریم و بیشتر ببینیم داده‌های واقعی چی نشون می دهند و این که آیا واقعا این اتفاق به اون نتیجه ربط داشته؟ اگر داشته دقیقا چقدر داشته؟ و از این اولویت‌بندی کمی تو تصمیم‌ها و سیاست‌گذاری‌های آینده‌مون استفاده کنیم. حالا هم می‌خواهیم ببینیم واقعا هرکدوم از این ۲ مورد چقدر تو کاهش upward mobility تاثیرگذار بوده؛ پس ۲فرض متفاوت رو در نظر بگیریم. فرض اول این که توزیع درآمد رو به همین شکلی که هست نگه داریم ولی فرض کنیم GDP مثل گذشته افزایش پیدا می‌کنه، حالت دوم هم تبعا این که رشد GDP رو دست نزنیم و فرض کنیم توزیع سرمایه مثل گذشته هست.(۳)اینجا چتی متودی که ارائه می‌کنه این هست که میگه بیایم برای به دست آوردن حالت اول حقوقی که هر شخص می‌گیره رو به همون نسبت افزایش تولید ناخالص قبلی افزایش بدیم و برای حالت دوم فرض می‌گیریم افزایش GDP همون هست و منتها کیک اقتصادی رو همونطور ببریم که سال ۱۹۴۰ بریده‌بودیم و همون توزیع فراوانی از سرمایه رو بین مردم در نظر بگیریم. برای آمریکا به نمودار زیر می‌رسیم. Counterfactual upward mobilityشاید بتونیم از این نمودار برداشت کنیم که چیزی که برای آمریکا در طولانی‌مدت مهم‌تر بوده(و هست البته) توزیع بهتر سرمایه باشه، گرچه تولید ناخالص در کوتاه‌مدت جواب بهتری می‌ده. برای کشورهای دیگه رو هم می‌تونیم پایین ببینیم.counterfactual upward mobility of different countriesمثلا جالبه همونطور که میشد حدس زد برای سوئد با سیستم‌های اجتماعی متفاوتی که از آمریکا داره چیزی که بیشتر اهمیت داره رشد اقتصادی به نظر میاد و اختلاف طبقاتی خیلی چیز مطرحی نیست.(البته دقت کنید که برای کشورهای غیرآمریکا اون شیب نزولی وجود نداشته و scaling نمودار متفاوته.). یه چیز جالبی هم که اینجا هست اینه که هر کشور با کشور دیگه فرق می‌کنه، یعنی شرایط مثلا ما با سوئد شاید فرق کنه و راه‌حلی که تو سوئد جواب میده لزوما راه‌حل ما نیست.داد؛ یه الف بچه وسط دالاساز اینجا به بعد درس حتی جالب‌تر هم میشه. چون طبق بخش قبل در آمریکا ۲/۳ کم شدن upward mobility مربوط به عوض شدن توزیع ثروت و افزایش اختلاف طبقاتی هست، بیشتر باید روی این بخش فکر کنیم و ببینیم چه کارهایی میشه کرد.(بازم دقت کنید که این با توجه به داده‌های آمریکا هست و لزوما همه‌جا برقرار نیست.)یکی از راه‌های معمول که همیشه مورد بحث هم قرار می‌گیره گرفتن مالیات بیشتر از افراد پولدار هست. حدودای سال ۱۹۷۰ یک درصد پولدار جامعه چیزی حدود ۷۰ ۸۰٪ مالیات می‌دادند که الان به چیزی حدود ۴۰٪ کاهش پیدا کرده.راه‌حلی که بیشتر میشه به مسیرهای مختلفش فکر کرد توانمندتر کردن افراد فقیر جامعه هست. با این کار هم بعضی از افراد فقیر کار پیدا می‌کنند و هم تقاضا بین کارهای مخصوص فقیرها کمتر میشه و وضع اون‌هایی که در اون کار‌ها می‌مونند هم بهتر میشه. راجع به فاکتورهای مختلفی که مطرح هست و میشه در نظرش گرفت جلسه‌ی قبل یکم صحبت کردیم(جایی که طرف زندگی میکنه، دسترسی به امکانات بهتر، ...) و به اون‌ها میشه فکر کرد، یک مساله‌ی دیگه‌ای هم که اینجا مطرح میشه این هست که «تحصیل» لزوما در افزایش درآمد موثر نیست، این پیپر آقای Deming میاد درآمد افراد جامعه رو برحسب توانایی اجتماعی و توانایی ریاضیاتی که تو کاری که دارند نیاز هست در سال‌های مختلف نشون میده. البته که این تقسیم بندی ۲تایی ریاضی خوب و بد خیلی چیز بی‌مزه‌ایه و شاید میشد جورهای بهتری این حرکت رو بزنه که به نمودارهای قشنگ‌تر و دقیق‌تری برسه،(۴) ولی حالا این هم پوینتش ساده بودنش هست.