ایران در هوش مصنوعی

ایران جزء کشورهای قدرتمند در هوش مصنوعی

دبیر ستاد توسعه علوم و فناوریهای شناحتی با تاکید بر اینکه هوش مصنوعی نقاط قوت و ضعفی در کشور برای توسعه دارد، گفت: ایران جزء کشورهای قدرتمند در هوش مصنوعی است.

دبیر ستاد توسعه علوم و فناوریهای شناحتی با تاکید بر اینکه هوش مصنوعی نقاط قوت و ضعفی در کشور برای توسعه دارد، گفت: ایران جزء کشورهای قدرتمند در هوش مصنوعی است.

 

دکتر مجید نیلی در خصوص وضعیت کشور در حوزه هوش مصنوعی گفت: واقعیت این است که ایران، در حوزه هوش مصنوعی جزء کشورهای قدرتمند به شمار می رود و این موضوع از حیث علمی، آموزشی و پژوهشی است.

 

وی با تاکید بر اینکه آینده نگری و روشن بینی اساتید و پیشکسوتان برجسته در کشور باعث شده که اکنون جایگاه خوبی در زمینه هوش مصنوعی داشته باشیم، بیان کرد: حدود ۳۰ سال گذشته  استاد ایرانی «کارو لوکس» این رشته هوش مصنوعی را به دانشگاه تهران وارد کرد؛ سیستم های فازی شبکه های عصبی،حسابگری زیستی که مبدع این حوزه هستند. به همین جهت ما پایه قوی در کشور داریم و چه از لحاظ مقالات و آموزش، ما توان فوق العاده خوب و ظرفیت بالایی داریم.

 

به گفته دبیر ستاد توسعه علوم و فناوری شناختی، با توجه به اینکه حوزه هوش مصنوعی بیشتر در دانشکده های برق و کامپیوتر و تاحدی علوم پایه دنبال می شود. بنابراین می توانیم بگوییم کشور، به لحاظ استفاده از هوش مصنوعی زیر ساخت آماده ای دارد.

 

نیلی تاکید کرد: اما نکته ای که وجود دارد این است که هوش مصنوعی در دنیا در حوزه های دیگری  به کار گرفته شد و جنبه هایی از هوش مصنوعی تقویت شد که ما نیاز به تقویت بیشتری در آن حوزه ها داریم؛ به عنوان مثال در کشور امریکا از هوش مصنوعی بیشتر در سیستم های نظامی و دفاعی استفاده شده به همین دلیل خیلی موارد در این کشورها زود کاربردی شد که ما در این زمینه عقب بودیم و هستیم.

 

دبیر ستاد توسعه علوم شناختی گفت: از طرف دیگر در کشورهایی مثل ژاپن، کره و... هوش مصنوعی در محصولات کاربردی استفاده شده اند. مانند ربات های پیشرفته.

 

وی با تاکید بر اینکه یکی از نقاط ضعف ما این بوده که فضای استفاده از هوش مصنوعی را نداشتیم، بیان کرد: اما در این چند سال اخیر هوش مصنوعی با توسعه «آی سی تی» و اپلیکیشن های موبایل، اینترنت و ...آمدن  مشاغلی مانند تاکسی های اینترنتی، فروش های اینترنتی، بازی ها و ... بازار بزرگ غیر سخت افزاری پیدا کرده. چون این حوزه ها سریعتر در کشور ما رشد می کنند سریع تر کاربردی شده اند.

 

جهش کاربردی شدن هوش مصنوعی در کشور

 

دبیر ستاد توسعه علوم و فناوری شناختی افزود: امروزه پروژه های دانشجویان ما و پروژه های دانشگاه های ما در راستای انجام فعالیت های هوش مصنوعی در بیزینس های جدید است و این یک جهشی در کاربردهای هوش مصنوعی در کشور ایجاد کرده است؛ نکته ای که وجود دارد این است که سقف پرواز این مدل هوش مصنوعی محدود است و اکنون مقداری انتظارات بیش از حد از آن وجود دارد.

