https://virgool.io/feed/@m.rastegar991 برنامه نویس کامپیوتر و ازین جور مسخره بازی ها! fa 2026-06-16 08:26:40 https://files.virgool.io/upload/users/234580/avatar/JpSpbd.jpg?height=120&width=120 https://virgool.io/@m.rastegar991 https://virgool.io/@m.rastegar991/%D8%B1%D9%87%D8%A7%DB%8C%DB%8C-%D8%A7%D8%B2-%D8%B1%D9%86%D8%AF%D8%B1-%D8%A7%D8%B6%D8%A7%D9%81%D9%87-%D8%AF%D8%B1-%D8%B1%DB%8C%D8%A7%DA%A9%D8%AA-%D8%A8%D8%A7-react-constore-fbh0r3clyjqw 🚀 React-ConStore: The State Management Revolution is Here!Stop Wrestling with Heavy State Libraries – Meet Your New Best Friend! ⚡Tired of bloated Redux setups? Fed up with complex Zustand configurations? Welcome to React-ConStore – the ultra-lightweight state management solution that actually makes sense!🎯 Why Developers Are Going Crazy for React-ConStore⚡ ULTRA-LIGHTWEIGHT → Less than 1KB gzipped!While others burden your app with 2-3KB+, we keep it lean and mean🚀 FUTURE-READY → React 18 & 19 CompatibleBuilt for modern React with full concurrent features support🎯 SMART RENDERING → Zero Unnecessary Re-rendersComponents update ONLY when their data actually changes🪝 FAMILIAR API → Uses React Hooks You Already KnowNo new concepts to learn – if you know hooks, you know ConStore💥 See the Magic in Action// Create store in seconds const store = createStore({ count: 0, user: { name: 'Guest' } }); // Use anywhere with familiar hooks function Counter() { const [count, setCount] = store.useStoreKey('count'); return ( <button ={() => setCount(count + 1)}> Count: {count} </button> ); }That's it! No providers, no reducers, no middleware hell!🏆 The Competition Can't Keep UpLibrary Size Complexity React 19 Ready React-ConStore ~950B ✨ Minimal ✨ ✅ Redux Toolkit ~2.5KB High ✅ Zustand ~2.1KB Medium ✅ Jotai ~2.8KB Medium ✅🔥 What Developers Are Saying"Finally, a state library that doesn't make me want to pull my hair out!""Migrated from Redux in 10 minutes. My bundle size dropped by 60%!""Perfect for Next.js 13+ App Router. Just works!"✨ Premium Features That Cost You Nothing🎯 Selective Subscriptions → Subscribe to specific keys📝 Full TypeScript Support → Type safety out of the box🌐 Server Components Ready → Next.js 13+ compatible🔄 Automatic Batching → Optimized for React 18/19🧠 Deep Equality Checks → Prevents unnecessary renders🛠️ DevTools Compatible → Debug with React DevTools🚀 Get Started in 30 Secondsnpm install react-constore # or yarn add react-constoreOne command. Zero configuration. Infinite possibilities.🎉 Join Thousands of Happy Developers⭐ Star us on GitHub 📦 Install today 🚀 Ship faster apps tomorrow👉 GET REACT-CONSTORE NOWReact-ConStore: Because your state management should be simple, not a PhD thesis.#ReactJS #StateManagement #JavaScript #TypeScript #WebDev #React18 #React19 مصطفی رستگار مصطفی رستگار Thu, 22 May 2025 13:35:34 +0330 https://virgool.io/@m.rastegar991/vscode-clean-dead-code-iunmv7wzbv5s کدهای بدون استفاده، قاتل خاموش بهره‌وری در توسعه نرم‌افزار هستند. مثلا import های استفاده نشده، متغیرهای فراموش شده و پارامترهای بلااستفاده در توابع، شاید در نگاه اول بی‌ضرر به نظر برسند، اما به تدریج انباشته می‌شوند و باعث سردرگمی، کاهش خوانایی کد و دشوارتر شدن نگهداری آن می‌شوند. با بزرگ‌تر شدن پروژه‌ها، اهمیت تمیز و کارآمد نگه داشتن کدها نیز بیشتر می‌شود.در این مقاله، افزونه CleanDeadCode را معرفی می‌کنم، یک افزونه تخصصی برای VSCode که به صورت خودکار کدهای بدون استفاده را شناسایی و حذف می‌کند، در حالی که ساختار و نظم کد شما حفظ می‌شود.مشکل کدهای بدون استفادهپروژه‌های جاوااسکریپت و تایپ‌اسکریپت به طور خاص مستعد مشکلات کد بدون استفاده هستند. همانطور که کامپوننت‌ها تکامل می‌یابند، وابستگی‌ها تغییر می‌کنند و ویژگی‌ها بازسازی می‌شوند، به راحتی می‌توان رد پایی از کدهای بدون استفاده به جا گذاشت. این موارد را در نظر بگیرید:یک کتابخانه را import می‌کنید اما دیگر به آن نیاز نداریدیک هوک React را اضافه می‌کنید اما در نهایت از روش دیگری استفاده می‌کنیدپارامترهایی را در تابع تعریف می‌کنید اما هرگز از آنها در پیاده‌سازی استفاده نمی‌کنیدمتغیرهای موقت برای اشکال‌زدایی ایجاد می‌کنید که پس از رفع مشکلات همچنان باقی می‌مانندقابلیت داخلی VSCode به نام "Organize Imports" می‌تواند به مدیریت import ها کمک کند، اما همچنین ترتیب import ها را تغییر می‌دهد که ممکن است نظم مورد نظر شما را به هم بریزد. همچنین هشدارهای ESLint درباره متغیرهای بدون استفاده نیاز به کد زدن دستی برای رفع مشکل دارند.معرفی CleanDeadCodeحالا CleanDeadCode این مشکلات را با دقت حل می‌کند و دو قابلیت قدرتمند ارائه می‌دهد:پاکسازی هوشمند import ها: import های بدون استفاده را بدون تغییر ترتیب import های باقی‌مانده حذف می‌کندمدیریت هوشمند متغیرها: متغیرهای بدون استفاده را با کامنت غیرفعال می‌کند و پارامترهای توابع را با توجه به متن مدیریت می‌کندبیایید ببینیم این قابلیت‌ها چگونه کار می‌کنند و چه مشکلاتی را حل می‌کنند.پاکسازی هوشمند import هاحفظ ترتیب import های باقی‌ماندهپشتیبانی انواع import:`import` پیش‌فرض: import React from 'react'بانام: import { useState, useEffect } from 'react'با نام و نام مستعار: import { useState as useStateHook } from 'react'فضای نام: import * as ReactDOM from 'react-dom'با اثر جانبی: import 'styles.css'به یک مثال قبل و بعد نگاه کنیم:قبل از پاکسازی:import React, { useState, useEffect, useContext } from 'react'; import { useNavigate } from 'react-router-dom'; import * as utils from './utils'; function MyComponent() { const [count, setCount] = useState(0); // فقط useState استفاده شده، useEffect و useContext استفاده نشده‌اند // همچنین useNavigate و utils استفاده نشده‌اند return <div>{count}</div>; }بعد از پاکسازی با CleanDeadCode:import React, { useState } from 'react'; function MyComponent() { const [count, setCount] = useState(0); return <div>{count}</div>; }مدیریت هوشمند متغیرهابرای متغیرهای بدون استفاده:افزونه آنها را با یک برچسب TODO کامنت می‌کند تا به شما کمک کند تصمیم بگیرید آیا می‌خواهید آنها را کاملاً حذف کنید یا برای استفاده آینده نگه دارید:قبل:function processData() { const data = fetchData(); const config = getConfig(); // متغیر بدون استفاده console.log(data); return data; }بعد:function processData() { const data = fetchData(); // TODO: Unused variable // const config = getConfig(); console.log(data); return data; }برای پارامترهای تابع:افزونه تغییرات متناسب با زمینه را اعمال می‌کند:پارامترهای بدون استفاده که برای موقعیت پارامتر های بعدی ضروری هستند: پیشوند underscore اضافه می‌کندپارامترهای بدون استفاده در انتها: آنها را کاملاً حذف می‌کندقبل:function processUser(userId, userName, userRole, userAge) { console.log(`Processing ${userName}`); // فقط userName استفاده شده، سایر پارامترها استفاده نشده‌اند }بعد:function processUser(_userId, userName) { console.log(`Processing ${userName}`); // فقط userName استفاده شده، سایر پارامترها استفاده نشده‌اند }چالش‌های پیاده‌سازیتوسعه CleanDeadCode چندین چالش فنی جالب را به همراه داشت:تحلیل import هاتشخیص دقیق اینکه کدام import ها استفاده می‌شوند نیاز به تحلیل عمیق AST (درخت نحوی انتزاعی) با استفاده از API کامپایلر TypeScript داشت. استفاده ساده از الگوهای regex بسیاری از موارد خاص را از دست می‌داد، به ویژه با import های دارای نام مستعار و destructuring اشیاء.مدیریت پارامتر با آگاهی از زمینهمدیریت پارامترهای تابع نیاز به در نظر گرفتن موقعیت آنها نسبت به سایر پارامترها داشت. افزونه باید بین موارد زیر تمایز قائل شود:پارامترهایی که باید برای دلایل موقعیتی باقی بمانندپارامترهایی که می‌توان به راحتی آنها را حذف کردحفظ ساختار کداطمینان از اینکه افزونه فرمت‌بندی یا سازماندهی کد را مختل نمی‌کند، نیاز به دستکاری دقیق موقعیت‌های منبع و محدوده‌های کاراکتر داشت.استفاده از CleanDeadCodeاین افزونه طوری طراحی شده است که به راحتی در روند کاری شما جای بگیرد، چه پاکسازی دستی را ترجیح دهید و چه پردازش خودکار.پاکسازی دستیمی‌توانید افزونه را از طریق موارد زیر فراخوانی کنید:منوی راست کلیکپنجره فرمان (Ctrl+Shift+P یا Cmd+Shift+P)میانبرهای صفحه کلید:Ctrl+Alt+U (ویندوز/لینوکس) یا Cmd+Alt+U (مک) برای import های بدون استفادهCtrl+Alt+V (ویندوز/لینوکس) یا Cmd+Alt+V (مک) برای متغیرهای بدون استفادهCtrl+Alt+C (ویندوز/لینوکس) یا Cmd+Alt+C (مک) برای هر دو عملیاتپاکسازی خودکاربرای رویکردی بدون نیاز به دخالت دستی، پاکسازی خودکار را هنگام ذخیره فایل فعال کنید:تنظیمات VSCode را باز کنیدعبارت "CleanDeadCode" را جستجو کنیدگزینه‌های خودکار را فعال کنید:cleanCode.autoRemoveUnusedImportscleanCode.autoHandleUnusedVariablesگزینه‌های شخصی‌سازیافزونه چندین گزینه پیکربندی ارائه می‌دهد:انتخاب نحوه برخورد با متغیرهای بدون استفاده: آنها را کامنت کنید، پیشوند underscore اضافه کنید یا آنها را نادیده بگیریدکنترل حذف پارامتر انتهایی: انتخاب کنید که آیا پارامترهای بدون استفاده در انتهای توابع حذف شوند یا نهپیکربندی رفتار ذخیره خودکار: فعال کردن پاکسازی خودکار برای import ها، متغیرها یا هر دومزایا برای روند توسعه شمایکپارچه‌سازی CleanDeadCode در روند کاری شما چندین مزیت دارد:بهبود خوانایی کد: شلوغی کمتر به معنای کد خوانا‌تر استکاهش بار شناختی: نیازی به فیلتر ذهنی عناصر بدون استفاده نیستعملکرد بهتر: برخی از import های بدون استفاده می‌توانند بر اندازه بسته و زمان بارگیری تأثیر بگذارندسبک کد یکنواخت: نحوه علامت‌گذاری پارامترهای بدون استفاده را استاندارد می‌کندصرفه‌جویی در زمان: کاری را خودکار می‌کند که در غیر این صورت نیاز به پاکسازی دستی داشتاین افزونه تحت مجوز MIT منتشر شده و برای استفاده شخصی و تجاری رایگان است. مصطفی رستگار مصطفی رستگار Fri, 04 Apr 2025 11:51:42 +0330 https://virgool.io/@m.rastegar991/%D8%B1%D8%A7%D9%87%D9%86%D9%85%D8%A7%DB%8C-%D8%B9%D9%85%D9%84%DB%8C-%D9%88-%DA%AF%D8%A7%D9%85-%D8%A8%D9%87-%DA%AF%D8%A7%D9%85-%D8%A8%D8%B1%D8%A7%DB%8C-%DA%A9%D8%AF%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D9%85%D8%A4%D8%AB%D8%B1-%D8%A8%D9%87-%DA%A9%D9%85%DA%A9-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-q7zrtpdhbmxw در سال‌های اخیر، هوش مصنوعی (AI) به ابزاری قدرتمند در حوزه‌های مختلف از جمله مهندسی نرم‌افزار تبدیل شده است. استفاده از AI برای تولید کد، که گاهی از آن با عنوان "vibe-coding" یا کدنویسی شهودی یاد می‌شود، می‌تواند فرآیند توسعه را سرعت ببخشد، اما نیازمند رویکردی دقیق و ساختاریافته است تا از بروز مشکلات احتمالی جلوگیری شود و نتیجه نهایی کارآمد باشد. این مقاله راهنمایی عملی برای برنامه‌نویسان، به‌ویژه آن‌هایی که تجربه متوسط به بالا دارند، ارائه می‌دهد تا بتوانند به بهترین شکل از قابلیت‌های AI در پروژه‌های خود بهره‌مند شوند.۱۲ قدم برای موفقیت پیش‌نیازها و ملاحظات اولیه۱. سطح مهارت برنامه‌نویس: کدنویسی به کمک AI برای افراد مبتدی توصیه نمی‌شود. درک عمیق اصول برنامه‌نویسی، معماری نرم‌افزار و توانایی ارزیابی و اصلاح کد تولید شده توسط AI ضروری است. بدون داشتن این مهارت‌ها، احتمال بروز خطاها، مشکلات ساختاری و اتلاف وقت بسیار بالا خواهد بود.۲. تعریف دقیق نیازمندی‌ها: پیش از شروع، فهرستی جامع از امکانات (Features) مورد نیاز پروژه تهیه کنید. می‌توانید این فهرست را خودتان بنویسید یا از AI برای پیشنهاد امکانات احتمالی کمک بگیرید.۳. تمرکز بر روی حداقل محصول قابل ارائه (MVP): فهرست امکانات را به یک MVP واقع‌بینانه و قابل اجرا محدود کنید. از درخواست‌های بسیار بزرگ و پیچیده در مراحل اولیه خودداری کنید. هدف، ساخت یک هسته اولیه کارآمد است.فرآیند گام‌به‌گام توسعه با AI۴. تعیین چارچوب‌ها و فناوری‌ها: به وضوح مشخص کنید که قصد دارید از چه فریم‌ورک‌ها، کتابخانه‌ها و تکنولوژی‌هایی (مانند NestJS, Vite, Ant Design و...) استفاده کنید. این کار باعث می‌شود AI کدی تولید کند که با پشته فناوری (Technology Stack) شما سازگار باشد و درک و نگهداری آن در آینده آسان‌تر شود.۵. درخواست ساختار پروژه: از AI بخواهید ساختار پیشنهادی پروژه (Directory Structure) را در قالب یک فایل README یا توضیحات متنی ارائه دهد. این ساختار را بررسی کنید تا از منطقی و استاندارد بودن آن اطمینان حاصل کنید.۶. تولید و بررسی داده‌های نمونه (Mock Data): درخواست کنید AI داده‌های نمونه برای مدل‌ها و موجودیت‌های پروژه تولید کند. این داده‌ها و مدل‌های پیشنهادی را به دقت بررسی کنید تا مطمئن شوید با نیازمندی‌های واقعی شما مطابقت دارند.۷. توسعه تدریجی و کنترل‌شده امکانات: پس از بررسی و تأیید مراحل قبلی، به AI اجازه دهید امکانات را به صورت گام‌به‌گام و یکی‌یکی پیاده‌سازی کند.کنترل فرآیند: در هر مرحله، صراحتاً به AI بگویید که بدون اجازه شما شروع به کدنویسی نکند و از انجام کارهای اضافی یا خارج از محدوده تعریف‌شده خودداری کند.تقسیم پروژه: به دلیل محدودیت‌های احتمالی در حجم ورودی/خروجی ابزارهای AI، پروژه را به بخش‌های کوچک‌تر و مستقل تقسیم کنید. هر بخش را جداگانه به AI بسپارید و توسعه دهید. از دریافت حجم زیادی کد به صورت یکجا خودداری کنید.۸. بازبینی و اصلاح مداوم: در هر قدم، کد تولید شده توسط AI را به دقت بررسی کنید.پایبندی به دستورالعمل‌ها: مطمئن شوید AI دقیقاً مطابق با دستورالعمل‌ها و محدودیت‌های تعیین‌شده عمل کرده است.کیفیت کد: صرفاً به این دلیل که کد توسط AI و به سرعت تولید شده، آن را نپذیرید. کد را از نظر کیفیت، خوانایی، کارایی و بهترین شیوه‌ها (Best Practices) ارزیابی کنید و در صورت نیاز، AI را برای اصلاح یا بازنویسی بخش‌هایی از کد راهنمایی کنید.نتیجه‌گیری و مراحل پس از توسعه اولیه۹. محصول اولیه و اعتبارسنجی: در پایان این فرآیند، شما یک نمونه اولیه (Prototype) یا MVP خواهید داشت که احتمالاً نیاز به اشکال‌زدایی (Debugging) و بهینه‌سازی دارد. این محصول اولیه را برای نمایش (Demo) و دریافت بازخورد از ذینفعان یا کاربران بالقوه استفاده کنید.۱۰. بازنویسی (اختیاری اما توصیه‌شده): اگر محصول اولیه با استقبال مواجه شد و تصمیم به توسعه کامل آن گرفتید، قویاً توصیه می‌شود که پروژه را از ابتدا و این بار توسط تیم توسعه انسانی بازنویسی کنید. کدهای تولید شده توسط AI، حتی با نظارت دقیق، ممکن است فاقد ظرافت‌ها، بهینگی‌ها و معماری ایده‌آل برای یک محصول نهایی و مقیاس‌پذیر باشند.۱۱. مدیریت انتظارات زمانی: انتظار نداشته باشید یک پروژه کامل در چند ساعت یا یک روز آماده شود. فرآیند کدنویسی با AI، با در نظر گرفتن مراحل برنامه‌ریزی، نظارت، بازبینی و اصلاح، معمولا بین ۵ تا ۱۴ روز برای رسیدن به یک MVP کارآمد زمان می‌برد.۱۲. ارزش‌آفرینی و صرفه‌جویی زمانی: با وجود نیاز به صرف زمان برای مدیریت فرآیند، استفاده هوشمندانه از AI می‌تواند به طور قابل توجهی (شاید معادل چندین نفر ماه) در زمان توسعه صرفه‌جویی کند. این رویکرد به شما امکان می‌دهد سریع‌تر به یک محصول قابل ارائه برسید و ایده‌های خود را اعتبارسنجی کنید.رعایت این اصول به شما کمک می‌کند تا از پتانسیل هوش مصنوعی در توسعه نرم‌افزار به شکلی موثر و مسولانه بهره‌مند شوید. مصطفی رستگار مصطفی رستگار Tue, 01 Apr 2025 11:20:24 +0330 https://virgool.io/@m.rastegar991/%D9%87%D9%85%DA%A9%D8%A7%D8%B1%DB%8C-%D8%A8%D8%A7-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%A7%D8%B2-%D9%86%DA%AF%D8%A7%D9%87-%D9%85%D9%87%D9%86%D8%AF%D8%B3%DB%8C-%D9%85%D8%AD%D8%B5%D9%88%D9%84-x3lxnl5qfql4 این روزها، تجربه‌ی همکاری من با هوش مصنوعی داره تغییرات جدی ای می‌کنه. دیگه فقط بحث توسعه‌دهندگی و کد زدن نیست؛ دارم سعی می‌کنم بیشتر نقش یک مهندس محصول رو ایفا کنم. تمرکزم رو از انجام کارهای روتین و رفع باگ‌های جزیی برداشتم و تمام تلاشم رو بردم به سمت تولید محصولاتی که تاثیر بیشتری روی دنیای نرم‌افزار بذاره. این تغییر رویکرد، باعث شده به جای غرق شدن در جزییات فنی، دیدگاه کلان‌تری نسبت به چرخه‌ی حیات محصول داشته باشم و در تصمیم هایی که می‌گیرم یکم فکر عمیق‌تری پشتش باشه. دیگه ترسی از پاک کردن کد، یا تغییر دادن چیز هایی که نوشته شده ندارم. اگر از چیزی خوشت نیاد خب عوض می‌کنی.چیزی که به شدت ذهنم رو درگیر کرده، فرآیند تصمیم‌گیری هوشمندانه‌ی این سیستم‌هاست! از مرحله‌ی برنامه‌ریزی اولیه گرفته تا اجرای نهایی، انگار با یک همکار همه‌فن‌حریف روبرو هستم که هم دانش فنی یک برنامه‌نویس حرفه‌ای رو داره، هم دید استراتژیک یک مدیر پروژه‌. این ترکیب، سرعت تصمیم و توسعه رو به شدت بالا می‌بره. برای مثال، وقتی در مورد انتخاب یک معماری نرم‌افزاری مناسب دو به شک هستم، به من کمک می‌کنه تا بهترین تصمیم رو بگیرم یا در خصوص ترتیب انتخاب و برنامه ریزی برای توسعه امکانات در محصول به راحتی برات نقشه راه ارايه می‌کنه.نکته‌ی قابل توجه اینه که این همکاری، به هیچ وجه محدود به کپی-پیست کردن کد یا اجرای یک سری دستورالعمل از پیش تعیین شده نیست. مهم‌ترین درسی که از این تجربه گرفتم، "نگاه سیستماتیک" به چالش‌هاست؛ از تحلیل دقیق مسئله گرفته تا انتخاب هوشمندانه‌ی راهکار و پیاده‌سازی درست و اصولی. انگار دارم یک نسخه‌ی به مراتب پیشرفته‌تر از تفکر مهندسی رو از یک هوش یاد می‌گیرم! این نگاه سیستماتیک در بلند مدت می‌تونه حداقل من رو به یک مهندس بهتر تبدیل کنه. مهندسی که واقعا داره مهندسی می‌کنه، می‌تونه بهتر و عمیق‌تر فکر کنه. مصطفی رستگار مصطفی رستگار Sat, 29 Mar 2025 06:05:20 +0330 https://virgool.io/@m.rastegar991/%D9%BE%D8%A7%DB%8C%D8%AA%D9%88%D9%86-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%AA%D9%88%D8%B3%D8%B9%D9%87-%D8%AF%D9%87%D9%86%D8%AF%DA%AF%D8%A7%D9%86-%D8%AC%D8%A7%D9%88%D8%A7-%D8%A7%D8%B3%DA%A9%D8%B1%DB%8C%D9%BE%D8%AA-mnqsr5eljtjr این راهنما برای اینه که به برنامه نویسای جاوااسکریپت کمک کنه پایتون رو سریع یاد بگیرن. یعنی مفاهیم جاوااسکریپت رو به معادل پایتونیش تبدیل میکنه تا راحت‌تر یاد بگیرید. بیشتر روی 80 درصد از امکانات پرکاربرد پایتون تمرکز کرده که زود یاد بگیرید و بتونید عملی ازش استفاده کنید.از JS به Pythonحالا چی شد این رو منتشر کردم:داشتم یه دوره 70 ساعته میدیم. البته فکر کنم رایگان خریده بودم تخفیف زیاد خورده بود :)) نشستم به نگاه کردن با سرعت 2x و نصفش هم میزدم بره جلو... دیگه دل و روده ام پیچید به هم. بعد به این فکر کردم این چیزایی که داره میگه رو میشه 2 ساعته نهایت یاد گرفت. چرا انقدر طولانیه ... حداقل 50 ساعت از مفاهیمی که توی فیلم آموزشی بود نهایت همین هاییه که این پایین آوردم.آخر داستان:این رو اول برای خودم درست کرده بودم. دیدم باحال شد، گفتم شما هم بخونید بد نیست. اگر جاییش غلط داره بهم بگید. منم خودم تازه پایتون رو شروع کردم. اصل مطلب رو ترجمه نکردم. چون فارسی انگلیسی قاطی می‌شد می‌رفت روی اعصاب.لینک مطلب در Gist https://gist.github.com/MostafaRastegar/f33a1d6229a1567962401ca3ca37da80 مصطفی رستگار مصطفی رستگار Fri, 21 Mar 2025 07:36:33 +0330 https://virgool.io/@m.rastegar991/%D8%B1%D8%A7%D9%87%D9%86%D9%85%D8%A7%DB%8C-%D8%AC%D8%A7%D9%85%D8%B9-%D9%86%D9%88%D8%B4%D8%AA%D9%86-%D9%BE%D8%B1%D8%A7%D9%85%D9%BE%D8%AA-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%AA%D9%88%D8%B3%D8%B9%D9%87-%D8%AF%D9%87%D9%86%D8%AF%DA%AF%D8%A7%D9%86-%D9%86%D8%B1%D9%85-%D8%A7%D9%81%D8%B2%D8%A7%D8%B1-wwckihsyr66m در عصر کنونی که هوش مصنوعی (AI) به طور فزایندهای در حوزه‌های مختلف از جمله توسعه نرم‌افزار نفوذ کرده است، توانایی برقراری ارتباط مؤثر با مدل‌های هوش مصنوعی از طریق پرامپت‌های دقیق و کارآمد به یک مهارت حیاتی تبدیل شده است. این راهنما به عنوان یک منبع جامع برای توسعه‌دهندگان نرم‌افزار طراحی شده است تا اصول و تکنیک‌های لازم برای نوشتن پرامپت‌های مؤثر را فرا بگیرند و از قدرت مدلهای هوش مصنوعی مانند ChatGPT و Copilot در گردش کار توسعه خود بهره‌مند شوند. هدف این راهنما، ارائه یک رویکرد گام‌به‌گام و کاربردی است که نه تنها مفاهیم اساسی Prompt Engineering را پوشش می‌دهد، بلکه با ارائه مثالهای شفاف و کاربردی، درک عمیق‌تری از این حوزه را برای دانشجویان و متخصصان نرم‌افزار فراهم می‌سازد.Prompt Engineeringمفهوم Prompt Engineering چیست؟