به همت شاخه های ریاضی و فیزیک گروه علوم پایه فرهنگستان علوم سمینار نیم روزه «پژوهش های نوین در علوم همبسته» مورخ پنجشنبه 3 بهمن ماه 1398 در تالار اجتماعات فرهنگستان علوم برگزار شد. در این مراسم اعضای پیوسته و وابسته همکاران مدعو گروه علوم پایه و استادان و اعضای هیأت علمی دانشگاه ها حضور داشتند، 3 سخنران کلیدی به بیان دیدگاه های خود پیرامون موضوع جلسه پرداختند که چکیده سخنان آن ها بدین شرح است:

– علوم همبسته: مبانی نظری و ضرورت‌های برنامه‌ریزی
دکتر رسول رکنی زاده، دانشگاه اصفهان
هدف دانشگاه‌های نسل اول کشف حقایق و تبیین پدیده‌های جهان طبیعی، انسانی و اجتماعی بوده است. از این رو دانشگاه‌ها برای شناخت عمیق جهان، به سرعت تخصصی شدند و شناخت اجزاء عالَم را به منزله‌ی شناخت کل آن تلقی می‌کردند.
اما در نسل‌های بعدی که هدف اصلی دانشگاه جامعه‌ محوری و پاسخگویی به نیازهای واقعی جامعه شده است، از یک طرف، و از طرف دیگر هیچ نیاز واقعی اجتماعی و صنعتی فقط به یک شاخه‌ی تخصصی مرتبط نیست، توجه به یکپارچگی علوم و گرایش‌های میان‌رشته‌ای، به طور جدی‌تری مورد توجه قرار گرفته است.
چون وظیفه‌ی مدیریت دانشگاه، سازماندهی و برنامه‌ریزی برای پاسخگویی به نیازهای واقعی جامعه و صنعت است، برنامه‌ریزی برای توسعه‌ی میان‌رشته‌ای‌ها (شبکه‌ی تخصص‌ها) بر مبنای یک چارچوب فلسفی مشخص، نقش جدیدی برای نظام حاکمیت دانشگاه‌ها تعریف می‌کند.

– آیا علوم داده درک ما از جهان را تغییر خواهد داد؟
دکتر کسری علیشاهی، دانشگاه صنعتی شریف

در سال های اخیر پدیده ای جدید و به سرعت در حال رشد به نام علوم داده در مرز رشته‌های ریاضیات، آمار و علوم کامپیوتر و با کاربردهای خیره کننده در علم تجارت سربرآورده است.

دوره های دانشگاهی در سراسر دنیا و فرصت های شغلی فراوان در صنعت و تجارت با عنوان علوم داده در زمان کوتاهی ایجاد شده اند و همچنان در حال ایجادند. برخی بر این باورند که انقلاب علمی جدیدی در حال وقوع است که درک ما از جهان را دگرگون خواهد کرد.
در مقابل گروهی معتقدند دستاوردهای علوم داده همگام با پیشرف فن آوری و متأثر از نیاز بازار و در جهت حل مسائل عملی بوده است و ارزش علمی آن چنانی که تبلیغ می شود نداشته است! کدام نظر به واقعیت نزدیک‌تر است؟ آیا علوم داده ظرفیت تغییر بنیادین در نگاه علمی ما به دنیا را دارد؟ و اگر پاسخ مثبت است، مشخصات این علم جدید چیست و مسائل اصلی که باید به آن بپردازد کدامند؟