 

وی با اشاره به سطحی از هوش مصنوعی که موجب پیشرفت می شود، بیان کرد: آن چیزی که در آینده هوش مصنوعی جهش ایجاد می کند ایجاد موجودی است که بتواند با  انسان تعامل داشته باشد و بتواند انسان را بفهمد و روی آن تاثیر بگذرد؛ به عبارت دیگر شبیه رفتار انسانی داشته باشد و به جای اینکه ما از آن یاد بگیریم از یک سیستمی استفاده کنیم که ما را بفهمد و سرویس بدهد. این اقدام به جز استفاده از هوش مصنوعی امکان پذیر نیست؛ در این جا بحث های علوم شناختی به شدت مطرح می شود که چگونه می توان سیستم هایی ساخت که انسان را  بفهمد؛ شرایط را درک کند و انتظارات هر فرد را پیش بینی کند و اینکه خلق و خو را تشخیص دهد و متناسب با آن به نیازها پاسخ دهد.

 

دبیر ستاد توسعه علوم و فناوری شناختی گفت: ما خوشبختانه در این چندساله با توسعه علوم شناختی و توسعه سریع هوش مصنوعی کار را به صورت جدی پیش می بریم؛ قدم های بعدی هوش مصنوعی تنها متکی به داده نیست بلکه طراحی سیستم هایی است که به صورت بر خط با تعامل یاد می گیرند؛ در آن زمینه امیدواریم که بیشتر از قبل موفق عمل کنیم.

 

تحول جدی در هوش مصنوعی تا ۴ سال آینده

 

نیلی در پاسخ به اینکه پروژه هایی که در کشور در زمینه هوش مصنوعی آغاز شده چه زمانی به نتیجه ملموس می رسد، بیان کرد: در حقیقت این موضوع یک فرایند رو به رشد است که هر چند ماهی که جلوتر می رویم اثرات کوچک آن را می بینیم و برداشت این است که در ۳ تا ۴ سال آینده تحول جدی در کشور ایجاد شود.

 

به گفته دبیر ستاد توسعه علوم و فناوریهای شناختی معاونت علمی و فناوری ریاست جمهوری، نتایج پروژه های هوش مصنوعی را می توان در خیلی موارد استفاده کرد. از سیستم های تعامل تا اقدامات خیلی ساده اینترنتی. اگر فرصتی باشد می توانیم به سمت خودروهای هوشمند نیز برویم.

 

ضرورت تقویت زیرساخت در حوزه هوش مصنوعی

 

وی با تاکید بر اینکه توان موجود و هزینه کرد موجود در حد پتانسیل کشور نیست، خاطر نشان کرد: سیستم های حاکمیتی باید زیرساخت ها را ایجاد کنند در عوض بخش خصوصی منفعت در توسعه این سیستم ها را در نظر بگیرد؛ چون هر چه که از حاصل این دانش به وجود بیاید و کسی نتواند از آن یک اقتصاد دانش بنیان تولید کند آن دانش می میرد؛ بنابراین به عبارت دیگر می باید زیست بوم بخش اقتصاد مقاومتی متکی بر هوش مصنوعی در کشور تقویت شود و این تنها مربوط به بودجه اقتصادی نیست.

 

نیلی افزود: در توسعه استفاده از هوش مصنوعی، مسئله یک سازوکار مهم است که زیست بومی ایجاد شود تا شرکتهای خوبی به وجود بیایند و منفعات آینده شان را به جد در این حوزه درک کنند؛ بنابراین هوش مصنوعی نیاز به سرمایه گذاری و حمایت های جدی است.

 

نقطه قوت و ضعف در حوزه هوش مصنوعی

 

وی با بیان اینکه نقاط قوت ما در حوزه هوش مصنوعی، این است که محققان ما سابقه خوبی در این حوزه دارند و سالهای زیادی است که به آن ورود پیدا کرده اند، گفت: نقطه قوت جدی در این حوزه این است که هوش مصنوعی خیلی متکی بر سخت افزار نیست بنابراین با توجه به اینکه در مسائل سخت افزاری ضعف هایی داریم و این بخش هزینه های اقتصادی سنگینی دارد، نمی تواند مانع پیشرفت هوش مصنوعی شود. هوش مصنوعی بیشتر براساس خلاقیت نیروی انسانی است.

 

وی با اشاره به یکی از معضلات این حوزه افزود: متاسفانه در ایران داده ها از محرمانگی عجیب و بی معنایی برخوردارند  و هر کسی داده دارد آن را موضوع مهمی تلقی می کند، در حالی که یکی از راهکارهای توسعه در این حوزه در اختیار گذاشتن داده برای عموم است، بدین واسطه محققان می توانند روی داده های موجود کشور کار کنند تا با استفاده از هوش خود آن را به منفعت برسانند.

 

دبیر ستاد توسعه علوم شناختی عنوان کرد: در حوزه هوش مصنوعی برای اینکه در حوزه های نرم کار کنیم سیستم های پردازشی و دیتا سنترهای خوب لازم هستند که به اندازه کافی در کشور است و این یکی از نقاط قوت به شمار می رود.

 

وی بیان کرد: اگر می خواهیم آینده اقتصادی جدی در این حوزه ببینیم باید در سیستم هایی مانند شهر هوشمند و خودروهای خودران و ... سرمایه گذاری جدی کنیم البته که دولت هم توان این  سرمایه گذاری ها را به نظر نمی رسد داشته باشد. وظیفه دولت این است که به ایجاد اکوسیستم ها و فضای کسب و کار دانش بنیان کمک کند که اتوماتیک کسانی که از این توسعه ها منفعت می برند حرکتی کنند.

 

وی ادامه داد: البته می بایست حاکمیت هم از پژوهشگران و محققان، دفاع و حمایت کند و صرفا به وارد کردن تکنولوژی نپردازد.

 

اهمیت به هوش مصنوعی با برگزاری چالشهای مختلف در ستاد علوم شناختی

 

دبیر ستاد توسعه علوم و فناوری شناختی در پاسخ به اینکه آیا ستاد برنامه هایی برای حمایت از طرح ها و پروژه های علوم شناختی دارد یا خیر افزود:  برنامه هایی در قالب حمایت از پایان نامه ها و طرح های پژوهشی داریم؛ اما بنا داریم که چالشهای مختلفی در زمینه های مختلف از جمله هوش مصنوعی برگزار کنیم تا محققان بتوانند طرح های خود را مطرح کنند.

 

منبع:مهر

فهرست اساتید دانشگاهی فعال در زمینه های هوش مصنوعی

اساتید فعال در زمینه های هوش مصنوعی

January 21, 2017

به کوشش آقای احمدرضا حسینی Ahmad Reza Hosseiny

---

پردازش تصویر و بینائی ماشین

رضا صفابخشدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوتر

محمد رحمتیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترکریم فائزدانشگاه صنعتی امیرکبیر – دانشکده مهندسی برقاحسان اله کبیردانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوترمحمد حسن قاسمیاندانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوترنصراله مقدم چرکریدانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوتررضا آقائی زاده ظروفیدانشگاه تهران – دانشکده مهندسی برق و کامپیوترحمید سلطانیان زادهدانشگاه تهران – دانشکده مهندسی برق و کامپیوترحمید ابریشمی مقدمدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترشهره کسائیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترمنصور جمزاددانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترفرح ترکمنی آذردانشگاه شهید بهشتی – دانشکده مهندسی برق و کامپیوترمحمود فتحیدانشگاه علم و صنعت ایران – دانشکده مهندسی کامپیوتر 

پردازش صوت و گفتار

محمدمهدی همایونپوردانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترسیدمحمد احدیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی برقحمید شیخ زادهدانشگاه صنعتی امیرکبیر – دانشکده مهندسی برقابوالقاسم صیادیاندانشگاه صنعتی امیرکبیر – دانشکده مهندسی برقسیدعلی سیدصالحیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی پزشکیفرشاد الماس گنجدانشگاه صنعتی امیرکبیر – دانشکده مهندسی پزشکیبابک ناصرشریفدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترحسین ثامتیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترمحمدحسن ساوجیدانشگاه شهید بهشتی – دانشکده مهندسی برق و کامپیوتراحمد اکبریدانشگاه علم و صنعت ایران – دانشکده مهندسی کامپیوتر

شبکه های عصبی

رضا صفابخشدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترمحمدباقر منهاجدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترسیدعلی سیدصالحیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی پزشکیمحمد تشنه لبدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوتر

پردازش، تحلیل و شناسایی الگو

محمد رحمتیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوتراحسان اله کبیردانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوتربابک اعرابیدانشگاه تهران – دانشکده مهندسی برق و کامپیوترحمید ابریشمی مقدمدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترمهدیه سلیمانیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترحمیدرضا ربیعیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترمرتضی آنالوییدانشگاه علم و صنعت ایران – دانشکده مهندسی کامپیوترهادی صادقی یزدیدانشگاه فردوسی – دانشکده مهندسی کامپیوتر

هوش محاسباتی، رایانش نرم

مریم ذکریدانشگاه صنعتی اصفهان – دانشکده مهندسی برق و کامپیوترعبدالرضا میرزائیدانشگاه صنعتی اصفهان – دانشکده مهندسی برق و کامپیوترمحمدرضا میبدیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوتراحمد نیک آبادیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترعلی احمدیدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترحمید بیگیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوتر

سیستم های فازی

فرید شیخ الاسلامدانشگاه صنعتی اصفهان – دانشکده مهندسی برق و کامپیوترمحمدمهدی عبادزادهدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترمحمدباقر منهاجدانشگاه صنعتی امیرکبیر – دانشکده مهندسی برقوحید جوهری مجددانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوتربابک اعرابیدانشگاه تهران – دانشکده مهندسی برق و کامپیوترسعید باقری شورکیدانشگاه صنعتی شریف – دانشکده مهندسی برقاقبال منصوریدانشگاه شیراز – دانشکده مهندسی برق و کامپیوترمنصور ذوالقدریدانشگاه شیراز – دانشکده مهندسی برق و کامپیوترمحمد رضا اکبر زادهدانشگاه فردوسی – دانشکده مهندسی برق

پردازش تکاملی، محاسبات زیستی

محمدمهدی عبادزادهدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوتراحمد نیک آبادیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترامین نیک انجامدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترحمید بیگیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترعادل رحمانیدانشگاه علم و صنعت ایران – دانشکده مهندسی کامپیوترمحمد رضا اکبر زادهدانشگاه فردوسی – دانشکده مهندسی برقرضا منصفیدانشگاه فردوسی – دانشکده مهندسی کامپیوتر

یادگیری ماشین

سعید شیریدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترشهرام خدیویدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوتراحمد نیک آبادیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترمریم میریاندانشگاه تهران – دانشکده مهندسی برق و کامپیوترحمید بیگیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترمهدیه سلیمانیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوتر

پردازش زبان طبیعی، ترجمه ماشینی

شهرام خدیویدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترهشام فیلیدانشگاه تهران – دانشکده مهندسی برق و کامپیوترچیترا دادخواهدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترغلامرضا قاسم ثانیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترمهرنوش شمس فرددانشگاه شهید بهشتی – دانشکده مهندسی برق و کامپیوتر

رباتیک

سعید شیریدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترسجاد ازگلیدانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوترمجید نیلی احمدآبادیدانشگاه تهران – دانشکده مهندسی برق و کامپیوترحمیدرضا تقی راددانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترمنصور جمزاددانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترسعید باقری شورکیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترپیمان کبیریدانشگاه علم و صنعت ایران – دانشکده مهندسی کامپیوترمحمد رضا اکبر زادهدانشگاه فردوسی – دانشکده مهندسی برق

هوش مصنوعی توزیع شده

مجید نیلی احمدآبادیدانشگاه تهران – دانشکده مهندسی برق و کامپیوترغلامرضا قاسم ثانیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوتر

سیستم های چندعاملی

وحید جوهری مجددانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوترفتانه تقی یارهدانشگاه تهران – دانشکده مهندسی برق و کامپیوترامین نیک انجامدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوتراسلام ناظمیدانشگاه شهید بهشتی – دانشکده مهندسی برق و کامپیوتر

سیستم های خبره، مهندسی دانش، هوش مصنوعی

محمدعلی منتظریدانشگاه صنعتی اصفهان – دانشکده مهندسی برق و کامپیوترمحسن صدیقیدانشگاه صنعتی اصفهان – دانشکده مهندسی برق و کامپیوترچیترا دادخواهدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترشهرام جعفریدانشگاه شیراز – دانشکده مهندسی برق و کامپیوتر