نشان دهنده فرآیندی برای طراحی و بهینه‌سازی پرامپت‌های ورودی به مدلهای هوش مصنوعی است تا بتوان خروجی مطلوب و بهینه‌ای را از آنها دریافت کرد. به عبارت دیگر، این هنر و علمِ ساختن درخواست‌هایی است که مدل هوش مصنوعی را به سمت تولید پاسخهای دقیق، مرتبط و مفید هدایت میکند. در حوزه نرمافزار، Prompt Engineering کاربردهای گسترده‌ای دارد. توسعه‌دهندگان می‌توانند از این تکنیک برای تولید قطعه کد، رفع اشکال (دیباگ)، ایجاد مستندات فنی، تحلیل داده‌ها و انجام سایر وظایف مهندسی نرمافزار به طور مؤثر استفاده کنند. برای مثال، یک توسعه‌دهنده می‌تواند با نوشتن یک پرامپت مناسب، از یک مدل هوش مصنوعی بخواهد که تابعی را به زبان JavaScript برای اعتبارسنجی ایمیل تولید کند، یا قطعه کدی را برای یافتن باگ در یک اسکریپت Node.js پیشنهاد دهد.چرا پرامپت نویسی مهم است؟مدلهای هوش مصنوعی پیشرفته، از جمله مدل‌های زبان بزرگ (LLMs) مانند ChatGPT و ابزارهای برنامه نویسی مبتنی بر هوش مصنوعی مانند GitHub Copilot، به شدت به کیفیت پرامپت‌های ورودی وابسته‌اند. این مدلها بر اساس الگوها و اطلاعات عظیمی که در طول آموزش خود کسب کرده‌اند، پاسخ می‌دهند. بنابراین، هرچه پرامپت دقیق‌تر، شفاف‌تر و با جزئیات بیشتری ارائه شود، احتمال دریافت خروجی باکیفیت‌تر، مرتبط‌تر و دقیق‌تر افزایش می‌یابد. در مقابل، پرامپت‌های مبهم یا ناقص می‌توانند منجر به پاسخهای نادرست، غیرمفید یا نیازمند اصلاح دستی شوند. با تسلط بر مهارت پرامپت نویسی، توسعه دهندگان می‌توانند زمان و تلاش مورد نیاز برای دستیابی به نتایج مطلوب را به طور چشمگیری کاهش دهند و از قابلیت‌های هوش مصنوعی به نحو احسن بهره ببرند.اصول و قوانین طلایی در نگارش پرامپتبرای نوشتن پرامپت‌های مؤثر و کارآمد، رعایت یک سری اصول و قوانین کلیدی ضروری است. در ادامه به تشریح این اصول به همراه مثالهای کاربردی میپردازیم:۱. شفافیت و جزئیات دقیقیکی از مهمترین اصول در نگارش پرامپت، ارائه درخواست‌ها با حداکثر شفافیت و جزئیات ممکن است. هرچه درخواست شما واضح‌تر و دقیق‌تر باشد، مدل هوش مصنوعی بهتر می‌تواند منظور شما را درک کند و پاسخ مناسبی ارائه دهد.مثال غلط: "کدی برای مرتبسازی لیست بنویس."این پرامپت بسیار کلی است و مشخص نمی‌کند که چه نوع لیستی، با چه زبانی و با استفاده از چه الگوریتمی باید مرتب شود.مثال صحیح: "یک تابع در Python بنویس که یک لیست از اعداد صحیح را با استفاده از الگوریتم Merge Sort مرتب کند. خروجی باید یک لیست مرتب‌‌شده باشد."این پرامپت به طور دقیق نوع داده‌ها (اعداد صحیح)، زبان برنامه‌نویسی (Python) و الگوریتم مورد نظر (Merge Sort) را مشخص کرده است. همچنین، فرمت خروجی نیز تعیین شده است. این سطح از جزئیات به مدل هوش مصنوعی کمک می‌کند تا دقیقاً همان چیزی را تولید کند که مورد نیاز است.برای توسعه‌دهندگان جاوااسکریپت هنگام درخواست کد JavaScript، حتماً نسخه ECMAScript مورد نظر (ES6 به بعد)، استفاده از کتابخانه‌ها یا فریم‌ورکهای خاص (مانند React، Angular، Vue.js) و نحوه تعامل کد با محیط (مرورگر یا Node.js) را مشخص کنید.۲. مشخص کردن نقش و زمینه تخصصیبا تعیین نقش و زمینه تخصصی برای مدل هوش مصنوعی، می‌توانید لحن، سطح دانش و نوع پاسخ دریافتی را کنترل کنید. وقتی به مدل می‌گویید که به عنوان یک متخصص در یک زمینه خاص عمل کند، پاسخ‌های آن متناسب با دانش و دیدگاه آن حوزه خواهد بود.مثال:"فرض کن که یک مهندس DevOps هستی و می‌خواهی یک اسکریپت Bash برای مانیتورینگ مصرف CPU سرور بنویسی. کد را همراه با توضیحات ارائه کن."در این پرامپت، نقش "مهندس DevOps" به مدل داده شده است. این امر باعث می‌شود که مدل با در نظر گرفتن ملاحظات مربوط به عملکرد سرور، کارایی و استانداردهای DevOps، اسکریپت را تولید کند و توضیحات مرتبط را نیز ارائه دهد.برای توسعه‌دهندگان جاوااسکریپت می‌توانید از پرامپت‌هایی مانند: "به عنوان یک توسعه‌دهنده ارشد React، بهترین روشها برای مدیریت state در یک کامپوننت پیچیده را توضیح بده." یا "فرض کن یک متخصص امنیت وب هستی و آسیبپذیریهای احتمالی در قطعه کد JavaScript زیر را بررسی کن." استفاده کنید.۳. محدود کردن دامنه پاسخبرای جلوگیری از دریافت پاسخ‌های طولانی، نامربوط یا خارج از موضوع، بهتر است دامنه پاسخ مدل را محدود کنید. با مشخص کردن دقیقاً آنچه می‌خواهید، می‌توانید اطمینان حاصل کنید که خروجی دریافتی متمرکز و مفید است.مثال: "کدی در JavaScript برای محاسبه میانگین یک آرایه عددی بنویس. از متدهای built-in استفاده کن."این پرامپت نه تنها زبان برنامه‌نویسی و هدف را مشخص می‌کند، بلکه استفاده از متدهای داخلی JavaScript را نیز الزامی می‌کند. این محدودیت از ارائه راه‌حل‌های پیچیده‌تر یا استفاده از کتابخانه‌های خارجی جلوگیری می‌کند.۴. استفاده از قالب‌های استانداردهنگامی که نیاز به دریافت اطلاعات ساختاریافته دارید، استفاده از قالب‌های استاندارد در پرامپت می‌تواند بسیار مفید باشد. با مشخص کردن قالب خروجی مورد نظر (مانند JSON، XML، لیستهای نشانهگذاری شده و غیره)، می‌توانید پردازش و استفاده از پاسخ مدل را آسانتر کنید.مثال: "کدی در Python برای پردازش داده‌های JSON بنویس. ابتدا داده را از یک فایل بخوان، سپس مقدار یک کلید خاص را در همه ورودی‌ها استخراج کن."این پرامپت به طور ضمنی انتظار دریافت کدی را دارد که با ساختار داده JSON کار می‌کند. اگر نیاز به خروجی در قالب JSON داشتید، می‌توانستید به طور صریح آن را در پرامپت ذکر کنید.برای توسعه‌دهندگان جاوااسکریپت اگر می‌خواهید دادهها را در قالب JSON دریافت کنید، می‌توانید از پرامپت‌هایی مانند "خروجی را به صورت یک شیء JSON برگردان که شامل لیست تمام توابع و توضیحات مربوط به آنها در قطعه کد زیر باشد." استفاده کنید.۵. استفاده از Constraints و Examplesاعمال محدودیت‌ها (Constraints) و ارائه نمونه‌های ورودی/خروجی می‌تواند به مدل هوش مصنوعی در درک بهتر انتظارات شما کمک کند و دقت پاسخ‌ها را افزایش دهد. محدودیت‌ها می‌توانند شامل ممنوعیت استفاده از تکنولوژی‌های خاص، الزام به رعایت استانداردهای کدنویسی معین یا محدودیت در طول پاسخ باشند. نمونه‌ها (Examples) با نشان دادن ورودی‌های مورد انتظار و خروجیهای متناظر، به مدل کمک می‌کنند تا الگوها را یاد بگیرد و پاسخ‌های مشابهی تولید کند.مثال: "یک تابع در Python برای بررسی عدد اول بنویس. تابع باید مقدار True را برای اعداد اول و False را برای غیر اول برگرداند. نمونه ورودی/خروجی:is_prime(7) # خروجی: True is_prime(10) # خروجی: Falseدر این مثال، نه تنها هدف تابع مشخص شده است، بلکه نمونه‌های ورودی و خروجی مورد انتظار نیز ارائه شده است. این امر به مدل کمک می‌کند تا دقیقاً متوجه شود که تابع باید چگونه عمل کند.برای توسعه‌دهندگان جاوااسکریپت می‌توانید از پرامپت‌هایی مانند "یک تابع JavaScript بنویس که دو عدد را به عنوان ورودی بگیرد و بزرگترین مقسوم‌علیه مشترک (GCD) آنها را برگرداند. از حلقه while استفاده نکن. نمونه ورودی/خروجی: gcd(12, 18) باید 6 برگرداند." استفاده کنید.تکنیک‌های پیشرفته در پرامپت‌نویسیعلاوه بر اصول اساسی، تکنیک‌های پیشرفته‌تری نیز وجود دارند که می‌توانند به بهبود کیفیت و دقت پاسخ‌های مدلهای هوش مصنوعی کمک کنند.۱. استفاده از Chain of Thought برای بهبود استدلالتکنیک Chain of Thought شامل درخواست از مدل برای توضیح گام‌به‌گام فرایند تفکر خود برای رسیدن به پاسخ نهایی است. این روش به ویژه برای مسائل پیچیده و استدلالی مفید است، زیرا به شما امکان می‌دهد منطق مدل را بررسی کنید و در صورت وجود اشتباه، آن را اصلاح کنید.مثال: "گام‌به‌گام توضیح بده که چگونه الگوریتم Dijkstra برای یافتن کوتاه‌ترین مسیر در یک گراف وزندار عمل میکند."با این پرامپت، مدل نه تنها نتیجه نهایی (کوتاهترین مسیر) را ارائه میدهد، بلکه مراحل اجرای الگوریتم و منطق پشت هر مرحله را نیز توضیح میدهد.۲. تکنیک Few-shot Prompting برای ارائه نمونه‌های ورودیدر تکنیک Few-shot Prompting، شما چند نمونه از ورودی و خروجی مورد نظر خود را در پرامپت ارائه می‌دهید. این کار به مدل کمک میکند تا الگوها را یاد بگیرد و پاسخهای مشابهی برای ورودیهای جدید تولید کند. این تکنیک به ویژه زمانی مفید است که ورودی شما پیچیده است و تعریف دقیق آن با کلمات دشوار است.مثال: "با توجه به مثال‌های زیر، قالب‌بندی JSON را حفظ کن و داده‌های مشابه تولید کن:"```"data": [ { "userId": 1, "id": 1, "title": "delectus aut autem", "completed": false }, { "userId": 2, "id": 2, "title": "delectus", "completed": true }]```در این مثال، دو نمونه از ساختار JSON مورد نظر ارائه شده است. مدل با توجه به این نمونه‌ها، می‌تواند داده‌های مشابه با همان قالب‌بندی تولید کند.۳. فرآیند Iterative Refinement برای اصلاح پاسخ‌هافرآیند Iterative Refinement شامل تعامل چندباره با مدل برای بهبود پاسخ‌های آن است. اگر پاسخ اولیه مدل کاملاً رضایت‌بخش نبود، می‌توانید با ارائه پرامپت‌های بعدی که شامل بازخورد و درخواستهای اصلاحی هستند، مدل را به سمت پاسخ مطلوب هدایت کنید.مثال: "یک نسخه از کد زیر را ارائه بده که هم از نظر کارایی بهینه‌تر باشد و هم خوانایی بهتری داشته باشد."در این مثال، پس از دریافت یک قطعه کد، کاربر درخواست می‌کند که نسخه بهبودیافته آن با تمرکز بر کارایی و خوانایی ارائه شود.۴. استفاده از System Instructions برای دقت بالاترتکنیک System Instructions به شما امکان میدهند تا رفتارهای کلی مدل را قبل از ارائه پرامپت اصلی تنظیم کنید. این دستورالعمل‌ها می‌توانند شامل تعیین نقش مدل، لحن پاسخ، یا محدودیت‌های خاص در نحوه پاسخگویی باشند.مثال: 'به عنوان یک متخصص امنیت سایبری، آسیب‌پذیری‌های احتمالی کد زیر را بررسی کن و پیشنهادهایی برای بهبود بده.'دستورالعمل "به عنوان یک متخصص امنیت سایبری" باعث می‌شود که مدل با دیدگاه و دانش یک متخصص امنیتی به کد نگاه کند و آسیب‌پذیری‌های مربوطه را شناسایی کند.نکات عملی برای دریافت خروجی مطلوببرای به حداکثر رساندن اثربخشی پرامپت‌های خود، توجه به نکات عملی زیر نیز حائز اهمیت است:۱. تست و ارزیابی خروجیهمیشه چندین نسخه از پرامپت خود را با تغییرات جزئی تست کنید و خروجی‌های مختلف را ارزیابی کنید. بررسی کنید که آیا خروجی دریافتی مطابق انتظار و بدون تناقض است. این فرآیند به شما کمک می‌کند تا بهترین ساختار و کلمات را برای پرامپت‌های خود پیدا کنید.۲. استفاده از Multi-turn Prompting برای مکالمات پیچیدهبرای مسائل پیچیده‌تر که نیاز به چندین مرحله استدلال دارند، بهتر است پرامپت را به چندین سوال یا درخواست کوچکتر تقسیم کنید. این کار به مدل کمک می‌کند تا درک بهتری از مسئله پیدا کند و پاسخهای دقیقتری ارائه دهد. شما می‌توانید بر اساس پاسخ‌های قبلی مدل، پرامپت‌های بعدی را تنظیم کنید.۳. استفاده از پارامترهای تنظیمات مدل (مثلاً Temperature، Max Tokens) اگر قابل ویرایش باشندپارامترهای مدل مانند Temperature و Max Tokens می‌توانند بر خلاقیت و طول پاسخ‌های مدل تأثیر بگذارند. مقدار Temperature پایینتر (مثلاً 0.2) معمولاً خروجی دقیق‌تر و قابل پیشبینی‌تری می‌دهد. مقدار Max Tokens را نیز می‌توانید برای محدود کردن طول پاسخ‌ها و جلوگیری از تولید خروجی‌های بیش از حد طولانی تنظیم کنید. مصطفی رستگار مصطفی رستگار Tue, 18 Mar 2025 07:00:05 +0330 https://virgool.io/@m.rastegar991/%D9%BE%D8%A7%DB%8C%D8%A7%D9%86-%D8%AF%D9%88%D8%B1%D8%A7%D9%86-%D8%B7%D9%84%D8%A7%DB%8C%DB%8C-%D8%A8%D8%B1%D8%AE%DB%8C-%D9%85%D8%B4%D8%A7%D8%BA%D9%84-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%DA%86%DA%AF%D9%88%D9%86%D9%87-%D8%A8%D8%A7%D8%B2%D8%A7%D8%B1-%DA%A9%D8%A7%D8%B1-%D8%B1%D8%A7-%D8%AF%DA%AF%D8%B1%DA%AF%D9%88%D9%86-%D9%85%DB%8C-%DA%A9%D9%86%D8%AF-rbg6j0cgemko یک مثال برای شروع:زمانی که "هلی شات" معرفی شد، شغل فیلم‌برداری با هلیکوپتر تا حد زیادی از بین رفت. اما نکته جالب اینجاست که همزمان، مشاغل جدیدی مانند خلبانی هلی شات و مراکز آموزش پرواز و... پا به عرصه گذاشتند. این دقیقاً همان خاصیت ظهور تکنولوژی‌های جدید است و قضیه هوش مصنوعی (AI) نیز از این قاعده مستثنی نیست.حالا با هم یک خلاصه از آنچه احسان عباسی در کانال یوتیوب Mohajerhub منتشر کرده است خواهیم داشت.بیکار شدیم که!هوش مصنوعی آمده تا بسیاری از مشاغل فعلی را از بین ببرد، مشاغل جدیدی ایجاد کند و ماهیت بسیاری دیگر را تغییر دهد. در این میان، گمانه‌زنی‌ها و عدم قطعیت‌های فراوانی وجود دارد. همان‌طور که در ویدیوی قبلی با عنوان "پایان دوران طلایی برنامه‌نویسی" به اثرات هوش مصنوعی در حوزه IT پرداختم - که شخصاً به عنوان یک برنامه‌نویس بسیاری از آن نکات را از نزدیک لمس کرده‌ام - این بار می‌خواهیم به طور کلی‌تر به این موضوع بپردازیم. واکنش‌ها به آن ویدیو نشان داد که بین متخصصان بر سر اینکه دقیقاً چه اتفاقی خواهد افتاد اختلاف نظر وجود دارد. این نشان می‌دهد که موضوع هوش مصنوعی یک مسئله ساده و سرراست نیست. نمی‌توان گفت که هوش مصنوعی صرفاً یک ابزار کمک‌کننده مانند کامپیوتر است و همچنین نمی‌توان با قاطعیت گفت که تا چند سال آینده همه بیکار خواهند شد، زیرا ماهیت کارها بسیار متفاوت است.با این حال، یک نکته قطعی به نظر می‌رسد: به طور قطع، تعدادی از مشاغل از بین خواهند رفت. اگر هم به طور کامل از بین نروند، رقابت برای یافتن کار در برخی حوزه‌ها به شدت افزایش خواهد یافت. این مشابه اتفاقی است که با همگانی شدن اینترنت و خدمات آنلاین برای مشاغل مرتبط با بانکداری رخ داد. دیگر نیازی به حضور فیزیکی در بانک‌ها برای انجام بسیاری از کارها نبود و بانک‌ها توانستند با تعداد بسیار کمتری نیرو و با تخصص‌های بالاتر، امور مشتریان را راه بیندازند.به نظر من، تفاوت مهم هوش مصنوعی با سایر تکنولوژی‌هایی که تا به حال دیده‌ایم (مانند کامپیوتر و اینترنت) در این است که بی‌رحم‌تر است. یعنی چه؟ هوش مصنوعی می‌تواند یاد بگیرد، قدرت تصمیم‌گیری داشته باشد و حتی خلاقیت از خود نشان دهد. به عنوان مثال، در کانال انگلیسی‌ام، هوشی را معرفی کردم که حتی می‌تواند آهنگ‌های فارسی بسازد. بنابراین، به نظر می‌رسد که هوش مصنوعی به دلیل قدرت بالایی که دارد، در مقایسه با مشاغلی که ایجاد می‌کند، تعداد بسیار بیشتری را از بین خواهد برد. این در حالی است که با فراگیر شدن اینترنت، به همان اندازه‌ای که مشاغل سنتی از بین رفتند، تخصص‌های جدیدی نیز به طور پایاپای به وجود آمدند.تفاوت مهم دیگر این است که تخصص‌هایی که هوش مصنوعی به وجود می‌آورد، بسیار تخصصی هستند. دیگر بسیاری از وظایف ساده و متوسط که قبلاً بخش اعظم مردم انجام می‌دادند، به زودی توسط هوش مصنوعی قابل انجام خواهند بود. به عنوان مثال، هوش مصنوعی تخصص‌های جدیدی در حوزه مهندسی نرم‌افزار ایجاد کرده یا بهتر است بگوییم تقاضا برای آن‌ها را افزایش داده است، مانند مهندسین هوش مصنوعی (AI Engineer) یا "ام‌ال انجینیر" (ML Engineer). اما اگر بخواهید یک صفحه HTML ساده یا یک اسکریپت پایتون بنویسید، هوش مصنوعی کارش واقعاً درست و دقیق است. مهم نیست که پیش‌زمینه شما چیست و چقدر کد زدن می‌دانید؛ حتی به فارسی هم می‌توانید از ChatGPT کمک بگیرید.حالا به این سوال می‌رسیم که چه مشاغلی در آینده نزدیک به خاطر هوش مصنوعی از بین می‌روند یا به شدت تحت تأثیر قرار می‌گیرند؟ تخصص‌هایی که کارهای تکراری را تحت قانون و قاعده مشخصی انجام می‌دهند، بیشتر در معرض خطر هستند. اگر کارشان یک الگو یا پترن تکراری داشته باشد، چارچوب مشخصی داشته باشد و قبلاً بارها انجام شده باشد، احتمال جایگزینی آن‌ها با هوش مصنوعی زیاد است. این‌گونه کارها معمولاً نیاز به خلاقیت، تصمیم‌گیری پیچیده و دخالت انسانی ندارند. به زبان ساده، هر کاری که هوش مصنوعی بر اساس داده‌های موجود بتواند یاد بگیرد و انجام دهد، در معرض تهدید است.در مقابل، تخصص‌هایی که نیاز به احساسات و عاطفه انسانی دارند، مانند روانشناسان یا کسانی که از کودکان و سالمندان نگهداری می‌کنند، به نظر می‌رسد که حداقل در آینده نزدیک، جایگزینی آن‌ها با هوش مصنوعی بسیار سخت خواهد بود.با این تفاسیر، به نظر من یکی از اولین شغل‌هایی که به شدت تحت تأثیر قرار می‌گیرد، شغل‌های مرتبط با خدمات مشتری یا همان کاستمر سرویس (Customer Service) یا کاستمر ساپورت است. تصور کنید یک شلوار از یک فروشگاه آنلاین خریده‌اید و سایز آن مناسب نیست یا چند روز از سفارشتان گذشته و خبری نشده است. در حالت عادی، از طریق چت آنلاین، تماس تلفنی یا ایمیل با یک نفر در آن شرکت تماس می‌گیرید. اما در آینده نزدیک، و حتی همین حالا نیز در برخی موارد، این کارها را بات‌های هوشمند به سرعت برای شما انجام می‌دهند. این بات‌ها ۲۴ ساعته در دسترس هستند، به اطلاعات مختلف دسترسی دارند، سرعت پردازش بالایی دارند و می‌توانند به مشتری کمک کنند. شرکت Salesforce چند وقت پیش در کنفرانسی دمویی از چنین سیستمی نشان داد و به طور کلی، تمرکز بسیاری از شرکت‌ها، از جمله شرکت ما، بر روی توسعه ای‌آی ایجنت‌ها (AI Agents) است که به کسب‌وکارها به روش‌های مختلف کمک می‌کنند. در همین راستا، Salesforce چند وقت پیش ۸۰۰۰ نفر را تعدیل نیرو کرد که بخشی از آن‌ها در قسمت کاستمر ساپورت کار می‌کردند. به طور مشابه، غول‌های آی‌تی مانند آمازون نیز تمرکز خود را بر روی این ایجنت‌های هوشمند گذاشته‌اند.شغل بعدی که به نظر تحت تأثیر قرار می‌گیرد، منشی‌ها یا مسئولین پذیرش هستند که کارشان مثلاً وقت دادن یا پاسخ دادن به سوالات متداول است. همین الان هم برای گرفتن وقت آرایشگاه یا رستوران، بسیاری از سیستم‌های آنلاین استفاده می‌کنند. اما این روند به جایی می‌رسد که دیگر حتی نیازی به کار با فرم آنلاین هم نخواهد بود و شما به طور محاوره خواسته‌تان را عنوان می‌کنید و بات هوشمند وقت را برایتان رزرو می‌کند. چنین چیزی برای کسانی که کار با کامپیوتر بلد نیستند، مانند سالمندان یا افراد نابینا، یک مزیت واقعی است.شغل سوم و چهارم که در ویدیو به آن‌ها اشاره شد، عکاس‌ها و طراح‌های گرافیک تازه‌کار و متمایل به متوسط (جونیور) هستند. همین الان هم ابزارهای مختلفی وجود دارند که به کمک آن‌ها می‌توانید طراحی‌های ساده لوگو، پوستر، قالب وب‌سایت و تصویرسازی را انجام دهید. به عنوان مثال، Midjourney یکی از مشهورترین این ابزارهاست که از طریق آن می‌توانید تصاویر دیجیتال تولید کنید. شرکت‌هایی مانند Canva نیز هدفشان ساده و در دسترس کردن تولید محتوای خلاقانه برای همه است. دیگر مثل قبل نیست که برای کارهای تبلیغاتی حتماً به یک گرافیست نیاز داشته باشید. این موضوع برای شرکت‌های کوچک و پروژه‌هایی با بودجه محدود بسیار مناسب است. برای تهیه عکس نیز دیگر نیازی به استفاده از شاتر استاک با هزینه‌های بالا نیست، زیرا هوش مصنوعی با هزینه ناچیز به شما کمک می‌کند. حتی در زمینه ادیت عکس نیز هوش مصنوعی پیشرفت چشمگیری داشته است. با این وجود، در زمینه‌هایی که خلاقیت عمیق و فهم مفاهیم طراحی لازم است، هوش مصنوعی هنوز به طور کامل توانمند نیست.شغل پنجم که در ویدیو به آن اشاره شد، مترجمی است. پیشرفت هوش مصنوعی در زمینه ترجمه بسیار چشمگیر بوده است. همین الان ChatGPT می‌تواند جملات فارسی را به انگلیسی و بالعکس با دقت بالایی ترجمه کند. حتی یوتیوب نیز در تشخیص و ترجمه خودکار زیرنویس فارسی بسیار بهتر شده است. استفاده از ابزارهایی مانند Google Translate نیز سال‌هاست که رواج دارد و روز به روز پیشرفته‌تر می‌شود. این پیشرفت‌ها خطر بزرگی برای مترجمین محسوب می‌شود. با این حال، یک نکته مهم وجود دارد: همچنان برای موضوعات خاص و حساس مانند مطالب پزشکی یا قانونی، نظارت انسانی ضروری است، زیرا هوش مصنوعی هنوز محدودیت‌هایی دارد و احتمال خطا در این زمینه‌ها می‌تواند پیامدهای جدی داشته باشد. به عنوان مثال، اداره مهاجرت استرالیا برای برخی مدارک، ترجمه ناتی (NAATI) می‌خواهد که توسط مترجمین رسمی تأیید شده باشد و بعید به نظر می‌رسد که این رویه حداقل تا چند سال آینده تغییر کند.شغل ششم مربوط به فروشنده‌های مغازه‌ها و سوپرمارکت‌ها است. البته، سیستم‌های سلف چک‌اوت (Self-Checkout) سال‌هاست که در سوپرمارکت‌های بزرگ وجود دارند (خارج از کشور). در این سیستم‌ها، مشتریان خودشان اجناس را اسکن و پرداخت می‌کنند که طبیعتاً به نفع فروشنده است و نیاز به تعداد کمتری صندوقدار دارد. نقشی که هوش مصنوعی در این زمینه ایفا می‌کند، بهبود تجربه خرید برای مشتری است. به عنوان مثال، در سیستم‌های سلف چک‌اوت جدید، دوربین‌ها می‌توانند نوع میوه‌ای که روی ترازو قرار می‌دهید را تشخیص دهند و نیازی به جستجو و انتخاب دستی آن از روی صفحه نیست. این نشان می‌دهد که نرم‌افزار این دستگاه‌ها بر اساس داده‌ها آموزش داده شده و قدرت تشخیص پیدا کرده است.