web analytics
نوشته قبلی نوشته بعدی سیستم‌های پیچیده – ۲
نوشته شده در آموزشی تجربیات علمی عمومی

سیستم‌های پیچیده – ۲

دانشجوی ارشد بیوفیزیک محاسباتی ام در دانشگاه تورنتو. مقطع کارشناسیم رو در دانشگاه شریف فیزیک خوندم با ماینور علوم‌کامپیوتر. از دوره راهنمایی برنامه‌نویسی میکردم و در دانشگاه هم ادامه دادمش. به کاربرد‌های علوم کامپیوتر در سایر علوم (مثل بیوانفورماتیک یا فیزیک محاسباتی) علاقه‌مندم و در همین زمینه‌ها میخوام ادامه‌تحصیل بدم. بقیه‌ی علاقه‌هام شامل تحلیل داده، علوم اجتماعی محاسباتی، اقتصاد و بازار بورسه.

سیستم‌های پیچیده – ۲ منتشر شده در 3 ژوئن 2018ارسال دیدگاه

دانشجوی ارشد بیوفیزیک محاسباتی ام در دانشگاه تورنتو. مقطع کارشناسیم رو در دانشگاه شریف فیزیک خوندم با ماینور علوم‌کامپیوتر. از دوره راهنمایی برنامه‌نویسی میکردم و در دانشگاه هم ادامه دادمش. به کاربرد‌های علوم کامپیوتر در سایر علوم (مثل بیوانفورماتیک یا فیزیک محاسباتی) علاقه‌مندم و در همین زمینه‌ها میخوام ادامه‌تحصیل بدم. بقیه‌ی علاقه‌هام شامل تحلیل داده، علوم اجتماعی محاسباتی، اقتصاد و بازار بورسه.

این نوشته، ادامه‌ی نوشته‌ی قبلیه (سیستم‌های پیچیده – ۱). اگه نخوندینش پیشنهاد می‌کنم قبل از خوندن این نوشته، اون رو بخونین.


مطالعه سیستم‌های پیچیده به چه دردی میخوره؟

در سال ۱۹۴۸، یک ریاضیدان آمریکایی به نام Warren Weaver در یک مقاله به نام SCIENCE AND COMPLEXITY، مسائل علمی رو به ۳ دسته تقسیم میکنه:

  1. مسائل سیستم‌های ساده (Problems of Simplicity): مسائل قرن ۱۷ و ۱۸ و ۱۹ در علم که به رابطه‌ی چند متغیر به هم میپرداخت. مثلا رابطه‌ی بین حجم و فشار و دما در ترمودینامیک. حل این مسائل در نهایت منجر به تولید محصولاتی مثل تلفن و رادیو و هواپیما و … شد.
  2. مسائل سیستم‌های سازمان‌نایافته پیچیده (Problems of Disorganized Complexity): مسائلی که به جای ۲ و ۳ و ۴ متغیر، با استفاده از متدهای آماری شروع به بررسی موقعیت‌هایی که چندمیلیون متغیر درشون دخیله میکنیم. مثل نظریه جنبشی گازها.
  3. مسائل سیستم‌های سازمان‌یافته پیچیده (Problems of Organized Complexity): مسائلی که در اونها تعداد متغیر‌ها نه به‌اندازه‌ی مسائل گروه اول کمه که بشه حل دقیق و تحلیلی کردشون و نه به اندازه‌ی گروه دوم زیاده که بشه روشون آمار و احتمال نوشت. اگه زیاد باشه هم تعاملات بین متغیر‌ها به نحوی پیچیده‌ست که باز استفاده از ابزارهای آماری رو ناممکن میکنه.

بسیاری از سوالات مهم بشر، به دسته‌ی سوم مربوط ان. مثلا: چطور میتونیم رفتار یک گروه اجتماعی مثل یک اتحادیه‌ی کارگری رو تحلیل کنیم؟ چطور میتونیم یک واحد پول رو به نحو موثری پایدار کنیم؟ تا چه حد میشه به فعل و انفعال عرضه و تقاضا در تعیین قیمت‌ها وابسته بود؟ چه عواملی باعث میشن که گل مغربی باز و بسته بشه؟ و …

در ادامه‌ی مقاله میگه:

این مسائل جدید و آینده‌ی بشر که بر بسیاری از آن‌ها متکی است، مستلزم این است که سومین انقلاب در علم اتفاق بیفتد. انقلابی که باید از انقلاب علمی قرن ۱۹ که باعث غلبه بر مسائل سیستم‌های ساده شد و انقلاب علمی قرن ۲۰ که باعث غلبه بر مسائل سیستم‌های سازمان‌نایافته پیچیده شد بزرگتر باشد. علم باید طی ۵۰ سال آینده، بیاموزد که چگونه با این مسائل سیستم‌های سازمان‌یافته پیچیده مواجه شود.

مطالعه سیستم‌های پیچیده، ابزارهایی رو در اختیارمون قرار میده که با این نوع از مسائل (از دید من واقعی‌ترین مسائل انسان‌ها) کنار بیایم.

چه مسائلی الآن داره توی این علم بررسی میشه؟

طیف کارهایی که در این زمینه میشه فوق العاده وسیعه. از کسایی که روی نظریه‌ی پیچیدگی کار میکنن که چفت و بست‌های تئوریک قضیه رو سفت کنن در یک سمت طیف تا کسایی که از دستاوردهای این علم در راه‌اندازی کسب‌وکار یا مدیریتی استفاده میکنن در طرف دیگه‌ی طیف، همه و همه وجود دارن. اما بخش زیادی از آدم‌ها در وسط این طیف ان. یعنی در شاخه‌های مختلف علمی کار میکنن (نوروساینس، نتورک‌ساینس، دیتاساینس، فیزیک، علوم کامپیوتر و …) و از روش‌های سیستم‌های پیچیده در بررسی مسائل موجود در شاخه خودشون استفاده میکنن.