داده کاوی 

بهروز مینائیدانشگاه علم و صنعت ایران – دانشکده مهندسی کامپیوتر

---

• Airoldi, Edoardo – Harvard University. Statistical and computational elements for the analysis of complex graphs and interacting dynamical systems, including yeast molecular biology and social networks. Overview of publications and activities.
• Alkhalifa, Eshaa – University of Bahrain. Multimedia adaptable intelligent tutoring systems, student modeling, cognitive style.
• Allen, James F. – University of Rochester. Natural language understanding, discourse, knowledge representation, common-sense reasoning and planning.
• Bacchus, Fahiem – University of Toronto. Planning systems, temporal logic, constraint satisfaction problems and formal models.
• Bahlmann, Claus – Albert-Ludwigs-University Freiburg, Germany, On-line handwriting recognition.
• Beal, Matthew J. – University at Buffalo, SUNY. Nonparamtric Bayes, bioinformatics, HMMs, probablisitic sensor fusion.
• Benjamin, D. Paul – Pace University. Problem decomposition and theory reformulation, integrated cognitive architectures for autonomous robots, distributed constraint satisfaction problems, semigroup theory and dynamical systems, category theory in software design.
• Biermann, Alan W. – Duke University. Computational linguistics, automatic programming and inference.
• Blum, Avrim – Carnegie Mellon University. Interests include machine learning, approximation algorithms, on-line algorithms and planning systems. Online publications and talks.
• Brachman, Ron – Director of the Information Processing Technology Office (IPTO) at DARPA. Knowledge representation, machine learning, information retrieval, natural language processing.
• Calvin, William H. – Theoretical neurophysiologist and author of “The Cerebral Code”, and “How Brains Think”.
• Carberry, Sandra – University of Delaware. Department of Computer and Information Sciences Chair. Computational linguistics, dialog systems, machine learning, planning and plan recognition, medical informatics, user modeling.
• Carpenter, Julie – University of Washington (Educational Psychology/Learning Sciences/LIFE Center). Human-robot attachment; robot-human interaction in stressful conditions, especially in dyad teamwork or collaborative situations.
• Carreras, Xavier – Universitat Politechnica de Catalunya, PhD student, machine learning, natural language processing.
• Carroll, John A. – University of Sussex. Natural language parsing, acquisition of lexical information from text, automatic generation of text from semantic representations.
• Cassell, Justine – Carnegie Mellon University. Gesture and narrative language, animated agents, intonation, facial expression, computer vision.
• Cer, Daniel – University of Colorado – Boulder. Acoustic and lexical features of emphatic speech.
• Charniak, Eugene – Brown University. Part-of-speech tagging, probabilistic context-free grammar induction, syntactic disambiguation through word statistics, efficient syntactic parsing, and lexical resource acquisition through statistical means.
• Chavez, Guillermo Camara – Federal University of Minas Gerais (UFMG), Brazil. Pattern recognition, invariante pattern recognition, neural networks, image content-base retrieval, digital image processing, computer vision.
• Chiang, Yao-Yi – Geosemble Technologies. Computer vision, image processing, pattern recognition, geospatial information integration.
• Clough, Paul D. – University of Sheffield. Information retrieval.
• Conati, Cristina – University of British Columbia. User modeling, emotionally intelligent agents, adaptive user interfaces, Bayesian network student models.
• Conitzer, Vincent – Carnegie Mellon School of Computer Science. Phd Student. Intersection of computer science and game theory, computer science and economics, multiagent systems, automated negotiation and contracting.
• Cortes, Nareli Cruz – CINVESTAV-IPN. Artificial immune system optimization, genetic algorithms, evolutionary computation.
• Danescu, Radu – Technical University of Cluj. Image processing, stereovision, intelligent vehicles.
• De Baets, Bernard – Fuzzy Relations and Preference Modelling
• Delord, Christophe – ENSEEIHT, France, Computer Science engineer, Artificial Intelligence (dialogue simulation, speech acts, PROLOG), Python, lexical and syntactic parsing.
• Di Eugenio, Barbara – University of Illinois at Chicago. Interpretation and generation of instructional text, computational models of tutorial dialogue, modeling collaboration in human-human and computer-human dialogues, referential expressions.
• Dorigo, Marco – Université Libre de Bruxelles, Belgium. Research projects in Ant algorithms, metaheuristics for combinatorial optimization, robot shaping and behavior engineering.
