به گزارش گروه علم و فناوری باشگاه خبرنگاران دانشجویی(ایسکانیوز)؛ یاسر رودی متولد سال 1360 در تهران است. از کودکی میدانست که میخواهد فیزیک و ریاضیات را دنبال کند. یک سال زودتر به دبستان رفت و یک سال را هم جهشی خواند. دبیرستانش را در دبیرستان البرز گذراند و در دوره کارشناسی دو رشته فیزیک و کامپیوتر دانشگاه صنعتی شریف پذیرفته شد و به صورت دو رشتهای شروع به تحصیل کرد، ولی ترجیح داد که فقط فیزیک را ادامه دهد.
مدرک کارشناسیاش را سه ساله گرفت و برای ادامه تحصیل در رشته مورد علاقهاش تصمیم به مهاجرت گرفت. به دلیل زبان و فرهنگ غنی و اینکه ایتالیا قطب علمی رشته مورد علاقهاش به حساب میآمد، این کشور را برگزید. ایتالیا در رشته فیزیک بین رشتهای و سیستمهای نامنظم و پیچیده به نوعی قطب علمی است و یکی از برندگان جایزه نوبل امسال، جیورجیو پاریزی از ایتالیا انتخاب شد که تحقیقاتش در زمینه «نابهنجاریها و نوسانات در سامانههای پیچیده در مقیاس اتمی تا سیارهای» است.
پس به ایتالیا سفر کرد و در عرض سه سال و نیم – در سال ۲۰۰۵- دوره دکتریاش را در سیسا (SISSA)، مرکز عالی بینالمللی تحقیقات پیشرفته در شهر تریست و رشته فیزیک و علوم اعصاب را در حالی به پایان رساند که فقط 24 سال داشت.
سپس به عنوان پژوهشگر ارشد به واحد گتسبی در کالج دانشگاهی لندن (UCL) نقل مکان کرد و تا سال 2008 در آنجا ماند و همزمان نیز فلوشیپ تحقیقاتی Bogue را در بخش فیزیولوژی و بیوفیزیک در دانشگاه کرنل گرفت. برای دومین دوره فوق دکتری خود نیز در سال 2008 به استکهلم نقل مکان کرد و در موسسه فیزیک نظری نوردیک (نوردیتا) مشغول به تحقیق شد.
بعد از آن، مایبریت و ادوارد موزر، دو استاد دانشگاه موسسه کاولی در نروژ، از او دعوت به همکاری کردند و او از سال ۲۰۱۰ در این مرکز شروع به تحقیق کرد. مایبریت و ادوارد موزر در سال ۲۰۱۵ موفق به دریافت جایزه نوبل پزشکی شدند.
او در سال ۲۰۱۵ از سوی نشریه «ساینس نیوز» و با داوری ۳۰ نفر از برندگان جایزه نوبل، به عنوان یکی از ۱۰ دانشمند برتر جهان انتخاب شد. در همان سال جایزه «اریک کندل» را دریافت کرد که هر دو سال یک بار با مشارکت فدراسیون عصبشناسی اروپا اعطا میشود. موضوع اصلی تحقیقات او درک ساختار محاسبات و الگوریتمهای مربوط به پردازش اطلاعات و یادگیری و چگونگی پایهریزی این محاسبات در شبکههای عصبی است. به غیر از این، در سال 2013 جایزه انجمن سلطنتی علوم و ادبیات نروژ و در سال ۲۰۱۴ جایزه آکادمی علم و ادب این کشور را از آن خود کرد.
یاسر رودی هماکنون استاد موسسه کاولی و مرکز محاسبات عصبی دانشگاه علوم و فناوری نروژ و همچنین مرکز بینالمللی تحقیقات فیزیک نظری عبدالسلام در ایتالیاست و مدتی نیز در مرکز مطالعات پیشرفته در پرینستون فعالیت داشته است.
مصاحبه ما را با این محقق میخوانید:
جالبترین دستاورد یا کار پژوهشیکه انجام دادهاید، در چه زمینهای بوده؟
دستاوردهایی که از نظر خودم جالب است، یک سری کار در زمینه استنتاجهای آماری است. این استنتاج زمانی انجام میشود که نتیجهگیریها قطعی نیست و دادههای ما فیلتر نشده است. برای اینکه موضوع کمی ملموستر باشد مثال میزنم؛ «وقتی باران میآید، زمین خیس میشود»؛ این جمله یک استنتاج منطقی است، اما «وقتی هوا ابری میشود، ممکن است باران بیاید»؛ جمله استنتاج آماری است. اهمیت این روش در بخشهایی از علم مثل تحلیل داده مربوط به نورونهای مغز و درک رفتار سیستمها – که با عدم قطعیت همراه است- نمود بیشتری پیدا میکند.
