https://virgool.io/feed/@rastaiha ترویج دانش برای دانش‌آموزان و دانشجویان کشور fa 2026-04-15 10:05:26 https://files.virgool.io/upload/users/87745/avatar/bWrF4D.png?height=120&width=120 https://virgool.io/@rastaiha https://virgool.io/@rastaiha/%DA%AF%D8%B0%D8%B1%DB%8C-%D8%A8%D9%87-%DA%A9%D8%A7%D8%B1%DA%AF%D8%A7%D9%87-%D8%A2%D9%85%D8%A7%D8%B1-%D9%88-%D8%A7%D8%AD%D8%AA%D9%85%D8%A7%D9%84-br1fwx5qks96 ۳ مسئلۀ جذاب از کارگاه آمار و احتمال رستا در رویداد بافقمقدمه🎲 کارگاه «آمار و احتمال» یکی از ۴ کارگاهی بود که برای رویداد رستا در شهرستان بافق، برای دانش‌آموزان متوسطۀ دوم، طراحی و ارائه شد. توی این نوشته می‌خوایم با ۳ مسئله، از بین مسائلی که توی این کارگاه ارائه شد، کمی آشنا بشیم. اگه مسائل رو دوست داشتید، در انتهای هر بخش منابعی برای یادگیری بیشتر قرار گرفته که احتمالا مفید باشه براتون.همچنین، هرجا سوالی داشتید و می‌خواستید با هم صحبت کنیم، کافیه بهمون پیام بدید:🕊 @Rastaiha_infoرویداد رستا در شهرستان بافق - بهار ۱۴۰۴یک) مسئلۀ مونتی‌هال 🐐این مسئله یکی از مسائل معروف احتماله که احتمالاً کلی باید کلنجار برید که خوب درکش کنید.داستان از این قراره که یک مسابقۀ تلویزیونی برگزار شده که توش شرکت‌کننده باید از بین سه‌تا در یکیش رو انتخاب بکنه؛ پشت یکی از درها یک ماشین گرون‌قیمته و پشت دوتای دیگه بز! (بله، ما هم نمی‌دونیم چرا بز؛ ولی جدی‌جدی برگزار شده یه چنین مسابقه‌ای)بعد از اینکه شرکت‌کننده یکی از درها رو انتخاب کرد، مجری قبل اینکه در انتخاب‌شده رو باز کنه، از بین درهایی که انتخاب نکرده یکی که می‌دونه توش بزه رو باز می‌کنه و یه انتخاب پیش پای شرکت‌کننده می‌ذاره:«آیا می‌خوای انتخابت رو عوض کنی یا همونی که اول انتخاب کردی رو باز کنم؟»به نظر شما تصمیم درست چیه؟ چرا؟توی این سایت می‌تونید خودتون بازی کنید:https://montyhall.io/✅ جواب درست اینه که بهتره عوض کنید چون اگه عوض کنید احتمال برنده‌شدنتون ۲برابر میشه! آیا می‌تونید توضیح بدید که چرا؟ با شهودتون آیا ناسازگاره؟🤔 شاید با خودتون می‌گید: «اول که انتخاب می‌کنیم، احتمال انتخاب درست یک‌سومه. بعد که یکی از درهای پوچ باز میشه، دوتا در می‌مونه که توی یکیش بزه و توی یکیش ماشین؛ بنابراین حالا احتمال یک‌دوم میشه چه عوض بکنیم و چه نکنیم»اما این استدلال درستی نیست. می‌تونید برامون توضیح بدید چرا؟ (بهمون توی رستا اینفو بگید!)حالا یک مسئلۀ مرتبط دیگه: ۳ کارت با ۳ رنگ متفاوت داریم: قرمز و سبز و آبی. کارت‌ها رو بُر می‌زنیم و بعد روی میز به‌پشت قرار می‌دیم. احتمال اینکه به‌صورت تصادفی بتونیم کارت قرمز رو انتخاب کنیم، قاعدتاً یک‌سومه. (مگه نه؟) حالا فرض کنید یکی از کارت‌ها رو من برمی‌دارم و بدون اینکه بگم چه رنگی بوده توی جیبم می‌ذارم و ۲ تا کارت باقی می‌مونه. حالا اگه یکی از این ۲ تا کارت رو به صورت تصادفی بردارید احتمال اینکه قرمز باشه چقدره؟ [منبع: کتاب دو خطا در عنوان این کتاب وجود دارد. صفحه ۶۸]برای مطالعۀ بیشترخود صفحۀ ویکی‌پدیای این مسئله اطلاعات مفصل و توضیحات مفیدی داره.چالش جالب می‌تونه این باشه که تلاش کنید این مسئله رو با شبیه‌سازی کامپیوتری حل کنید؛ یا با اکسل و گوگل‌شیت (مثلا با کمک این یا این راهنما) یا مثلاً با پایتون.این مسئله یکی از مسائلیه که در کتاب فوق‌العاده خواندنیِ دو خطا در عنوان این کتاب وجود دارد هم مطرح و توضیح داده شده ــــــ در کنار ده‌ها مسئلۀ جذاب ریاضیاتی یا فلسفی دیگه ــــــ که شدیداً توصیه می‌کنیم مطالعه کنید.دو) مسئلۀ نرخ پایهبه این سه‌تا سوال فکر کنید:۱. آدمی رو در نظر بگیرید که عینکیه، به موسیقی کلاسیک علاقه‌منده و همچنین اهل مطالعه‌ست؛ احتمال اینکه این آدم یک استاد ادبیات باشه بیشتره یا فروشندۀ مغازه؟۲. فرض کنید شما پزشک هستید و کسی به شما مراجعه کرده که سردرد شدید داره. صرفاً اگه با همین اطلاعات بخواید قضاوت کنید، احتمال اینکه دچار تومور مغزی باشه چقدره؟۳. فرض کنید تست تشخیص سرطان ریه داریم که ۹۹٪ دقت داره: یعنی اگه سرطان داشته باشید، به احتمال ۹۹٪ میگه سرطان دارید و اگه نداشته باشید به احتمال ۹۹٪ میگه ندارید. حالا فرض کنید شما تست دادید و جواب تست مثبت بوده؛ چقدر احتمال داره که واقعاً سرطان داشته باشید؟کمی فکر کنید و بهش جواب بدید، بعد ادامۀ متن رو بخونید :)بیاید مسئلۀ سوم رو با هم حل کنیم:برای حل این مسئله اطلاعات داده‌شده کافی نیست! چیزی که نیاز داریم بدونیم اینه که سرطان ریه چقدر رایجه (یا به اصطلاح «نرخ پایه»‌اش چقدره). مثلا فرض کنید از هر ۱۰۰۰ نفری که برای تست سرطان ریه مراجعه می‌کنن، به طور میانگین ۱ نفر واقعاً سرطان داره، یعنی ۰٫۰۱ درصد. حالا، فرض کنید ۱۰۰هزار نفر این تستی که ۹۹٪ دقت داره رو داده‌ان؛ ما انتظار داریم به طور میانگین چنین نتیجه‌ای بگیریم:بنابراین، اگه تست کسی مثبت شد، احتمال اینکه واقعاً مریض باشه چقدر میشه؟ - فقط ۹٪ !به بیان ریاضی:حالا، با چیزی که اینجا یاد گرفتید، پاسختون به سوال‌های ۱ و ۲ چیه؟ بهمون بگید.برای مطالعۀ بیشتر:این مسئله در اصل مثالی از قضیۀ معروف بیزه (Bayes Theorem) که کلی منابع مختلف توضیحش داده‌ان و با کمی جستجو (یا صحبت با ChatGPT) می‌تونید یادش بگیرید و مسئله‌های دیگه‌ای ازش ببینید.توی مسئله‌ای که دیدیم، دقت رو یکپارچه دیدیم و ۹۹٪ در نظر گرفتیم. اما چنین تست‌هایی در واقعیت دو مؤلفۀ متفاوت دارن: الف)Sensitivity یا حساسیت: یعنی دقت یک آزمایش در تشخیص بیماران واقعی از بین کل بیماران؛ و ب) Specificity یا تشخیص: یعنی دقت یک آزمایش در تشخیص افراد سالم واقعی از بین کل سالم‌ها. توی این سایت می‌تونید این مقادیر رو تنظیم کنید و نتیجه رو ببینید.همچنین توی این سایت هم می‌تونید یه شبیه سازی دیگه از این مسئله رو ببینید و لذت ببرید.توی فصل ۲۸ کتاب هنر شفاف اندیشیدن، نوشتۀ رولف دوبلی، به این مسئله پرداخته میشه. این کتاب هم بسیار شیرین و خواندنیه و توصیه می‌کنیم مطالعه کنید.سه) مسئلۀ تست فیشرتا حالا شده بخواید یه ادعایی رو محک بزنید ولی ندونید چطوری؟مثلا این ادعا یکی بگه فرق نوشابۀ پپسی با کوکاکولا رو از طعمش تشخیص بده یا مثلاً فرق لباس نخ‌پنبه یا پلی‌استر رو با نگاه بفهمه.با طراحی یک آزمایش آماری ما می‌تونیم چنین ادعاهایی رو محک بزنیم. چطور؟همون ادعای تشخیص نوشابه رو در نظر بگیرید: یکی ادعا می‌کنه که می‌تونه به‌درستی از بین لیوان‌های ظاهراً یکسان، با مزه‌کردن هر کدوم تشخیص بده که کدوم نوشابه پپسیه و کدوم کوکاکولا.ما برای سنجش این ادعا یک تست طراحی می‌کنیم: ۱۲ تا نوشابه که ۶ تاش پپسیه و ۶ تاش کوکاکولا رو در ۱۲ لیوان یکسان می‌ریزیم و اون فرد باید با مزه‌کردن این‌ها، ۶ تاش که به‌نظرش پپسی‌ان رو جدا کنه.ما با این ادعا بدبینانه برخورد می‌کنیم، یعنی چی؟ یعنی ما فرض می‌کنیم که این آدم هم مثل بقیۀ آدم‌هاییه که نمی‌تونن تشخیص بدن و بنابراین حدس‌هاش شانسیه. (به این فرض، به زبان آماری، میگیم فرض صفر یا Null Hypothesis که می‌خوایم با کمک تست ردش کنیم) در چه صورتی ادعای این آدم رو مبنی بر اینکه یک توانایی ویژه در تشخیص داره می‌پذیریم؟ در صورتی که نتیجه‌ای ببینیم که اگه فرض صفر ما درست بود، خییییلی بعید بود اون نتیجه رو ببینیم و به این ترتیب فرض صفرمون رد میشه. اما این میزان «بعید» بودن رو چطور می‌تونیم اندازه‌گیری کنیم؟آیا اگه ۴ تاش رو درست حدس بزنه بعیده یا می‌تونسته شانسی باشه؟ ۵تا چطور؟ ۶تا چطور؟حالا بیاید، با تکیه بر مقدمات احتمال و ترکیبیات، احتمال مشاهدۀ نتایج مختلف رو حساب کنیم. اولاً، در کل به چند شیوۀ مختلف میشه ۶ لیوان رو از بین ۱۲ لیوان متمایز انتخاب کرد؟تعداد حالت‌های انتخاب ۶ از ۱۲بنابراین در مجموع ۹۲۴ حالت داریم.فردی که داریم آزمونش می‌کنیم، باید ۶ تا لیوان که نوشابه پپسی داره رو انتخاب کنه، که می‌تونه همش درست باشه، یا هیچکدوم، یا یه چیزی در این بین. بیاید احتمال رو برای هر کدوم محاسبه کنیم. (قبل از اینکه محاسبه کنیم، به نظرتون محتمل‌ترین نتیجه کدومه؟)مثلاً، در چندتا از اون ۹۲۴ حالت انتخاب ۶ لیوان، ۲ تاش درست بوده؟این یعنی تعداد حالت‌های انتخاب ۲تا از بین ۶تا پپسی و انتخاب ۴تای مابقی از بین ۶ تا کوکاکولا که، با استفاده از قانون ضرب، به این صورت محاسبه میشه:تعداد حالت‌های انتخاب ۲ تا از یک گروه ۶ تایی و ۴ تای دیگه از یک گروه ۶ تایی دیگهدر نهایت اگه همۀ این‌ها رو حساب کنیم، چنین جدولی رو می‌تونیم بسازیم:(توجه داشته باشید که این احتمال مشاهدۀ اون نتیجست، به شرط اینکه کاملاً تصادفی انتخاب شده باشه.)حالا، همونطور که در جدول می‌بینید، یه ستون هم اضافه کردیم که در واقع جمع احتمال گرفتن اون نتیجه یا نتایج بهتر از اونه. بنابراین، اگه فرد شانسی انتخاب کرده باشه. مثلاً ۲۸٪ احتمال داره که ۴ تا یا بیشتر رو درست گفته باشه.حالا، ما برای قضاوت باید اون «میزان بعید بودن» ای رو تعیین کنیم که اگه از اون حد بگذره ما متقاعد میشیم که اون تشخیصه شانسی نبوده. معمولاً در آزمون‌های فرض، این مقدار، که بهش خطای آلفا میگن، رو ۱۰، ۵ یا ۱ درصد در نظر می‌گیرن. مثلاً اگه ملاک ما ۵٪ باشه، یعنی تا محدودۀ ۹۵٪ ما همچنان نمی‌تونیم بپذیریم که فرض صفر رد شده، ولی اگه از ۹۵٪ رد بشه، دیگه اونقدر بعیده که میگیم فرض صفر رد شده.حالا توی مسئلۀ ما این ناحیه (که بهش می‌گیم «ناحیۀ بحرانی») میشه حالت‌هایی که ۵ یا ۶ تشخیص مشاهده بشه:احتمال مشاهدۀ نتایج مختلف و ناحیۀ بحرانی (قرمز) که در صورت وقوع فرض صفر رد می‌شودبنابراین، اگه آزمون‌شونده بتونه ۵ یا ۶ تاش رو درست تشخیص بده، ما می‌تونیم ادعاش رو بپذیریم که به احتمال قوی شانسی نبوده و واقعاً توانایی تشخیص داشته. خلاصه، با این آزمون می‌تونیم اون ادعا رو محک بزنیم. به طور کلی به این روندی که طی شد «آزمون فرض» می‌گن که یکی از مباحث مهم و جذاب در آماره و کلی جزئیات و ظرافت داره.برای مطالعۀ بیشتراین مسئله در واقع نمونه‌از «آزمون دقیق فیشر» بود. داستان معروفی هست از این قرار که رانلد فیشر، آماردان انگلیسی مشهور، روزی به خانمی برخورد که ادعا داشت می‌تونه تشخیص بده که در ترکیب چای و شیر ـــ که در انگلستان رایجه ـــ اول شیر داخل استکان ریخته شده یا چای. و آزمونی که فیشر برای این ادعا ترتیب داد همین بود که از او خواست که از بین ۸ استکان یکسان که ۴تاش به نوع اول آماده شده و ۴تاش به نوع دوم، تشخیص بده که کدوم ۴تا متمایزن. و این خانم به طرز جالبی هر ۴تا رو درست تشخیص میده. (که اگر شانسی انتخاب کرده بود، فقط یک‌هفتم احتمال داشت که بتونه هر ۴تا رو درست تشخیص بده) این داستان رو از اینجا می‌تونید بخونید.برای یک چالش، ببینید که برای حالتی که فرد باید از بین ۲۰ تا استکان ۵ تاش که پپسی‌ان رو تشخیص بده چطور می‌تونید محاسباتش رو انجام بدید و ناحیۀ بحرانی رو تعیین کنید.دربارۀ آزمون‌های آماری می‌تونید این صفحۀ دانش‌نامۀ ویکی‌پدیا رو مطالعه کنید.دیگه چه مسئله‌ای در اطراف‌تون می‌بینید که حدس می‌زنید بشه براش یه آزمون آماری طراحی کرد؟جمع‌بندیاین‌ها بعضی از مسائلی بودن که در کارگاه «آمار و احتمال» امسال، در رویداد علمی رستا در شهرستان بافق ارائه شدن ـــ‌ـــ هرچند با شکلی متفاوت از آنچه اینجا دیدید. البته مباحث این کارگاه به این مسائل محدود نبود و به مسئله‌های دیگه‌ای هم مثل پارادوکس سیمپسون، خطاهای نمونه‌گیری، سوگیری بازماندگی، همبستگی و علیت و تست دوجمله‌ای پرداخته شد.امیدواریم از خوندن این مطلب لذّت و فایده‌ای برده باشید.خوشحال میشیم که مثل همیشه نظراتتون رو در رستا اینفو بشنویم و با هم در مورد این مسئله‌ها گفتگو کنیم.به امید دیدار 👋 رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Sat, 31 May 2025 23:16:57 +0330 https://virgool.io/@rastaiha/%D8%A7%D8%B5%D9%84%D8%A7-%D9%85%DB%8C-%D8%B4%D9%87-ori57wf45dfh اصلا می‌شه؟سلام!ازت می‌خوام این موقعیت رو تصور کنی. یه شهر که یک آرایشگر خاص داره. این آرایشگر تمام کسایی که داخل اون شهر هستند و خودشون رو اصلاح نمی‌کنند رو اصلاح می‌کنه. در واقع می‌گیم مشتریان این آرایشگر خوداصلاح‌کن نیستن.دقت کن که این آرایشگر کسانی که خوداصلاح‌کن هستن رو نمی‌تونه اصلاح کنه.حالا به نظرت این آرایشگر، خودش رو هم اصلاح می‌کنه یا نه؟حالا یه سوال دیگه!یه محقق رو تصور کنید که قصد داره یک کتاب شامل اسم تمام نویسنده‌هایی که اسمشون رو در کتابشون ذکر نکردن، گردآوری کنه. ولی یه سوال براش پیش اومده.آیا این شخص باید اسم خودش رو در این کتاب بیاره؟عجب سوالات گیج‌کننده‌ای!تو چه جوابی برای این دو سوال داری؟سلام آقای راسل!قبل از جواب دادن به سوال‌های اپیزود قبلی، بریم ببینیم این مسائل تو منطق ریاضیاتی چطوری مدل می‌شه؟مثال‌هایی که در اپیزود قبلی بهش اشاره کردیم، یک بیانی از پارادوکس راسل هستند.پارادوکس راسل چی هست ؟پارادوکس راسل روی منطق و نظریه‌ی مجموعه‌ها بیان می‌شه به این شکل که فرض کن می‌خوایم یک مجموعه R بسازیم به طوری که R شامل همه مجموعه‌هایی هست که خودشون عضو خودشون نیستن! یا به طور ریاضیاتی:حالا نگاه کن که تعریف این مجموعه چطوری به تناقض منجر می‌شه:اگر R∈R آنگاه طبق تعریف مجموعه R باید داشته باشیم : R∉Rاگر R∉R آنگاه طبق تعریف مجموعه R باید داشته باشیم : R∈Rپس:برگردیم به مسئله‌ی آرایشگر، اول بیا فرض کنیم که جواب بله‌ست. این یعنی آرایشگر خودش رو اصلاح می‌کنه، پس اون یک خوداصلاح‌کنه. پس اینجا ما به یک تناقض می‌رسیم؛ چون گفتیم آرایشگر خوداصلاح‌کن‌ها رو اصلاح نمی‌کنه پس نباید خودش رو هم اصلاح کنه!حالا که نتیجه گرفتیم آرایشگر خودش رو اصلاح نمی‌کنه، دیگه یک خوداصلاح‌کن نیست. پس طبق قواعدی که برای اصلاح داشت باید همه کسایی که خوداصلاح‌کن نیستن رو اصلاح کنه، که در این‌صورت باید خودش رو اصلاح کنه و دوباره تناقض!حالا بریم سراغ مسئله‌ی کتاب، اگر اسم نویسنده در کتاب خودش باشه، پس دیگه نمی‌تونه در لیست باشه (چون کتاب فقط شامل اسم نویسنده‌هاییه که اسمی ازشون در کتابشون ذکر نشده).و اگر اسمش در کتابش نباشه، پس واجد شرایطه و باید اسمش در این کتاب خاص وجود داشته باشه.این تناقض مشابه پارادوکس راسله که در آن تعریف مجموعه باعث خودارجاعی و در نتیجه تناقض می‌شه.تو هم می‌تونی مثالی برای این پارادوکس بزنی؟بیا منطقی حلش کنیم!نتیجه حرفامون تا این جا اینه کهنظریه‌ى طبیعى مجموعه‌ها در قرن نوزدهـم بـه وسیله‌ی گئورگ کانتور پایه‌ریزی شــد، نام‌برده تــا اومد بــراى خودش غوغایی بـه پـا کنـه، توده‌اى عظیم از پارادوکس‌ها بود کــه بــه ســمتش روانـه شـد. البته کـه غوغا هم کرد، ولـى یـک غوغاى پارادوکس‌گونه!حالا به نظرت نظریه‌پردازان مجموعه‌ها چطوری این مشکل (پارادوکس راسل) رو حل کردند؟برای رفع این تناقض، نظریه‌پردازان مجموعه‌ها نظریه‌های مجموعه‌ای جدیدتری مانند نظریه مجموعه‌های ZFC رو ارائه دادن که محدودیت‌هایی بر مجموعه‌ها وضع می‌کرد. در این نظریه‌ها، قوانینی مثل محدودیت‌های خودارجاعی وجود دارن که مانع از به وجود اومدن مجموعه‌هایی مثل مجموعه‌ی R می‌شن.در تعریف مجموعه‌ها در ZFC ، اصلی به نام اصل Foundation یا Regularity وجود داره که ریاضیات آن به صورت زیره:این به این معناست که برای هر مجموعه‌ی A که تهی نباشه، حداقل یک عضو B وجود داره که هیچ عضوی از A ندارد (یعنی ∅ = B∩A). این اصل به‌طور ساده بیان می‌کنه که هیچ مجموعه‌ای نمی‌تونه به خودش عضو باشه. به عبارت دیگر، هیچ مجموعه‌ای نمی‌تونه خودش رو شامل بشه (یا شامل مجموعه‌ای بشه که خودش رو شامل می‌شه). این اصل، مجموعه‌هایی مانند R را غیرممکن می‌کنه.حالا به نظرت در تعریف عادی مجموعه‌ها، تناقض‌های دیگه‌ای جز راسل وجود داشته؟ اگه آره، تا حالا تونستن همه‌شون رو حل کنن؟ یه سرچی در این مورد بکن!در نهایت خوبه که اشاره کنیم به جمله‌ی معروف گودل که می‌گه:«گزاره‌هایی در جهان وجود دارند که حقیقت دارند، اما با هیچ قانون و فرض‌های اولیه‌ای نمی‌شود اثبات‌شان کرد!»رستایی باشی! رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Sat, 08 Feb 2025 21:43:31 +0330 https://virgool.io/rastaiha/%D8%AD%D8%B1%D9%81-%D9%87%D8%A7%DB%8C%DB%8C-%D8%AF%D8%B1%D9%85%D9%88%D8%B1%D8%AF-%D8%A7%D9%82%D8%AA%D8%B5%D8%A7%D8%AF-%D8%A8%D8%A7-%D9%87%D9%85%D9%87-bz0qq7yog4rk اقتصاد! با این کلمه به یاد چه می‌افتید؟ احتمالا یک عده‌تان بورس و سهام و ...، عده‌ای تورم و امثالهم، و یک عده که بیشتر با آن دست و پنجه نرم کرده‌اند عرضه و تقاضا و و تعادل بازار را می‌گویند. اما اقتصاد تمام این‌ها هست و هم‌زمان هیچ کدام نیست. اما واقعا در پس این نمودارها و فرمول‌ها و عدد و رقم‌ها چیست؟