شغل هفتم، ویراستاران و مشاغلی که تولید محتوا می‌کنند، به خصوص محتوای نوشتاری، هستند. ابزارهای آنلاین مانند Grammarly به طور گسترده برای بررسی گرامر و املای متون انگلیسی و ارائه پیشنهادات برای بهبود جمله‌بندی استفاده می‌شوند. با وجود چنین ابزارهایی، نیاز به ویراستاران انسانی به طور قابل توجهی کاهش می‌یابد. علاوه بر این، هوش مصنوعی آنقدر قوی شده که می‌تواند داستان کوتاه بنویسد و قدرت تحلیل بالایی دارد و می‌تواند خلاصه ساده‌ای از نمودارها و داده‌ها ارائه دهد. هوش مصنوعی حتی وارد عرصه محتوای ویدیویی نیز شده است،اما به نظر می‌رسد که هنوز در این زمینه جای کار زیادی دارد و جذابیت ارتباط مخاطب با تولیدکننده محتوای انسانی همچنان اهمیت دارد.شغل هشتم، تحلیلگران بازار و تحلیلگران مالی (Market Researcher Analyst و Financial Analyst) هستند. کار تحلیلگر بازار جمع‌آوری داده‌ها، شناسایی ترندها و طراحی کمپین‌های بازاریابی بر اساس آن‌ها است. هوش مصنوعی می‌تواند این کار را بسیار راحت و سریع انجام دهد. به طور مشابه، در بازار سهام، هوش مصنوعی می‌تواند ترندها را شناسایی کرده و بر اساس آن‌ها، سرمایه‌گذاری‌های بهتر را پیشنهاد دهد. با این حال، در این مشاغل نیز همچنان نیاز به تعامل با افراد و نظارت انسانی برای تحلیل داده‌های اساسی و نتیجه‌گیری‌های مهم وجود دارد.شغل نهم، کارکنان آژانس‌های مسافرتی هستند. با همگانی شدن اینترنت و سهولت رزرو آنلاین بلیط و هتل، و همچنین ساده‌تر شدن پروسه ویزا برای بسیاری از کشورها، نیاز به آژانس‌های مسافرتی سنتی به شدت کاهش یافته است. هوش مصنوعی می‌تواند در برنامه‌ریزی سفر به افراد کمک کند و پیشنهاداتی برای دیدن مکان‌های مختلف ارائه دهد.شغل دهم، منابع انسانی (Human Resources) است. بسیاری از کارهایی که متخصصان منابع انسانی انجام می‌دهند، مانند بررسی رزومه‌ها، گذاشتن قرار مصاحبه و پیدا کردن نیروی مناسب، با هوش مصنوعی قابل خودکارسازی است. بسیاری از شرکت‌ها همین الان نیز از نرم‌افزارهای Applicant Tracking Systems (ATS) برای اسکن و فیلتر رزومه‌ها استفاده می‌کنند و اگر این نرم‌افزارها از هوش مصنوعی بهره ببرند، نتایج بسیار بهینه‌تری خواهند داشت. علاوه بر این، وظایف دیگری مانند آنبوردینگ (Onboarding) و مدیریت عملکرد کارکنان نیز می‌توانند توسط هوش مصنوعی انجام شوند.این‌ها تنها ده مورد از تخصص‌هایی هستند که به نظر من هوش مصنوعی تهدید جدی برای آن‌ها محسوب می‌شود. قاعدتاً مشاغل بسیار دیگری نیز وجود دارند که اگر فرآیند انجام آن‌ها مشخص، ساختار ثابتی داشته باشد و تصمیم‌گیری در آن‌ها بر اساس داده‌های مشخص و تجربیات قبلی باشد، هوش مصنوعی می‌تواند به خوبی از پس آن‌ها برآید.احتمالاً سوال شما در مورد مهندسی نرم‌افزار است. همان‌طور که در ویدیوی "پایان دوران طلایی مهندسی نرم‌افزار" گفتم، این شغل نیز به شدت تحت تأثیر قرار می‌گیرد. ما شاهد یک شیفت بزرگ در تقاضا به سمت تخصص‌های خاص خواهیم بود. این تخصص‌ها عبارتند از ماشین لرنینگ (Machine Learning)، دیتا انجینیرینگ (Data Engineering) و نچرال لنگویج پراسسینگ (Natural Language Processing). دیگر مثل ۱۵ سال پیش نیست که با یادگیری طراحی وب‌سایت یا وردپرس بتوان آینده شغلی را تضمین کرد. هم بازار کار برای این تخصص‌ها اشباع شده و هم هوش مصنوعی می‌تواند به راحتی کد بنویسد و در طراحی سیستم‌ها کمک کند. انتظارات از مهندسین نرم‌افزار بسیار بالاتر رفته است. بسیاری از مهندسین با تجربه نیز در حال حاضر با سختی بیشتری در یافتن شغل روبرو هستند.اما نکته مهم این است که در این برهه که همه چیز رقابتی شده، برد با کسانی است که خود را به سرعت با شرایط جدید وفق دهند و از هوش مصنوعی به عنوان ابزاری برای بالا بردن راندمان کار خود استفاده کنند. شخص من نیز در بسیاری از موارد، به جای جستجو در گوگل، از ChatGPT برای یافتن پاسخ سوالاتم استفاده می‌کنم. درست است که هوش مصنوعی هنوز بی‌نقص نیست، اما در بسیاری از موارد، یک سر و گردن از گوگل و استک اوور فلو بالاتر است.الان حالتون چطوره؟! :)) مصطفی رستگار مصطفی رستگار Mon, 17 Mar 2025 07:15:23 +0330 https://virgool.io/@m.rastegar991/%DA%86%D8%B1%D8%A7-%D9%87%D9%85%DB%8C%D8%B4%D9%87-%D8%AE%D8%B3%D8%AA%D9%87-%D8%A7%DB%8C%D9%85-%D9%86%DA%AF%D8%A7%D9%87%DB%8C-%D8%B9%D9%84%D9%85%DB%8C-%D8%A8%D9%87-%D8%AE%D8%B3%D8%AA%DA%AF%DB%8C-%D8%AF%D8%B1-%D8%AF%D9%86%DB%8C%D8%A7%DB%8C-%D9%85%D8%AF%D8%B1%D9%86-xmxfxycjy5j7 چرا بیشتر ما دائم از خستگی شکایت داریم؟ مگر نه اینکه به اندازه‌ی کافی استراحت می‌کنیم و غذای کافی می‌خوریم؟ پس این بی‌حالی و کمبود انرژی از کجا می‌آید؟ در دنیای امروز، به نظر می‌رسد این خستگی‌ها حتی بیشتر هم شده‌اند؛ شاهدش هم افزایش چشمگیر فروش قهوه و نوشیدنی‌های انرژی‌زا است. واقعاً مشکل انسان مدرن چیست؟ چرا روز به روز احساس خستگی بیشتری می‌کنیم؟و حالا به بررسی ویدیویی با نام "چرا هر روز خسته ایم و خستگیمون رفع نمیشه؟" از کانال یوتیوب "Chizomiz" می‌پردازیم.دیگه نمی‌کشمدر این مقاله، قصد نداریم توصیه‌های کلیشه‌ای مانند «بخورید و بخوابید تا خستگی‌تان رفع شود» را تکرار کنیم. اگرچه این موارد مهم هستند، اما به نظر می‌رسد انسان‌های امروزی کمتر با این مشکلات اولیه‌ی زندگی دست و پنجه نرم می‌کنند و در عین حال، خسته‌تر از نسل‌های گذشته هستند. بیایید کمی به عقب برگردیم و از منظر دوران باستان به این موضوع نگاه کنیم تا ببینیم ریشه‌ی این مشکل کجاست.تصور کنید ۵ هزار سال پیش، انسانی در همین منطقه‌ای که ما زندگی می‌کنیم، مشغول زندگی است. با وجود فاصله‌ی زمانی بسیار زیاد، بدن، مغز و طرز فکر او دقیقاً مشابه ما بوده است. ۵ هزار سال در مقیاس تکامل زمان بسیار کوتاهی است و نباید تصور کنیم که آن‌ها از نظر هوشی یا توانایی‌های ذهنی با ما تفاوتی داشته‌اند. اما زندگی آن‌ها به مراتب متفاوت‌تر بوده است.انسان باستانی ما با طلوع خورشید از خواب بیدار می‌شد. بلند می‌شد و اولین دغدغه‌اش پیدا کردن آب و غذا برای جلوگیری از تمام شدن ذخایر بود. او وارد جنگل می‌شد، میوه‌های مختلف را می‌چید، شاید حیوانی را شکار می‌کرد و در نهایت از رودخانه آب برمی‌داشت و به خانه‌اش برمی‌گشت. معمولاً این فعالیت‌ها دو تا سه ساعت بیشتر طول نمی‌کشید. این نشان می‌دهد که مغز آن انسان هم به خوبی کار می‌کرده، اما طرز فکر و دغدغه‌هایش بسیار ساده‌تر بوده است.حالا بیایید به دنیای امروز بیاییم و ببینیم انسان‌های امروزی چه می‌کنند. بیشتر ما هم حدود ساعت شش یا هفت صبح بیدار می‌شویم، اما نه با نور خورشید، بلکه با صدای آزاردهنده‌ی آلارم موبایلمان. این شخص امروزی هم مانند انسان باستانی یک سری وظایف دارد که باید انجام دهد، اما به سادگی نمی‌تواند از خانه بیرون بزند. اول باید دوش بگیرد یا دست و صورتش را بشوید، اصلاح کند، مسواک بزند، لباس مرتب بپوشد و صبحانه درست کند و بخورد. تازه بعد از این همه کار می‌خواهد از در خانه بیرون برود. دقت کنید که تا همین لحظه چقدر کارهای مختلف انجام داده و مغزش تمام این مراحل را پردازش کرده است. بنابراین، مغزش خیلی زودتر از آن مرد باستانی شروع به کار کرده است. البته ماجرا به همین جا ختم نمی‌شود؛ مغز او باید خیلی بیشتر از این‌ها کار کند. پسرش می‌آید و پول توجیبی می‌خواهد، همسرش یادآوری می‌کند که باید برای دکتر وقت بگیرد، و تازه متوجه می‌شود که بنزین ماشین تمام شده و باید به پمپ بنزین برود. خلاصه اینکه این مرد هنوز به محل کارش نرسیده، اما مغزش تقریباً خسته شده است. این کاملاً برعکس آن مرد ۵۰۰۰ سال پیش است که خیلی راحت وارد جنگل می‌شد و کارش را انجام می‌داد و برمی‌گشت.در هر صورت، این فرد با هر مشکلی که هست، به سر کارش می‌رسد. فرض کنید شغلش کارمند حسابداری است؛ کاری که برای پیشرفت در آن باید دائماً فکر کند که چگونه کارها را به بهترین نحو انجام دهد تا مشکلی پیش نیاید. یا فرد دیگری را در نظر بگیرید که در یک کارخانه کار می‌کند و در خط تولید، در ماشین نصب می‌کند. او هم همین مراحل صبحگاهی را طی کرده تا به سر کارش رسیده است، اما به نظر می‌رسد که فکر او در طول روز نسبت به کارمند حسابداری، راحت‌تر است. البته کار فیزیکی او اصلاً آسان‌تر نیست، اما بار ذهنی‌اش کمتر است.بعد از اینکه هر دوی این کارکنان حدود دو تا سه ساعت کار می‌کنند و ساعت به ۱۱ صبح می‌رسد، ناگهان احساس خستگی شدیدی می‌کنند. چرا انقدر زود خسته می‌شوند؟ یک انسان قاعدتاً باید ۱۶-۱۷ ساعت بیدار باشد و کار انجام دهد. چرا بعد از فقط دو سه ساعت این حس خستگی به سراغشان می‌آید؟ دلیلش این است که درست است که آن‌ها دو سه ساعت بیشتر کار نکرده‌اند، اما مغزشان بسیار بیشتر از این زمان فعالیت داشته است. همانطور که قبلاً توضیح دادیم، این خستگی ناشی از کار فیزیکی سنگین نیست – مثلاً کسی ۵۰ کیسه سیمان را بار وانت نکرده است. بلکه این مغز است که حسابی کار کشیده است و خسته شده است.مغز یک انسان در حالت عادی حدود ۲۰% از انرژی بدن را مصرف می‌کند. اما اگر دغدغه‌ها و افکار زیادی وجود داشته باشد، این مصرف انرژی به مراتب بالاتر می‌رود. مغز انسان در تمام طول بیداری فعال است؛ چه روی مبل لم داده و مشغول بازی باشید، چه در حال انجام یک کار مهم باشید، یا حتی ورزش کنید، مغزتان دائماً در حال انتخاب کردن است: این کار را انجام بدهم یا آن کار را، این را بخورم یا آن را. کارشناسان می‌گویند که مغز هر انسان بالغی در طول روز باید برای حداقل ۳۵ هزار انتخاب تصمیم بگیرد. آیا این بدان معناست که مغز ما باید بیشتر از آن انسان باستانی فکر کند؟ با وجود اینکه بسیاری از کارهای ما به صورت اتوماتیک انجام می‌شود – ماشین لباسشویی، ماشین ظرفشویی، اجاق گاز، و برای رفتن به هر جایی سوار ماشین می‌شویم – آن انسان باستانی صبح که از خواب بیدار می‌شد، مجبور بود کلی از بدنش کار بکشد و تازه معلوم هم نبود با چه خطراتی روبرو شود؛ ممکن بود ناگهان یک راهزن یا یک خرس به او حمله کند. پس چرا او از ما سرحال‌تر بود؟تمام این مشکل و خستگی انسان‌های امروزی به مغز برمی‌گردد. فکر کردن و انتخاب‌های مختلف باعث می‌شود که مغز ما همیشه در حال کار باشد. هرچه بیشتر فکر کنیم، فعالیت عصب‌های مغزمان بیشتر و بیشتر می‌شود. باید بدانید که مغز انسان حدود ۱۰۰ میلیارد عصب دارد که به انگلیسی به آن‌ها نورون می‌گویند. همین عصب‌ها هستند که یک شبکه‌ی پیچیده و پیشرفته می‌سازند که به ما اجازه می‌دهد سریع فکر کنیم و با فکر کردن تصمیم بگیریم. چیزی که باعث می‌شود ما بتوانیم این کارها را انجام دهیم، ماده‌ای به نام گلوتامات (Glutamate) یا انتقال‌دهنده‌ی عصبی است که ارتباط بین این دو عصب را برقرار می‌کند. سیگنال‌هایی که از یک عصب به عصب دیگر می‌روند، توسط همین گلوتامات منتقل می‌شوند. گلوتامات اجازه می‌دهد که این عصب‌ها با هم در ارتباط باشند.هرچه مغز بیشتر کار کند، گلوتامات بیشتری هم باید جمع شود و فعالیت کند. تا جایی که آنقدر از مغز کار می‌کشیم که تمام گلوتامات‌ها بین عصب‌ها مشغول کار هستند، به طوری که محوطه اصلاً شلوغ می‌شود. این شلوغی باعث می‌شود فکر کردن برایمان سخت‌تر بشود. همین حالت است که وقتی ایجاد می‌شود، انسان احساس خستگی می‌کند، با وجود اینکه حتی یک کبریت هم از روی زمین بلند نکرده است و فقط مغزش کار کرده و خسته شده است.این مشکل در تمام دنیا وجود داشته و دارد. به همین دلیل در بسیاری از فرهنگ‌ها، استراحت وسط روز رواج پیدا کرده است، به خصوص در کشورهای آسیای شرقی و مدیترانه‌ای دیده می‌شود که بین ساعت ۱۲ تا ۳ بعد از ظهر مدتی چرت می‌زنند و دوباره برای ادامه‌ی کار برمی‌گردند. دانشمندان می‌گویند این چرت وسط روز از همه لحاظ مفید است؛ چون مغز را بازیافت می‌کند و آن را برای افکار دوباره و تازه آماده می‌سازد. همچنین می‌گویند این استراحت برای قلب هم خیلی خوب است و دلیلشان این است که در فرهنگ‌هایی که وسط روز چرت می‌زنند، سکته‌ی قلبی بسیار کمتر است. امروزه ثابت شده که یک چرت حتی کوتاه، مثل مثلاً ۱۵ دقیقه، می‌تواند خیلی کمک کند. حالا شاید بعضی‌ها کارشان به گونه‌ای باشد که حتی ۱۵ دقیقه هم نتوانند استراحت کنند؛ مثلاً در آمریکا خیلی‌ها در این ساعات وقت استراحت قهوه دارند، یعنی حدود ۲۰ دقیقه وقت دارند که یک قهوه بریزند و بخورند. همین هم خیلی مؤثر است و باعث می‌شود چند دقیقه افکار از یک محیط خسته‌کننده دور شوند و به چیز دیگری فکر کنند.همچنین، نظم در زندگی می‌تواند کمک شایانی به کاهش خستگی کند. نظم باعث می‌شود که فکرتان کمتر دغدغه داشته باشد و کمتر خسته بشود. منظم بودن باعث می‌شود استرس کمتری داشته باشید، چون با نظم، همه چیز سر موقع انجام می‌شود و افکارتان بی‌خودی درگیر نیست و مانند یک هواپیمایی که روی خلبان خودکار گذاشته شده، منظم پیش می‌روید. صبح که بلند می‌شوید، می‌دانید لباستان کجا آماده است، همه چیز منظم سر جایش است؛ برای همین فکرتان راحت‌تر است و کمتر خسته می‌شود. البته شاید این برای ما چندان جذاب نباشد، ولی آمریکایی‌ها می‌گویند غذای یک هفته را یکشنبه درست کنید تا در طول هفته نگرانی بابت غذا نداشته باشید.درون مغز ما ماده‌ای به نام آدنوزین (Adenosine) وجود دارد. آدنوزین چیزی است که مغز را خسته می‌کند و در طول روز افزایش پیدا می‌کند و حس خستگی را بیشتر می‌کند. اگر مقاله کافئین را خوانده باشید، آدنوزین را خوب می‌شناسید. خلاصه‌اش این است که آدنوزین چیزی است که کافئین خنثی می‌کند و وقتی خنثی می‌شود، خستگی از بین می‌رود؛ برای همین است که بعد از قهوه احساس خستگی کمتری می‌کنیم.حالا یک نگاهی هم به خوابمان بیندازیم. مهم‌ترین وسیله‌ای که می‌تواند خستگی را از بین ببرد، خواب است. هر انسانی ممکن است در هر ساعت خاصی بخوابد؛ یکی ۱۰ شب می‌خوابد، یکی ۱۲، یکی هم ساعت ۲ نیمه‌شب. اما هر ساعتی که می‌خوابید، باید حداقل ۷ ساعت بخوابید تا خستگی‌تان رفع شود. این حداقل میزان خواب است و کمتر از ۷ ساعت خواب کافی نیست (خودم 5-6 ساعت می‌خوابم :)) ). البته خواب هم چند نوع دارد: خواب با کیفیت، خواب کم‌کیفیت و خواب بی‌کیفیت. کیفیت خواب در اصل به عمق خوابتان ربط دارد. خیلی چیزها می‌تواند خواب را مختل کند که مهم‌ترینشان استرس، با شکم پر خوابیدن، و مصرف کافئین یا الکل قبل از خواب است. همه‌ی این‌ها کیفیت خواب را پایین می‌آورند و با وجود اینکه ۸ ساعت خوابیده‌اید، اما فردا سرحال نیستید و همش احساس خستگی می‌کنید. بسیاری از کارشناسان خواب می‌گویند امروزه بزرگترین مشکل خواب، نگاه کردن به تلویزیون، تلفن و کامپیوتر قبل از خواب است. این صفحات پرنور باعث می‌شوند که مغز احساس کند هنوز روز است و حس خستگی و خواب را به تعویق می‌اندازد. برای همین، به خواب رفتن سخت‌تر می‌شود و کیفیت خواب هم پایین می‌آید.در پایان، امیدواریم این توضیحات علمی در مورد خستگی برایتان مفید بوده باشد. ما نمی‌گوییم که روش زندگی‌تان را به طور کامل تغییر دهید تا همه چیز بهتر شود، ولی شاید بتوانید از این اطلاعات استفاده کنید و کیفیت زندگی‌تان را ارتقا ببخشید. امیدواریم هیچ‌وقت خسته نباشید! مصطفی رستگار مصطفی رستگار Sun, 16 Mar 2025 06:50:57 +0330 https://virgool.io/@m.rastegar991/%D8%B1%D9%87%D8%A7%DB%8C%DB%8C-%D8%A7%D8%B2-%D9%BE%D9%88%DA%86%DB%8C-%D9%85%D8%AF%D8%B1%D9%86-%DA%A9%D8%A7%D9%84%D8%A8%D8%AF%D8%B4%DA%A9%D8%A7%D9%81%DB%8C-%D9%85%D9%81%D8%A7%D9%87%DB%8C%D9%85-%DA%A9%D9%84%DB%8C%D8%AF%DB%8C-%D9%81%DB%8C%D9%84%D9%85-fight-club-hheo49oghthz Fight Clubامروز قصد داریم تا در عمق مفاهیم روانشناختی و فلسفی فیلم بحث‌برانگیز و ماندگار «باشگاه مبارزه» (Fight Club) ساخته سال 1999 غوطه ور شویم. این فیلم که بیش از دو دهه از ساخت آن می‌گذرد، همچنان به عنوان یک نقد تند و تیز بر سرمایه‌داری، مصرف‌گرایی و احساس پوچی در زندگی مدرن مطرح است. تحلیل ما بر اساس دیدگاه‌های مطرح شده در ویدیوی یوتیوب کانال «فیلمباز» صورت می‌گیرد که به موشکافی لایه‌های زیرین این اثر پرداخته است.هشدار، در این مقاله داستان فیلم کامل توضیح داده شده است. پس اگر فیلم را مشاهده نکرده اید. این مقاله را نخوانید.در ابتدای فیلم، با شخصیت اصلی داستان آشنا می‌شویم؛ مردی بی‌نام که در چنگال بی‌خوابی و یکنواختی زندگی اداری خود اسیر شده است. او نماینده‌ی بسیاری از انسان‌های دنیای مدرن است که در گرداب کار روزمره، خرید وسایل و تلاش برای یافتن معنا در دارایی‌های مادی غرق شده‌اند. راوی داستان، به تعبیر تحلیلگر ویدیو، نمادی از انسان مدرنی است که ممکن است احساس پوچی و بی‌معنایی کند و راه فراری برای خلاصی از این وضعیت نیابد. جالب اینجاست که حتی در سایت IMDb نیز نام ادوارد نورتون، بازیگر نقش اصلی، به عنوان «راوی» ذکر شده است. این بی‌نامی، بر فراگیر بودن این حس در میان انسان‌های معاصر تأکید می‌کند.نخستین هشدار: صدایی از دل پوچیدر نسخه DVD فیلم، پیامی هشدارآمیز بر روی صفحه ظاهر می‌شود که در نگاه اول، هشداری در مورد کپی غیرقانونی فیلم به نظر می‌رسد. اما به گفته تحلیلگر، این هشدار در واقع از سوی شخصیت مرموز داستان، تایلر داردن، مطرح می‌شود. تایلر در این پیام می‌گوید اگر احساس پوچی می‌کنید، زندگی‌تان بی‌معناست و راه فراری نمی‌یابید، از خانه‌تان بیرون بزنید، از شغلتان استعفا دهید، مبارزه کنید و به همه بگویید که زنده‌اید و به دنبال غریزه‌تان بروید. او تأکید می‌کند که باید مثل آدم‌های زنده رفتار کنید. این پیام، به‌وضوح، نقد فیلم بر احساس پوچی و رخوت حاکم بر زندگی مدرن را نمایان می‌سازد.تصویر انسان مدرن در آینه «باشگاه مبارزه»راوی داستان که نماینده‌ی انسان مدرن است، به شکلی قابل تأمل به تصویر کشیده می‌شود. او دچار بی‌خوابی است و محیط کار و همکارانش به شکل ربات‌هایی بی‌روح نشان داده می‌شوند. در یک صحنه نمادین، همه همکاران راوی مشغول کپی گرفتن هستند و خود او نیز متنی را می‌خواند که در آن تأکید می‌شود همه‌چیز «کپی از روی کپی از روی کپی» است. همزمان، همه آن‌ها در یک لحظه قهوه استارباکس خود را می‌نوشند. تحلیلگر ویدیو، استارباکس را نمادی از مدرنیسم و مصرف‌گرایی می‌داند؛ جایی که انسان‌های مدرن به سوی مصرف‌گرایی بی‌هدف کشیده می‌شوند و در حالتی خلسه‌مانند زندگی می‌کنند، نه کاملاً بیدار و نه کاملاً خواب. گویی استارباکس برای آن‌ها به جایگاهی مقدس رسیده است.فیلم به شیوه‌های دیگری نیز به موضوع مصرف‌گرایی اشاره می‌کند. راوی خود اعتراف می‌کند که زمانی مجله‌های خاکبرسری می‌خریده و حالا مجله‌های خرید لوازم خانه می‌خرد و دائماً به دنبال این است که چه مبلی بخرد تا شخصیت بهتری از خود نشان دهد. او به طنز می‌گوید که «من برده فلان برند هستم». تحلیلگر این وضعیت را نوعی اعتیاد می‌داند؛ اعتیاد به مصرف‌گرایی و خرید لوازمی که شاید به آن‌ها نیازی هم نباشد.درمان موقت در آغوش مرگنکته جالب اینجاست که مشکل بی‌خوابی راوی در ابتدای داستان، به شکلی پارادوکسیکال حل می‌شود. او زمانی به آرامش می‌رسد که در جلسات بیماران سرطانی شرکت می‌کند و تجربه‌ای نزدیک از مرگ به دست می‌آورد. دیدن افرادی که در چند قدمی مرگ قرار دارند، به او آرامش می‌بخشد. این موضوع، به یکی از مفاهیم مهم مطرح شده توسط تایلر اشاره دارد: زندگی گاهی اوقات با مرگ معنا پیدا می‌کند و درک لحظه حال با مفهوم مرگ گره خورده است.اما این آرامش دیری نمی‌پاید و با ورود شخصیتی به نام مارلا سینگر به داستان، بی‌خوابی راوی دوباره بازمی‌گردد. هر بار که راوی به مارلا نگاه می‌کند، تک‌فریمی از تایلر ظاهر می‌شود. تحلیلگر این تک‌فریم‌ها را نشانه‌ای از نقاط ضعف زندگی راوی می‌داند. آخرین بار، وقتی تایلر ظاهر می‌شود که راوی جرأت نمی‌کند با مارلا سر صحبت را باز کند. به طور کلی، راوی به عنوان یک فرد مصرف‌گرا، ترسو، کسی که مسئولیت‌پذیر نیست، در لحظه زندگی نمی‌کند و از درد و سختی‌های زندگی فرار می‌کند، به تصویر کشیده می‌شود.تولد تایلر: سایه‌ای برای غلبه بر ضعف‌هادر همین نقطه است که ذهن راوی، تایلر را خلق می‌کند تا بر این نقاط ضعف غلبه کند. پس از انفجار خانه‌اش، راوی به شماره‌ای که تایلر روی یک کارت به او داده بود زنگ می‌زند؛ شماره‌ای که در واقع شماره خانه خود اوست. این نشان می‌دهد که تایلر، سایه شخصیت اصلی ماست؛ کسی که راوی جرأت ندارد باشد: شجاع، غیرقابل پیش‌بینی و آزاد. راوی نماد انسان مدرن و وابسته به منطق است، در حالی که تایلر بر اساس غریزه عمل می‌کند. تحلیلگر معتقد است انسان مدرن امروزی، به دلیل هنجارهای جامعه، غرایز خود را سرکوب می‌کند و باید چیزهای زیادی از تایلر بیاموزد.فلسفه تایلر در کافه: نقدی بر مصرف‌گرایی و پوچیوقتی راوی و تایلر با هم به کافه می‌روند، کارگردان به‌طور مستقیم مخاطب را مورد خطاب قرار می‌دهد و به نقد انسان‌های امروزی می‌پردازد. در اینجاست که با فلسفه تایلر آشنا می‌شویم. او می‌گوید آدم‌ها وقتی مصرف‌گرا می‌شوند، در زندگی‌شان احساس خلأ می‌کنند. او معتقد است کسی که دائماً دارایی‌هایش را به نمایش می‌گذارد، در عمق وجود خود احساس پوچی می‌کند. تایلر می‌گوید دنیای مدرن به ما می‌آموزد که بیشتر کار کنیم تا بیشتر مصرف کنیم و بیشتر لذت ببریم، اما این چرخه بی‌پایان، معنای واقعی زندگی را از ما می‌گیرد. دیالوگ ماندگار او که می‌گوید «چیزهایی که مالک‌شان هستی، در نهایت صاحب تو می‌شوند»، به وضعیت خود راوی اشاره دارد که تمام زندگی‌اش صرف کار و خرید وسایل برای پر کردن خلأ درونی‌اش شده بود.تایلر، پوچی این سیستم مصرف‌گرا را با ساختن صابون از چربی‌های بدن افرادی که در کلینیک‌های زیبایی لیپوساکشن کرده‌اند و فروش دوباره آن به همان افراد، به تصویر می‌کشد. این چرخه بی‌پایان مصرف، نشان می‌دهد که انسان مدرن در یک دور باطل گرفتار شده است. تایلر همچنین به استانداردهای زیبایی تحمیلی جامعه انتقاد می‌کند و می‌گوید جامعه، آدم‌ها را بی‌هدف بزرگ می‌کند و انتظارات اشتباهی برای آن‌ها به وجود می‌آورد. به نظر تحلیلگر، این نقد که بیست و چند سال پیش مطرح شد، امروزه با ظهور فضای مجازی و انتظارات نادرستی که ایجاد می‌کند، برای نسل جوان بسیار ملموس‌تر است.باشگاه مبارزه: استعاره‌ای برای رهایی«باشگاه مبارزه» به هیچ وجه تبلیغ خشونت و درگیری فیزیکی نیست. تحلیلگر تأکید می‌کند که باشگاه مبارزه یک استعاره است. این باشگاه، فضایی را فراهم می‌کند که در آن هر چیزی که جامعه سرکوب می‌کند، آزاد است. برای اعضای باشگاه، این مکان مانند تایلر برای راوی، فرصتی برای رهایی غرایز سرکوب‌شده‌شان است. تایلر در اولین باری که در باشگاه را باز می‌کند، جملات مهمی می‌گوید: «شما حساب بانکی‌تان نیستید، شما خودتانید. به جامعه کاری نداشته باشید، شما شغلتان نیستید، شما ماشینی که سوار می‌شوید نیستید.». او می‌گوید دنیای مدرن این امکان را به شما می‌دهد که هویت را هم بخرید، اما نباید این کار را بکنید؛ باید چیزهایی را بخرید که نیاز دارید و هویت خودتان را بسازید.دلیل شکل‌گیری باشگاه مبارزه در این است که وقتی راوی و تایلر برای اولین بار همدیگر را می‌زنند، به این حس می‌رسند که درد یک احساس است و احساس یعنی زندگی. آن‌ها با کتک زدن یکدیگر، احساس زنده بودن می‌کنند. این یک استعاره است برای اینکه انسان مدرن نیاز دارد تجربه‌هایی داشته باشد که احساساتش را برانگیزد.درس‌های تایلر: پذیرش درد و زندگی در لحظهدر فرایند شکل‌گیری باشگاه مبارزه، تایلر درس‌های مهمی به راوی می‌دهد. اولین درس، تجربه درد است. صحنه‌ای که تایلر با اسید دست راوی را می‌سوزاند و می‌گوید «بدون که روزی می‌میری و با چشم باز درد را تحمل کن»، یکی از ماندگارترین دیالوگ‌های فیلم است. راوی پیش از این در کلاس‌هایی شرکت می‌کرد که به او یاد می‌دادند چگونه از درد فرار کند یا آن را فراموش کند، اما تایلر به او می‌گوید که این لحظه، بزرگ‌ترین لحظه زندگی اوست. کارگردان با این صحنه به ما نمی‌گوید که به جان هم بیفتیم، بلکه می‌گوید زندگی مانند باشگاه مبارزه است؛ دردها به آن معنا و احساس می‌بخشند و تجربه آن‌ها ارزشمندترین دارایی‌های شما خواهد بود. این نقد فرار از سختی‌های زندگی است.تایلر معتقد است یادآوری مرگ باعث می‌شود ما قدر زندگی را بدانیم و سختی‌ها را بپذیریم. او با قرار دادن اسلحه روی سر یک دانشجوی انصرافی و وادار کردن او به فکر مرگ، به او می‌آموزد که از فردا صبحانه برایش مزه دیگری خواهد داشت و هر لحظه از عمرش بامعنی‌تر خواهد بود. هدف تایلر از این کارها این است که افراد احساس زنده بودن کنند.همچنین، تایلر به‌شدت با کمال‌گرایی مخالف است و می‌گوید باید دست از کامل بودن برداشت و اجازه داد تکامل پیدا کنیم. او معتقد است باید نقص‌های خود را پذیرفت و هر روز بهتر از روز قبل بود، نه اینکه در پی کمالی دست‌نیافتنی باشیم. در صحنه رانندگی، تایلر به راوی می‌گوید سعی نکند چیزی را کنترل کند و فرمان را رها کند. چپ کردن ماشین، استعاره‌ای است برای اینکه راوی به دلیل تلاش برای کنترل دائمی زندگی، بیچاره شده بود. این مفهوم مشابه پیامی است که مربی شخصیت اصلی فیلم «قوی سیاه» به او می‌داد. تلاش برای بهترین بودن مهم است، نه کنترل زندگی.انحراف باشگاه مبارزه و تبدیل آن به فرقهاما جامعه‌ای که تایلر می‌سازد، به‌تدریج به انحراف کشیده می‌شود و به یک فرقه تبدیل می‌گردد. این جامعه، عناصری از آنارشیسم، مارکسیسم و فاشیسم را در خود جای می‌دهد. تحلیلگر معتقد است این نشان می‌دهد که اگر افراد بدون آگاهی بخواهند خود را از زندان پوچی فراری دهند، ممکن است در زندان جدیدتری گرفتار شوند؛ ایدئولوژی‌ای که حتی از قبلی بدتر است. پوشیدن لباس‌های یکسان، ظاهر یکسان و حذف نام‌ها، نمادی از کمونیسم و رفتار فاشیستی است. فرقه‌های انحرافی با نشان دادن درد به افراد پوچ، سعی می‌کنند به زندگی آن‌ها معنا ببخشند. در این فرقه‌ها، هویت فردی از بین می‌رود و افراد به لوح سفیدی تبدیل می‌شوند که می‌توان هر چیزی را بر آن نوشت. کارگردان با این تصویر هشدار می‌دهد که اگر دیدید کسی جذب یک فرقه افراطی شده است، بدانید که احتمالاً او به دلیل احساس پوچی و بی‌هویتی به آن پناه برده است.پذیرش مسئولیت و تولدی دوبارهبه نظر تحلیلگر، تایلر باید به یک ضدقهرمان تبدیل می‌شد، زیرا کارگردان نمی‌خواست صرفاً علیه سرمایه‌داری صحبت کند. اگر این اتفاق نمی‌افتاد، ممکن بود فیلم به دلیل نقدهایی که به زندگی سرمایه‌داری وارد کرده بود، با واکنش منفی در جامعه آمریکا مواجه شود و برچسب‌های سیاسی بخورد.نقطه اوج داستان، صحنه پایانی است که راوی با تایلر روبه‌رو می‌شود و می‌فهمد که باید مسئولیت زندگی خود را بپذیرد. او به یاد می‌آورد که تایلر در صحنه سوختن دستش به او گفته بود که باید حاضر باشد بعضی چیزها را در زندگی قربانی کند. قهرمان داستان نیز حاضر می‌شود برای متوقف کردن تایلر، زندگی خود را قربانی کند و با شلیک به سر خود (که در واقع شلیک به تایلر است)، می‌گوید: «تایلر، من چشام بازه!». این همان دیالوگی است که تایلر از او خواسته بود. این عمل نمادین به این معناست که راوی دیگر نیازی به تایلر ندارد. او چیزهایی را که از تایلر نیاز داشت، در شخصیت خود ادغام کرده و مانند شاگردی که از استادش آموخته، به تایلر (و در واقع، به جنبه تاریک و رهاشده وجودش) غلبه می‌کند و خود به «تایلر» جدیدی تبدیل می‌شود. برای اولین بار در طول فیلم، راوی به آرامش می‌رسد و می‌تواند دست زن مورد علاقه‌اش، مارلا، را بگیرد؛ کاری که به دلیل وجود تایلر در ذهنش قادر به انجام آن نبود. در اصل، می‌توان گفت که در این صحنه، راوی قدیمی می‌میرد و شخصیت جدیدی متولد می‌شود؛ ترکیبی از منطق راوی و غریزه تایلر. این صحنه، یادآور ترکیب چهره لیلی و نینا در فیلم «قوی سیاه» و شکل‌گیری چهره قوی سیاه است.شخصیت جدیدی که خلق می‌شود، همان کسی است که کارگردان از مخاطب می‌خواهد در دنیای مدرن باشد: مصرف‌گرا نباشد، دارایی‌ها به او هویت ندهند، از دارایی‌هایش برای زندگی خود استفاده کند نه برای هنجارهای جامعه، سختی‌های زندگی را بپذیرد، ریسک کند، درد را بپذیرد، در لحظه زندگی کند، بداند که این زندگی تمام می‌شود، رفاه زندگی مدرن او را در روزمرگی گرفتار نکند، کمال‌گرا نباشد و انتظارات بیجا را از محیط بیرون نیاموزد، تلاش نکند دنیا را کنترل کند و به دنبال تکامل خود باشد. انفجارهای ساختمان‌ها در صحنه پایانی نیز می‌تواند نمادی از این باشد که جامعه نیز نیاز دارد تا برخی چیزها را قربانی کند و اصلاحاتی را با چشمانی باز انجام دهد.در پایان، فیلم «باشگاه مبارزه» با تمام پیچیدگی‌ها و تناقضاتش، دعوتی است به تفکر در مورد معنای زندگی در دنیای مدرن. این فیلم، هشداری است در مورد خطرات مصرف‌گرایی بی‌هدف، فرار از درد و سختی، و تلاش برای یافتن هویت در دارایی‌های مادی. پیام نهایی فیلم، به نقل از تحلیلگر، این است که باید مسئولیت زندگی خود را بپذیریم، در لحظه زندگی کنیم و به دنبال معنای واقعی درونی خود باشیم، نه در ظواهر فریبنده دنیای مدرن. امیدواریم این تحلیل توانسته باشد لایه‌های پنهان این اثر ماندگار را برای شما روشن‌تر سازد. مصطفی رستگار مصطفی رستگار Sun, 16 Mar 2025 06:29:49 +0330 https://virgool.io/@m.rastegar991/%DA%86%D8%B1%D8%A7-%D8%A7%D9%81%D8%B1%D8%A7%D8%AF-%D8%A8%D8%A7%D9%87%D9%88%D8%B4-%D8%A8%D9%87-%D8%B2%D9%86%D8%AF%DA%AF%DB%8C-%D8%A7%D8%AC%D8%AA%D9%85%D8%A7%D8%B9%DB%8C-%D9%85%D8%B9%D9%85%D9%88%D9%84%DB%8C-%D8%A7%D9%87%D9%85%DB%8C%D8%AA-%D9%86%D9%85%DB%8C-%D8%AF%D9%87%D9%86%D8%AF-%D9%86%DA%AF%D8%A7%D9%87%DB%8C-%D8%A8%D9%87-%D8%AF%DB%8C%D8%AF%DA%AF%D8%A7%D9%87-%D8%B4%D9%88%D9%BE%D9%86%D9%87%D8%A7%D9%88%D8%B1-mgvrzgjao56a آیا تا به حال در یک جمع یا مهمانی احساس کرده‌اید که انگار جای شما آنجا نیست؟ آیا به اطرافتان نگاه کرده‌اید و برایتان سوال پیش آمده که چرا بیشتر مردم می‌خواهند شبیه به هم باشند و هر کاری که دیگران می‌کنند را تقلید کنند؟ شاید حتی این فکر به ذهنتان خطور کرده باشد که بسیاری از تعاملات اجتماعی یک بازی بیهوده است و شما تمایلی به شرکت در آن ندارید. اگر این حس‌ها برایتان آشنا هستند، این مقاله برای شما نوشته شده است. در ادامه، به بررسی دیدگاه آرتور شوپنهاور، فیلسوف نامدار، در مورد رابطه بین هوش و زندگی اجتماعی خواهیم پرداخت، همان‌گونه که در ویدئوی منتشر شده در کانال «comma podcast» مطرح شده است.تنهایی و تفکر عمیقشاید برخی شوپنهاور را بدبین بدانند، اما او معتقد بود که اکثریت مردم در یک دام مسخره‌ی تقلید گرفتار شده‌اند و در همین دام به زندگی خود ادامه می‌دهند. آن‌ها یک جور لباس می‌پوشند، یک جور رفتار می‌کنند و یک جور حرف می‌زنند، نه به این دلیل که این‌ها بازتابی از ماهیت واقعی آن‌هاست، بلکه به این خاطر که برنامه‌ریزی شده‌اند تا دنباله‌رو باشند؛ یعنی بدون تفکر، صرفاً کارهایی را انجام می‌دهند که همه انجام می‌دهند. از خودتان بپرسید، چند بار در یک تعامل اجتماعی احساس کرده‌اید که بخشی از وجودتان را نادیده گرفته‌اید یا حتی قربانی کرده‌اید؟ این سوالی بسیار مهم است. شوپنهاور به ما نشان می‌دهد که هوش و زندگی اجتماعی به شکلی که عموماً درک می‌شود، می‌توانند در تضاد با یکدیگر باشند. به این معنا که هرچه فرد باهوش‌تر باشد، تمایل کمتری به تعاملات اجتماعی بیهوده نشان می‌دهد.این موضوع به هیچ وجه به معنی مغرور بودن افراد باهوش نیست. دلیل اصلی این است که آن‌ها چیزهایی را می‌بینند که دیگران قادر به دیدنشان نیستند. در حالی که بیشتر افراد به دنبال تایید در چشم دیگران هستند، افراد باهوش قوانین و خط قرمزهای خودشان را دارند و اغلب ترجیح می‌دهند از آن‌ها پیروی کنند، حتی اگر این به معنای عدم همراهی با جمع باشد. بیشتر مردم برای همرنگ جماعت شدن، پا روی قوانین، احساسات و تفکرات اصیل خود می‌گذارند.جامعه به گونه‌ای طراحی شده است که شما را سرگرم کند، نه اینکه شما را وادار به فکر کردن کند. چرا؟ چون وقتی شما فکر کنید، متوجه خواهید شد که بیشتر مکالمات فقط سر و صدا هستند، بیشتر روابط سطحی‌اند و تلاش برای اینکه مثل بقیه باشیم، نوعی خودخرابی است. شوپنهاور به صراحت بیان می‌کند که تنهایی، سرنوشت همه ذهن‌های بزرگ است. جامعه دائماً در گوش ما زمزمه می‌کند که خوشبختی در برقراری ارتباط با دیگران و داشتن دوستان زیاد است. اما چه فایده‌ای دارد وقتی بیشتر این روابط توخالی هستند؟ چند نفر از دوستان یا افرادی که با آن‌ها در ارتباط هستید، در شرایط سخت کنار شما بوده‌اند؟ پس این همه وقت و انرژی که برای افرادی صرف می‌کنیم که حتی در سختی‌ها همراه ما نیستند، چه ارزشی دارد؟در همین نقطه است که یک اتفاق عجیب رخ می‌دهد: تنهایی، که شاید در ابتدا مانند یک مجازات به نظر برسد، به تدریج تبدیل به یک امتیاز می‌شود. در خلوت و تنهایی است که انسان چیزهایی را کشف می‌کند که جامعه از او پنهان می‌کند. البته، این به آن معنا نیست که باید از مردم متنفر باشیم و تمام تماس‌های اجتماعی را رد کنیم. بلکه به معنای درک تفاوت بین دو مفهوم اساسی است: تعامل و تعهد. به این معنی که به خودمان اجازه دهیم که با چه کسی معاشرت کنیم و برای هر فرد چقدر انرژی و وقت بگذاریم. آزادی واقعی زمانی آغاز می‌شود که دیگر نگران این نباشیم که مردم درباره ما چه فکری می‌کنند.بنابراین، اگر دفعه بعد کسی به شما گفت که باید بیشتر معاشرت کنید، اجتماعی‌تر باشید و مثل بقیه مردم رفتار کنید، به یاد داشته باشید که شما اشتباه نمی‌کنید. شما فقط حقیقت را درک کرده‌اید. زمان و انرژی شما برایتان ارزشمندتر از حرف مردم است. جامعه به گونه‌ای طراحی شده است که پر از سر و صدا باشد: مکالمات بی‌اهمیت روزانه، رسانه‌های اجتماعی، اخبار و تمام این‌ها برای حواس‌پرتی دائمی شما طراحی شده‌اند. جامعه از سکوت می‌ترسد، زیرا سکوت شما را مجبور می‌کند که فکر کنید، و فکر کردن خطرناک است. انزوا به خودی خود چیز بدی نیست. چند نفر از ما تا به حال فقط به خاطر ترس از تنهایی وارد گروه‌هایی شده‌ایم که در نهایت در همان گروه‌ها احساس پوچی و گم شدن کرده‌ایم؟ بهترین ایده‌ها و اکتشافات در ذهن‌هایی متولد شده‌اند که جرات کرده‌اند از سر و صدای بیشتر دور شوند. شاید باز هم فکر کنید که این همان انزوا است، اما در واقع به معنای دانستن زمان و مکان مناسب برای تعامل است.بسیاری از افراد تصور می‌کنند که خوشبختی فقط از طریق تعامل و تایید دیگران به دست می‌آید. به همین دلیل است که در یک چرخه وابستگی به تایید گرفتار می‌شوند. هر عکسی که در شبکه‌های اجتماعی آپلود می‌کنند، هر استوری که به اشتراک می‌گذارند، همه برای دریافت واکنش از دیگران است. این نشان‌دهنده نیاز شدید به تایید دیگران است، چیزی که متاسفانه اکثر مردم در حال حاضر به دنبال آن هستند.حال سوال اینجاست: با این اطلاعاتی که در این ویدیو مطرح شد، می‌خواهید چه کار کنید؟ می‌توانید آن‌ها را نادیده بگیرید و طوری رفتار کنید که انگار هرگز این مطالب را نشنیده‌اید. اما می‌توانید شجاعت این را داشته باشید که برای وقت، انرژی و مهم‌تر از همه، خودتان ارزش قائل شوید. با افراد باکیفیت در زندگی‌تان ارتباط برقرار کنید و مهم‌تر از همه، در میان این همه شلوغی و هیاهو، گاهی سکوت را انتخاب کنید. اگر این توضیحات باعث شد احساس کنید که چیزهایی که گفته شد، همیشه در ذهن شما هم وجود داشته است اما هرگز آن‌ها را برای کسی بازگو نکرده‌اید، بدانید که تنها نیستید.در پایان، این دیدگاه‌ها یادآوری می‌کنند که کیفیت روابط و عمق تفکر فردی می‌تواند بسیار ارزشمندتر از کمیت تعاملات اجتماعی باشد. انتخاب آگاهانه برای گذراندن وقت با افرادی که واقعاً به آن‌ها اهمیت می‌دهیم و اختصاص زمان به تفکر و خودشناسی، می‌تواند مسیری پربارتر و معنادارتر را در زندگی برایمان رقم بزند، به خصوص برای کسانی که عمق بیشتری در درک جهان پیرامون خود دارند. مصطفی رستگار مصطفی رستگار Sat, 15 Mar 2025 06:37:20 +0330 https://virgool.io/@m.rastegar991/%D8%A2%DB%8C%D8%A7-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D9%87%D9%86%D9%88%D8%B2-%D8%A7%D8%B1%D8%B2%D8%B4-%D8%AF%D8%A7%D8%B1%D8%AF-%D9%86%DA%AF%D8%A7%D9%87%DB%8C-%D8%B9%D9%85%DB%8C%D9%82-%D8%A8%D9%87-%D8%A2%DB%8C%D9%86%D8%AF%D9%87-%D8%AA%D9%88%D8%B3%D8%B9%D9%87-%D9%86%D8%B1%D9%85-%D8%A7%D9%81%D8%B2%D8%A7%D8%B1-%D8%AF%D8%B1-%D8%B9%D8%B5%D8%B1-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-lelugsyuimax امروزه، با پیشرفت‌های چشمگیر در حوزه هوش مصنوعی (Artificial Intelligence یا به اختصار AI)، سوالات زیادی در ذهن علاقه‌مندان به حوزه فناوری و به خصوص برنامه‌نویسی شکل گرفته است. آیا هنوز ارزش دارد که برنامه‌نویسی یاد بگیریم؟ آیا هوش مصنوعی می‌تواند جایگزین برنامه‌نویسان شود؟ آیا شغلی که زمانی به عنوان یک فرصت طلایی با درآمد بالا شناخته می‌شد، در آینده‌ای نزدیک از بین خواهد رفت؟ اینها دقیقاً همان سوالاتی هستند که در این مقاله، با نگاهی دقیق به صحبت‌های مطرح شده در ویدیوی یوتیوب "یادگیری برنامه نویسی هنوز ارزش داره؟ چرا نباید بیخیال برنامه نویسی و مهندسی نرم افزار بشید" از کانال Hamid Tadayon، به بررسی آنها خواهیم پرداخت.برنامه نویس بشم یا نه؟همانطور که در ابتدای ویدیو اشاره شد، هدف ما در این مقاله این نیست که با ایجاد ترس و وحشت، به این سوالات پاسخ دهیم. بلکه، قصد داریم با یک رویکرد منطقی و با استناد به آمار و ارقام موجود در ویدیو، به یک تحلیل جامع برسیم و ببینیم که واقعاً چه آینده‌ای در انتظار برنامه‌نویسی و توسعه نرم‌افزار است و آیا شروع کردن یا ادامه دادن در این مسیر، همچنان یک تصمیم عاقلانه به شمار می‌رود یا خیر.ترسِ به‌جا، اما نه به آن شدت!بدون شک، ظهور سرویس‌های مبتنی بر هوش مصنوعی مولد (Generative AI) که قادر به تولید محتواهای متنوعی از جمله متن، عکس و حتی کد هستند، موجی از نگرانی را در میان برنامه‌نویسان ایجاد کرده است. این ابزارها، با قابلیت تولید کد با کیفیت به ظاهر خوب، این تصور را به وجود آورده‌اند که دیگر نیازی به برنامه‌نویسان نخواهد بود. همین مسئله باعث شده تا سوالات متعددی در مورد ارزش یادگیری برنامه‌نویسی مطرح شود.این ترس، همانطور که در ویدیو نیز اشاره شد، منطقی و قابل درک است. اما، برای رسیدن به یک دیدگاه واقع‌بینانه، لازم است که فراتر از این نگرانی‌های اولیه نگاه کنیم و به بررسی دقیق‌تر آمار و روندهای موجود بپردازیم.نگاهی به آمار: تقاضا برای توسعه‌دهندگان نرم‌افزار همچنان رو به افزایش است!نکته بسیار مهمی که در ویدیو به آن استناد شده، بررسی‌های اداره آمار ایالات متحده (BLS) است. بر اساس این بررسی‌ها، پیش‌بینی می‌شود که تقاضا برای شغل توسعه نرم‌افزار (software development) تا سال ۲۰۳۲، ۲۶ درصد افزایش خواهد داشت. این در حالی است که رشد تقاضا برای سایر مشاغل، تنها حدود ۳ درصد پیش‌بینی شده است. این آمار به روشنی نشان می‌دهد که نه تنها قرار نیست تقاضا برای برنامه‌نویسان کاهش پیدا کند، بلکه با یک رشد چشمگیر نیز مواجه خواهیم بود.اما چرا باید تقاضا برای شغلی که به نظر می‌رسد هوش مصنوعی می‌تواند بخش قابل توجهی از وظایف آن را انجام دهد، افزایش پیدا کند؟ پاسخ این سوال در درک صحیح توانایی‌ها و محدودیت‌های فعلی هوش مصنوعی نهفته است.هوش مصنوعی یک ابزار قدرتمند است، نه یک جایگزین کاملهمانطور که در ویدیو توضیح داده شده، هوش مصنوعی در حال حاضر قادر به تولید کد است، اما نمی‌تواند یک اپلیکیشن کامل را به تنهایی بسازد. برای ساخت یک نرم‌افزار کاربردی و کارآمد، همچنان به یک متخصص نیاز است که بتواند فرایند برنامه‌نویسی را هدایت کند، نیازمندی‌ها را تحلیل نماید و از این ابزارهای هوش مصنوعی به درستی استفاده کند. به عبارت دیگر، برنامه‌نویسان باید به این ابزارها بگویند که چه کاری انجام دهند.علاوه بر این، کدی که توسط ابزارهای هوش مصنوعی تولید می‌شود، همیشه بهینه و بی‌نقص نیست. بر اساس آمارهای شرکت مکنزی، هوش مصنوعی تنها در وظایف سخت می‌تواند حدود ۱۰ درصد عملکرد را بهبود ببخشد. همچنین، تجربه استفاده از ابزارهایی مانند GitHub Copilot نشان داده است که کدهای تولید شده توسط هوش مصنوعی، پس از مدتی نیاز به بهینه‌سازی توسط برنامه‌نویسان انسانی دارند.تکامل زبان‌های برنامه‌نویسی و ظهور "پرامپت‌نویسی"نگاهی به تاریخچه زبان‌های برنامه‌نویسی نشان می‌دهد که این حوزه همواره در حال تحول بوده است. تقریباً هر ۱۰ سال یک بار، نسل جدیدی از زبان‌ها ظهور کرده و برنامه‌نویسی را ساده‌تر کرده است. این ساده‌تر شدن، به نوبه خود، باعث جذب افراد بیشتری به این حوزه شده است.به نظر می‌رسد که ظهور هوش مصنوعی، فصل جدیدی در این تکامل است. برنامه‌نویسی قرار است تغییر کند و ساده‌تر شود، چرا که ما می‌توانیم با صحبت کردن با هوش مصنوعی، از آن بخواهیم که برایمان کد تولید کند. در واقع، نسل جدید برنامه‌نویسی، به نوعی "پرامپت‌نویسی" (prompt engineering) تبدیل خواهد شد. در این دوره، توانایی تولید درخواست‌های (prompt) مؤثر و دقیق برای دریافت کد مورد نظر از هوش مصنوعی، اهمیت بسیار زیادی پیدا می‌کند.تمایز بین "کدنویس" و "برنامه‌نویس": چرا مفاهیم اساسی همچنان حیاتی هستند؟نکته بسیار مهمی که در ویدیو بر آن تاکید شده، تفاوت بین یک "کدنویس" (coder) و یک "برنامه‌نویس" (programmer) است. یک کدنویس، کسی است که صرفاً دستورات را می‌نویسد، بدون درک عمیقی از ساختار و معماری نرم‌افزار. اما یک برنامه‌نویس واقعی، کسی است که ساختار یک اپلیکیشن را تعریف می‌کند و درک کاملی از مفاهیم مهندسی نرم‌افزار دارد.در عصر هوش مصنوعی، دیگر نیازی به کدنویسان مبتدی که فقط قادر به تایپ چند خط کد هستند، وجود نخواهد داشت. چرا که هوش مصنوعی می‌تواند این کار را به مراتب سریع‌تر و در بسیاری از موارد، دقیق‌تر انجام دهد. اما، نیاز به برنامه‌نویسانی که مفاهیم اساسی برنامه‌نویسی را درک می‌کنند و می‌توانند از ابزارهای هوش مصنوعی به طور مؤثر استفاده کنند، نه تنها از بین نرفته، بلکه بیشتر هم خواهد شد. شرکت‌ها دیگر به دنبال استخدام برنامه‌نویسانی هستند که بتوانند در کنار کدنویسی، از هوش مصنوعی نیز بهره ببرند.تغییر نقش برنامه‌نویس: فراتر از نوشتن کدنقش برنامه‌نویس در آینده، دیگر محدود به نشستن در یک گوشه و صرفاً کد نوشتن نخواهد بود. حتی امروزه نیز، یک برنامه‌نویس خوب، بخش زیادی از زمان خود را صرف بحث و تبادل نظر در جلسات، تعریف وظایف، و طراحی ساختار نرم‌افزار می‌کند.با ظهور هوش مصنوعی، این جنبه‌های غیرکدنویسی شغل برنامه‌نویسی، اهمیت بیشتری پیدا خواهند کرد. یک برنامه‌نویس موفق در آینده، باید علاوه بر تسلط بر مفاهیم فنی، یک "بیزینس‌من" (businessman)، یک "مدیر محصول" (product manager) و کسی باشد که بتواند با مشتریان ارتباط برقرار کند و نیازمندی‌های آنها را به درستی درک کرده و سپس با کمک هوش مصنوعی، کد مورد نیاز را تولید کند.