رشد درآمدی ۴دسته مختلف، سال‌های مختلفیک برداشتی که شاید بشه از این نمودار کرد این هست که خب خودکارسازی و فناوری کلا پیشرفت کرده و دیگه خیلی شغل‌ها مثل سابق نیاز به ریاضیات عمیقی ندارند(احتمالا اگه رشته‌تون مهندسی باشه که اکثریت ما هستیم و سرکار رفته‌باشید این رو حس کرده‌باشید:)) ) و ابزارهاش تعریف شدند و همونطور که می‌بینید توانایی‌های اجتماعی و کار تیمی مهم‌تر از سابق شدن و حقوق بیشتری هم بهشون تعلق می‌گیره.چیزهایی هست که نمی‌دانیآخر این کلاس هم چتی یه صحبتی مطرح می‌کنه که این هست که بیاید برگردیم و نگاه کنیم شاید لزوما upward mobility تنها چیزی نباشه که ما بخوایم. چون این قضیه لزوما از لحاظ کارایی و اقتصادی شاید بهینه نباشه.مثلا فرض بگیرید یه راه خیلی کلنگی اینه که ما بیایم هاروارد که قشر پولدار بیشتر میرن رو جا این که گزینش کنیم رندم بچه‌ها رو انتخاب کنیم قطعا این شکلی social mobility ما بیشینه میشه چون دیگه هیچ ربطی به خونواده‌ها نداره(در واقع هیچ ربطی به هیچ چیزی نداره!) ولی خب این چیزی نیست که ما می‌خوایم چون مثلا meritocracy(شایسته‌سالاری) هم برامون مهم‌ه، رشد اقتصادی هم برامون مهم‌ه، و..؛ پس ما فقط این نیست که برامون مهم باشه و یحتمل یه trade off این وسط هست چون یه طورایی حرکتی که ما می‌زنیم اینه که به یه سری بچه که توانایی کمتری دارن فرصت‌های بیشتری بدیم. پس باید از این دوگانه هم یه طورایی فرار کنیم یا بررسی‌ش کنیم که کاریه که جلسه بعد می‌خوایم بکنیم!پی‌نوشتدو تا مساله هست که شاید بد نباشه از این بحث ادامه بدیم، یکی این که این متودهایی که تو این جلسه صحبت شد همینقدر کشکی هم نبود و یکم کارهای آماری پشتش هست که اگر دوست داشتید می‌تونید تو پیپرهایی که ارجاع داده شده‌اند ببینیدشون، ما هم اگه تنبلی نکنیم یه تکمله به این متن می‌زنیم که تو اون‌ها هم یکم بیشتر ببینیم چه خبره. دوم هم این که رویای آمریکایی پس واقعا چیه، چجوری پیش رفته و بحث‌های دور و برش تو حوزه‌های مختلف واقعا چی‌هاست. البته همونطور که می‌دونید این ایده لزوما ایده‌ی فقط آمریکا نیست و تو همین ایران خودمون هم تلاش‌هایی برای پیاده‌سازی‌ش شده که لزوما هم بد نبوده؛ شاید بد نباشه از این جهت هم یه تکمله به این صحبت زده بشه چون حس می‌کنم خیلی توش جوب زده‌شد،(چون هم ما این‌ها رو بلد نیستیم از دوستان اقتصادی و علوم اجتماعی هم دعوت به همکاری می‌شود، در صورت تمایل صفحه رو بکشید بالا.)؛ که این هم ببینیم به چی‌ها می‌تونیم برسیم. ۱ همین‌جا این مرجع حرفش این هست که به دست آوردن upward mobility در مجموعه داده‌ها به این بستگی دارد که چطور داده‌ها رو در نظر بگیری و به اصطلاح کات بزنی و از چه متودی استفاده کنی؛ البته که خیلی حرف حسابی نزده:)).