به طور خاص، خود من به بخش شبکه‌های پیچیده (بخونین گراف‌های تعمیم‌یافته!) علاقه‌مندم. توی این حوزه ترند کارهای تحقیقاتی الآن بیشتر به این سمته که:

  • توپولوژی‌های مختلفی که شبکه‌ها میتونن داشته باشن رو بشناسیم.
  • دینامیک انتشار اطلاعات یا بیماری در شبکه‌ها رو مطالعه کنیم.
  • اپیدمی ها رو مطالعه کنیم.
  • بررسی کنیم که چطوری میشه جلوی یه اپیدمی رو گرفت (یا حتی به وقوعش کمک کرد!).
  • تاثیر توپولوژی شبکه رو روی این فرآیندها بدونیم.
  • تاثیر فزاینده یا کاهنده‌ی چند جریان انتشار رو روی همدیگه بررسی کنیم (مثلا وقتی همزمان چند نوع شایعه یا بیماری در جامعه شروع به انتشار میکنن، چه تاثیر سازنده یا مخربی در جریان پخش همدیگه میذارن).
  • فرآیند‌های یادگیری رو در شبکه‌های عصبی بشناسیم.
  • رفتارهای اجتماعی یا جامعه‌شناسی رو با دید شبکه‌ها بررسی کنیم.
  • و …

چه روش‌هایی در مطالعه‌ی سیستم‌های پیچیده به کار میره؟

زمینه‌هایی که در زیر نام میبرم، متداول ترین روش‌ها در برخورد با سیستم‌های پیچیده‌ست. بنابراین اگه میخواین به این شاخه از علم وارد شین، باید سعی کنین خوب بلد بشینش:

•حساب دیفرانسیل و انتگرال، احتمال، آمار، فرآیندهای تصادفی و جبر خطی بخش‌هایی از ریاضیاتن که باید بلد باشین. درواقع اینا از نون شب واجب ترن!

•مکانیک آماری مهمترین بخش از فیزیک که در سیستم‌های پیچیده استفاده میشه، مکانیک آماریه. چون بسیاری از بخش‌های سیستم‌های پیچیده توسط فیزیکدان‌ها توسعه پیدا کرده و ادبیات مکانیک آماری توش کاملا مشهوده.

•شبیه‌سازی: مسائل این حوزه معمولا حل تحلیلی ندارن و باید شبیه‌سازی شون کنیم. بنابراین دانش برنامه‌نویسی و آنالیز الگوریتم‌ها بسیار مهمه. گذروندن دروس «برنامه‌نویسی مقدماتی»، «برنامه‌نویسی پیشرفته»، «ساختمان داده‌ها»، «آنالیز الگوریتم‌ها» و «روش‌های شبیه‌سازی» یا لااقل خوندن کتاب در این زمینه‌ها توصیه میشه. متداول‌ترین زبون‌های برنامه‌نویسی در این حوزه هم پایتون و ++C هستن. دیدن ویدیو‌های درس «کاربرد کامپیوتر در فیزیک» رو هم بهتون توصیه میکنم

•علم شبکه‌ها: خیلی از اوقات، مدل کردن سیستم‌های پیچیده با گراف‌های تعمیم یافته‌ای به نام شبکه‌ها انجام میشه. دونستن مفاهیم مقدماتی گراف و علم شبکه‌ها بسیار در این حوزه ضروریه. کتاب‌هایی که باراباشی و نیومن و بارات نوشتن، خیلی کتاب‌های جالبی ان.

•نظریه بازی‌ها: وقتی صحبت از تحلیل سیستم‌های اجتماعی بشه، اجزاء این سیستم که آدم‌ها باشن، همه به فکر بیشینه کردن سود خودشونن. بنابراین دونستن نظریه‌ی بازی‌ها خیلی میتونه کمک کننده باشه.

•دینامیک غیرخطی و نظریه آشوب: بهترین منابع موجود برای یادگرفتن نظریه آشوب کتاب و ویدیو‌های درس استیون اشتروگاتزه. ویدیو‌های کلاس دکتر مقیمی هم بهترین منبع به زبون فارسیه.

سایر زمینه‌هایی که دونستنشون مفید و لازمه:

  • پدیده‌های بحرانی
  • فراکتال‌ها
  • نظریه محاسبه
  • نظریه اطلاعات
  • هوش مصنوعی و یادگیری ماشین

دانشجوی ارشد بیوفیزیک محاسباتی ام در دانشگاه تورنتو. مقطع کارشناسیم رو در دانشگاه شریف فیزیک خوندم با ماینور علوم‌کامپیوتر. از دوره راهنمایی برنامه‌نویسی میکردم و در دانشگاه هم ادامه دادمش. به کاربرد‌های علوم کامپیوتر در سایر علوم (مثل بیوانفورماتیک یا فیزیک محاسباتی) علاقه‌مندم و در همین زمینه‌ها میخوام ادامه‌تحصیل بدم. بقیه‌ی علاقه‌هام شامل تحلیل داده، علوم اجتماعی محاسباتی، اقتصاد و بازار بورسه.

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *