ایسنا: محققان در موسسه فناوری ماساچوست "MIT” موفق به توسعه یک سیستم تصویربرداری محاسباتی شدند که با استفاده از آن میتوان بدون باز کردن کتابها، آنها را خواند. به نقل از انگجت، این فناوری از امواج تراهرتز و فاصله ۲۰ میکرومتری بین صفحات برای خواندن هر صفحه از کتاب بهره میگیرد.
ترکیبات شیمیایی مختلف قادر به جذب فرکانسهای مختلفی از امواج تراهرتز هستند، بنابراین این امواج قادرند تا در زمان تصویربرداری، کاغذ و مرکب را از یکدیگر تمایز دهند. محققان این پژوهش از یک الگوریتم تفسیر نوشتار برای داشتن درک بهتری از متنهای موجود استفاده کردند.
امواج تراهرتز توانایی آن را دارند که بین کاغذی که بر روی آن نوشته شده و یک کاغذ سفید تمایز قائل شوند. در صورتی که اشعه ایکس این خاصیت را ندارد.
این دستگاه جدید که توسط محققان موسسه فناوری ماساچوست طراحی و ساخته شده نیز به دوربینهایی با امواج تراهرتز مجهز بوده که توانایی تفکیک کاغذهای نوشته شده و کاغذهای سفید را دارد.
این فناوری از امواج تراهرتز و فاصله 20 میکرومتری بین صفحات برای خواندن هر صفحه از کتاب بهره میگیرد.
این دستگاه بیشتر برای کتابهایی طراحی شده که قدیمی بوده و از حساسیت بسیار بالایی برخوردار هستند. زیرا با استفاده از این روش نوین بدون نیاز به لمس کتاب میتوان آن را مطالعه کرد.
این دستگاه توانایی تشخیص حروف را حتی در ضخامتی به اندازه 9 ورق دارد.
ترکیبات شیمیایی مختلف قادر به جذب فرکانسهای مختلفی از امواج تراهرتز هستند، بنابراین این امواج قادرند تا در زمان تصویربرداری، کاغذ و مرکب را از یکدیگر تمایز دهند.
محققان این پژوهش از یک الگوریتم تفسیر نوشتار برای داشتن درک بهتری از متنهای موجود استفاده کردند.
امواج تراهرتز توانایی آن را دارند که بین کاغذی که بر روی آن نوشته شده و یک کاغذ سفید تمایز قائل شوند. در صورتی که اشعه ایکس این خاصیت را ندارد.
این دستگاه جدید که توسط محققان موسسه فناوری ماساچوست طراحی و ساخته شده نیز به دوربینهایی با امواج تراهرتز مجهز بوده که توانایی تفکیک کاغذهای نوشته شده و کاغذهای سفید را دارد.
5454
فناوری جدید خواندن ذهن بیماران مبتلا به ای.ال.اس
تاریخ انتشار : چهارشنبه ۱۳ بهمن ۱۳۹۵ ساعت ۱۳:۵۰
محققان مرکز عصبشناسی "ویس" در سوئیس یک رابط رایانهای جدید برای برخی از بیماران مبتلا به ALS که به هیچ عنوان نمیتوانند هیچ عضوی از بدن خود را تکان دهند طراحی کردند تا به کمک آن بتوانند با اطرافیان خود ارتباط برقرار کنند.
به گزارش ستاره ها به نقل از ایسنا؛ فناوری استفاده از رایانه برای خواندن ذهن افراد سالهاست که مورد استفاده قرار میگیرد اما محققان به تازگی توانستهاند تغییراتی در این فناوری ایجاد کنند تا افرادی که میزان ناتوانی آنها شدید است نیز بتوانند احساسات و نیازهای خود را با اطرافیان مطرح کنند.
به نقل از ساینس آلرت، بسیاری از بیماران مبتلا به بیماری اسکلروز جانبی آمیوتروفیک(ALS) که موجب تخریب پیشرونده و غیرقابل ترمیم در دستگاه عصبی مرکزی(مغز و نخاع) میشوند پس از مدتی قادر نیستند که اعضای بدن خود را تکان دهند و در حالات پیشرفته این بیماری حتی امکان پلک زدن و حرکت دادن چشم نیز وجود ندارد.
مشهورترین دستگاه مشابه در این زمینه از سوی استیون هاوکینگ دانشمند مطرح انگلیسی که به ALS مبتلاست مورد استفاده قرار میگیرد، اما هاوکینگ میتواند چشمهای خود را حرکت دهد.
تفاوت این فناوری جدید با نمونههای قبلی در این است که پیش از این برای افرادی که به طور کامل ناتوان بودند، هیچ امکانی برای برقراری ارتباط با اطراف وجود نداشت.
محققان مرکز عصبشناسی ویس در سوئیس که این رابط کامپیوتری جدید را طراحی کردهاند نتایج تحقیقات خود را در ژورنال زیستشناسی PLOS منتشر کردهاند.
محققان این مرکز با استفاده از امواج الکتریکی موجود در مغز و بررسی میزان جریان خون موجود در مغز در حالات مختلف توانستهاند به نوعی احساسات افراد را تفسیر کنند. به صورتی که در این روش محققان میتوانند پاسخهای بله یا خیر را با توجه به وضعیت مغزی تفسیر کنند.
نیلز بیلبامر یکی از محققان تیم تحقیقاتی گفت: در حال حاضر این فناوری در قدمهای ابتدایی خود قرار دارد و ما تلاش میکنیم تا بتوانیم با استفاده از بررسی امواج مغزی میزان برقراری ارتباط بین بیماران و اطرافیان را گسترش دهیم.
آزمایشهای روتین
الف. آزمایش خون
ب. آزمایش ادرار
ج. آزمایش مدفوع: گایاگ و کشت مدفوع
سایر آزمایشات غیر جزء آزمایشهای معمول نبوده و در مورد بیماران خاص استفاده میشود، مانند: آزمایش مایع نخاع، آزمایش خلط، آزمایش کشت تراشه، سایر آزمایشات
انواع آزمایشهای خون
RBC مخفف کلمه «سلول قرمز خون» اســت. سلولهای قرمز یا همان گلبولهای قرمز، در واقع اصلیترین قسمت خون و عامل رنگ قرمز آن هستند. خود این رنگ قرمز به دلیل وجود مادهای به نام هموگلوبین اســت که کمک میکند گلبول قرمز، اصلیترین وظیفه خود یعنی حمل و نقل اکسیژن و دیاکسیدکربن را انجام دهد. به طور خلاصه میشود گفت: گلبولهای قرمز وسیله حمل و نقل اکسیژن از ریه به بقیه سلولهای بدن هستند.مقادیر طبیعی: بین 7/4 تا 1/6 میلیون در هر میکرولیتر خون. این عدد برای خانمها مقداری کمتر و در کودکان مقداری بیشتر اســت.
گلبول قرمز به طور طبیعی بعد از تولید در مغز استخوان 120 روز در خون زندگی میکند و در آخر عمر خود خرد شده و به عناصر سازندهاش تبدیل میشود. مقدار RBCها طی بارداری به طور طبیعی کمی کمتر نشان داده میشود، چون حجم مایع خون افزایش پیدا کرده اســت.