معلمی داشتم در دبیرستان از آن‌ها که در ظاهر هیچ نمی‌دانند اما سرچشمه حکمتند. می‌توانید تصور کنید دیگر... پیرمرد می‌گفت در پس هر علمی درسی برای زندگی روزه‌مان هست. فیزیک خوانده بود و برای اثبات حرفش از رابطه معروف گرانش استفاده کرد و اینکه دور شدن‌ها چقدر باعث کم‌رنگ شدن ارتباط می‌شود و جرم را هم نماینده اهمیت شخص در زندگی می‌دانست. هرچه بیشتر گذشت این نگاه را سعی می‌کردم در هر چه می‌آموختم استفاده کنم. مکانیک از این مثال‌ها زیاد داشت. هرچه تعاملم با اقتصاد بیشتر شد بیشتر به دنبال این چیزها بودم. به دنبال درس‌هایی که در پس مفاهیم اقتصادی پنهان شده. درس‌هایی که البته به عدد آدم‌ها متفاوت است. برای من اما از اقتصاد ورای بازارها و روابط اقتصاد خرد و کلان و تورم و ... چند درس ماند. درس‌هایی که اگر در آستانه انتخاب رشته باشید احتمالا بیشتر به دردتان می‌خورد:تریدآف (Trade-off)عصر جمعه است و دلگیری‌اش از هر جهت برایتان اذیت‌کننده. دوستی زنگ می‌زند تا سینمایی بروید و حال و احوالی عوض کنید. پدر و مادر هم برنامه سر زدن به پدر بزرگ و مادربزرگتان را دارند. از طرف دیگر برای فردا تمرینی دارید که باید انجام دهید. چه می‌کنید؟ چیزی که دیدید یک روز کاملا عادی در زندگی است. ما در زندگی همواره در حال انتخابیم. انتخاب بین دو یا چند گزینه. حال اگر یک گزینه را انتخاب کنید به چه معنی است؟ به این معنی که گزینه دیگر را انتخاب نکرده‌اید. تفریح عصر جمعه با دوستان یعنی یا شب بیدار بمان و تمرین را انجام بده یا شنبه هزینه ۱ نمره منفی را احتمالا باید متقبل شوی. بروی رشته کامپیوتر و احتمالا همان ترم‌های اول شغل خوبی پیدا کنی ولی به آن علاقه نداری و پیشرفت خاصی نمی‌کنی یا بروی رشته‌ای که دوست داری و احتمالا بعد از مدت بیشتری شغل پیدا کنی ولی پیشرفتت بهتر باشد؟ ترید‌آف در تمام تصمیمات زندگی هست. معروف است که دنیا دار مکافات است اما به نظر من دنیا دار تریدآف است! زندگی پر است از انتخاب چیزی که به معنی انتخاب نکردن چیز دیگری است. نمی‌شود هم خدا را داشت و هم خرما را. انتخاب خدا یعنی عدم انتخاب خرما و یعنی احتمال هزینه سنگینی به نام عدم انتخاب خرما. مفهومی که به آن هزینه فرصت گویند و تکمیل‌کننده این پازل انتخاب است که رسم کردیم.هزینه فرصتهزینه تصمیماتمان چیست؟ بگذارید از همین جا آغاز کنم؛ هزینه نوشتن این متن توسط من چیست؟ احتمالا تقریبا هیچ. حتی خودکار هم استفاده نکردم که به جوهرش اشاره کنم. اما در اقتصاد برای محاسبه هزینه چیزها فقط هزینه‌های آشکار را حساب نمی‌کنند. از چیزی که می‌توانست بشود اما نشده هم می‌گویند، از دست دادن عواید هم نوعی هزینه است. اینکه شما بتوانی درآمدی کسب کنی و نکنی نوعی هزینه است. حال دیگر این متن نوشتن چندان هم کم‌هزینه به نظر نمی‌رسد. هزینه این متن استراحت نکردن بود، فیلم ندیدن بود، کتاب نخواندن بود، وقت نگذراندن با خانواده بود و احتمالا هزار هزینه دیگر. بیشتر فکر کنید. شاید برای همین اقتصادخوان‌ها کلا محافظه‌کارند. با این روش که به زندگی فکر کنی خیلی کارها نمی‌ارزد. محافظه‌کار می‌شوی و حتی به قول برخی شاید کمی پیرمرد. دست به عصا حرکت می‌کنی و دیگر چندان هم بی‌گدار به آب نمی‌زنی. دیگر حتی هزینه فقط مالی نیست. آن یک ساعتی که اضافه‌تر می‌خوابی می‌توانست تبدیل به چه چیزها شود و چون احتمالا نمی‌صرفد دیگر نخوابی. احتمالا فی الحال به فکر فرو رفتید و دارید هر تصمیم خود را مورد بررسی قرار می‌دهید. فکر کردن در مورد درس خواندن در مدرسه بیشتر. احتمالا حتی به انصراف از مدرسه بابت هزینه فرصت زیادش فکر می‌کنید. هزینه فرصت مدرسه رفتن واقعا زیاد است ولی اگر فرض کنیم هر کداممان به دنبال بیشتر کردن سود هستیم و سود هم تفاوت درآمد و هزینه است وقت آن است در مورد درآمد مدرسه رفتن هم فکر کنیم. مدرسه رفتن واقعا چقدر می‌ارزد؟ارزش‌گذاریدر علوم مالی یک سوال کلیدی وجود دارد. ارزش یک کسب و کار چقدر است؟ مثلا دیجی‌کالا چقدر می‌ارزد؟ یک پاسخ این است که بگوییم که دیجی کالا الان یک سایت چند میلیون کاربره دارد و چقدر انبار پر دارد هر کدام از آن‌ها چقدر ارزش دارد در بازار و جمع بزنیم و ... . ولی این شاید چندان کار درستی نباشد. به همان دیجی‌کالا در روزهای اول فکر کنید. شرکت نه درآمد قابل توجهی دارد نه دارایی قابل توجهی، پس ارزشش چندان زیاد نیست ولی می‌دانیم پتانسیل فراوانی دارد. همین تپسی و اسنپ شاید به این روش ارزششان کمتر از یک آپارتمان در سعادت آباد تهران باشد. برای حل این مشکل ارزش یک کسب و کار را اصطلاحا با جریانات نقدی آینده می‌سنجند. یعنی به زبان ساده می‌گویند مهم نیست الان چیست؛ در آینده قرار است چقدر پول بسازد؟ شاید الان چون اول کارش است درآمد کمی دارد ولی بعدا قرار است به درآمد بسیار زیادی برسد. این هم از آن مفاهیمی در اقتصاد است که در زندگی خیلی به کار می‌آید. شاید حالا بفهمید چرا گفتم هزینه فرصت مدرسه زیاد است اما تحصیل می‌ارزد. پاسخش ساده است. مدرسه ارزش زیادی دارد چون در آینده ارزش زیادی برایتان خلق می‌کند. ارزش نه فقط پول که تقریبا هر چیزی. شاید اگر می‌شد چیزهای غیر پولی را هم به صورت مالی بررسی کرد تحصیل یکی از ارزش‌مند‌ترین کارها بود. شاید در لحظه ارزش بعضی کارها، دوستی‌ها و ... چندان زیاد به نظر نرسد اما اگر افق زمانی را کمی طولانی‌تر کنیم می‌بینیم اتفاقا می‌ارزد، خوب هم می‌ارزد. بخشی از سختی زندگی به آن است که بتوانید همین جریانات آتی را تخمین بزنید و ارزش هر چیز را دقیق حساب کنید.تورم و پولدر اقتصاد یک رابطه مشهوری هست به نام رابطه مقداری پول که می‌گوید رشد حجم پول به اضافه رشد سرعت پول (که بسیاری از مواقع ثابت فرض می‌کنند) می‌شود رشد اقتصادی به اضافه تورم. به زبان ساده یعنی هرچه پول در اقتصاد بیشتر شود اگر باعث رشد تولید نشود باعث تورم می‌شود. به قول دوستی این خود زندگی است. زیاد بودن از جایی به بعد باعث رشد نمی‌شود افول را به دنبال دارد. نه در روابط که در هر چیزی. زیاد ارتباطات داشتن، زیاد خواندن، زیاد دیدن، زیاد .... . هر چیزی به اندازه‌اش رشد دارد و بیشتر از آن مایه عذاب است. نگه داشتن این اندازه از همه چیز مهم‌تر است. این مورد شبیه به مفهوم دیگری در تولید است به نام نقطه بهینه تولید.نقطه بهینه تولیدیک بنگاه اقتصادی چقدر باید تولید کند تا سود کند؟ برخلاف انتظار بعضی‌تان جواب این هر چه بیشتر نیست. تولید بیشتر هزینه بیشتر دارد. کارگر بیشتر، مواد اولیه بیشتر و ... همه‌ی این‌ها سود را کم می‌کند و نقطه‌ای وجود دارد که در آنجا سود بیشترین مقدار ممکن است و این بیشترین مقدار تولید نیست. یعنی این را بدان که از جایی به بعد هر چه بیشتر زور بزنی اتفاقا ضرر می‌کنی. تلاش نباید بیشترین باشد. بیشتر بودن آن مساوی است با هزینه بیشتر و چه بسا نتیجه کمتر. باید به اندازه و منطقی باشد. تلاش بیش از اندازه برای تو خروجی‌اش خستگی بیشتر خواهد بود. به جای آن تلاشت را باید منسجم کنی آن هم در مسیری که بهترین مسیر است. اقتصاد علم پیدا کردن بهینه‌ترین جاهاست؛ نه بیشترین جاها!مزیت نسبیمزیت نسبی یکی از مهم‌ترین مفاهیمی بود که در اقتصاد یاد گرفتم. کشورهای مختلف بر چه اساسی با هم مبادله می‌کنند؟ چرا ایران نفت صادر می‌کند و مثلا از چین اسباب‌بازی وارد می‌کند؟ جوابش ساده است؛ چون ایران نفت زیاد دارد و چین ندارد. تولید کردن نفت برای چین هزینه‌ای بالا دارد و ایران چون زیاد دارد برایش راحت‌تر است. به عبارتی ایران هم می‌تواند اسباب‌بازی تولید کند ولی مزیت نسبی ایران در تولید نفت است. نفت را تولید کند بهتر است. نه که نمی‌تواند، که این کار هم به نفع خودش است هم به نفع چین. در زندگی واقعی هم این داستان جریان دارد. شما احتمالا انبوهی استعداد دارید. می‌توانید کدزنی قهار باشید اما هم‌زمان خوره تاریخ. می‌توانید مدیری توانمند باشید و معلمی خوب. در میان انبوه این راه‌ها کدام یکی را باید پیدا کرد؟ واقعیت آن است هر چه پیشتر می‌روید زندگی محدودتان می‌کند و اینجاست که باید خود انتخاب کنید و بروید سراغ مزیت نسبیتان. نه که بقیه را پشت گوش بیندازید، اما توجه بیش از اندازه به آن‌ها بیشتر باعث ضربه خوردنتان می‌شود. پس مزیت نسبی خودتان را بیابید! اگر در آستانه انتخاب رشته قرار دارید این مورد را جدی بگیرید. انتخاب مزیت نسبی‌تان یعنی کم کردن هزینه فرصت‌ها و انتخاب کردن آن چیزی که بیشتری ارزش را می‌تواند برایتان خلق کند. اما یافتن این مزیت نسبی چگونه است؟ شاید هر کسی در هر برهه‌ای از زندگی پاسخی برایش داشته باشد. پاسخ من یک کلمه است. تجربه کردن. هیچ چیزی به اندازه تجربه کردن نمی‌تواند در شناخت این مزیت‌ها کمک کند. تا قبل از ساخت خودرو در ایران هم کسی فکر نمی‌کرد چقدر ساختن آن اشتباه است و مزیت نسبی ما در ساخت آن نیست. تجربه کنید و از تجربه کردن نترسید. پیدا کردن مزیت نسبی ارزش آن را دارد که چندی حتی متهم به این شاخه آن شاخه شدن بشوید.این‌ها که گفتم تنها بخشی کوچک از آنچه اقتصاد می‌تواند بهتان بدهد است. در پس بسیاری دیگر از مفاهیم نیز درس‌های زیادی خوابیده است. نه فقط در اقتصاد، در هر رشته‌ای که دنبال کردید دنبال این درس‌ها باشید. گویی طبیعت می‌خواهد در پس هر رفتارش به تو یادآوری کند چه خبر است. خبرهایی که در اقتصاد به نظرم چندان هم مالی نیست. پس از مدرسه تابستانه امسال در اصفهان دانش‌آموزی از من پرسید چرا در این مدرسه شرکت کردید. دلایلم را که گفتم از اینکه مالی و اقتصادی نبودند تعجب کرد. اقتصاد با پول و بهره‌وری و بهینگی دست و پنجه نرم می‌کند و دنبال پیدا کردن آن‌هاست، اما فقط در مورد این‌ها نیست. اقتصاد علم مطالعه رفتار انسان‌هاست و انسان‌ها فقط مالی نیستند. احساس دارند، عشق و علاقه می‌فهمند. اقتصاد بیشتر از آنکه یک درس باشد یک روش فکر کردن است. دیدن چیزهایی است که نمی‌بینید. فکر کردن جای انبوهی از انسان‌ها و حدس زدن رفتار آن‌هاست. یاد گرفتن روابطش سخت نیست. این کار را هوش مصنوعی و ChatGPT هم می‌تواند انجام دهد. اما آنچه ما می‌توانیم بیاموزیم فکر کردن است، و فکر کردن، و فکر کردن؛ کاری که حالا حالاها قرار نیست کسی جز ما موجودات دوپا انجام دهد. رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Fri, 29 Nov 2024 12:03:05 +0330 https://virgool.io/rastaiha/%D8%AF%D8%A7%D8%B3%D8%AA%D8%A7%D9%86-%D8%B1%D8%A7%D8%B3%D8%AA%D8%A7%D9%86-iughs8iitnmq سال ۹۶، یک تابستان خیلی معمولی برای یک دانشجوی ترم شش سپری می‌شد. داستان از اونجایی شروع می‌شه که تماسی باهاش گرفتن و گفتن خانه ریاضیات یک فرصتی داره که بتونه یک رویداد در حوزه‌ی علوم کامپیوتر برای دانش‌آموزان برگزار کنه. بهم گفتن با توجه به اینکه در دوران دانش‌آموزی در APlab دانشگاه شریف شرکت کردی، می‌تونی بیای بهمون پیشنهادهایی بدی که بشه برنامه رو بهتر اجرا کرد؟ یا اصلا حاضری خودت برگزارش کنی؟ من گفتم حالا چی بگم آخه؟ و خیلی بدون فکر گفتم بله! و این بله همانا و ۷ سال کاملاً متفاوت زندگی من همانا.به هرکی می‌شناختم زنگ زدم، به تک‌تک‌ اتاق‌های خانه ریاضیات اصفهان سر زدم! به همه می‌گفتم پایه‌اید؟ می‌گفتن آقا ولَه کِن! برو به زندگیت برس. از این همه آدمی که بهشون رو زدم! حدود 15 نفر جور شدن! اصلا نمی‌دونستیم باید چیکار کنیم. یک چیزایی دیده بودیم، یک چیزایی هم شنیده بودیم… کمی تجربه جشنواره خوارزمی، تجربه‌های آموزش در خانه ریاضیات، تجربه‌ی المپیاد و ... همه رو ریختیم روی هم و شروع کردیم. البته کلی هم مشورت کردیم. باید به این فکر می‌کردیم که «چی» رو «چطور» یاد بدیم!خیلی جالب بود، بی‌اینکه بریم منبع خاصی رو بخونیم که چطور یاد بدیم، دیدیم که داریم به‌صورت طبیعی به یک سری راه می‌رسیم. مثلا دیدیم یاد گرفتن تنهایی فایده نداره، گروهی بیشتر می‌چسبه؛ از اون طرف دیدیم تا وارد مسئله و مشکلی که یک علم باید حلش کنیم نشیم نمی‌تونیم درست اون موضوع رو درک کنیم. بعدش دیدیم که بهتره مسئله‌های بزرگ شکسته بشن به سلسله‌ مسئله‌های مرتبط به هم؛ در ادامه‌ش دیدیم که بازی‌محور بودن یادگیری کمک می‌کنه که بیشتر درگیر موضوع باشیم؛ کنارش چاشنی گفت‌وگو محور و تعاملی بودن رو هم بهش اضافه کنیم خوبه و ... یک‌جورایی فهمیدم که این دانشجوهایی که دور هم جمع شدن، اونایی هستن قشنگ یاد گرفتن و ناخودآگاه قشنگ هم یاد می‌دن! این‌ها کم‌کم شدن برای ما اصول آموزش رستایی و اسمش رو گذاشتیم روش تربیت علمی! البته من این اسم رو خیلی توی چند سال اول بیانش نمی‌کردم. چون چیزی که کار می‌کنه نیاز به اسم نداره! خوبه و کار می‎کنه دیگه!😊خب! کم‌کم شکل گرفت. رستا سال ۹۶ اسم نداشت، بهش می‌گفتیم مدرسه تابستانه علوم کامپیوتر ۹۶! همون ۱۵ نفر شروع کردیم به طراحی کارگاه. ۵ تا کارگاه ۳ ساعته در موضوعات حول ریاضی و کامپیوتر با کلی مسئله و ... . بعدش دیدیم که عه! اصل کاری دیگه‌ای هم داریم: مخاطب! حالا مگه کسی آشنا بود با کارمون؟ همه می‌گفتن خب این به چه دردی می‌خوره؟ امتحانامون بیست می‌شه؟ کنکورمون خوب می‌شه؟ زبانمون خوب می‌شه؟ و کلی از این سوالات! و ما یک کلمه پاسخ داشتیم و اونم اینکه: بیاین خوش می‌گذره، چیزای جالب یاد می‌گیرید : ))گذشت و سرجمع سال اول بهمون ۶۰ نفر اعتماد کردن و رویداد به‌خوبی برگزار شد. باورمون نمی‌شد. چرا انقدر بچه‌ها خوششون اومده بود؟ چرا انقدر دانشجوها خوششون اومده بود؟ مگه چیکار کرده بودیم؟ اصن مگه می‌شد روز آخر بعد از اختتامیه از رویداد دل کند؟به این فکر افتادیم که خب! انگار یک خبرهایی هست! شاید واقعا این اصولی که ازش حرف می‌زنیم به یک دردهایی می‌خوره. این شد که نشستیم به حرف زدن که پایه‌اید این راه رو ادامه‌ش بدیم؟ بعد گفتیم گیریم که پایه باشیم، اصلا این راهه چیه که ادامه‌ش بدیم؟ نشستیم با هم تعریفش کردیم و اینجا بود که رستا (که البته تا سال بعدش هنوز اسمی نداشت) متولد شد!تصمیم گرفتیم رستا یک جمع باشه از همه‌ی دانشجوهایی که خوب یاد می‌گیرن و خوب یاد میدن. جمع علمی-ترویجی. ترویج علم 😊. به هیچ جایی هم وابسته نبودیم. خودمون بودیم و خودمون. دیدیم انگار دنیای دانشجو پر از پرسش و میل به اثرگذاری و یه‌ کاری‌ کردنه. گفتیم خب رستا می‌تونه یک جایی باشه که دانشجوها در کنار امتحان و درس و زندگی و ... اندکی از وقت آزادشون رو با کلی دانشجوی دیگه سهیم باشند، با هم یک پازل بزرگتری رو درست کنن و داستان یک دست صدا نداره بشن. به‌مرور بهمون اثبات شد که یک «دانش»جو بهترین معلمه. توی این مسیر هم خودش یاد می‌گیره، هم شبکه‌ش رو قوی می‌کنه و هم می‌بینه که می‌تونه اثرهای خوبی روی اون موضوع علمی و آدمایی که دارن اون رو یاد می‌گیرن بذاره.سال ۹۷ یه بار دیگه تابستون جمع شدیم. اما این دفعه تعداد بیشتری از ما شنیده بودن. دانشجوها برای هم تعریف کرده بودن و دانش‌آموزهای شرکت‌کننده هم همینطور. این دفعه شدیم حدود ۶۰ دانشجو و ۲۰۰ نفر دانش‌آموز و البته دو استان! یکی خانه ریاضیات در اصفهان و یکی هم دانشگاه شریف در تهران. بعد از این رویداد و بازخوردهای مشابه و حتی بهتر از سال پیش، فهمیدیم که مسئولیتی بر دوشمونه. اسم جمع رو به پیشنهاد یکی از دانش‌آموزها انتخاب کردیم؛ رستا. اساس‌نامه رو نوشتیم و رستا تأسیس شد. از همون اول نماد رستا شد ترکیبی از جوانه‌زدن و پرواز. رستا شد یک پرنده.از اون به بعد تصمیم گرفتیم محدود به تابستون‌ها نباشیم و زمان‌های دیگه هم به شهرهای دیگه سر بزنیم. یک پرسش خیلی جدی‌ای که داشتیم این بود که چه نیازی رو داریم از جامعه‌ی دانش‌آموز کشور حل می‌کنیم؟ آیا این درسته که فقط به بچه‌های شهرهای خوب و البته از مدارس غیرانتفاعی و تیزهوشان و ... آموزش بدیم؟ وظیفه‌ی ما نسبت به بقیه چیه و آیا اصن این مدل موضوعات به درد بچه‌هایی که درس‌های مدرسه خودشونم خوب بلد نیستن می‌خوره؟ اینجا بود که تصمیم گرفتیم سری به مناطق محروم بزنیم. رفتیم سراوان، چند کیلومتری مرز ایران و پاکستان. اونجا مشکل اصلی این بود که به علت مسئله‌ی بازار کار، بچه‌ها اگر به مدرسه می‌رفتن به سراغ رشته‌های انسانی و تجربی می‌رفتن و اساساً علاقه‌ای به یادگیری ریاضیات نداشتن. ولی ما این رو می‌دونستیم که ریاضی فقط اسمش مهم نیست، اون نوع نگاه و مدل تفکری که به دانش‌آموز میده مهمه. این شد که رفتیم و یک سری کارگاه برای بچه‌هایی که به ریاضی هیچ علاقه‌ای نداشتن طراحی کردیم. مثلا اومدیم یک سری پازل ساده و جذاب که به‌طور غیر مستقیم به بچه‌ها تفکر ریاضی‌محور رو یاد می‌داد، در قالب کارگاه ارائه‌کردیم. یا مثلا فصول کتاب ریاضیشون رو در هفت‌خان رستم مدل کردیم و بچه‌ها با طی کردن داستان رستم و حل سوالات مختلف ریاضی به‌وسیله‌ی کارگروهی و بازی و ... کار خودشون رو پیش می‌بردن.باورنکردنی بود ولی بچه‌ها جای اینکه ریزش داشته باشن در روزهای بعدی تعدادشون بیشتر می‌شد و از ۸ صبح تا ۴ عصر پای مسئله‌ها می‌نشستن. اینجا بود که فهمیدیم نوع آموزشی که ما روش دست گذاشتیم، مستقل از هرچیز دیگه، یک محرومیت خیلی بزرگتریو مدنظر داره. از بچه‌های منطقه ۱ تهران در بهترین مدارس سمپاد و غیرانتفاعی گرفته تا محروم‌ترین مناطق معیشتی، هر دانش‌اموزی این نیاز رو داره که خلاقانه یاد بگیره و خودش رو در روند رشد علمی و شخصیتی خودش دخیل بدونه. این یعنی چی؟ یعنی هر بچه‌ای هر کجا که باشه نیاز داره که بتونه خودش مسئله‌هاشو بشناسه و حل کنه. اینجاست که بچه حوصله‌ش سر نمی‌ره و با هر مسئله‌ای که حل می‌کنه یک پرده از خلاقیت خودش و توانایی‌هاش کنار می‎ره. همون مثل قدیمی که می‌گه «ماهی‌گیری رو یاد بدید». بله، درسته؛ ما این رو فهمیدیم که این مدل آموزش با تمام مشخصه‌های پیدا و پنهانش داره یک‌جورایی با ابزار آموزش و علم مهارت‌های ماهی‌گیری رو به دانش‌اموزان یاد میده. اینجاست که می‌گفتیم علم هم می‌تونه اگر درست و به‌جا یاد داده بشه باعث تربیت بشه؛ تربیت علمی.بعد سال ۹۷، سال ۹۸ هم به رویدادهای تهران و اصفهان و مازندران و بوشهر گذشت. به همان کیفیت و بلکه هم بهتر.بعد از برگشتن از بوشهر زیبا و زمزمه‌های شکل گرفتن یک جوانه از رستا در اون شهر، قصد کرده بودیم بریم خراسان جنوبی برای برگزاری رویداد عید سال ۹۹. خلاصه پرنده‌مون پروازش روبه‌اوج بود که .... کرونا اومد. همه جا تعطیل، همه پر از ترس و نگرانی. رستا تازه داشت پر و بال می‌گرفت و بخش حیاتی اون برگزاری رویدادهاش و ارتباطش با دانش‌آموزاش بود. ما هم گفتیم عه! نمی‌شه که بشینیم تا کرونا تموم بشه! یا راهی خواهیم یافت یا راهی خواهیم ساخت.به این نتیجه رسیدیم که رستا می‌تونه همون برنامه‌های حضوریش رو مجازی برگزار کنه. ولی خب هرچی گشتیم دیدیم کلاس یک طرفه‌ی مجازی هزار سال نوری با هویت رستا فاصله داره. این شد که اومدیم یک سامانه مجازی ساختیم که بچه‌ها به همون حالت گروهی، با مسئله‌های بازی‌محور و رسانه‌های مختلف با هم بتونن همراه با همیارهاشون کارگاه‌ها رو شرکت کنن. خیلی نگران بودیم که شاید این رستا دیگه رستای سابق نشه ولی باورتون نمی‌شه که شد! رستای مجازی از سال ۹۸ تا ۰۱ برقرار بود. حتی دستمون هم بازتر شده بود و می‌تونستیم در هر منطقه‌ای از کشور و حتی بیرون از کشور برنامه‌ی‌ آموزشی بذاریم. با رویدادهای مجازی، همین مجله‌ی نیم‌خط، پادکست‌ها و ... . رستا باز هم سرزنده و پاینده.این همه رو گفتم که بگم، این تابستون که به مدرسه رستا سر زد، دیدم همون سرزندگی جاریه. با بچه‌ها که حرف می‌زدم و به کارگاه‌ها که نگاه می‌کردم، دیدم همون سال ۹۶ زنده‌ست. همون دانشجوهایی که شوق یادگیریشون در قالب یاد دادن بیدار شده، زند‌ه‌ن. دانش‌آموزهایی که تجربه می‌کردن که می‌شه چیزهای جدید رو بدون خستگی و حتی زجر(!) یاد گرفت. اون‌ها برای اولین‌بار تجربه می‌کردن که می‌تونن یک چالش رو حل کنن. خودشون هم در یادگیری‌شون نقش دارن و اینطور نیست کسی بهشون زوری راه‌حل رو بگه یا اگر خودشون راهی برای مسئله‌شون پیدا نکنن اون مسئله‌شون حل بشه. معلم اینجا نقش همراهی رو داشت که مسیر می‌چینه و دانش‌آموز چراغ‌قوه به دست وارد اون مسیر و دنیای ناشناخته‌هاش می‌شه.من همیشه این آرزو رو داشتم که بچه‌ها در این مدل آموزش، دنیای واقعی پیش‌ روشون رو در یک مقیاس کوچک تجربه کنن. به‌قولی نوع آموزش ما جوری باشه که بچه‌ها مشت نمونه‌ی خروارِ زندگی‌شون رو ببینن. جایی که خودشونن و مسئله‌هاشون؛ و نیاز به تعامل با دنیای خارج از خودشون و آدم‌های دیگه. دقیقا مثل گروه‌های رستایی‌ها در طول رویداد که گاهی قهر و دوستی با هم درونشون جمع می‌شد، اما در هر صورت باید هر دانش‌آموز با هم‌گروهی‌هاش سه روز با چالش‌ها کنار می‌اومد و مسیر رو ادامه می‌داد.در پایان این رویداد، برای اختتامیه موندم که کمی برای بچه‌های شرکت‌کننده صحبت کنم. مادربزرگ یکی از بچه‌ها ما رو شگفت‌زده کرد. از ما خواست که برای بچه‌ها صحبتی داشته باشه؛ گفت چند ساله نوه‌هاش رو به رستا می‌فرسته و اونا رستا رو دوست داشتن. برای یادگیریشون مفید بوده، و آرزو کرد که مدرسه‌ها هم این شکلی باشن؛ بسیار برای ما دعا کرد. یاد سال‌ها پیش افتادم که پدری روز اخر رویداد اومد و گفت که پسرم شب که به خونه میاد بعد از رویداد شما حال خوبی داره و به من گفته در بهشت ریاضی را به زور درس نمی‌دن!به‌همین راحتی است بچه‌ها، یادگیری زیباست. یک امر فطری و دوست‌داشتنی. ای کاش قدرت مدارس در همه‌جای دنیا به این می‌رسید که تعامل و مسئله‌محوری رو توی مدرسه‌هاشون نهادینه کنن. گویا دست‌های معلمان و مدارس چه در ایران و چه در جهان خالی است از شماهایی که دور هم جمع بشید، راه‌حل طراحی کنید و برای خودتون و دانش‌اموزآن دیگه حتی ذره‌ای کم، فرصت یادگیری و یاددهی ایجاد کنید. اون روز به همت شما می‌رسه. ولی تا رسیدن اون‌ روز؛ امروز رستا دست یاری دراز کرده به سمت همه‌ی شمایی که این متن رو خوندین، که به سایت رستا سر بزنید، تاریخچه‌ی رستا رو مفصل ببینید، درونش عمیق بشید و تصمیم بگیرید که کجای پازل رستا قرار می‌گیرید. رستا رو محدود به یک یا چند رویداد ندونین و حتما به ما پیام بدین و ایده‌هاتون رو بگین.رستا پاینده و سرزنده. رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Sun, 17 Nov 2024 15:05:21 +0330 https://virgool.io/@rastaiha/%D8%AA%D9%84%D8%B3%DA%A9%D9%88%D9%BE-%D9%81%D8%B6%D8%A7%DB%8C%DB%8C-%D9%87%D8%A7%D8%A8%D9%84-md3dfgxsw3xi شکل :۱ یکی از معروف‌ترین عکس‌هایی که تا حالا از بخشی از جهان گرفته شده اینه که اسمش Creation of Pillarsه. داخل تصویر ستارەهایی که سحابی عقاب (Nebula Eagle) رو تشکیل می دن رو می‌بینین.شکل :۲ Field Deep Hubble اینم یکی دیگه از اون عکس های معروفه.تا حالا شده به این فکر کنین که این عکس‌ها با چه ابزاری گرفته می‌شن؟ ساخت این ابزار چقدر طول می‌کشه؟ نگه‌داری و تعمیرشون راحته یا سخت؟تلسکوپ‌های فضایی هابل اون چیزیه که این عکس‌ها رو برای انسان‌ها گرفته. این تلسکوپ‌ در زمان خودش تحولی بزرگ رو در دانش نجوم و شناخت ما از جهان پیرامون به وجود آورد. داستان این تلسکوپ به دهه‌ها تلاش علمی و فناوری برمی‌گرده که در ادامه این تلاش‌ها رو بیشتر شرح می‌دیم.به نظرتون ساخت یه تلسکوپی که چنین عکس‌هایی برامون بگیره چقدر طول کشیده؟شروع ساخت تلسکوپ فضایی هابل در دهه ۱۹۷۰ میلادی بود. ناسا در اوایل این دهه برنامه‌ریزی برای توسعه‌ی یک تلسکوپ فضایی را آغاز کرد. در سال ۱۹۷۷، کنگره‌ی ایالات متحده‌ی آمریکا بودجه‌ی ساخت این تلسکوپ رو تصویب کرد و بعد از اون کارهای مهندسی و طراحی آغاز شد. تلسکوپ هابل در نهایت در ۲۴ آوریل ۱۹۹۰ توسط شاتل فضایی دیسکاوری (Discovery) به فضا پرتاب شد و در ۲۵ آوریل ۱۹۹۰ در مدار زمین قرار گرفت. این پروژه با همکاری بین‌المللی ناسا و آژانس فضایی اروپا (ESA) انجام شد و طی سال‌ها به یکی از مهم‌ترین ابزارهای علمی در حوزه‌ی اخترشناسی تبدیل شده.گفتیم که هابل در سال ۱۹۹۰ در مدار زمین قرار گرفت. به نظرتون فاصله‌ی اون مدار تا سطح زمین حدودا چند کیلومتره و هابل حدودا با چه سرعتی در این مدار حرکت می‌کنه؟هابل در ارتفاع ۵۴۷کیلومتری از سطح زمین مستقره و با قرارگیری در این ارتفاع، با سرعتی حدود ۲۷۳۰۰کیلومتر بر ساعت به دور زمین می‌چرخه و هر ۹۵ دقیقه یک بار، یک دور کامل به در مدارش می‌زنه.به نظرتون چرا این ارتفاع تغییر نمی‌کنه و ثابته؟ یا به عبارتی چرا جاذبه زمین باعث نمی‌شه هابل ارتفاعش کم‌تر بشه؟جواب این سوال رو به تفصیل در فیزیک سال دوازدهم می‌گیرین. اما ما هم یه توضیح کوتاه در این مورد می‌دیم. داستان از این قراره که به ماهواره‌ای که در اون ارتفاع داره می‌چرخه، علاوه بر نیروی گرانش، نیروی گریز از مرکز که ناشی از حرکت‌ دایره‌ای ماهواره هستش هم وارد می‌شه و وقتی در ارتفاع ۵۴۷کیلومتری از زمین هستیم، فقط سرعت ۲۷۳۰۰ کیلومتر بر ساعت می‌تونه باعث خنثی شدن نیروی جاذبه‌ی زمین بشه. در واقع اگر این سرعت بیشتر باشه ماهواره از زمین دور می‌شه و اگر کمتر باشه نیروی جاذبه به نیروی گریز از مرکز غلبه می‌کنه و ماهواره میفته رو سطح زمین. در تصویر زیر دو تا نیرویی که به ماهواره وارد می‌شن رو مشاهده می‌کنین. حالا ازتون می‌خوایم خودتون این دو تا نیرو رو مساوی هم قرار بدید و شعاع چرخش ماهواره (همون ارتفاع) رو برحسب جرم زمین، سرعت چرخش ماهواره و ثابت گرانش به دست بیارید. (توجه کنید که r در این جا فاصله تا مرکز زمینه)مرحله بعدی هم اینه که به جای جرم زمین۵.۹۷۲ در ۱۰ به توان ۲۴، به جای ثابت گرانش ۶.۶۷۴۳۰ در ۱۰ به توان منفی ۱۱ و به جای سرعت ماهواره همون ۲۷۳۲۶ کیلومتر بر ساعت که سرعت هابل هستش رو قرار بدین (فقط قبلش با ضرب کردن در ۱۰۰۰/۳۶۰۰ به متر بر ثانیه تبدیلش کنین) تا شعاع چرخش ماهواره رو به دست بیارین.توجه کنید این شعاع چرخش با احتساب شعاع کره‌ی زمینه (یعنی همون فاصله تا مرکز). پس شعاع کره‌ی زمین که حدود ۶۳۷۱ کیلومتره رو ازش کم کنین تا به همون حدود 547 کیلومتر خود هابل برسین.حالا به نظرتون واقعا همیشه این ارتفاع به طور کاملا دقیق روی همون ۵۴۷ کیلومتر ثابت می‌مونه؟جواب نه هستش! به دلیل اصطکاک ناچیز با بقایای جو بالایی زمین، ارتفاع هابل به‌تدریج کاهش پیدا می‌کنه. برای حفظ مدار، هر چند سال یک بار مأموریت‌های تعمیر و نگهداری توسط شاتل‌های فضایی انجام می‌شه تا هابل در ارتفاع مناسب باقی بمونه. آخرین مأموریت تعمیر و نگهداری در سال ۲۰۰۹ انجام شد و پس از اون، هابل در وضعیت خوبی قرار داره.تا به حال پنج مأموریت مهم جهت تعمیر و یا بهبود وضعیت هابل انجام شده که در ادامه با اولین اون‌ها آشنا می‌شیم.ماموریت اول (1993) - رفع نقص آینه اصلیپس از پرتاب هابل در سال ۱۹۹۰، مشخص شد که آینه‌ی اصلی تلسکوپ دارای نقصی جزئی در انحنای خودشه که باعث تاری تصاویر می‌شد. این مشکل که به دلیل خطای میکرومتری در انحنای آینه ایجاد شده بود، باید به‌سرعت برطرف می‌شد.خطا در انحنای آینه‌ی اصلی تلسکوپ هابل که به خطای کروی‌سازی (Spherical Aberration) معروفه، به این دلیل باعث تاری تصاویر می‌شد که نور از اجرام آسمانی به درستی روی یک نقطه متمرکز نمی‌شد. در واقع آینه‌های تلسکوپ‌ها به گونه‌ای طراحی شده‌ان که نور رو از سطح خودشون به یک نقطه‌ی کانونی (Focal Point) متمرکز می‌کنن. در آینه‌های سهموی (Parabolic Mirrors) که معمولاً در تلسکوپ‌ها استفاده می‌شن، نور از تمام قسمت‌های آینه به یک نقطه دقیق متمرکز می‌شه، اما در آینه‌های کروی، به دلیل شکل نامناسب، نور از قسمت‌های مختلف آینه به نقاط متفاوتی متمرکز می‌شه و این تفاوت‌ها باعث تاری تصویر می‌شه.آینه‌ی هابل هم به‌طور ناخواسته به جای داشتن انحنای دقیق و مناسب برای متمرکز کردن نور، دچار یک انحنای نادرست بود. انحنای آینه به اندازه ۲.۲ میکرون (کمتر از یک‌پنجاهم ضخامت موی انسان) اشتباه بود. اگرچه این مقدار به نظر کوچک میاد، اما در دقت و عملکرد یک تلسکوپ فضایی بسیار حیاتیه! به دلیل این خطا، هنگامی که نور از ستارگان، کهکشان‌ها و اجرام دیگر به آینه اصلی هابل برخورد می‌کرد، به جای اینکه به‌طور دقیق روی یک نقطه کانونی متمرکز بشه، در نقاط مختلفی پراکنده می‌شد. این امر باعث می‌شد که تصاویر، به‌جای واضح و شفاف بودن، دارای هاله‌های تاری اطرافشون باشن و جزئیات به‌خوبی قابل مشاهده نباشن.و اما راه‌حل مشکل؛برای اصلاح این خطا، در سال ۱۹۹۳، ناسا مأموریتی به نام STS-61 رو برای تعمیر تلسکوپ هابل انجام داد. فضانوردان در این مأموریت دستگاهی به نام COSTAR (Corrective Optics Space Telescope Axial Replacement) نصب کردند که عملکردی مشابه با عینک طبی برای تلسکوپ داشت. این دستگاه، به‌طور اپتیکی خطای آینه اصلی را اصلاح کرد و نور رو به درستی متمرکز می‌کرد. پس از این مأموریت، هابل تونست تصاویر شفاف و با وضوح بالایی رو ثبت کنه.همچنین، دوربین جدیدی به نام Wide Field and Planetary Camera 2 جایگزین نسخه‌ی قبلی شد که این هم به بهبود وضوح تصاویر کمک کرد.همون‌طور که گفتیم ۴ تا مأموریت دیگه هم در سال‌های مختلف از تا ۲۰۰۹ برای تعمیر و نگه‌داری هابل انجام شد که پیشنهاد می‌کنیم در موردشون جست‌وجو کنین و بخونین.رستایی باشید!-محمد محمدبیگی رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Fri, 11 Oct 2024 20:24:44 +0330 https://virgool.io/@rastaiha/%D9%81%D8%B6%D8%A7%D9%86%D9%88%D8%B1%D8%AF-%D9%81%D8%B1%D8%A7%D9%85%D9%88%D8%B4-%D8%B4%D8%AF%D9%87-cgsasfut5pwc سومین فضانورد از ماموریت فضایی آپولو ۱۱، همان پرواز تاریخ‌ساز و خارق‌العاده‌ای که برای اولین بار پای بشریت را به سطح ماه رساند، از آن دسته انسان‌هایی است که برعکس همکار بسیار صاحب‌نام خود نیل آرمسترانگ، کمتر می‌توان رد نامش را در ادبیات و فرهنگ عامه و حتی میان علاقه‌مندان به نجوم و اخترفیزیک مشاهده کرد. نقش کالینز در سفر فضایی آپولو ۱۱، او را به یکی از خاص‌ترین و در عین حال فراموش‌شونده‌ترین فضانوردانی که به ماه سفر کرده‌اند تبدیل کرده؛ تا حدی که حتی ریچارد نیکسون، رییس‌جمهور وقت ایالات متحده هم نام او را در پیام تبریکش پس از فرود موفقیت‌آمیز ماموریت آپولو از قلم انداخت. کالینز در ۳۱ اکتبر ۱۹۳۰ در شهر رم ایتالیا زاده شد. پدرش افسر ارتش ایالات متحده بود و او نیز در ادامه‌ی همین مسیر، به آکادمی ارتش آمریکا پیوست و پس از آن، به‌خاطر علاقه‌اش به پرواز، عضو نیروی هوایی ارتش شد و به‌عنوان خلبان آزمایشی جنگنده خدمت کرد. درنهایت انگیزه‌های او برای تبدیل شدن به یک فضانورد بود که باعث شد در سال ۱۹۶۳ و از سوی ناسا، برای عضویت در برنامه‌های فضایی آمریکا برگزیده شود. کالینز طی دوران حرفه‌ای خود در ناسا، دو سفر فضایی انجام داد. نخستین سفر او مربوط به فضاپیمای «جمینای ایکس» بود که در سال ۱۹۶۶ انجام شد. این سفر بخشی از برنامه آماده‌سازی فضانوردان برای اعزام آپولو ۱۱ محسوب می‌شد و کالینز به‌عنوان خلبان این فضاپیما در آن شرکت داشت. دومین سفر و نقطه‌ی برجسته‌ی کارنامه کالینز هم خود ماموریت تاریخی آپولو ۱۱ و سفر به کره ماه بود. ماموریتی که طی آن، کالینز به همراه دو همکار دیگر خود، نیل آرمسترانگ و باز آلدرین، اولین فرود موفقیت‌آمیز انسان بر روی سطح ماه را در ژوئن سال ۱۹۶۹ رقم زد. اما چه چیزی لقب «فراموش‌شده» را برای کالینز به ارمغان آورد؟ پاسخ این پرسش را می‌توان در اعزام آپولو ۱۱ و شرح وظایف کالینز جستجو کرد. فضاپیمای آپولو ۱۱ از دو بخش تشکیل شده بود. بخش اول سفینه‌ی فرماندهی «کلمبیا» بود که می‌بایست در مداری دور ماه گردش می‌کرد و بخش دوم هم سفینه‌ی ماه‌نشین «عقاب» بود که از سفینه‌ی فرماندهی جدا می‌شد و فضانوردان را در سطح ماه فرود می‌آورد. نیل آرمسترانگ و باز آلدرین، دو فضانوردی بودند که در سفینه عقاب قدم بر ماه گذاشتند و مایکل کالینز، کسی بود که در بخش فرماندهی باقی ماند تا مسئولیت هدایت سفینه‌ی فرماندهی و حفظ ارتباط با کره زمین و همین‌طور حفظ ارتباط با دو همکار خود روی سطح ماه را برعهده داشته باشد. در واقع او تنها عضو از تیم سه نفره آپولو ۱۱ بود که پایش را روی ماه نگذاشت.آرمسترانگ و آلدرین حدود شش ساعت پس از فرود ماه‌نشین عقاب بر سطح ماه، از سفینه خارج شدند تا پیاده‌روی و کاوش خود روی ماه را آغاز کنند. لحظات پایین آمدن نیل آرمسترانگ از سفینه و قدم نهادن او بر ماه به‌طور زنده از شبکه‌های تلویزیونی سراسر جهان پخش می‌شد. او در اولین جمله‌ی خود پس از قدم گذاشتن بر سطح ماه گفت: «این گامی کوچک برای یک انسان و جهشی بزرگ برای بشریت است». صدایی که در آن لحظه برای همه‌ی انسان‌ها قابل شنیدن بود به‌جز یک نفر: مایکل کالینز! کالینز شنیدن این کلمات را از دست داد چرا که در آن ساعات، سفینه‌ی کلمبیا طی گردش مداری خود به نیمه‌ی تاریک ماه رسیده بود و ارتباطش را با ماه‌نشین عقاب و همین‌طور با زمین به‌طور کامل از دست داده بود. البته که این مسئله، پیش‌بینی‌شده و طبیعی بود اما این چیزی از تنهایی ژرف و همه‌جانبه‌ای که کالینز در آن ساعات تجربه می‌کرد نمی‌کاست. او این لحظات را چنین توصیف کرده است: «من حالا تنهایم، واقعا تنها، و حقیقتا از هرگونه زندگی که تاکنون می‌شناختم دورافتاده‌ام. اگر بخواهم بشمارم، تعداد سه میلیارد نفر به‌علاوه دونفری خواهد بود که آن‌طرف ماه هستند و یک نفر که فقط خدا می‌داند در این سمت ماه تنها مانده است.»پروسه‌ی جداشدن سفینه‌ی عقاب از ماژول فرماندهی، فرود روی ماه، پیاده‌روی و کاوش سطح ماه، جمع‌آوری نمونه، بلند شدن از سطح ماه و بازگشت دوباره به سفینه‌ی فرماندهی حدود ۲۱ ساعت به طول انجامید. یکی از ماندگارترین تصاویر بجامانده از ماموریت آپولو ۱۱، تصویری است که مایکل کالینز هنگام این بازگشت ثبت کرده است. در این قاب، سفینه‌ی عقاب را می‌بینیم که بر فراز ماه در حال حرکت است و در پس‌زمینه نیز خانه‌ی زیبا و لاجوردی‌رنگ خودمان، کره‌ی زمین است که بر پهنه‌ی بیکران آسمان می‌درخشد. لذا می‌توان چنین گفت که به‌نوعی، مایکل کالینز تنها انسانی است که در این تصور حضور ندارد. کالینز در مصاحبه‌هایی که پس از اتمام ماموریت انجام داد، در توصیف منظره‌ای که حین گردش به دور ماه از آن دیده بود چنین گفت: «ماه کل یک پنجره را پر می‌کرد و کاملا سه‌بعدی بود. نورها بسیار روشن‌تر و تاریکی‌ها بسیار تیره‌تر بودند. مرز بین آن‌ها کاملا آشکار بود. خورشید در پشت ماه قرار داشت و نور آن از لبه‌های ماه فرو می‌ریخت. این باشکوه‌ترین منظره‌ای است که می‌توانید در زندگی ببینید.» و همین‌طور در مورد احساسی که تماشای زمین از آن فاصله در او برانگیخت: «چیزی که واقعا مرا شگفت‌زده کرد، حس شکنندگی بود که در مورد زمین پیدا کردم و تا به امروز هم علت آن را نمی‌دانم. من حس کردم که آن کوچک، درخشان، زیبا، آشنا و شکننده است.» او همچنین در مورد نقش خود در ماموریت آپولو ۱۱ گفته: «اگر بگویم که در ماموریت آپولو ۱۱ من مهمترین نقش را ایفا کردم، دروغ یا حماقت خواهد بود. اما می‌توانم صادقانه بگویم از نقشی که در آن ماموریت ایفا کردم عمیقا راضی هستم».کالینز در سال ۲۰۲۱، در سن ۹۰ سالگی و پس از مدت‌ها مبارزه با سرطان درگذشت. خانواده‌ی کالینز در بیانیه‌ای نوشتند: «او واپسین روزهایش را با آرامش در کنار خانواده‌اش سپری کرد. مایک همواره با متانت و فروتنی با چالش‌های زندگی مواجه شد و در مقابل واپسین چالش خود نیز این‌گونه ایستاد. بسیار زیاد دلتنگ او خواهیم شد.» و علاوه‌بر این، استیو جورجیک، سرپرست ناسا، در وصف کالینز گفت: «امروز این کشور مایکل کالینز، پیشکسوتی واقعی و حامی دیرین اکتشافات فضایی را از دست داد. به‌عنوان خلبان ماژول فرماندهی آپولو ۱۱، برخی او را تنهاترین مرد در تاریخ نامیدند؛ درحالی که همکارانش برای نخستین بار روی ماه قدم گذاشتند، او به کشورمان در دستیابی به نقطه‌ی عطفی برجسته کمک کرد. اقدامات او در پشت صحنه یا در مقابل دیدگان، میراث کالینز همواره به‌عنوان یکی از رهبرانی که نخستین گام‌های آمریکا را در کیهان برداشتند، جاویدان خواهد بود.»رستایی باشید!-مصطفی تهاجمی رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Thu, 10 Oct 2024 21:05:44 +0330 https://virgool.io/@rastaiha/%D9%85%D9%87%D9%85%D8%A7%D9%86-%D8%B3%D8%B1%D9%86%D8%B2%D8%AF%D9%87-wvn2i8mleuz8 آسمون این شب‌ها (منظورم از این شب‌ها شب‌های ۹ تا ۲۵ مهرماهه) یه مهمون داره! یه دنباله‌دار!چی؟ ستاره‌ی دنباله‌دار؟ نه خیر! هیچ ستاره‌ای در کار نیست.بیاین قبل از اینکه بفهمیم این مهمون کیه و چه زمانایی سر و کله‌ش پیدا می‌شه یه بار برای همیشه مشکلمون رو با دنباله‌دار و ستاره حل کنیم.ستاره‌ها اجرام آسمانی‌ای هستن که از گازهای داغ و عمدتا هیدروژن و هلیوم، تشکیل شدن و انرژیشون رو از طریق فرآیندهای ترمودینامیکی و هم‌افزایی هسته‌ای تولید می‌کنن. در مرکز یک ستاره، فشار و دما به حدی می‌رسه که هسته‌های هیدروژن با هم ادغام شده و هلیوم تشکیل می‌دن. این فرآیند منجر به آزاد شدن مقدار زیادی انرژی در قالب اشعه‌های الکترومغناطیسی، از جمله نور، می‌شه.اما دنباله‌دارها توده‌های یخ، گرد و غبار و سنگن که ممکنه از پیش از تشکیل منظومه‌ی شمسی در فضا باقی مونده باشن و از سه بخش هسته و دنباله و گیسو تشکیل شدن.هسته یا nacleeus بخش مرکزی و از جنس گرد و غبار, سنگ و یخه که میتونه چند صد متر تا چند ده کیلومتر باشه. این بخش دارای مواد فراری مثل آب و کربن‌دی‌اکسید و متان و آمونیاکه که در دمای پایین منجد می‌شن.بخش بعدی coma یا گیسو نام داره. گیسو وقتی که دنباله‌دارمون به نزدیکی خورشید می‌رسه، تحت تاثیر حرارت خورشید قرار می‌گیره و همین حرارت باعث تبخیر یخ‌ها و آزاد شدن گازها می‌شه. این فرآیند منجر به تشکیل یک ابر روشن و گرد به نام هد می‌شود. هد می‌تونه چند صد هزار کیلومتر در فضا گسترده بشه و به دلیل وجود ذرات گرد و غبار و گاز، رنگ‌هایی متنوعی به خودش بگیره. و اما دنباله‌ی دنباله‌دار که از ذرات گاز و گرد و غباری تشکیل شده و تحت تأثیر تابش خورشید و باد خورشیدی به سمت دور از خورشید سوق پیدا می‌کنه. این دنباله‌ها از دو نوع گازی و گرد و غباری هستن. دنباله گازی یا Ion Tail متشکل از یون‌های گازه که تحت تأثیر میدان مغناطیسی خورشید به سمت دور از خورشید می‌ره و معمولاً به رنگ آبی یا سبز دیده می‌شه. (راستی به نظرتون چرا آبی و سبز؟)دنباله‌ی گرد و غباری یا Dust Tail هم شامل ذرات بزرگ‌تر گرد و غباره که در حال تصعید شدنن و به سمت دور از خورشید با زاویه‌ای کج‌تر حرکت می‌کنن و معمولاً به رنگ زرد یا سفید دیده می‌شن.حالا احتمالا می‌تونید حدس بزنید کی ما می‌تونیم این دوست خوش‌آب و رنگمون رو در آسمون ببینیم؟ بله، درسته! هروقت که به اندازه‌ی کافی به خورشید نزدیک بشه و در اثر گرمای خورشید سر و کله‌ی گازهای متصاعدشده و نوری که منتشر می‌کنن پیدا شه.خب حالا بریم سراغ معرفی مهمون عزیزمون یعنی دنباله‌دار «C/2023 A3». این اسم به نظرتون از کجا اومده؟ این اسم یه جورایی یه شناسنامه‌ی کوچیک و مختصر برای این دنباله‌داره که با اسم سوچینشان اطلس هم شناخته می‌شه. بیاین یکم بشکافیمش.در یکی از سایت‌های خبری چشمم به یک عبارت عجیب در مورد این مهمونمون خورد. نوشته بود «مهمون ناخونده» یا شایدم «مهمون سرزده»! اما اصلا کی گفته سوچینشان اطلس سرزده به سراغمون اومده؟ من که مطمئنم ۸۰ هزار سال پیش که این دنباله‌دار دیده شده مثل‌ دنباله‌دار هالی‌ که وقتی سال ۱۹۸۶ مشاهده شد باهامون قرار گذاشت ۲۰۲۶ دوباره سراغمون بیاد، قرار ملاقات بعدی رو تنظیم کرده. به نظرتون اینکه دنباله‌دارها از زمان ملاقات بعدیشون خبر دارن، یعنی چی؟اینجا ما متوجه می‌شیم که حرکت بیشتر دنباله‌دارها هم مثل حرکت ما به دور خورشید یا حرکت ماه به دور زمین متناوبه و این یعنی پیدا شدن سر و کله‌ی مدار. بله بیشتر دنباله‌دارها هم مدار دارن، مدارهایی اغلب بیضی‌شکل. احتمالا شکل زیر بهتون کمک می‌کنه که مدار دنباله‌دار و دور و نزدیک شدن به خورشید و در نتیجه درخشش موقت رو بهتر درک کنید.(راستی برای آشنایی بیشتر با مدارها به نوشته‌ی «دو ماه، دوماه!» از ضحی صمدی که به مناسبت هفته جهانی فضا منتشر شده سر بزنید!)خب دوباره برگردیم به اسم جناب دنباله‌دار و بگم اصلا چرا حرف تناوب رو پیش کشیدم. اینا رو براتون گفتم که آشنایی با اسم «C/2023 A3» رو با حرف C شروع کنم. ما اطلاعات مربوط به تناوب دنباله‌دارها رو با یکی از حروف C یا P ،X ،D نشون می‌دیم.پیشوند P پیشوند دنباله‌داهای دوره‌ای، پیشوند C پیشوند دنباله‌دارهای غیردوره‌ای و پیشوند X مختص دنباله‌دارهاییه که نمی‌شه مدار معنی‌داری براشون محاسبه کرد. پیشوند D هم برای دنباله‌دارهاییه که دیگه وجود ندارن یا گمان می‌شه که ناپیدان.خب این‌جا یه سوال پیش میاد، مگه نگفتیم «C/2023 A3» هر ۸۰ هزار سال دیده می‌شه؟ پس چرا پیشوند c داره؟ پیشوند C برای دنباله‌دارهایی که مدارشون بیضی‌ کشیده‌ست و یک بار گردششون به دور خورشید مثل همین ۸۰ هزار سال خیلی طولانیه هم استفاده می‌شه و برای همین بر اساس دوره‌ تناوبی که داره بهش پیشوند C رو دادن.دنباله‌دار هالی یکی از دنباله‌دارهای معروفه که فکر کنم بیشتر از بقیه اسمش رو شنیدید. شاید بعضی جاها خونده باشید یا شنیده باشید که بهش می‌گن 1P/Halley. حالا می‌دونید در مورد هالی از P استفاده می‌کنیم چون دوره تناوب کوتاه ۷۶ ساله داره.عدد ۲۰۲۳ که در اسم مهمونمون نوشته شده به سال کشفش اشاره داره و A هم نشون‌دهنده‌ی اینه که در نیمه‌ی اول ماه کشف شده یا نیمه‌ی دوم. سوچینشان اطلس در نیمه اول ماه کشف شده که با A نشون داده شده. اگر جرمی در نیمه‌ی دوم کشف بشه از B برای معرفیش استفاده می‌کنیم.و در آخر هم میرسیم به عدد ۳. این عدد نشون میده که دنباله‌دارمون سومین جرم کشف‌شده در نیمه‌ی اول ماهه.خب حالا که با سوچینشان اطلس که با سرعت ۲۹۰,۶۶۴ کیلومتر بر ساعت داره حرکت می‌کنه، آشنا شدید یه خبر خوب براتون دارم، این دنباله‌دار یکی از دنباله‌دارهاییه که تقریبا می‌تونید با چشم غیرمسلح ببینیدش. سوچینشان یک ساعت قبل از طلوع خورشید در آسمون نیم‌کره‌ی شمالی رویت می‌شه و در ۱۲ اکتبر (۲۱ مهرماه) هم به نزدیک‌ترین فاصله‌ی خودش از زمین می‌رسه.راستی می‌تونید موقعیت مکانی C/2023 A3 رو در این لینک ببینید و محل حضورش رو پیدا کنید.اگر موفق به رصد این دنباله‌دار شدید حتما این تجربه رو با رستایی‌ها (@rastaiha_info) به اشتراک بذارید!رستایی باشید!-فاطمه ستوده رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Wed, 09 Oct 2024 19:12:41 +0330 https://virgool.io/@rastaiha/%D8%AF%D9%88-%D9%85%D8%A7%D9%87-%D8%AF%D9%88-%D9%85%D8%A7%D9%87-j1gdpuajhohf خبر مهم! خبر مهم!سیارکی به نام «PT5 2024» شاید برای مدتی در نقش ماه دوم کره‌ی زمین ظاهر می‌شود و پس از آن به سفرش در منظومه‌ی شمسی ادامه خواهد داد.احتمالا این خبر رو این چند روز زیاد شنیدید. اما آیا می‌دونید این پدیده چیه و چطور اتفاق میفته؟ اما 2024 PT5 چیه؟2024 PT5 یک جرم نزدیک به زمین با قطر تقریبی ۱۱ متره که توسط سامانه هشدار نهایی برخورد سیارک به زمین رصدخانه آفریقای جنوبی در ساترلند در 7 اوت 2024، یک روز پیش از نزدیک شدن به زمین کشف شد. این جسم به دور خورشید می‌چرخه، اما نزدیک شدن‌های آهسته و آرامی به منظومهٔ زمین – ماه انجام می‌ده.توی تصویری که می‌بینید، جرم صورتی رنگ 2024 PT5، جرم آبی رنگ زمین و جرم زرد رنگ ماهه. همچنین در تصویر مدار ماه به دور زمین و مسیر حرکت 2024 PT5 وقتی به زمین نزدیک می‌شه هم مشخصه. 2024 PT5 معمولاً به دور خورشید می‌چرخه و بخشی از یک کمربند سیارکی کوچک به نام کمربند آرجوناست که زمین را دنبال می‌کنه. این سیارک از 29 سپتامبر تا 25 نوامبر 2024 به‌طور موقت تحت تأثیر گرانش زمین قرار خواهد گرفت و سپس به مدار اصلی خود در اطراف خورشید بازخواهد گشت. این پدیده، که به عنوان «رویداد ماه کوچک» شناخته می‌شه، نسبتاً رایجه و برخی از سیارک‌ها می‌تونن به زمین بسیار نزدیک شن.چی‌شد که تو دام زمین افتاد؟همونطور که گفتیم، این سیارک یه مدار به دور خورشید داره، اما چی می‌شه که به سمت زمین میاد؟همونجور که می‌دونید، نیرویی بنیادی در طبیعت وجود داره به اسم نیروی گرانش. هر موجودی در عالم که جرم داره، به هر موجود جرم‌دار دیگه‌ای نیرو وارد می‌کنه که طبق محاسبات و مشاهدات نیوتن، از رابطه زیر تبعیت می‌کنه:که در این رابطه، G ثابت جهانی گرانش، M1 و M2 جرم دو موجودیه که نیروی گرانش رو بینشون حساب می‌کنیم و r فاصله‌ی بین دو جسممونه. (جالبه بدونید که این نیرو همواره به شکل جاذبه‌ست.)وقتی این سیارک در مدارش به دور خورشید تا حدی به زمین نزدیک می‌شه، تحت نیروی گرانش زمین منحرف می‌شه و مسیرش اندکی تغییر می‌کنه و به اصطلاح تو دام گرانشی زمین میفته.ما می‌دونیم که ماه هم تحت نیروی گرانش به زمین جذب می‌شه. اینجا دو تا سوال به وجود میاد که سعی میکنیم بهش جواب بدیم.سوال اول، اگر این اجسام دارن مثل قطب‌های ناهمنام آهن‌ربا جذب هم می‌شن، چرا مثل سیب روی زمین سقوط نمی‌کنن؟و سوال دوم، اینکه چرا یسری اجرام به حرکت دورانیشون ادامه می‌دن، مثل ماه دور زمین و زمین دور خورشید که حرکت تناوبی دارن، ولی یسری اجرام میان یه دوری می‌زنن و می‌رن، مثل همین سیارک خبر ما؟سوال اول) چرا ماه سقوط نمی‌کنه؟برای درک جواب این سوال، بیایید یک آزمایش ذهنی انجام بدید، فرض کنید یک توپ رو به نخ بستید و داری بالای سرتون می‌چرخونیدش. اگر نخ ناگهان کنده بشه چه اتفاقی برای توپ میفته؟ درسته، پرت می‌شه دور! پس درواقع این نخه که باعث چرخش توپ به دور شما می‌شه. اینجا هم ماه، در ابتدای پیدایش سیستم زمین-ماه، سرعت اولیه داشته و جاذبه زمین مثل نخ عمل می‌کنه و ماه رو به دور خودش نگه می‌داره.و این موضوعه برای همه اجرام دوار صحیحه. مثلا زمین یا دیگر سیارات منظومه شمسی که به دور خورشید می‌گردن یا خود خورشید که به دور مرکز کهکشان راه شیری می‌گرده.سوال دوم) حرکت تناوبی چطور اتفاق میفته؟برای جواب به این سوال لازمه یسری مفاهیم اولیه رو بلد باشیم.اولین مفهوم، انرژی پتانسیله. در فیزیک انرژی پتانسیل صورتی از انرژیه که در یک سامانه به‌صورت نهفته وجود داره و قابل‌تبدیل به انرژی جنبشیه. (چون می‌دونیم که انرژی از بین نمی‌ره یا ایجاد نمی‌شه، بلکه از شکلی به شکل دیگه تبدیل می‌شه.)انرژی پتانسیل ناشی از نیروی F به صورت ریاضی به این شکل تعریف می‌شه:که در آن F نیرو، U انرژی پتانسیل و x مکان است.انرژی پتانسیل گرانشی که ناشی از نیروی گرانشه، با حرکت دادن جسم در خلاف جهت نیروی گرانشی در جسم ذخیره می‌شه. انرژی پتانسیل گرانشی در کره زمین به انرژی ذخیره شده در جسم بخاطر ارتفاع از سطح زمین گفته می‌شه.در این رابطه m مقدار جرم جسم, g شتاب گرانش نسبت به سطح زمین و h ارتفاع یک جسم نسبت به سطح مبدا پتانسیل ماست.مفهوم بعدی، انرژی جنبشیه.هر جسمی که حرکت می‌کنه انرژی داره و انرژی وابسته به حرکت یک جسم را انرژی جنبشی اون می‌نامیم؛ ضمن اینکه انرژی جنبشی وابسته به جابه جایی نیست بلکه وابسته به سرعت یک جسم دارای حرکته.هر چه جسم سریع‌تر باشد انرژی جنبشی آن بزرگ‌تر و انرژی جنبشی اجسام ساکن برابر صفر است.انرژی جنبشی از رابطه زیر محاسبه می‌شه:که در این رابطه، m جرم جسم و v سرعت جسمه.مفهوم آخر، انرژی مکانیکیه.به مجموعه انرژی جنبشی و پتانسیل، انرژی مکانیکی می‌گیم.مثالی از انرژی مکانیکی: ماهواره در مدارهای معین و تندی ثابت دور زمین می‌چرخن، همان‌طور که می‌دونیم نیروی خالصی (نیروی وزن) همواره بر ماهواره وارد می‌شه اما چطور امکان داره با وارد شدن نیرو وزن به ماهواره، انرژی جنبشی و شتاب آن ثابت باقی بمونه؟نیروی خالص وارد بر ماهواره عمود بر جهت جابه جاییه پس کار کل ماهواره صفر ه، از طرفی با توجه به قضیه کار و انرژی (work=k=k2-k1) تغییرات انرژی جنبشی هم صفره پس انرژی جنبشی و شتاب ثابت باقی می‌مونه.اما از طرفی، سیارات کروی اند، تقارن کروی دارن و نیروی وارده، مرکزگراست، پس طی معادلاتی، بخش شعاعی، تحت انرژی پتانسیل متفاوتی از اون چیزی که گفتیم قرار می‌گیره و در نهایت، یک پتانسیل موثر به جسم وارد می‌شه که نمودارش به شکل زیره.حالا فرض کنید چند جسم با انرژی مکانیکی های متفاوت تو این پتانسیل قرار میگیرن، بنظرتون چطور رفتار می‌کنن؟به این سه مدل انرژی مکانیکی نگاه کنید، آیا میتونید تشخیص بدید یک جسم با هر کدوم از این انرژی جنبشی ها چطور حرکت می‌کنه؟مثلا برای E1، همونطور که می‌بینید نمودار پتانسیل موثر رو فقط در یک نقطه قطع کرده، چه نقطه‌ای؟ یک نقطه با شعاع ثابت. که می‌شه چه شکلی؟ دایره.پس جرم با انرژی مکانیکی E1 تو یه مدار دایره ای شکل دور جرم مرکزی می‌گرده.حالا می‌تونید تشخیص بدید جرمی با انرژی E2 چه شکلی حرکت می‌کنه، E2 نمودار پتانسیل موثر رو تو دو نقطه قطع کرده، یکی با شعاع بیشتر و یکی با شعاع کمتر، یعنی این جرم، تو یه مدار بیضوی به دور جرم مرکزی گردش می‌کنه.‌تو این دو مورد دیدیم که هر دوشون تو یه مدار تکرار شونده حرکت میکنند و اصطلاحا در یک مدار مقید قرار دارن. حالا می‌رسیم به E3 که فقط یک بار نمودار پتانسیل موثر رو قطع کرده. بنظرتون معنی این اتفاق چیه؟این به این معنیه که جرم با انرژی مکانیکی E3، فقط یکبار به یک فاصله حداقلی از جرم مرکزی می‌رسه، و بعدش با اون خداحافظی می‌کنه و ازش دور می‌شه، و دیگه به طور تناوبی و تکرار شونده به دور اون نمی‌چرخه.این توصیف نشون می‌ده که اجرام با انرژی مکانیکی منفی، گیر جرم مرکزی میفتند و دورش تناوب می‌کنن، مثل ماه به دور زمین یا زمین به دور خورشید. اما اجرام با انرژی مکانیکی مثبت به جرم مرکزی نزدیک میشن، بعد ازش دور می‌شن و تا بینهایت به مسیرشون ادامه میدن تا شاید تو این مسیر به دام یک جرم دیگه بیفتن.حالا احتمالا درکی داریم که پدیده ماه کوچک چطور اتفاق میفته و این سیارک چطور تو دام سیاره آبی دوست‌داشتنی ما افتاده و چرا مهمون دائمی ما نیست و بعد از مدت کوتاهی با ما خداحافظی می‌کنه.رستایی باشید!_ضحی صمدی رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Mon, 07 Oct 2024 19:48:29 +0330 https://virgool.io/@rastaiha/%D8%A7%D9%86%D8%AA%D8%AE%D8%A7%D8%A8-%D8%B1%D8%B4%D8%AA%D9%87-%DA%A9%D8%A7%D8%B1%DA%AF%D8%A7%D9%87-%D9%87%D8%A7%DB%8C-%D8%B1%D8%B3%D8%AA%D8%A7-%D9%85%D8%B1%D8%A8%D9%88%D8%B7-%D8%A8%D9%87-%DA%86%D9%87-%D8%AF%D8%B1%D9%88%D8%B3-%D9%88-%D8%B1%D8%B4%D8%AA%D9%87-%D9%87%D8%A7%DB%8C-%D8%AF%D8%A7%D9%86%D8%B4%DA%AF%D8%A7%D9%87%DB%8C-%D9%87%D8%B3%D8%AA%D9%86-hqelaxqcayz0 کارگاه رمزنگاری و کارگاه الگوریتمسلام به شما و بچه‌های عزیز! مباحثی که داخل کارگاه ما گفته شد، اغلب‌ از مباحث ابتدایی درس امنیت از رشته‌ی مهندسی کامپیوتر و همین طور درس رمزنگاری در رشته‌ی مهندسی برق بودن.اگر بخوام اول روشن کنم که این موضوعات و دروس کجا به کار میان، باید بگم که در همون حوزه‌ی امنیت و طراحی سیستم‌های نفوذناپذیر، انتقال اطلاعات امن و این دست مباحث می‌تونیم کاربرد این دروس رو ببینیم.حالا این دروس و فیلدهای کاری رو می‌شه از دو سه تا رشته پیگیری کرد. یکیش رشته‌ی برقه که اگر علاقه دارین به این حوزه می‌تونید در راستای دکترای رمزنگاری حرکت کنید. دروسی مثل ریاضیات رمزنگاری و رمزنگاری شبکه‌محور و ... هم در رشته‌ی برق ارائه می‌شن که می‌تونید در طول دوره‌ی تحصیل کارشناسی یا ارشد سراغشون برید.رشته‌ی کامپیوتر هم دروسی مثل امنیت، رمزنگاری کاربردی و ... داره که مرتبط می‌شه با امنیت اطلاعات و شبکه و ... که تفاوتش با برق اینه که توی رشته‌ی برق، بیش‌تر روی خود موضوع رمزنگاری کار می‌شه ولی داخل رشته‌ی کامپیوتر امنیت کلی سیستم‌ها مدنظر قرار می‌گیرن که رمزنگاری زیر مجموعه‌ای از اونه.