https://virgool.io/feed/@hamidreza01 تلگرام: https://t.me/hamidreza01 fa 2026-06-16 20:05:26 https://files.virgool.io/upload/users/1998590/avatar/Bc4AMb.jpg?height=120&width=120 https://virgool.io/@hamidreza01 https://virgool.io/@hamidreza01/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%A8%D8%AE%D8%B4-%D8%A7%D9%88%D9%84-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D9%85%D8%A7%D8%B4%DB%8C%D9%86-rhz51gucmk5q در دهه ۲۰۰۰، مشخص شد که نیازی به تعریف کامل همه جزئیات یک ویژگی از هوش(مانند هوش مصنوعی های سنتی که با شروط تو در تو ساخته می‌شدند) برای قادر شدن یک هوش مصنوعی به تقلید آن وجود ندارد. این پدیده به نام "اثر نامعقول داده‌ها" شناخته می‌شد که به وضوح نشان می‌داد که ترفندهای آماری در مجموعه داده های بزرگ ‌میتوانند رفتار مغز را شبیه سازی کنند. این اصطلاح اولین بار توسط Peter Norvig، دانشمند مشهور کامپیوتر و مدیر تحقیقات گوگل ابداع شد. از این سالها به بعد بود که یک تغییر الگو در دنیای هوش مصنوعی رخ داده بود، حالا هوش مصنوعی مبتنی بر داده بود. و این به این معنا بود که به جای ثابت بودن و نیاز به تعریف تمام جزئیات یک هوش مصنوعی، دائم رفتار خود را بر اساس محیط و تجاربش تغییر می‌داد.شاید از مفهوم یادگیری ماشین شنیده باشید، اما دقیقاً چیست؟ شاید به سادگی بتوانیم یادگیری ماشین را به عنوان یک ابزار برای تبدیل اطلاعات به دانش توصیف کنیم. یک کامپیوتر داده‌ها را مشاهده کرده، بر اساس مشاهدات یک مدل ایجاد می‌کند و آن را به عنوان فرضیه استفاده می‌کند، تا نرم‌افزار آن بتواند مسائل را حل کند. توسعه دهندگان هوش مصنوعی نمی‌توانند هر شرایط آینده را پیش‌بینی کنند و همیشه نمی‌دانند چگونه یک راه حل را خودشان تبدیل به کد کنند و دقیقا به این دلیل است که مفهوم یادگیری ماشین به وجود آمده است. یک مجموعه داده بزرگ به همراه تکنیک‌های یادگیری ماشین می‌توانند به خودی خود الگوها و دانش مخفی درباره یک مسئله را کشف کنند و انواع تصمیم‌گیری‌ها را انجام دهند. یادگیری ماشین بسیار جذاب است چون قدرت بهبود توانایی هوش مصنوعی در خارج شدن از سیستم‌های مبتنی بر قوانین، یادگیری و بهبود تعاملات با محیط‌هایش از جمله ما انسان ها را دارد.اشکال مختلفی از یادگیری ماشین وجود دارد و هیچ رویکرد واحدی برای همه وظایف کار نمی کند. یکی از این رویکرد ها یادگیری نظارت شده نام دارد که از داده های برچسب گذاری شده استفاده می کند و به ویژه برای طبقه بندی اشیاء یا درک ارتباط بین متغیرهای وابسته و مستقل موثر است. اغلب در جاهایی که اهداف واضح هستند و دقت بسیار مهم است استفاده می‌شود. یادگیری یک تابع با تنها تعداد متناهی دسته‌های خروجی ممکن به نام "طبقه‌بندی" شناخته می‌شود، در حالی که یادگیری یک تابع که خروجی‌اش پیوسته است (مانند قد یا دما) با عنوان "رگرسیون" توصیف می‌شود. رگرسیون خطی شامل یافتن بهترین تطابق بین ورودی و خروجی است. هدف یادگیری نظارت شده، پیش‌بینی نتایج برای داده‌های جدید است. در واقع تلاش دارد تا رفتار هدف را به عنوان تابعی از مجموعه‌ای از ویژگی‌ها توضیح دهد.یادگیری با نظارت نیازمند مقدار زیادی داده برچسب‌گذاری شده است، معمولاً ۱۰ برابر تعداد پارامترهای استفاده شده. به عنوان مثال، اگر هوش مصنوعی شما تصاویر هواپیماها و پرندگان را بر اساس ۱۰۰۰ پارامتر تشخیص دهد، حداقل نیاز به ۱۰۰۰۰ تصویر برچسب‌گذاری‌شده برای آموزش آن دارید. ایجاد این تصاویر یک فرآیند هزینه‌بر است هم از لحاظ زمانی و هم مالی است. با این حال، راه‌هایی برای تسریع کار و کاهش دخالت دستی وجود دارد. فیسبوک از تعداد بسیار زیادی تصویر از اینستاگرام که با هشتگ‌ها برچسب‌گذاری شده بودند، استفاده کرد. در حالی که برخی از این هشتگ‌ها (مانند #عالی) توصیف‌های غیربصری بودند، فیسبوک از رویکرد جدیدی تحت عنوان "ضعیفاً نظارت‌شده" بهره‌برداری کرد که منجر به ایجاد یک مدل هوش مصنوعی با نرخ دقت ۸۵.۴٪ شد.از طرفی دیگر ما یادگیری بدون نظارت را نیز داریم، یادگیری بدون نظارت یکجانبه است و داده‌های ورودی آن بدون برچسب فراهم می‌شوند. بنابراین، عامل هوش مصنوعی باید از داده‌های ورودی بدون بازخورد صریح یاد بگیرد. به طور معمول این رویکرد از "خوشه‌بندی" استفاده می‌کند تا خوشه‌های مفیدی از اطلاعات ارائه شده را شناسایی کند. به عنوان مثال، اگر به یک کودک جوان دسته‌ای از توپ‌ها داده شود، او ممکن است آن‌ها را بر اساس اندازه، رنگ یا الگو مرتب کند. خوشه بندی نیز چنین کاری را انجام می‌دهد. رویکرد های دیگری نیز وجود دارند، به عنوان مثال رویکردی تحت عنوان ارتباط، به دنبال اتصالات می‌گردد که اگر اتفاق X بیفتد، احتمالاً Y نیز رخ می‌دهد. اما معمولا خوشه‌بندی پر استفاده تر است.زمانی که دسترسی به میلیون‌ها تصویر از اینترنت به مدل هوش مصنوعی داده شود، مدل ممکن است خود را در حال گروه‌بندی تصاویر به گربه‌ها، خانه‌ها یا سلفی‌ها ببیند. و با این حال، ممکن است به همان اندازه در مورد تفاوت های آب و هوایی مانند ابری، آفتابی و بارانی حساس شود. یادگیری بدون نظارت برای تحلیل اکتشافی داده بسیار قدرتمند است اما ممکن است منجر به برخی نتایج غیرمنتظره شود که ما انسان ها از آن می‌ترسیم. حمیدرضا قهرمانی حمیدرضا قهرمانی Sat, 05 Aug 2023 07:38:53 +0330 https://virgool.io/@hamidreza01/%D8%A7%D9%88%D9%84%DB%8C%D9%86-%D8%A7%D8%B3%D8%A7%D8%B3-%D8%B9%D9%84%D9%85-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-s3isuxcipbwg مغز ما در طول زندگی، ساختار های عصبی خود را به طور مداوم تغییر شکل می‌دهد. در سطح عصب‌ ها، یادگیری یک چیز به این معنی است که مغز ما یک مسیر عصبی را تشخیص داده و تصویری از آن ذخیره کرده است. سیناپس های ما دائماً در طول زندگی در حال تغییر هستند و این تغییرات منعکس کننده چیزهایی است که ما یاد می گیریم. "Neuroplasticity" یا "انعطاف پذیری عصبی" که از آن برای این سری مقاله کمک خواهیم گرفت، به توانایی مغز ما برای ایجاد و یا تشخیص مسیرهای جدید عصبی اشاره دارد. این توانایی برعکس تصور عموم، هیچگاه از بین نمی‌رود و ما در هر سنی میتوانیم شکل شبکه عصبی مغز خود را تغییر دهیم.شباهت های مختلفی بین کامپیوتر و مغز ما وجود دارد. اما مهم ترین تفاوت که باعث می‌شود مغز ما خاص شود، این است که مغز ما مانند یک ماهیچه است. در واقع هرچقدر بیشتر یاد بگیریم، سرعت در یادگیری و حافظه مغز ما بیشتر می‌شود! هرچقدر مغز ما دانش از قبل داشته باشد، یادگیری و درک دانش جدید آسان تر می‌شود. به زبان دقیق تر، هر چه شبکه دانش موجود قوی تر باشد، جذب دانش جدید در آن شبکه آسان تر است.یکی دیگر از جنبه های بسیار مهم یادگیری که در بخش های بعدی مقالات به آن به صورت عمیق خواهیم پرداخت، بازخورد خطا است. به این معنی که اگر در روند یادگیری دچار خطا شویم، دقیقا چه بازخوردی خواهد داشت؟ در زمان های گذشته یک رویه استاندارد در مدارس انگلیس و آمریکا استفاده از کلاهی تحت عنوان "Dunce" بود. رویکرد آن به این شکل بود که کودکی که در آن روز بیشترین اشتباهات را در یادگیری داشته است، مجبور می‌شد در گوشه‌ای بنشیند و کلاهی که روی آن با اندازه بزرگ نوشته شده بود "احمق" را بر سر خود بگذارد. در حالی که این رویکرد خوشبختانه متعلق به گذشته است، میراث آن در بسیاری از سیستم های آموزشی باقی مانده است. دانش‌آموزان، معلمان و والدین همه با این باور عمل می‌کنند که اشتباه کردن اساسا نامطلوب است و گاهی اوقات شایسته تنبیه است. برعکس، روند یادگیری صحیح زمانی اتفاق می‌افتد که دانش‌آموزان به مشارکت و ایجاد پاسخ تشویق شوند و سپس به سرعت بازخورد عینی و غیر تنبیهی دریافت کنند که آنها را قادر می‌سازد تا خود را اصلاح کنند. اگر به ما نشان داده شود که خطاها بخشی طبیعی از یادگیری و فرصتی برای اصلاح کاوش آن‌ها هستند، خیلی سریع‌تر یاد می‌گیریم.همچنین برخی اوقات ممکن است که برای رسیدن به مهلت مقرر یا یک امتحان، تمام شب را بیدار بمانید. این عمل، گاهی اوقات می تواند برای دستاوردهای کوتاه مدت مفید باشد. با این حال، تقریبا هرگز در درازمدت کار نمی کند. در واقع شما در بهترین حالت تنها برای ۲۴ ساعت اطلاعات را به خاطر خواهید داشت. این امر به این دلیل است که مغز ما دانش را یکپارچه سازی نمی‌کند. در واقع زمانی که ما به صورت خودآگاه یا ناخودآگاه دانش را با دانش قبلی خود تطبیق میدهیم، یکپارچه سازی دانش را انجام داده ایم. در آینده دقیق تر این مفاهیم را مورد بررسی قرار خواهیم داد اما یکی از مثال های یکپارچه سازی ناخودآگاه را در خواب میتوان یافت! مغز ما دانش جدید را در زمانی که در خواب هستیم به بهترین نحو یکپارچه سازی می کند. رویاهای ما به ما این امکان را می دهند که یک چشم انداز کاملاً جدید از کاوش، تعامل فعال و بازخورد خطا داشته باشیم. دفعه بعد که می خواهید چیزی یاد بگیرید، سعی کنید قبل از رفتن به رختخواب آن را کامل بخوانید، صبح که بیدار شدید، از خود تشکر خواهید کرد.به زمانی در مدرسه فکر کنید که در آن سعی داشتید چیزی یاد بگیرید، چه احساسی داشتید؟ بیشتر مردم احساسی همچون بی‌حوصلگی، خوشحالی و غمگینی را همراه با یادگیری دانش در مدرسه به یاد دارند. به زبان ساده، ذهن ما در به خاطر سپردن پاسخ های عاطفی بسیار مهارت دارد. به جای سرکوب احساسات خود در حین مطالعه، چرا سعی نکنید آنها را در آغوش بگیرید؟ اگر بتوانید محتوایی را که یاد می گیرید با احساسات خود گره بزنید، به احتمال زیاد آنها را به خاطر خواهید آورد. این چیزی نیست که فقط در تئوری کار کند، در واقع حتی اخباری که شما را شوکه یا عصبانی می‌کنند، برای مدت طولانی‌تری در ذهن شما باقی می‌مانند. به همین دلیل است که بسیاری از روزنامه‌ها تیترهای خود را به گونه‌ای تنظیم می‌کنند که چنین پاسخ‌های احساسی شدیدی را به دنبال داشته باشند.تمام مواردی که گفته شد از اولین اساس های علم یادگیری هستند که در بخش های بعدی این سری مقاله به طور دقیق تری به آنها خواهیم پرداخت و از تکنیک های مرتبط با آنها برای داشتن قدرت بیشتر در یادگیری استفاده خواهیم کرد. حمیدرضا قهرمانی حمیدرضا قهرمانی Fri, 21 Jul 2023 12:27:54 +0330 https://virgool.io/@hamidreza01/%D9%88%D8%A8-%DB%B3-%D9%88%D8%A7%D9%82%D8%B9%D8%A7-%DA%86%DB%8C%D8%B3%D8%AA-qpipfkjj986p در اینترنت، همه چیز روی سرور ها جریان دارد. اکثریت قریب به اتفاق این سرورها در اتاق‌های سردی به نام مرکز داده یا دیتاسنتر که به طور خصوصی متعلق به تعداد معدودی از شرکت‌های بزرگ در سیلیکون ولی هستند، زندگی می‌کنند. اما خواسته‌ی وب ۳ این است که تعاملات ما در اینترنت به روشی بدون مجوز از دولت، سازمان یا شرکت خاصی و به طور غیرمتمرکز انجام شوند. این وب جدید روی سرورهای متمرکز میزبانی نخواهد شد، بلکه میزبانی آن به عهده شبکه‌های توزیع شده ای از کامپیوتر و سرور های داوطلبانه خود کاربران است.