عدد RBC در واقع مقدار دقیق گلبولهای قرمز در 1میلیلیتر خون محیطی اســت. بسته به آزمایشگاه و نوع کیت مورد استفاده، ممکن اســت مقیاس شمارش این سلول فرق کند. خوردن داروهایی مثل کلرامفنیکل هم باعث کاهش RBC میشود.هماتوکریت یا HCT هم یکی از مقادیر اندازهگیری گلبول قرمز اســت. به طور کلی «هم» به معنی آهن اســت و هرجا در هر کلمهای آمد، حتما آن کلمه ارتباطی با گلبول قرمز دارد. هماتوکریت درصدی از حجم کلی خون اســت که از گلبول قرمز ساخته شده و با اندازهگیری قسمت قرمز رسوب خون در لوله آزمایش نسبت به کل ارتفاع خون اندازهگیری میشود. به خاطر بیماریها و شرایط مختلفی که میتوانند اندازهگیری RBC و Hgb را با اشکال مواجه کنند،HCT هم اندازهگیری میشود تا به طور مستقیم نشاندهنده اندازه هموگلوبین و گلبول قرمز در خون باشد.
این عدد معمولا با درصد نشان داده میشود. مقادیر طبیعی: اعداد بین 42 تا52درصد برای آقایان و 37 تا 47درصد برای خانمها طبیعی به حساب میآید. در خانمهای باردار درصد بالاتر از 33 طبیعی اســت. محدوده خطر HCT بالاتر از 60 درصد و پایینتر از 15 درصد اســت، که باید مورد بررسی بیشتری قرار بگیرد.
بیماریهایی که باعث به وجود آمدن شکلهای غیرطبیعی گلبول قرمز میشوند (مثل بیماری گلبول قرمز داسیشکل) مقدار هماتوکریت را تغییر میدهند. وقتی مقدار گلبول سفید به شدت بالا باشد، بر مقدار هماتوکریت موثر اســت. در صورت طبیعی بودن اندازههای گلبول قرمز، مقدار هماتوکریت 3 برابر هموگلوبین اســت. هماتوکریت را نباید بلافاصله بعد از خونریزی شدید اندازهگیری کرد.
سه حرف WBC مخفف «سلولهای سفیدخون» و نشاندهنده گلبولهای سفید اســت. اندازهگیری مقدار گلبولهای سفید خون یکی از روشهای اصلی تعیین وجود عفونت در بدن اســت، چون این سلولها که جزو سیستم دفاعی بدن هستند، در شرایط بیماریهای عفونی و غیرعفونی واکنشهای مختلفی از خود نشان میدهند.
شمارش سلولهای سفیدخون دو جزء دارد. یکی مقدار کلی گلبولهای سفید در یک میلیلیتر خون و دیگر شمارش جز به جزء این سلولها، چون گلبول سفید خود متشکل از پنج نوع مختلف اســت که کم و زیاد شدن هرکدام از این انواع معنی خاص خود را دارد. کلمه «diff» که در جلوی CBC به معنی آزمایش خون نوشته میشود درخواست برای شمارش همین انواع مختلف گلبولسفید اســت. مقادیر طبیعی: در بزرگسالان و بچههای بالاتر از 2 سال مقدار گلبولسفید بین5 تا10هزار در هر میلیلیتر خون طبیعی اســت. محدوده خطر:WBC کمتر از 2500 و بیشتر از 30 هزار. هرکدام نشاندهنده بیماریهایی هستند که میتوانند گاهی خطرناک باشند.
عمل اصلی گلبولسفید مبارزه با عفونت و حذف عوامل خارجی و مزاحم اســت و در مواقع آلرژیها هم این سلولها مسوول بروز واکنش هستند. تغییر هر کدام از انواع WBC معنی خاص خود را دارد و ممکن اســت نشاندهنده عفونت با میکروب، ویروس و یا حتی استرس باشد. فعالیت شدید بدنی و ورزش سنگین هم برای مدتی باعث بالا رفتن تعداد WBC در خون میشود. بارداری و زایمان هم این مقدار را افزایش میدهند.
هموگلوبین در برگههای آزمایش مختلف ممکن اســت به صورتهای مختلف HGB، Hg، یا Hgb نوشته شود. هم اینها مخفف کلمه هموگلوبین، یکی از عناصر اصلی تشکیل دهنده گلبول قرمز اســت. این ماده که در آن آهن به کار رفته، خود از اسید آمینه تشکیل شده و جایگاههای مختلفی برای ترکیب با اکسیژن دارد. هموگلوبین در جایی که اکسیژن زیاد وجود دارد با آن ترکیب میشود و در محیط کم اکسیژن آن را آزاد میکند. اندازهگیری مقدار کلی هموگلوبین در واقع نوعی نشانهنده تعداد گلبولهای قرمز اســت. مقادیر طبیعی: مقدار طبیعی برای آقایان بین 14 تا 18 گرم در هر دسیلیتر اســت و برای خانمها مقادیر بین12تا 16 گرم در هر دسیلیتر طبیعی. محدوده خطر: هموگلوبین زیر 5 و بالای 20 مقادیر بحرانی به حساب میآیند و حتما نیازمند رسیدگی فوری هستند.
مقدار هموگلوبین در بارداری کاهش مییابد چون با اینکه خونسازی کمی بیشتر شده حجم مایعات بدن و خون بالا رفته و مقدارکلی هموگلوبین در هر دسیلیتر آن کاهش مییابد. زندگی در ارتفاع هم به خاطر نیاز بیشتر بدن به اکسیژن و کمبود اکسیژن محیط باعث تولید بیشتر هموگلوبین میشود. در طحال اغلب سلولهای پیرخون تخریب میشوند. بزرگ شدن طحال یعنی تخریب بیشتر سلولها و به همین دلیل به دنبال آن کاهش RBC و Hgb رخ میدهد.
حروف اختصاصی در هر آزمایش:
FBS: قند خون ناشتا
MCHC: غلظت متوسط هموگلوبین
WBC: شمارش گلبولهای سفید
RBC: شمارش گلبولهای قرمز
HB: همو گلوبین
HC: هماتوکریت (درصد گلبولهای قرمز در خون)
HCV: حجم متوسط گلبولهای قرمز
HCH: مقدار متوسط هموگلوبین در گلبولهای قرمز
R.D.W: ضریب تغییرات اندازهگیری گلبولهای قرمز
PLT: شمارش پلاکتها
PTE: درصد پلاکتها
MPV: حجم متوسط پلاکتها
MCH: وزن متوسط هموگلوبین
MCV: حجم متوسط هموگلوبین
M/E: نسبت سلولهای زاینده گلبول سفید به قرمز
RDW: پهنای گلبول قرمز در منحنی
UA: تجزیه کامل ادرار (PH، رنگ، بو،تودههای متراکم)
TGs: تریگلیسیرید (چربی که باعث رسوب در رگهاو عروق میشود)
HCG: تست حاملگی
FSB: آزمایش قند خون
تحول در خواندن با عینک مطالعه هوشمند/ عکس
تاریخ انتشار : یکشنبه ۱۰ بهمن ۱۳۹۵ ساعت ۱۰:۳۹
عینک مطالعه هوشمن
محققان دانشگاه یوتا عینک هوشمندی ساختهاند که با استفاده از لنزهای مایع، دیدگان کاربر را دنبال کرده و فوکوس میکند.