۲ البته یک بحث شاید عمیق‌تر و بدردبخورتری هم هست که شاید از اینجا هم بشه بازش کرد و اون دوباره بولد شدن جریان سیاسی آدم‌هایی مثل ترامپ هستش که ایده‌ی گلوبالیزیشن رو کلا می‌ذارن در کوزه و ایده‌های دور و برش که چیز جالبی است که یادم هست زمان انتخابات هم «ستون گنگ» یک بحث ۲ساعته‌ای توی حلقه‌ی فلسفه سیاسی‌ش راجع بهش گذاشت که حالا من نمی‌دونم. اگه کسی پایه بود از اینجای بحث یک appendix اونطوری در بیاره هم ما استقبال می‌کنیم.۳ این کاری که اینجا می‌کنه مثل این که یک کاری است به اسم Counterfactual thinking که به کار اقتصاددان‌ها و جامعه‌شناس‌ها میاد. کلیت قضیه این شکلی هست که «اگر اتفاق x به شکل دیگه‌ای می‌افتاد روند y چطور پیش می‌رفت.». البته مثل این که انقدر هم مساله ساده نیست و یک فیلدی هست برای خودش.۴ البته تو پیپر کارهای بامزه‌تری هم کرده که شاید چتی برای ساده کردن بحث این نمودار رو فقط برداشته.منابع Yonatan Berman, The Long Run Evolution of AbsoluteIntergenerational Mobility 2018. Link.Chetty, Grusky, Hell, Hendren, Manduca, Narang. The Fading American Dream: Trends in Absolute Income Mobility Since 1940. 2017. Link.Lecture 4. The American Dream in Historical and International Perspective. Link.David Deming. Growth in Real Hourly Wage Rates by Occupation Task. 2017. Link.* به تیتر پاراگراف‌ها و بی‌مزه‌بازی‌ها هم امیدوارم خیلی توجه نکرده‌باشید:] علی‌اکبر غیوری علی‌اکبر غیوری Wed, 16 Dec 2020 12:03:50 +0330 https://virgool.io/@aliakbar_ghayoori/%DB%8C%DA%A9-%D9%86%D8%AE-%D8%A7%D8%B2-%D8%A8%D8%B1%D8%A7%D8%AF%D8%B1%D8%A7%D9%86-%DA%A9%D8%A7%D8%B1%D8%A7%D9%85%D8%A7%D8%B2%D9%88%D9%81-zvl3ae9muups *خطر اسپویلبرادران کارامازوف را نویسنده‌اش مثل این که حدود سال‌های ۱۸۷۰ ۸۰ در نشریه‌ای چاپ می‌کرده است. شاید قرار بوده سه‌گانه‌ای شود که به عمر نویسنده قد نداده. من این حرف‌های روشن‌فکرطوری را که از رمان تعریف می‌کنند و از فروید و ویتکنشتاین و فلان نقل می‌آورند نه بلد هستم نه می‌خواهم نزدیکش شوم. ولی خب خیلی حرف‌ها هست که می‌شود راجع به این قصه زد، خیلی قاب‌ها که می‌شود به آن نگاه کرد و نخ‌های مختلفی که می‌شود دنبالشان کرد؛ من می‌خواهم از همه‌ی آن‌ها بگذرم و فقط به یکی از آن‌ها بند کنم، به قشنگ‌ترین و باشکوه‌ترینش به نظرم. کتاب در گیر و دارهای پیچیده‌ی زندگی و ماجراهای عاشقانه و مشکلات فلسفی و روحیات چند نفر شکل گرفته. در بین همه‌ی این شخصیت‌ها یک شخصیت هست که جور دیگری قصه دارد. ایوان فئودورویچ کارامازوف. برادر بزرگتر خانواده‌ی کارامازوف، کم‌حرف‌تر، بی‌انگیزه‌تر به درگیری‌های خانوادگی. به نظر می‌آید ایوان به خدا اعتقادی ندارد، از باخداها کسی -جز برادرش- قبولش ندارد، بی‌خداها هم به نظرش حقیر می‌آیند. تا جایی از داستان ایوان هست، درگیر مساله‌ای