توصیه‌هایی برای تازه‌واردان و برنامه‌نویسان فعلیاگر به تازگی قصد ورود به دنیای برنامه‌نویسی را دارید، یا اگر یک برنامه‌نویس هستید و نگران آینده شغلی خود هستید، نکات زیر را در نظر بگیرید:مفاهیم اساسی برنامه‌نویسی را به درستی یاد بگیرید. بدون درک این مفاهیم، استفاده مؤثر از ابزارهای هوش مصنوعی امکان‌پذیر نخواهد بود.استفاده از ابزارهای هوش مصنوعی را یاد بگیرید. با این ابزارها آشنا شوید و نحوه استفاده از آنها برای تولید کد سریع‌تر و کارآمدتر را فرا بگیرید.مهارت "پرامپت‌نویسی" را توسعه دهید. یاد بگیرید چگونه درخواست‌های دقیق و مؤثری را برای ابزارهای هوش مصنوعی بنویسید تا کد مورد نظر خود را دریافت کنید.بر روی یادگیری ساختارهای مهندسی نرم‌افزار تمرکز کنید. درک معماری نرم‌افزار و اصول طراحی، چیزی است که هوش مصنوعی فعلاً قادر به انجام آن نیست و یک مزیت رقابتی بزرگ برای شما خواهد بود.مهارت‌های نرم (soft skills) خود را تقویت کنید. توانایی برقراری ارتباط مؤثر، کار تیمی، و درک نیازهای کسب‌وکار، بیش از پیش اهمیت پیدا خواهد کرد.همواره در حال یادگیری و تطبیق با تغییرات باشید. دنیای فناوری به سرعت در حال تحول است، بنابراین برای حفظ جایگاه خود، باید همواره دانش و مهارت‌های خود را به‌روز نگه دارید.اگر هوش مصنوعی همه کارها را انجام دهد...در پایان ویدیو، یک نکته مهم و قابل تأمل مطرح می‌شود. اگر روزی برسد که هوش مصنوعی بتواند تمام کارهای یک برنامه‌نویس را انجام دهد و او را حذف کند، به طور قطع، قادر خواهد بود تمام کارهای یک ادیتور، یک طراح و بسیاری از مشاغل دیگر را نیز انجام دهد. در چنین سناریویی، اساساً شغل به معنای امروزی وجود نخواهد داشت. بنابراین، تمرکز صرف بر ترس از جایگزینی برنامه‌نویسان توسط هوش مصنوعی، بدون در نظر گرفتن تاثیر آن بر سایر مشاغل، یک دیدگاه ناقص است.نتیجه‌گیری: برنامه‌نویسی نمرده است، بلکه در حال پوست‌اندازی است!به طور خلاصه، می‌توان گفت که برنامه‌نویسی نه تنها از بین نخواهد رفت، بلکه شکل آن تغییر خواهد کرد. در عصر هوش مصنوعی، برنامه‌نویسانی که بتوانند خود را با این تحولات همگام کنند، مفاهیم اساسی را درک کنند و از ابزارهای هوش مصنوعی به عنوان یک یار کمکی قدرتمند بهره ببرند، نه تنها جایگاه خود را حفظ خواهند کرد، بلکه نقش پررنگ‌تری در دنیای فناوری و کسب‌وکار ایفا خواهند نمود.پس، اگر به یادگیری برنامه‌نویسی علاقه‌مند هستید، یا اگر یک برنامه‌نویس هستید، دلسرد نشوید. با تمرکز بر یادگیری عمیق مفاهیم، توسعه مهارت‌های جدید و پذیرش تغییرات، می‌توانید در این مسیر پرچالش و هیجان‌انگیز، به موفقیت دست پیدا کنید. به یاد داشته باشید که دنیا در حال تغییر است و شما نیز باید با آن تغییر کنید. مصطفی رستگار مصطفی رستگار Sat, 15 Mar 2025 06:19:00 +0330 https://virgool.io/@m.rastegar991/%DA%A9%D8%A7%D9%81%D8%A6%DB%8C%D9%86-%D9%82%D9%87%D9%88%D9%87-%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D8%AE%D8%B3%D8%AA%DA%AF%DB%8C-qhr6zq23zglf کافئین، رفیق شفیق یا دشمن خونی؟ببین، کافئین مثل یه رفیق باحاله که همه‌جا باهاته، ولی اگه زیاده‌روی کنی، حسابی اذیتت می‌کنه. از یه طرف، وقتی خسته‌ای، یه فنجون قهوه یا چای می‌تونه حسابی سرحالت بیاره و تمرکزتو ببره بالا. حتی بعضی وقتا تو ورزش هم کمکت می‌کنه که بیشتر دووم بیاری. ولی از اون طرف، اگه زیادی بخوری، ممکنه شب‌ها خواب به چشمت نیاد، دلت شور بزنه و حتی فشار خونت بره بالا.داداش من! خسته ای برو بخواب، قهوه نخورنکته: از عبارت کافئین توی نوشته زیر زیاد استفاده کردم، چون شامل چایی و قهوه و سایر نوشیدنی های کافئین دار دیگه هم میشه. ولی بیشتر، تمرکز روی مصرف قهوه دارم.داستان کافئین تو بدن ما چیه؟کافئین یه جورایی مثل یه هکر حرفه‌ای، مغز ما رو گول می‌زنه. یه ماده‌ای تو مغز هست به اسم آدنوزین که وقتی زیاد می‌شه، حس خواب‌آلودگی بهمون دست می‌ده. کافئین مثل یه کلید تقلبی، جلوی کار آدنوزین رو می‌گیره و نمی‌ذاره حس خستگی بهمون دست بده. تازه، یه ماده‌ای هم تو مغز هست به اسم دوپامین که وقتی ترشح می‌شه، حس خوبی بهمون می‌ده. کافئین باعث می‌شه که دوپامین زودتر تو مغز آزاد بشه و حس سرخوشی بهمون دست بده.خوبی‌های کافئینحواس جمع و تمرکز بالا: وقتی کار مهمی داری، یه کم کافئین می‌تونه کمکت کنه که بهتر تمرکز کنی.خستگی ممنوع: اگه حس می‌کنی توانت داره تموم می‌شه، یه کم کافئین می‌تونه جون تازه‌ای بهت بده.ورزش باحال‌تر: کافئین می‌تونه تو ورزش هم کمکت کنه که بیشتر انرژی داشته باشی.یه کم هم ضد پیری: بعضی تحقیقات نشون داده که کافئین ممکنه از بعضی بیماری‌ها مثل پارکینسون و آلزایمر جلوگیری کنه.بدی‌های کافئین استرس و بی‌خوابی: اگه زیادی کافئین بخوری، ممکنه شب‌ها نتونی بخوابی و استرس بگیری.فشار خون بالا: کافئین ممکنه فشار خونت رو یه کم ببره بالا.دل‌درد و اینا: بعضی‌ها بعد از خوردن کافئین، دل‌درد یا سوزش معده می‌گیرن.اعتیاد: اگه هر روز زیاد نوشیدنی کافئین دار بخوری، بدنت بهش عادت می‌کنه و اگه یه روز نخوری، شاید سردرد بگیری یا بی حوصله بشی.ازونجایی که پزشکی یک علم تجربیه، من روی خودم چندین سال (از سال 97 تا الان) مصرف قهوه رو در حالت ها و ساعت های مختلف امتحان کردم. نتیجه رو روی چندتا از همکار هام که شدیدا مخالف مصرف قهوه بودند و مشکل معده داشتند هم یه تست زدم و جالب بود که بدون عارضه کیفشون کوک شد.و اما نتیجه آزمایشاتم :)هر کسی یه جوری با کافئین کنار میاد. بعضی‌ها با یه فنجون قهوه هم سرحال می‌شن، بعضی‌ها هم باید چند فنجون بخورن.قهوه فوری نخور، فقط یه آشغاله که کافئینش تا دو برابر قهوه دمی هستش و معلوم نیست چی توشه. به خصوص ۳ در ۱، که پودرشیر و شکر هم به شدت توش زیاده. و هم چاق میشی و هم گند میزنه به گوارشت.بهترین ترکیبی که دوستش دارم اسپرسو - ۷۰ درصد عربیکا و ۳۰ درصد روبوستا هستش. البته کاملا به خودت بستگی داره و هزار مدل میتونی طمع مختلف درست کنی.برای دم کردن و عصاره گیری هر فنجون بیشتر از ۸ گرم پودر قهوه استفاده نکن. برای دم کردن از "فرنچ پرس" یا "مینی پرسو" یا اگر پولدار هستید گزینه "پیپاموکا" هم میتونه خیلی جذاب باشه.سعی کن زیادی قهوه نخوری. بیشتر از ۲ فنجون قهوه در روز، زیاده. این میزان که گفتم حدود ۱۲۰ تا ۱۵۰ میلیگرم کافئین در روز میشه که تقریبا نصف چیزیه که اجازه داری بدون آسیب مصرف کنی.با معده خالی قهوه نخور. بهترین زمان ۹ صبح بعد از صبحونه و ساعت ۱۴ بعد از ناهار یا میان وعده ظهره.با خوردن شکلات یا شکر و سایر چیزای شیرین خوردن قهوه رو خرابش نکن. چون بعد از یه مدت به قند اعتیاد پیدا میکنی بعد فکر میکنی حساسیت به کافئین داریساعت ۱۵ به بعد قهوه نخور، وگرنه شب خوابت نمی‌بره یا بی کیفیت میشه. بین ۳ تا ۵ ساعت زمان نیاز داری که کافئین از بدنت خارج بشه.اگه بارداری یا مریضی خاصی داری، قبل از خوردن قهوه با دکترت مشورت کن. مصطفی رستگار مصطفی رستگار Fri, 14 Mar 2025 12:08:35 +0330 https://virgool.io/@m.rastegar991/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%AA%D9%87%D8%AF%DB%8C%D8%AF%DB%8C-%D8%A8%D8%B1%D8%A7%DB%8C-%D9%85%D8%B4%D8%A7%D8%BA%D9%84-%DA%AF%D8%B3%D8%AA%D8%B1%D8%B4-%D9%81%D9%82%D8%B1-%D9%88-%D8%AA%D8%B5%D8%A7%D9%88%DB%8C%D8%B1-%D8%AF%D8%B1%D9%88%D8%BA%DB%8C%D9%86-%DB%8C%D8%A7-%D9%81%D8%B1%D8%B5%D8%AA%DB%8C-%D8%A8%D8%B1%D8%A7%DB%8C-%D9%BE%DB%8C%D8%B4%D8%B1%D9%81%D8%AA-vdkgzglafunr یک تهدید واقعی یا فرصت جدید؟چند سالی است که نام هوش مصنوعی (Artificial Intelligence - AI) بر سر زبان‌ها افتاده و هر روز شاهد بحث و گفتگوهای فراوانی پیرامون آن هستیم. عده‌ای با وحشت از آینده‌ای سخن می‌گویند که در آن هوش مصنوعی جایگزین انسان‌ها شده و موج بیکاری و فقر را به راه می‌اندازد. در مقابل، گروهی دیگر با خوشحالی از این فناوری استقبال می‌کنند و آن را ابزاری قدرتمند برای حل مشکلات و پیشرفت بشر می‌دانند. اما واقعیت چیست؟ آیا هوش مصنوعی واقعاً قاتل مشاغل و گسترش‌دهنده فقر خواهد بود، یا برعکس، فرصتی برای رشد و شکوفایی به شمار می‌رود؟در ویدئویی از کانال یوتیوب "Chizomiz" به بررسی این مهم می‌پردازد:همانطور که در ویدیو اشاره شد، پس از سال ۲۰۰۰، دنیا وارد عصر اینترنت شد و تقریباً همه چیز به آن وابسته گشت. اما اینترنت به تنهایی قادر به پاسخگویی به نیازهای روزافزون و پیچیده‌تر نبود و اینجاست که هوش مصنوعی پا به عرصه گذاشت و ما را به دنیای جدیدی رهنمون ساخت. یک سال پیش، آزمایشی بر روی آی‌کیو (IQ) مدل زبانی چت جی‌پی‌تی (ChatGPT) انجام شد و نتایج نشان داد که آی‌کیوی آن ۱۵۵ است. این رقم بسیار بالا و فراتر از متوسط آی‌کیوی انسان‌ها (حدود ۱۰۰) است. البته، همانطور که در ویدیو به درستی گفته شد، نباید این تست آی‌کیو را خیلی جدی گرفت، چرا که چت جی‌پی‌تی به حجم عظیمی از اطلاعات موجود در اینترنت دسترسی دارد، در حالی که یک انسان چنین امکانی ندارد. با این حال، این آمار نشان‌دهنده رشد سریع و چشمگیر هوش مصنوعی است. کارشناسان پیش‌بینی می‌کنند که تا سه سال آینده، ۲۵ درصد از مشاغل به دلیل جایگزینی با هوش مصنوعی از بین خواهند رفت. همچنین، مجمع جهانی اقتصاد (World Economic Forum)، به تازگی اعلام کرده است که تا سه سال آینده، حدود ۹۹۰ میلیون نفر شغل خود را از دست خواهند داد و باید به دنبال کار جدیدی بگردند.شاید تصور می‌شد که در آینده ربات‌ها کارهای سخت و طاقت‌فرسا مانند معدن‌کاری را برای انسان‌ها انجام خواهند داد. اما به نظر می‌رسد که اشتباه می‌کردیم. هوش مصنوعی در حال حاضر بیشتر به سراغ کارهای پیچیده ذهنی رفته است. برای مثال، هوش مصنوعی می‌تواند به زیبایی برای شما انشا بنویسد، به سؤالات دشوار ریاضی و فیزیک پاسخ دهد و حتی در زمینه مسائل حقوقی نیز به شما کمک کند و شاید بهتر از یک وکیل به سؤالاتتان پاسخ دهد. دنیای هنر نیز از این تحول بی‌نصیب نمانده است. پیش از این، خلق یک تصویر نیازمند هنرمند و صرف ساعت‌ها زمان بود. اما امروزه، با استفاده از ابزارهایی مانند میدجرنی (Midjourney)، می‌توان در عرض چند ثانیه و با دادن یک دستور ساده، تصاویر خلاقانه‌ای تولید کرد. این نشان می‌دهد که هوش مصنوعی به نوعی کارهای خلاقانه را هدف قرار داده و به دنیای هنرمندان آسیب وارد کرده است. حتی در آینده‌ای نزدیک، شاهد ظهور یوتیوبرهای هوش مصنوعی خواهیم بود که به نظر می‌رسد یک انسان در حال صحبت کردن است، اما در واقع یک برنامه هوش مصنوعی است.شرکت‌های بزرگ در سراسر جهان بخش قابل توجهی از بودجه خود را به تبلیغات اختصاص می‌دهند. برای دهه‌ها، این شرکت‌ها میلیاردها دلار به کارشناسان تبلیغاتی پرداخت می‌کردند تا آگهی‌های خلاقانه تولید کنند و فروش آن‌ها را افزایش دهند. اما امروزه، با ظهور هوش مصنوعی، ارزش این کارشناسان به شدت کاهش یافته است. هوش مصنوعی می‌تواند ایده‌های خلاقانه تولید کند، عکس‌ها و ویدیوهای جذاب بسازد و حتی به جای یک گوینده معروف در تبلیغات صحبت کند. به همین دلیل، هزینه یک تبلیغ ساده امروزه به مراتب کمتر از گذشته شده است.اما کاربردهای هوش مصنوعی تنها به تبلیغات محدود نمی‌شود. برای مثال، هوش مصنوعی گوگل برای تشخیص پولشویی (Money Laundering) در بانک‌های مختلف مانند بانک HSBC مورد استفاده قرار می‌گیرد. هوش مصنوعی می‌تواند به سرعت و دقت بالا موارد پولشویی را کشف کند، کاری که در گذشته نیازمند صرف زمان و هزینه بسیار توسط نیروی انسانی بود. نویسندگی و سناریونویسی نیز از دیگر حوزه‌هایی هستند که به شدت تحت تاثیر هوش مصنوعی قرار گرفته‌اند. تظاهرات نویسندگان هالیوودی در سال گذشته نشان‌دهنده نگرانی آن‌ها از کاهش فرصت‌های شغلی به دلیل جایگزینی با هوش مصنوعی بود. امروزه بسیاری از فیلم‌ها و برنامه‌های تلویزیونی هالیوود با کمک هوش مصنوعی نوشته می‌شوند، اگرچه معمولاً انسان‌ها نیز در ویرایش و تکمیل آن‌ها نقش دارند.حال، سؤال اساسی این است که آیا هوش مصنوعی می‌خواهد مشاغل و کارهای ما را بگیرد؟ پاسخ به این سؤال پیچیده است و هم "بله" و هم "نه" درست است. بیشترین مشاغلی که در معرض تهدید قرار دارند، آن‌هایی هستند که شامل انجام یک کار تکراری و روتین می‌شوند. برای مثال، یک کارمند دفتری که هر روز اطلاعات را از یک سیستم به سیستم دیگر منتقل می‌کند، شغلش در خطر است، زیرا هوش مصنوعی به راحتی می‌تواند این کار را انجام دهد. حتی اگر شغلی دارید که در حال حاضر هوش مصنوعی قادر به انجام آن نیست، باز هم ممکن است در امان نباشید، زیرا شرکت‌های بزرگ در حال کاهش تعداد کارمندان خود هستند تا بتوانند سرمایه بیشتری را در زمینه هوش مصنوعی سرمایه‌گذاری کنند. برای مثال، شرکت دراپ‌باکس (Dropbox) حدود یک سال پیش ۱۶ درصد از کارکنان خود را اخراج کرد تا بتواند منابع مالی بیشتری را به تحقیق و توسعه هوش مصنوعی اختصاص دهد.اما در این میان، خبرهای خوبی نیز وجود دارد. هرچه هوش مصنوعی بزرگ‌تر و پیچیده‌تر می‌شود، اشتباهات آن نیز بیشتر می‌شود و به انسان‌های بیشتری برای رفع این مشکلات نیاز پیدا می‌کند. به عبارت دیگر، هوش مصنوعی ممکن است برخی مشاغل را از بین ببرد، اما در عوض مشاغل جدیدی را نیز ایجاد خواهد کرد. برای مثال، مدل‌های زبانی بزرگ مانند چت جی‌پی‌تی، جمینای (Gemini) گوگل و وب‌سایت دیپ سیک (DeepSeek) اگر از آن‌ها در مورد وضعیت آب و هوای یک منطقه در هفته آینده سؤال کنید، پاسخ می‌دهند. اما این پاسخ‌ها وابسته به اطلاعاتی است که توسط انسان‌ها در اینترنت جمع‌آوری شده و هوش مصنوعی از آن‌ها برای پاسخگویی استفاده می‌کند. به این ترتیب، هوش مصنوعی بدون کمک انسان بی‌معنی است. اینگونه نیست که همه انسان‌ها فردا بیکار شوند و همه کارها توسط هوش مصنوعی انجام شود.بارها اتفاق افتاده است که وقتی از هوش مصنوعی، به ویژه چت جی‌پی‌تی، سؤالی پرسیده می‌شود که پاسخ آن را نمی‌داند، به جای گفتن "نمی‌دانم"، یک پاسخ نادرست از خود می‌سازد و ارائه می‌دهد. برای مثال، اگر از آن در مورد ثروت یک سلبریتی هالیوودی بپرسید و هیچ اطلاعاتی در این زمینه در اینترنت وجود نداشته باشد، چت جی‌پی‌تی ممکن است یک رقم خیالی را به عنوان پاسخ ارائه دهد. این نشان می‌دهد که هوش مصنوعی در جمع‌آوری اطلاعات به طور مستقل عمل نمی‌کند و به داده‌هایی که توسط انسان‌ها در اختیار آن قرار داده شده است، وابسته است. مردم از این پاسخ‌های سریع و آسان لذت می‌برند، زیرا دیگر نیازی به صرف وقت زیاد برای مطالعه مقالات و منابع مختلف ندارند.به نظر می‌رسد که خطر اصلی هوش مصنوعی، از بین بردن مشاغل نیست، بلکه تهدید واقعیت است. امروزه به راحتی می‌توان یک ویدیو از یک شخصیت مشهور مانند ایلان ماسک (Elon Musk) ساخت که در آن حرف‌هایی زده می‌شود که او هرگز نگفته است. تشخیص اینکه آیا این فرد واقعی است یا یک شبیه‌سازی هوش مصنوعی بسیار دشوار شده است. به همین ترتیب، می‌توان تصاویر یک رئیس جمهور را دستکاری کرد و حرف‌هایی را به زبان او گذاشت که هرگز نگفته است و از این طریق افراد زیادی را گمراه کرد. کیفیت عکس‌های تولید شده توسط هوش مصنوعی به حدی بالا رفته است که تشخیص واقعی یا مصنوعی بودن آن‌ها تقریباً غیرممکن شده است. به عنوان مثال، تصویری از پاپ واتیکان در حال گیتار برقی زدن را در نظر بگیرید. شاید عده‌ای با دیدن این عکس باور کنند که پاپ به گیتار برقی مسلط است، در حالی که می‌دانیم این تصویر واقعی نیست.فعالان صنعت هوش مصنوعی معتقدند که امروزه دیگر نباید هیچ عکس، فیلم یا اطلاعاتی را به سادگی باور کرد و باید نسبت به آن‌ها شک داشت. اما متاسفانه بسیاری از افراد در اینترنت به راحتی فریب می‌خورند. نمونه بارز آن، یک اینفلوئنسر اینستاگرامی (Instagram Influencer) است که صدها هزار دنبال‌کننده دارد و از سراسر جهان پول دریافت می‌کند. جالب اینجاست که این خانم اصلاً وجود خارجی ندارد و یک هوش مصنوعی است که توسط یک مرد ساخته شده است. این تنها یک نمونه کوچک از کلاهبرداری‌ها و سوء استفاده‌هایی است که با استفاده از هوش مصنوعی انجام می‌شود.البته، نباید فراموش کنیم که هوش مصنوعی جنبه‌های مثبت و مفیدی نیز دارد و می‌تواند کمک بزرگی برای انسان‌ها باشد. برای مثال، در دنیای زیست‌شناسی (Biology)، هوش مصنوعی به دانشمندان کمک کرده است تا بیش از ۲۰۰ میلیون پروتئین را شناسایی کنند، اطلاعاتی که می‌تواند در درمان بسیاری از بیماری‌ها مؤثر باشد. همچنین، هوش مصنوعی می‌تواند اطلاعات مفیدی در مورد بازارهای مالی و پولی (Financial and Monetary Markets) در اختیار معامله‌گران قرار دهد، اگرچه نمی‌توان از آن انتظار داشت که به طور قطعی بگوید چه چیزی را بخرند یا بفروشند.در نهایت، چه بخواهیم و چه نخواهیم، چه خوب باشد و چه بد، ما وارد دنیای هوش مصنوعی شده‌ایم و این فناوری مانند اینترنت، به زندگی ما گره خورده است. ما می‌توانیم خودمان را با آن وفق دهیم و از آن به نحو مفیدی استفاده کنیم، یا اینکه آن را نادیده بگیریم و از پیشرفت عقب بمانیم. همانطور که یک روانشناس و فیلسوف ممکن است استدلال کند، این تحول نه تنها یک تغییر تکنولوژیکی، بلکه یک چالش برای درک ما از کار، خلاقیت، حقیقت و اعتماد است. ما باید با تفکر انتقادی و آگاهی کامل به استقبال این دوران جدید برویم و تلاش کنیم تا از مزایای آن بهره‌مند شویم و در عین حال از خطرات احتمالی آن پیشگیری کنیم. آینده‌ای که هوش مصنوعی در آن نقش پررنگی ایفا می‌کند، از راه رسیده است و نحوه تعامل ما با آن، سرنوشت بسیاری از جنبه‌های زندگی ما را رقم خواهد زد. مصطفی رستگار مصطفی رستگار Tue, 11 Mar 2025 06:22:09 +0330 https://virgool.io/@m.rastegar991/%DA%86%D8%B1%D8%A7-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D9%87%D8%B1%DA%AF%D8%B2-%D8%AC%D8%A7%DB%8C-%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3-%D9%87%D8%A7-%D8%B1%D8%A7-%D9%86%D8%AE%D9%88%D8%A7%D9%87%D8%AF-%DA%AF%D8%B1%D9%81%D8%AA-%D9%86%DA%AF%D8%A7%D9%87%DB%8C-%D8%B9%D9%85%DB%8C%D9%82-%D8%A8%D9%87-%D9%BE%DB%8C%DA%86%DB%8C%D8%AF%DA%AF%DB%8C-%D9%87%D8%A7%DB%8C-%D8%AA%D9%88%D8%B3%D8%B9%D9%87-%D9%86%D8%B1%D9%85-%D8%A7%D9%81%D8%B2%D8%A7%D8%B1-zkjep4bxbegd آینده نه چندان دورشاید این روزها زیاد شنیده باشید که هوش مصنوعی (AI) قرار است بسیاری از مشاغل، از جمله برنامه‌نویسی را متحول کند و حتی جایگزین آن شود. این تصور، به خصوص با پیشرفت‌های چشمگیر مدل‌های زبانی بزرگ مانند GPT، در ذهن بسیاری از افراد، چه متخصص و چه غیر متخصص، شکل گرفته است. اما آیا واقعاً باید نگران باشیم که هوش مصنوعی به زودی ما برنامه‌نویس‌ها را خانه‌نشین خواهد کرد؟ در این مقاله، با نگاهی دقیق به صحبت‌های مطرح شده در ویدئوی “چرا هوش مصنوعی هرگز جای برنامه‌نویس ها رو نمیگیره؟” از کانال یوتیوب “Kalagar”، به بررسی این موضوع می‌پردازیم و استدلال‌هایی را مطرح می‌کنیم که نشان می‌دهند جایگاه مهندسان نرم‌افزار و برنامه‌نویسان همچنان محفوظ خواهد ماند.برای شروع، بد نیست به مثال جالبی که در ابتدای ویدئو مطرح می‌شود اشاره کنیم. در آوریل سال ۲۰۱۹، ایلان ماسک اعلام کرد که تسلا قصد دارد در اوایل سال ۲۰۲۰ خودروهای رباتیکسی (Robo-Taxi) را به بازار عرضه کند. ایده این بود که افراد می‌توانند خودروی خود را در اختیار سرویس‌هایی مانند اوبر قرار دهند تا به طور خودکار کار کرده و درآمدزایی کنند. اما با گذشت حدود پنج سال، این وعده هنوز محقق نشده است. چرا؟ زیرا همانطور که در ویدئو توضیح داده می‌شود، حتی پیشرفته‌ترین خودروهای خودران امروزی، در بهترین حالت تنها می‌توانند در حدود ۲۰ درصد از جاده‌های دنیا و در شرایط ایده‌آل (بدون برف، مه، ترافیک و با علامت‌گذاری خوب) در سطح ۲ رانندگی خودکار عمل کنند. در این سطح نیز، همچنان نظارت راننده ضروری است.این مثال به خوبی نشان می‌دهد که حتی در یک حوزه نسبتاً مشخص مانند رانندگی، دستیابی به اتوماسیون کامل چقدر پیچیده و دشوار است. حال، بیایید این موضوع را به دنیای پیچیده و پویای مهندسی نرم‌افزار و برنامه‌نویسی تعمیم دهیم.در حال حاضر، هوش مصنوعی می‌تواند در انجام برخی از وظایف جزئی و کوچک به برنامه‌نویسان کمک کند. برای مثال، ممکن است یک خط کد را به آن بدهیم و بخواهیم آن را بهینه‌تر کند، یا یک ارور را کپی و پیست کنیم تا دلیل آن را تحلیل کند. همچنین، در مواردی مانند بررسی فایل‌های YAML کوچک در فرایند CI/CD یا نوشتن کدهای ساده فرانت‌اند، هوش مصنوعی می‌تواند مفید باشد.اما وقتی صحبت از پروژه‌های بزرگ و پیچیده با ساختارهای درهم‌تنیده، فایل‌های YAML طولانی و عجیب و غریب، یا منطق‌های تجاری سنگین به میان می‌آید، توانایی‌های فعلی هوش مصنوعی به شدت محدود می‌شود.همانطور که در ویدئو اشاره می‌شود، بحث صرفاً نوشتن کد نیست. وقتی یک کد توسط هوش مصنوعی تولید می‌شود، مسائل مهم دیگری مانند نگهداری، سفارشی‌سازی، و به‌روزرسانی آن مطرح می‌شود. در پروژه‌های متوسط و بزرگ، کدها به طور مداوم نیاز به آپگرید، آپدیت، و تغییرات ساختاری دارند. انجام ریفکتورینگ‌های پیچیده نیازمند درک عمیق از ساختار پروژه و منطق کسب‌وکار است. آیا یک هوش مصنوعی می‌تواند در جلسات اسکرام شرکت کند، تحلیل‌های لازم را انجام دهد و تصمیم بگیرد که چگونه ساختار یک پروژه را تغییر دهد؟گوینده ویدئو درباره یک پروژه واقعی توضیح میدهد که میخواستند از یک تکنولوژی به یکی دیگه مهاجرت کنند.که به خوبی گویای این پیچیدگی است. این فرایند برای یک پروژه با حدود ۸ میکروسرویس و ۵ میکروفرانت‌، با همکاری ۶ توسعه‌دهنده و صرف حدود ۳ ماه زمان انجام شد. تصور کنید حجم عظیمی از کد باید تغییر می‌کرد و هماهنگی بین تیم‌های مختلف ضروری بود. آیا یک هوش مصنوعی به تنهایی می‌تواند چنین کاری را با این سطح از پیچیدگی و هماهنگی انجام دهد؟ قطعاً خیر.علاوه بر این، یکی از مهارت‌های کلیدی یک مهندس نرم‌افزار خوب، توانایی طراحی ساختار پروژه به شکل صحیح است. انتخاب اصول طراحی، الگوهای طراحی (Design Patterns)، و بهترین شیوه‌های کدنویسی، تصمیماتی هستند که نیازمند دانش عمیق و تجربه انسانی هستند. این‌ها مسائل بسیار سطح بالا هستند که از برنامه‌نویسان با تجربه انتظار می‌رود و هوش مصنوعی در حال حاضر در این زمینه‌ها فاقد توانایی لازم است.بسیاری از صحبت‌ها در مورد جایگزینی برنامه‌نویسان توسط هوش مصنوعی، به گفته‌ی گوینده ویدئو، بیشتر جنبه تبلیغاتی و برای بالا بردن ارزش سهام شرکت‌های فناوری را دارد. مثال‌هایی از اظهارات ایلان ماسک در مورد رباتکسی‌ها و مدیران عامل شرکت‌هایی مانند گیتهاب و انویدیا مطرح می‌شود که با اغراق در مورد توانایی‌های هوش مصنوعی صحبت می‌کنند. هدف اصلی این اظهارات، ترغیب مردم عادی به خرید سهام این شرکت‌ها است.نکته مهم دیگری که در ویدئو به آن اشاره می‌شود، دلیل اصلی اخراج‌های اخیر در شرکت‌های بزرگ فناوری است. برخلاف تصور برخی که این اخراج‌ها را ناشی از جایگزینی نیروی انسانی با هوش مصنوعی می‌دانند، دلیل اصلی، مشکلات اقتصادی و وضعیت نامناسب بازار است. کاهش درخواست‌های همکاری در لینکدین برای مهندسان نرم‌افزار در آلمان نیز به همین مشکلات اقتصادی و عدم تمایل سرمایه‌گذاران به خرج کردن پول برمی‌گردد، نه لزوماً پیشرفت‌های هوش مصنوعی.در واقع، هر چقدر هوش مصنوعی قوی‌تر شود، به نفع برنامه‌نویسان و مهندسان نرم‌افزار خواهد بود. چرا؟ زیرا هوش مصنوعی می‌تواند کارهای روتین را انجام دهد مثل نوشتن کامپوننت‌های ساده در React، یا جنریت کردن مدل از دیتابیس و... این امر به برنامه‌نویسان این امکان را می‌دهد تا بر روی مسائل پیچیده‌تر و مهم‌تری تمرکز کنند.سختی واقعی کار یک برنامه‌نویس، کد نوشتن صرف نیست، بلکه درک نیازمندی‌ها در جلسات با Product Ownerها و طراحان، طراحی ساختار و معماری سیستم، در نظر گرفتن مسائل امنیتی و کارایی (Performance)، انتخاب کتابخانه‌ها و سرویس‌های مناسب، اطمینان از یکپارچگی کد در کل پروژه (به خصوص در پروژه‌های میکروسرویسی)، نوشتن تست‌های مختلف (Unit Test, End-to-End Test)، و انجام فرآیند بررسی کد (Code Review) است. این‌ها مهارت‌هایی هستند که نیازمند تفکر انتقادی، خلاقیت، همکاری، و دانش عمیق در زمینه‌های مختلف هستند و هوش مصنوعی فعلی قادر به انجام آن‌ها نیست.به گفته‌ی گوینده ویدئو، همیشه سطح توانایی‌های یک مهندس نرم‌افزار با تجربه، حداقل سه تا چهار سطح از توانایی‌های هوش مصنوعی فعلی بالاتر خواهد بود. هوش مصنوعی ممکن است بتواند کارهایی را انجام دهد که برنامه‌نویسان در سطوح junior انجام می‌دادند، اما چالش‌های واقعی و ارزش‌آفرینی مهندسان نرم‌افزار در سطوح بالاتر و در مواجهه با مسائل پیچیده نهفته است.در نهایت، می‌توان گفت که هوش مصنوعی یک ابزار قدرتمند است که می‌تواند به برنامه‌نویسان در انجام وظایفشان کمک کند و بهره‌وری آن‌ها را افزایش دهد، اما هرگز نمی‌تواند جایگزین تفکر انسانی، خلاقیت، تجربه، و توانایی حل مسائل پیچیده که در ذهن مهندسی نرم‌افزار قرار دارد، شود. بنابراین، اگر شما یک برنامه‌نویس هستید یا قصد ورود به این حوزه را دارید، نیازی به نگرانی در مورد جایگزینی توسط هوش مصنوعی ندارید. با قدرت به یادگیری و پیشرفت خود ادامه دهید، زیرا آینده توسعه نرم‌افزار همچنان به تخصص و مهارت شما نیاز خواهد داشت. مصطفی رستگار مصطفی رستگار Mon, 10 Mar 2025 06:49:21 +0330 https://virgool.io/@m.rastegar991/%DA%86%D8%B1%D8%A7-%D8%A8%D8%A7-%D8%A8%D8%B2%D8%B1%DA%AF-%D8%AA%D8%B1-%D8%B4%D8%AF%D9%86-%D8%B2%D9%85%D8%A7%D9%86-%D8%B2%D9%88%D8%AF%D8%AA%D8%B1-%D9%85%DB%8C-%DA%AF%D8%B0%D8%B1%D8%AF-z2cpdprx4xaz آیا تا به حال به این فکر کرده‌اید که دوران کودکی چقدر طولانی به نظر می‌رسید؟ روزهای بی‌پایان بازی با دوستان در کوچه، هیجان آماده شدن برای امتحان فردا، و حس معلق بودن در زمان. حالا به کارهای روزمره بزرگسالی فکر کنید: آماده شدن، خوردن شام، گشت و گذار با دوستان، و خوابیدن. این لحظات دیگر آن جذابیت و هیجان دوران کودکی را ندارند. وقتی به گذشته نگاه می‌کنیم، انگار کودکی‌مان یک عمر طول کشیده، اما حالا همه چیز به سرعت برق و باد می‌گذرد، درست مثل مسافری در یک قطار سریع‌السیر. ویدئوی منتشر شده در کانال یوتیوب "توهم آگاهی" به بررسی چرایی این مسله مهم می‌پردازد.این حس که زمان در لحظه سریع می‌گذرد، اما وقتی به عقب نگاه می‌کنیم، طولانی‌تر به نظر می‌رسد، مفهومی دارد به اسم پارادوکس تعطیلات. روانشناس و نویسنده‌ای به نام کلودیا هاموند این اصطلاح را ابداع کرده است. این پارادوکس به این اشاره دارد که وقتی به تعطیلات می‌رویم، یک هفته یا دو هفته آنقدر سریع می‌گذرد که انگار اصلاً تعطیلاتی نرفته‌ایم. اما وقتی تعطیلات تمام می‌شود و به آن فکر می‌کنیم، حس می‌کنیم خیلی طولانی‌تر از یک هفته بوده است.دانشمندان معتقدند یکی از دلایل این پدیده این است که وقتی به تعطیلات می‌رویم، در مدت کوتاهی تجربه‌های جدید زیادی کسب می‌کنیم. برای اولین بار به یک مغازه جدید می‌رویم، یک اثر هنری جدید می‌بینیم، به شهری با ساحل می‌رویم و غواصی می‌کنیم، غذای جدید می‌خوریم – تمام این‌ها خارج از روال روزمره ما هستند. حالا که به زندگی عادی با کار و آخر هفته‌های تکراری برمی‌گردیم، آن همه هیجان تعطیلات خیلی دور به نظر می‌رسد. اما وقتی به آن روزها فکر می‌کنیم، انگار اتفاقات زیادی افتاده و زمان زیادی گذشته است، حتی با اینکه در آن زمان همه چیز خیلی کوتاه به نظر می‌رسید. درک ما از زمان بستگی دارد به اینکه مشغول چه کاری هستیم و چه حسی نسبت به آن کار داریم. به همین دلیل است که می‌گویند وقتی خوش می‌گذرد، زمان زود می‌گذرد. مطمئناً این را تجربه کرده‌اید؛ در کنسرت خواننده مورد علاقه‌تان نشسته‌اید و در یک چشم به هم زدن تمام شده است، یا در یک قرار عاشقانه ساعت‌ها صحبت کرده‌اید ولی چقدر زود گذشته است. این اتفاق به این دلیل می‌افتد که وقتی در یک فعالیت غرق می‌شوید، مدام ساعتتان را چک نمی‌کنید که دقیقه‌ها را بشمارید و حس می‌کنید زمان سریع‌تر از حد معمول می‌گذرد. کلید ماجرا همین غرق شدن در لحظه است. چون زمان فقط وقتی که کار هیجان‌انگیز انجام می‌دهید سریع نمی‌گذرد، حتی وقتی کارهایی انجام می‌دهید که شاید خیلی هم دوست نداشته باشید ولی غرقش می‌شوید، همین حس را دارید. چند بار به خودتان گفته‌اید فقط ۱۰ دقیقه به اینستاگرام سر می‌زنم و سریع برمی‌گردم، ولی می‌بینید چند ساعت گذشت و شب شده است؟ این تجربه‌ای که این اپلیکیشن به شما می‌دهد غرق کننده است و باعث می‌شود زمان را فراموش کنید.این تفاوت‌های درک ما از زمان است که پارادوکس تعطیلات را هم قابل فهم و هم گیج کننده می‌کند. برای اینکه بهتر این پدیده را بفهمیم، باید نگاهی بیندازیم به اینکه مردم چطور درباره دوران بچگی‌شان فکر می‌کنند. در یک نظرسنجی که در سال ۲۰۰۵ انجام شد، از ۴۹۹ نفر بین ۱۴ تا ۹۴ سال پرسیدند که حس می‌کنند زندگی‌شان با چه سرعتی می‌گذرد. وقتی درباره بازه‌های کوتاه مثل هفته یا ماه و حتی یک سال از آن‌ها پرسیدند، تفاوتی در حسشان نسبت به سنشان دیده نشد. ولی وقتی حرف از بازه‌های طولانی‌تر شد، هرچه سن بیشتر بود، بیشتر حس می‌کردند زندگی دارد با سرعت بیشتری می‌گذرد. افراد بالای ۴۰ سال گفتند که در دوران کودکی زمان خیلی آرام می‌گذشته، بعد در نوجوانی و اوایل بزرگسالی سرعت گرفته و بعدش انگار زمان سوار باد شده و سریع رفته است.چرا هرچه سنمان بالاتر می‌رود، حس می‌کنیم زمان سریع‌تر می‌گذرد؟ مغز ما یک ظرفیت محدود برای ذخیره اطلاعات دارد. برای همین، برای اینکه همه چیز درست کار کند، فقط اتفاق‌های جدید را ذخیره می‌کند و معمولاً از روی لحظه‌های تکراری می‌پرد. هرچه خاطره‌های بیشتری داشته باشیم، وقتی گذشته را مرور می‌کنیم، چیزهای بیشتری یادمان می‌آید و هرچه بیشتر بتوانیم یک دوره را به یاد بیاوریم، حس می‌کنیم آن دوره طولانی‌تر بوده است. به دوران دبیرستان یا دانشگاه‌تان فکر کنید؛ بیشتر آن زمان را یادتان می‌آید، چون داشتید کلی چیز جدید یاد می‌گرفتید و مغزتان مجبور بوده آرام‌تر کار کند تا همه این‌ها را ذخیره کند. اگر احیاناً با خودتان می‌گویید نه، خاطرات دوران دانشگاه‌تان کم است، احتمالاً به این دلیل است که وقتتان را اصلاً در دانشگاه نمی‌گذراندید و چیزی نبوده که جدید باشد و یاد بگیرید. تجربه‌های جدید و یادگیری مفاهیم تازه باعث می‌شود مغز پر از اطلاعات جدید شود که در همان دوران اتفاق افتاده است. برای همین، وقتی به آن فکر می‌کنید، کلی چیز هست که یادآوری کند و باعث می‌شود آن دوره طولانی‌تر به نظر برسد.حالا تجربه‌های جدید همیشه هم نباید خوب و جالب باشند که باعث شوند زمان کندتر حس شود. اگر تا حالا ترس را تجربه کرده باشید، احتمالاً حس کرده‌اید زندگی انگار در حرکت آهسته رفته است. مثلاً وقتی در لحظه تصادف ماشین یا دوچرخه یا یک موقعیت خطرناک دیگر باشید، واقعیت ذهنی تغییر می‌کند. شاید فقط چند ثانیه ترسیده‌اید، ولی چه آن موقع و چه بعداً که خاطرات آن موقع را مرور کنید، حس می‌کنید دقیقه‌ها طول کشیده است. کلودیا هاموند در کتابش از یک مطالعه صحبت کرده که در آن از افرادی که ترس از عنکبوت داشتند خواستند برای ۴۵ ثانیه به عنکبوتی نگاه کنند. بعد که از آن‌ها پرسیدند، همه گفتند حس کردند خیلی بیشتر از ۴۵ ثانیه طول کشیده است. آن‌ها شاید در یک خطر فوری نبودند، ولی ترس تحریک شده بود و این باعث شده زمان کند شود، چون مغزشان فقط می‌خواسته هرچه زودتر از آن موقعیت فرار کند.طی سال‌ها تئوری‌های زیادی درباره اینکه چرا زمان با بالا رفتن سن سریع‌تر حس می‌شود ارائه شده است. اگر به دنیای اطرافتان نگاه کنید، به طور کلی سرعت همه چیز بیشتر شده است. این باعث شده همه ما حس کنیم زندگی دارد سریع‌تر حرکت می‌کند. ولی اگر با یک بچه ۵ ساله حرف بزنید، احتمالاً آن بچه به شما نمی‌گوید که حس می‌کند زندگی دارد با سرعت از کنارش می‌گذرد. یک نظریه دیگر به اسم تئوری تناسب وجود دارد. این تئوری می‌گوید یک سال در ۴۰ سالگی سریع‌تر از یک سال در ۱۰ سالگی حس می‌شود، چون یک سال در ۴۰ سالگی درصد کمتری از زندگی شما را شامل می‌شود. اما وقتی ۱۰ سالتان است، یک سال یعنی ۱۰ درصد عمرتان، در حالی که در ۴۰ سالگی، یک سال فقط دو و نیم درصد عمرتان است. البته این نظریه بیشتر برای نگاه کلی به زندگی صدق می‌کند، نه برای لحظه‌های خاصی که زمان کند یا سریع حس می‌شود، مثل وقتی که در شب عروسی‌تان دارید می‌رقصید.پارادوکس تعطیلات به ما نشان می‌دهد که درک ما از زمان همه چیز است و این درک خیلی به سن و خاطراتمان وابسته است. مثلاً اگر ۴ سال پیش از دانشگاه فارغ‌التحصیل شده باشید، احتمالاً آن لحظه‌ای که روی صحنه قدم زدید را مثل همین دیروز یادتان می‌آید. ولی اگر به اولین روز دبیرستان فکر کنید، شاید حس کنید انگار چند دهه گذشته، حتی اگر ۱۲ سال پیش بوده باشد. زمان روی خاطرات ما تأثیر می‌گذارد، ولی از طرفی خاطرات هم تجربه ما از زمان را شکل می‌دهند. ما بیشتر وقت‌ها زمان یک اتفاق را وقتی یادمان می‌ماند که آن اتفاق خاص و پررنگ باشد. بعضی‌ها ممکن است آن ۱۰ سال بین ۵۰ تا ۶۰ سالگی زندگی‌شان را در یک روال بگذرانند و حس کنند آن سال‌ها از دست رفته است. ولی اگر از کسی بپرسید که در آن دهه طلاق گرفته باشد یا عزیزی را از دست داده باشد، آن سال‌ها برایش خیلی کند و طولانی حس شده است، شاید کندترین دوره زندگی‌اش همان‌جا بوده.کلودیا هاموند می‌گوید درک ما از زمان خیلی مهم است، چون این درک ما را در واقعیت ذهنیمان ریشه‌دار می‌کند. واقعیت ذهنی یک آدم بزرگسال که در روال گیر کرده، خیلی کسل‌کننده‌تر نسبت به یک بچه است که دارد برای اولین بار دنیا را تجربه می‌کند. بانک خاطرات جدید آن بزرگسال تقریباً خالی است. ما از کودکی تا اوایل بزرگسالی کلی مهارت جدید یاد گرفتیم و موقعیت‌های تازه تجربه کردیم. به همین خاطر سال‌های اول زندگی‌مان بیشتر از بقیه در خاطراتمان برجسته‌اند و حس می‌کنیم آن سال‌ها طولانی‌تر بوده‌اند. ولی مثلاً یک فرد ۵۰ ساله که از همسرش تازه جدا شده، چون در آن دوره دارد خاطرات جدید می‌سازد، تجربه‌های تازه دارد و احساسات جدید را تجربه می‌کند، ممکن است حس کند آن سال‌ها کندتر می‌گذرند. به یک شکل، این تغییراتی که وسط زندگی برایمان اتفاق می‌افتد، چه خوب باشند چه بد، یک جورایی شبیه تجربه ذهنی دوران کودکی‌مان است. وقتی بچه بودیم، هر مسابقه ورزشی، نمره خوب یا دعوا با یک دوست، حس می‌کردیم مهم‌ترین چیز دنیاست. هرچه بزرگ‌تر شدیم، آن حس‌ها کمتر و کمتر شدند. ما معمولاً منتظر لحظه‌های خاص در زندگی هستیم، مثل ازدواج یا ارتقای شغلی، تا دوباره آن هیجانی را تجربه کنیم که در بچگی داشتیم، تا دوباره آن حس خاطره‌سازی و تازگی را داشته باشیم. ولی بقیه وقت‌ها فقط داریم روزمرگی‌هایمان را می‌گذرانیم بدون اینکه خیلی به آن فکر کنیم، تا یک روز از خواب بیدار می‌شویم و می‌گوییم این عمر من کی گذشت؟در واقع، بچه‌ها ممکن است زمان را کندتر از بزرگسال‌ها حس کنند. شواهدی هست که نشان می‌دهد از دید یک بچه، زمان در لحظه خیلی آهسته‌تر حرکت می‌کند. این به خاطر این است که حافظه، توجه و عملکرد اجرایی (یعنی کنترل شناختی رفتارمان) در دوران کودکی هنوز در حال رشد است. انتقال‌های عصبی در مغز بچه‌ها به صورت فیزیکی کندتر از بزرگسالان است و این روی درک آن‌ها از گذر زمان تأثیر می‌گذارد. وقتی بزرگ می‌شویم، مدارهای مغزمان طوری تنظیم می‌شوند که این را بفهمند. محققان مطالعه‌ای انجام دادند که در آن شرکت‌کنندگان باید مدت زمان صداهای مختلف را مقایسه می‌کردند. کوچک‌ترین شرکت‌کنندگان که بچه‌های ۵ ساله بودند، کمترین دقت را در درک طول مدت آن صدا داشتند. آن‌ها معمولاً صداهای کوتاه را خیلی طولانی‌تر از واقعیت حس می‌کردند. این شاید توضیح دهد که چرا وقتی بچه بودیم، همه چیز، یعنی حتی لباس پوشیدن، طولانی به نظر می‌رسید. وقتی بزرگ می‌شویم، همان کارها خیلی سریع تمام می‌شوند و حتی بعضی وقت‌ها یادمان نمی‌آید که انجامشان دادیم یا نه. مثلاً امروز صبح لباس پوشیدید، قطعاً اینطور بوده، ولی واقعاً یادتان می‌آید این کار را انجام دادید؟ انتخاب شلوار، پوشیدن کفش – هر روز آنقدر این‌ها برایمان روتین شده که دیگر خاطره جدیدی نمی‌سازند. آن لحظه‌هایی که در آن‌ها زندگی می‌کنیم ولی هیچ خاطره جدیدی نمی‌سازیم، همان زمان‌هایی هستند که از دستمان فرار می‌کنند.در ۵ سالگی زمان ممکن است کند حرکت کند، ولی تجربه‌هایی که بین ۱۵ تا ۲۵ سالگی داریم معمولاً بیشتر از بقیه در خاطراتمان می‌مانند. این دوره برای خیلی از ما پر از نوستالژی است. آن صحنه‌هایی که از زندگی‌مان یادمان می‌آید، کتاب‌هایی که خوانده‌ایم، بیرون رفتن‌هایمان، فیلم‌هایی که دیده‌ایم، اینطور چیزها معمولاً مال همین دوران است. اگر به دیالوگ‌های فیلم مورد علاقه‌تان یا لحظه‌های خنده‌دارش فکر کنید، احتمالاً از یک فیلمی است که در دوران نوجوانی یا اوایل ۲۰ سالگی‌تان دیده‌اید. این دوره‌ای است که بیشتر از هر زمان دیگری تجربه جدید داشتیم: اولین شغل، اولین سفر تنهایی، اولین رابطه – همه در این دوران بوده است. معمولاً اولین باری است که از خانه دور شده‌ایم و اولین باری است که حس می‌کنیم در چطور گذراندن روزمان حق انتخاب داریم. وقتی آن دوران را زندگی می‌کنید، حس می‌کنید همه چیز دارد با سرعت می‌گذرد، ولی وقتی به گذشته نگاه می‌کنید، انگار آن قسمت از زندگی‌تان یک عمر طول کشیده است. دلیلش این است که کلی خاطره ساخته‌اید، آدم‌های زیادی را دیده‌اید و دنیا را از زاویه‌های جدید نگاه کرده‌اید. این دوران پر از حس نوستالژی است، چون حس می‌کنیم کامل بوده است. این همان پارادوکس تعطیلات است. اگر الان در آن دوران هستید، از آن لذت ببرید و قدر لحظه‌ها را بدانید. اگر به اواخر دهه ۲۰ سالگی‌تان رسیده‌اید، احتمالاً دارید با این حس کم‌کم آشنا می‌شوید. اگر ۳۰ را رد کرده‌اید و نزدیک چهل هستید، احتمال. دلتان برای آن دوران تنگ شده است.حالا سؤال این است که چطور می‌توانیم دوباره زندگی‌مان را آرام کنیم؟ حقیقت این است که نمی‌شود زمان را کند کرد. ولی می‌توانیم کارهای بیشتری انجام بدهیم که از زمانمان خاطره بسازیم. دنبال تجربه‌های جدید بودن باعث می‌شود ذهنمان درگیر شود. لازم نیست حتماً به تعطیلات برویم تا دوباره هیجان زندگی را حس کنیم. چیزهای جدید همیشه یک گوشه منتظرند، باید دنبالشان بگردیم. مدام خودتان را به چالش بکشید و مهارت جدید یاد بگیرید. شاید کافی باشد که یک غذای جدید یاد بگیرید درست کنید، یا یک کار کوچک نجاری یاد بگیرید و چیزی بسازید، معاشرت کنید، یک رویداد جدید را تجربه کنید، بروید در کافه‌ای تنها بنشینید و با یک غریبه حرف بزنید. کار کوچک و بزرگ فرق ندارد، حس کنید دوباره بچه شده‌اید. یک راه دیگر این است که سعی کنید روزتان را با تمام جزئیات به یاد بیاورید و خاطراتتان را بنویسید. روتین داشتن حس خوبی می‌دهد، ولی باعث می‌شود خاطره‌های جدیدی در ذهنتان هک نشود. وقتی وقت می‌گذارید و به روزتان فکر می‌کنید، احتمال اینکه خاطراتش در ذهنتان ماندگار شوند بیشتر است. حتی خاطرات بلندمدتمان ذاتاً کوتاه‌مدت هستند. آسان است که هر شب بخوابیم و به چیزی که در طول روز برایمان گذشته فکر نکنیم. ولی چه می‌شود اگر قبل از خواب چند دقیقه وقت بگذارید و دوباره روزتان را مرور کنید؟ آیا کارهای ساده و روزمره برایتان مهم‌تر یا حتی هیجان‌انگیزتر می‌شوند؟ آیا چیزی یا کسی که در خیابان دیده‌اید و برایتان جالب بوده یادآوری می‌شود؟ شاید همان‌ها باعث شوند که روز کندتر به نظر برسد.ذهنمان به طور فعال تجربه‌ای که از زمان داریم را می‌سازد. شاید همیشه نتوانیم روی زمانمان کنترل داشته باشیم، چون کارهای زندگی جلوی رویمان است، ولی می‌توانیم کنترل کنیم که چطور چیزها را به یاد بیاوریم و به این ترتیب درک خودمان از زمان را تغییر بدهیم. به ما گفته‌اند که زمان ثابت و غیرقابل تغییر است. یک ثانیه یک ثانیه است، یک سال یک سال است و هر چقدر بخواهیم تغییرش بدهیم نمی‌شود. این واقعیت است. ولی اگر به دوران کودکی فکر کنید، یک سال خیلی طولانی‌تر حس شده است. پس شاید عدد زمان یا محاسبه زمان تغییر نکند، ولی حس کردن زمان متفاوت است. شاید بفهمیم که می‌توانیم روی تجربه‌مان از زمان کنترل داشته باشیم. می‌توانیم با تجربیات جدید زمان را طولانی‌تر کنیم و نگذاریم مثل باد بگذرد. مصطفی رستگار مصطفی رستگار Mon, 10 Mar 2025 06:25:53 +0330 https://virgool.io/@m.rastegar991/%D8%AA%D9%88%D9%87%D9%85-%D8%AF%D8%A7%D9%86%D8%B4-%DA%86%D8%B1%D8%A7-%D9%87%DB%8C%DA%86-%D9%88%D9%82%D8%AA-%D8%AA%D9%86%D9%87%D8%A7%DB%8C%DB%8C-%D9%81%DA%A9%D8%B1-%D9%86%D9%85%DB%8C-%DA%A9%D9%86%DB%8C%D8%AF-tkqmkpmbz2qz تصور کنید صبح از خواب بیدار شده‌اید و مشغول انجام دادن کارهای روزمره‌تان هستید. احساس می‌کنید همه‌چیز را فهمیده‌اید و زندگی تحت کنترلتان است. کارهای تکراری مثل مسواک زدن، درست کردن چای یا قهوه را به‌طور خودکار انجام می‌دهید. تصمیم می‌گیرید امروز برای رفتن به سر کار یا دانشگاه از دوچرخه استفاده کنید؛ کمی به فکر سلامتی‌تان افتاده‌اید و می‌خواهید با رکاب زدن تحرک بیشتری داشته باشید. دوچرخه چه ابزار جالبی! چه اختراع باحالی! اما یک لحظه صبر کنید، آیا می‌توانید توضیح دهید دوچرخه چطور کار می‌کند؟ منظورم نحوه سوار شدن و رکاب زدن و حفظ تعادل نیست، بلکه مکانیک تعادل، حرکت، دنده و سرعت است. آیا می‌توانید این‌ها را توضیح دهید؟ اصلا زنجیر دوچرخه چطور کار می‌کند؟ به آن فکر کنید. قطعا نمی‌توانید تمام بخش‌های آن را توضیح دهید و احتمالا دچار شک می‌شوید. اینجاست که وارد توهم دانش می‌شوید. به نظر می‌رسد تمام انسان‌ها آن‌قدر که فکر می‌کنند دانا نیستند. البته نگران نباشید، هیچ‌کس قرار نیست همه‌چیز را بداند. ویدئوی منتشر شده در کانال یوتیوب "توهم آگاهی" به این سوالات مهم می‌پردازد.بگذارید یک داستان برایتان تعریف کنم. در دانشگاه لیورپول، استادی به نام ربکا لاوسون یک ترفند جالب به دانشجویانش زد. او نقاشی‌های ناقصی از دوچرخه به آن‌ها داد و از همه خواست که این نقاشی‌های ناقص را به یک تصویر کامل از دوچرخه تبدیل کنند. به نظر آسان می‌رسید؛ دوچرخه دو تا چرخ دارد، یک دسته و یک زین و زنجیر و اینطور چیزها. اما اصلا آسان نبود. نتیجه نقاشی‌ها افتضاح بود! خیلی‌ها دوچرخه‌ای کشیده بودند که اصلا پدالش به جایی وصل نبود، قاب و بدنه‌اش معلوم نبود دارد چه‌کار می‌کند، زنجیرها هم همینطور؛ زنجیر به چرخ وصل نبود و هیچ‌چیز سر جای خودش نبود. این‌ها بچه خردسال نبودند، دانشجوی دانشگاه بودند. اما با اینکه خیلی اعتمادبه‌نفس داشتند، فهمشان در مورد خیلی چیزها سطحی بود. این موضوع را توهم عمق توضیحی می‌نامیم. این ایده می‌گوید که ما آدم‌ها معمولا فکر می‌کنیم تقریبا همه‌چیز را خوب بلدیم، از دوچرخه گرفته تا مثلا زیپ. اما به همین زیپ فکر کنید. می‌خواهید زیپ کاپشنتان را بالا بکشید. مکانیزم زیپ چطور کار می‌کند؟ وقتی از ما جزئیاتی را در مورد چیزی که فکر می‌کنیم می‌دانیم می‌پرسند، احتمالا کلی به فکر فرو می‌رویم و سرمان را می‌خارانیم، چون نمی‌فهمیم چی به چیست. این ویژگی انسان‌هاست؛ همیشه خیلی مطمئن هستیم و فرض می‌کنیم چون از چیزی استفاده می‌کنیم، پس فهمیده‌ایم، اما اینطور نیست. نکته اصلی هم همینجاست. این موضوع اشکالی ندارد، چون قرار نیست همه‌چیز را بدانیم؛ مغز برای دانشنامه شدن ساخته نشده، برای یک چیز خیلی مهم‌تر ساخته شده است: عمل و همکاری.نبوغ ما از عمق دانش نمی‌آید، از نبوغ جمعی می‌آید که نسل‌ها فکر مشترک پشتش خوابیده است. بیایید به دهه ۱۹۶۰ برویم. یک سری آدم باهوش فکر می‌کردند هوش انسانی را کامل فهمیده‌اند. آن‌ها نظریه دادند که مغز انسان شبیه یک کامپیوتر از جنس گوشت است که داده‌ها را مثل همین لپتاپ امروزی ذخیره و پردازش می‌کند. این ایده یک مدت جذاب بود؛ مغز به عنوان یک واحد ذخیره‌سازی برای حقایق و ارقام، طوری مرتب شده که مثل کتاب در کتابخانه است؛ هر وقت هر چیزی را بخواهیم، می‌رویم و از آن کتاب‌ها برش می‌داریم. اما مغز اینطور نبود. بعدا یک دانشمند علوم شناختی، آمد و تصمیم گرفت محاسبه کند. او حجم دانش انسان را به بایت حساب کرد و تخمین زد که مغز حدود یک گیگابایت است. یک گیگابایت یعنی احتمالا از لیست پخش آهنگ‌هایی که هر روز گوش می‌دهید هم کمتر است. این موضوع آن زمان جامعه علمی را شوکه کرد، چون معلوم شد که مغز قرار نیست انبوهی از اطلاعات را ذخیره کند. مغز برای عمل، همکاری و ارتباط ساخته شده است. البته احتمالا اینجا به این فکر می‌کنید که ظرفیت مغز انسان خیلی بیشتر از ۱ گیگابایت است. درست است، یک تفاوتی البته وجود دارد که بحث کاملش در این مقاله نمی‌گنجد، ولی ظرفیت کلی مغز انسان طبق تحقیقات جدید حدودا دو و نیم پتابایت یا معادل تقریبا دو و نیم میلیون گیگابایت است. چیزی که او ادعا کرد و گفت حدود یک گیگابایت اطلاعات را ذخیره می‌کند، از طرف یک دیدگاه خاص ناشی می‌شود که بر اساس محاسبه ای است که یک تفاوتی بین ذخیره‌سازی و پردازش وجود دارد. اما از آن نظر، ذهن انسان یک گیگابایت حافظه دارد، نه ظرفیت کلی مغز.مغز ما به تنهایی نمی‌تواند همه‌چیز را بفهمد. این خاصیت انسان است؛ مغز با استفاده از دانش دیگران است که رشد می‌کند. هر وقت که با یک مسئله پیچیده سر و کار دارید، مثل ساخت یک هواپیما، در واقع دارید روی شانه‌های میلیون‌ها نفری که قبل از شما بوده‌اند قدم می‌گذارید. مغز شما کامپیوتر بدی نیست، ولی موضوع این است که اصلا قرار نیست مثل کامپیوتر عمل کند. چرا که اینکه بخواهیم بگوییم مغز کامپیوتر است، در اصل هوش ما را زیر سوال می‌برد. ایده جالب این است که می‌گویند مغز برای یک دلیل تکامل پیدا کرده، آن هم عمل است. یک عروس دریایی را تصور کنید، یک موجود ژله‌ای و شفاف که گفته می‌شود حدود ۸۰۰ تا نورون دارد و با همین تعداد نورون می‌تواند شکار کند و شنا کند. انسان چه؟ میلیاردها نورون دارد و کارهای پیچیده‌ای مثل ساختن سمفونی و موسیقی و سفر به فضا و اختراع همین دوچرخه و اینطور کارها را انجام داده است. اما در اصل، مغز انسان چندان با سیستم ابتدایی عروس دریایی فرق ندارد. مغز برای کمک به تعامل با دنیا ساخته شده، نه برای پر کردن یک سری اطلاعات بی‌هدف. ولی چیزی که شما را خاص می‌کند، توانایی‌تان برای استدلال درباره علت‌ها و معلول‌ها است، برای برنامه‌ریزی برای آینده و یاد گرفتن از گذشته. اصطلاح علمی برای این توانایی، استدلال تشخیصی است و هیچ موجود دیگری هم به اندازه انسان این کار را خوب انجام نمی‌دهد. این نوع استدلال، راز مخفی موفقیت انسان است. همین روش است که به انسان یاد داد چطور کشاورز بشود، علم را کار کند، با آن چیزهای جدید اختراع کند یا بیماری‌ها را تشخیص بدهد. ولی با وجود این قدرت فوق‌العاده، هنوز هم گاهی وقت‌ها اشتباه می‌کند و فکر می‌کند بیشتر از چیزی که واقعا می‌فهمد می‌داند. البته نیاز نیست به خودمان سخت بگیریم، حداقل از عروس دریایی که بهتریم.یک حقیقت: پیش‌بینی اینکه یک زخم معده باعث درد معده و شکم شده خیلی راحت‌تر از این است که درد کسی را به یک زخم مخفی ربط بدهیم. و باز هم این همان چیزی است که گونه ما انسان در آن استاد شده، یعنی کشف علت‌ها با حرکت از نتیجه به سمت علت. ما بهترینیم البته تو فهمیدن دلیل اتفاقات، نه تو همه‌چیز. بدون این توانایی، نه علم داشتیم، نه چیزی در مورد پزشکی و حتی فلسفه. پس دفعه بعد که راز سردرد یا شکستتان در کسب و کارتان را کشف کردید، به خودتان افتخار کنید؛ شما دارید از یک چیزی که در جهان به عنوان ابزار استدلال هست استفاده می‌کنید، و آن هم استدلال علیه چیزی که گونه‌های دیگر نمی‌توانند از آن استفاده کنند.برویم سراغ داستان‌ها. آدم‌ها عاشق داستان، افسانه، تاریخ، حتی آن‌هایی که سریال‌های ترکی را دوست دارند و نگاه می‌کنند. داستان‌ها فقط برای سرگرمی نیستند، چرا که این‌ها راهی برای فهمیدن دنیایند. داستان به ما کمک می‌کند علل پیچیده را به تکه‌های قابل فهم تقسیم کنیم. کتاب‌های علمی تخیلی و حتی داستان‌های مذهبی هم همین کار را می‌کنند؛ سعی دارند ناشناخته‌ها را توضیح بدهند. ابزاری‌اند برای اینکه نقاط مختلف دنیا را ببینیم، چه بوده، چه شده، چه می‌تواند باشد، بیایید این‌ها را به هم وصل کنیم. یکی از جالب‌ترین داستان‌ها چی می‌شود اگر... چی می‌شود اگر زمین جاذبه نداشت؟ چی می‌شود اگر ۱۰۰ سال پیش به دنیا می‌آمدیم؟ این "چی می‌شود اگر"ها سؤال‌های هیجان‌انگیزی هستند که بهمان اجازه می‌دهند دنیای جایگزین را تصور کنیم. خیلی جالب است، پس آدم‌ها ادامه می‌دهند به ساختن این داستان‌ها، چرا که این عادت داستان‌گویی ماست که از ما یک متفکر عالی ساخته. یک چیز جالب می‌خواهم بگویم؛ چطور داریم به صورت شهودی فکر می‌کنیم؟ یعنی آن تصمیم‌های سریع و غریزی که توی یک چهارراه مثلا می‌گوییم کدام سمت باید برویم و سریع انتخابش می‌کنیم. اکثر اوقات غریزه کافی است، البته، اما وقتی موضوعات پیچیده‌تر می‌شوند، آنجاست که غریزه کم می‌آورد.تفاوت بین شهود و تفکر تعمدی زیاد است و شما بیشتر ترجیح می‌دهید که راه آسان را انتخاب کنید، چون شهود سریع‌تر است و راستش برای تصمیم‌های کوچک هم خب جواب می‌دهد. ولی وقتی قرار است یک موشک طراحی کنید یا حتی یک دوچرخه را نقاشی کنید، دیگر شهود به کار نمی‌آید؛ باید مکث کنید، فکر کنید و آن قسمت از مغزتان را که با همکاری بهتر کار می‌کند فعال کنید.چون همانطور که قرار است بفهمید، هیچ‌وقت انسان به تنهایی فکر نکرده است. رنه دکارت، فیلسوفی که انسان را به این باور رساند که فکر کردن فقط توی ذهن اتفاق می‌افتد. دکارت مطمئن بود که فکر کردن همان چیزی است که ما را از حیوانات جدا می‌کند، اینکه همه افکار شگفت‌انگیز توی ذهن ما رخ می‌دهند. اما معلوم شد دکارت اشتباه می‌کرده است. ذهن قرار نیست تنها کار کند؛ در واقع، فکر کردن بیشتر شبیه یک دیالوگ به هم ریخته بین مغز، بدن و دنیای اطراف است. وقتی آدم‌ها فکر می‌کنند، فقط از مغز استفاده نمی‌کنند، همه‌چیز را به کار می‌گیرند. به همین دلیل است که بچه‌ها وقتی می‌روند مدرسه می‌بینید با انگشت‌هایشان، و حتی بزرگترها ترجیح می‌دهند تقسیم یا ضرب‌های سخت‌تر را روی کاغذ انجام بدهند. بدن است که کمک می‌کند فکر کنیم. این هم فقط یک ویژگی تصادفی از تکامل نیست، یک حقیقت بنیادی در مورد نحوه کارکرد ماست. وقتی فکرها به هم می‌ریزد، می‌نویسیم، صحبت می‌کنیم؛ اینطوری داریم از دنیای اطراف به عنوان ابزاری برای تفکر استفاده می‌کنیم. شما یک متفکر جسم‌دار هستید. پس دکارت ممکن است آن پیام را از دست داده باشد که فکر کردن فقط توی ذهن است، ولی خب در اصل فکر کردن همه‌جا دارد رخ می‌دهد. این ایده که فکر کردن بیرون از ذهنم اتفاق می‌افتد ما را برمی‌گرداند به تکامل مغز. شما بزرگ نشده‌اید که بنشینید جدول حل کنید. مغز تکامل پیدا کرد تا پیچیدگی‌های زندگی اجتماعی را مدیریت کند. به این فرضیه، مغز اجتماعی می‌گویند. شما تکامل پیدا کرده‌اید تا توی گروه زندگی کنید، ارتباط برقرار کنید، همکاری کنید، به صورت گروهی شکار کنید. هر چقدر گروه‌ها بزرگتر شدند، مغز انسان هم بزرگتر شد. یک انسان‌شناس آمد محاسباتی انجام داد و فهمید که پستاندارانی که مغز بزرگتری دارند معمولا توی گروه‌های بزرگتر هم زندگی می‌کنند. این‌ها به هم وصلند. برای آدم‌ها هم همینطور است؛ ما قرار نبوده تنها زندگی کنیم و از پس زندگی خودمان تنهایی بر بیاییم. ویژگی انسان، تعامل است. هر چقدر جامعه بزرگتر بشود، مغز پیچیده‌تر می‌شود تا بتواند آن محیط را درک کند و آنجا حرکت کند. انگار مغز و جامعه یک مسابقه دائمی دارند به همدیگر می‌دهند که هر دو را مجبور می‌کنند بهتر و سریع‌تر و باهوش‌تر باشند. این همان چیزی است که باعث شد انسان‌ها دنیا را تسخیر کنند، نه از طریق نبوغ فردی، بلکه از طریق قدرت جمعی. چندین مغز بهتر از یک مغز کار می‌کنند.خب حالا که صحبت از همکاری شد، باز بیایید در مورد تقسیم کار شناختی صحبت کنیم. هیچ‌کس قرار نیست که بتواند از اول تا آخر یک چیزی را کامل انجام بدهد. خانه ساختن را تصور کنیم؛ به جای اینکه یک نفر همه‌ کارها را بداند، ما به متخصص تکیه می‌کنیم: لوله‌کش، برقکار، معمار؛ هر کدام تمرکزشان را روی بخش خاصی از کل کار می‌گذارند. ولی با اینکه مهارت‌ها متفاوت است، همه یک هدف مشترک دارند که آن هم ساخت خانه است؛ خانه‌ای که کار کند و درست باشد. این نیت مشترک یک ویژگی بارز از توانایی شناختی انسان است. ما می‌توانیم روی پروژه‌های بزرگ همکاری کنیم، چون تقسیم کار را بلدیم، نه فقط اینکه یک نفر می‌خواهد همه‌چیز را انجام بدهد و همه‌چیز را می‌داند. دانش مشترک، اهداف مشترک، موفقیت مشترک باعث پیشرفت انسان شده است. بدون این همکاری، هیچ جامعه مدرنی هم وجود نداشت. هر چیزی که دورتان می‌بینید، از آن صندلی که رویش نشسته‌اید تا گوشی هوشمند و برج‌ها، همه به خاطر توانایی انسان برای همکاری بوده است. این فقط در مورد کار فیزیکی نیست، کار شناختی هم همینطور است. هر دستاورد جدیدی که به آن می‌رسید، نتیجه تلاش جمعی ذهن‌هاست که در طول زمان و مکان با هم کار کرده‌اند. اینجاست که موضوع البته پیچیده می‌شود؛ تکنولوژی هم وارد این معامله شده و با اینکه ابزارها خیلی خوبند، آدم‌ها زیاد به آن وابسته شده‌اند. یک نمونه‌اش GPS است که بدون شک یک شاهکار مهندسی مدرن است، ولی قطعا داستان‌هایی را شنیده‌ایم که افراد چطور به GPS اطمینان کرده‌اند و اصلا بدون اینکه به جاده نگاه کنند از روی GPS حرکت کرده‌اند و آخرش هم افتاده‌اند تو دریاچه و دره. چون تکنولوژی این روزها آنقدر طبیعی به نظر می‌رسد که فراموش می‌کنیم فقط یک ابزار ساده است. فکر می‌کنیم تکنولوژی اهداف ما را درک می‌کند؛ اینطور نیست. GPS مثلا اهمیت نمی‌دهد شما به مقصد برسید، فقط دارد کارش را می‌کند، داده‌ها را پردازش می‌کند و از کدهایش پیروی می‌کند. اما انسان مثل یک انسان بهش اعتماد کرده است. اینجاست که تفاوت بین همکاری انسانی و هوش ماشینی آشکار می‌شود: ماشین‌ها اهداف ما را درک نمی‌کنند.ما از لحاظ طراحی موجودات اجتماعی هستیم، چیز خوبی هم هست، اما می‌تواند ما را به سمت جاهای خطرناک ببرد، مثل نازی‌ها آلمان، شوروی یا چین در زمان مائو. این‌ها رژیم‌هایی بودند که گروه فکری داشتند، اتفاقا، اما جایی بود که مخالفت سرکوب می‌شد. وقتی همه اطرافتان به یک چیز باور دارند، سخت است که با آن‌ها مخالفت کنید، همینجاست که فجایع اتفاق می‌افتد. شما می‌توانید البته در برابر گروه فکری مقاومت کنید اگر یاد بگیرید باورهای خودتان را توضیح بدهید.وقتی مجبور می‌شوید چیزی را توضیح بدهید، آن وقت است که می‌فهمید چقدر کم در موردش می‌دانید، و این یک پادزهر قدرتمند برای اطمینان خطرناکی است که گروه فکری را تغذیه می‌کند.حالا همه این حرف‌ها اصلا ما را به کجا می‌رساند؟ به ما یاد داده‌اند که به نبوغ افرادی مثل انیشتین و تسلا مثلا احترام بگذاریم و آن‌ها را ستایش کنیم. ولی حقیقت این است، این افراد به تنهایی کار نکردند. آن‌ها بخشی از یک شبکه بزرگ از متفکر، همکار و پیشگام بودند. وقتی یک خودکار اختراع می‌شود، در اصل یک نفر فقط اختراع‌های قبلی را بهتر می‌کند. خودکار به هزاران شکل اختراع شده بود و هر کسی سعی کرده بود اختراع قبلی را تکمیل کند که به خودکار امروزی رسیده‌ایم. مشکل اینجاست که کتاب‌های تاریخی این داستان‌ها را ساده‌سازی می‌کنند. این شبکه پیچیده همکاری را به روایت‌های ساده از ذهن‌های قهرمان و تنها تقلیل می‌دهند و آخرش ما مخترع خودکار را فقط یک نفر می‌شناسیم. اما نکته اصلی این است که هوش به معنی نبوغ فردی نیست، در این است که چقدر خوب می‌توانیم به یک گروه کمک کنیم. بهتر است تعریف هوش را به شکلی بازنگری کنیم که شامل توانایی‌های همکاری باشد. به جای اینکه فقط روی نمره IQ فردی تمرکز کنیم، باید ببینیم افراد چقدر خوب می‌توانند با هم همکاری کنند، چطور می‌توانند به عنوان یک تیم مشکلات را حل کنند و چقدر می‌توانند ناآگاهی خودشان را بشناسند. و این همان چیزی است که آموزش باید رویش متمرکز بشود. آموزش دادن به دانش‌آموزان برای همکاری، تفکر انتقادی و اینکه بفهمند هیچ‌کس به تنهایی فکر نمی‌کند. افسانه نبوغ فردی را باید کنار گذاشت و قدرت هوش جمعی را بپذیریم. آموزش فقط برای پر کردن مغز با حقایق نیست؛ آموزش باید به شما یاد بدهد چطور با دیگران همکاری کنید، چطور سؤال بپرسید، چطور بفهمید که چه چیزهایی را نمی‌دانید و چطور از دیگران کمک بخواهید. هدف نهایی آموزش این نیست که مغزهایی پر از اطلاعات بسازد، هدفش این است که متفکرهای همکاری‌کننده بسازد، آدم‌هایی که می‌توانند دانششان را به اشتراک بگذارند و بزرگترین مشکلات دنیا را با هم حل کنند. و این همان دلیلی است که توهم دانش اهمیت دارد. این توهم به شما نشان می‌دهد که هیچ‌وقت به تنهایی فکر نکرده‌اید و اگر می‌خواهید موفق باشید، نباید هم تنهایی فکر کنید. هوش ربطی به این ندارد که چقدر می‌دانید، به این مربوط است که چقدر خوب می‌توانید توی این شبکه گسترده و به هم پیوسته از دانش بشری حرکت کنید. پس دفعه بعد که تو یک چیزی گیر کردید، از کمک خواستن نترسید، از اینکه اعتراف کنید چیزی را نمی‌دانید خجالت نکشید، چون وقتی پای هوش به میان می‌آید، همه ما تو این راه با همیم. اینجا در "توهم آگاهی" می‌فهمیم واقعیت ساخته ذهن ماست. مصطفی رستگار مصطفی رستگار Sun, 09 Mar 2025 07:11:45 +0330 https://virgool.io/@m.rastegar991/%DA%A9%D8%AF%D8%A7%D9%85-%D8%B4%D8%A7%D8%AE%D9%87-%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D8%A8%D8%B1%D8%A7%DB%8C-%D9%85%D9%86-%D9%85%D9%86%D8%A7%D8%B3%D8%A8-%D8%A7%D8%B3%D8%AA-%D8%B3%D9%81%D8%B1%DB%8C-%D8%AF%D8%B1-%D8%AF%D9%86%DB%8C%D8%A7%DB%8C-%D9%85%D9%87%D9%86%D8%AF%D8%B3%DB%8C-%D9%86%D8%B1%D9%85-%D8%A7%D9%81%D8%B2%D8%A7%D8%B1-gwpslk7fcrsv سلام به همه دوستان و علاقه‌مندان به دنیای برنامه‌نویسی و مهندسی نرم‌افزار. حتماً برای شما هم پیش آمده که در ابتدای مسیر یا حتی در میانه راه، با این سوال مواجه شوید که کدام حوزه برنامه‌نویسی یا مهندسی نرم‌افزار برای کار کردن مناسب‌تر است؟ در این مقاله، قصد داریم با نگاهی خلاصه به صحبت‌های مطرح شده در ویدیو کانال یوتیوب Kalagar، این موضوع را با هم بررسی کنیم و دیدگاه‌های روشنی را برای انتخاب مسیر حرفه‌ای در این حوزه پویا ارائه دهیم.در همان ابتدای بحث، یک جواب کوتاه و یک جواب بلند به این سوال داده می‌شود. جواب کوتاه این است که نگران نباشید کدام حوزه را انتخاب می‌کنید، چرا که در نهایت، همه ما مهندس نرم‌افزار هستیم و روزانه با کد سروکله می‌زنیم و مسائل فنی مختلف را حل می‌کنیم. چه با جاوا اسکریپت کد بزنید، چه با بک‌اند کار کنید، چه جاوا یا پایتون انتخاب شما باشد، همه در حال مهندسی یک پروژه با ابزارهای مختلف هستیم. پس، دغدغه زیادی برای انتخاب حوزه در ابتدای کار نباید داشته باشید.اما جواب بلند، کمی فانتزی‌تر ولی در عین حال واقعی‌تر است. در دنیای واقعی، افرادی هستند که انتخاب حوزه برایشان بر اساس احساس رضایت ناشی از دیده شدن کارشان توسط اطرافیان شکل می‌گیرد. این دسته از افراد دوست دارند در حوزه‌هایی مانند فرانت‌اند یا توسعه موبایل کار کنند. دلیل این امر واضح است: نتیجه کار در این حوزه‌ها قابل دیدن و لمس کردن است. شما می‌توانید به دوستان، خانواده یا آشنایان نشان دهید که از چه اپلیکیشنی استفاده می‌کنند و بگویید که شما در ساخت آن نقش داشته‌اید. این حس دیده شدن و ارائه یک دموی ملموس، برای این افراد بسیار لذت‌بخش است.در مقابل، گروه دیگری از افراد هستند که لزوماً دنبال این دیده شدن آنی و ظاهری نیستند. آن‌ها بیشتر به دنبال انجام کارهای خارق‌العاده و شگفت‌انگیز هستند. حوزه‌هایی مانند یادگیری ماشین (Machine Learning) و علم داده (Data Science) برای این افراد جذابیت بیشتری دارد. برای این دسته، "باحال" بودن و لذت‌بخش بودن خود کار در اولویت قرار دارد. اینکه وقتی از آن‌ها سوال می‌شود چه کار می‌کنند، با افتخار بگویند که دانشمند داده هستند، برایشان کلاس و جذابیت خاصی دارد. بسیاری از این کارها در دنیای امروز با قیمت‌های گزاف خرید و فروش می‌شوند و افراد زیادی در سراسر جهان از محصولات تولید شده توسط آن‌ها استفاده می‌کنند.همچنین، دسته دیگری از افراد هستند که ذاتاً از پیکربندی و سرهم کردن چیزها لذت می‌برند. این افراد معمولاً جذب حوزه DevOps می‌شوند. کار کردن با پلتفرم‌های ابری مانند مایکروسافت آژور، گوگل کلود پلتفرم یا آمازون وب سرویس، کار با داکر و کوبرنتیز و مدیریت زیرساخت‌ها برای آن‌ها بسیار لذت‌بخش و جذاب است. آن‌ها از این حس که می‌توانند به تیم‌های فرانت‌اند و بک‌اند کمک کنند تا میکروسرویس‌های خود را با استفاده از ابزارهای مختلف به هم وصل کنند، احساس رضایت می‌کنند. این لذت، بیشتر جنبه روانی و شخصی دارد تا صرفاً فنی یا اجتماعی.در کنار این‌ها، نباید از نقش توسعه‌دهندگان بک‌اند غافل شویم. بک‌اند در واقع منطق و اساس کار یک اپلیکیشن یا پلتفرم را تشکیل می‌دهد. توسعه‌دهنده بک‌اند کسی است که تمام زیر و بم منطقی یک سرویس را می‌داند و آن را پیاده‌سازی می‌کند. هر چقدر هم که یک فرانت‌اند زیبا و جذاب باشد، اگر بک‌اند قوی و درستی نداشته باشد، آن اپلیکیشن به درستی کار نخواهد کرد و بالعکس. همچنین، اگر زیرساخت (Infra structure) ضعیف باشد و سرورها سرعت پایینی داشته باشند یا با خطا مواجه شوند، کل سیستم دچار مشکل خواهد شد. این نشان می‌دهد که همه این حوزه‌ها با یکدیگر مرتبط و در تعامل هستند.متاسفانه، گاهی اوقات تصورات نادرستی در مورد نقش‌های مختلف وجود دارد. برای مثال، ممکن است شنیده باشید که برخی افراد فکر می‌کنند توسعه‌دهندگان فرانت‌اند برنامه‌نویس واقعی نیستند. اما این یک تصور کاملاً غلط است. دربعضی از پروژه ها، تیم توسعه معمولاً به ازای هر توسعه‌دهنده بک‌اند، به یک تا سه توسعه‌دهنده فرانت‌اند نیاز دارد. پیچیدگی و حجم کار در فرانت‌اند آنقدر بالاست که ساخت و پیاده‌سازی دقیق رابط کاربری (UI) یک وب‌اپلیکیشن یا موبایل‌اپلیکیشن نیازمند تخصص و مهارت بالایی است. ظاهر و ویترین کار امروزه بسیار مهم است. توسعه‌دهندگان فرانت‌اند نه تنها برنامه‌نویس هستند، بلکه با انواع و اقسام ابزارها، فریم‌ورک‌ها (مانند انگولار، React یا Vue.js) و مفاهیم پیچیده جاوا اسکریپت کار می‌کنند. حتی این امکان وجود دارد که همین توسعه‌دهندگان فرانت‌اند با استفاده از Node.js به توسعه بک‌اند نیز بپردازند.امروزه مرز بین نقش‌های مختلف در حال کمرنگ شدن است. در بسیاری از شرکت‌ها، به جای استخدام متخصص فرانت‌اند یا بک‌اند به صورت جداگانه، مهندس نرم‌افزار استخدام می‌کنند. یک مهندس نرم‌افزار ممکن است امروز روی فرانت‌اند کار کند و فردا در بخش بک‌اند یا حتی DevOps فعالیت داشته باشد. این امر به ویژه با ظهور فناوری‌هایی مانند تایپ‌اسکریپت و Node.js که امکان توسعه هم در فرانت‌اند و هم در بک‌اند را فراهم می‌کنند، بیشتر شده است. در واقع، Node.js امروزه تقریباً همه کار می‌تواند بکند و توانایی‌های زبان‌های دیگری مانند پایتون، جاوا یا روبی در حوزه‌های خودشان قابل انکار نیست، اما نکته این است که مرزها در حال محو شدن هستند.برخی افراد ممکن است به دلیل تصور غلط درباره حقوق و مزایا، تمایل به انتخاب یک حوزه خاص (مثلاً بک‌اند) داشته باشند. همچنین، DevOps به عنوان حوزه‌ای با درآمد فوق‌العاده بالا شناخته می‌شود. اما باید به این نکته توجه کرد که معمولاً افرادی به DevOps می‌رسند که سال‌ها در حوزه‌های دیگر تجربه کسب کرده‌اند. البته، شروع یادگیری پلتفرم‌های ابری و ابزارهای DevOps به صورت مستقیم نیز امکان‌پذیر است و می‌توان به عنوان یک DevOps Junior در شرکتی استخدام شد.در نهایت، همه ما که به عنوان کدنویس یا توسعه‌دهنده فعالیت می‌کنیم، صبح‌ها پای کامپیوتر می‌نشینیم و با کد سروکله می‌زنیم. چه از ویژوال استودیو کد، چه وب‌استورم یا هر ابزار دیگری استفاده کنید، هسته اصلی کار، نوشتن و حل مسائل با کد است. باید ببینید کدام حوزه بیشتر به شما حس خوبی می‌دهد و با علایق شما سازگارتر است. این موضوع آنقدر هم پیچیده و عجیب نیست.یک نکته مهم دیگر این است که همیشه این امکان برای شما وجود دارد که در مقاطع مختلف تصمیمات جدید بگیرید و از یک شاخه به شاخه دیگر بروید. لازم نیست برای همیشه در یک حوزه بمانید. اگر در فرانت‌اند به تسلط رسیده‌اید، می‌توانید بک‌اند را شروع کنید یا یک زبان برنامه‌نویسی جدید یاد بگیرید. اگر جاوا اسکریپت می‌دانید، یادگیری زبان‌های دیگر مانند سی‌شارپ یا پایتون به مراتب آسان‌تر خواهد بود.برای افرادی که کاملاً مبتدی هستند، پیشنهاد می‌شود از فرانت‌اند شروع کنند. دلیل این توصیه این است که در فرانت‌اند، نتیجه کار به صورت بصری قابل مشاهده است و شروع یادگیری HTML و CSS نسبتاً آسان‌تر است. این باعث می‌شود تا افراد تازه‌کار زودتر انگیزه بگیرند و پیشرفت خود را ببینند. البته، هیچ حوزه آسانی وجود ندارد و سختی و آسانی زبان‌های برنامه‌نویسی در یک حد است. همه آن‌ها مفاهیم بنیادی مشابهی دارند. نکته اصلی، یادگیری مهارت حل مسئله است. مهم این است که بدانید چگونه با ابزارهایی که در اختیار دارید، یک مسئله را حل کنید.در پایان، تاکید می‌کنم که انتخاب حوزه برنامه‌نویسی تا حد زیادی به علایق شخصی، اهداف اجتماعی و مالی شما بستگی دارد. نگران نباشید و بدانید که همیشه می‌توانید مسیر خود را تغییر دهید و در حوزه‌های مختلف تجربه کسب کنید. برای شروع، به دنبال حوزه‌ای بگردید که به آن علاقه دارید و از یادگیری آن لذت می‌برید. موفق باشید! مصطفی رستگار مصطفی رستگار Sun, 09 Mar 2025 06:37:34 +0330 https://virgool.io/@m.rastegar991/%D8%AA%D9%84%D9%87-%D9%87%D9%88%D8%B4-%DA%86%D8%B1%D8%A7-%D8%A7%D9%81%D8%B1%D8%A7%D8%AF-%D8%A8%D8%A7%D9%87%D9%88%D8%B4-%D8%A7%D8%BA%D9%84%D8%A8-%D8%A7%D8%AD%D8%B3%D8%A7%D8%B3-%D8%AA%D9%86%D9%87%D8%A7%DB%8C%DB%8C-%D9%88-%DA%AF%DB%8C%D8%B1-%D8%A7%D9%81%D8%AA%D8%A7%D8%AF%D9%86-%D9%85%DB%8C-%DA%A9%D9%86%D9%86%D8%AF-%D9%88-%D8%B1%D8%A7%D9%87%DA%A9%D8%A7%D8%B1-%DA%86%DB%8C%D8%B3%D8%AA-dywd8cv5vy9i پیش گفتار: همیشه در این اندیشه ام که آیا من دیوانه ام یا دیگران، هیچ حد وسطی وجود ندارد. با این پس زمینه ذهنی متن زیر را بخوانید!و حالا اصل داستان چیست؟ (البته شاید):تصور کنید در دنیایی زندگی می‌کنید که سرعت اتفاقات، سطح گفتگوها و حتی طراحی ابزارهای روزمره، همگی برای ذهنی با سرعت و قدرت پردازش خاصی تنظیم شده‌اند. حال اگر ذهن شما به طور قابل توجهی از این میانگین فراتر باشد، چه تجربه‌ای خواهید داشت؟ آیا احساس هماهنگی و درک شدن می‌کنید، یا برعکس، حس می‌کنید در میان جمعیتی گرفتار شده‌اید که با زبان و سرعت ذهنی شما بیگانه است؟ ویدئوی منتشر شده در کانال یوتیوب "توهم آگاهی" به این سوالات مهم می‌پردازد و با استناد به کتابی به نام "نفرین ضریب هوشی بالا" نوشته آرون کلاری، زوایای پنهان این تجربه را روشن می‌کند.یکی از نکات کلیدی که در این ویدئو به آن اشاره می‌شود، این است که افرادی با ضریب هوشی حدود ۱۳۰ یا بیشتر، در حالی که میانگین ضریب هوشی جامعه حدود ۱۰۰ است، اغلب احساس می‌کنند در یک دنیای "کُند" گرفتار شده‌اند. مهم‌تر از آن، ساختار جامعه، سیستم آموزشی، محیط کار و حتی تفریحات رایج، همگی برای افراد با هوش متوسط طراحی شده‌اند. بنابراین، فردی با هوش بالاتر به طور ناخواسته در سیستمی قرار می‌گیرد که برای او مناسب نیست و این می‌تواند منجر به احساس درماندگی و تنهایی شود. کتاب "نفرین ضریب هوشی بالا" دقیقاً به همین موضوع می‌پردازد و فریاد می‌زند که اگر شما جزو این دسته از افراد با هوش بسیار بالا هستید، مشکلات روزمره‌تان یک پدیده جدی است.چرا این افراد چنین حسی دارند؟ ویدئو توضیح می‌دهد که دنیا برای اکثریت طراحی شده است. برنامه‌های آموزشی، سرگرمی‌ها، خدمات روزمره – همه این‌ها برای یک ذهن با توانایی متوسط تنظیم شده‌اند. بنابراین، اگر احساس می‌کنید هیچ چیز به اندازه کافی برای شما جذاب و چالش‌برانگیز نیست، حق دارید. اما چالش بزرگ‌تر این است که اطرافیان شما اغلب نمی‌توانند مشکلات شما را به درستی تشخیص دهند. ممکن است به شما برچسب بی‌حوصلگی، عدم تمرکز یا افسردگی بزنند، در حالی که ریشه اصلی مشکل، ذهن پیشرفته شماست که از این دنیای به نظر آرام و یکنواخت کلافه شده است. آرون کلاری در کتاب خود به صراحت می‌گوید که شما یک آدم "عجیب و غریب" هستید، اما این تقصیر شما نیست، بلکه مشکل از سیستمی است که هیچ‌وقت برای افراد خاصی مثل شما طراحی نشده است. پذیرفتن این حقیقت، اولین گام برای رهایی از احساس گناه و تلاش بیهوده برای هماهنگ شدن با دیگران است.یکی از ایده‌های جالب مطرح شده در این کتاب، مفهومی به نام "اثر دنیای خنگ‌ها" است. کلاری این مفهوم را اینگونه توضیح می‌دهد که فاصله ذهنی بین یک فرد با ضریب هوشی ۱۳۸ و یک انسان با ضریب هوشی متوسط ۹۵، مانند تعامل یک فرد معمولی با یک فرد دارای ناتوانی ذهنی شدید است. این تشبیه تکان‌دهنده به خوبی نشان می‌دهد که هنگام صحبت کردن با افراد با هوش متوسط، ممکن است احساس کنید در حال تعامل با کسی هستید که درک متفاوتی از مسائل دارد. این کتاب مانند یک دوست صادق، این واقعیت تلخ را با شما در میان می‌گذارد که اگر ذهن تند و تیزی دارید، این دنیا ممکن است با شما هماهنگ نباشد، اما در عین حال به شما کمک می‌کند تا با این موضوع کنار بیایید.ویدئو همچنین به این نکته اشاره می‌کند که این حس کلافگی و رنج، تنها یک تجربه فردی نیست، بلکه یک پدیده اجتماعی نیز هست. گاهی اوقات، خود دموکراسی که می‌تواند تحت تاثیر حسادت قرار بگیرد، به طور ناخواسته موفقیت را مجازات می‌کند. قوانین، سیاست‌های اجتماعی و حتی توزیع منابع، اغلب به سمت اکثریت متمایل می‌شوند و این موضوع می‌تواند افراد باهوش و توانمند را محدود کند. این اتفاق یک مسئله شخصی نیست، بلکه نتیجه‌ی اعداد و ارقام است؛ اکثریت رای‌دهندگان به فکر راحتی خود هستند و همین اکثریت کسانی هستند که ذهن معمولی دارند. بنابراین، اگر مغز شما مانند یک ماشین پرقدرت کار می‌کند، ممکن است خود را در وضعیتی بیابید که تاوان اشتباهاتی را می‌دهید که اصلاً تقصیر شما نبوده است. کلاری معتقد است که این حسادت یک واکنش ابتدایی است و افرادی که کمتر دارند یا استعداد کمتری دارند، در سیستم‌هایی که رای‌گیری عمومی دارند، جمع می‌شوند و جلوی پیشرفت افراد باهوش‌تر را می‌گیرند. او این را یک نتیجه طبیعی از جامعه‌ای می‌داند که وسواس عادلانه کردن شرایط را دارد. راه حل پیشنهادی این است که این خشم طبیعی را بپذیرید و احتمال وقوع آن را پیش‌بینی کنید تا هنگام نادیده گرفته شدن ایده‌های درخشانتان غافلگیر نشوید.علاوه بر مسائل اجتماعی، سیستم آموزشی نیز از دیدگاه کلاری مورد انتقاد قرار می‌گیرد. او معتقد است که سیستم آموزشی به نفع اکثریت طراحی شده و بیشتر به دنبال تولید افراد مطیع است تا متفکران انتقادی. از نظر او، بسیاری از معلمان و مدیران ترجیح می‌دهند در جایگاه امن خود باقی بمانند تا اینکه به دانش‌آموزان واقعاً علم و دانش منتقل کنند. برای بچه‌های باهوش‌تر، تجربه مدرسه می‌تواند واقعاً یک "شکنجه ذهنی" باشد؛ قرار گرفتن در کلاس‌هایی که هیچ چالشی برای آن‌ها ندارند یا معلمانی که از درخشش آن‌ها ناراحت می‌شوند. سیاست‌های کارکنان و اجتناب از استانداردهای سخت‌گیرانه، اغلب بر رشد واقعی دانش‌آموزان اولویت دارند. برای افرادی که از برنامه‌های درسی استاندارد جلوتر هستند، این سیستم هیچ‌گاه متحد نبوده است. پذیرفتن این حقیقت می‌تواند به شما کمک کند تا راه خود را در بیرون از این "زندان کلاسیک" پیدا کنید.در مورد شغل و زندگی حرفه‌ای نیز، ویدئو با استناد به کتاب اشاره می‌کند که کارفرمایان امروزی به خوبی می‌دانند چگونه از نیروی کار خود بیشترین بهره‌کشی را کنند. از دستمزد پایین برای تازه کارها گرفته تا درخواست ساعت کاری رایگان، این سیستم از عرضه زیاد فارغ‌التحصیلان با مدارک بالا سوءاستفاده می‌کند. برخی از رؤسا نیز از درخشش زیردستان خود احساس خطر می‌کنند و ممکن است هر تلاشی برای خراب کردن پیشرفت آن‌ها انجام دهند. کلاری این افراد را "رؤسای سادیستی" می‌نامد که از قدرت خود لذت می‌برند و از آزار دادن کسانی که از آن‌ها بهترند کیف می‌کنند. راه حل پیشنهادی در چنین سیستمی برای افراد باهوش، خوداشتغالی یا پیدا کردن شغلی است که هوش و توانایی‌های واقعی آن‌ها را تشویق کند. به دست آوردن استقلال به عنوان پیمانکار، فریلنسر یا کارآفرین می‌تواند به شما کمک کند تا جایگاه خود را بسازید. با این حال، اگر زیر نظر مدیران بی‌کفایت هستید، باید بپذیرید که هوش و توانایی‌های شما ممکن است افراد را بترساند و برای ماندن در چنین سیستمی، باید با این واقعیت تلخ کنار بیایید.یکی دیگر از جنبه‌های مهمی که در ویدئو مطرح می‌شود، تنهایی به عنوان یک اثر جانبی تقریباً اجتناب‌ناپذیر برای افرادی است که در لبه‌های نمودار هوش زندگی می‌کنند. محیط مدرسه با تمام نقص‌هایش، یک محیط اجتماعی مصنوعی فراهم می‌کرد، اما با از بین رفتن آن، بسیاری از دوستان به مرور ناپدید می‌شوند. پیدا کردن همراهانی که بتوانند همپای ذهن شما باشند، مانند گشتن دنبال الماس در یک بیابان است. هر چقدر سن بالاتر می‌رود، انرژی کمتری برای یافتن این روابط خاص باقی می‌ماند و پیدا کردن افراد همفکر تقریباً غیرممکن می‌شود، مگر اینکه به دنیای آنلاین پناه ببرید، جایی که این افراد نادر ممکن است در انجمن‌ها و بخش‌های نظرات دور هم جمع شوند. کلاری پیشنهاد می‌کند که این کاهش روابط اجتماعی را بپذیرید تا خود یا "عجیب بودن" خود را سرزنش نکنید.در مورد روابط عاطفی نیز، افراد باهوش با چالش‌های خاصی روبرو هستند. مردان با هوش بالا ممکن است جذب زنانی شوند که از نظر عاطفی بی‌ثبات هستند، در حالی که زنان باهوش اغلب به دنبال مردانی می‌گردند که از نظر فکری آن‌ها را به چالش بکشند و در عین حال حس امنیت به آن‌ها بدهند، که یافتن چنین فردی می‌تواند دشوار باشد. کلاری توصیه می‌کند که شاید مجبور شوید در یک "استخر کوچک‌تر" به دنبال شریک بگردید یا بپذیرید که نیمه گمشده شما ممکن است کسی باشد که هوش شما را تحسین کند، حتی اگر آن فرد جذاب و کاریزماتیک ایده‌آل نباشد.کسالت ناشی از زندگی روزمره برای افراد باهوش‌تر می‌تواند بسیار طاقت‌فرسا باشد و آن‌ها را به سمت رفتارهای خودتخریبگر مانند مصرف الکل یا مواد مخدر سوق دهد. تحقیقات نشان داده‌اند که هرچه هوش بالاتر باشد، احتمال تجربه کردن فرار شیمیایی بیشتر است، زیرا واقعیت روزمره برای ذهن‌های تیز مانند یک نسخه ضعیف و خسته‌کننده از زندگی است. برای مقابله با این چالش، باید این تشنگی برای پیچیدگی را بشناسید و آن را به سمت حل مسائل پیچیده، کارهای خلاقانه یا اهداف بزرگ هدایت کنید.در نهایت، ویدئو به این موضوع می‌پردازد که احساس مداوم درک نشدن و مواجهه با کندی و بروکراسی می‌تواند منجر به یک "خشم خاموش و همه‌گیر" و حتی تنفر از کل بشر شود، اصطلاحی که کلاری آن را "میزان‌گرایی" می‌نامد. علاوه بر این، آگاهی از پایان‌پذیر بودن زندگی می‌تواند نگاه افراد باهوش را به سمت پوچ‌گرایی ببرد.کتاب هشدار می‌دهد که اگر اجازه دهید این سرگردانی ذهنی ادامه یابد، می‌تواند به سقوط آزاد تبدیل شود و تنها دفاع واقعی شما، آگاهی از این است که چقدر راحت ممکن است در این حالت گرفتار شوید.راه حل پیشنهادی کلاری، انتخاب یک مسیر جسورانه برای یک میراث ماندگار است. به جای فرو رفتن در تلخی و ناکامی، می‌توانید چیزی خلق کنید که از خودتان بیشتر دوام بیاورد. او تاکید می‌کند که افراد باهوش به دنبال گذاشتن یک اثر در تاریخ هستند و اگر بقیه جامعه از شما انتقاد کنند یا نقشه بزرگ شما را جدی نگیرند، این باید دلیلی برای تلاش بیشتر باشد. ممکن است در این مسیر شکست بخورید یا مورد تمسخر قرار بگیرید، اما جایگزین آن، یک زندگی سرگردان و امن است که هرگز شما را به چالش نمی‌کشد.در این مسیر پر فراز و نشیب، موانع زیادی وجود خواهند داشت، از جمله خانواده‌ای که شما را به "واقع‌بین بودن" تشویق می‌کنند، مدیران بی‌کفایتی که ایده‌های شما را نادیده می‌گیرند و دوستان حسودی که آرام‌آرام شما را تضعیف می‌کنند. زیرساخت اصلی دنیا برای سرعت ذهن شما طراحی نشده و یک "اینرسی ذاتی" دارد که نوآوری را کند می‌کند. مردم از تغییر می‌ترسند و ترجیح می‌دهند وضعیت موجود حفظ شود. سوال اصلی این است که آیا همچنان رو به جلو می‌روید یا سازگار می‌شوید و یک راه میانی پیدا می‌کنید؟ این مسیر هیچ‌وقت راحت نیست، اما اگر بدانید چه مسیری است، می‌توانید راه آن را پیدا کنید. کلاری هشدار می‌دهد که بهتر بودن به معنای هموار بودن راه نیست و در نهایت به یک دوراهی می‌رسید: یک مسیر به سمت هدف و معنا، و مسیر دیگر، لذت‌گرایی بی‌شرمانه. انتخاب با شماست و به این بستگی دارد که به زندگی بعد از مرگ یا یک دفتر حساب اخلاقی باور دارید یا نه.پیام اصلی کتاب و ویدئو این است که شما خراب و معیوب نیستید، بلکه این سیستمی است که برای شما طراحی نشده است. این تغییر دیدگاه می‌تواند زندگی شما را متحول کند اگر به آن اجازه دهید. حال شما چه تصمیمی می‌گیرید؟ چگونه می‌خواهید در این دنیای میانگین‌پسند راه خود را ادامه دهید؟ این تصمیمی است که با شماست. مصطفی رستگار مصطفی رستگار Sat, 08 Mar 2025 06:48:23 +0330 https://virgool.io/@m.rastegar991/%DA%A9%D8%AF-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D8%AA%D9%85%DB%8C%D8%B2-%D8%A8%D8%A7-%D9%82%D9%88%D8%A7%D9%86%DB%8C%D9%86-%D8%B3%D8%A7%D8%AF%D9%87-nysccoubfefc این مقاله از روی ویدیو قوانین برتر برای نوشتن کد تمیز تهیه شده.برای خودم یک خلاصه سازی جزیی انجام دادم، دیدم خوبه که دیگران هم بتونند به خلاصه های من دسترسی داشته باشند. برای اطلاعات بیشتر میتونید ویدیو اصلی رو مشاهده کنید.و حالا بریم یکم مرور کنیم ببینیم چه خبره:توضیحات در کد (Comments in Code): قانون اصلی این است که از نوشتن کامنت خودداری کنید. ایده این است که اگر برای توضیح کاری که یک قسمت از کد انجام می‌دهد نیاز به کامنت دارید، خود کد به اندازه کافی واضح نیست. کد باید طوری نوشته شود که خود توضیحی (self-explanatory) باشد. متغیرها (variables)، متدها (methods) و سایر عناصر کد باید به گونه‌ای نام‌گذاری و ساختاربندی شوند که هدف آن‌ها بلافاصله آشکار باشد. وجود کامنت‌ها به عنوان یک "بوی بد کد (code smell)" در نظر گرفته می‌شود.نام‌های معنادار (Meaningful Names): هنگامی که یک متغیر یا متد ایجاد می‌کنید، نام آن باید به وضوح هدف آن را نشان دهد. به عنوان مثال، به جای نامیدن یک متغیر arr، یک نام طولانی‌تر و توصیفی‌تر مانند userEmailList بهتر است. نام متدها نیز باید توصیفی باشند و به وضوح نشان دهند که متد چه کاری انجام می‌دهد. طول نام به اندازه وضوح آن مهم نیست.کد استفاده نشده (Unused Code): هر کدی که استفاده نمی‌شود باید حذف شود. این شامل کد کامنت شده و داک بلاک‌های (doc blocks) غیر ضروری است. زبان‌های برنامه‌نویسی مدرن دارای ویژگی‌هایی مانند تایپ هینتینگ (type hinting) هستند که اطلاعاتی درباره انواع داده‌های مورد انتظار برای متغیرها و پارامترهای تابع ارائه می‌دهند، که نیاز به داک بلاک‌های گسترده را کاهش می‌دهد.تست‌های واحد (Unit Tests): هنگام نوشتن کد، به خصوص برای شرایط مرزی (boundary conditions)، نوشتن تست‌های واحد بسیار مهم است. درباره نحوه رفتار کد فرضیاتی نداشته باشید. در عوض، رفتار آن را با تست‌ها تأیید کنید. به عنوان مثال، اگر انتظار می‌رود یک تابع یک رشته (string) را برگرداند، یک تست بنویسید تا اطمینان حاصل شود که واقعاً یک رشته و نه یک عدد صحیح (integer) را برمی‌گرداند.شرایط مثبت (Positive Conditions): هنگام نوشتن عبارات شرطی (if statements)، به طور کلی بهتر است از شرط مثبت به جای شرایط منفی استفاده کنید. خواندن و درک شرایط مثبت معمولاً آسان‌تر است.معماری کدنویسی (Coding Architecture): هنگام کار بر روی یک پروژه، مهم است که از معماری و استانداردهای کدنویسی تعیین شده پیروی کنید. اگر رهبر فنی (tech lead) قوانین یا الگوهای خاصی را مشخص می‌کند، به آن‌ها پایبند باشید. از ابزارهایی برای کمک به اجرای سازگاری معماری، مانند لینترها (linters) یا ابزارهای تجزیه و تحلیل ایستا (static analysis tools) استفاده کنید.قراردادهای نامگذاری (Naming Conventions): قراردادهای نامگذاری واضح و سازگار برای خوانایی کد بسیار مهم هستند. نام‌هایی که برای متغیرها، متدها و کلاس‌ها انتخاب می‌کنید باید از دیدگاه شخصی که از کد استفاده می‌کند قابل فهم باشد.اصول "DRY" و "KISS":برای خودت تکرار نکن "Don't Repeat Yourself (DRY)": این اصل بر اجتناب از تکرار کد تأکید دارد. اگر متوجه شدید که یک کد را در چندین مکان می‌نویسید، ایجاد یک کامپوننت (component)، تابع (function) یا ماژول (module) را در نظر بگیرید که قابل استفاده مجدد باشد. به عنوان مثال، در React، مفهوم کامپوننت‌ها بر اساس اصل DRY است.اسمش بده ولی کاری که میکنه خوبه :)) "Keep It Simple, Stupid (KISS)": این اصل توصیه می‌کند از پیچیدگی غیرضروری اجتناب کنید. کد خود را تا حد امکان ساده و سرراست نگه دارید. راه حل‌ها را بیش از حد مهندسی نکنید یا پیچیدگی را اضافه نکنید مگر اینکه واقعاً مورد نیاز باشد.استثناها (Exceptions): به جای استفاده از کدهای بازگشتی (return codes) برای نشان دادن خطاها، از استثناها استفاده کنید. استثناها روشی قوی‌تر و ساختاریافته‌تر برای مدیریت خطاها ارائه می‌دهند. اگر یک تابع با خطا مواجه می‌شود، باید یک استثنا پرتاب کند (throw an exception) به جای اینکه یک مقدار خاص مانند null یا یک رشته خالی را برگرداند. از گرفتن استثناها (catching exceptions) و سپس برگرداندن null خودداری کنید، زیرا این می‌تواند خطای اساسی را پنهان کند.بلوک‌های کد کوچک (Small Code Blocks): سعی کنید متدها و کلاس‌های خود را کوچک و متمرکز نگه دارید. اگر یک متد خیلی بزرگ شد، آن را به توابع کوچکتر و قابل استفاده مجدد تقسیم کنید. این کار باعث می‌شود کد راحت‌تر درک، تست و نگهداری شود."قانون پیشاهنگی (Boy Scout Rule)": این قانون بیان می‌کند که شما همیشه باید کد را "تمیزتر از آنچه که پیدا کرده‌اید" ترک کنید. هر زمان که روی یک قطعه کد کار می‌کنید، از فرصت استفاده کنید تا آن را ریفکتور (refactor) کنید، ساختار آن را بهبود بخشید و آن را خواناتر کنید. برای ریفکتور کردن کد نیازی به اجازه گرفتن ندارید. هر زمان که فرصتی را دیدید، این کار را انجام دهید.بوهای بد کد (Code Smells): متن چندین "بوی بد کد" را ذکر می‌کند که نشان‌دهنده مشکلات احتمالی در کد شما هستند. در اینجا توضیح مفصل‌تری از هر کدام آورده شده است: تو در تویی عمیق (Deep Nesting): بلوک‌های کد تو در تو عمیق (یعنی تورفتگی بیش از حد) می‌توانند درک و خواندن کد را دشوار کنند. سعی کنید با استفاده از تکنیک‌هایی مانند بازگشت زودهنگام (early returns) یا استخراج کد به توابع جداگانه از تو در تویی عمیق اجتناب کنید.نامگذاری نامناسب (Inappropriate Naming): نامگذاری ضعیف نشانه‌ای است که کد ممکن است نامشخص یا ضعیف طراحی شده باشد. برای انتخاب نام‌های توصیفی و معنادار برای متغیرها، متدها و کلاس‌های خود وقت بگذارید.عبارات Switch: در حالی که عبارات switch گاهی اوقات ضروری هستند، اغلب می‌توان آن‌ها را با جایگزین‌های انعطاف‌پذیرتر و قابل نگهداری‌تر مانند چندریختی (polymorphism) یا الگوی استراتژی (Strategy pattern) جایگزین کرد.توده‌های داده (Data Clumps): این به موقعیت‌هایی اشاره دارد که در آن یک گروه از متغیرها به طور مکرر به عنوان پارامتر به متدهای مختلف ارسال می‌شوند. این نشان می‌دهد که متغیرها ارتباط نزدیکی دارند و باید در یک کلاس یا ساختار داده واحد کپسوله شوند.وسواس اولیه (Primitive Obsession): این اتفاق زمانی رخ می‌دهد که از primitive data types (رشته، عدد صحیح، بولی) برای نشان دادن مفاهیم دامنه استفاده می‌شود که بهتر است با کلاس‌ها یا enums سفارشی نشان داده شوند. به عنوان مثال، به جای استفاده از یک رشته برای نشان دادن یک رنگ، یک کلاس یا enum رنگ ایجاد کنید.وابستگی شدید (Tight Coupling): زمانی رخ می‌دهد که کلاس‌ها یا ماژول‌ها به شدت به یکدیگر وابسته باشند. این امر تغییر و استفاده مجدد از کد را دشوارتر می‌کند. با استفاده از تکنیک‌هایی مانند رابط‌ها (interfaces) و تزریق وابستگی (dependency injection) به دنبال کم کردن وابستگی (loose coupling) باشید.انتقال پایگاه داده (Database Migrations): هنگام ایجاد انتقال پایگاه داده، از نام‌های زائد خودداری کنید. به عنوان مثال، در جدولی به نام files، ستونی به نام file_id زائد است. در عوض، از یک نام ساده‌تر مانند id یا یک نام خاص‌تر مانند service_id استفاده کنید.نام توابع (Function Names): اطمینان حاصل کنید که نام توابع به طور دقیق هدف آن‌ها را منعکس می‌کند. یک تابع باید یک کار خاص را انجام دهد و نام آن باید به وضوح نشان دهد که آن کار چیست. از ایجاد توابعی که کارهای زیادی انجام می‌دهند یا نام‌های مبهم دارند خودداری کنید.ساختار کلاس (Class Structure): اگر متدهای متعددی با پیشوند یکسان دارید، و داخل یک کلاس نیستید، ساخت یک کلاس را در نظر بگیرید و متدهای خود را به آنجا منتقل کنید.منبع: کانال یوتیوب Parsclick -> قوانین برتر برای نوشتن کد تمیز مصطفی رستگار مصطفی رستگار Sun, 02 Mar 2025 09:49:39 +0330