حکایت خواندن نامه عاشقانه در نزد معشوق
معشوقی، عاشق خود را به خانه دعوت کرد و کنار خود نشاند. عاشق بلافاصله تعداد زیادی نامه که قبلاً در زمان دوری و جدایی برای یارش نوشته بود، از جیب خود بیرون آورد و شروع به خواندن کرد. نامهها پر از آه و ناله و سوز و گداز بود، خلاصه آنقدر خواند تا حوصله معشوق را سر برد.
معشوق با نگاهی پر از تمسخر و تحقیر به او گفت: این نامهها را برای چه کسی نوشتهای؟ عاشق گفت: برای تو ای نازنین! معشوق گفت: من که کنار تو نشستهام و آمادهام تو میتوانی از کنار من لذت ببری. این کار تو در این لحظه فقط تباه کردن عمر و از دست دادن وقت است.
عاشق جواب داد: بله، میدانم من الآن در کنار تو نشستهام اما نمیدانم چرا آن لذتی که از یاد تو در دوری و جدایی احساس میکردم اکنون که در کنار تو هستم چنان احساسی ندارم؟ معشوق میگوید: علتش این است که تو، عاشق حالات خودت هستی نه عاشق من. برای تو من مثل خانه معشوق هستم نه خود معشوق. تو بسته حال هستی. و ازین رو تعادل نداری. مرد حق بیرون از حال و زمان مینشیند.
او امیر حالها ست و تو اسیر حالهای خودی. برو و عشق مردان حق را بیاموز و گرنه اسیر و بنده حالات گوناگون خواهی بود. به زیبایی و زشتی خود نگاه مکن بلکه به عشق و معشوق خود نگاه کن. در ضعف و قدرت خود نگاه مکن، به همت والای خود نگاه کن و در هر حالی به جستجو و طلب مشغول باش.
منبع: داستان های مثنوی معنوی
در چند سال گذشته آزمایشگاه علوم اعصاب جک گلنت یک سری مقالات تحقیقی منتشر کرده است که ابتدا بیاهمیت به نظر میرسیدند.
در سال ۲۰۱۱، این آزمایشگاه نشان داد که میتوان با رصد فعالیتهای مغزی افرادی که در حال تماشای فیلم سینمایی هستند، کلیپهای ویدیویی همان فیلم را دوباره ساخت. به عبارت دیگر میتوان مدعی شد که استفاده از رایانه برای بازآفرینی تصاویر یک فیلم، تنها از روی فعالیتهای مغزی کسی که در حال مشاهدهی آن است، یک نوع ذهنخوانی به شمار میآید. در سال ۲۰۱۵، تیم تحقیقاتی گلنت در طی آزمایشی با موفقیت توانستند حدس بزنند که افراد مشارکتکننده در آزمایش دقیقا به کدام نقاشی معروف فکر میکنند.
امسال، این تیم در نوشتهای در ژورنال Nature اعلام کرد که تنها با مطالعه بر مشارکتکنندگانی که در حال گوش کردن به فایلهای صوتی بودند، توانستند یک اطلس شامل بیش از ۱۰ هزار کلمهی منفرد مستقر در مغز را ایجاد کنند.
اما پرسش این است که آنها چطور این کار را انجام دادند؟ در پاسخ باید بگوییم که با استفاده از روش یادگیری ماشین؛ یعنی نوعی هوش مصنوعی که با استخراج و تحلیل تودههای عظیم اطلاعات مغزی، الگوی نهفته در فعالیتهای مغزی را یافته و تفکرات و ادراک انسان را پیشبینی میکند.
هدف محققان این آزمایشگاه، ساخت دستگاه ذهنخوان نیست، گرچه بسیاری به اشتباه چنین تصوری دارند. عصبشناسان نمیخواهند کلمات عبور شما را از ذهنتان بدزدند، همچنین آنها به دانستن تاریکترین رازهای زندگیتان علاقهمند نیستند. هدف واقعی چیزی فراتر از این موضوعات است. جک گلنت و دیگر عصبشناسان در پی این هستند تا با استفاده از ماشین برای استخراج حجم زیادی از اطلاعات مغزی و تبدیل علوم اعصاب به علوم دادههای بزرگ، نحوهی درک ما از فعالیتهای مغزی را دگرگون کنند.
تا جایی که میدانیم، مغز انسان پیچیدهترین شی موجود در عالم است و درک ما از نحوهی فعالیت آن نیز بسیار اندک است. ایدهی جالب جک گلنت که میتواند شاخهی علوم اعصاب را از مرحلهی ابتدایی خود به سمت جلو هدایت کند به این صورت است:
شاید لازم است یک دستگاه بسازیم تا بتواند نحوهی فعالیت مغز را برای ما آشکار کند. ما امیدوار هستیم که با رمزگشایی از الگوهای درهمتنیدهی مغزی، راهی برای درمان بیماریهای مغزی پیدا کنیم.
هم اکنون ابزار اصلی برای مطالعه و تحلیل آناتومی مغزی و فعالیتهای آن، MRI است. این تکنولوژی از دههی ۹۰ میلادی مورد استفاده قرار میگیرد و عکسهای گرفته شده توسط آن ناواضح و سطحی است.
برای درک قابلیتهای روش fMRI دانستن این نکته خالی از لطف نیست که کوچکترین واحد فعالیت مغزی که توسط این روش تشخیص داده میشود، یک وکسل (Voxel) است. معمولا وکسلها از یک مکعب با ابعاد یک میلیمتر کمی کوچکتر هستند. ممکن است در داخل یک وکسل بیش از ۱۰۰ هزار عصب وجود داشته باشد. آنطور که تال یارکونی، یک عصبشناس از دانشگاه تگزاس توضیح میدهد، fMRI مانند این است که بر فراز یک شهر پرواز کنید و ببینید که در چه مکانهایی چراغها روشن هستند.
عکسهای مرسوم fMRI میتواند به ما نشان دهد که چه مناطقی از مغز در فعالیتهای خاص، نقش حیاتی دارند، برای مثال، میتوان تشخیص داد که چه ناحیهای از مغز احساسات منفی را پردازش میکند، یا چه نواحی از مغز هنگام دیدن یک چهرهی آشنا روشن (فعال) میشوند. اما نمیتوان دریافت که آن ناحیه از مغز دقیقا چگونه در رفتارهای انسان نقش دارد و اینکه آیا نواحی دیگر مغزی که روشن نشدهاند، نقش کلیدی در رفتارهای خاص دارند یا نه. مغز مانند یک شی ساخته شده توسط لگو نیست، یعنی این طور نیست که نواحی مغزی مانند تکتک لگوها نقش مشخصی داشته باشند. مغز متشکل از یک شبکه از فعالیتها است. جک گلنت میگوید:
هر ناحیه از مغز، ۵۰ درصد احتمال دارد که با ناحیهی دیگر در ارتباط باشد.
به همین دلیل است که تلاشها برای یافتن، مثلا مرکز گرسنگی یا احتیاط، به نتایج قانعکنندهای ختم نشده است.
پیتر بندتینی، رییس دپارتمان روشهای fMRI در انجمن ملی سلامت روانی (National Institute of Mental Health) میگوید:
ما سالهاست که به این لکههای ظاهر شده در عکسهای fMRI نگاه میکنیم و به این موضوع فکر میکنیم که چه اطلاعاتی در آنها نهفته است. اکنون مشخص است که هر تغییر کوچکی در این لکهها، حاوی اطلاعات در مورد عملکرد مغز است، اطلاعاتی که ما تا کنون قادر به کشف آنها نبودهایم. به همین دلیل است که ما به تکنیکهای یادگیری ماشین نیاز داریم. چشمان ما میتواند لکهها را ببیند، اما نمیتوانیم الگوها را ببینیم. این الگوها بسیار پیچیده هستند.
در اینجا یک مثال ارائه میدهیم. بهطور سنتی این طور تصور میشود که پردازش زبان در نیمکرهی چپ مغز و در دو ناحیهی مشخص، ناحیهی Broca و ناحیهی Wernicke اتفاق میافتد. اگر این ناحیههای صدمه ببینند، شما در درک یا ایجاد زبان با مشکل روبهرو میشوید.
اما الکس هاث، فوقدکترای عصبشناسی در آزمایشگاه گلنت نشان داد که این درک ما از کارکرد مغز در ارتباط با زبان، بسیار ساده و سطحی است. او تصمیم گرفت دریابد که آیا کل مغز در درک زبان نقش دارد یا نه.
در یک آزمایش، او از شرکتکنندگان در یک تحقیق خواست تا به یک داستان صوتی گوش دهند. همزمان او و همکارانش فعالیتهای مغزی آنها را توسط اسکنرهای fMRI ضبط کردند. هدف از این آزمایش پی بردن به ارتباط نواحی مختلف مغز در حین فعالیت مغزی مرتبط با گوش کردن به لغات بود.
گلنت میگوید که چنین آزمایشی اطلاعات بسیار زیادی را تولید میکند، حجمی از اطلاعات که احتملا انسان تا کنون با آن مواجه نشده است. اما به یک نرمافزار رایانهای آموزش داده شد تا با بررسی این اطلاعات، الگوی آنها را بیابد. در نهایت برنامهای که توسط هاث طراحی شده بود توانست یک اطلس از لغاتی که در مغز انسان «زندگی» میکنند را آشکار کند. گلنت در این ارتبط میگوید:
آزمایش الکس نشان داد که قسمتهای زیادی از مغز در درک معنایی لغات نقش دارند.
الکس هاث همچنین نشان داد لغاتی که از لحاظ معنایی به یکدیگر نزدیک هستند، مانند سگ و پودل (نوعی سگ پشمالو)، در نواحی مجاور در داخل مغز جای میگیرند.
پس اهمیت پروژههای این چنینی چیست؟ در دنیای علم، پیشبینی برابر است با قدرت. اگر دانشمندان بتوانند پیشبینی کنند که چگونه یک سری فعالیتهای گیجکنندهی مغزی به تفسیر و درک زبان مربوط میشود، آنگاه میتوانند مدل بهتری از نحوهی کارکرد مغز ارائه دهند و اگر آنها بتوانند یک مدل بهتر بسازند، بهتر میتوانند بفهمند که چرا و چگونه متغیرهای مغز تغییر میکنند، یا به عبارت دیگر مغز دچار بیماری میشود.
یادگیری ماشین مفهومی گستردهای است که شامل استفاده از طیف زیادی از نرمافزارهای رایانهای میشود. به زبان عامیانه، تکنولوژی یادگیری ماشینی که به سرعت در حال توسعه است، به معنای تشخیص و دیدن اشیا توسط ماشینها و با استفاده از فوتونها است که در سطحی نزدیک سطح دید انسان روی میدهد. با استفاده از نوعی تکنولوژی یادگیری ماشین با نام تکنولوژی یادگیری عمیق، سرویس ترجمه گوگل، که قبلا ترجمههای ابتدایی و گاهی خندهآوری ارائه میداد، اکنون میتواند رمانهای ارنست همینگوی را به چند زبان دیگر در سطحی ترجمه کند که با ترجمههای مشهور آنها رقابت کند.
اما اساسا برنامههای یادگیری ماشین به دنبال کشف الگوها و رابطهی بین x و y هستند. معمولا برنامههای یادگیری ماشین ابتدا باید توسط یک سری دادهی تحت «آموزش» قرار گیرند. در این فرآیند، برنامه باید به دنبال الگوی موجود در دادهها بگردد. هر چه میزان دادههای آموزشی بیشتر باشد، برنامه باهوشتر و دقیقتر عمل میکند. بعد از اتمام پروسهی آموزش، دادههای جدیدی به برنامه داده داده میشود. در نتیجه با استفاده از دادههای جدید، برنامههای یادگیری ماشین میتوانند شروع به پیشبینی کنند.
یک نمونهی ساده و جالب این برنامهها، قابلیت فیلتر کردن ایمیلهای اسپم است. برنامههای یادگیری ماشینی با بررسی ایمیلهای اسپم و پی بردن به نحوهی نگارش و ساختار و محتوای آنها، میتوانند از میان ایمیلهای دریافتی، ایمیل اسپم را شناسایی و فیلتر کنند.
لازم نیست که برنامههای یادگیری ماشینی همگی پیچیده باشند، یک برنامهی یادگیری ماشین ممکن است تنها وظیفهی رگراسیون ریاضیاتی را داشته باشد، یا ممکن است به اندازهی DeepMind شرکت گوگل، که روزانه میلیونها داده دریافت میکند، پیچیده باشد. گوگل با استفاده از این برنامه توانست رایانهای بسازد که انسان را در بازی گو (Go) شکست دهد. گفتنی است بازی گو متشکل از یک تخته و دو دسته مهرهی سیاه و سفید است. این بازی به ظاهر ساده، چنان پیچیده است که وضعیتهای محتمل پیش آمده در بازی، از تعداد اتمهای موجود در کیهان بیشتر است.
عصبشناسان از تکنولوژی یادگیری ماشینی به دو منظور استفاده میکنند: کدگذاری و کدشکنی. در روند کدگذاری، برنامهی یادگیری ماشین سعی میکند تا الگوی فعالیت مغزی ایجاد شده توسط یک محرک را پیشبینی کند. اما کدشکنی برعکس مفهوم قبلی است، یعنی نگاه کردن به فعالیتهای مغزی برای پیشبینی این که شرکتکنندگان در حال نگاه کردن به چه چیزی هستند. همچنین عصبشناسان میتوانند از چنین برنامههایی در اسکنهای مغزی، مانند EEG و MEGS استفاده کنند.
برایس کول، عصبشناس از دانشگاه اورگان، اخیرا توانست با استفاده از روش کدشکنی و توسط دادههای به دست آمده از fMRI، چهرههایی که شرکتکنندگان در تحقیق به آنها نگاه میکردند را بازسازی کند.
آن قسمتهایی از نواحی مغزی که کوهل توسط MRI هدف قرار داده بود، به طور سنتی به عنوان مرکز «خاطرات واضح» شناخته شدهاند. کوهل در این ارتباط میگوید:
آیا آن ناحیه شامل جزییات چیزی است که به آن نگاه میکنید؟ یا فقط به این دلیل است که به حافظهی خود اعتماد دارید؟
این که برنامهی یادگیری ماشین بتواند از روی فعالیتهای مغزی ویژگیهای چهرهها را تشخیص دهد به این معنی است که آن نواحی حاوی جزییاتی از «آن چیزی که میبینید» هستند.
به طور مشابه، آزمایشی که توسط گلنت برای پیشبینی نقاشی که شرکتکنندگان به آن فکر میکردند، طراحی شده بود، حاوی یک راز کوچک در مورد ذهن انسان است: ما همان نواحی مغزی را هنگام یادآوری ویژگیهای بصری فعال میکنیم که هنگام دیدن آنها فعال میکنیم.
عصبشناسان عقیده دارند که تکنولوژی یادگیری ماشین هنوز منجر به ظهور انقلاب در رشتهی آنها نشده است. آنها علت این امر را میزان کم اطلاعات در دسترس میدانند. اسکنهای مغزی بسیار زمانبر و هزینهبر هستند و تحقیقات انجام شده در این حوزه شامل تنها چند شرکتکننده میشود و نه چند هزار. اونیل هیومن، محقق نئورودینامیک از دانشگاه پیتزبورگ میگوید:
در دههی ۹۰ و زمانی که علوم اعصاب کمکم شروع به رشد میکرد، مردم سوالهای طبقهبندی-محور میپرسیدند، مثلا اینکه چه نواحی از مغز هنگام نگاه کردن به صورتها فعال میشود، چه نواحی هنگام نگاه کردن به اشیا فعال میشد و یا در مورد خانهها چطور؟ اما ما اکنون میتوانیم سوالهای حسابشدهتری بپرسیم، مانند این سوال: آیا این خاطره که شخصی هماکنون در حال یادآوری آن است، همان چیزی است که او ۱۰ دقیقه پیش به آن فکر میکرد؟
هیومن میگوید که این پیشرفت انقلابیتر و تکاملیتر است.
دانشمندان علوم اعصاب امیدوارند یادگیری ماشین به آنها در تشخیص و درمان اختلالات ذهنی کمک کند. هماکنون روانپزشکان نمیتوانند یک بیمار را در دستگاه MRI قرار دهند و تنها با اتکا به فعالیتهای مغزی تشخیص دهند که او دچار یک نوع بیماری روانی، مانند اسکیزوفرنی است. آنها برای تشخیص بیماریها باید به صورت بالینی با بیماران صحبت کنند، که البته بیشک بسیار ارزشمند است. اما یک روش تشخیص مبتنی بر ماشین میتواند به راحتی بیماریهای روانی را از یکدیگر تشخیص دهد و تاثیر مهمی بر روند درمان بیماری داشته باشد. بندتینی میگوید که برای انجام این کار به اطلاعات MRI بسیار زیادی، در حدود ۱۰ هزار عکس از لکهها، نیاز است.
برنامههای یادگیری ماشین میتوانند با جستجوی الگوهای فعالیتهای مغزی مربوط به بیماران روانی، این اطلاعات را از مغز انسان استخراج کنند. بندتینی در این مورد توضیح میدهد:
شما میتوانید با استفاده بالینی از این برنامهها، بیمار را در اسکنر قرار دهید و بگویید که برمبنای ۱۰ هزار پایگاه دادهی موجود، این بیمار مبتلا به، مثلا اسکیزوفرنی است.
تلاشها برای انجام این کار هنوز در مراحل مقدماتی قرار دارد و تا کنون نتایج محکم و مستندی به دست نیامده است. دان یامینز، عصبشناس و متخصص در علوم رایانهای از دانشگاهMIT میگوید:
اگر به درک کافی از ارتباط بین شبکههای مغزی برسیم، ممکن است که به جایی برسیم که هنگام بروز اختلال در مغز، مداخلات پزشکی مثبت و پیچیدهتری در مغز داشته باشیم. مثلا ممکن است که یک کاشت (implant) در مغز کار انجام دهیم تا به نحوی به بهبود بیماری پارکینسون یا آلزایمر کمک کند.
همچنین روش یادگیری ماشینی میتواند به روانپزشکان کمک کند که پیشبینی کنند چگونه مغز بیماران مبتلا به افسردگی به داروهای خاص واکنش نشان خواهند داد. یامینز در این ارتباط توضیح میدهد: هماکنون روانپزشکان باید از دیدگاه تشخیصی حدس بزنند که یک بیمار چطور به داروها واکنش نشان خواهد داد. چرا که علایم و نشانههای بیماری نمیتواند به طور کامل نشانگر اتفاقات جاری در مغز باشد.
یامینز تاکید میکند که استفاده از یادگیری ماشین برای تشخیص و درمان بیماریها در آیندهی نزدیک روی نخواهد داد. با این حال دانشمندان و محققان سرتاسر جهان در حال کار بر روی این موضوع هستند. اخیرا ژورنال Neurolaimage یک شمارهی کامل را به مقالاتی اختصاص داد که در مورد پیشبینی تفاوتهای مغزی افراد بر مبنای دادههای عکسبرداری عصبی بودند. کارهای اینچنینی بااهمیت هستند. چون زمانی که این کارها عملا وارد حوزهی سلامت شوند، میتوانند منجر به ایجاد روشهای جدید درمان یا پیشگیری شوند.
بیماران مبتلا به صرع هیچگاه نمیدانند که چه زمانی دچار تشنج میشوند. کریستین مایزل، عصبشناسی از انیستیتو ملی سلامت میگوید:
این یک مشکل بزرگ است، شما نمیتوانید رانندگی کنید، چون استرس این موضوع شما را ناراحت میکند. آن طور که میخواهید نمیتوانید کارهای روزمره را انجام دهید. در حالت ایدهال شما میخواهید که یک سیستم هشدار در مورد تشنج قریبالوقوع داشته بشید.
روشهای درمانی کاملی نیز برای بیماری صرع وجود ندارد. بعضی از بیماران، داروهای ضد صرع به صورت ۲۴ ساعته مصرف میکنند، اما این داروها دارای عوارض جانبی بعضا خطرناکی هستند. حتی در ۲۰ تا ۳۰ درصد بیماران، هیچ دارویی از تشنج جلوگیری نمیکند.
اما پیشبینی تشنج میتواند تغییر بزرگی ایجاد کند. اگر یک شخص مبتلا به صرع بداند که در لحظات آینده دچار تشنج خواهد شد، میتواند خود را سریعتر به یک مکان امن برساند و یا از دیگران کمک بگیرد. همچنین پیشبینی تشنج میتواند روشهای درمانی جدیدی را معرفی کند. مثلا سیستم هشدار میتواند باعث فعال شدن ابزاری برای وارد کردن داروی فوری ضدصرع به بدن بیمار شود، یا با فرستادن یک سیگنال از وقوع تشنج جلوگیری کند.
تصویر زیر نوار مغزی یک بیمار صرعی است که توسط مایزل به اشتراک گذاشته شده است. او میگوید:
هیچ تشنجی دیده نمیشود. اما سوال این است که آیا این فعالیت مغزی مربوط به یک ساعت قبل از تشنج است و یا چهار ساعت قبل از آن؟
او میگوید که پاسخ به این سوال برای یک پزشک بالینی اگر غیرممکن نباشد، بسیار دشوار خواهد بود.
اما اطلاعات مربوط به تشنج بعدی ممکن است در میان این نوار مغزی پنهان شده باشد. برای آزمایش این احتمال، آزمایشگاه مایزل در یک رقابتی که توسط Kaggle برگزار شده بود، شرکت کرد. Kaggle یک جامعهی علوم آماری است که به صورت آنلاین فعالیت دارد. Kaggle اطلاعات مربوط به نوارمغزی سه بیمار صرعی را در مدت زمان چند سال جمع آوری شده بود، با شرکتکنندگان به اشتراک گذاشت. مایزل از روش یادگیری عمیق برای آنالیز دادهها به منظور پیدا کردن الگوها استفاده کرد.