البته که رشته‌ی علوم کامپیوتر هم درسی به اسم مقدمه‌ای بر رمزنگاری داره اما در این درس روی این موضوع خیلی عمیق نمی‌شن.کارگاه الگوریتم پارسال رو می‌تونیم تقریبا به دو بخش تقسیم کنیم. بخش اول مربوط به شبکه و اینترنت بود که خیلی مستقیم به درس «شبکه‌های کامپیوتری» دانشکده‌ی مهندسی کامپیوتر مرتبط می‌شه. کاربردش هم بخوام واضح بگم، می‌تونم اشاره کنم به نحوه ساخت اینترنت، طراحی شبکه، اتصال مجموعه سرورهای داخل شرکت‌ها و لینک کردن این‌ها به هم‌دیگه و این طور موضوعات.بخش دوم کارگاه هم که حول موضوع الگوریتم و گراف بود، کاملا مرتبط با درسی به اسم «بازیابی اطلاعات» در رشته مهندسی کامپیوتره. کلیت درس اینه که یه سیستم اطلاعاتی داریم و می‌خوایم داخلش سرچ کنیم و این که چه طوری به صورت بهینه اطلاعات رو پیدا کنیم و… در اون بررسی می‌شه و مباحثی مثل یادگیری ماشین و جبر خطی در اون دخیلن.نمونه‌شون Chat gpt و Copilot هست که جواب سوالات رو می‌دن. این‌ها یک بخش بازیابی اطلاعات دارند که به چه شکلی داخل اطلاعات سرچ کنن تا بتونن پاسخ سوالات رو سریع، بهینه و دقیق ارائه کنن.به صورت کلی می‌تونیم این دروس و این بخش از کارگاه رو به هوش مصنوعی و کمی هم به الگوریتم ربط‌ بدیم. در واقع ترکیبی از هوش مصنوعی و الگوریتمه که وزن هوش مصنوعی توش بیش‌تره.طبیعتا رشته‌ی اصلی‌‌ای که بشه با توجه به این کارگاه سراغشون بریم هم همون رشته‌ی مهندسی کامپیوتر و در مرحله‌ی بعدی رشته‌ی برق هستش.امیدوارم توضیحاتم کمکتون کرده باشه!کارگاه نوروساینس کارگاهی که ما ارائه کردیم به طور خاص به مباحث علوم اعصاب و به خصوص علوم اعصاب بینایی و همینطور یادگیری عمیق مربوط می‌شدن.دروس آموزش عمیق یا همون deep learning رو دانشکده‌هایی مثل مهندسی کامپیوتر، برق و علوم کامپیوتر ارائه میدن و درس علوم اعصاب رو که یک درس میان‌‌ رشته‌ای به حساب میاد رو می‌تونیم به خود رشته برق و حتی رشته‌ی روانشناسی ربط بدیم.انتخاب رشته - کارگاه‌های رستا مربوط به چه دروس و رشته‌های دانشگاهی هستن؟ رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Mon, 09 Sep 2024 22:32:35 +0330 https://virgool.io/@rastaiha/%D8%A7%D9%86%D8%AA%D8%AE%D8%A7%D8%A8-%D8%B1%D8%B4%D8%AA%D9%87-%DA%A9%D8%A7%D8%B1%DA%AF%D8%A7%D9%87-%D8%A8%D9%87%DB%8C%D9%86%D9%87-%D8%B3%D8%A7%D8%B2%DB%8C-%D8%A8%D9%87-%DA%86%D9%87-%D8%AF%D8%B1%D8%B3-%D9%88-%D8%B1%D8%B4%D8%AA%D9%87-%DB%8C-%D8%AF%D8%A7%D9%86%D8%B4%DA%AF%D8%A7%D9%87%DB%8C-%D9%85%D8%B1%D8%A8%D9%88%D8%B7%D9%87-yj3glrxbwfi4 یکی از کارگاه‌های مدرسۀ تابستانۀ ۱۴۰۲ کارگاه «مدل‌سازی و بهینه‌سازی» بود. در این کارگاه با مسائل مختلف «بهینه‌سازی» آشنا شدیم و دیدیم که چطور می‌تونیم اون‌ها را حل کنیم، به این معنا که بهترین تصمیم‌ رو از بین تعداد زیادی تصمیم‌ِ ممکن پیدا کنیم؛ این تصمیم می‌تونست این باشه که با منابع محدودی که داریم، از هر محصول چقدر تولید کنیم تا بیشترین سود رو داشته باشیم؛ یا اینکه مراکز اورژانس رو در چه نقاطی از شهر قرار بدیم که با کمترین تعداد بتونیم تمام مناطق شهر رو پوشش بدیم.به علمی که به مدل‌سازی و حل چنین مسائلی می‌پردازه بهینه‌سازی/برنامه‌ریزی ریاضی (Mathematical Programming/Optimization) یا تحقیق در عملیات (OR: Operations Research) هم می‌گن. به طور خلاصه کارش توسعه و تحلیل‌های مدل‌های ریاضی‌ایه که قراره در یک تصمیم‌گیری مشخص، یعنی یافتن بهترین گزینه از بین تمام تصمیم‌های ممکن، به ما کمک کنه.آغاز این علم به شکل مدرنش تقریباً برمی‌گرده به اواسط قرن بیستم و مشخصاً کاربردهای این علم رو در جنگ‌ جهانی دوم و بعد با توسعۀ اون در سال‌های بعد در حوزه‌های مختلف، در مهندسی و مدیریت کسب‌وکار، عملیات‌های کارخانه و خلاصه هرجا که درش یک تصمیم‌گیری کمّی‌ دخیله، می‌شه پیدا کرد.ما برای حل مسائلی که در کارگاه دیدیم، روش‌های حل مختلفی رو به کار بردیم. مهم‌ترین روش که در واقع مشترک بین همۀ مسائل بود روش برنامه‌ریزی خطی (Linear Programming) بود. اولین گام این روش این بود که مسائل رو در یک چارچوب ریاضی مشخص بنویسیم و بعد با استفاده از روش‌های موجود این مسائل رو حل کنیم. در واقع مهم‌ترین چالش و قسمت جذاب ماجرا اینه که چطور می‌تونیم مسائلمون رو در قالب یه تعداد متغیر و معادله، مدل بکنیم.از لحاظ رشتۀ دانشگاهی در مقطع کارشناسی، رشته‌های علوم کامپیوتر و مهندسی صنایع به این درس به طور جدی می‌پردازن، هرچند با رویکرد کمی متفاوت. در رشتۀ مهندسی صنایع، ۸ واحد به مبانی نظری این علم اختصاص داره و بعد در درس‌های دیگه، از جمله مدیریت زنجیره تامین و برنامه‌ریزی حمل‌ونقل، از کاربردهای این علم استفاده میشه. البته که در مقطع کارشناسی در نهایت به طور محدودی به این موضوع پرداخته می‌شه و علاقه‌مندان می‌تونن در گرایش «بهینه‌سازی سیستم‌ها» در مقطع ارشد این علم رو به صورت تخصصی یاد بگیرن. برای مطالعۀ‌ بیشتر پیشنهاد می‌کنیم کلیدواژه‌هایی مثل بهینه‌سازی ریاضی یا تحقیق در عملیات رو جستجو کنید. همچنین می‌تونید نگاهی بندازید به مسائل جالب معروفی که وجود داره، مثلاً:- مسائل کوله‌پشتی (Knapsack Problems)- مسئلۀ فروشندۀ دوره‌گرد (Travelling Salesman Problem)- مسئلۀ مکان‌یابی تجهیزات(Facility Location Problem)- مسئلۀ برش (Cutting Stock Problem)- و مسئلۀ تخصیص (Assignemnt Problem) رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Mon, 09 Sep 2024 22:29:44 +0330 https://virgool.io/@rastaiha/%D8%A7%D9%86%D8%AA%D8%AE%D8%A7%D8%A8-%D8%B1%D8%B4%D8%AA%D9%87-%DA%A9%D8%A7%D8%B1%DA%AF%D8%A7%D9%87-%D8%A8%D9%87%DB%8C%D9%86%D9%87-%D8%B3%D8%A7%D8%B2%DB%8C-%D8%A8%D9%87-%DA%86%D9%87-%D8%AF%D8%B1%D8%B3-%D9%88-%D8%B1%D8%B4%D8%AA%D9%87-%DB%8C-%D8%AF%D8%A7%D9%86%D8%B4%DA%AF%D8%A7%D9%87%DB%8C-%D9%85%D8%B1%D8%A8%D9%88%D8%B7%D9%87-uo1shvqgjzrh کارگاه فیزیک ۱۴۰۳ و ۱۴۰۲سلام! موضوع کارگاه فیزیک امسال «بارش شهابی» بود. اما چیزی که برای بچه‌ها جالب بود، اینه که توضیح همین عبارت ساده چه گستره‌ی وسیعی از علوم مختلف رو در بر می‌گیره که این دقیقا یعنی فیزیک‌! یعنی فیزیک به عنوان یک علم مادر می‌شه بستر تولد علوم مختلف و در ادامه ختم می‌شه به مهندسی‌ها و کاربردهای جورواجور دیگه. امسال «بارش شهابی» بود. اما چیزی که برای بچه‌ها جالب بود، اینه که توضیح همین عبارت ساده چه گستره‌ی وسیعی از علوم مختلف رو در بر می‌گیره که این دقیقا یعنی فیزیک‌! یعنی فیزیک به عنوان یک علم مادر می‌شه بستر تولد علوم مختلف و در ادامه ختم می‌شه به مهندسی‌ها و کاربردهای جورواجور دیگه.ما امسال یک خبر نجومی در رابطه با بارش شهابی برساوشی رو کلمه به کلمه شکافتیم و کشف کردیم. مفاهیمی که در این راستا در کارگاه مطرح شد، اثرات ترمودینامیکی برخورد شهاب سنگ، طیف سنجی و سوختن، تناوب، توابع آماری، خطای دید در تشخیص کانون و مفهوم قدر ظاهری رو بررسی کردیم که هر کدوم از این‌ها در علوم و مهندسی‌های مختلف کاربرد‌ دارن. مثلا توابع آماری در بررسی عوامل اجتماعی و علوم انسانی و مهندسی‌هایی مثل مهندسی برق و مواقعی که نیاز به پیش‌بینی داریم خیلی استفاده می‌شه یا بحث طیف‌سنجی درون دانشکده‌هایی مثل شیمی و مهندسی شیمی ارائه می‌شه و کاربردهای زیادی داره. ترمودینامیک هم اساس مکانیک سیالات و مهندسی شیمیه.همین‌طور که می‌بینید رشته‌های زیادی با این مفاهیم درگیرن اما نزدیک‌ترین رشته که در کنار بررسی همه‌ی این موضوعات واحدهایی در رابطه با نجوم هم ارائه می‌ده، رشته‌ی فیزیکه. کارگاه موج پارسال این‌طور بود که ابتدا با مفهوم اولیه موج و توابع سینوسی آشنا می‌شدیم و بعد با درک مفاهیم جمع و تداخل امواج و شناختن خواص موج به سمت کاربردهای موج حرکت می‌کردیم. کاربردهایی مثل قابلیت noise cancellation در هندزفری‌ها، اهمیت موج و ارتعاشات در مباحث عمرانی، نحوه ساخت و استفاده از سازهای موسیقی، موج ایستاده در ساخت ماکروفرها و … .فکر کنم با خوندن توضیحات بالا متوجه شدید که علاوه بر رشته‌ی فیزیک بسیاری از مهندسی‌ها مثل مکانیک و عمران و … هم چنین پدیده‌هایی رو بررسی می‌کنن.امیدوارم این توضیحات براتون مفید باشه!کارگاه ماشین خودرانسلام! کارگاه ما از چند بخش تشکیل شده بود که تک تک سعی می‌کنیم راجع بهشون صحبت کنیم. کلیت کارگاه حول موضوع علوم کامپیوتر و آشنایی با الگوریتم‌های حل مسئله و تفکر الگوریتمی آماده و ارائه شد که خود بحث الگوریتم از دروس مهم رشته‌های مهندسی کامپیوتر و علوم کامپیوتره.یکی از بخش‌های کارگاه مربوط به پردازش تصویر و آموزش نحوه‌ی استفاده از سنسورها و تصویرها برای تبدیل یک نمای دو بعدی به اطلاعات سه بعدی مورد نظرمون بود. این بخش با مبحث پردازش تصویر در ارتباطه که دانشجوهای علوم کامپیوتر در مقطع کارشناسی ارشد با اون مواجه می‌شن. البته که دانشجوهای هر دو رشته‌ی علوم کامپیوتر (cs) و مهندسی کامپیوتر (ce) می‌تونن درس مقدمات پردازش تصویر رو در مقطع کارشناسی بگذرونن.بخش اصلی کارگاه رو اما موضوع یادگیری ماشینی به خصوص بحث شبکه‌های عصبی تشکیل می‌داد که این مباحث که با موضوع هوش مصنوعی هم مرتبطن در هر دو رشته‌ی c‌s و ce در مقطع کارشناسی ارائه می‌شن و از دروس مهم در حوزه‌ی هوش مصنوعی هستن.در نهایت دوتا مسئله رو باید به دانش‌آموزهای عزیز بگم.یک این که تمام نکات گفته‌شده ممکنه بر اساس جدول و سیلابس درسی در هر دانشگاهی متفاوت باشه، پس حتما اگر علاقه‌مند هستین به این رشته‌ها و دروس تحقیق کنید که در دانشگاه موردنظرتون این رشته شامل چه دروسی هستش. نکته‌ی دوم هم در مورد اشتراک دو رشته‌ی علوم کامپیوتر و مهندسی کامپیوتره و ممکنه این سوال پیش بیاد که پس این دو رشته چه تفاوتی با همدیگه دارن. جواب ساده به این سوال اینه که توی دانشگاه‌های کشور ما، مباحث نام‌برده و کلیه‌ی مباحث مشترک بین این دو رشته، داخل رشته‌ی علوم کامپیوتر تئوریک‌تره و مباحث ریاضیاتی بیشتری هم داره. اما مهندسی کامپیوتر شاید کمی کاربردی‌تر و همین طور در بخش‌هایی درگیر با سخت‌افزار و کد زدن باشه.امیدوارم که این نکات کمک‌کننده بوده باشه.موفق باشید!کارگاه نظریه بازی و کارگاه بلاکچینکارگاه نظریه بازی بیشتر حول دروس ریاضی‌محور و مباحث احتمال و پیش‌بینی می‌گشت.این مباحث نه فقط تو علوم مهندسی مثل کامپیوتر، صنایع و ... بلکه در مباحثی مثل اقتصاد، علوم انسانی و جامعه‌شناسی هم کاربرد داره. برای مثال بررسی و پیش‌بینی مسئله‌هایی راجع‌ به اینکه جامعه و مردم در این موقعیت چه تصمیمی خواهند گرفت؟ و یا در بحث کامپیوتر، این‌ که مخاطبین یک سایت، چه زمانی بیشترین ورود و خروج را به سایت خواهند داشت و… تمام اینا زیرشاخه‌ی بحث احتمال و نظریه‌بازی خواهند بود.رشته‌های ریاضی و علوم کامپیوتر، رشته‌هایی هستن که دروسی رو راجع به این موضوعات ارائه می‌دن. پس اگر علاقه‌مند بودید می‌تونید سراغشون برید.کارگاه بلاکچین به صورت تخصصی به دو شاخه شبکه و سیستم‌های توزیع‌شده تقسیم می‌شد. داخل این کارگاه راجع به چگونگی عملکرد شبکه‌ها و بالا بردن امنیت شبکه‌ها و ... صحبت می‌شد و بحث امنیت هم مرتبط با مباحث رمزنگاری بودن.اصل قضیه و کلیت بلاکچین، مرتبط با مبحثی به نام سیستم‌های توزیع‌شده هستش که در اصل از رمزنگاری استفاده می‌شه. بیشتر این مباحث تئوریک در رشته‌های ریاضی و علوم کامپیوتر مطرح می‌شن.اما خود بخش شبکه‌های توزیع‌شده به صورت کلی‌تر داخل رشته مهندسی کامپیوتر مطرح می‌شه ولی درسی به صورت تخصصی به نام بلاکچین در رشته‌های دانشگاهی ارائه نمی‌شن. . رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Mon, 09 Sep 2024 22:09:43 +0330 https://virgool.io/@rastaiha/%D8%A7%D9%86%D8%AA%D8%AE%D8%A7%D8%A8-%D8%B1%D8%B4%D8%AA%D9%87-%DA%A9%D8%A7%D8%B1%DA%AF%D8%A7%D9%87-%D8%A7%D9%82%D8%AA%D8%B5%D8%A7%D8%AF-%D8%A8%D9%87-%DA%86%D9%87-%D8%AF%D8%B1%D9%88%D8%B3-%D9%88-%D9%88%D8%A7%D8%AD%D8%AF%D9%87%D8%A7%DB%8C-%D8%AF%D8%A7%D9%86%D8%B4%DA%AF%D8%A7%D9%87%DB%8C-%D9%85%D8%B1%D8%AA%D8%A8%D8%B7%D9%87-ia2d8imd1riy سلام به شمایی که داری انتخاب رشته می‌کنی و برات سوال شده رشته‌ی اقتصاد چیه!قبل از هر چیز این رو بگم که من از مقطع ارشد وارد رشته‌ی اقتصاد شدم و در مقطع کارشناسی مهندسی خوندم؛ پس ممکنه به اندازه کسی که کارشناسی اقتصاد خونده نتونم کمکت کنم. اینجا هم قرار نیست راجع به رشته‌ی اقتصاد در مقطع کارشناسی یا ارشد صحبت کنم؛ بلکه می‌خوام راجع به علم اقتصاد به عنوان یکی از علومی که ممکنه باهاش همراه بشی و یک مسیر طولانی رو باهاش زندگی کنی، توضیح بدم.از دو دریچه می‌خوام به این مسئله نگاه کنم. دریچه‌ی اول مربوط به مسیریه که در طول دانشگاه قراره با اقتصاد طی کنید و دریچه دوم مربوط به مسیر بعد از دانشگاه شما با اقتصاده.اول با دریچه‌ی دوم شروع می‌کنم؛ شما بعد از اتمام تحصیلتون در دانشگاه، با سه مسیر پیش‌ روتون مواجه می‌شین!مسیر اول همون مسیر دانشگاهیه؛ یعنی می‌تونید برید و در فضای علمی اقتصاد پژوهش کنید و به سوال‌هایی که بشر در علم اقتصاد داره، پاسخ بدید. احتمالاً استاد دانشگاه یا یک پژوهشگر در یک موسسه تحقیقاتی می‌شین و مقاله دادن و کلنجار رفتن شبانه‌روزی با دانشجوهاتون و دنبال کردن مجلات معتبر علمی، بخش مهمی از زندگیتون رو می‌سازن.مسیر دوم؛ مسیر سیاست‌گذاریه! غیرقابل‌انکاره که بسیاری از آدم‌هایی که سمت علوم انسانی میان، با دغدغه‌ی بهبود اوضاع کشورشون و اصلاح امورات حکمرانی مملکتشون وارد این عرصه شدن. یکی دیگه از کارهایی که به عنوان یک اقتصادخونده می‌تونید انجام بدید، همین کار سیاست‌گذاریه. مسائل مربوط به اقتصاد کشور رو می‌ذارید وسط و تا می‌تونید با اون‌ها کلنجار می‌رید تا براش راه‌حل ارائه بدید. محل کارتون هم احتمالاً اندیشکده‌ها و موسسات تحقیقاتی وابسته به وزارت‌خونه‌ها و مراکز سیاستی هست.مسیر سوم هم مسیر بیزینسه؛ با علمی که کسب کردید می‌تونید وارد یک کسب و کاری بشید و از محل اون پول دربیارید. چندتا از بیزینس‌هایی که معمولاً بچه‌ها سراغش می‌رن؛ صنعت مشاوره، صنعت مالی و بانکداری‌عه. البته کارهای بسیار زیاد دیگه‌ای هم می‌تونید در فضای کسب و کار انجام بدید.برگردیم سر دریچه اول :)شاید توضیح دادن اینکه علم اقتصاد چیه و به‌ دنبال چی می‌گرده، خیلی سخت باشه و نشه مرز مشخصی بین اقتصاد و سایر علوم انسانی و یا حتی مهندسی ایجاد کرد.ولی اون‌چه که من از اقتصاد می‌فهمم، اقتصاد بر پایه همین اصولیه که تو کارگاه بهش پرداختیم. منابع محدوده، در تصمیماتمون باید هزینه فرصت رو درنظر بگیریم و بده‌بستان جزء جدایی‌ناپذیر از زندگی روزمره ماست.حالا این پایه‌ها، به انضمام یک سری مشاهدات و دیتاهایی که از دنیای واقعی سرچشمه می‌گیره یک‌ سری اتفاقاتی رو رقم می‌زنن و اقتصاددان‌ها سعی می‌کنن اون‌ها رو با داشته‌هاشون مدل‌سازی کنن و توضیح بدن! انقدر اقتصاد گسترده‌ شده و تنه به تنه سایر علوم زده که نمی‌شه براش حد مشخصی گذاشت. اقتصاد خرد میاد و سعی می‌کنه روابط بین بنگاه‌ها و خانوارها رو مدل‌سازی کنه. اقتصاد کلان سعی می‌کنه تا به مسائل کلان اقتصاد یک کشور مثل تورم و رشد و بی‌کاری بپردازه. اقتصادسنجی در پی اینه که علیت پیدا کنه! یعنی بفهمه چرا فلان اتفاق افتاد و منشا بهمان اتفاق چی بود! تا دلتون هم بخواد ذیل این‌ها، حوزه مطالعاتی شکل گرفته. اقتصاد محیط‌‌زیست، اقتصاد بخش عمومی، اقتصاد شهری، اقتصاد اجتماعی، اقتصاد دیجیتال و .‌‌.. تعدادی از اون‌هان.من سعی کردم خیلی مختصر به آن چه در دانشگاه خواهید دید و به آن چه بعد از دانشگاه باهاش مواجه می‌شید اشاره کنم. امیدوارم که مفید بوده باشه. البته حتماً نظر افراد دیگه رو هم بشنوید تا بتونید تصمیم بهتری بگیرید!خدا پشت و پناهتون. رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Mon, 09 Sep 2024 22:02:00 +0330 https://virgool.io/@rastaiha/%D8%AF%D9%84-%D8%AF%D8%B1-%D8%AC%D9%87%D8%A7%D9%86-%D9%85%D8%A8%D9%86%D8%AF-%D9%88-%D8%A8%D9%87-%D9%85%D8%B3%D8%AA%DB%8C-%D8%B3%D8%A4%D8%A7%D9%84-%DA%A9%D9%86-mcopjjocekos گمان می‌‌کنم که همۀ آدم‌ها به سؤالاتشان زنده‌اند؛ حتی اگر این را خودشان ندانند. اصلاً شاید هرکدام از ما با یک «کیسۀ سؤال» به دنیا آمده‌ایم. یک کیسۀ سؤال خیالی. نمی‌دانم که در زمان تولدمان، در این کیسۀ سؤال چیزی بوده یا این‌که مثل خودمان، پاک و خالی متولد شده؟هرکدام از ما مسیری داریم و مقصدی. اما در همین مسیر، چه سؤال‌ها که در کیسۀ سؤالمان جمع نمی‌شوند؛ انگار که هر چه بزرگ‌تر می‌شویم، کیسۀ سؤالاتمان هم پرتر می‌شود. شاید گاهی آن‌قدر لبریز از سؤال است که جای یک تک سؤال دیگر را هم ندارد. انگار که باید حتماً جواب یکی‌شان را پیدا کنیم و آن را از کیسۀ سؤالمان بیرون بیندازیم تا بتوانیم سؤال جدیدی را جایگزین آن کنیم.