برای درک دقیق وب ۳، بهتر است اطلاعاتی در خصوص وب ۱ و ۲ داشته باشیم. در وب ۱، صفحات عمدتاً به شکل ایستا وجود داشتند. به این معنی که کاربران فقط می‌توانستد بخوانند. اما در وب ۲(که اکثریت اینترنت امروزه ما را شامل می‌شود)، قابلیت نوشتن نیز اضافه شد، حالا کاربران هم می‌توانستند بخوانند و هم بنویسند. اما در وب ۳، یک ویژگی دیگر نیز اضافه شده است، حق مالکیت! کاربران به جز اینکه مینویسند و میخوانند، حتی خود می‌توانند مالک باشند! این همان چیزی است که وب ۳ به دنبال آن است.وب ۳ به دنبال ایمن سازی و غیرمتمرکز کردن مالکیت محتوای دیجیتال است و امکان تراکنش های همتا به همتا را بدون نیاز به واسطه فراهم میکند. برای اینکه این سیستم به طور موثر عمل کند، نقش اعتماد و مجوز، از یک شرکت متمرکز به یک کد برنامه نویسی شده ای که روی شبکه غیرمتمرکز کامپیوتر ها اجرا می شود تغییر کرده است. این مکانیسم که توسط آن می توان داده ها را به روشی قابل اعتماد ذخیره کرد، بلاکچین نامیده می شود که اطلاعات در آن به یک سرور واحد و کنترل شده مرکزی وابسته نیستند. به عنوان مثال، به سیستمی از سکه های آنلاین برای یک بازی ویدیویی فکر کنید. در وب ۲، برنامه نویس آن بازی یک پایگاه داده حاوی نام هر فرد و تعداد سکه‌های آن‌ها خواهد داشت. در نهایت، مقدار سکه‌هایی که در آن بازی دارید، کاملاً به صلاحدید کسی است که بازی را مدیریت می‌کند. اما وب ۳ به شما این امکان را می‌دهد که آن سکه‌ها را به عنوان دارایی‌های دیجیتال منحصربه‌فرد خود در اختیار داشته باشید. هیچ شرکت یا فردی نمی تواند آن ها را از شما بگیرد. سکه ها در یک بازی ویدیویی ممکن است بی اهمیت به نظر برسند، اما همانطور که خواهیم دید، این اصل مالکیت واقعی دارایی های دیجیتال می تواند تقریباً تمام جنبه های وب را که امروزه می شناسیم، به شدت خراب کند. بله، بزرگترین مزیت وب ۳ بازگرداندن مالکیت داده به دست کاربران است. از آنجایی که داده‌ها به صورت غیرمتمرکز ذخیره و پردازش می‌شوند، شما مالک تمام داده‌های خود خواهید بود و هیچکس به جز خودتان حق دسترسی به آنها را مگر اینکه خودتان بخواهید، ندارد. همچنین وب ۳ قصد دارد داده ها را با امنیت بیشتری نسبت به نسخه های قبلی خود ذخیره کند. ذخیره سازی متمرکز داده به این معنی است که یک هکر برای دسترسی به داده های میلیون ها نفر تنها باید به یک پایگاه داده نفوذ کند. اما وقتی صحبت از وب غیر متمرکز می‌شود به این معنی است که دارایی های هر کاربر به صورت جداگانه محافظت می‌شود. در نهایت، وب ۳ قصد دارد از طریق تغییر قدرت از شرکت های بزرگ به دست خود کاربران، زمین بازی دموکراتیک تری را در بسیاری از صنایع ایجاد کند. به عنوان مثال اگر در وب ۳ تولید کننده محتوا باشید، هیچکس نمی‌تواند که محتوای شما را محدود یا حذف کند. اما در وب ۲، اگر روزی فیسبوک یا یوتیوب تصمیم بگیرند که محتوای شما را دوست ندارند، برای ادامه کسب‌وکار و حفظ معیشت خود، هیچ راهی برای شما باقی نمی‌ماند.در وب ۲، کاربران برای ارتباط با یکدیگر داده ها را به یک سرور مرکزی ارسال می کنند و آن سرور مرکزی است که تصمیم میگرد با این داده چکار کند، آیا به مقصد برساند یا نیاز است که بررسی امنیتی روی آن انجام دهد؟ برای مثال، اگر آرش می خواست به داریوش پیام بفرستد، پیام ابتدا به سرور مرکزی یک پیام‌رسان می‌رفت و در آنجا تصمیم گرفته می‌شد که پیام به داریوش ارسال بشود یا نه.اما در وب ۳، مرد میانی یا واسطه قطع می شود و در عوض از طریق استفاده از ارتباطات همتا به همتا، کاربران به طور مستقیم با یکدیگر ارتباط برقرار می کنند. به عنوان مثال اگر پیامی که در مثال بالا قرار بود ارسال شود، از طریق وب ۳ ارسال می‌شد، پیام به طور مستقیم و بدون نظارت از سوی یک سرور، به کوروش می‌رسید. با افزایش تعداد این تعاملات، شروع به تشکیل یک زنجیره می‌شود. اینجاست که اصطلاح «بلاکچین» به وجود می‌آید. در یک بلاکچین، هر کامپیوتر به تأیید صحت عناصر موجود در آن کمک می کند. به طور خلاصه رویکردی که در چیزی مانند بیت کوین برای تمرکز زدایی بانک‌ها به کار گرفته شد، قرار است در وب ۳ برای تمرکز زدایی از اینترنت استفاده شود. حمیدرضا قهرمانی حمیدرضا قهرمانی Fri, 21 Jul 2023 10:44:25 +0330 https://virgool.io/@hamidreza01/%D9%85%D8%B1%DA%AF-%D9%88-%D8%B2%D9%86%D8%AF%DA%AF%DB%8C-%D8%A7%D8%B2-%D8%AF%DB%8C%D8%AF%DA%AF%D8%A7%D9%87-%D8%B9%D9%84%D9%85-u9jou0ubbcau مرگ، بزرگترین راز مرتبط با بشریت! دانشمندان بسیاری برای کشف اینکه دقیقا بعد از مرگ چه اتفاقی می‌افتد تلاش کرده و می‌کنند، اما هنوز به یک نتیجه قطعی نرسیده اند. ما در این مقاله محتمل ترین ایده مرتبط با مرگ از نظر علم را مورد بررسی قرار خواهیم داد. البته قابل ذکر است که نظر ادیان در خصوص مرگ نیز قابل احترام است و میتواند صحیح باشد، اما بحث ما صرفا در خصوص علم است و پذیرش یا نفی آن کاملا به عهده مخاطب و منطق اوست، زیرا اثبات یا نفی دقیقی وجود ندارد. برای درک اینکه مرگ چیست، بهتر است ابتدا درک کنیم که وجود چیست! علم وجود را آگاهی تلقی می‌کند، انسان تا زمانی وجود دارد که آگاهی دارد. در واقع خود یا موجودیتی که در درون خودمان تصور می‌کنیم آگاهی یا برآیند خاطرات ما است. به زبان ساده تر، موجودیت ما به عنوان یک انسان، صرفا توهم مغز است و ما چیزی جز همین جسم و مغز نیستیم. حالا که متوجه شدیم که تعریف وجود یا روح از نظر علم چیست بیایید پیش برویم. میدانیم که برخی چیزها از نظر علم هیچگاه از بین نمی‌روند، صرفا از شکلی به شکل دیگر تبدیل می‌شوند. ما نیز پس از مرگ، از بین نمی‌رویم و تمام اجزای تشکیل دهنده ما باقی می‌مانند. در واقع مرگ صرفا فراموشی کامل آگاهی و هماهنگی بین اجزای وجودی ماست. اما این اجزای وجود از بین نمی‌روند. آیا زندگی پس از مرگ وجود دارد؟ خب با توجه به اینکه اجزای وجودی ما همچنان پایدار هستند بله احتمال آن وجود دارد. ما قبل از اینکه متولد شویم هم مرده بودیم، وقتی از آن حالت مرده، زنده شدیم، چه چیزی میتواند جلوی مارا برای زنده شدن دوباره بگیرد؟ به زبان ساده تر، حالت پس از مرگ، به احتمال زیاد با همان حالت قبل از تولد یکسان هست، وقتی یک بار از آن حالت به انسان تبدیل شده ایم، بازهم ممکن است که بتوانیم این کار را انجام دهیم.در کل مسئله مرگ و زندگی یک چیز اعتقادی است، اما سعی کردم در این نوشته پرطرفدار ترین ایده در این خصوص در علم را بازگو کنم. ایده های مختلف دیگری نیز وجود دارند، مانند ایده وجود زمانی که بازگو میکند چون برای یک لحظه هم که شده در زمان و کیهان زنده بودیم و تاثیر گذاشتیم، آن یک لحظه در زمان برای همیشه باقی خواهد ماند. یا یک ایده شبیه دیگر که بیان میکند: آگاهی به جز اینکه پدیده‌ای صرف از ماده باشد، جزئی ضروری از واقعیت و کیهان است و بخش هایی از آگاهی ما در ابعاد کوانتومی میتواند حفظ شده باشد(عدم قطعیت کوانتومی نوید بخش و مبنای این ایده است، زیرا به نظر می‌رسد ذرات آگاهی دارند). در واقع آگاهی فردی ما ممکن است دوام نیاورد، اما نوعی آگاهی تا زمانی که جهان هستی وجود دارد، دوام خواهد آورد. حمیدرضا قهرمانی حمیدرضا قهرمانی Wed, 19 Jul 2023 00:31:32 +0330 https://virgool.io/@hamidreza01/%DA%86%D8%B1%D8%A7-%D9%86%D8%A8%D8%A7%DB%8C%D8%AF-%D8%A7%D8%B2-%D9%85%DA%A9%D9%85%D9%84-%D9%87%D8%A7%DB%8C-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D9%88%DB%8C%D8%AA%D8%A7%D9%85%DB%8C%D9%86-%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%DA%A9%D9%86%DB%8C%D9%85-locdartigw24 (تایتل نوشته صرفا برای جذب افرادی بود که چنین تصوری در مورد ویتامین های مصنوعی دارند، فلذا اگر واقعا میخواهید در مورد مضرات ویتامین‌ های مصنوعی بدانید، این نوشته مناسب شما نیست)ویتامین‌ها نقش کلیدی ای در بقای ما انسان ها ایفا می‌کنند. ما همواره باید مقداری از آنها را دریافت کنیم تا کارکرد و متابولیسم عادی بدن خود را حفظ کنیم. اما آیا میتوانیم ویتامین های مورد نیاز خود را از ویتامین های مصنوعی دریافت کنیم؟ چه تفاوتی با ویتامین های طبیعی دارند؟ آیا مضر هستند؟ تمام این سوالات را در این مقاله پاسخ خواهیم داد.همینطور که عرض کردم، ویتامین‌ها بسیار مهم هستند. نسل های گذشته ما (که احتمالا شکل انسان امروزی را نداشتند) خود توانایی تولید این ویتامین‌ها را در بدن داشتند، اما این توانایی را در روند تکاملی به دلیل دریافت میزان زیادی ویتامین از بیرون بدن و در نتیجه نبود نیاز به این توانایی، از دست دادند. و اکنون ما برای رفع نیاز خود، مجبور به دریافت ویتامین از منابع خارجی هستیم. برای شروع بیاید تمام درک خود را از دو واژه طبیعی و مصنوعی دور بریزیم، واژه طبیعی یا natural به معنای ساخته شده توسط طبیعت و واژه مصنوعی یا synthetic، به معنای ساخته شده توسط انسان است. فلذا وقتی صحبت از یک چیز مصنوعی می‌شود نباید آن را بد یا چیزی مضر تصور کرد، آن چیز صرفا توسط ما ساخته شده است نه طبیعت! برای مثال، ویتامین سی (Ascorbic Acid) را در نظر بگیرید، ما برای سالیان طولانی این ویتامین را از منابع مختلفی مانند مرکبات دریافت میکردیم. اما با علم مدرن، ما ساختار و شناسه این ویتامین و دیگر ترکیبات را کشف کرده و خود شروع به تولید آنها کردیم. اما سوال اصلی این است که چیزی که خود ما تولید میکنیم با چیزی که طبیعت تولید میکند یکسان است؟ بیایید نگاهی به نحوه کارکرد ویتامین‌ها بیاندازیم. به زبان ساده و جهت درک بهتر، یک ویتامین تنها یک شکل دقیق و مناسب برای رفتن به درون قسمت فعال یک آنزیم است که باعث ایجاد تعاملی میشود که آنزیم را فعال میکند. چیزی شبیه به یک کلید و قفل! همینطور که برای یک قفل فرقی نمیکند که کلید را چه کسی ساخته باشد و فقط مهم است که شکل آن دقیق باشد، ویتامین‌ها هم دقیقا به همین شکل کار میکنند و تفاوتی بین محصول طبیعت و انسان وجود ندارد. در واقع فقط روش تولید و نوع بسته بندی محصول طبیعی با مصنوعی متفاوت است، وگرنه نتیجه و خود محصول دقیقا یکسان است. پس بیایید بدونه توجه به مهملاتی که ممکن است در مورد دستاورد های علمی بگویند، از آنها برای زندگی آسان تر بهره ببریم. حمیدرضا قهرمانی حمیدرضا قهرمانی Mon, 17 Jul 2023 12:09:37 +0330 https://virgool.io/@hamidreza01/%D9%86%DB%8C%DA%A9%D9%88%D9%84%D8%A7-%D8%AA%D8%B3%D9%84%D8%A7-%D9%88-%D8%B4%D8%A8%D9%87-%D8%B9%D9%84%D9%85-u6xpqlzkgh6b نیکولا تسلا دانشمند و مخترع درخشانی بود که کمک های مهمی در توسعه برق و ارتباطات بی سیم داشت. با این حال، او مردی عمیقاً عجیب و غریب بود که ادعاهای بزرگی را در مورد کار خود داشت، همین موضوع باعث شد که در سالهای اخیر افراد به طور فزاینده و غیرعلمی، به تسلا علاقمند شوند. مطمئناً تسلا دانشمندی فوق العاده و باهوش بود. او درک عمیقی از الکتریسیته و مغناطیس داشت و توانست ایده های خلاقانه ای ارائه دهد. به عنوان مثال، او سیم پیچ تسلا را اختراع کرد که نوعی ژنراتور جریان متناوب با ولتاژ و فرکانس بالا (AC) است. سیم پیچ تسلا حتی هنوز هم در کاربردهای مختلفی از جمله پخش رادیویی و تصویربرداری پزشکی استفاده می شود. تسلا همچنین سهم مهمی در توسعه ارتباطات بی سیم داشت. او یکی از اولین افرادی بود که دنیایی را تصور میکرد که در آن افراد بدون سیم با یکدیگر ارتباط برقرار کنند. تسلا علاوه بر دستاوردهای علمی، متفکری بصیر نیز بود. او تعدادی ایده در مورد آینده فناوری داشت که بسیار جلوتر از زمان خود بود. به عنوان مثال، او توسعه هوش مصنوعی، موبایل و حتی اینترنت را پیش بینی میکرد.با این حال، تسلا مردی عمیقا عجیب و غریب بود. او اغلب گوشه گیر و از نظر اجتماعی بی دست و پا بود. او همواره تمایل داشت که در مورد کار خود ادعاهای بزرگی داشته باشد، به حدی که یک بار ادعا کرد که یک پرتو مرگ اختراع کرده است که می تواند کل دنیا را نابود کند. تسلا همچنین از طرفداران ایده اتر بود(ماده ای فرضی که تصور می شد خلاء فضا را پر می کند)، اما وجود اتر هرگز ثابت نشد و اکنون به طور کلی به عنوان یک شبه علم در نظر گرفته می شود. حتی در زمان خود او نیز اثبات شده بود که اتر وجود ندارد، اما تسلا تا زمان مرگش به اتر اعتقاد داشت.تمام اینها دلایلی هستند که باعث شدند امروزه از تسلا بیش از آنچه که بود یاد شود. با استناد به تسلا شبه علم را با علم قاطی میکنند و مهملاتی مانند «تسلا توانست با بیگانگان ارتباط برقرار کند»، «او قدرت‌های کنترل ذهن داشت»، «تسلا به هیتلر برای استفاده از اتر جهت جنگ کمک میکرد» و دیگر مزخرفاتی که با هیچ مدرک و استدلال علمی ای تأیید نمی شوند را به خورد عموم می‌دهند. مطمئنا تسلا دانشمند و مخترع درخشانی بود، اما او نیز انسانی بود و هیچ قدرت ماورایی نداشت. اگر خود او اکنون زنده بود بیشتر ادعاهایی را که در مورد او میکنند را رد میکرد. حمیدرضا قهرمانی حمیدرضا قهرمانی Sun, 16 Jul 2023 17:44:46 +0330 https://virgool.io/@hamidreza01/%D8%A2%DB%8C%D8%A7-go-%D8%AF%D8%B1-%D8%B3%D8%A7%D9%84-%DB%B2%DB%B0%DB%B2%DB%B3-%D9%86%DB%8C%D8%B2-%D8%A7%D8%B1%D8%B2%D8%B4-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D8%AF%D8%A7%D8%B1%D8%AF-xkou7e3grvgo زبان Go یک زبان برنامه نویسی همه منظوره، کامپایلری، سریع و مقیاس پذیر است که توسط گوگل در سال 2009 عرضه شده است. اما Go چه ویژگی ای دارد که باعث می‌شود حتی در سال 2023 هم به یادگیری آن فکر کنیم؟زبان برنامه نویسی Go بدون توجه به اینکه پروژه شما چه اندازه است، همه جا به یک شکل کار میکند. به عنوان مثال اگر شما قرار باشد پروژه ای در ابعاد گوگل را با استفاده از Python پیاده سازی بکنید، ناچار به تغییر معماری های خود خواهید بود و هزینه های زیادی را برای نگهداری از آن در سرور صرف خواهید کرد. اما برای Go فرقی نمیکند که پروژه شما در ابعاد گوگل باشد یا یک سایت فروشگاهی معمولی، Go همان کارکرد خود را خواهد داشت و با افزایش استفاده، صرفا کافیست منابع سرور خود را افزایش دهید، Go به صورت خودکار میتواند تمام منابع سرور را برای پشتیبانی از مشتریان شما به صورت کاملا بهینه استفاده کند.زبان Go، همزمانی یا concurrency را به بهترین شکل ممکن پیاده سازی میکند. در زبان های مختلف شما نیازمند پیاده سازی انواع مختلف همزمانی با توجه به نیاز خود هستید، به عنوان مثال اگر سرور شما یک هسته CPU با یک ترد داشته باشد، شما ناچار به استفاده از ترد های مجازی (چیزی مثل همزمانی در جاوا‌اسکریپت) خواهید بود. یا اگر CPU چند ترد داشته باشد، باید از ترد های آن استفاده کنید. یا حتی اگر چند هسته باشد، ناچار به تغییر شکل پیاده سازی همزمانی خود برای استفاده از هسته های مختلف خواهید بود، اما Go تمام اینها را خود انجام میدهد! زبان Go همزمانی را با استفاده از تکنولوژی خود یعنی Goroutine پیاده سازی میکند، گوروتین‌ها ترد های مجازی، سریع و runtime خود Go هستند که با توجه به نوع سخت افزار شما، رفتار متفاوتی خواهند داشت. به عنوان مثال اگر شما چند هسته داشته باشید به طور خودکار می‌توانند از تمام هسته های شما استفاده کنند، اگر فقط یک هسته داشته باشید، می‌توانند از ترد های آن استفاده کنند. به طور کلی Go به برنامه نویس می‌گوید: اهمیتی ندارد که در چه سروری من را اجرا کنی، من عملکرد خودم را در همزمانی حفظ میکنم!زبان Go بسیار سریع است. Go علارغم دارا بودن تکنولوژی GC و بسیار دیگر تکنولوژی های ساده سازی توسعه، همچنان یکی از سریع ترین زبان های برنامه نویسی محسوب می‌شود. اصولا این موضوع که "سرعت یا آسانی، یکی را انتخاب کنید" در دنیای برنامه نویسی جا افتاده است و اکثر زبان های سریع، فاقد ابزار های ساده سازی توسعه هستند. اما Go اینطور نیست! syntax ساده ای دارد، ابزار های ساده سازی توسعه مختلفی را دارد، و همچنین یکی از سریع ترین زبان های برنامه نویسی است!زبان Go، کامپایلری است، اما سریع تر از یک زبان مفسری اجرا می‌شود! عموما وقتی صحبت از زبان های کامپایلری می‌شود برنامه نویسان یاد انتظار فراروان برای کامپایل شدن برنامه خود می افتند، اما Go اینطور نیست! معماری در Syntax و کامپایلر را به گونه ای در Go انجام داده اند که در سریع ترین زمان بهترین خروجی کامپایلر را خواهید گرفت!زبان برنامه نویسی Go، مدرن است و مفاهیم بلااستفاده زبان های برنامه نویسی قدیمی را حذف کرده است! به عنوان مثال، Go هیچ شی ای ندارد، در عوض این نیاز را با استفاده از نوعی تایپ متغیر رفع کرده است، در Go مفهوم try-catch وجود ندارد! Go اجازه نمی‌دهد Overhead کد بزنید، هر خطایی را که دوست دارید نادیده بگیرید، اما اگر میخواهید خطا را دریافت کنید بایستی شخصا تعیین کنید که با آن خطا چه خواهید کرد! در واقع Go اجازه نمی‌دهد که معماری نرم افزار خود را بهم بزنید، Go حتی از استفاده نکردن متغیر ها یا پکیج های import شده‌ی بلااستفاده نیز خطا میگیرد تا مطمئن شود سربار اضافه ای به نرم افزارتان وارد نمیکنید!در پایان، Go را میتوان مدرن ترین زبان موجود معرفی کرد. سرعت، سادگی، مقیاس پذیری، معماری، جامعه قدرتمند و... از ده‌ها دلیل انتخاب این زبان برای یادگیری در سال 2023 هستند، هنگام کد زدن با Go، ایده های مدرنیسم را به خوبی در آن احساس میکنید، کاملا مشخص است که گوگل برای ایجاد دگرگونی در دنیای برنامه نویسی، این زبان فوق العاده را توسعه داده است. حمیدرضا قهرمانی حمیدرضا قهرمانی Wed, 12 Jul 2023 07:45:48 +0330 https://virgool.io/@hamidreza01/%D8%A7%D8%AE%D9%84%D8%A7%D9%82%DB%8C%D8%A7%D8%AA-%DA%86%D9%87-%D9%87%D8%B3%D8%AA%D9%86%D8%AF-%D9%88-%D8%A7%D8%B2-%DA%A9%D8%AC%D8%A7-%D9%86%D8%B4%D8%A3%D8%AA-%D9%85%DB%8C%DA%AF%DB%8C%D8%B1%D9%86%D8%AF-kedgtov564s8 در زندگی اغلب با تصمیمات سختی مواجه میشیم. در برخی از موقعیت ها ممکنه از خودمون بپرسیم که چه چیزی درست و چه چیزی اشتباه هست؟ چه چیزی خوب و چه چیزی بد هست؟ احتمالا تا حد زیادی میدونیم که چطور باید به این سوالات پاسخ بدیم، اما چطور میفهمم که پاسخ ما درست هست؟ اصلا از کجا میدونیم که پاسخ های عینی برای این سوالات/مشکلات وجود دارند؟ تمام این سوالات به اخلاق مرتبط میشن، چیزی که در این مقاله به طور کامل در موردش صحبت میکنیم.روانشناس لارنس کولبرگ (Lawrence Kohlberg) این ایده هارو با ارائه یک سری معضلات و قضیه های اخلاقی به شرکت کنندگان در سنین مختلف آزمایش کرد و از اونها خواست که استدلال خودشون رو توضیح بدن. در یکی از سناریو های اخلاقی این آزمایش، یک زن در حال مرگ بر اثر بیماری عجیبی بود، فقط یک دارو وجود داشت که میتونست اون رو نجات بده، این دارو با قیمت ۲۰۰ دلار به تولید می‌رسید و نحوه تولید اون رو فقط یک نفر بلد که اون رو با قیمت ۲۰۰۰ دلار می‌فروخت، شوهر زن بیمار که هاینز نام داشت، به اطراف شهر رفت و برای پرداخت هزینه دارو پول قرض کرد، با این حال فقط ۱۰۰۰ دلار یا نیمی از مبلغی که دارو فروش میخواست رو تامین کرده بود. هاینز به داروفروش گفت که همسرش در حال مرگه و از اون خواست که دارو رو به قیمت کمتری بفروشه یا اجازه بده بعدا باقی مبلغ رو پرداخت کنه، اما دارو فروش گفت: «نه، من دارو رو کشف کردم و دوست دارم که از اون پول در بیارم». بنابراین هاینز که ناامید شده بود، وارد آزمایشگاه دارو فروش شد و دارو رو برای همسرش دزدید. آیا این کار درستی بود؟کولبرگ از شرکت کنندگان خود پرسید که آیا هاینز باید دارو رو می‌دزدید؟ چرا؟ کولبرگ اهمیت نمی‌داد که شرکت‌کنندگان چه فکری می‌کنند، در عوض میخواست بدونه چرا اونها تصمیم اخلاقی خاص خود رو گرفتند، اون از این پاسخ ها برای ایجاد نظریه رشد اخلاقی استفاده کرد. پس برگردیم به هدف اصلی کولبرگ از این آزمایش، اخلاق چطور رشد می‌کنه؟ طبق نظریه کولبرگ، رشد اخلاق رو میشه به سه سطح اولیه تقسیم کرد که هر کدوم دارای دو مرحله هستند، سطح اول، اخلاق پیش متعارف (Preconventional Morality) هست که تا زمانی که فرد به حدود نه سالگی برسه ادامه داره، در این سطح تصمیمات اخلاقی کودک در درجه اول بر اساس انتظارات بزرگسالان و پیامدهای نقض قوانین شکل میگیره. به عنوان مثال از خود سوال میکنن که، والدین من فکر میکنن که من باید چیکار کنم؟ پس کودکان مرحله اول اخلاق پیش متعارف رو از طریق اطاعت و تنبیه درک می‌کنن که برای اجتناب از مجازات باید از اونها اطاعت کرد. وقتی کودکان به مرحله دوم میرسن، می‌تونند دیدگاه یک فرد رو توضیح بدند، برای مثال در قضیه هاینز، کودکان استدلال میکردند که کار «درست» برای هاینز کاری هست که نیاز اون رو برآورده کنه، بنابراین دزدی اشکالی نداره. سطح بعدی رشد اخلاق، اخلاق متعارف(Conventional Morality) هست، در این سطح هست که نوجوانان و بزرگسالان، معیاری های اخلاقی ای که از دیگران یاد گرفتند رو، درونی یا شخصی سازی میکنن. اونها می‌تونند اقتدار و هنجارهای گروه یا جامعه ای که عضو اون هستند رو بپذیرید. در مرحله اول از این سطح که مرحله سوم از کل هست، افراد بر روی انجام انتظارات و نقش های اجتماعی تمرکز میکنن، در این مرحله بر «پسر/دختر خوب بودن»، «عالی بودن» و احترام به دیگران تاکید میشه. مرحله چهارم، حفظ نظام اجتماعی هست. مردم هنگام تصمیم گیری، جامعه رو به عنوان یک کل در نظر میگیرن که با پیروی از قوانین و انجام وظیفه، بر حفظ نظم تاکید می‌کنن. سطح نهایی در نظریه کولبرگ اخلاق پسا متعارف یا (Postconventional Morality) هست، این سطح زمانی هست که مردم شروع به درک اخلاق به شیوه ای انتزاعی میکنن، در مرحله اول از این سطح که مرحله پنجم از کل مراحل هست، افراد شروع میکنند که متوجه بشن دیگران ممکن هست باورها، ارزش‌ها و نظرات متفاوتی داشته باشن و رعایت قوانین مهم هست اما همه‌ی اعضای جامعه باید با هم همکاری کنند تا در مورد قوانین به توافق برسن. سر انجام در مرحله ششم، زمانی هست که افراد اصول اخلاق جهانی و ارزش های انتزاعی مثل کرامت، برابری و عدالت رو درونی/شخصی سازی کردن. عقاید این مرحله حتی اگر با قوانین در تضاد باشند، بازهم افراد از این اصول پیروی میکنن. بنابراین اگر به قضیه هاینز یه نگاه بندازیم، فردی که در مرحله ششم قرار داره ممکنه بگه: هاینز حق داشته که دارو رو دزدیده، درسته که بر خلاف قوانین هست اما دارو فروش با قیمت زیادی دارو رو می‌فروخته. این صرفا در مورد مراحل رشد اخلاق بود، اما چطور تصمیم های اخلاقی رو میگیریم؟ روانشناسانی مثل جاناتان هیدت (Jonathan Haidt) و جاشوا گرین (Joshua Green) معتقد هستند که تصمیم های اخلاقی ما، به جای استدلال منطقی، توسط واکنش های عاطفی و درونی هدایت میشن، آقای هیدت یک مثالی رو برای توضیح این موضوع استفاده می‌کنه که در این مثال جولی و مارک خواهر و برادر هستند، اونها در تعطیلات تابستانی باهم به فرانسه سفر میکنن، اونها تنها در یک اتاق نزدیک به ساحل شب رو سپری میکنند، در این مدت تصمیم میگیرند که اگر باهم عشق بازی کنند، جالب و سرگرم کننده می‌تونه باشه. حداقل این یک تجربه جدید برای هردو اونها خواهد بود. جولی به طور پیشفرض قرص ضد بارداری مصرف کرده و مارک هم از کاندوم استفاده می‌کنه تا ایمن باشن، هردوی اونها از عشق بازی لذت می‌برند اما تصمیم میگیرن که دیگه هرگز این کار رو تکرار نکنند، اونها این شب رو به عنوان یک راز خاص پیش خودشون نگه میدارند که حتی باعث میشه بیشتر به هم احساس نزدیکی کنن. شما در مورد این موضوع چه فکری میکنید؟ برای اونها اشکالی نداره که عاشق هم باشن؟ احتمالا بیشتر شما بگید که عشق بازی بین جولی و مارک خوب نیست، اما چند لحظه وقت بزارید، سعی کنید برای این نتیجه گیری توجیهی داشته باشید، چرا خوب نیست؟ ممکنه بگید «بچه اونها احتمالا نقایص ژنتیکی می‌تونه داشته باشه» اما اونها که از دو روش پیشگیری از بارداری به شکل صحیح استفاده کردند، بنابراین بسیار بعیده که جولی باردار بشه. سپس میتونید بگید که «ممکنه آسیب عاطفی وجود داشته باشه»، اما اونها که نهایت لذت رو در این عمل بردند! سپس میتونید بگید که «این غیرقانونی هست» اما با توجه به قوانین فرانسه، تا زمانی که رضایت دو فرد بالغ وجود داشته باشه مانع قانونی ای وجود ندارد. در نهایت میشه به استدلال «این کار نفرت انگیز و اشتباه هست» اشاره کرد، اما اونها اون کار رو منزجر کننده نمیدونستند! جولی و مارک هردو بزرگسال بودند و از روش های متعدد کنترل بارداری استفاده کردند و پس از این عمل هیچ آسیب ماندگاری هم وجود نداشته، البته هیچکدوم از اینها برای رد کردن زنای با محارم نیست، صرفا برای نشون دادن این هست که میتونیم به طور منطقی، رایج ترین اعتراضات اخلاقی به زنای با محارم رو رد کنیم، با این حال بیشتر مردم علارغم این توجیهات، اون رو از نظر اخلاقی اشتباه میدونند، فلذا میشه به این نتیجه گیری رسید که افراد ابتدا قضاوت میکنند و بعد استدلال! در واقع استدلال اخلاقی، راهی برای توجیه قضاوت هایی هست که قبلا پس از واکنش های عاطفی به یک موقعیت انجام دادیم! تا به اینجای کار مراحل رشد اخلاقی و همچنین عامل مهم عاطفه در قضاوت های اخلاقی رو مورد بررسی قرار دادیم. اما واکنش های اخلاقی از کجا میان؟ جامعه در این موضوع نقش مهمی رو ایفا میکنه، ما صرفا به اخلاق و اعتقادات خودمون اهمیت نمیدیم، بلکه گاها به اخلاق و اعتقادات سایر افراد حتی بیشتر اهمیت میدیم و در واقع اخلاقیات و اعتقادات اونها هستند که واکنش های اخلاقی ما رو شکل میدن. به عنوان مثال اگر شما در یک موضوع خاص توسط باقی افراد مورد قضاوت قرار گرفته باشید، به کسایی که شما رو درست قضاوت میکنند احتمالا علاقمند خواهید شد و سعی میکنید در آینده برای اون این موضوع رو جبران کنید. و بلعکس از کسی که شما رو اشتباه قضاوت کرده خشمگین میشید و سعی میکنید در آینده شما هم ضربه ای رو به اون بزنید. یا حتی اگر خودتون کسی رو اشتباه قضاوت کنید، ممکنه عذاب وجدان داشته باشید و سعی کنید در آینده رفتار بهتری داشته باشید. در نتیجه نحوه تعامل ما با جامعه هست که مفهوم واکنش های اخلاقی رو شکل میده. اخلاقیات و واکنش های اخلاقی در خلأ و خود به خود تولید نمیشن، تمام واکنش های موجود در سطح جامعه، وابسته به اخلاقیات گذشته هستند. در کل اخلاق و قضاوت‌ها از شهود های اساسی ای مانند انصاف و همکاری و پاسخ های احساسی ای مثل همدلی و خشم هدایت میشن. اما برای توضیح کامل پیچیدگی های اخلاقی باید توانایی استدلال، موقعیت های اجتماعی و نقش فرهنگ رو در نظر بگیریم. به طور کلی همون‌طور که در بخش قبل گفتم، اخلاقیات در خلأ ظاهر نمیشن، همانطور که با دیگران تعامل میکنیم، دیدگاه های اخلاقی و رفتار های اخلاقی آینده خود رو شکل میدیم (پس حواسمون باشه با کی تعامل میکنیم). در نهایت امیدوارم درک عمیقی از اخلاق و موقعیت های مختلف اون مثل قضاوت، واکنش و مراحل رشد اخلاقی پیدا کرده باشید. حمیدرضا قهرمانی حمیدرضا قهرمانی Tue, 11 Jul 2023 09:18:16 +0330 https://virgool.io/@hamidreza01/%D9%85%D8%A7%D8%AF%D9%87-%D9%88-%D8%A7%D9%86%D8%B1%DA%98%DB%8C-%D8%AA%D8%A7%D8%B1%DB%8C%DA%A9-%DA%86%DB%8C%D8%B3%D8%AA-timskk4r7mbg درست مثل باقی رشته های علم، ستاره شناسی هم هنوز کامل نشده و مفاهیمی زیادی وجود داره که ذهن های درخشان در سرار جهان برای یافتن اونها تلاش میکنند. یکی از گیج کننده ترین اونها درک ماده و انرژی تاریک هست. در طول چند دهه گذشته به طور فزاینده ای روشن شده که باید نوعی ماده در فضا وجود داشته باشه که ما قادر به دیدن اون نباشیم. می‌دونم که ممکنه راز آلود و ماوراطبیعی به نظر برسه، اما این تا زمانی صادقه که مفهوم دیدن رو درک کنیم.یک جسم زمانی تابش الکترومغناطیس یا نور داره که الکترون های داخل اتم هاش از حالت برانگیخته تر یا بالاتر به حالت انرژی پایین تر نزول کنه (Reducing the amount of N)، در این فرایند فوتون تولید میشه و زمانی که اون فوتون ها به چشم ما برخورد می‌کنند، ما قادر به دیدن اون جسم میشیم. بنابراین اگر چیزی قادر به تولید فوتون با این روش یا روش های هسته ای مرتبط نباشه، نمیتونه نور مرئی یا هر نوع نور دیگری که ما بتونیم اون رو تشخیص بدیم، تولید کنه.اما ذراتی که اتم ها رو می‌سازند تنها انواع ذرات موجود نیستند، انواع مختلفی از ذرات وجود داره. بنابراین تصور اینکه ممکن هست مقادیر ماکروسکوپی ماده ای وجود داشته باشه که با نور برهم کنش نداشته باشه، عجیب نیست. به دلیل این رفتار، نام ماده تاریک رو به اون اختصاص دادیم، اگرچه که نمی‌دونیم اون چیه، اما میدونیم که اون چی نیست! ماده تاریک نمیتونه هیچ نوع ماده باریونیکی باشه که همه پروتون ها و نوترون ها هستند که همه چیزهای معمولی ای که میتونیم ببینیم رو تشکیل میدن. حالا سوال اینجاست که چقد ماده تاریک وجود داره؟ ظاهراً خیلی، حتی با وجود اینکه نمیتونیم اون رو ببینیم هنوز هم تاثیر گرانشی داره، بنابراین میتونیم مقدار تقریبی ماده تاریک رو با تجزیه و تحلیل حرکت اجسام مجاور یک چیز اندازه گیری کنیم. به عنوان مثال چیزی مثل سرعت مداری ستاره های یک کهکشان اطلاعات خوبی در مورد میزان ماده تاریک اون کهکشان و اطرافش میده. اثبات های مختلفی برای وجود ماده تاریک وجود داره، یکی از اونها همین سرعت مداری ستاره های یک کهکشان هست، اثبات های دیگه ای هم وجود داره مثل استفاده از عدسی گرانشی (gravitational lensing) در نسبیت عام. اما نمی‌خوام موضوع رو بیش از حد تخصصی کنم، پس اجازه بدید از یک اثبات ساده استفاده کنیم. وقتی به ساختار جهان قابل مشاهده نگاه میکنیم، به نظر میرسه که کهکشان ها به صورت مجموعه ای از رشته ها در کنار هم قرار گرفتن که در بین اونها حفره های عظیمی وجود داره که در بین اونها تقریبا هیچ کهکشانی وجود نداره. گویی که شبکه های عظیمی از اجرام در اونجا وجود داره که جهان این شکل رو به خودش گرفته. همچنین محاسبات نشون میدن که ماده درخشانی که ما میبینیم نمیتونه به اندازه ای باشه که ماده در ابتدا در ستاره ها و کهکشان ها انباشته شده باشه. بنابراین با توجه به داده های گسترده ای که برای اثبات وجود ماده تاریک وجود داره، میتونیم این اطمینان رو داشته باشیم که واقعا چنین ماده ای هست.بنابراین بهترین نامزدها برای ماده تاریک چیه؟ اول از همه ما میدونیم که غیر باریونیک هست، پس چه چیزی باقی میمونه؟ ممکنه ذرات ریز اتمی ای وجود داشته باشه که فراتر از مدل استاندارد فیزیک ذرات باشه که می‌تونه این مشاهدات رو توضیح بده. یا حتی می‌تونه نوعی WIMP (weakly-interacting massive particles)، نوترینو یا ذرات فوق متقارن یا هر چیزی عجیب دیگه ای باشه، البته که همه فرض هستند و در آزمایش تایید نشدن. متاسفانه ماده تاریک تنها سوال داغ نجوم نیست، به نظر میرسه یک عامل مرموز دیگه به نام انرژی تاریک هم وجود داره. این مفهوم در نتیجه اندازه گیری سرعت انبساط جهان به وجود اومده. ما فکر می‌کردیم که به دلیل جاذبه گرانشی بین همه مواد، سرعت انبساط جهان باید در طول زمان کاهش پیدا کنه و حتی انبساط رو متوقف کنه و در نهایت در یک نقطه منقبض بشه. با این حال مشاهدات نشون میدن که این اتفاق نمیوفته و در عوض، سرعت انبساط دائما در حال افزایش هم هست! چه چیزی می‌تونه باعث این شتاب بشه؟ ما واقعا نمی‌دونیم و به همین دلیل اسم انرژی تاریک رو روی اون گذاشتیم. ایده های مختلفی در موردش وجود داره، مثل ایده انرژی خلاء انیشتین، اما همه‌ی اینها کاملا فرضیه هستند. در نهایت بر اساس محاسبات فعلی، ما معتقدیم که انرژی تاریک حدود ۶۸ درصد از کل انرژی موجود در جهان قابل مشاهده رو تشکیل میده و همچنین ماده تاریک هم با معادل جرم-انرژی، حدود ۲۷ درصد رو تشکیل میده. در کل چیزهای زیادی وجود داره که هنوز نمی‌دونیم، اما چیزهای زیادی هم وجود داره که میدونیم، پس بیاید به خودمون افتخار کنیم و راه پیشرفت رو ادامه بدیم ?