اما این برنامه تا چه اندازه در پیشبینی تشنج دقیق عمل میکند؟ مایزل در این مورد اینگونه توضیح میدهد: اگر شما یک سیستم کاملا دقیق داشته باشید که همهچیز را بهدرستی پیشبینی میکند، نمرهی ۱ میگیرید، اما اگر سیستم شما به صورت تصادفی اقدام به پیشبینی کند، نمرهی ۰.۵ به شما تعلق میگیرد. ما هماکنون به نمرهی ۰.۸ رسیدهایم. به این معنی که پیشبینی ما دقیق نیست، اما از حالت تصادفی بسیار بهتر است. البته این روش راه زیادی برای گذر از حالت نظری و ورود به عالم واقعی در پیش دارد. مثلا یکی از مشکلات این روش این است به برای به دست آوردن نوار مغزی بیماران شرکت کننده در این تحقیق از یک روش تهاجمی استفاده شده است.
مایزل یک نظریهپرداز عصبشناس است که سعی دارد بر مبنای نظریههای مختلف دریابد که چگونه تشنجهای صرعی از یک فعالیت غیرعادی کوچک مغزی شروع شده و تبدیل به یک حالت کاملا فلجکننده برای بیمار میشود. او میگوید که یادگیری ماشین به او در درک و توسعهی نظریهها کمک میکند. او میتواند نظریهی خود را در یک مدل یادگیری ماشین پیاده کند و ببیند که آیا این نظریه باعث بهتر شدن پیشبینیها میشود یا در جهت عکس عمل میکند. او میگوید:
اگر این روش جواب بدهد، یعنی نظریهی من درست است.
یادگیری ماشین نمیتواند تمام مسائل اصلی علوم اعصاب را حل کند. عملکرد یادگیری ماشین ممکن است به دلیل کیفیت پایین اطلاعات دریافتی توسط fMRI محدود شود.
گیل وراکو، دانشمند علوم رایانهای که ابزار یادگیری ماشین را برای علوماعصاب توسعه داده است، میگوید:
حتی اگر ما تعداد بیشماری دادههای تصویری داشته باشیم، در آن صورت نیز نمیتوانیم یک پیشبینی کامل و دقیق داشته باشیم، زیرا پروسههای به دست آوردن این اطلاعات معیوب هستند.
اما بیشتر عصبشناسان معتقد هستند که ورود یادگیری ماشین به حوزهی علوم اعصاب باعث شفافیت بیشتری شده است. همچنین از یادگیری ماشین میتوان برای پیدا کردن راهحلی برای مشکل «مقایسهی چندگانه» در علوم اعصاب استفاده کرد. این عبارت در مواردی به کار میرود که محققان به دنبال دست یافتن به نتیجهای مهم از لحاظ آماری در میان دادهها هستند. با استفاده از یادگیری ماشین، پیشبینی شما در مورد رفتار مغز یا درست است و یا نادرست. وراکو میگوید که «پیشبینی» چیزی است که تحت کنترل ما قرار دارد.
دسترسی به منابع عظیم اطلاعاتی میتواند عصبشناسان را قادر کند تا تحقیقات بر روی رفتارهای مغزی را در بیرون از محیط آزمایشگاه نیز دنبال کنند. هیومن در این ارتباط میگوید:
تمام مدلهای مطالعاتی ما در مورد نحوهی کارکرد مغز در محیطی با شرایط مصنوعی بنا شده است. بنابرین ما مطمئن نیستیم که یک رفتار مغزی مشخص را در خارج از محیط آزمایشگاه و در دنیای واقعی شاهد باشیم.
اگر ما به نحوی بتوانیم به اطلاعات زیادی از رفتار مغز در زندگی روزمره دست یابیم، مثلا با استفاده از یک دستگاه ثبت نوارمغزی همراه، در آن صورت یادگیری ماشین میتواند به جستجوی الگوهای رفتاری مغز بپردازد، بدون این که به آزمایشات تصنعی نیازی باشد.
و در نهایت یک استفادهی دیگر برای برنامههای یادگیری ماشین در علوم اعصاب میتوان متصور شد، با اینکه شاید کمی تخیلی به نظر برسد. ما میتوانیم با مطالعهی رفتار مغز توسط یادگیری ماشین، برنامههای بهتری برای یادگیری ماشین بسازیم. بزرگترین پیشرفت روی داده در ۱۰ سال گذشته در تکنولوژی یادگیری ماشین، ایدهای با نام «شبکههای عصبی پیچیده» است، که گوگل با استفاده از آن میتواند اشیای موجود در عکسها را تشخیص دهد. این شبکههای عصبی از تئوریهای عصبشناسی نشئت میگیرند. پس هر چه بیشتر به بررسی رفتارهای مغزی با یادگیری ماشین بپردازیم، خود این روش نیز پیچیدهتر و باهوشتر میشود. سپس، برنامههای ارتقا یافتهی یادگیری ماشین دوباره میتوانند برای بررسی مغز مورد استفاده قرار گیرند و در این صورت دانش ما از علوم اعصاب بیشتر میشود.
همچنین محققان شاید بتوانند با استفاده از یادگیری ماشین، رویاهای انسان را دوباره بازآفرینی کنند. ممکن است در حین فرآیند بررسی رفتارهای مغزی، لازم باشد برنامهی یادگیری ماشین، فعالیتهای مغزی را شبیهسازی کند. وراکو میگوید:
ما نمیخواهیم مردم این گونه تصور کنند که ما به دنبال ساخت ماشینهای ذهنخوان هستیم. هدف ما این است که به مدلهای رایانهای پیچیدهتری برای درک رفتار مغز دست یابیم. من فکر میکنم که روزی به این هدف خواهیم رسید.
آیا باید درمورد درس خواندن فرزندانمان سخت گیری کنیم؟
شما در کودکی چقدر درس خوانده اید؟ آیا از نتیجه کارتان راضی هستید؟ حال به این موضوع فکر کنید که شرایط برای فرزندانتان به چه صورت خواهد بود؟
به گزارش آلامتو و به نقل از سپیده دانایی؛ شاید اگر بگوییم «تحصیل» فرزندان یکی از بزرگترین دغدغههای خانوادههاست، پر بیراه نگفتهایم. این را میشود از انواع و اقسام کلاسها و کتابهای کمکآموزشی، مدارس مختلف غیرانتفاعی، مجتمعهای آموزشی و اتاقهای مشاورهای فهمید که هرروز پدران و مادرانی را در خود جای میدهد که نگران آیندهٔ تحصیلی فرزندشان هستند. از سوی دیگر، فرزندانی که بزرگترین چالش زندگیشان درسخواندن است، دراینبین امکان دارد به خاطر همین فشارهای خانوادگی و اجتماعی دچار انواع مشکلات روانشناختی شوند. نسل خانوادهها تغییر پیداکرده، اگر نسل گذشته، نسلی بود که زیر فشار پدر و مادری بود که تحصیلات آنچنانی نداشتند و آرزو داشتند فرزندانی باسواد داشته باشند، نسلِ امروز والدین، نسلی است که خود تحصیلات دارد و البته اصرار دارد که فرزندانش نیز از کیفیت بالای آموزشی برخوردار باشد. این کیفیتِ بالای آموزشی البته در بیشتر اوقات معطوف میشود به نمره و دانشآموزی که نمرهٔ بالاتری در مدرسه گرفته باشد، از نظر والدین، فرزندی خوب و شایسته است و دانشآموزی که نمیتواند نمرات بالایی را کسب کند، فرزندی است که زحمات والدینش را نادیده میگیرد. این برچسبها موجب شده تا نسلی از دانشآموزان با احساس گناه بالا و کمالگرا و مضطرب شکل بگیرد که تحتفشارهای روانی شدیدی در حال تحصیل است. نمونهٔ آن را میتوان در زندگی روزانهٔ طیفی از دانشآموزان دید: از استرس و اضطراب شدید صبحگاهی همراه با حالت تهوع و تنش گرفته تا بیخوابیهای شبانه و اُفت کارکرد تحصیلی. این مطلب برای شما والدین نوشتهشده است. قصد دارم به شما بگویم که چرا اصولاً اصرار بر روی موفقیت تحصیلی به هر شیوهای، لزوماً باعث موفقیت دانشآموزان نمیشود و از طرفی قصد دارم به چیزهایی اشارهکنم که فرزندان شما در مدرسه یاد نمیگیرند؛ ولی در زندگی روزمره بسیار با اهمیت هستند.