حال میان این‌ همه پیچ‌وخم دنیا، کجا باید دنبال پاسخ این سؤالات باشیم؟ شاید یکی‌شان درست همین جلوی پایمان افتاده باشد و نبینیمش. یکی شاید میان امواج متلاطم دریا باشد. دیگری شاید حک شده باشد روی آبی‌های آسمان. این را می‌دانم که پاسخ هرکدامشان جایی در این جهان پنهان شده است و منتظر ماست تا برویم و پیدایش کنیم. هر پاسخی باید جایی باشد. شاید ما نتوانیم پیدایشان کنیم. شاید که از دیده‌ها پنهان‌اند؛ اما یقیناً باید جایی باشند.هر آدمی برخوردش با کیسۀ سؤالش به سبک خودش است. یکی شاید همان ابتدای راه از سنگینی‌اش خسته شود و رهایش کند به امان خدا. دیگر سؤالی نداشته باشد که بخواهد دنبال پاسخش باشد. یکی شاید چندتایی را یواشکی بیرون بیندازد و با ریزبینی دنبال جواب باقی‌شان باشد. بعضی‌ها ممکن است کیسه‌شان را همان‌طور لبریز نگه دارند و خالی‌اش نکنند، اما به دنبال پیداکردن جواب هیچ‌کدامشان هم نباشند. همان‌طور سنگین‌بار بمانند با کیسۀ سؤال‌های بی‌جوابشان. برخی‌های دیگر هم ممکن است بااحتیاط مراقب کیسۀ سؤالشان باشند. چشمشان همواره به کیسه باشد تا مطمئن باشند سؤالی اشتباهی بیرون نمی‌ریزد. شاید سعی کنند همۀ نشانه‌های سر راهشان را برای پیداکردن پاسخ‌ها دنبال کنند. پاسخ‌هایشان را می‌یابند و پاسخ هر سؤال که پیدا شد، آن سؤال را از کیسه‌شان بیرون می‌اندازند. اما به گمانم کیسۀ سؤالاتشان هرگز خالی نمی‌شود. سؤالی می‌رود، اما سؤال جدید دیگری جای آن را در کیسه می‌گیرد.به‌هرحال این ماییم! انسان‌های پرسؤالِ کم‌جواب.با خودت فکر کن که تو با سؤالاتت چه‌گونه‌ای؟ کیسهٔ سؤالاتت کجاست؟ چه شکلی است؟ تابه‌حال شده جایی پاسخی برای سؤالی پیدا کنی؟ چه سؤالاتی در کیسه‌ات داری؟ به این سؤالات فکر کن! از کیسۀ سؤالت برای رستا بنویس و به @Rastaiha_info ارسال کن.نوشته‌ی نیلوفر لطیفیان رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Fri, 20 Oct 2023 16:46:57 +0330 https://virgool.io/@rastaiha/%D8%A8%D9%87-%DB%8C%DA%A9-%D8%B7%D8%B1%D8%A7%D8%AD-%D8%AC%D8%A7%D8%AF%D9%87%D9%94-%D8%A8%DB%8C%D9%86-%D8%B4%D9%87%D8%B1%DB%8C-%D9%86%DB%8C%D8%A7%D8%B2%D9%85%D9%86%D8%AF%DB%8C%D9%85-zcuv7bdjxuvn چهارتا شهر مثل شکل زیر روی چهار رأس یک مربع قرار گرفته‌ن. قراره که بین این چهارتا شهر، جاده کشیده بشه تا بشه از هر شهر به شهر دیگه سفر کرد. اما از اون‌جایی که هرچی جاده طولانی‌تر باشه، به مصالح بیشتری هم نیاز داریم، ادارهٔ راه و شهرسازی از ما خواسته که کوتاه‌ترین مسیر بین این چهارتا شهر رو پیدا کنیم. طول کوتاه‌ترین مسیری که این چهار شهر رو به هم وصل می‌کنه، چه‌قدره؟آیا می‌شه از پدیده‌های فیزیکی کمک گرفت و جواب این سوال رو پیدا کرد؟ راه‌حل‌هایی که به نظرت می‌رسن رو برامون (به آیدی Rastaiha_info در تلگرام) بفرست و منتظر یه جواب در شمارهٔ بعدی نیم‌خط باش!نوشته‌ی ریحانه قنبری رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Fri, 20 Oct 2023 16:31:02 +0330 https://virgool.io/@rastaiha/%D9%85%D9%8E%DA%A9%D8%A8%D9%90%D8%AF%D9%90%D8%BA-%D9%82%D8%B3%D9%85%D8%AA-%DA%86%D9%87%D8%A7%D8%B1%D9%85-mxvewxid7wjb برای باز شدن راه روبه‌رو، دنده‌عقب بگیر!مکبدغ چیست؟اگر حال ندارید تا شمارۀ چهار نیم‌خط(جایی که اولین متن از سریِ مکبدغ منتشر شد) بروید و ببینید مکبدغ چیست، همین‌جا می‌گویم که این کلمه، سرآیند «مفاهیم کامپیوتری برای دنیای غیرکامپیوتری» است. در سری متن‌های مکبدغ به دنبال این هستیم که کمی از دریچۀ کلمات کامپیوتری به دنیای اطرافمان نگاه کنیم.آن‌چه گذشتدر شمارۀ قبلی از مجموعۀ «مکبدغ» با مفهوم ددلاک (deadlock) آشنا شدیم. مثال علی و محمد را که می‌خواستند ناهار بخورند، یادتان هست؟ در آن مثال، علی و محمد روی هم رفته یک قاشق و یک چنگال بیشتر نداشتند، اما هر کدامشان برای این که ناهار بخورند نیاز به یک جفت قاشق و چنگال داشتند.گفتیم که اگر علی قاشق را و محمد چنگال را بردارد، آنگاه هیچ‌کدامشان نمی‌توانند ناهار بخورند و اگر یکی به نفع دیگری از خودگذشتگی نکند و قاشق یا چنگالش را به نفر مقابل ندهد، تا ابد در این وضعیت می‌مانند و از فرط گرسنگی می‌میرند!به این وضعیتی که علی و محمد در آن گیر افتاده‌اند، ددلاک (یا قفل مرگ) می‌گویند! اگر بخواهیم با کلمات کامپیوتری صحبت کنیم، در این مثال علی و محمد دو پردازه یا مصرف‌کنندۀ منابع یا process هستند که بر سر استفاده از دو منبع یا resource به نام قاشق و چنگال با هم رقابت می‌کنند.رانندگان در کوچۀ تنگدر مثالی دیگر، حالتی را تصور کنید که دو ماشین در کوچه‌ای تنگ روبه‌روی هم قرار گرفته‌اند.هرکدام از ماشین‌ها می‌خواهد مسیر مستقیم خود را ادامه دهد، اما ماشین دیگری بر سر راهش قرار دارد. به نظرتان ماشین‌ها در این حالت باید چه‌کار کنند؟مسلماً استفاده از فضای کوچه حق هر دو ماشین است. اما قبول دارید که اگر هر دو ماشین بر این اصرار بورزند که اِلّا و بِلّا من حق خودم را «همین الان» می‌خواهم و باید در همین لحظه جلو بروم، هیچ‌کدامشان نمی‌توانند از کوچه عبور کنند؟به نظر می‌رسد بهترین کار این است که یکی از ماشین‌ها برای مدت محدودی از حق خودش بگذرد و دنده‌عقب برود تا راه را برای ماشین دیگر باز کند. سپس وقتی ماشین دیگر رد شد، به مسیر خود ادامه دهد.حالا ددلاکِ این ماجرا کجا بود؟ اگر هر دو ماشین (پردازه یا مصرف‌کنندۀ منابع) بخواهند در یک لحظه از کوچه (منبع) استفاده کنند، به هیچ‌کدامشان منبع کافی نمی‌رسد و در نتیجه، نمی‌توانند به هدف خود که گذشتن از کوچه است برسند.کشورِ در حال پسرفتبه نظر شما یک کشور در حال پسرفت چه ویژگی‌هایی دارد؟ توجه کنید که پسرفت هم‌معنی عقب‌افتادگی و مخالف پیشرفت است.البته، من خودم هم جواب سوال بالا را نمی‌دانم! اما به نظرم همین که منابع و سرمایه‌های آن کشور به درستی استفاده نشود، یکی از دلایل پسرفت است.بیایید به مفهوم ددلاک در سطح یک کشور بنگریم و سعی کنیم به جای رئیس‌جمهور آن کشور بنشینیم و به مسئله نگاه کنیم. کشور من یک سری منبع یا resource دارد که لازم است آن‌ها را به بهترین نحو ممکن مدیریت کنم تا کشورم پیشرفت کند.مشخص است که منابع کشور من محدود هستند و مردم (پردازه‌ها) بر سر استفاده از آن‌ها به رقابت می‌پردازند. سوالی که ممکن است برایتان پیش بیاید این است که آیا منِ رئیس‌جمهور باید این منابع را به صورت مساوی بین مردم کشورم تقسیم کنم؟ به نظر جواب این سوال «خیر» است؛ چرا که مردم کشور من «ظرفیت»های مساوی‌ای ندارند که بخواهم منابع را هم به صورت مساوی بینشان تقسیم کنم؛ مثلاً، یکی از مردم کشورم نخبۀ علمی و اهل پژوهش و تحقیق است. مسلماً منِ رئیس‌جمهور باید سهم بیشتری از منابع کشور را به این فرد بدهم تا نسبت به یک فرد دیگر که صبح تا شب روی تخت‌خوابش مشغول ور رفتن با تلفن همراه است!از طرف دیگر، منِ رئیس‌جمهور باید حواسم به این هم باشد که کسی بیش از ظرفیتش منبع نگیرد یا کسی بدون منبع باقی نماند.حالا حالتی را در نظر بگیرید که عده‌ای سوءاستفاده‌گر، بر اثر مدیریت نادرست منِ رئیس‌جمهور، بیش‌ازحد از منابع کشور استفاده کنند. به ددلاک این ماجرا توجه کنید! آیا به نظرتان سوءاستفاده‌گری که بیشتر از منابع کشور استفاده می‌کند، زندگی‌اش بهتر می‌شود؟مشخص است که با استفادۀ بیش از اندازۀ سوءاستفاده‌گر از منابع کشور، فقیری به وجود خواهد آمد که دستش از این منابع کوتاه است. تا این‌جا که به نظر اوضاع به سود سوءاستفاده‌گر است؛ اما توجه کنید که هر دوی سوءاستفاده‌گر و فقیر، در یک کشور و در یک مجموعه قرار دارند و بر یکدیگر تأثیر می‌گذارند.مسلماً فقیری که دستش به منابع کشور نرسیده، دیر یا زود، مستقیم یا غیرمستقیم، اثر فقیر‌بودن خود را روی همان سوءاستفاده‌گر می‌گذارد؛ مثلاً ممکن است آن فقیر برای به دست آوردن پول، دست به خفت‌گیری از همان سوءاستفاده‌گر بزند و امنیت روانی و اجتماعی سوء‌استفاده‌گر را به خطر بیندازد.در این کشور، سوءاستفاده‌گر نسبت به فقیر از منابع بیشتری استفاده می‌کند، اما نتوانسته به هدفش که زندگی بهتر است برسد؛ چرا که امنیت روانی و اجتماعی ندارد. از آن طرف، فقیر هم نتوانسته به هدفش که زندگی بهتر است برسد؛ چرا که برای تأمین هزینه‌های زندگی با مشکل روبه‌رو شده و سختی می‌کشد. در این حالت سوءاستفاده‌گر و فقیر در ددلاک افتاده‌اند؛ چرا که کارشان به یکدیگر گره خورده و هیچ‌کدامشان به هدف خود که داشتن زندگی بهتر است، نرسیده‌اند.اگر از همان ابتدا، سوءاستفاده‌گر از منابع کشور در حد لازم استفاده می‌کرد، منابع به فقیر هم می‌رسید و فقیر، دیگر فقیر نبود و ددلاکی هم در کار نبود و زندگی برای جفتشان شیرین‌تر می‌شد…جمع‌بندیدر کل فهمیدیم که ددلاک چیز بدی است! حالتی است که در آن «پردازه‌ها» بر سر استفاده از «منابع» کارشان به هم گره می‌خورد و در این حالت، هیچ کدامشان نمی‌توانند به خوبی از منابع استفاده کنند و به هدف خود برسند.به عنوان جملۀ آخر از چهارمین قسمت مکبدغ، شما را به این توصیه می‌کنم که در حد نیاز از منابعی که در اختیارتان است استفاده کنید! هم‌چنین توجه کنید که طمع‌داشتن برای کسب منابع بیشتر، لزوماً به بهتر‌ شدن زندگی‌تان کمک نمی‌کند و اگر جایی احساس کردید دیگران به منابع شما احتیاج دارند، از خودگذشتگی کنید و منابعتان را بهشان بدهید و مطمئن باشید که با این کار، ماشین جلوی شما از کوچه رد می‌شود و راه شما هم باز می‌شود!نوشته‌ی سید علیرضا هاشمی رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Fri, 20 Oct 2023 15:54:56 +0330 https://virgool.io/@rastaiha/%D8%AC%D8%B9%D9%84-%D9%BE%DB%8C%DA%A9%D8%B3%D9%84-tbubudzkvvub عکس دیجیتال چیست؟برای ورود به دنیای عکس‌ها، ابتدا باید آن‌ها را بشناسیم؛ هر عکس دیجیتال شامل پیکسل‌هایی است و هر پیکسل از رنگ‌هایی ساخته شده است. احتمالاً رنگ‌های اصلی را می‌شناسید؛ رنگ‌های اصلی رنگ‌هایی هستند که همۀ رنگ‌ها را می‌توان از آن‌ها ساخت. رنگ‌های اصلی، قرمز (Red)، سبز (Green) و آبی (Blue) هستند که به اختصار از RGB استفاده می‌شود و به معنی سه رنگ اصلی است.پس می‌توانیم برداشت کنیم که هر عکس باید از سه بخش یا کانال که همان سه رنگ اصلی هستند تشکیل شده باشد. به بیان دقیق‌تر، عکس‌های دیجیتال از سه کانال RGB تشکیل شده‌اند. حال که شِمای کلی عکس را شناختیم، بیایید به بررسی جزئی‌تر هرکدام از کانال‌ها بپردازیم؛ هرکدام از کانال‌های عکس دیجیتال یک «عکس Grayscale» است. عکس‌های Grayscale، عکس‌هایی تک‌کاناله هستند که صرفاً اطلاعات شدت نور محیط را به ما منتقل می‌کنند. هرچه نور محیط بیشتر باشد، آن نواحی بیشتر به رنگ سفید هستند و هرچه نور کمتر باشد، آن قسمت‌ها سیاه‌تر هستند. حال باز هم بیایید جزئی‌تر به یک عکس نگاه کنیم و ببینیم:هرکدام از عکس‌های Grayscale شامل چه مواردی هستند. هر عکس Grayscale شامل پیکسل‌هایی است؛ پیکسل‌ها خانه‌هایی بسیار کوچک هستند که می‌توانند حامل مقادیر ۰ تا ۲۵۵ باشند. هرچه تصویر روشن‌تر باشد، مقدار پیکسل آن خانه بیشتر می‌شود. پس می‌توان گفت اگر مقدار آن پیکسل برابر ۲۵۵ باشد، آن خانه سفیدرنگ و اگر ۰ باشد، آن خانه سیاه‌رنگ است.حال بیایید باهم کانال‌های عکس پایین را دقیق‌تر بررسی کنیم:اگر بخواهیم هر سه کانال عکس را جدا کنیم، عکس‌های زیر را خواهیم داشت:حال پیش از این‌که به بررسی این بپردازیم که هر عکس مربوط به کدام کانال عکس اصلی ما است، سعی کنید پاسخ را خودتان پیدا کنید.با توجه به این‌که گفتیم در عکس‌های Grayscale فقط می‌توانیم شدت نور را از عکس متوجه شویم، عکسی که شدت نور رنگ قرمز در آن بیشتر است (یعنی LED قرمزرنگ در عکس اصلی در آن عکس سفیدتر باشد)، مربوط به کانال قرمزرنگ است. پس می‌توان نتیجه گرفت که عکس اول مربوط به کانال قرمزرنگ است. با همین استنباط می‌توان نتیجه گرفت عکس دوم مربوط به کانال آبی عکس اصلی و عکس سوم مربوط به کانال سبزرنگ است.احتمالاً در فتوشاپ یا نرم‌افزارهای ویرایش عکس دیده‌اید که اگر بخواهید یک رنگ بسازید، می‌توانید سه عدد R و G و B به نرم‌افزار بدهید و بعد رنگ را برای شما تولید کند. برای مثال در رنگ نارنجی، مقدار R برابر ۲۵۵، مقدار G برابر ۱۰۲ و B برابر ۰ است. حال اگر هر سه عدد R و G و B را برابر ۲۵۵ که بیشترین مقدار هر پیکسل است باشد، عکس سفیدرنگ خواهد شد.تشخیص و شناسایی اشیاحال که باهم عکس را شناختیم، می‌توانیم به سراغ شناسایی یکی از پرکاربردترین حوزه‌های بینایی ماشین و هوش مصنوعی برویم. ما هنگامی که می‌خواهیم بینایی ماشین را تعریف کنیم، می‌گوییم که یک سیستم برای درک محیط اطراف، می‌تواند همانند انسان اجسام را درک کرده و ببیند و برای این درک لازم است بتواند اشیا و اجسام اطرافش را ابتدا تشخیص دهد.برای این کار دو مرحله لازم است:۱) تشخیص این‌که چه جسمی در اطراف سیستم قرار دارد۲) تشخیص مکان دقیق جسمچند راه برای یافتن موارد فوق وجود دارد که یکی از آنها "Naive way" یا همان «روش تقسیم و حل (Divide and Conquer)» است که عکس را به چهار بخش مساوی تقسیم می‌کند. برای مثال داریم:حال اگر بخواهیم روش تقسیم و حل را روی عکس فوق پیاده کنیم داریم:بخش بالا و سمت چپ عکس:بخش بالا و راست عکس:بخش پایین و چپ عکس:بخش پایین و راست عکس:حال ماشین باید به کمک «الگوریتم‌های دسته‌بندی عکس (image classifier)»، در هر یک از این عکس‌های چهارگانه تحلیل کند که آیا عابر پیاده یا انسان در هرکدام از آن‌ها وجود دارد یا خیر. در صورتی‌ که وجود داشته باشد، آن بخش در عکس اصلی علامت‌گذاری می‌گردد. حال عکس خروجی چهار عکس قسمت‌بندی‌شدۀ بالا به‌صورت زیر است:این یک روش بسیار ساده و نسبتاً خوب است اما قطعاً این خروجی، با خروجی اولیۀ ما که در پایین می‌بینید بسیار متفاوت است و هدف این است که کل شیء یا فرد شناسایی گردد.روش تقسیم و حل، روشی بسیار ساده برای تشخیص اشیا بود و مدل‌های بیشتری هم وجود دارد که پیچیدگی بیشتری دارند؛ نظیر روش‌هایی که از یادگیری عمیق در شناسایی اشیا استفاده می‌کنند.پی‌نوشت: متن فوق در حاشیۀ کارگاه «جعل پیکسل» که با تمرکز بر علم پردازش تصویر و در مدرسه تابستانۀ ۱۴۰۰ رستا برگزار شد، نوشته شده است.نویسنده: ارشیا همت رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Wed, 19 Jul 2023 10:46:55 +0330 https://virgool.io/@rastaiha/%D9%81%DB%8C%D8%B2%DB%8C%DA%A9-%D9%88-%D9%BE%D8%B1%D9%88%D8%A7%D8%B2%D9%90-%D9%BE%D8%B1%D9%86%D8%AF%DA%AF%D8%A7%D9%86%D9%90-%D9%86%D8%A7%D8%B4%D9%86%D9%88%D8%A7-bsg7lrsaadpw همیشه این جمله رو شنیدیم که فیزیک علم بررسی و مطالعه‌ی طبیعته، اما اغلب چه چیزی از این جمله برداشت می‌کنیم؟ اینکه هدف فیزیک پیداکردن علت پدیده‌هایی هست که اطرافمون رخ می‌ده، برداشت خوبی از این عبارته، اما آیا این علم می‌تونه به سوالِ «چطور پرنده‌ها بدون صحبت‌کردن با همدیگه پرواز می‌کنن و به هم برخورد نمی‌کنن؟» هم جواب خوبی بده؟ آیا پاسخ این سوال هم در قلمروی علم فیزیک جایی داره؟در این نوشته قصد داریم توانایی علم فیزیک در حل سوال بالا رو بسنجیم و ببینیم به جواب خوبی می‌رسیم یا نه.خب! اولین چیزی که در این مسئله توجه ما رو به خودش جلب می‌کنه و باعث می‌شه فکر کنیم مسئله به این راحتی‌ها حل نمی‌شه، تعداد متغیرهای مورد بررسیه! بیاید بشماریمشون.سرعت هر پرنده، جهت حرکتش، تعداد پرنده‌ها و کم و زیاد شدنشون در گذر زمان. متغیر دیگه‌ای به ذهن شما می‌رسه؟گاهی پیش میاد که به خاطر پیچیدگی مسائل فیزیک باید قید پیش‌بینی دقیق رفتار تک‌تک ذرات سیستم رو بزنیم و به مطالعه خواص کلی سیستم بسنده کنیم، مثالی از این دست ساده‌سازی‌ها به ذهنتون می‌رسه؟ احتمالا معادله‌ی حالت گاز ایده‌آل رو دیدین که چطور می‌تونه رفتار کلی سیستم رو با استفاده از پارامترهایی که برای کل سیستم تعریف می‌شه (مثل دما و حجم گاز) توجیه کنه. دوباره درباره‌ی این ساده‌سازی فکر کنید؛ دمای یک تک‌مولکول اصلا معنی داره؟ در این‌جور مواقع، فیزیک آماری وارد صحنه می‌شه. یعنی زمان‌هایی که فیزیکدان‌ها با تعداد خیلی زیادی پارامتر دخیل در مسائل مواجه می‌شن، سیستم رو به صورت آماری بررسی می‌کنن. معادله‌ی حالت گاز آرمانی هم یکی از مثال‌های خیلی ساده از فیزیک آماری محسوب میشه.خب حالا برگردیم سر مسئله‌ی اصلی؛ به نظرتون فیزیک می‌تونه درباره‌ی حرکت جمعی پرنده‌ها هم حرفی بزنه؟ چطور می‌تونیم حرکت هم‌جهت پرنده‌ها رو با فیزیک توجیه کنیم؟بیاید سعی کنیم معادله‌ای برای این مسئله پیدا کنیم و برای شروع، شرایطی که سیستم داره رو به‌طور ساده بنویسیم و یک جاهایی هم فرض‌هایی رو وارد داستان کنیم:۱- شرط پایستگی پرنده؛ یعنی سیستم ما Nتا پرنده داره، پرنده‌ها از بین نمیرن، به وجود هم نمیان!۲-سرعت همه‌ی پرنده‌ها یکسانه.۳- اندازه‌ی سیستم ثابت و محدوده؛ یعنی هرکدوم از پرنده‌ها وقتی به مرز برسن، دوباره از سمت دیگه وارد می‌شن.