– اهمیت علم‌داده در روش‌شناسی علمی
سیدمحمدصادق موحد ، دانشکده فیزیک دانشگاه شهید بهشتی، تهران، ایران، پژوهشکده فیزیک، پژوهشگاه دانشهای بنیادی (IPM)
نظام روش و روش‌شناسی علمی در علوم و خاصه در علم فیزیک از یک سو مرتبط به نظریه‌پردازی و مدلسازی مبتنی بر اصول موضوعه و پدیدار‌شناسانه است و از سویی دیگر ارایه چارچوب‌های خودسازگار نظری برای توصیف کمّی جهان طبیعت، آزمایش‌ها و جمع‌آوری داده‌ها به منظور تایید، رد مدل‌های نظری یا برطرف ساختن واگنی‌های ذاتی مدل‌ها انجام می‌گیرد. دستکاری ساختارها با کمک شبیه‌سازی‌ها به منظور ارایه شیوه‌ها و اصول‌های تکمیلی برای انجام آزمایش و حتی ارتقای نگرش بنیادی ما از نظریه‌ها نیز بخش دیگری از این نظام روش‌شناسی علمی به حساب می‌آید. با در دست داشتن این روش‌شناسی، سال‌های متمادی تحولات متعددی در مقیاس‌های مختلف زمانی و فضایی رخ داده است. اما امروزه با پارادایم جدیدی مواجه شده‌ایم که در امتداد کلان داده (به نحوی که حجم، نرخ تولید و تنوع در داده‌ها به صورت بی‌سابقه‌ای بزرگ باشد) پدید آمده است و به نام علم‌داده یا دقیقتر علم داده‌محور مشهور شده است. طی دو دهه اخیر به مدد فناوری‌های مختلف و نوظهور، مجموعه بسیار بزرگی از داده‌ها از مجراهای مختلف مانند اندازه‌گیرها توسط ابزارهای اندازه‌گیری در آزمایش‌های مختلف گرفته تا داده‌های تولید شده در بستر اینترنت ناشی از مراودات در شبکه‌های اجتماعی، تجارت، کسب‌وکار اینترنتی، داده‌های بیولوژیک و غیره فراهم شده است. در این میان، مفهومی به نام علم‌داده ظهور یافته است و به نظر می‌رسد که می‌توان آن را به عنوان پارادایم جدید و جزو نظام‌ روش‌شناسی علمی در قرن حاضر، محسوب کرد. این پارادایم ضمن ارتباط تعاملی با مواردی همچون داده، آمار، ریاضیات و علوم رایانه توانسته بر روی سه محور روش‌شناسی علمی مرسوم اثرات مستقیم و غیرمستقیمی داشته‌ باشد. علم‌داده به معنای جستجو در داده‌ها به منظور اکتشاف و ارایه مدل‌های پیش‌بینی کننده و استخراج علم به صورت مستقیم از داده‌ها وقتی که در بزرگ‌مقیاس به داده‌ها توجه شود، تعریف می‌گردد. لذا یک وجه دیگر علم‌داده وجود کلان داده‌ است که به مثابه حد ترمودینامیک بوده و می‌توان انتظار داشت که رفتارهایی را مشاهده کرد که پیش از این ظهور و بروز پیدا نکرده‌اند. همچنین علم‌داده شامل روش‌هایی برای داده‌کاهی و داده‌کاوی در داده‌های ساختارمند و بدون‌ساختار است. آنچه که از این مطالعات استخراج ‌می‌شود علم داده‌محور نیز نام دارد. همانطور که قابل استنباط است، یکی دیگر از درگاه‌هایی که می‌تواند به شناخت علمی کمک‌کند، علم‌داده‌ است. اما آیا این رویکرد در علم‌داده در تقابل با فقدان وجه تبیین چیستی و چرایی نیست؟ اگر پاسخ به این سوال مثبت باشد، نمی‌توان انتظار داشت که بتوان از پارادایم جدیدی برای رسیدن به معرفت علمی سخن گفت. چه نسبتی بین علم‌داده و روش‌شناسی علمی سنتی است؟ اهمیت علم‌داده در روش‌شناسی علمی چیست؟ چه بازآرایی در رویکرد روش‌شناسی ‌علمی مرسوم به سبب این پدیده نوظهور وجود خواهد داشت؟ در این سخنرانی با عنایت به سوالات مذکور تلاش می‌کنم که ضمن تبیین روش‌علمی مرسوم، علم‌داده، ابزارهای آماری برای استنباط علمی مبتنی بر تحلیل داده، نسبت علوم مبتنی برداده و نقش کلان‌داده در ایجاد شناخت علمی را بررسی می‌کنم. چالش‌های موجود و روش‌هایی که با کاهش رویکرد تقابل، منجر به دستیابی به موهبت‌های پذیرفتن علم‌داده به عنوان بخشی از نظام علمی می‌شود را مورد ارزیابی قرار می‌دهم. در پایان به عنوان چند نمونه، با تکیه بر تعدادی از مطالعات اخیر در فیزیک و پزشکی، نشان خواهم داد که الگوریتم‌های داده‌محور می‌تواند منجر به مشاهده‌پذیرهایی شوند که پیش از این انتظار نمی‌رفت که شامل مفهوم خاصی باشند ضمن اینکه در صورت عدم استفاده از موهبت علم داده، با هزینه بالا و به سختی می‌توانستیم به صورت سیستماتیک خط‌مشی‌های مناسبی برای مطالعات آن فرآیندها فراهم کنیم.

روابط عمومی فرهنگستان علوم