کانال من در تلگرام: t.me/hamidreza01 حمیدرضا قهرمانی حمیدرضا قهرمانی Tue, 04 Jul 2023 19:24:54 +0330 https://virgool.io/@hamidreza01/%D9%81%D9%84%D8%B3%D9%81%D9%87-%D8%B1%DB%8C%D8%A7%D8%B6%DB%8C%D8%A7%D8%AA-%DA%86%DB%8C%D8%B3%D8%AA-%D9%88-%DA%86%D9%87-%D8%AF%DB%8C%D8%AF%DA%AF%D8%A7%D9%87%DB%8C-%D8%AF%D8%A7%D8%B1%D8%AF-bxccawmo3tjl فلسفه ریاضیات یک رشته مطالعاتی مشترک بین ریاضی و فلسفه است. این رشته به دنبال پاسخ به سؤالات اساسی در مورد ماهیت، هدف و ساختار ریاضیات است. در هسته آن این سوالات نهفته است: ریاضیات چیست؟ ماهیت اشیاء ریاضی چیست؟ چگونه آنها را بشناسیم؟ اثبات چه نقشی در درک ما از ریاضیات دارد؟ آیا ریاضیات به حد کافی دقیق هستند؟ ایا دقت مطلق یا بینهایت داریم؟ و از این قبیل سوالات. در این مقاله، به این پرسش ساده و در عین حال عمیق قرن ها مورد بحث دانشمندان بسیاری از رشته های مختلف بوده است می‌پردازیم.فلسفه ریاضیات معتقد است که حقایق خاصی در مورد اعداد و سایر اشیاء ریاضی وجود دارد که می توان آنها را از طریق مطالعه دقیق و استدلال منطقی کشف کرد. این حقایق مستقل از هر واقعیت فیزیکی وجود دارند. آنها مشروط به چیزهایی مانند ادراک یا تجربه انسان نیستند. بنابراین، دانش ما در مورد اعداد به جای مشاهده یا آزمایش، مفهومی است که به عنوان عقل گرایی شناخته می شود یا به عبارتی از تفکر خالص ناشی می شود. این بدان معناست که وقتی ریاضیدانان یک قضیه را با استفاده از منطق قیاسی (یعنی شروع با مقدمات پذیرفته شده) اثبات می کنند، بدون توجه به اینکه دیگران آن را می دانند یا نه، می توانند مطمئن باشند که درست است. حقیقت، خارج از عقاید ذهنی یا سیستم های اعتقادی وجود دارد، زیرا می توان آن را به طور منطقی از حقایق ثابت شده بدون نیاز به شواهد تجربی برای پشتیبان گیری از نتایج آن استنتاج کرد.ریاضیدانان همچنین در هنگام استنتاج از کار خود به استقرا تکیه می کنند که فرآیندی است که طی آن مشاهدات خاص را به نظریه های گسترده تر بر اساس الگوهای مشاهده شده در طول زمان تعمیم می دهیم (مثلاً: "همه پرندگان بال دارند"). استقرا به ما امکان می‌دهد بر اساس مجموعه داده‌های محدود پیش‌بینی کنیم. اما برخلاف استنتاج، این پیش‌بینی‌ها در صورتی که حقایق جدیدی فاش شوند، به طور بالقوه می‌توانند تغییر کنند. بنابراین باعث ایجاد عدم قطعیت در باورهای فرد در مورد مسائل مرتبط با ریاضی حتی پس از اعمال اثبات‌های دقیق می‌شود. در نهایت، ریاضیدانان اغلب از بدیهیات استفاده می‌کنند، گزاره‌های بدیهی که بدون نیاز به توضیح بیشتر به عنوان واقعیت در نظر گرفته می‌شوند تا استدلال‌های خود را بر اساس آن‌ها اثبات کنند و نتایج مختلفی را در شاخه‌های مختلف نظریه ریاضی اثبات کنند. بدیهی سازی امکان ساختن مفاهیم انتزاعی بیشتر را در اختیار ما قرار می دهد تا در نهایت از طریق استدلال منطقی به نتیجه‌ی دلخواه برسیم.همچنین از نظر فلسفه ریاضیات، ریاضیات را می توان به عنوان یک علم انتزاعی یا عینی بسته به دیدگاه فرد در نظر گرفت. از منظر انتزاعی، به عنوان مجموعه ای از ایده ها در نظر گرفته می شود که برای ایجاد سیستم های منطقی استفاده می شود که سپس در زمینه های مختلف مانند مهندسی و اقتصاد اعمال می شود. این دیدگاه به جای به خاطر سپردن فرمول ها یا معادلات، بر اهمیت منطق در درک مفاهیم ریاضی تاکید دارد. از سوی دیگر (از منظر دقیق تر) ریاضی را می توان به سادگی به عنوان اعداد در نظر گرفت. ابزاری که توسط انسان ها برای توصیف پدیده های فیزیکی مانند حرکت یا انتقال انرژی از طریق معادلات استفاده می شود. این دیدگاه بیشتر بر نحوه استفاده ما از ریاضی در زندگی روزمره متمرکز است تا مفاهیم فی نفسه‌‌ی فلسفی.به طور خلاصه، می‌توان گفت که فلسفه ریاضیات به دنبال پاسخ به سؤالات اساسی در مورد ماهیت و ساختار ریاضیات است. این رشته با تمرکز بر استدلال منطقی و دقت بالا، به ما کمک می‌کند تا نحوه عملکرد ریاضیات را درک کنیم. رویکرد های مختلفی برای تعریف و تبیین ریاضیات وجود دارد که از دو دیدگاه انتزاعی و عینی می توان به آن نگریست. همچنین، استفاده از بدیهیات در استدلال‌های ریاضی، امری ضروری برای شکل دادن به مفاهیم انتزاعی و تعریف آنهاست. در کل، فلسفه ریاضیات به ما کمک می‌کند تا پایه‌های قوی‌تری برای فهم بهتر و توسعه پیشرفت‌های جدید در ریاضیات داشته باشیم اما شاخه های توصیف شده توسط آن نباید باعث مباحثه و ستیز میان ریاضیدانان شود، زیرا فارغ از اینکه چه دیدگاهی را در مورد ریاضی پذیرفته ایم، ریاضیات کار خود را می‌کند. حمیدرضا قهرمانی حمیدرضا قهرمانی Wed, 24 May 2023 12:22:01 +0330 https://virgool.io/@hamidreza01/%D8%B2%D9%85%DB%8C%D9%86-%D9%84%D8%B1%D8%B2%D9%87-%DB%B6-%DB%8C%D8%A7-%DB%B7-%D8%B1%DB%8C%D8%B4%D8%AA%D8%B1-%D8%AF%D8%B1-%DA%86%D9%86%D8%AF-%D8%B1%D9%88%D8%B2-%D8%A2%DB%8C%D9%86%D8%AF%D9%87-%D8%AF%D8%B1-%D8%A7%DB%8C%D8%B1%D8%A7%D9%86-ohg7wufma6nl این آقا، یعنی فرانک هوگربیتس، از پیش بینی کنندگان زلزله ترکیه، پیش بینی کرده که احتمالا در تاریخ ۲۹ الی ۳۰ آوریل، زلزله ای به بزرگی ۶ الی ۷ ریشتر در نقاط مشخص شده در ایران (خطوط انتهایی صفحه عربستان) رخ خواهد داد. در ابتدا باید عرض کنم که این فرد هیچ تحصیلات آکادمیکی در این زمینه نداره، بیشتر شبیه به طالع بین های ما هست. حالا بیاید در خصوص این موضوعی که گفته صحبت کنیم، اول از هرچیزی باید توجه داشت که مناطقی که نشانه گذاری کرده در انتهای صفحه عربستان هستن و همیشه احتمال زمین لرزه در اون ها زیاد بوده، این رو سابقه تاریخی هم نشون داده. یعنی ممکنه که در ۲۹ یا ۳۰ آوریل زلزله ای در این مناطق رخ بده، اما این روزها هیچ فرقی با باقی روزها از نظر نشانه های دقیق زمین شناسی ندارن و ادعاهای این فرد هم تاثیری بر روی اونها نخواهد داشت، در حقیقت احتمال وقوع زمین لرزه در تاریخ گفته شده به همین اندازه ای هست که در حال حاضر دارید این مقاله رو می‌خونید.اما این یارو مگه قبلا زمین لرزه ترکیه رو پیش بینی نکرده بود؟ پیش بینی نه به اون معنی، اون در خصوص بخش شمالی صفحه عربستان هشدار داده بود که خب سالها مورد بحث دانشمند ها بود و همیشه در مورد اون هشدار می‌دادند، پیش بینی اون رو میشه بیشتر یک شانس دونست. چرا که اون هر روز یک منطقه زلزله خیز رو به عنوان پیش بینی خودش اعلام میکنه، بدیهی هست که بعد از سالها فعالیت اون، بلاخره یک پیش بینی درست در اومده باشه، اون در گذشته زلزله ۹ ریشتری در آمریکا رو پیش بینی کرده بود که هیچوقت محقق نشد. پس پیش بینی های اون در بهترین حالت چیزی بیشتر از یک شانس هستن.نظریه ارتباط شکل هندسی اجرام آسمانی با زمین اون چی میشه پس؟ فرانک هوگربیتس (همین شخص) یک نظریه تحت عنوان «ارتباط هندسی اجرام آسمانی و زمین‌ لرزه‌ها» داره که ادعا می‌کنه شکل هندسی باقی سیارات با زلزله های روی زمین ارتباط مستقیمی داره، برای مثال فلان سیاره با زمین زاویه ۹۰ درجه تشکیل داده، در نتیجه فلان صفحه که بر اون عمود هست احتمالا دچار زمین لرزه میشه، توضیح علمی تر اون این هست که برهمکنش نیروهای جاذبه‌ای و سینماتیکی اجرام مختلف با زمین باعث شکل گیری زلزله در زمین میشه، بله این در خصوص خورشید و ماه صحیح هست اما نه در مورد سیارات که مورد بحث این شخص هست، در حقیقت تاثیر یک هواپیمای در حال پرواز بیشتر از تاثیر باقی سیارات بر روی گرانش زمین هست، حتی در خصوص خورشید و ماه هم که اصلا این شخص باهاشون کاری نداره هم صرفا به عنوان عوامل نهایی شناخته میشن و فقط میتونن یک زلزله در شرف وقوع رو تحریک کنن، به این معنی که خودشون قدرت ساخت یک زلزله رو ندارن و اصلا مبنایی برای پیش بینی یا .. نیستند.در نهایت با تمام توضیحاتی که دادم میشه به این نتیجه رسید که همیشه احتمال وقوع زمین لرزه در خطوط انتهایی صفحه عربستان وجود داره و این هیچ ارتباط ملموسی با شکل هندسی باقی سیارات نسبت به زمین نداره، شاید چند هزارم درصد بتونن احتمال رو افزایش بدن، اما چیزی که مشخص هست اینه که اصلا مبنایی برای پیش بینی ها نخواهند بود. کاری که ما باید انجام بدیم این هست که همیشه آماده باشیم، به احتمال زیاد زلزله خاصی هم در تاریخ پیش بینی شده توسط این شخص هم رخ نده، حتی اگه بده هم ارتباطی با صحبت های این فرد نداره، اما حواسمون باشه که گسل های مختلفی در این نواحی وجود داره و احتمال زلزله، همیشه بالاست. ولی صحبت های این فرد رو جدی نگیرید. حمیدرضا قهرمانی حمیدرضا قهرمانی Wed, 26 Apr 2023 19:48:59 +0330 https://virgool.io/@hamidreza01/%D8%AA%D8%AE%D9%85%DB%8C%D9%86-%D8%B2%D8%AF%D9%86-%D8%B1%D8%A7-%DB%8C%D8%A7%D8%AF-%D8%A8%DA%AF%DB%8C%D8%B1%DB%8C%D9%85-woeh4x6b9bxd تخمین زدن به معنای پیش بینی یا برآورد تقریبی یک مقدار نامشخص است. ما به طور غریزی در تخمین زدن مهارت داریم، اما کمتر کسی به فکر پرورش این مهارت افتاده است.ناخودآگاه در طول زندگی خود بسیار چیزهای متنوعی را تخمین می‌زنیم که گاها تخمین‌ها برایمان بسیار حیاتی هستند، پس ما نیاز به این داریم که درست تخمین بزنیم! اما بهترین روش برای تخمین زدن چیست؟من انواع مختلف تخمین زدن را امتحان کرده ام، اما هیچ یک در عین سادگی به قدرت روش فِرمی نیستند. اگرچه رویه کاملا مشخصی برای روش فرمی وجود ندارد اما اولین گام این است که فرض های اساسی بسازید که منطقی به نظر می‌رسند و سپس این فرض ها را برای آنچه که میخواهید تخمین بزنید، به کار بگیرید. فرض کنید که میخواهیم بدانیم که سالانه چند نخ سیگار در ایران مصرف می‌شود؟ در ابتدا بایستی فرض هایی که برای تخمین زدن نیاز داریم را بسازیم تا سپس با استفاده از آنها تخمین بزنیم. در ابتدا از خود سوالات زیر را برای ساخت فرض ها، میپرسیم:ایران چند میلیون جمعیت دارد؟هر خانواده در ایران از چند نفر تشکیل شده است؟در هر خانواده چند فرد سیگاری وجود دارد؟هر فرد سیگاری در روز چند سیگار می‌کشد؟در پاسخ به سوالاتی که برای تخمین زدن نیاز داریم، از میانگین و فرضیات استفاده می‌کنیم. ممکن است دقیق نباشند اما بازتاب دهنده درکی هستند که از محیط پیرامون خود داریم. من جمعیت ایران را ۸۰ میلیون، خانواده ها را ۴ نفر، فرد سیگاری در خانواده را ۱ نفر و میزان سیگار مصرفی در روز برای هر فرد سیگاری را ۱۰ عدد در نظر می‌گیرم. اینها همگی فرضیات میانگینی هستند که به ذهنم می‌رسد و قطعا دقیق نیستند. ممکن است سوال برایتان پیش بیاید که خب چه نیازی بود برای تخمین میزان افراد سیگاری از راه خانواده ها وارد شویم وقتی که میتوانیم به طور مستقیم آن را از میزان جمعیت تخمین بزنیم، در پاسخ باید بگویم که وقتی وارد جزئیاتی می‌شویم که از آن درک بهتری داریم، تجربه ثابت کرده است که تخمین های ما صحیح تر خواهند بود. ما دقیقا درکی از نوع رفتار ۸۰ میلیون جمعیت ایران نداریم اما با توجه به محیط خانواده ها میدانیم که به طور میانگین ۱ نفر فرد سیگاری در خانواده های با میانگین ۴ نفر جمعیت، وجود دارد. با این فرض، میتوانیم به این نتیجه برسیم که ۱/۴ جمعیت ایران سیگار مصرف می‌کنند، در نتیجه ۱/۴ را در ۸۰ میلیون ضرب میکنیم و میزان باقی مانده ۲۰ میلیون خواهد بود. پس تعداد افراد سیگاری را با این فرض، ۲۰ میلیون نفر تخمین می‌زنیم.حالا که فرضیات خود را تشکیل داده ایم، وقت آن رسیده که شروع به تخمین زدن کنیم. برای تخمین زدن بهتر است همواره یک فرمول مشخصی را بسازید. با توجه به اینکه میدانیم ضرب تعداد افراد سیگاری در میانگین تعداد سیگار مصرفی در روز و ضرب آن در ۳۶۵ میزان سیگار مصرفی در یک سال را نمایش خواهد داد، فرمول زیر را در نظر می‌گیریم:(تعداد سیگار مصرفی روزانه) * (تعداد افراد سیگاری) * (۳۶۵ روز) = تعداد سیگار مصرفی سالانه حال که فرمول را هم ساخته ایم، با قراردادن فرضیات منطقی خود در آن میتوانیم تعداد را محاسبه کنیم:10 * 20,000,000 * 365 =73,000,000,000یعنی ۷۳ میلیارد عدد سیگار به عنوان میانگین سالانه در ایران مصرف می‌شود، وقتی آن را در میانگین قیمت سیگار که ۵,۰۰۰ تومان در نظر میگیریم ضرب کنیم به عدد ۳۶۵ تریلیون تومان میرسیم که معادل ۷.۳ میلیارد دلار است!در نهایت، تخمین زدن یک مهارت ارزشمند است می تواند در بسیاری از جنبه های زندگی مورد استفاده قرار گیرد. اگرچه روش های مختلفی برای تخمین وجود دارد، اما روش فرمی می تواند رویکردی ساده و موثر بدون نیاز به دانش پیچیده ریاضی باشد. با ایجاد مفروضات منطقی و اعمال آنها در یک فرمول خاص، می توان مقادیر ناشناخته ای مانند تعداد سیگار مصرفی سالانه در یک کشور را که در این مقاله تخمین زدیم را، تخمین زد. اگرچه ممکن است این تخمین ها کاملاً دقیق نباشند، اما می توانند تقریب مفیدی ارائه دهند و به ما در تصمیم گیری آگاهانه کمک کنند. حمیدرضا قهرمانی حمیدرضا قهرمانی Thu, 06 Apr 2023 10:06:30 +0330 https://virgool.io/@hamidreza01/%DA%86%D8%B1%D8%A7-%D8%A8%D8%A7-%D9%88%D8%AC%D9%88%D8%AF-%D8%AE%D8%B7%D8%B1%D8%A7%D8%AA-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%A2%D9%86-%D8%B1%D8%A7-%D8%AA%D9%88%D8%B3%D8%B9%D9%87-%D9%85%DB%8C%D8%AF%D9%87%DB%8C%D9%85-xrymd1fgdldq اخیرا پیام های بسیاری در باب این موضوع که در نهایت تکلیف ما با هوش مصنوعی چه خواهد بود و چرا چنین تکنولوژی خطرناکی را توسعه می‌دهیم دریافت کرده ام. در این مقاله به این سوال پاسخ خواهم داد.در ابتدا باید دقیقا بدانیم که چرا به هوش مصنوعی نیاز داریم، جهت درک این موضوع لازم است که جهان را از دید مدیریتی نگاه کنیم. جمعیت جهان به طور فزاینده ای در حال افزایش است و این روند در حالی اینگونه پیش می‌رود که علارغم افزایش جمعیت، درصد انسان های مفید برای جهان روز به روز کمتر می‌شوند و اکثراً صرفا قاتل منابع انسانی و طبیعی هستند.در چنین شرایطی ما دقیقا چه رویکردی را باید دنبال کنیم؟ چند راه کار پیش روی ماست. یک اینکه به نوع خود خیانت کرده و افرادی که آنقدر که نیاز است جهت پیشرفت بشری تلاش نمی‌کنند را حذف کنیم و یا اینکه اجبار را برای آنها روی کار آوریم، که به دلیل انبوه جمعیت آنها هیچ یک از این موارد را نمی‌توانیم انجام دهیم، زیرا که مدیریت را به احتمال زیاد از دست ما می‌گیرند.خب پس چه کنیم؟ با توجه به محدودیت فیزیکی‌ و سطح هوشی یا به زبان عامیانه عقل ناقص ما، قادر به مدیریت جهان در این ابعاد بزرگ نیستیم. اما یک راهکار در پیش روی ما قرار دارد، هوش مصنوعی! هوش مصنوعی با سرعت نامحدودی(نه دقیقا نامحدود) می‌تواند یاد بگیرد و علم مارا در خود خلاصه کند. یک هوش مصنوعی در برهه‌ای از تاریخ سطح هوشی ای بیش از سطح هوشی کل جمعیت جهان خواهد داشت(در این باب میتوانید مقاله من در خصوص سینگولاریتی را مطالعه کنید). پس راهکار ما هوش مصنوعی است، چنین موجودی می‌تواند به خوبی جهان مارا مدیریت کند و بهترین راهکار های موجود را به ما ارائه دهد یا اصلا به سادگی منابع مارا جایگزین کند تا مشکلی با افزایش جمعیت نداشته باشیم.پس با توجه به توضیحات ارائه شده، ما نیاز مبهمی به هوش مصنوعی داریم، ممکن است هوش مصنوعی خطراتی داشته باشد اما با مدیریت و قوانین دقیق در این حوزه می‌توان از خطرات آن جلوگیری کرد. ما در حال حاضر با روند فعلی جهان که روز به روز بدتر از دیروز می‌شود، محکوم به نابودی هستیم. هوش مصنوعی راهکار ما برای حفظ بشریت است.در حمیدرضا قهرمانی حمیدرضا قهرمانی Sat, 01 Apr 2023 00:47:30 +0330 https://virgool.io/@hamidreza01/%DA%A9%D9%88%D8%A7%D9%86%D8%AA%D9%88%D9%85-%D9%88-%D8%AA%D8%A7%D8%AB%DB%8C%D8%B1-%D8%A2%D9%86-%D8%A8%D8%B1-%D8%B1%D9%88%DB%8C-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D9%88-%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-uqqr5u4zekw0 علوم کوانتوم یک حوزه تحقیقاتی است که به دنبال درک رفتار ماده و انرژی در سطوح اتمی و زیر اتمی است. علوم کوانتومی یک زمینه تحقیقاتی به سرعت در حال ظهور است که پتانسیل ایجاد انقلابی در هوش مصنوعی را دارد. این انقلاب شامل استفاده از مکانیک کوانتومی، که قوانینی است که بر رفتار ذرات در مقیاس های بسیار کوچک حاکم است، برای ایجاد الگوریتم های جدید و بهبود یافته برای سیستم های هوش مصنوعی است. این فناوری می‌تواند برای بهبود روش‌های هوش مصنوعی موجود مانند یادگیری عمیق و یادگیری تقویتی استفاده شود، یا حتی می‌تواند به اشکال کاملاً جدیدی از هوش ماشینی منجر شود، مانند ماشین های خودآگاه و انسان گونه. محاسبات کوانتومی همچنین نوید سرعت پردازش سریع‌تری نسبت به رایانه‌های سنتی می‌دهد، زیرا توانایی آن‌ها از اصول اهرمی مانند درهم تنیدگی و برهم‌نهی به منظور حل مشکلات، بسیار سریع‌تر از ماشین‌های کلاسیک است.توسعه هوش مصنوعی بر روی کامپیوترهای کوانتومی می تواند تاثیر زیادی بر نحوه تعامل ما با فناوری در زندگی روزمره داشته باشد. با استفاده از الگوریتم‌های مبتنی بر اصول فیزیک به جای زبان‌های برنامه‌نویسی سنتی، این ماشین‌ها می‌توانند به سرعت حجم زیادی از داده‌ها را بدون گرفتار شدن در سرعت پردازش آهسته یا محدودیت‌های حافظه پردازش کنند. این می‌تواند نه تنها منجر به تصمیم‌گیری کارآمدتر شود، بلکه راه‌های کاملاً جدیدی را برای ما انسان‌ها ایجاد کند که با محیط خود از طریق برنامه‌های یادگیری ماشینی مانند تشخیص تصویر یا وظایف درک زبان طبیعی که فراتر از آنچه هوش مصنوعی‌های فعلی مانند chatGPT می‌توانند انجام دهند، تعامل داشته باشیم.توسعه هوش مصنوعی با استفاده از تکنیک‌های پیشرفته مانند آنیل کوانتومی یا الگوریتم‌های بهینه‌سازی آدیاباتیک، باعث می‌شود ماشین‌ها بتوانند به طور مستقل از ورودی انسان کار کنند که نشان دهنده حد زیادی از خودآگاهی باشد. و در عین حال می‌توانند وظایف پیچیده را به طور موثر و دقیق با حداقل مصرف انرژی در مقایسه با پردازنده‌های سنتی پردازش کنند. این نوع سیستم هوشمند در نهایت می‌تواند به یک خودآگاه تبدیل شود. با این حال، این در حال حاضر تنها یک حدس و گمان نظری است، زیرا هیچ کس دقیقاً نمی داند قبل از اینکه این امر به واقعیت ممکن تبدیل شود، به چه سطحی از پیچیدگی نیاز دارد.در آخر واضح است که در مورد توسعه هوش مصنوعی بر اساس اصول علوم کوانتومی، احتمالات هیجان انگیز زیادی وجود دارد. آنها به لطف رویکرد منحصر به فرد خود فارغ از محدودیت های محاسباتی اعمال شده توسط مدل های فیزیک کلاسیک، مزایای سرعت بی سابقه ای را همراه با بینش های بالقوه انقلابی در مورد فرآیندهای حل مسئله ارائه می دهند. ما باید انتظار داشته باشیم که طی چند سال آینده شاهد پیشرفت‌های بزرگی باشیم که منجر به توسعه به سوی هوش مصنوعی‌های خودآگاهی می‌شود که عملیات‌های قدرتمند و در عین حال کارآمد را روی پلتفرم‌های سخت‌افزاری اختصاصی، بدون هیچگونه ورودی پیچیده ای اجرا می‌کنند. حمیدرضا قهرمانی حمیدرضا قهرمانی Thu, 23 Mar 2023 10:55:38 +0330 https://virgool.io/@hamidreza01/%D8%A8%D9%87-%D8%B1%D8%A7%D8%B3%D8%AA%DB%8C-%D8%AE%D8%A7%D9%84%D9%82-%D8%B1%DB%8C%D8%A7%D8%B6%DB%8C%D8%A7%D8%AA-%DA%A9%DB%8C%D8%B3%D8%AA-ebgptwzxtsra قبل تر در یک مقاله جداگانه به این ایده که خداوند یا هرکس دیگری که ممکن است جهان مارا آفریده باشد، ریاضیات را مبنای کار خود قرار داده است و جهان را با توجه به آن خلق کرده. اما احساس کردم که این مقاله آنقدر که باید این ایده را به طور شفافی بیان نمی‌کند، فلذا تصمیم گرفتم یک مقاله دیگر در این خصوص بنویسیم تا دقیقا بدانید وقتی صحبت از علم الهی بودن ریاضیات می‌شود، منظور چیست.ریاضیات در همه جا وجود دارند، ریاضی در برگیرنده تمامی علم های بشریت است. حتی اگر علمی ریاضیات را شامل نشود همچنان از منطق های ریاضیاتی کمک می‌گیرد. این موضوع باعث می‌شود که فکر کنیم چرا علمی که صرفاً فرضیات انسان است به شکل عجیبی در همه جا کار می‌کند و حضور دارد!؟ ما معجزات فراوانی از ریاضیات را در دنیای واقعی مشاهده کرده ایم، برای مثال عدد پی را در نظر بگیرید، چگونه علمی که صرفا فرضیات انسان باشد می‌تواند به یک عدد ثابت از پیش تعیین شده برسد که به طور عجیبی در همه جا کار می‌کند !؟ یا دنباله فیبوناچی و.. ریاضیات همچنین در سراسر متون مذهبی وجود دارد، از اعجاز عددی قرآن گرفته تا نماد های ریاضیاتی ادیان (مانند ستاره داوود). آیا این‌ها در واقع نشانه هایی ریاضی ای نیستند که خدا برای انسان ها قرار داده است؟ریاضیات همیشه معجزه آسا بوده است، نمونه های اولیه آن در تاریخ، ساخت اهرام مصر تنها با استفاده از تکنیک های هندسی و بدون استفاده از ابزار های اندازه گیری خاصی بوده است که به دلیل دقت ریاضی آن، هنوز پس از ۴۵۰۰ سال پابرجاست. یا نمونه های دیگر اعجاز ریاضی را در فیزیک مشاهده می‌کنیم که دانشمندان صرفا با ریاضیات توانستند سیاره نپتون را کشف کنند، یا برای مثال نسبیت خاص انیشتین که صرفا با یک فرمول چند متغیری ریاضی میتواند در برگیرنده فضا، سرعت و انرژی باشد. اینها همگی دلایلی هستند که باعث می‌شوند ما فکر کنیم دقیقا چه تفکری پشت این علم است؟ چرا این علم انقدر قدرتمند است؟ چگونه علمی که صرفا فرض بشریت است از ابتدای تاریخ تا به امروز، علارغم اینکه نیاز ما تغییر میکند اما همچنان ریاضی با ثبات قبلی و بدون تغییر خاصی تمام نیاز مارا جوابگو است؟ به راستی خالق این علم کیست؟ حمیدرضا قهرمانی حمیدرضا قهرمانی Sun, 19 Mar 2023 01:35:31 +0330 https://virgool.io/@hamidreza01/%D8%A2%DB%8C%D8%A7-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%A8%D9%87-%D8%AE%D9%88%D8%AF%D8%A2%DA%AF%D8%A7%D9%87%DB%8C-%D8%B1%D8%B3%DB%8C%D8%AF%D9%87-%D8%A7%D8%B3%D8%AA-xtbi6apepkcm مفهوم قدرت تفکر یا خودآگاهی در هوش مصنوعی، مفهومی است که از ابتدای تاریخ هوش مصنوعی مورد بحث بوده است. چیزی که از حدود سال 1940 (دلیل اینکه این زمان را مبنا قرار داده ایم، آلن تورینگ ریاضیدان مشهور انگلیسی است که در این حدود بود که ایده های تفکر ماشینی/ریاضیاتی را مطرح کرد) که ایده های هوش شکل گرفته اند تا به امروز که با آخرین دستاورد های هوش مصنوعی مانند chat GPT سر و کار داریم به آن نرسیده ایم. (این استدلال به این بستگی دارد که دقیقا چه چیزی را خودآگاهی در نظر بگیریم).در ابتدای مطلب بایستی دقیقا بدانیم که چه چیزی را به عنوان تعریف خودآگاهی در نظر می‌گیریم، اگر تعریف ما از خودآگاهی صرفا به معنای رفتار انسان گونه باشد (همانند ایده‌ای که آلن تورینگ مطرح کرده بود) مدت ها است که به آن دست یافته ایم. اما برای این کار بهتر است از فلسفه کمک بگیریم. به کمک فلسفه می‌توان مفهوم خودآگاهی را در یک جمله خلاصه کرد "براستی آنی که درون ما ناظر جهان و وقایع آن است کیست؟"، این کیستی می‌تواند تعریف دقیقی از خودآگاهی و قدرت تفکر در هوش مصنوعی باشد، اینکه هوش مصنوعی احساس کند، تصمیم هایی بدون توجه به داده های قبلی خود بگیرد، خودش بدون داشتن داده شروع به تولید داده کند (چیزی که در انسان ها شاهد آن هستیم (به عنوان مثال انتظار می‌رود که انسان مفهوم زبان را خود اختراع کرده باشد زیرا که قبل آن هیچ زبانی نبوده است، این نشانه ای از خودآگاهی است. البته ایده هایی نیز وجود دارد که میگوید این مفهوم زبان را، خالق ما، در ما نهفته است که در صورت اثبات این نکته، می‌توان به این نتیجه رسید که انسان هم به طور کامل، خودآگاه نیست بلکه نسبت به هوش مصنوعی میزان بیشتری به خودآگاهی نزدیک است)).حال که تا حد زیادی خودآگاهی را درک کرده و مبنای خود را برای تعریف خودآگاهی تعیین کرده ایم، می‌توانیم به موضوع اصلی بازگردیم. اینکه هوش مصنوعی به خودآگاهی کامل یا حداقل میزان خودآگاهی که انسان دارد رسیده است یا نه؟ با تحلیل و بررسی مدل های مختلف هوش مصنوعی می‌توان به طور قطع جواب داد که، خیر. هوش مصنوعی های امروزی قادر به انجام هیچ کاری بدون توجه به داده های قبلی خود نیستند، توضیح ساده تر اینکه خلاقیت ندارند. آنها قدرت کاری به جز آنچه که الگوریتم هایشان تعریف کرده اند را ندارند. اگر کاری از آنها بخواهید که قبلا آن را ندیده اند هیچگاه نمی‌توانند پاسخی درست و خلاقانه به شما بدهند، آنها هیچ درک عمیقی جز آنچه که در الگوریتم هایشان تعریف شده است از دستور داده شده ندارند و در طول زمان نوع ادرکشان تغییری نمی‌کند. اینها تماما می‌توانند از هزاران دلیلی باشند که می‌توان با آنها به این نتیجه رسید که هوش مصنوعی هنوز قدرت تفکر و خودآگاهی ندارد.از جنبه فلسفی این موضوع را بررسی کردیم، اما از لحاظ فنی ای که در آن اطلاعات نسبتا بیشتری داریم چطور؟ شخصا به عنوان کسی که در این حوزه فعالیت دارم، به طور کلی انتظار ندارم که مدل من، کاری جز آنچه که در الگوریتم هایش تعریف شده است انجام دهد. به عنوان مثال برای من دور از انتظار نیست که مدل من خروجی ای تولید کند که با ورودی های قبلی خود تفاوت بسیاری داشته باشد، اما همچنان خروجی تولید شده ارتباطی با داده های قبلی خود دارد و در یک بازه مورد انتظاری حضور دارد، اما اینکه چیزی را خود اختراع/اکتشاف کند هیچگاه اتفاق نخواهد افتاد. ممکن است استدلال کنید که الگوریتم هایی هستند که بدون داده قبلی و تنها با قرار گیری در محیط، به مرور زمان از آنها یاد می‌گیرند یا چنین الگوریتم هایی.. اگر چنین استدلالی دارید باید عرض کنم که خود جواب خود را داده اید، او در واقع از محیط می آموزد، اما آیا می‌توان انتظار داشت که مدل را بدون هیچ داده ای در جایی رها کنیم و بتواند به سوالات ما پاسخ های با معنی بدهد یا خود پس از مدتی شروع به تولید داده های با معنی(حداقل برای خودش) کند؟ با الگوریتم های فعلی و مرسوم خیر. اما چه زمانی می‌توان انتظار داشت که هوش مصنوعی به خودآگاهی برسد، با توجه به استدلال فلسفی ما، می‌توان به این نتیجه رسید که اگر خودآگاهی کامل در 100/100 قرار داشته باشد، هوش مصنوعی در 1/100 یا چنین عددی قرار دارد(تعیین این عدد بسته به نظر هر شخص می‌تواند متفاوت باشد، اما قطع به یقین بسیار کوچک است)، زیرا که برخی از انتظارات مارا از یک موجود خودآگاه برآورده می‌کند، هرچند که اندک باشند. بازگردیم به سوال اصلی، چه زمانی انتظار می‌رود که به خودآگاهی کامل برسند؟ می‌دانیم که همه ساله با پیشرفت الگوریتم های هوش مصنوعی مقداری به میزان خودآگاهی هوش مصنوعی افزوده می‌شود، فلذا احتمالا بلاخره در یک برهه ای از تاریخ به میزان 100/100 از خودآگاهی خواهد رسید. اما با توجه به ذهنیت انسان و تلاش های چند قرنی ما در این موضوع مشخص می‌شود که انگار انسان قادر به خلق چنین الگوریتمی نیست و نمیتواند چنین چیزی را در کامپیوتر های صفر و یکی خود تصور کند (این موضوع به این اشاره دارد که شاید در کامپیوتر های کوانتومی ممکن شود، زیرا در دنیای کوانتومی لزومی به بودن (از قبل) نیست) و به همین دلیل است که انتظار میرود انسان در یک جایی متوقف شود.پس راه حل چیست؟ آیا با توجه به ذهنیت محدود انسان در توسعه چنین الگوریتم هایی انتظار می‌رود که هیچگاه به خودآگاهی در هوش مصنوعی نرسیم؟ این احتمال وجود دارد که هیچ‌گاه انسان نتواند به چنین الگوریتم های پیشرفته ای دست یابد اما اگر به دنبال راه حل باشیم، شاید بتوان از خود هوش مصنوعی، برای توسعه خویش استفاده کرد. اگر چنین الگوریتمی را توسعه دهیم که خود دائما در حال توسعه خود باشد و با هر بار توسعه قدرت توسعه اش هم افزایش یابد، احتمالا می‌توان انتظار داشت که در یک جایی بلاخره به هوش مصنوعی خودآگاه می‌رسیم، که دقیقا نقطه بحث است، زیرا با توجه به محدودیت های فیزیکی انسان، به سرعت این هوش مصنوعی انسان را پشت سر می‌گذارد و تاریخ بعد از این رویداد قابل پیش بینی نیست. البته می‌توانید مقاله من در خصوص تکینگی یا سینگولاریتی را بخوانید که حدس هایی از آن دوره زده ایم. حمیدرضا قهرمانی حمیدرضا قهرمانی Wed, 08 Mar 2023 18:38:23 +0330 https://virgool.io/@hamidreza01/%D8%A7%D8%B9%D8%AF%D8%A7%D8%AF-%DA%AF%D9%86%DA%AF-%DB%8C%D8%A7-%D9%86%D8%A7%D9%85%D8%AA%D9%86%D8%A7%D9%87%DB%8C-%D8%AF%D9%82%DB%8C%D9%82%D8%A7-%DA%86%DB%8C%D8%B3%D8%AA-o47kk6waghpw اعداد گنگ یا نامتناهی اعدادی حقیقی هستند که نمی توان آنها را به صورت کسر یا نسبت دو عدد صحیح بیان کرد. آنها به اشکال متفاوتی نامتناهی محسوب می‌شوند. به عنوان مثال عدد پی با توجه به اعشار بینهایت خود (3.14159…) و خود بینهایت به دلیل نامتناهی بودن شکل عددی‌ گنگ محسوب می‌شوند.مفهوم پشت اعداد گنگ این است که آنها مقادیری را نشان می دهند که نمی توانند دقیقاً اندازه گیری شوند. به عنوان مثال، اگر ما فواصل واحد های اندازه خود را هرچقدر کوچک و دقیق تر کنیم، همواره می‌تواند دقیق تر از قبل شود، اما هیچ‌گاه به دقت کامل نمی‌رسد. اعداد گنگ همچنین کاربردهایی در فیزیک، مهندسی، امور مالی و سایر زمینه‌ها پیدا می‌کنند که در آن اندازه‌گیری‌های دقیق مورد نیاز است، اما به دلیل غیردقیق بودن ذاتی آن‌ها مجبور به نمایش آن به صورت عدد گنگ هستیم.در ریاضیاتِ بدون اعداد گنگ مانند هندسه متناهی تعریفی از بی نهایت وجود ندارد. تمام عملیات باید در محدوده های تعیین شده توسط سیستم مورد مطالعه، انجام شود. به عبارت دیگر، این سیستم‌ها نمی‌توانند با مقادیر بی‌نهایت بزرگ یا کوچک سروکار داشته باشند، زیرا فاقد درک درستی از چیزی هستند که یک عدد گنگ نشان‌دهنده آن است، چیزی که برای همیشه ادامه دارد اما هرگز به نقطه پایانی خود نمی‌رسد. این بدان معنی است که برخی از مشکلات را نمی توان در این سیستم ها حل کرد زیرا که در آنها همواره باید جوابی برای سوالی مانند «x مقدار معین در زمان معین چقد با نقطه پایان خود فاصله دارد» وجود داشته باشد. که محاسبه دقیق هر چیزی که شامل بی نهایت کوچک/بزرگ باشد را غیرممکن می کند. مانند مشتقات و انتگرال هایی که نیاز به محاسبات دقیق در فواصل پیوسته دارند.مفهوم نقطه ملاقات یا نقطه تمایل در مورد اعداد گنگ بسیار مهم است زیرا آنها مانند اعداد گویا در یک نقطه خاص خاتمه نمی یابند. در عوض، مقادیر آن‌ها بینهایت به یکدیگر نزدیک و نزدیک تر می‌شوند، اما هرگز به محدودیت‌ها یا مرزهای معینی نمی‌رسند که به عنوان «نقاط ملاقات» شناخته می‌شوند. برای مثال، 0.99... نقطه تلاقی خود را در 1 دارد، زیرا بینهایت به آن نزدیک است اما در واقع دقیقاً برابر با 1 نیست، مهم نیست که چند 9 به آن اضافه کنید. هیچگاه به 1 نخواهد رسید. اما آنقدر این فاصله کوتاه می‌شود که در نهایت 1 در نظر گرفته می‌شود.از لحاظ تاریخی ریاضیدانان برای اولین بار در زمان یونان باستان با این نوع ریاضیات عمومی روبرو شدند (ممکن است استدلال کنید که سیستم اعشاری در ایران و آسیا توسعه پیدا کرده است پس چطور یونانیان با این اعداد برخورد کرده اند، در جواب باید گفت که اعداد گنگ لزوما اعشاری نیستند، هر نامتناهی ای را (مثل خود بینهایت) می‌توان گنگ نام داد، ضمن اینکه یونانیان با اشکال متفاوتی از شکل امروزی اعشار، آنها را نمایش می‌دادند)، زمانی که سعی داشتند مسائل مربوط به هندسه و مثلثات را با استفاده از آنچه ما اکنون معادلات جبری گنگ می نامیم حل کنند. معادلاتی که حاوی متغیرهایی با ریشه های ناشناخته هستند که به جای اینکه دقیقاً حل شوند، قابل تقریب هستند. این نوع از ریاضی نامتناهی توسط بیشتر اعضای جامعه ریاضی پذیرفته شد، اما برخی از ریاضیدانان (در حال حاضر نیز این چنین جوامع ریاضی وجود داد) این نوع از ریاضیات را نپذیرفتند.