تا اینجا شرط‌ها ساده بودن ولی هیچکدوم به ما کمک نمی‌کنن تا بفهمیم پرنده‌ها چطور بدون حرف‌زدن با هم، می‌تونن به یک سمت حرکت کنن. می‌دونیم که اون‌ها همدیگه رو می‌بینن پس باید بر اساس این مشاهده، فرض‌هایی داشته باشن. باید سعی کنیم این فرض‌ها را پیدا کنیم. نظر شما چیه؟۴- پرنده‌ها جهت حرکت‌ خودشون رو -به صورت میانگین- جهت حرکت تمام پرنده‌های نزدیک خودشون، انتخاب می‌کنن.۵- برای تعیین همسایه‌ها، هر پرنده فقط تا شعاع معینی از خودش رو نگاه می‌کنه.شکل۱- هر پرنده جهت حرکت خودش رو بر اساس جهت همسایه‌هاش انتخاب می‌کنه.شما به جای فرض ۴، چه فرض دیگه‌ای رو انتخاب کردین؟با توجه به شرایط مسئله، فرض ۴ (والبته بقیه‌ی فرض‌ها) می‌تونه تغییر کنه تا ما مدل بهتری از سیستم داشته‌ باشیم. شما هم اگر مدل دیگه‌ای تو ذهن‌تون دارید حتما باهامون درمیون بذارید!خب حالا وقت اینه که این مدل رو به زبان ریاضی بنویسیم.( اینجا به بعد کمی پیش‌نیاز توابع مثلثاتی می‌خواد، اگر خیلی باهاش راحت نیستید، می‌تونید از این بخش بگذرید.)برای هر ذره باید مکان و جهت حرکت مشخص کنیم (اندازه سرعت همه رو یکسان در نظر گرفته‌بودیم و الان فقط جهت حرکت مهمه)، علاوه بر این‌ها باید مشخص کنیم که مکان و جهت در طول زمان چطور تغییر می‌کنه.( چون تعداد ذره‌ها زیادن ممکنه علامت‌ها یه‌ مقدار ترسناک بنظر برسن ولی خیلی ساده‌تر از ظاهرشون هستن، گول ظاهرشون رو نخورید!)موقعیت مکانی rit برای ذره iام در زمان tجهت حرکت sit برای ذرهi ام در زمان tمشخص‌کردن مکان هر جزء بعد از گذشت زمان کار راحتیه چون اندازه‌ی سرعت هر ذره رومی‌دونیم و جهت سرعت هم همون جهت حرکت هست که می‌خوایم حساب کنیم (یادآوری: جابه‌جایی = سرعت زمان).معادله‌ی بالا مکان ذره بعد از زمان t رو نشون می‌ده، حواستون باشه که بردار سرعت (V0.S^(it+t هست.الان (S^(it+t رو نداریم، پس باید تغییرات جهت در طول زمان رو هم حساب کنیم. داریم:تابع Arg, تابعی هست که زاویه‌ی متناظر با اون بردار رو به ما می‌ده (چطوری؟). حواستون باشه که همیشه در فضای دو بعدی می‌تونیم جهت حرکت رو به این شکل تعریف کنیم:پس جنس تابع Arg باید چیزی شبیه تابع وارون سینوس یا کسینوس باشه.احتمالا می‌دونید که چنین معادله‌ای حل دقیقی نداره چون توابع سینوس و کسینوس متناوب هستن ولی می‌تونیم با کمک شبیه‌سازی کامپیوتری دقیق‌تر بررسیش کنیم. ۱- شرط پایستگی پرنده؛ یعنی سیستم ما Nتا پرنده داره، پرنده‌ها از بین نمیرن، به وجود هم نمیان!۲-سرعت همه‌ی پرنده‌ها یکسانه.۳- اندازه‌ی سیستم ثابت و محدوده؛ یعنی هرکدوم از پرنده‌ها وقتی به مرز برسن، دوباره از سمت دیگه وارد می‌شن.تا اینجا شرط‌ها ساده بودن ولی هیچکدوم به ما کمک نمی‌کنن تا بفهمیم پرنده‌ها چطور بدون حرف‌زدن با هم، می‌تونن به یک سمت حرکت کنن. می‌دونیم که اون‌ها همدیگه رو می‌بینن پس باید بر اساس این مشاهده، فرض‌هایی داشته باشن. باید سعی کنیم این فرض‌ها را پیدا کنیم. نظر شما چیه؟۴- پرنده‌ها جهت حرکت‌ خودشون رو -به صورت میانگین- جهت حرکت تمام پرنده‌های نزدیک خودشون، انتخاب می‌کنن.۵- برای تعیین همسایه‌ها، هر پرنده فقط تا شعاع معینی از خودش رو نگاه می‌کنه.شکل۱- هر پرنده جهت حرکت خودش رو بر اساس جهت همسایه‌هاش انتخاب می‌کنه.شما به جای فرض ۴، چه فرض دیگه‌ای رو انتخاب کردین؟با توجه به شرایط مسئله، فرض ۴ (والبته بقیه‌ی فرض‌ها) می‌تونه تغییر کنه تا ما مدل بهتری از سیستم داشته‌ باشیم. شما هم اگر مدل دیگه‌ای تو ذهن‌تون دارید حتما باهامون درمیون بذارید!خب حالا وقت اینه که این مدل رو به زبان ریاضی بنویسیم.( اینجا به بعد کمی پیش‌نیاز توابع مثلثاتی می‌خواد، اگر خیلی باهاش راحت نیستید، می‌تونید از این بخش بگذرید.)برای هر ذره باید مکان و جهت حرکت مشخص کنیم (اندازه سرعت همه رو یکسان در نظر گرفته‌بودیم و الان فقط جهت حرکت مهمه)، علاوه بر این‌ها باید مشخص کنیم که مکان و جهت در طول زمان چطور تغییر می‌کنه.( چون تعداد ذره‌ها زیادن ممکنه علامت‌ها یه‌ مقدار ترسناک بنظر برسن ولی خیلی ساده‌تر از ظاهرشون هستن، گول ظاهرشون رو نخورید!)موقعیت مکانی rit برای ذره iام در زمان tجهت حرکت sit برای ذرهi ام در زمان tمشخص‌کردن مکان هر جزء بعد از گذشت زمان کار راحتیه چون اندازه‌ی سرعت هر ذره رومی‌دونیم و جهت سرعت هم همون جهت حرکت هست که می‌خوایم حساب کنیم (یادآوری: جابه‌جایی = سرعت زمان).معادله‌ی بالا مکان ذره بعد از زمان t رو نشون می‌ده، حواستون باشه که بردار سرعت (V0.S^(it+t هست.الان (S^(it+t رو نداریم، پس باید تغییرات جهت در طول زمان رو هم حساب کنیم. داریم:تابع Arg, تابعی هست که زاویه‌ی متناظر با اون بردار رو به ما می‌ده (چطوری؟). حواستون باشه که همیشه در فضای دو بعدی می‌تونیم جهت حرکت رو به این شکل تعریف کنیم:پس جنس تابع Arg باید چیزی شبیه تابع وارون سینوس یا کسینوس باشه.احتمالا می‌دونید که چنین معادله‌ای حل دقیقی نداره چون توابع سینوس و کسینوس متناوب هستن ولی می‌تونیم با کمک شبیه‌سازی کامپیوتری دقیق‌تر بررسیش کنیم. ۱- شرط پایستگی پرنده؛ یعنی سیستم ما Nتا پرنده داره، پرنده‌ها از بین نمیرن، به وجود هم نمیان!۲-سرعت همه‌ی پرنده‌ها یکسانه.۳- اندازه‌ی سیستم ثابت و محدوده؛ یعنی هرکدوم از پرنده‌ها وقتی به مرز برسن، دوباره از سمت دیگه وارد می‌شن.تا اینجا شرط‌ها ساده بودن ولی هیچکدوم به ما کمک نمی‌کنن تا بفهمیم پرنده‌ها چطور بدون حرف‌زدن با هم، می‌تونن به یک سمت حرکت کنن. می‌دونیم که اون‌ها همدیگه رو می‌بینن پس باید بر اساس این مشاهده، فرض‌هایی داشته باشن. باید سعی کنیم این فرض‌ها را پیدا کنیم. نظر شما چیه؟۴- پرنده‌ها جهت حرکت‌ خودشون رو -به صورت میانگین- جهت حرکت تمام پرنده‌های نزدیک خودشون، انتخاب می‌کنن.۵- برای تعیین همسایه‌ها، هر پرنده فقط تا شعاع معینی از خودش رو نگاه می‌کنه.شکل۱- هر پرنده جهت حرکت خودش رو بر اساس جهت همسایه‌هاش انتخاب می‌کنه. شما به جای فرض ۴، چه فرض دیگه‌ای رو انتخاب کردین؟با توجه به شرایط مسئله، فرض ۴ (والبته بقیه‌ی فرض‌ها) می‌تونه تغییر کنه تا ما مدل بهتری از سیستم داشته‌ باشیم. شما هم اگر مدل دیگه‌ای تو ذهن‌تون دارید حتما باهامون درمیون بذارید!خب حالا وقت اینه که این مدل رو به زبان ریاضی بنویسیم.( اینجا به بعد کمی پیش‌نیاز توابع مثلثاتی می‌خواد، اگر خیلی باهاش راحت نیستید، می‌تونید از این بخش بگذرید.)برای هر ذره باید مکان و جهت حرکت مشخص کنیم (اندازه سرعت همه رو یکسان در نظر گرفته‌بودیم و الان فقط جهت حرکت مهمه)، علاوه بر این‌ها باید مشخص کنیم که مکان و جهت در طول زمان چطور تغییر می‌کنه.( چون تعداد ذره‌ها زیادن ممکنه علامت‌ها یه‌ مقدار ترسناک بنظر برسن ولی خیلی ساده‌تر از ظاهرشون هستن، گول ظاهرشون رو نخورید!)موقعیت مکانی rit برای ذره iام در زمان tجهت حرکت sit برای ذرهi ام در زمان tمشخص‌کردن مکان هر جزء بعد از گذشت زمان کار راحتیه چون اندازه‌ی سرعت هر ذره رومی‌دونیم و جهت سرعت هم همون جهت حرکت هست که می‌خوایم حساب کنیم (یادآوری: جابه‌جایی = سرعت زمان).معادله‌ی بالا مکان ذره بعد از زمان t رو نشون می‌ده، حواستون باشه که بردار سرعت (V0.S^(it+t هست.الان (S^(it+t رو نداریم، پس باید تغییرات جهت در طول زمان رو هم حساب کنیم. داریم:تابع Arg, تابعی هست که زاویه‌ی متناظر با اون بردار رو به ما می‌ده (چطوری؟). حواستون باشه که همیشه در فضای دو بعدی می‌تونیم جهت حرکت رو به این شکل تعریف کنیم:پس جنس تابع Arg باید چیزی شبیه تابع وارون سینوس یا کسینوس باشه.احتمالا می‌دونید که چنین معادله‌ای حل دقیقی نداره چون توابع سینوس و کسینوس متناوب هستن ولی می‌تونیم با کمک شبیه‌سازی کامپیوتری دقیق‌تر بررسیش کنیم. شکل ۲- حالت اولیه پرنده‌ها، قبل از اینکه شروع به حرکت کنن https://www.aparat.com/v/nfPTW https://www.aparat.com/v/Hgrec به‌نظرتون این مدل چه ایرادهایی داره؟فرض‌هایی که برای ساده‌کردن مسئله استفاده کردیم رو کمی مرور کنید، بنظرتون مقدار زیادی ساده کردن، باعث غیرمنطقی شدن نتایج نمیشه؟یکی از ایرادهایی که به شبیه‌سازی بالا میشه وارد کرد، هماهنگی خیلی زیاد پرنده‌ها با همدیگه‌ست، شبیه‌سازی شباهت خیلی کمی با چیزی که ما واقعا می‌بینیم داره! میشه با روش‌هایی کمی ناهماهنگی هم به شبیه‌سازیمون اضافه کنیم تا رفتار پرنده‌ها طبیعی‌تر بنظر برسه. https://uupload.ir/view/download_(1)_nikw.mp4/ https://uupload.ir/view/۸_p3wv.mp4/ دیدید که فیزیک چطور می‌تونه مسئله‌ی عجیبی مثل حرکت پرنده‌ها رو بررسی کنه؟ فقط کافیه فرض‌های ساده‌کننده ( و در عین حال منطقی) داشته باشیم و گاهی هم از خیرِ حل دقیق مسئله بگذریم و به شبیه‌سازی اون اکتفا کنیم چون احتمالا حل دقیق و کامل مسئله چندین سال طول میکشه. با هم مدلی ساختیم که حالت ساده شده‌ای از مدل ویچک (vicsek) بود، ویچک، دانشمند مجارستانی، اولین بار برای توصیف حرکت جمعی این مدل رو در سال 1995 ارائه داد. علاوه بر حرکت جمعی پرنده‌ها، میشه از این مدل برای توصیف دسته‌ی ماهی‌ها و مجموعه‌ی چندتا ربات استفاده کرد. حتی گاهی کاربردهای نظامی برای پرتاب هدفمند موشک‌ها هم داره :( ، شما چه کاربرد دیگه‌ای به ذهنتون میرسه؟ این مدل برای همه انواع حرکت جمعی کاربرد داره؟ مثلا استفاده از اون برای مدلسازی حرکت مورچه‌ها منطقیه؟ رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Fri, 30 Dec 2022 17:16:20 +0330 https://virgool.io/@rastaiha/%D8%B1%D9%86%DA%AF-%D9%87%D8%A7-dqfzlhcyryvr سلام سلام!قبل از هر چیزی از ۲:۱۰ تا ۲:۴۷ این ویدئو رو ببینید.Aunty Jack Introduces Colour TV to Australiaاین ویدیو، لحظه‌ی معرفی تلویزیون رنگی به استرالیا رو نشون می‌ده. بیاید فکر کنیم اگه تو دورانی زندگی می‌کردیم که تلویزیون‌هامون سیاه و سفید بود، هنوز هم انقدری که الان از دیدن فیلم و سریال لذت می‌بریم، با دیدن نسخه‌ی رنگ و رو رفته‌شون حس خوبی می‌گرفتیم یا نه! احتمالا برای خیلی‌هامون تصور کردنش سخت و حتی عذاب‌آور باشه و اگه فکر می‌کنید که با سیاه-سفید بودن تلویزیونتون چیز زیادی براتون تغییر نمی‌کنه، قسمت بعدی برای شماست!برای مطالعه بیشتر:باید براتون جالب باشه که بدونید با تغییر تلویزیون‌ها از سیاه-سفید به رنگی، خواب‌های ما هم رنگی‌‌تر شدن و اکثر کسایی که تو دوره‌ای زندگی می‌کردن که فقط تلویزیون سیاه-سفید دیدن، حدود یک‌چهارم خواب‌هاشون رو سیاه-سفید می‌دیدند در حالی که این عدد برای هم سن و سال‌هاشون که تماشای تلویزیون رنگی رو هم تجربه کردن، چیزی در حدود 7.3% هستش که درصد کمی به حساب میاد! یا یه اتفاقی که حتما تجربه کردید، تفاوت عکس کتاب و عکسی که معلم توی امتحان می‌ده، هستش؛ یه چیزی تو این مایه‌ها:همون‌طور که تا الان متوجه شدید، قراره راجع به رنگ‌ها حرف بزنیم، موجوداتی(!) جالب که هر روز با اون‌ها سر و کار داریم.رنگ‌ها به غیر از اینکه برای تک‌تک ما اهمیت دارن، برای هنرمندها و همین‌طور برای فیزیکدان‌ها مهم و کنجکاوی برانگیزن. حالا شما خودتون رو جای یه فیزیکدان نه، جای یه فیزیک‌پیشه بذارید و بیاید سعی کنیم به این سوالات جواب بدیم:به نظرتون ماهیت رنگ چیه؟ چطوری می‌شه که رنگ‌ها رو می‌بینیم؟ رنگ یک چیز، کجای اون قرار داره؟گفتی که حافظِ این همه رنگ و خیال چیست؟برای جواب دادن به این سوالا، خوبه که اول به این فکر کنیم که ما چطوری اجسام رو می‌بینیم؟ اگه از ساختار چشم و داستان‌های فیزیولوژیکیِ دیدن صرف نظر کنیم، جواب مختصر و مفید این سوال، اینه: وقتی که نور از یک چیزی به چشم‌های ما می‌رسه، ما می‌تونیم اون چیز رو ببینیم! حالا اون چیز می‌تونه خودش منبع نور باشه و نور از خودش گسیل کنه (مثل خورشید) یا صرفا نوری که از یه چیز دیگه بهش رسیده رو بازتاب کنه (مثل ماه) که برای چشم ما هیچ کدومش فرقی با اون یکی نداره؛ به محض اینکه نوری به چشم ما برسه، اون چیزی که نور ازش به سمت چشممون اومده، دیده می‌شه!این از قضیه‌ی دیدن؛ حالا بریم سراغ سوال خودمون «چطوری رنگ‌ها رو می‌بینیم؟».این عکس و شاید چیزهایی مشابه با این رو دیده باشید:در نگاه اول به نظر میاد یه لباس سفید-طلایی باشه، شایدم مشکی-آبی؟ داستان همینه! یه لباس، یه عکس و مردمی که هر کدوم یه رنگی رو به این لباس نسبت می‌دن. عجیبه، نه؟ به نظرتون واقعا این لباس چه رنگیه؟جواب خوبی که می‌شه به این سوال داد اینه که اصلا نظر شما مهم نیست! (یکم بعدتر راجع بهش بیشتر حرف می‌زنیم.)با همین مثال ساده می‌شه گفت که «رنگ» به اون معنایی که هر روز باهاش سر و کار داریم، چیزی نیست جز یه تجربه فیزیولوژیک که منحصر به چشم بیننده‌ست. وقتی که اون نوری که از جسم گسیل یا بازتاب شده، به چشم ما می‌رسه، یه سری سلول توی شبکیه‌ی چشممون، شروع می‌‌کنن به فرستان سیگنال برای مغز. یه دسته از این سلول‌ها، سلول‌های مخروطی نام دارن که می‌شه گفت هر رنگی که می‌بینیم، نتیجه تلاش این سلول‌هاست. داستان اینه که نور وارد چشم ما می‌شه، سلول‌های مخروطی به مغز پیغام می‌فرستن و مغز به ما رنگ‌ها رو نشون می‌ده. راستی خوبه که بدونیم ما سه نوع سلول مخروطی داریم که اگه بخوایم خیلی ساده دسته‌بندی‌شون کنیم، یه نوع از این سلول‌ها مسئول شناسایی رنگ سبز، یه نوع دیگه مسئول شناسایی رنگ قرمز و آخرین دسته هم مسئول شناسایی رنگ آبی‌ هستن. آزمایش‌های کور کننده:احتمالا براتون جالب باشه که بدونید سلول‌های مخروطی چشممون، مثل خود ما خسته می‌شن! باور نمی‌کنید؟ این آزمایش برای شماست! مواد لازم: چشم‌هاتون، یه دیوار سفید، همین چیزی که الان دارید می‌خونید(!)نحوه انجام آزمایش:برای یک دقیقه به مربع قرمزی که این زیر هست نگاه کنید. (حواستون باشه که تا جای ممکن صفحه رو بزرگ کرده باشید تا فقط مربع قرمز توی صفحه باشه و حواستون به رنگ‌ها و چیز‌های دیگه پرت نشه.) بعد یک دقیقه، به دیوار سفید جلوتون نگاه کنید. چه رنگی می‌بینید؟اگه جوابتون به سوال بالا، رنگی تو مایه‌های فیروزه‌ایه، تبریک می‌گم! شما تونستید با موفقیت سلول‌های مخروطی‌تون که مسئول شناسایی رنگ قرمزن رو خسته کنید. می‌تونید این آزمایش رو با رنگ‌های دیگه هم امتحان کنید و نتیجه رو ببینید. اگه دوست دارید بیشتر راجع به این پدیده بدونید، Color afterimage رو سرچ کنید و تحقیقاتتون رو از اینجا شروع کنید!یه سری از آدم‌ها دچار «کور رنگی» هستند، به این معنا که قادر به تشخیص یک یا چندتا از رنگ‌ها نیستند، حتی حالتی وجود داره که شخص هیچ رنگی رو نمی‌تونه ببینه و هر چیزی که می‌بینه، شبیه همون تلویزیون‌های سیاه و سفید قدیمیه.آیا وجود داشتن این آدم‌ها، اینو نشون میده که رنگ‌ها صرفا ساخته‌ی مغز ما هستن و تو طبیعت وجود ندارن؟ یا یه طور دیگه بپرسیم، اگه ما نمی‌تونستیم ببینیم، آیا هنوز رنگ‌ها وجود داشتن؟جواب این سوال هم بله است و هم خیر! بیاید برگردیم به اینکه رنگ چیه و از کجا میاد. فهمیدیم که نوری که وارد چشم ما می‌شه، باعث می‌شه که ببینیم و همون نور داره رنگ رو با تحریک کردن سلول‌های مخروطی برامون تداعی می‌کنه. مثل اینکه قضیه هر چی هست، زیر سر نوره! ولی چرا؟ یه گل قرمز رو تصور کنید با ساقه‌ و برگ‌های سبز. خب ما می‌تونیم اینو ببینیم ولی چرا رنگ گل با برگش فرق داره؟ مگه یه نور یکسان به جفتشون نمی‌خوره؟همونطور که قبلا گفتیم، این نور بازتاب یا گسیل شده از یه چیزه که باعث می‌شه که بتونیم اون رو ببینیم، یعنی درسته که هم به گل و هم به برگش نور خورشید تابیده می‎شه، ولی آیا نوری که ازشون بازتاب می‌شه، یکیه؟ مثل اینکه همین میزان نوری که بازتاب می‌کنن، رنگشون رو تعیین می‌کنه! ولی این جمله یعنی چی؟ چه خاصیتی از نور باعث چنین اتفاقی می‌شه؟بذارید با یه سوال راهنماییتون کنیم، نور سفید واقعا فقط سفیده؟ حتما می‎دونید که نه! نور سفید مثل نوری که از خورشید میاد، یه طیفی از رنگ‌ها رو تو خودش داره، انگار که مجموع همه‌ی رنگ‌ها با طول موج مرئی، می‌شن نور سفید.می‌تونید آزمایش نیوتون که در همین راستا بوده رو توی این لینک ببینید:https://www.youtube.com/watch?v=uucYGK_Ymp0آزمایش کورنکننده:اینجا می‌خوایم یه دیسک نیوتون بسازیم! می‌پرسید این که می‌گیم اصلا چی هست؟ خب اینه:یه دیسک با رنگ‌های رنگین کمون، یا در اصل رنگ‌های اصلی‌ای که نیوتون بعد از گذروندن نور سفید از منشور، مشاهده کرد. وقتی که این دیسک رو خیلی سریع بچرخونیم، برعکس اتفاقی که توی ویدیو بالا افتاد، می‌افته و همه‌ی این رنگ‌ها با هم ترکیب می‌شن! دوست دارید بدونید که نتیجه‌ی چرخوندن این دیسک، چه رنگی می‌شه؟ پس این ویدیو رو ببینید و خودتون یه دیسک نیوتون بسازید:https://www.youtube.com/watch?v=_z7BDab3N7wموجودی که ما بهش می‌گیم نور، چیزی نیست جز موج الکترومغناطیس! این امواج الکترومغناطیس رو بر حسب طول موجشون به چند دسته تقسیم می‌کنیم (اگه نمیدونید که طول موج یا اصلا خود موج الکترومغناطیس چیه، توصیه می‌کنیم که از گوگل استفاده کنید!):همینطور که می‌بینید، بازه‌ی خاصی از این امواج که حدودا طول موجی بین ۳۸۰ تا ۷۲۰ نانومتر دارن، رنگین‌کمون معروفیه که نور مرئی نام گرفته. همین بازه‌ی خیلی کوچیک، مسئول تمام چیزهاییه که می‌تونیم ببینیم و رنگ‌ها توی فیزیک، چیزی جز یه مشت موج الکترومغناطیس نیستند. برای فیزیکدان‌ها، مهم نیست که ما چی «می‌بینیم»، مهم اینه که اون موج الکترومغناطیسی که داره بهمون می‌رسه، چه طول موجی داره و از اونجا رنگ رو تشخیص می‌دن. برای همینه که وقتی عکس لباس رو دیدین گفتیم که نظر شما مهم نیست! به راحتی می‌تونیم ببینیم که واقعا لباس چه رنگیه و برای فهمیدنش نیاز به یه آزمایشگاه خفن با کلی دستگاه نداریم، به سادگی می‌تونیم از کامپیوتر و ابزارهایی که وجود دارن استفاده کنیم، برای کامپیوتر هم رنگ، چیزی جز یه سری عدد نیست. خودتون می‌تونید اون عکس یا هر عکس دیگه‌ای که می‌خواید رو به جاهایی مثل سایت زیر ببرید و ببینید که هر چیزی چه رنگی داره، نه اینکه چه رنگی به نظر میاد! Image Color Picker پس اتفاقی که می‌افته اینه: نور سفید به گل تابیده می‌شه، گلِ گل همه‌ی نور با طول موج‌های مختلف رو جذب خودش می‌کنه به جز نور با طول موج مشخصی که به چشم ما «قرمز» به نظر می‌رسه و برای همین، گل رو قرمز می‌بینیم و برای برگ، همه‌ی طول موج‌ها جذب می‌شن، به جز طول موجی که به چشم ما «سبز» به نظر می‎رسه. از یه نظر اگه بهش فکر کنیم، گل قرمز، همه رنگی هست جز قرمز! سوال جالبی که شما می‌تونید بهش فکر کنید اینه که اگه منبع نور ما، نور سفید گسیل نمی‌کرد و مثلا فقط نور سبز به گل تابیده می‌شد، چی می‌دیدیم؟ما سه رنگ نور اصلی داریم که بقیه رنگ‌ها رو می‌تونیم با ترکیب این سه رنگ بسازیم. این سه رنگ، قرمز، سبز و آبی هستن (اگه عبارت RGB به گوشتون خورده، این همونه!). دیاگرام این رنگ‌ها رو می‌تونید تو این عکس ببینید:یادتونه که بعد از نگاه کردن به مستطیل قرمز چه رنگی دیدید؟ رنگی که دیدید دقیقا در مقابل قرمز توی این دیاگرام قرار داره، به این معنی که هیچ قرمزی توی این رنگ نیست!اگه براتون این سوال پیش اومده که بقیه رنگ‌ها کجان، باید بگیم که کافیه درصد قرمز، آبی و سبز رو توی میزان ترکیب شدنشون تغییر بدیم تا به بقیه رنگ‌ها برسیم. این جمله، جواب یه سوال دیگه هم هست؛ احتمالا وقتی که گفتیم فقط سه نوع سلول مخروطی داریم، این سوال براتون پیش اومد که چطوری بقیه‌ی رنگ‌ها رو می‌بینیم، جوابش همین چیزیه که الان خوندید. مثلا وقتی که به یه چیزی نگاه می‌کنیم که رنگ زرد داره، این رنگ چون هم توش قرمز و هم سبز داره، دو نوع سلول مخروطیِ حساس به سبز و قرمز رو فعال می‌کنه و مغزمون به ما رنگ زرد رو نشون می‌ده. در اصل، انگار که سیستم بینایی ما مثل یه آشکارساز امواج الکترومغناطیسی با طول موج بین ۳۸۰ تا ۷۲۰ نانومتر عمل می‌کنه!اما این پایان ماجرا نیست! به غیر از رنگ‌هایی که راجع بهشون حرف زدیم، یه سری رنگ هستن که ما می‌بینیم ولی واقعا وجود ندارن و از اون طرف یه سری رنگ داریم که وجود دارن ولی ما اغلب نمی‌تونیم ببینیمشون (مگر اینکه یه طوری به مغزمون کلک بزنیم!). این فیلم رو ببینید تا بیشتر با این رنگ‌ها آشنا بشید و چندتاییشون رو ببینید:https://www.youtube.com/watch?v=8FSpCAs5KZg&list=LLقبل‌تر پرسیدیم که «اگه ما نمی‌تونستیم ببینیم، آیا هنوز رنگ‌ها وجود داشتن؟»، و جوابمون به این سوال هم بله بود و هم خیر، الان می‌تونیم توضیح بدیم که چرا این جواب رو دادیم. رنگ، به اون معنایی که هر روز باهاش رو به رو می‌شیم، فقط با دیدن ما معنی پیدا می‌کنه، ولی رنگ به عنوان موج الکترومغناطیس، براش فرقی نمی‌کنه که داریم نگاهش می‌کنیم یا نه، به هر حال وجود داره!پایان شب سیه سپید است؟! تا اینجا راجع به رنگ‌ها حرف زدیم، اینکه چطوری می‌بینیمشون، طیف نور مرئی چیه و حتی دیدیم یه سری رنگ وجود دارن که نمی‌تونیم ببینیمشون. حالا می‌خوایم راجع به یه رنگ دیگه حرف بزنیم، سیاه! با آزمایش نیوتون و دیسکش دیدیم که نور سفید مجموع همه رنگ‌های دیگه است ولی سیاه چی؟ اصلا چیزی به اسم نور سیاه داریم؟ می‌تونیم یه چراغ قوه بسازیم که نور سیاه تولید کنه؟برای راهنمایی، اول فیلم زیر رو ببینید:https://youtu.be/p-OCfiglZRQ?t=53 از 0:53 تا 1:32 چیزی که اینجا می‌بینیم اینه که بدون اینکه نور سفید موبایل رو تغییر بدیم و فقط با تغییر دادن نور محیط، می‌تونیم "نور سیاه" داشته باشیم! انگار که نور سفید و نور سیاه هر دوتا یه چیزن و صرفا دو سر یه طیف قرار گرفتن! می‌تونید ادامه فیلم رو توی این لینک ببینید و متوجه بشید که نور سیاه، در واقع یه نور "کمتر سفید" نسبت به محیط اطرافشه: https://youtu.be/p-OCfiglZRQ?t=53 رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Fri, 23 Dec 2022 18:00:19 +0330 https://virgool.io/rastaiha/%D8%B1%D8%B3%D8%AA%D8%A7-%D8%AF%D8%B1-%D8%A2%D8%AE%D8%B1%DB%8C%D9%86-%D8%B3%D8%A7%D9%84-%D9%82%D8%B1%D9%86-wtsjhe7wyupu گزارشی از عملکرد جمع علمی-ترویجی رستا در سال 1400نویسنده: ریحانه قنبریحالا نزدیک 4 سال از روزهایی که یک‌سری دانشجو کنار هم جمع شدند و رستا رو ساختند، می‌گذره. رستا توی این سال‌ها بزرگ‌تر شده، هم آدم‌های بیشتری به جمع‌مون اضافه شدند و هم کارهای بیشتری انجام دادیم. هرچند کرونا مجبورمون کرده که از راه دور در کنار هم باشیم و امکان برگزاری رویداد‎ها و فعالیت‌های حضوری فعلاً فراهم نباشه اما خوشحالیم که یک دغدغه‌ی مشترک ما رو در کنار هم حفظ کرده. در این نوشته قصد داریم به‌مرور فعالیت‌های جمع علمی-ترویجی رستا در سال 1400 بپردازیم. رستاخیز؛ مسافر صفر فعالیت رستا در سال 1400 با برگزاری یک رویداد علمی- داستانی شروع شد؛ البته که به شکل مجازی! در این رویداد 5 کارگاه علمی داشتیم؛ اتوماتا، سیستم‌های پیشنهاددهنده، سیستم‌های پیچیده، ترکیبیات و نظریه‌ی بازی‌ها. در کنار کارگاه‌های علمی، داستان شهر پاراتاکانا هم روایت شد که قرار بود بمبی در اون منفجر بشه و تیم‌‎ها ماموریت خنثی‌سازی این بمب رو بر عهده داشتند. این‌جا، همون جایی بود که شخصیت دکتر رستارنج در رستا خلق شد. :)رس‌تاک؛ به بهانه‌ی هفته‌ی معلمروز معلم بهانه‌ای شد برای اینکه یک جلسه‌ی خودمونی با دانش‌آموزها ترتیب بدیم، از تجربه‌های مختلف‌مون بگیم و از هم یاد بگیریم. رس‌تاک جایی شد برای این گفت‌وگو و عنوانی برای تمام جلسات رستا که برای شنیدن حرف‌های مختلف و یادگرفتن از همدیگه خواهد بود.رادیو نیم‌خط؛ تو دریایی!همچنین به مناسبت روز معلم، پادکست « تو دریایی!» رو منتشر کردیم تا از تمام موقعیت‌های کوچک و بزرگی بگیم که به هم یاد دادیم و از هم یاد گرفتیم. از معلم‌هایی با سن‎ و سال‌های مختلف و از معلمی‌کردنی که مدام در زندگی‌هامون می‌بینیمش.مدرسه‌ی تابستانه‌ی رستا - 1400+افسون توتنخ‌عامومدرسه‌ی تابستانه‌ی رستا، رویدادیه که اعضای رستا ساعت‌های زیادی از تابستون‌شون رو برای طراحی کارگاه‌های علمی و برگزاری هرچه بهترش کنار می‌ذارن. در مدرسه‌ی تابستانه 1400، 5 کارگاه علمی الفبای حیاتی، صداوفرکانس، جعل پیکسل، گریز از زمین و صفرویک با موضوعات ریاضی، فیزیک و زیست رو داشتیم. به همراه مسابقه‌ی پایانی افسون توتنخ‌عامو، شهربازی و ارائه‌های علمی. دومین رس‌تاک در رستا هم در این رویداد برگزار شد تا باز هم امکان گپ وگفت بین دانشجوها و دانش‌آموزها فراهم بشه.دورهمی مجازی برگزار کنندگان رویدادانتشار نیم‌خط در طاقچهسال 98 اولین نقطه‌ از نیم‌خط در رستا گذاشته شد. تا پیش از تابستان 1400، نیم‌خط در کانال تلگرام و سایت‌ رستا منتشر می‌شد. اما برای اینکه بتونیم نیم‌خط رو به دست دانش‌آموزهای بیشتری برسونیم، از تابستان 1400 امکان مطالعه‌ی نیم‌خط در طاقچه هم فراهم شد.تا اینجا 10 شماره از نیم‌خط منتشر شده که شماره‌های پنجم، ششم و هفتم و همچنین نیم‎ نیم‌خط که ویژه‌نامه‌ی رویداد مدرسه‌ی تابستانه بود، در سال 1400 تولید و منتشر شد.هسته‌ی چهارم رستااز سال 98 که اولین هسته‌ی مسئولین رستا تأسیس شد، هرسال هسته‌های مختلف شامل پنج مسئولیت مدیریت، مسئول علمی، مسئول رسانه، مسئول انسانی و مسئول توسعه در رستا فعالیت کردند. چهارمین انتخابات رستا هم مهرماه 1400 برگزار شد که اعضای انتخاب‌شده در هسته‌ی چهارم رو در تصویر زیر مشاهده می‌کنید.ویژه‌برنامه‌ی روز فیزیک؛ چند خط از داستان جهانروز فیزیک با هدف آشنایی دانش‌آموزان و عمومِ افراد با فیزیک، اواخر آذرماه برگزار می‌شه. رستا هم دو سالی می‌شه که ویژه برنامه‌ی روز فیزیک رو با عنوان «چند خط از داستان جهان» برگزار می‌کنه. امسال هم این برنامه با طراحی اتاق فرار علمی «رستیواکتیو»، معرفی کتاب، دو ارائه، انتشار نشریه و پادکست از 24 تا 26 آذر برگزار شد.رویداد علم‌شو در بوشهردی‌ماه بود و اوضاع کرونا کم‌کم داشت بهتر می‌شد. اعضای بوشهریِ جمع رستا تصمیم گرفتن که بعد از دو سال یک رویداد حضوری در شهر بوشهر برگزار کنند که متاسفانه دوباره رنگ نقشه‌ی کرونایی کشور با انتشار امیکرون قرمز شد و باز هم برگشتیم به برگزاری رویداد مجازی!رویداد علم‌شو با همکاری سمپاد بوشهر و گروهی از اعضای رستا از 4 تا 6 اسفندماه با سه کارگاه صفر و یک، الفبای حیاتی و سوگیری شناختی برگزار شد که عمده‌ی دانش‌آموزان شرکت‌کننده از استان بوشهر بودند.ارائه‌های علمییکی از قالب‌های ارائه‌‌ی محتوا در رستا، برگزاری ارائه‌های علمی است که تلاش می‌شود تا حد ممکن به شکل تعاملی باشند. در سالی که گذشت، 11 ارائه‌ی علمی در رویدادهای مختلف رستا توسط اساتید و دانشجویان انجام شد.سه ارائه در مدرسه‌ی تابستانه:دو ارائه‌ی علمی در ویژه‌برنامه‌ی روز فیزیک:یک ارائه در رویداد علم‌شو::پنج ارائه‌ی علمی نیز در ماه بهمن و اسفند برای مخاطب دانشجو برگزار شد. حجره‌داری در چهارسوق!چهارسوق رویدادی است برای فعالین تعلیم و تربیت تا در آن به معرفی برنامه‌ها و فعالیت‌های خود بپردازند. امسال نیز رستا در چهارسوق سیزدهم که به شکل مجازی برگزار شد، حضور داشت تا پلتفرم، رویدادها و محتواهای خود را به معلمین و موسسات مختلف معرفی کند.رس‌تاک؛ گفت‌وگویی پیرامون تجربه‌ی معلمیسومین رس‌‎تاک سال 1400 به گفت‌وگویی پیرامون معلمی گذشت. گفت‌وگویی با خانم فاطمه خورشیدی که به شکل لایو در اینستاگرام برگزار شد. در این رس‌تاک درمورد احترام حرف زدیم، خانم خورشیدی از نقش معلم گفتن و تجربه‌هایی که از یاددادن و یادگرفتن داشتند.رستا یک سال دیگه از فعالیتش رو پشت سر گذاشت و ما دل‌گرمیم به همراهی معلمین و دانش‌آموزانی که در کنار رستا هستند و همراهی دانشجوهایی که محدودیت‌های دنیای مجازی باعث نشد تا از دغدغه‌شون برای آموزش، دست بردارند.سال خوبی رو براتون آرزو می‌کنیم.رستایی باشید! رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Sat, 19 Mar 2022 14:41:14 +0330 https://virgool.io/rastaiha/%D8%AE%D8%B7%D8%A7%DB%8C-%D8%AF%DB%8C%D8%AF-%D8%A7%DB%8C%D9%86-%D8%A8%D8%A7%D8%B1-%D8%AF%D8%B1-%D9%85%D8%A7%D8%B4%DB%8C%D9%86-%D9%87%D8%A7-oyc92m8nsdnt نویسنده: رسول اخوان مهدویامروزه تکنولوژی ما را احاطه کرده است. گوشی‌های موبایل چهره‌مان را با دقت بالا تشخیص می‌دهند، ماشین‌های خودران در حال افزایش هستند و سیستم‌های حساس با دقت خارق‌العاده‌ای صدای افراد را برای دادن اجازۀ دسترسی تشخیص می‌دهند. شاید مهم‌ترین دلیل پیشرفت این همه تکنولوژی، ترویج یادگیری ماشین‌، یادگیری عمیق و شبکه‌های عصبی باشد.یادگیری ماشین حوزه‌ای از علوم کامپیوتر است که به ماشین‌ها یاد می‌دهد به کمک داده‌های جمع‌آوری شده، قوانین حاکم بر محیط را استخراج کنند و به کمک آن قوانین، امور پیچیده‌ای را انجام دهند و پیش‌بینی‌هایی دربارۀ آینده بکنند. به عنوان مثال، با دیدن تعداد زیادی عکس از پانداها، یک ماشین می‌تواند یاد بگیرد پانداها چه ویژگی‌هایی دارند و چطور آن‌ها را تشخیص دهد. یادگیری عمیق و شبکه‌های عصبی دو روش یادگیری ماشینی هستند که به کمک آن‌ها می‌توان امور بسیار پیچیده مانند تشخیص تصاویر را به ماشین‌ها آموزش داد. در سری متن‌های «پرونده‌ی یادگیری ماشین برای نوجوانان» (قسمت اول و دوم) که در نشریۀ نیم‌خط و صفحه ویرگول رستایی‌ها منتشر شده، دربارۀ این تکنولوژی صحبت شده است.به واسطۀ تکنولوژی‌های معرفی‌­شده در بندهای قبل، توانستیم با کمک کامپیوتر‌ها کارهایی را انجام دهیم که پیش از آن انجام آن‌ها توسط یک ماشین محال به نظر می‌رسید. اما حد واقعی این تکنولوژی‌ها دقیقا چقدر است؟ آیا یک شبکه عصبی آن‌قدر که به نظر می‌آید باهوش است؟بیایید با یک مثال شروع کنیم. به نظر شما دو عکس زیر تفاوتی دارند؟تصویر 1البته که جواب بله است؛ فرق اندکی دارند. ولی شاید بهتر باشد بپرسیم آیا تفاوتی در این دو تصویر احساس می‌کنید یا نه؟ احتمالا همه توافق داشته باشیم که هر دو تصویر، فارغ از تفاوت‌های کوچک، عکس پاندا هستند. اما چند محقق در یک آزمایش نشان دادند که یک شبکه عصبی چطور ممکن است به صورت فاحشی اشتباه کند!تصویر زیر رابطۀ این دو عکس را نشان می‌دهد. تصویر سمت راست از اعمال تغییرات بسیار کوچکی بر تصویر سمت چپ به دست آمده است. این تغییرات به قدری جزئی هستند که یک انسان آن‌ها را تشخیص نمی‌دهد و حتی اگر تشخیص دهد، باز هم قبول می‌کند که هر دو عکس پاندا هستد.تصویر ۲: عکس سمت راست از اعمال تغییرات بسیار کوچکی به تصویر سمت چپ به دست آمده است. شبکه عصبی تصویر سمت چپ را پاندا تشخیص می‌دهد ولی تصویر راست را نوعی میمون (gibbon) می‌شناسد. در این آزمایش ابتدا یک شبکۀ عصبی آموزش داده شده که بتواند تصاویر پاندا را با دقت بالا تشخیص دهد؛ تصاویری شبیه به عکس سمت چپ که با دقت نسبتاً خوبی توسط شبکۀ عصبی به عنوان پاندا شناخته می‌شوند. سپس طی یک سری محاسبات دقیق، عکس سمت راست را از روی عکس سمت چپ به دست آوردند. این عکس از نظر یک انسان هنوز بسیار شبیه پاندا است. ولی این بار شبکۀ عصبی تصویر را متعلق به نوعی میمون (gibbon) تشخیص داد، آن هم با اطمینان بالا!این پدیده نشان داد شبکه‌های عصبی بر خلاف تصور ما به شدت حساس هستند و نحوه کارشان با آنچه ما انتظار داریم تفاوت‌های زیادی دارد. مثلا این نمونه نشان داد که احتمالاً شبکۀ عصبی آموزش­‌داده­‌شده به برخی از پیکسل‌های عکس توجه بیش از حد دارد و تغییر آن پیکسل‌های مهم می‌تواند نظر شبکه را دربارۀ عکس به طور کامل عوض کند، بی‌آنکه عکس تغییر ملموسی کرده باشد. این با روشی که ما به عنوان انسان برای درک تصاویر به کار می‌­بریم کاملا متفاوت است. محققان مطالعات زیادی کرده‌اند تا ببینند دلیل این پدیده چیست و چگونه می‌توان تا حدی با آن مقابله کرد، که البته در این متن به آن‌ها نمی‌پردازیم. اما به جای آن بهتر است به پیامدهای این پدیده نگاه کنیم.شاید یک سیستم تشخیص پاندا به نظر بسیار بی‌ضرر بیاید، حتی اگر در مواردی مثل مورد بالا اشتباه کند. به یاد بیاورید که شبکۀ عصبی آموزش‌­داده­‌شده در مثال بالا هنوز در تشخیص پانداها توانایی بالایی دارد و عکس‌هایی که این‌­چنین دستکاری شده باشند به صورت طبیعی یافت نمی‌شوند. اما امروزه شبکه‌های عصبی در شرایطی بسیار حیاتی‌تر هم استفاده می‌شوند؛ مانند ماشین‌های خودران. ماشین خودران با پردازش تصویر دریافتی از اطراف، تصمیم می‌گیرد و عمل می‌کند. به عنوان مثال با دیدن تابلوی ایست، بر سر یک چهارراه توقف می‌کند و یا با توجه به تابلوی محدودیت سرعت، سرعت خود را تنظیم می‌کند. اما اگر یک تابلو مشابه مثال بالا دستکاری شود چطور؟ عکس زیر نمونه‌ای از چنین پدیده‌ای در دنیای واقعی است. چند محقق توانستند با چسباندن برچسب‌هایی ساختگی بر روی تابلوی ایست، کاری کنند که یک سیستم تشخیص تصویر نسبت به تابلو کاملا نابینا شود و آن را تشخیص ندهد.تصویر 3خطرات چنین اشتباهاتی از سوی یک ماشین خودران واضح است. عدم تشخیص یک تابلوی ایست می‌تواند باعث بروز یک حادثه شود. اگر احتمال وجود افراد خرابکار را هم در نظر بگیریم، چنین فردی می‌تواند با انجام محاسبات مورد نیاز، تغییرات لازم را به علائم رانندگی بدهد و برای دیگران خطر ایجاد کند، بدون آنکه کسی متوجه تغییر ملموسی در علائم رانندگی شود. این قبیل شرایط به ما نشان می‌دهد که بررسی دقیق‌تر این مثال‌های خاص چقدر می‌تواند مهم باشد.به این قبیل مثال‌هایی که می‌توانند یک سیستم هوشمند را به اشتباه بیندازند، adversarial examples گفته می‌شود. اغلب این مثال‌ها با یک نگاه بدبینانه و خرابکارانه به سیستم پیدا می‌شوند، اما می‌توانند کمک زیادی به درک سازوکار شبکه‌های عصبی کنند. مطالعۀ این دست مثال‌ها به قدری مهم شده است که حوزه‌ای به نام امنیت یادگیری ماشین به بررسی این مثال‌ها و میزان امنیت مدل‌ها در شرایط پیش‌بینی‌­نشده می‌پردازد.این مثال‌ها گرچه همگی دربارۀ سیستم‌های کامپیوتری هستند، اما ما را یاد یک پدیده در دنیای واقعی هم می‌اندازند: خطای دید. حتی ذهن انسان هم با همۀ پیچیدگی‌هایش، برخی مواقع می‌تواند فریب صحنه‌هایی را بخورد که با دقت طراحی شده‌اند تا ذهن انسان را به چالش بکشند. تصویر ۳ تنها یک نمونه از انبوهی از این خطاهای دید است.سیستم‌های هوشمند در زندگی انسان‌ها تغییرات غیرقابلِ‌­انکاری ایجاد کرده‌اند، اما خطای دید به عنوان یک پدیدۀ طبیعی به ما نشان می­‌دهد که باید انتظاراتی واقع‌بینانه از سیستم‌های هوشمند داشته باشیم. رستا؛ جمع علمی-ترویجی رستا؛ جمع علمی-ترویجی Sun, 13 Mar 2022 15:26:03 +0330