عاشقانه و خانوادگی است، درگیر مساله‌های فلسفی است. تا جایی از داستان پیش می‌آید، حضور دارد. خانواده درگیر مساله‌های عاشقانه‌ی عجیب است و مساله‌های مالی هم به آن اضافه شده‌، ایوان در گوشه‌ای همچنان هست. در جایی از اوایل داستان ایوان از این همه حقارت و ابتذال خسته می‌شود نصفه‌شبی به یک کافه(بار) می‌رود، در آن‌جا با الکسی کارامازوف -برادر کوچک‌ترش- صحبت می‌کند و از قصه می‌رود. کلا می‌رود. ایوان دیگر در دعواهای دمیتری و فئودور بر سر پول نیست، در مثلث‌های مسخره‌ی عشقی قصه هم نیست. همه را رها می‌کند و می‌رود. ایوان غایب است، ساکت است. نویسنده مهم‌ترین نخ قصه را با غیاب ایوان می‌گوید نه با حضورش. چیزی نمی‌گوید و همه می‌فهمند ایوان چه می‌کشد. ایوان بین همه و هیچ، نمی‌ایستد، حقیر و میان‌مایه نمی‌شود؛ هیچ را انتخاب می‌کند و از قصه کنار می‌کشد. در آن بار به آلیوشا -که آن زمان‌ها راهب است- می‌گوید: «اگر رنج كودكان در مجموع رنج‌های مورد نياز برای خريد حقيقت سهمی دارد پس من از پيش اعلام ميكنم كه همه‌ی حقيقت به چنين بهايی نمی‌ارزد.». همه‌ی حرف ایوان در همین صحبت طولانی‌اش با آلیوشا است، که حتی در این مساله هم میان‌مایه نمی‌شود. در این که «این نیست که خدا را قبول ندارم. آلیوشا، فقط با کمال احترام بلیت را به او پس می‌دهم.». «هیچ»ی که ایوان به آن بند می‌کند به همه‌ی آن خرده‌پول‌ها، همه‌ی آن خرده‌عشق‌ها و ایمان‌ها می‌ارزد؛ و برای همین در آخرین شب برادرش آلیوشا را صدا می‌کند در بار به او می‌گوید می‌خواهد بر سر مسائل مهم‌تری از خانواده و روابط عاشقانه‌ صحبت کند، از مسیح و خدا و دنیا می‌گوید؛ فردا به اموال پدرش تف می‌اندازد، سوار کالاسکه می‌شود و به مسکو می‌رود. همین.پ‌ن۱: در این وسط نه باخداها ایوان را قبول دارند چون می‌گویند کافر است، نه بی‌خداها(اسمردیاکوف) چون شاید به نظرشان می‌رسد او یار خوبی برای آن‌ها هم نیست. اما بیایید قصه را از جای دیگر ببینیم؛ ایوان این دو را چطور می‌بیند و بین آن‌ها زندگی می‌کند؟پ‌ن۲: نویسنده مشکل مالی داشته و سریع‌تر از حد معمول رمان را نوشته، البته مثل این که بعضا بقیه‌ی کتاب‌هایش هم در همین زما‌ن‌های کم نوشته‌است؛ جنایات مکافات و قمارباز سرجمع حدودا ۱ سال طول کشیده شده‌است. نقل می‌کنند که داستایفسکی مشکل مالی داشته و درگیر قمار بوده و برای رساندن نوشته‌ها یک ماشین‌نویس استخدام کرده‌بوده، همزمان در اتاق راه می‌رفته و داستان را می‌گفته و پیش می‌برده و بعضا بدون بازنویسی به نشریه می‌رسانده. این که چطور این همه شخصیت‌های عجیب و پیچیده و عمیق در ذهن این شخص درست شده و اینطور پیش رفته(قصه همزمان فلسفی هست، روانشناسی و اجتماعی و دلسوز نسبت به روسیه‌ی آن زمان هم هست. و همزمان قصه است و درگیر کلیات نشده، یعنی انگار تلاش نشده این‌ها در رمان چپونده بشود و در روح قصه هست.) هیچ‌وقت برایم قابل‌هضم نبوده. نامجو در رد و تمنای نوستالژی می‌گوید دیگر انگار باید بپذیریم دوران غول‌ها تمام شده‌است. علی‌اکبر غیوری علی‌اکبر غیوری Wed, 16 Dec 2020 11:58:22 +0330