در واقع با استنتاج آماری سعی کردیم به صورت بنیادی به همه چیز نگاه کنیم. معمولا در این روش، همه فرضها را کنار میگذاریم و تنها براساس دادههای در دسترس – بدون هیچ دانش قبلی- استنتاج میکنیم. با توجه به فناوریها و تجهیزات پیشرفته کنونی در علوم عصبشناسی یا زیستشناسی حجم عظیمی داده در دسترس ماست که ما اصلا میزان ارزش یا کاربرد آن را نمیدانیم و با تحلیل آن میتوانیم یک سری فرضیه مطرح کنیم.
در واقع رفتار هر سیستم زندهای به عملکردی متکی است که در آن محیط شکل میگیرد. این سیستم زنده میتواند شبکه منظم ژن، سیستم ایمنی، سیستم حسگر عصبی، یادگیری عمیق و زبان باشد.این تئوریای است که با کمک یکی از همکارانم، متیو مارسیلی، روی آن کار کردهام.
یکی از زمینههای تحقیقاتی شما شبکههای عصبی مصنوعی است. دقیقا چه کارهایی در این زمینه انجام دادهاید؟
امسال مقالهای منتشر کردیم که نشان میداد کارآیی الگوریتمهای یادگیری در شبکه عصبی مصنوعی مغز بسیار بیشتر از آن چیزی است که قبلا تصور میکنیم. قبلا فرضهای غیربیولوژیک در مورد مغز مطرح میشد، ولی زمانی که این فرضها را کنار گذاشتیم، متوجه شدیم که الگوریتمهای یادگیری از الگوریتمهای هوش مصنوعی کارآمدتر است.
باید بگویم که شبکه عصبی مصنوعی دو جنبه مختلف دارد؛ یکی ابزار تحلیلی و آموزشپذیر است که تلاش میکند الگوهای پردازش اطلاعات در مغز بشر را تقلید کند. این همان سیستمی است که فیسبوک برای نمایش تبلیغات براساس علائق کاربرش از آن استفاده میکند. دومین نوع شبکه عصبی مصنوعی، مدلهایی است که قصد دارد عملکرد شبکههای عصبی مغز را نشان دهد. من در این بخش تحقیق کردم و روی الگوریتمهایی کار کردم که نحوه پردازش اطلاعات را در شبکههای مغز دنبال میکند. در واقع از نظریه اطلاعات و مکانیک آماری برای استخراج اطلاعات معنادار از سیل دادهها استفاده کردم و نحوه پردازش اطلاعات توسط مغز و سایر سیستمهای پیچیده را محاسبه کردم. هماکنون هم او در حال یافتن راههایی برای اعمال ریاضیات در یک سیستم زندگی نامنظم هستم و الگوریتمهایی را برای استنتاج درباره مغز ایجاد مینویسم.
طراح: شهاب محسنین
به طور کلی باید بگویم که استراتژی مغز برای ذخیرهسازی به آن اجازه میدهد تا خاطرات بیشتری را با دردسر کمتری نسبت به هوش مصنوعی ذخیره کند. شبکههای عصبی، چه واقعی و چه مصنوعی، با تغییر ارتباطات بین نورونها اطلاعات را ذخیره میکنند. با قویتر یا ضعیفتر کردن این شبکهها، برخی از نورونها فعالتر و برخی کمتر فعال میشوند تا زمانی که الگویی از فعالیت ظاهر شود. این الگو همان چیزی است که ما آن را «یک خاطره» می نامیم.
استراتژی هوش مصنوعی استفاده از الگوریتمهای طولانی پیچیدهای است که به طور مکرر اتصالات را تنظیم و بهینه میکند. مغز این کار را بسیار سادهتر انجام میدهد؛ هر ارتباط بین نورونها فقط بر اساس میزان فعال بودن همزمان دو نورون تغییر میکند. در مقایسه با الگوریتم هوش مصنوعی، مدتها تصور میشد که این امکان، ذخیرهسازی حافظههای کمتری را فراهم میکند، اما از نظر ظرفیت حافظه و بازیابی، مغز تا حد زیادی مبتنی بر تجزیه و تحلیل شبکهها با فرضهای ساده است. وقتی استراتژی سادهای که مغز برای تغییر ارتباطات استفاده میکند با مدلهای بیولوژیکی قابل قبول برای پاسخ تک نورونها ترکیب میشود، این استراتژی به همان خوبی یا حتی بهتر از الگوریتمهای هوش مصنوعی عمل میکند.
استراتژی مغز منجر به بازیابی خاطراتی میشود که با ورودی اصلی یکسان نیستند و نورونهایی را که در سطح کمی فعال میشوند، خاموش میکند. در واقع، آن نورونهای خاموش شده، نقش مهمی در تمایز بین حافظههای مختلف ذخیره شده در یک شبکه بازی نمیکنند. با نادیده گرفتن آنها، منابع میتوانند روی آن دسته از نورونهایی متمرکز شوند که در یک ورودی برای به خاطر سپردن در یک سطح اهمیت قرار دارند و ظرفیت بالاتری را امکانپذیر میکنند.
آیا در مورد عملکردهای دیگر مغز هم تحقیقاتی داشتهاید؟
بله، زمینه دیگری که انجام دادیم تحقیق در مورد این است که انسانها چطور مسیرشان را پیدا میکنند و چطور در مورد محیط پیراموشان حافظهای تشکیل میدهند که برای حرکت کردن از آن استفاده میکنند. به این موضوع «ناوبری محیطی» یا Spatial Navigation گفته میشود. با این تحقیق سعی کردیم درک کنیم که مغز موقعیت اشیاء و انسانهای دیگر را چگونه درک میکند و چطور از این عملکرد برای رفتن از یک نقطه به نقطهای دیگر استفاده میکند. ادوارد و مایبریت به خاطر این تحقیق جایزه نوبل را گرفتند. البته در این پروژه پژوهشی یک سری کارهای تحقیقات تجربی انجام دادند، ولی من در مشارکت با آنها، با طراحی مدلهایی از لحاظ نظری نشان دادم که این نورونها چطور این خاصیتها را پیدا میکنند.
به نظر شما نظام آموزش عالی ایران در مقایسه با کشورهایی که در آن تحصیل کردهاید، چه مزایا یا معایب و نقصهایی دارد؟
زمانی که به ایتالیا مهاجرت کردم، اولین موضوعی که من را شوکه کرد، سیستم ارزشگذاری در دانشگاهها بود که کاملا با ایران متفاوت است. تجربه من از سیستم آموزشی در ایران این بود که بیشتر به صورت نقلی عمل میکرد؛ به این شکل که هر چیزی که استاد میگوید، درست است. در واقع فضای سیستم آموزش عالی در ایران سلسله مراتبی است و دانشجو معمولا هر چه که استاد میگوید را میپذیرفت و سعی نمیکرد که طرز تفکر خودشان را دخیل کند.
تجربه من از سیسا و گتسبی و جاهای دیگری که کار کردم این بود که استاد و دانشجو حکم همکار را دارند و همین باعث میشود که دانشجو ایدههای خود را راحتتر مطرح کند و شکوفا شود. در نهایت این همکاریها باعث پیشرفت هر دوی آنها میشود. نتیجه این همکاری یک کار گروهی و کارهای پژوهشی عمیقتر و کاربردیتر میشود؛ چیزی که من در ایران خیلی کمتر دیده بودم. دنیای علم مدرن، براساس کار تیمی است. به طور مثال در بعضی از مقالات مهم دنیا، بالغ بر ۱۰۰ محقق روی یک موضوع تحقیقاتی کار میکنند.
علاوه براین، بین یاد گرفتن فکر و یاد گرفتن تفکر تفاوت وجود دارد. تجربه من در سیستم آموزش عالی در ایران این بود که بیشتر به ما فکر یاد میدادند نه طرز تفکر. البته اساتیدی مثل شاهین روحانی یا حسام الدین ارفعی – اساتید فیزیک دانشگاه صنعتی شریف- هستند که واقعا طرز فکر را به دانشجوها یاد میدهند.
منظورتان از سیستم ارزشگذاری در دانشگاهها چیست؟
منظورم این است که در کشورهای اروپایی عنوان آدمها مهم نیست، مثلا ما در نروژ یا ایتالیا همدیگر را با اسم کوچک صدا میزنیم، نه دکتر و مهندس. حتی با وجودی که مایبریت و ادوارد موزر برنده جایزه نوبل هستند، هیچ وقت ما آنها را دکتر صدا نمیزنیم و در نتیجه ارزشگذاری ما براساس مدرک انسانها نیست.
اما مثلا زمانی که به رومهای ایرانی در کلابهاوس سر میزنم، آیدی کاربران، اکثرا به همراه عنوان دکتر و مهندس است، یعنی انگار عنوان برایشان خیلی مهم است و این نتیجه سیستمی است که ارزشگذاری و هدفگذاری افراد براساس مدرک است. همین امر به نوبه خود باعث میشود که دیالوگ علمی در ایران و کشورهای در حال توسعه محدود شود. چون دانشجو به دلیل همین هرم شغلی نمیتواند ایدههای خود را به استادش منتقل کند و در نهایت همکاریهای دو سویه هم شکل نمیگیرد.
آیا شما هم شبیه محققانی که در آمریکا هستند، باید برای حقوق سه ماه تابستانتان گرنت یا فاند بگیرید؟
خوشبختانه در سیستم نروژ برخلاف سیستم آمریکا، گرفتن گرنت یا فاند هیچ تاثیری روی حقوق من ندارد و این مبلغ را صرف استخدام دانشجو، برگزاری کنفرانس، رفتن به مسافرتهای علمی و خرید تجهیزات میکنم. به نظرم گرنت گرفتن با کار علمی کردن خیلی فاصله دارد. در بیشتر موارد، گرنت گرفتن در نهایت یک کار بیزینسی به شمار میآید و لزوما کسی که گرنت میگیرد، کارش درست نیست.
به نظرم، اینکه کار، زندگی و حقوق یک محقق بستگی به گرنت گرفتن باشد، ذهن او را تخریب میکند و شاید بتواند سطح علمی را گسترش دهد، اما عمق علمی را از بین میبرد. در حالی که در نروژ و کشورهای اروپایی هیچ فشاری برای گرفتن گرنت روی اساتید وجود ندارد و همین امر در طولانیمدت باعث میشود که کارهای علمی عمیقتری انجام شود، نه کارهای علمی بیشتری.
برای نوشتن پروپوزال، ابتدا باید یک سوال مطرح کنید. این سوال اصلی از کجا میآید؟ از ذهن خودتان است یا از دانشگاه یا از صنعت؟
من با صنعت ارتباطی ندارم، چون موضوعات مورد توجه من کاملا پایهای هستند، در حالی که در صنعت این موضوعات مهم نیست. به نظرم علوم پایه کمی از صنعت جلوتر است. تاریخ بشر هم از ابتدا به این شکل بوده که اول فرضیه علمی مطرح شده و بعد وارد فضای فناوری و صنعت شده است. به همین دلیل فکر میکنم، موضوع مهم در علوم پایه این است که اصلا نباید به کاربردی بودن آن تحقیقات فکر کرد. زیرا خیلی اوقات نظریههای علمی عمیقی مثل نظریه نسبیت عام اینشتین مطرح میشوند که فقط در بلندمدت حالت کاربردی پیدا میکنند. در مورد نسبیت عام، هماکنون تمام سیستمهای GPS که در موبایل و خودروها کاربرد دارند، برگرفته از این تئوری هستند.
فرد کاولی، یک فیزیکدان نروژی- آمریکایی و فردی متمول بود که همه ثروتش را برای تاسیس بنیادی به نام «بنیاد کاولی» صرف کرد. این بنیاد نه تنها یک سری موسسات علمی را انتخاب میکند و به آنها فاند میدهد، بلکه هر دو سال یک بار جوایزی را در زمینه علوم نانو، عصبشناسی و اخترفیزیک اهدا میکند. فرد کاولی یک سخنرانی در مورد علوم پایه دارد که به نظرم خیلی درست است. او میگوید: پروژههای مربوط به علوم پایه باید بدون توجه به اینکه چه فایدهای دارند، حمایت مالی شوند. چون فایده این علوم ممکن است ۱۰۰ سال دیگر مشخص شود.
جایزه «اریک کندل» چه جایزهای است و بابت کدام تحقیقاتتان این جایزه را در سال ۲۰۱۵ دریافت کردید؟
این جایزه که به نام یکی از برندگان جایزه نوبل در سال ۲۰۰۰ نامگذاری شده، کارهای تحقیقاتی دانشمندان جوان را در زمینه علوم اعصاب در کشورهای اروپایی بررسی میکند و با اهدای این جایزه به یک نفر به پیشرفت کار او کمک میکند. برخی این جایزه را معتبرترین جایزه برای نسل بعدی نخبگان علوم اعصاب در اروپا میدانند.
یاسر رودی در حال گرفتن جایزه کاولی در سال ۲۰۱۵
من به دلیل مشارکت در کارهای تحقیقاتی مربوط به کاربردهای فیزیک آماری در بازسازی شبکه و درک پردازش اطلاعات در شبکههای عصبی این جایزه را دریافت کردم.
موضوع اصلی تحقیق من درک مکانیسمها و الگوریتمهای محاسباتی درگیر در استنتاج و یادگیری آماری و امکان پیادهسازی چنین مکانیسمهایی در شبکههای عصبی است. من با همکاری ادوارد و مایبریت موزر، به درک مکانیسمهای شبکه زیربنایی سیستم ناوبری فضایی و حافظه پستانداران کمک کردم.
معمولا تحقیقات در زمینه علوم اعصاب کاملا تجربی است؛ در حالی که تقریبا تمام کارهای من پایهای و نظری است و این اولین باری بود که این جایزه به یک کار تحقیقاتی پایهای و غیرتجربی تعلق میگرفت. این امر ثابت کرد که زیستشناسی و علوم اعصاب مثل فیزیک بخش تئوری هم دارد که نقش بزرگی هم ایفا میکند.
چه شد که از سوی نشریه «ساینس نیوز» به عنوان یکی از ۱۰ دانشمند برتر جهان انتخاب شدید؟
مجله ساینسنیوز هر دو سه سال یک بار از غولهای علمی و برندگان جوایز بزرگ جهان پرسوجو میکند تا از میان محققان جوان در حوزه خودشان افرادی را معرفی کنند که کارهای تحقیقاتیشان متحول کننده است. هر کدام از این افراد یک نفر را معرفی میکند و دلیل آن را هم مینویسد. ساینسنیوز از بین این افراد ۱۰ نفر را به عنوان دانشمند برتر جوان جهان انتخاب میکند.
از نظر شما محققان ایرانی از نظر رشته کاری شما در چه سطحی هستند و چقدر با سطح جهانی فاصله دارند؟
محققان ایرانی در برخی رشتهها، کارهای پژوهشی خوبی انجام میدهند، اما در زمینه کاری من، چون بخشی از کار علمی به تعامل محققان با دنیای خارج و وجود گروههای علمی بستگی دارد، کمتر کار تحقیقاتی خوب از ایران میبینم. البته این موضوع در همه کشورهای در حال توسعه دیده میشود. به نظر میرسد که جو علمی ایران در بعضی رشتهها با محیط علمی جهانی متصل نیست. البته این شکاف با مجازی شدن بسیاری از کارهای علمی در حال پر شدن است.
صحبتهای مایبریت و ادوارد موزر، اساتید موسسه کاولی و برندگان جایزه نوبل پزشکی امسال، در مورد کارهای تحقیقاتی یاسر رودی
پروفسور ادوارد موزر: یاسر یکی از معدود محققان جوانی است که در سطح بینالمللی شناخته شده و در جوامع علوم اعصاب و فیزیک نظری فعال است. او کمک قابل توجهی در تعامل بین فیزیک و علوم اعصاب میکند.
مایبریت موزر: یاسر توانایی خاصی در توضیح محاسبات مغز با قوانین اساسی فیزیکی دارد که ممکن است برای مواد غیرزنده و سیستم عصبی اعمال شود. یکی از رویکردهای موسسه کاولی، رویکردی است که گروه یاسر آن را توسعه داده است. چشمانداز او استفاده از ایدهها، نظریهها و ابزارهای محاسباتی است که او از فیزیک گرفته و آنها را برای مسائل دیگری استفاده میکند. یاسر معتقد است که میتواند کل دنیا و جمعیت آن را با این مدلها و محاسبات توصیف کند. او مشتاق است که از همین روش برای توضیح و تفسیر فرآیندهای مغزی استفاده کند. او روی مساله بسیار مهمی تحقیق میکند؛ «چطور همه چیز را به خاطر میسپاریم و مغزمان چطور کار میکند»؟
گروه یاسر رودی نشان داد که چه شرایطی برای به حداکثر رساندن ذخیره یا ظرفیت اطلاعات در شبکههای مغز نیاز است. این محققان تحقیقاتشان را با استفاده از چیزی که ما آن را «رفتارهای خمیری یا مومسانی یا پلاستیسیته» مینامیم، انجام دادند. پلاستیسیته، تنظیمات مختلف بین سلولهای مغز است که با کمک آنها مغز میتواند اطلاعات را به روشهایی بسیار کارآمد ذخیره کند. گروه یاسر رودی این کار را با کمک مدلهای نظری انجام داده است.
چه توصیهای به جوانان ایرانی که میخواهند در زمینه کاری شما کار کنند، دارید؟
براساس اهدافی که دارند، برنامهریزی کنند و در مسیر آن حرکت کنند. اگر میخواهند دانشمند شوند، تلاش و کوشش تنها راه رسیدن به هدفشان است. علوم مختلف را یاد بگیرند و زیاد مطالعه کنند. امروزه آنقدر منابع علمی –مثل کتاب، کنفرانسها و کلاسهای آنلاین- در اینترنت وجود دارد که همه میتوانند هر علمی را که دوست دارند، یاد بگیرند.
کنجکاوی در رسیدن به هدف موضوع بسیار مهمی است. اما یادشان باشد که در این مسیر کمتر به حرف و توصیه دیگران گوش بدهند. توصیه دیگران را بشنوند، اما در نهایت خودشان براساس دادههای شخصی و واقعی تصمیم بگیرند. چون بعضی از توصیهها یا داستانها درست نیستند و بسیار کلیگویی هستند.
بعضیها میگویند چطور به فرزندمان کتاب خواندن یاد بدهیم. به نظر من خواندن کتاب و یاد گرفتن دانش یک فرآیند است. یادگیری دانش شبیه به یادگیری دویدن یا شنا کردن است. شما باید اول این مهارتها را تجربه کنید و بعد یاد بگیرید و بعد از آن لذت ببرید. فضای علوم و دانش نیز اینگونه است، جوانان باید یاد بگیرند که از یادگیری لذت ببرند.
با توجه به حرکت دنیا به سمت مهارتآموزی آینده فضای علمی را چگونه ارزیابی میکنید؟
به نظر من در آینده هم همانند الان تحصیلات کلاسیک مهم خواهد بود، اما مهارت همیشه یک پله بالاتر از تحصیلات است. به طور مثال، در کشورهای اسکاندیناوی از نظر قانونی یک نفر بدون دکتری و در صورتی که مقالات و ایدههای بسیار خوبی داشته باشد هم میتواند استاد دانشگاه شود و دانشجوهای دکتری را راهنمایی کند. ولی در کشور ما تحصیلات و مهارتآموزی تفاوت بسیار دارد.
پیشرفتهای علمی تا چه میزان توانسته به انسانها کمک کند؟
علم به ما امکان میدهد که دنیا را پیشبینی کنیم. دنیا پیچیده است و اگر بتوانیم از طریق علم آینده را پیشبینی کنیم، میتوانیم زودتر راهکارهای مناسب را پیدا کنیم و این کارآمدی دانش را میرساند. با این حال، علم جنبههای منفی هم دارد، اما در نهایت ضررش کمتر از سودش است.
در اوقات فراغتتان معمولا چه کارهایی انجام میدهید؟
ورزش میکنم، موزیک گوش میدهم و کتاب میخوانم. سفر کردن را هم خیلی دوست دارم.
معمولا چه کتابهایی میخوانید یا چه فیلمهایی تماشا میکنید؟ چه فیلم و کتابی پیشنهاد میکنید؟
طیف کتابهایی که میخوانم خیلی وسیع است؛ از کتابهای علوم انسانی گرفته تا رمان. یکی از کسانی که با خواندن کتابهایش واقعا به علوم ریاضی علاقهمند شدم و دوست دارم به همه پیشنهاد کنم، سرژ لنگ، ریاضیدان فرانسوی- آمریکایی است. کتابهای او تحت عنوان «ریاضی!: برخورد با دانشآموزان دبیرستانی» و «هنر ریاضی ورزیدن» فکر کردن دقیق را آموزش میدهد و ریاضی را با روشی غیر از آن چیزی که در مدرسه آموختهایم یاد میدهد. از کتابهای غیرعلمی کتابهای نویسندگانی مثل آنتوان چخوف، ادگار آلن پو و ایتالو کالوینو را خیلی دوست دارم.
به فیلمهای کلاسیک ایتالیایی علاقه دارم؛ مثل «زندگی شیرین»، به کارگردانی و نویسندگی فدریکو فلینی و «حرفه: خبرنگار»، به کارگردانی میکلآنجلو آنتونیونی. از فیلمهای جدید «مرد ایرلندی»، ساخته مارتین اسکورسیزی و بازی رابرت دنیرو را خیلی دوست داشتم. فیلمهای کارگردانانی چون «لارس فون تریه» و «آکی کائوریسماکی» را هم خیلی دوست دارم، چون به غیر از جنبه سرگرمی، جنبه هنری هم دارند.
پیامرسانها چه تاثیر منفیای روی ما گذاشتهاند؟
یکی از تاثیرات منفی پیامرسانها این است که یک حس دانستن کاذب به کاربران میدهند؛ بدون اینکه واقعا بدانند. اثری تحت عنوان «اثر دانینگ- کروگر» است که به نوعی سوگیری شناختی در افراد غیرحرفهای اتلاق میشود که از توهم برتری رنج میبرند و به اشتباه، تواناییشان را بسیار بیش از اندازه واقعی ارزیابی میکنند. برخلاف آن، افراد حرفهای گرایش بیشتری به دستکمگرفتن شایستگی خود دارند و به اشتباه تصور میکنند کاری که برایشان آسان است، برای دیگران نیز آسان خواهد بود.
کروگر و دانینگ در چهار آزمون مجزا مهارت شرکتکنندگان را در زمینههای استدلال منطقی، دستور زبان انگلیسی و حس شوخطبعی محک زدند و همزمان از آنها خواستند که نمره خود را پیشبینی کنند. نتیجه آزمونها نشان داد شرکتکنندگانی که کمترین نمره را آورده بودند در ارزیابی خود تا بالای میانگین غلو کرده بودند و مهارت خود را دست بالا گرفته بودند. در عوض شرکتکنندگانی که بیشترین نمره را آورده بودند مهارت خود را دست کم گرفته بودند.
به نظرم تدتاک، پستهای اینستاگرام و کتابهای عامهپسند به جای تاثیر مثبت، تاثیر منفی دارند. چون به مردم فقط مسائل سطحی را یاد میدهند؛ بدون اینکه واقعا یاد بدهند و همین امر توهمی را در میان کاربران ایجاد میکند که همه چیز را بلدند. به همین دلیل در اینجا هم به جوانان توصیه میکنم که اگر اگر میخواهند رشته فیزیک یا علوم اعصاب بخوانند، باید کتابهای درسی را بخوانند و با تماشای ویدئوهای تدتاک نمیشود دانشمند شد.
بزرگترین آرزویتان برای خودتان و دنیا چیست؟
بزرگترین آرزویم این است که خودم باشم و هر روز و هر لحظه از کارهایی که انجام میدهم لذت ببرم. برای دنیا هم صلح آرزو میکنم، چون خودم در دوران جنگ بزرگ شدم و از جنگ متنفرم. در دوران کودکی، پدرم در تیم پزشکی کار میکرد و زیاد جبهه میرفت و این استرسها همچنان همراه من است و هنوز تقریبا هر سه چهار ماه یکبار خواب جنگ و هواپیماهای عراقی را میبینم.
آرزوی پدر و مادرتان برای شما چه بوده؟ آیا به آرزوی آنها رسیدهاید؟
مطمئنم که آرزوی پدر و مادرم این نبوده که هیچ وقت محقق یا دانشمند بشوم. آرزوی آنها این بوده که همیشه از زندگیام راضی باشم و لذت ببرم. به همین دلیل همیشه از من حمایتکردهاند و محیطهای جالب هم برایم ایجاد کردهاند. مثلا من از بچگی کلاس پیانو میرفتم و همیشه جو خانه به شکلی بود که به یادگیری موسیقی کمک کند. در مورد درس خواندن هم همینطور بود و هر کتابی که دوست داشتم را برایم تهیه میکردند.
آیا ازدواج کردهاید و بچه دارید؟ آیا تحقیقات باعث میشود که به خانوادهتان لطمهای وارد شود؟ شما چطور مدیریت میکنید؟
خیر. آدم سازگاری هستم و فکر نمیکنم که ازدواج یا بچهدار شدن برایم چالشی ایجاد کند.
نظر شما