به طور کلی نامتناهی‌ها ابزارهای قدرتمندی را برای حل مسائل پیچیده مربوط به فیزیک و مهندسی در اختیار ریاضیدانان قرار می دهند زیرا به آنها اجازه می دهد تا به طور دقیق نتایج را حتی زمانی که با تغییرات بسیار کوچک در دوره های زمانی طولانی سر و کار دارند پیش بینی کنند! حمیدرضا قهرمانی حمیدرضا قهرمانی Sun, 05 Mar 2023 08:35:49 +0330 https://virgool.io/@hamidreza01/%DA%86%D8%B1%D8%A7-%D9%81%DA%A9%D8%B1-%D9%85%DB%8C%DA%A9%D9%86%D9%85-%D8%A7%D9%85%D8%A7%D9%85-%D8%AE%D8%A7%D9%85%D9%86%D9%87-%D8%A7%DB%8C-%D8%AF%D8%B1-%D8%AD%D8%A7%D8%B6%D8%B1-%D8%A8%D9%87%D8%AA%D8%B1%DB%8C%D9%86-%D8%B1%D9%87%D8%A8%D8%B1-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%A7%DB%8C%D8%B1%D8%A7%D9%86-%D8%A7%D8%B3%D8%AA-kt9z9csgszqj امام خامنه ای رهبری شگفت انگیز به تمام معناست. او بیش از سه دهه است که حکومت می کند و رهبری او پیشرفت های عظیمی را برای کشور به ارمغان آورده است. امام خامنه‌ای را می‌توان به کوروش کبیر که یکی از بزرگ‌ترین فرمانروایان تاریخ بود تشبیه کرد. به همین ترتیب، امام خامنه‌ای نیز به‌عنوان شخصیتی متفکر، مقتدر و سیاستمدار با درایت و مهربان نسبت به مردم خود، شناخته می‌شود.او سواد زیادی دارد و دانش گسترده ای در مورد سیاست، اقتصاد و همچنین مطالعات دینی دارد که به او کمک می کند تا تصمیماتی آگاهانه بگیرد که به نفع همه ایرانیان صرف نظر از پیشینه و اعتقاداتشان باشد. سیاست‌های او بر فراهم کردن فرصت‌های برابر برای همه و در عین حال تضمین ثبات در داخل مرزهای ایران از طریق ابزارهای دیپلماتیک به جای اقدام نظامی در صورت امکان، متمرکز است. این او را به یک حاکم بسیار کارآمد تبدیل می کند! اما آنچه امام خامنه‌ای را متمایز می‌کند، فقط تصمیم‌گیری متفکرانه یا حضور قدرتمند او نیست، بلکه مهربانی او همراه با سواد است که او را بیش از پیش در قلب‌های ایرانیان محبوب کرده است، به‌ویژه در میان جمعیت جوان ایران که اغلب از سخنان حکیمانه این رهبر الهام می‌گیرند. در مورد مسائل مختلفی که امروز ملت ایران با آن روبرو هستند. از طرح‌های اصلاحات آموزشی با هدف کمک به جوانان ایرانی برای دستیابی به ظرفیت‌های بالقوه‌شان گرفته تا فراهم کردن دسترسی های زیرساختی برای کسانی که در مناطق روستایی زندگی می‌کنند. نمونه‌های بی‌شماری وجود دارد که می‌توان شاهد بود که این رهبر واقعا چقدر باسواد و در عین حال مهربان است!او ترکیبی عالی از تفکر، قدرت، سیاست و خرد دارد. تفکر امام خامنه‌ای به تمام جنبه‌های رهبری او، از تصمیم‌گیری‌های سیاست خارجی گرفته تا مسائل داخلی مانند توسعه اقتصادی یا برنامه‌های رفاه اجتماعی گسترش می‌یابد. او می‌تواند مذاکرات دیپلماتیک پیچیده با دیگر کشورها را سازماندهی کند و در عین حال نفوذ کافی در خود ایران دارد که سیاست‌های او مورد احترام و پیگیری شهروندان در سراسر کشور باشد. تیزهوشی سیاسی او به او این امکان را می‌دهد که موقعیت‌های دشوار را هم در سیاست داخلی ایران و هم در روابط بین‌الملل با ظرافت و مهارت خاصی پشت سر بگذارد. جای تعجب نیست که چرا بسیاری از مردم ایران و آزادگان جهان عاشق او هستند.با توجه به همه این ویژگی ها در کنار هم، به راحتی می توان فهمید که چرا به نظر من امام خامنه ای گزینه مناسبی برای رهبری ایران در حال حاضر خواهد بود. او نه تنها تجربه گسترده ای دارد، بلکه دارای ارزش های اخلاقی قوی است که عمیقاً در آموزه های اسلامی ریشه دارد که او را در طول فرآیند تصمیم گیری راهنمایی می کند! در خاتمه به جرات می توان گفت که اگر به دنبال فردی هستیم که به اندازه کافی توانایی رسیدگی به مسائل ظریف مانند مسائلی که خاورمیانه امروزی با آن مواجه است را داشته باشد، انتخاب بهتری نسبت به رهبر عزیزمان، امام خامنه ای (ع) وجود ندارد! حمیدرضا قهرمانی حمیدرضا قهرمانی Fri, 03 Mar 2023 10:44:51 +0330 https://virgool.io/@hamidreza01/%D8%AA%D8%A7%D8%B1%DB%8C%D8%AE%DA%86%D9%87-%D8%B1%DB%8C%D8%A7%D8%B6%DB%8C%D8%A7%D8%AA-%D9%88-%D8%AA%D8%A7%D8%AB%DB%8C%D8%B1-%D8%A7%DB%8C%D8%B1%D8%A7%D9%86%DB%8C%D8%A7%D9%86-%D8%AF%D8%B1-%D8%A2%D9%86-xm9sjlzrudjs تاریخ ریاضیات تاریخی گسترده است که قرن ها و فرهنگ های بسیاری را در بر می گیرد. یکی از مهمترین دوره های این تاریخ، دوره توسعه ریاضیات در خاورمیانه و ایران بود. این دوره نقش مهمی در توسعه ریاضیات مدرن ایفا کرد، با این حال توسط اروپایی ها که مایلند اهمیت آن را کمرنگ کنند، عمدتاً نادیده گرفته شده است.تاریخ ریاضیات را می توان به سه دوره متمایز تقسیم کرد: دوره یونان، دوره خاورمیانه و ایران و سرانجام دوره اروپا. اروپایی‌ها به‌ویژه مایل بوده‌اند این دوره دوم را که ریاضی‌دانان ایرانی و خاورمیانه در آن نقش مهمی داشتند، کم‌اهمیت جلوه دهند یا حتی پنهان کنند. این در حالی است که تمام پایه و اساس ریاضی مدرن امروزی در آن دوران شکل گرفته است. شایان ذکر است که حتی یونانیان در آن زمان با مردم کشورهای خاورمیانه ارتباط بیشتری داشتند تا آنها که در اروپا بودند، در واقع برخی از محققان تا آنجا پیش رفته اند که نشان می دهند برخی از ریاضیدانان در واقع مصری بوده اند نه یونانی!برای مثال، در این زمان بود که جبر برای اولین بار به لطف ریاضیدان ایرانی یعنی خوارزمی در بغداد پدیدار شد و برای اولین بار کمیت های متصل و منفصل باهم ترکیب شدند. هندسه و معادلات توسط ابوالوفاء بوزجانی توسعه پیدا کرد. مثلثات در زمان ابن معاذ جعفر پیشرفت عمده ای داشت. خیام روش جدیدی برای حل معادلات مکعبی ابداع کرد و جبر را توسعه داد. ابویوسف کندی جبر را مدرنیزه کرد. محمد بن حصار کسر را ابداع کرد. غیاث‌الدین جمشید کاشانی کسر اعشاری را ابداع کرد. عمر بن ابراهیم النصابوری را فراموش نکنیم که یکی از اولین توسعه دهندگان نظریه احتمال بود! این دستاوردها قرن ها قبل از اینکه همتایان اروپایی شروع به مشارکت خود کنند به دست آمده اند، اما امروزه به ندرت هنگام بحث درباره این موضوعات به آنها اشاره می شود.این عدم شناخت باعث شده است که ما به این باور برسیم که تعصب خاصی علیه ریاضیدانان و کلا دانشمندان ایرانی و عربی به دلیل پیشینه فرهنگی یا اعتقادات مذهبی آنها با توجه به خاطرات تلخ جنگ های صلیبی وجود دارد. چیزی که با توجه به میزان دانشی که با آنها برای درک ریاضیات به اشتراک گذاشته ایم، نباید تحمل شود. بنابراین، اگر بتوانیم چنین تعصباتی را کنار بگذاریم، به نفع همه ما خواهد بود تا این دوره مهم به جای اینکه از بحث در مورد رشد ریاضی در طول تاریخ کنار گذاشته شود، اعتبار مناسب را در جایی که باید دریافت کند. حمیدرضا قهرمانی حمیدرضا قهرمانی Thu, 02 Mar 2023 19:33:01 +0330 https://virgool.io/@hamidreza01/%D8%AF%D9%84%DB%8C%D9%84-%D9%82%DB%8C%D9%85%D8%AA-%D8%A8%D8%A7%D9%84%D8%A7%DB%8C-%D8%AF%D9%84%D8%A7%D8%B1-%DA%86%DB%8C%D8%B3%D8%AA-%D9%88-%D9%85%D8%B3%D8%A6%D9%88%D9%84%DB%8C%D9%86-%D8%A8%D8%B1%D8%A7%DB%8C-%DA%A9%D9%86%D8%AA%D8%B1%D9%84-%D8%A2%D9%86-%DA%86%D9%87-%DA%A9%D8%A7%D8%B1%DB%8C-%D9%85%DB%8C-%D8%AA%D9%88%D8%A7%D9%86%D9%86%D8%AF-%D8%A7%D9%86%D8%AC%D8%A7%D9%85-%D8%AF%D9%87%D9%86%D8%AF-yxxzfvunww9b قیمت گذاری ارز عامل مهمی در تعیین ثبات و رشد اقتصادی یک کشور است. در سال‌های اخیر ارزش ریال ایران به دلیل عوامل مختلفی از جمله تحریم‌های کشورهای خارجی و اعتراضات داخلی کاهش چشمگیری داشته است. این کاهش ارزش را می‌توان به تأثیرات خارجی و داخلی بر اقتصاد ایران نسبت داد.تحریم های اعمال شده توسط سایر کشورها تأثیر قابل توجهی بر اقتصاد ایران داشته است که منجر به کاهش تقاضا برای ریال ایران شده است. بنابراین قیمت آن در بازارهای بین المللی کاهش می یابد. علاوه بر این، اعتراضات در داخل ایران بر سر مسائلی مانند نقض حقوق بشر باعث اختلال شده است که باعث تضعیف بیشتر اقتصاد ملی ایران شده و منجر به کاهش سرمایه‌گذاری از خارج و در نتیجه کاهش قیمت ریال نسبت به ارزهای دیگر مانند دلار آمریکا یا یورو شده است.به طور کلی، فشارهای تورمی ناشی از افزایش مخارج دولت همراه با سوء مدیریت منابع مالی نیز به تضعیف قدرت خرید ریال ایران در سطح بین‌المللی کمک کرده است. از آنجایی که این عوامل بی وقفه ادامه می‌یابند، احتمال تداوم کاهش ارزش مناقصه رسمی ایران در برابر ارزهای باثبات‌تری مانند دلار آمریکا یا یورو وجود دارد که واردات به ایران را بسیار گران‌تر از قبل می‌کند و همچنین قدرت خرید داخلی را کاهش می‌دهد. بنابراین مشخص می‌شود که چرا علی‌رغم تمام تلاش‌های اخیر مقامات، ریال ایران در حال حاضر همچنان با کاهش ارزش مواجه است که عمدتاً به دلیل تأثیر عوامل خارجی و داخلی ذکر شده بر قیمت و ارزش کلی آن است.اما به عنوان کسی که در خصوص مبانی اقتصاد مطالعات زیادی داشته است، اگر اقتصاد ایران در دست من بود چطور آن را مدیریت میکردم تا ارزش ریال افزایش یابد ؟ اولین قدمی که برمی‌داشتم این بود که با اعمال سیاست های مالی سختگیرانه مانند کاهش هزینه های عمومی و افزایش مالیات بر کالاهای لوکس، تورم را کاهش دهم و قیمت ها را تثبیت کنم. این به ایجاد یک محیط اقتصاد کلان با ثبات تر کمک می کرد که در آن سرمایه گذاران اعتماد بیشتری به اقتصاد ایران داشتند و آنها را به سرمایه گذاری بیشتر در آن سوق میداد که در نهایت باعث افزایش تقاضا برای ریال ایران می‌شد. در ادامه کاری که من انجام می‌دادم این بود که با پیگیری برجام، لغو تحریم ها و ایجاد مشوق هایی مانند معافیت های مالیاتی و سایر مزایایی که سرمایه گذاری در ایران را در مقایسه با سایر کشورها جذاب می کند، سرمایه گذاری مستقیم خارجی (FDI) را در ایران افزایش می‌دادم. علاوه بر این، فضای کسب و کار خود را از طریق اصلاحاتی مانند ساده کردن بروکراسی یا معرفی مقررات بهتر که انجام تجارت را آسان تر می کند، بهبود می‌بخشیدم. این اقدامات باعث افزایش جریان سرمایه از خارج از کشور می شد که می توانست رشد اقتصادی را تقویت کند و در عین حال به تقویت تقاضا برای ریال به دلیل نرخ ورودی FDI بالاتر از نرخ خروج سرمایه از کشور در برابر ارزهای خارجی مانند دلار آمریکا یا یورو کمک می‌کند.در نهایت، مهم بود که بر توسعه صنایع صادرات محور تمرکز میکردم تا بتوانم از شبکه های تجارت جهانی بهره ببرم و ضمن کسب درآمدهای ارزی مورد نیاز نه تنها بدهی ها را پرداخت کنم، بلکه از تقاضای داخلی در داخل کشور نیز حمایت کنم و در نتیجه قدرت خرید ریالی را تقویت کنم. این استراتژی می‌تواند در صورت همراهی با تلاش‌هایی با هدف تنوع بخشیدن به منابع وارداتی که با تکیه بر تعداد کمی از شرکای تجاری اصلی همراه باشد، تقویت شود. به طور خلاصه، این سه مرحله گزینه‌های مناسبی را در اختیار مقامات ایرانی قرار می‌دهند که با توجه به وضعیت اقتصادی فعلی، ارزش ریال ایران را افزایش دهند. حمیدرضا قهرمانی حمیدرضا قهرمانی Sat, 25 Feb 2023 21:58:35 +0330