خانوادهها و مدارس، دانشآموزان را تحتفشار قرار میدهند تا در امتحانات نمرات بالایی به دست آورند یا در کنکور رشتهٔ بهتری (از نظر آنها) را قبول شوند. بنابراین زندگی آنها تکبعدی میشود و ابعاد دیگر زندگی نادیده گرفته میشود. آنها فقط یک هدفدارند: اینکه تحصیلات بالایی داشته باشند و وقتی با شکست و ناکامی در تحصیلات مواجه میشوند، فرومیریزند، استرس میگیرند، انگیزههایشان از بین میرود و کمرشان خم میشود. خانوادهها همیشه از این میگویند که «موفقیت فرزندشان مهمتر از هر چیز دیگری است»؛ ولی همیشه موفقیت را مساوی با پیشرفت تحصیلی قرار میدهند. برای همین همیشه میگویند: «من حاضرم از روزی خودم کم کنم ولی فرزندم تحصیلات بالایی داشته باشد. شده میفرستم دانشگاه آزاد!». این جملهها پیامهای ضمنی مهمی را به فرزندان منتقل میکنند. ادراک آنها از این جملهها این است که صرفاً وقتی پیشرفت تحصیلی به دست آورم، در زندگی موفق شدهام و اگر در این مسیر و در پیشرفت تحصیلی ناکام شوم، پدر و مادرم را ناامید کردهام. درواقع برخی خانوادهها نیازی به این پیامهای ضمنی و پنهان ندارند، آنها بهطور شفاف به فرزندانشان میگویند که اگر در مدرسه و دانشگاه موفق نشوند، آنها را ناامید کردهاند و زحمات آنها را به باد دادهاند! چیزی هولناکتر از این جملهها نمیتواند سلامت روان فرزندانشان را به خطر اندازد. بنابراین امکان دارد فرزندان درس بخوانند و شاید در رشتهٔ تحصیلی موردنظر هم موفق شوند؛ ولی وقتی از دانشگاه خارج میشوند، اصلاً بلد نیستند زندگی کنند! بلد نیستند ارتباط برقرار کنند؛ بلد نیستند کار کنند؛ بلد نیستند پول دربیاورند؛ بلد نیستند حتی از اوقات فراغتشان استفاده کنند؛ حتی بعضی از آنها بلد نیستند یک ساعت دربارهٔ چیزی که سالها دربارهاش تحصیلکردهاند، حرف بزنند! چرا؟ چون فقط یاد گرفته بودند که برای امتحان آماده شوند؛ فقط یاد گرفته بودند که نمره بگیرند؛ فقط یاد گرفته بودند که خوب تست بزنند! چون موفقیت در زندگی را مساوی با پیشرفت تحصیلی به هر قیمتی میدانستند. ابعاد دیگر زندگی، به همان اندازهٔ تحصیلات مهم هستند و نادیده گرفتن این ابعاد، زمینههای آسیب در فرزندانتان را ایجاد میکند.
مدارس و خانوادههای امروزی، دانشآموز را تحتفشارهای روانی مختلف قرار میدهند؛ تا نمرات بهتری کسب کند. کلاسهای فوقبرنامه، ساعتهای طولانیمدت در مدرسه، رقابت برای شاگرد ممتاز شدن، کلاسهای جانبی، تکالیف سخت و سنگین، آمادگی برای کنکور و امتحانات نهایی و … . همهٔ اینها موجب میشود که دانشآموزان با فشارها و استرسآورهای متعددی روبهرو شوند که سلامت روان آنها را تهدید میکند؛ یعنی همان تحصیلاتی که قرار بود موجب زندگی بهتر و سالمتر فرزندان شود، همان تحصیلاتی که قرار بود آیندهٔ روشنی به ارمغان بیاورد، درست همان تحصیلات سلامت روان آنها را به خطر میاندازد؛ اگر حمایت کافی را از طرف خانواده وجود نداشته باشد. زمان طولانی مدرسه برای کسب دانش و فشارهای وابسته به آن کافی است و وقتی فرزندانتان به خانه برمیگردند باید با محیط آرام و بیتنش و حمایتی روبهرو شوند تا مکانیسمهای دفاعی روانشناختی آنها از کار نیافتد.
بیشتر افراد برداشت متفاوتی از کلمهٔ «اصالت» دارند. در گفتوگوهای روزمره این کلمه برای توصیف افرادی که به مدت طولانی در یک مکان یا یک شهر زندگی کرده باشند اطلاق میشود، مثلاً «این خانواده تهرانی اصیل است»؛ اما اصالت از نگاه روانشناسی وجودی مفهوم عمیقتری دارد. اصالت یعنی «همان چیزی باشی که هستی و آن چیزی نباشی که نیستی». به زبان ساده یعنی «خودت باشی و نه کسی که دیگران دوست دارند یا جامعه از تو طلب دارد». اصالت انواع مختلفی دارد؛ مثلاً «اصالت هیجانی»، یعنی «وقتی احساس خاصی را تجربه میکنی، همان را نشان دهی». خیلی از افراد اصالت هیجانی ندارند؛ بنابراین مثلاً وقتی اندوهگین یا عصبانی هستند، میخندند! این خنده، خندهٔ اصیل نیست. شما در رویارویی با این فرد دچار گیجی خواهید شد؛ چراکه نمیتوانید بفهمید این خنده، خندهٔ اصیل و یا خندهٔ شادی است، یا خندهای از روی عصبانیت. از انواع دیگر اصالت میتوان به اصالت رفتاری هم اشاره کرد. در مدارس دانشآموزان ترغیب نمیشوند که همان چیزی باشند که هستند. آنها باید همان چیزی باشند که معلم میگوید، یا ناظم از آنها میخواهد یا تحتفشار همسالان، همان چیزی باشد که گروه دوستان از آنها میخواهد. همچنین در مدارس به عشق و فروتنی هم کمتر پرداخته میشود. از نگاه روانشناسی، آدمهای سالم، دنیا را جای خوبی برای زندگی میدانند، دیگران را خوب میبینند و بنابراین نسبت به خودشان هم احساس خوبی دارند؛ ولی برخی از افراد، نه دنیا را جای خوبی برای زندگی میدانند و نه دیگران را آدمهای خوبی برای ارتباط برقرار کردن؛ بنابراین احساس خوبی هم نسبت به خود ندارند. در مدرسه به دانشآموزان یاد داده میشود که همکلاسیها، رقبای آنها هستند؛ حتی همان دوستی که بغلدستشان نشسته. آنها در بیشتر اوقات با دیگران مقایسه میشوند؛ بنابراین به آنها یاد داده نمیشود که دیگران را دوست بدارند، آنها فقط رقابت میکنند. پس فرزندانتان را ترغیب کنید که اصالت هیجانی و رفتاری داشته باشند و هر وقت اصیل رفتار کردند، آنها را تشویق کنید. اگر میخواهید فرزندان سالمی داشته باشید، به آنها یاد بدهید که دنیا را دوست داشته باشند و یاد بدهید که دیگران قابلاحترام هستند. آنها خودشان یاد میگیرند که خودشان را دوست داشته باشند. به آنها یاد بدهید صادق باشند؛ ولی نه با تهدید. آنها میتوانند شما را الگو قرار بدهند؛ اگر خودتان اصیل، فروتن و صادق باشید. «تامس جفرسون» جملهای دارد با این مضمون: «صداقت، اولین فصل از کتاب خرد و دانایی است».
