مدلسازی | کمی‌بهتر S01E05
دنیای ما اصلا دنیای ساده‌ای نیست، ما یکی از صدها میلیون گونه موجوداتی هستیم که توی کیهان وجود داره و هروز هم داریم می‌کوشیم بفهمیم کجاییم و چه میکنیم و تلاش میکنیم به دنیای اطراف خودمون معنا بدیم و بفهمیم هر رویدادی و اتفاقی چرا برای ما رقم میخوره ؟
دوست داریم بفهمیم موجودات دیگ چگونه رفتار می‌کنند و هر رفتاری را به چه علتی بروز میدن؟
دوست داریم بدانیم کره‌ی زمین، کجای عالم هستیِ و می‌کوشیم بفهمیم جایگاه ما در مقایسه با سایر موجودات روی این کره خاکی چیست و کجاست؟
در مقیاسی کوچک‌تر، می‌کوشیم به کمک دانش‌هایی مانند جامعه شناسی و روانشناسی اجتماعی و روانشناسی رفتارگرا، رابطه‌ی خودمون با سایر انسانها را درک کنیم.
از طرفی ما موجوداتی ابزارساز هستیم. جدای از تیر و تبر و چرخ و آتش ، ابزارهای بسیار پیچیده‌تری هم ساخته‌ایم،
از شبکه‌های مخابراتی تا شبکه‌های اجتماعی؛
از دارو تا دستگاه‌های پیچیده‌ی پزشکی؛
از سکه تا سهام. جالب اینجاست که امروز حتی برای تحلیل بسیاری از ابزارهای ساخته‌ی خودمون هم توانایی کامل نداریم، نمی‌توانیم به صورت دقیق و کامل، بگییم که بازار پول چگونه شکل می‌گیرد و یا بازار سهام چطور یکدفعه ریزش میکنه،
یا اینکه اطلاعات در شبکه اینترنت و وب چگونه توزیع و منتقل می‌شن؟ یا اینکه رابطه‌ها در شبکه‌های اجتماعی چطور شکل میگیرن؟
برای پاسخ دادن به سوالاتی ازین جنس شما چه راهکاری پیشنهاد میدین؟
پیشنهاد من به شما درک مفهوم مدل‌سازیه!
مفهوم مدل يکي از مفاهيم اساسي فلسفه علم و فیزیکه، اگر فیزیک رو یکی از پیچیده ترین علوم کشف شده توسط انسان تلقی کنیم میبینیم که فيزيک دانان يک مساله واقعي را حل نمي کنن، بلکه به جاي حل اون مساله، مدلي رو به وجود مي آرن تا به کمک اون مدل مساله را حل کنن؛
واژه مدل سازي از گذشته و تا به امروز بسیار پر استفاده بوده و یک مهارت مهم محسوب میشه.
ممکنه واژه مدل سازی توی رشته های مهندسی و معماری بیشتر به گوشتون خورده باشه تا فیزیک؛
البته- توی طراحی های مهندسی ، طراحی محصول مرحله به مرحله انجام میگیره و ایده یا محصول پس از طی هر مرحله وارد مرحله بعدی میشه، در فرایند طراحی به ابزارهایی نیازِ که مدلسازی سه بعدی یکی از مهمترین آنهاست.
مدلسازی سه بعدی یکی از مهمترین پیش نیازها برای شبیه سازی رفتار یک محصول و مشاهده رفتار اون بدون صرف هزینۀ زیاد برای ساختن مدل فیزیکی و انجام آزمایش روی اونه؛ اما از بحث مهندسی خارج شیم، خواستم بگم بحث مدلسازی محدودِ به دنیای علم و فیزیک نیست و در هر تاپیکی میتونه معنا پیدا کنه،
هدف مدلسازی، ترسیم شکلی ساده از جهانِ ، داستان مدلسازی از جایی شروع میشه که ما می‌کوشیم شکلی ساده شده از دنیای اطراف را ترسیم کنیم. شکلی که در حد فهم و درک ما باشه و بتونیم به کمک اون، کیفیت تصمیم گیری خودمون رو بهتر کنیم و تحلیل‌های مناسب‌تری انجام بدیم،
دانشمندان مدل‌ها را در دو سطح ساده و پیچیده مورد استفاده قرار میدن.( شکل ساده‌ی مدل‌ها:) گاهی اوقات، مدل‌ها صرفاً توصیفی از وضعیت موجود برای درک ساده‌تر آن هستند؛ این مدل‌ها عمدتاً توصیف وضعیت موجود هستند که البته این توصیف می‌تواند دقیق یا غیردقیق باشد و عموماً در مورد آینده، پیش بینی جدی یا قوی ندارن.
مهمترین نکته‌ای که باید در مورد مدل‌ها به خاطر داشته باشیم اینه که: مدل‌ها، بیش از اینکه ادعا داشته باشن که می‌خوان حقایقی رو بر ما برملا کنند، می‌کوشند به وضعیت فعلی و محیط ما شکل و معنا و سر و سامان بدن
فرض کنید دریانوردان کهن به این باور بودن که آسمان پارچه ای سیاهه که به سر زمین کشیده شده و روی اون به علت کهنگی در نقاط مختلفش سوراخ هایی ایجاد شده و یکی ازین سوراخ ها در قسمتی از پارچه اس که نزدیک شماله و ما با استفاده از ون میتونیم شمال جغرافیایی رو پیدا کنیم،
ببینید اونها یک مدل داشتن که دنیای اطرافشون رو توصیف میکرده و البته به کارشون هم میومده، به همین علت همیشه گفته می‌شود که در مدل، بحث کارآمدی مهمه و نه تطبیق با دنیای واقعی.
یا مثال دیگه در این زمینه،
نقشه جغرافیایی، نقشه‌ی جغرافیایی، شکل درست و واقعی یک منطقه نیست. پستی‌ها و بلندی‌ها و بسیاری از جزییات دیگر در آن حذف شده‌اند. حتی خطاهای بسیاری در ابعاد و اندازه‌های نقشه‌ها وجود دارد، اما هنوز، می‌توان گفت یک نقشه‌ی جغرافیایی، شکل مفیدی از یک منطقه است، با استفاده از نقشه می‌توانیم موقعیت فعلی خود را تشخیص دهیم و درباره‌ی جهت و مقصد حرکت خود تصمیم بگیریم.
.جورج باکس، جمله‌ی معروفی داره که میگه:
همه مدل ها غلط هستند، اما بعضی از آنها مفید هستند”
البته اینا شکل ساده مدل ها بودن ، مدل‌ها می‌توانند پیچیده‌تر و عمیق تر از این صحبت ها باشن، برخی مدل‌ها در حدی پیشرفته و گاه پیچیده می‌شوند که می تونن آینده رو هم پیش‌بینی کنن، به عنوان مثال، مدلی که میتونه قیمت سهام در آینده یا قیمت نفت در آینده یا میزان رفت و آمد به یک مرکز خرید را در تعطیلات پیش رو، محاسبه و برآورد کند
و اگر باز ازین مفاهیم هم بخواهیم پارو در مدلسازی پیش بذاریم هم امکان پذیره، اما دیگه دانشمندا تصمیم گرفتن از ین مرحله به بعد، مدل صداش نکنن و بهش بگن “نظریه”نظریه چیست؟
نظریه فراتر از یک مدله و گاهی میتونه زیربنایی باشه که تعداد زیادی از مدل‌های قبلی رو توی خودش جا میده و یا میتونه پایه‌ای برای پیشنهاد و طراحی بسیاری از مدل‌های دیگه باشه، مهمترین ادعای نظریه های علمی، توان اونها در پیش بینی آینده است. ضمن اینکه نظریه علمی، از یک مورد خاص و یک سیستم خاص فراتر می‌ره و دامنه‌ی بسیار بزرگتری را تحت پوشش خود قرار میده؛
(توی پرانتز بگم که نظریه ها و مدل ها با قوانین تفاوت دارن، قوانین علمی، گزارش تجربه یا مشاهداتی هستن که بارها تکرار شدن و شکل وقوع یک پدیده یا اتفاق رو دارن برای ما توصیف می‌کنن؛ مثل چی؟ مثل قانون جهانی گرانش نیوتون، مثل قانون حفاظت از انرژی- این قوانین توضیح نمیدن که چرا گرانش . جاذبه وجود داره ، یا توضیح نمیدن چرا انرژِ از بین نمیره و فقط شکلش عوض میشه ، فقط توضیح میدن در تعداد بسیار زیادی از تجربه هایی که ما داشتیم تا به امروز جاذبه گرانشی مشاهده شده، یا میگن ما تا بحال ندیدیم انرژی از بین بره اما بسیار دیدیم که شکل انرژی عوض بشه
قوانین یا معمولاً مثال نقض ثبت شده ندارن و یا اگرهم داشته باشن، تعداد آنها آن‌قدر کم است که همچنان می‌توان در کاربردهای عمومی و غیرتخصصی اونها رو به صورت یک ابزار مورد استفاده قرار داد)
یکی از چیزایی که توی علم فیزیک انیشتن رو پیرکرد و هنوزم که هنوزه فیزیک دان ها درگیرشن این قضیه اس که یه چیزی به صورت ذاتی رندوم باشه،
بحث اینه که تو فیزیک، ما پدیده رندومی نداریم، یعنی اگه قوانین رو یاد داشته باشیم، بالذات هیچ المان رندومی وجود نداره،
می‌دونم هنوز درک نکردید، من خودمم درک نکرده بودم تا این مثال رو خوندم،این رو گوش بدید می‌گیرید مطلب رو
یعنی من اگه یه سکه رو میندازم بالا، اگه جرم سکه رو با دقت بی نهایت داشته باشم
و اگه فشار هوا رو داشته باشم
و اگه سرعت باد رو داشته باشم
و اگه نیرویی که وارد میشه به سکه رو موقع پرتاب داشته باشم،
و بشینم معادلات دیفرانسیلش رو حل کنم،
و با دقت بینهایت شبیه سازی کنم، اونوقت با اطمینان میتونم دقیقا بگم سکه رو میاد، یا پشت،
اما (اما!)، ما خیلی از اوقات، نیازی به این همه پیچیده سازی قضایا نداریم، و این مدل اونقدر پیچیده میشه که اصلا به دردمون نمیخوره، اصلا مدلی که اینقدر پیچیده باشه که دیگه مدل نیست، چون ما مدل میکنیم که بتونیم یه چیز رو بفهمیم، وگرنه بهترین مدل یه چیز، خود اون پدیده است، مدل قراره یه چیز ساده باشه، لذا برای مدلسازی میایم یه مدل ذهنی تعریف میکنیم، و میگیم این سکه به احتمال 50 درصد رو و به احتمال 50 درصد پشت میاد، و مغزمونم این مدل رو به خوبی میفهمه،
چون مغزمون این المان شانسی بودن . نسبی بودن قضایا رو در ک میکنه،
چون کلا تو طبیعت با پدیده های زیادی روبرو بودیم که نمیتونستیم دقیقا پیش بینیشون کنیم و مغزمون تو تکامل، یه جورایی، این “مدل شانسی پدیده ها” رو درک کرده، یعنی پدیده ها شانسی نیستن، شاخه درختی که میافته از بالای درخت، به صورت شانسی نمیافته رو یه نقطه ای رو زمین، ولی مغز ما، شاخه رو میبینه، سرعت باد رو هم میبینه، و بطور احتمالی، میگه احتمالا این شاخه تو دو متری من فرود میاد، یعنی ما از این “مدل شانسی” صرفا برای توصیف پدیده ها استفاده میکنیم، امیدورام که منظورم رو رسونده باشم
“پدیده ها بالذات شانسی نیستن، ما صرفا مدل ذهنیمون شانسی بودن رو درک میکنه، و شانسی مدلشون میکنیم”،
حالا شاید بپرسید چکاریه اصلا؟ چرا انقدر بخوایم فلسفی و فیزیکی کنیم بحث مدلسازی رو ؟
اما دوستای خوشگلم ببینید هدفم از گفتن این بخش فیزیکی ماجرا این بود که بگم مدلسازی جهت میده به شناخت ما که کدوم سمت بریم،
فیزیک یک مکتب فوق دقیقه که ما میتونیم بپذیریم که درکی ازش نداریم و میتونیم انتخاب کنیم که اصلا مورد توجه قرارش ندیم، اما نمیتونیم بگیم قوانینش وجود ندارن و یا منکر نظریه های فیزک دان ها بشیم
،این موضوع که باور داشته باشی که ذات پدیده ها شانسی هستن و ما گاهی اوقات به صورت کلاسیک و غیرشانسی اون هارو مدلشون میکنیم، یه دیدی به تو میده در شناخت پدیده ها و ریسرچ های آینده، که کاملا متفاوته با دیدی که تو الان داری، وقتی اعتقاد داری که نه چیزی شانسی نیس، اگرم شانسی میبینیش بابت اینه که همه چیز رو در موردش نمیدونی!
به بیان دیگه، ما بخش‌هایی از واقعیت را حذف میکنیم تا بتوانیم قسمت باقیمانده آن را ساده‌تر و سریع‌تر تجزیه و تحلیل کنیم.
اصلا من مدل سازی رو که گوگل کردم، ویکی پدیا خلاصه ای از واقعیت رو مدل میگن…
ادامه رو در اپیزود 5 از پادکست کمی بهتر گوش بدید.