هر روز به محل کار از وسایل عمومی استفاده می کنم. در این میان با رفتارها و برخوردهایی مواجه هستم که یکی از آن ها را امروز با توجه به موضوعی که قرار است صحبت کنیم عرض می کنم ...
فرآوری: زهرا اجلال- بخش قرآن تبیان
وقتی در جامعه دقیق می شویم می بینیم که امروزه مردم با توجه به مشکلات و گرفتاری هایی که دچارش شده اند، به معنویت روی آوردند؛ صبح ها در واگن های مترو می بینیم که دختران و زنان جوانی که در دستانشان تسبیح یا صلوات شماری است و در حال ذکر و فرستادن صلوات هستند. یا عده ای در حال خواندن دعا و قرآن ...
هرچند که زیاد قرآن خواندن و ختم قرآن، دعا کردن و ذکر گفتن یک فضیلت است و پیشوایان دین، چنین می کرده اند، امّا از آداب باطنی آن است که به کیفیّت، همچون کمیت و یا حتی بیش از کمیّت توجّه شود. «چگونه خواندن»، مهم تر از«چه قدر خواندن» است. ائمّه در عین آن که کثرت تلاوت داشتند، تدبّر در آیات هم داشتند و قرآن با دل و جانشان همنوا و عجین می شد.
حضرت علی(علیه السلام) توصیه کرده است که: قرآن را روشن و استوار بخوانید و با ضربه های اثرگذار قرآن، بر دلهای سنگی و قساوت گرفته خویش بکوبید، باشد که تکان بخورد و اثر پذیرد و همه فکر و همّت شما این نباشد که به آخر سوره برسید: «وَلکِنِ ِ اقْرَعُوا بِهِ قُلُوبَکُمُ الْقاسیَّةَ وَلایَکُنْ هَمُّ أحَدِکُمْ آخِرَالسُّورَةَ» (کافی، ج 2، ص 99)
متاسفانه گاهی از سر بی حوصلگی قرآن تلاوت می کنیم و دائم به شماره آیات نگاه می کنیم که کی به انتهای سوره می رسیم و فقط همّ و تلاشمان بر این است که سوره به اتمام برسد و یا در جزء خوانی، جزء به اتمام برسد و هیچ توجهی به مفهوم و باطن آیات نداریم. و این آفت بزرگی در تلاوت قرآن می باشد.
ارزش هر عملی به کیفیت بیشتر و بهتر آن است، مثلاً در همین نماز که رکعات آن مشخص شده است حضور قلب و کیفیت آن نیز مورد تأکید است
اسلام از مسلمانان، اعمال زیاد نخواسته است، بلکه اعمال خالص خواسته، عمل به اندازه توان خواسته است؛ لا یُکَلِّفُ اللَّهُ نَفْساً إِلاَّ وُسْعَها (286 سوره بقره) بدین جهت در روز قیامت، گاهی کوهی از اعمال را در ترازوی سنجش اعمال می نهند، ولی هیچ وزنی ندارد.
ارزش هر عملی به کیفیت بیشتر و بهتر آن است، مثلاً در همین نماز که رکعات آن مشخص شده است حضور قلب و کیفیت آن نیز مورد تأکید است.
هرگاه ذکر و یا تلاوت قرآن با فکر و کیفیت همراه شد، آثار و برکات خاصی را در پی خواهد داشت. اخلاص روح عبودیّت و بندگی است و عبادت جز با اخلاص مفهومی ندارد. به فرمایش امام صادق (علیه السلام): «نیّت برتر از عمل است و آگاه باشید که نیّت، حقیقت عمل است.» (ثقه الاسلام کلینی، الکافی، ج 2، ص 16، حدیث 4)
یکی از مسیرهایی که در تلاوت های قرآن مطرح است، مسابقات و مجالس قرآنی است که به فراخور زمان ها و مناسبت های مختلف برقرار است و در آن تلاوت هایی صورت می گیرد.
این محافل را می توان زمینه هایی برای تأثیر گذاری قرآن و مفاهیم آن بر دیگران مغتنم نمود اما این را هم نباید فراموش کنیم که هر تلاوتی اثرگذار نیست؛ بعضی از تلاوت ها هست که وقتی اجرا می شود، معانی قرآن را در گوش و دل و جان مخاطب رسوخ می دهد؛ دست یافتن به چنین تلاوتی، با ارزش است. که شرط این، صدا، موسیقی، کیفیت ترکیب بندی آیت است؛ همه اینها موثر است.
روز پتر کبیر از پیرمردی پرسید که چرا موی سر او سفید و ریشش سیاه اســت؟ پیرمرد جواب داد: - چون که موهای ادامه ...
دو برادر بودند: برادر بزرگتر ثروتمند و خسیس بود و برادر کوچکتر سخاوتمند ولی فقیر. با این که بعد از ادامه ...
اربابی در جنگل برای یکی از روستاییان قطعه زمینی جهت کشت و زرع معلوم کرد. روستایی برای خودش در آن جا کلبهای ادامه ...
مرد ثروتمندی بود که از بس خورده و خوابیده بود بینهایت چاق شده بود و بزحمت میتوانست چند قدم راه برود. ادامه ...
در دوران پیشین، در ساحل دریا، ماهیگیر پیری با زنش زندگی میکرد. دار و ندار این زن و شوهر عبارت بود از ادامه ...
مادری فرزند تنبلی داشت که در منزل کنار بخاری مینشست و ابداً کار نمیکرد. یک روز مادر به او گفت: - پسرم، ادامه ...
مردی بود بسیار خسیس که عادت داشت قبل از غذا به هر یک از کارکنان منزلش ملاقهای آب بدهد؛ زیرا فکر میکرد ادامه ...
پدر و مادر ثروتمندی دختری داشتند که بسیار زیبا ولی لوس و ننر بود. با تمام زیبایی و ثروتش هیچ کس به خواستگاری ادامه ...
در روزگار خیلی خیلی پیش، در یکی از روستاهای دورافتاده، یکی از روستاییان از دستور ارباب اطاعت نکرد و باعث ادامه ...