• Dorst, Leo – University of Amsterdam. Applications of geometric (Clifford) algebra, exploration, reasoning with uncertainty in robotics.
• Dror, Gideon – Academic College of Tel-Aviv-Yaffo. Text categorization, machine learning applications in bioinformatics, medicine, machine vision and high energy physics, feature selection for categorization and regression problems, artificial neural networks.
• Elliott, Clark – DePaul University. Affective reasoning, synthetic characters, animated tutoring agents, emotion representation.
• Faltings, Boi – Director of Artificial Intelligence Laboratory, EPFL, President of Swiss AI Society. Software agents, constraint-based reasoning, case-based reasoning.
• Finn, Aidan – School of Computer Science and Informatics, University College Dublin. Automated information extraction using convergent boundary classification, machine learning for automatic genre classification, active learning for information extraction.
• Fodor, János – Basics of fuzzy sets and connectives
• Fournier-Viger, Philippe – University of Quebec at Montreal. Learning objects, cognitive modelling, virtual learning environments and intelligent tutoring systems.
• Franklin, Stan – University of Memphis. Conscious software, intelligent agents.
• Frasconi, Paolo – Università di Firenze. Machine learning for sequential and structured data, bioinformatics, text and natural language, pattern recognition.
• Forbus, Kenneth – Northwestern University. Qualitative physics, spatial reasoning, cognitive simulation of analogical processing.
• Funge, John – iKuni, Inc. Game AI, machine learning, and knowledge representation.
• Furcy, David – University of Wisconsin Oshkosh. Heuristic search, planning and re-planning, reinforcement learning.
• Galassi, Ugo – University of Eastern Piedmont. User profiling, hierarchical HMMs, learning regular expressions.
• Geczy, Peter – RIKEN Brain Science Institute. Neural networks, artificial intelligence, neuroscience, fuzzy logic, rule acquisition, rule extraction from neural networks, Autonomous Connectionistic Engine (ACE), neural network resources.
• Gini, Maria – University of Minnesota. Distributed intelligence, cooperation of miniature robots, robot navigation, multi-agent systems for e-commerce and supply-chain, economic agents.
• Goel, Ashok K. – Georgia Tech. Knowledge-based reasoning and learning, design cognition and computing, creativity, self-adaptation.
• Goyal, Ram Dayal – Intigma India. Data mining, natural language processing, data mining, neural networks, image processing.
• Goel, Ashok – Ashok Goel is an Associate Professor of Computer and Cognitive Science at Georgia Institute of Technology. Research in various aspects of design includes investigation of the creative exploration involved in solving problems.
• Gonzalez-Fierro, Miguel – University Carlos III of Madrid and King’s College London. Machine learning, deep learning, computer vision, humanoid robots and artificial intelligence in startups.
• Guinn, Curry I. – University of North Carolina at Wilmington. Natural language processing, spoken dialog systems, conversational agents, affective computing.
• Guvenir, H. Altay – Bilkent University. Machine learning, data mining, and computer-aided language learning.
• Grasso, Floriana – University of Liverpool. Computational models of natural argument, affective natural language generation, conflict resolution.
• Green, Nancy – University of North Carolina at Greensboro. Intelligent multimedia presentation systems, argumentation models, automatic generation of textual summaries of graphs, interactive narrative, conversation agents, user modeling.
• Hagelbäck, Johan – AIGuy.org
• Harmelen, Frank van – Vrije Universiteit, Amsterdam. Approximate reasoning, medical protocols, semantic web, specification languages for KBS.
• Hassabis, Demis – DeepMind Technologies and now working with Google
• Hayes-Roth, Barbara – Stanford University. Extempo Systems. Intelligent interactive characters, interactive story telling, adaptive intelligent agents.
• Hearst, Marti – University of California at Berkeley. Data mining, information retrieval, user interfaces, web search.
• Honavar, Vasant – Does research on machine learning, knowledge representation, data mining, big data, information integration, probabilistic models, bioinformatics, social informatics, and health informatics.
• Honavar, Vasant – Artificial Intelligence Research Laboratory, Iowa State University.
• Hoos, Holger H. – University of British Columbia. Preference elicitation, dynamic constraint optimization, satisfiability problems in propositional logic, computational musicology.
• Horvitz, Eric – Microsoft Research. Decision theory, reasoning systems, user modeling, reasoning under uncertainty.
• Jacob, Rob – Tufts University. Human-computer interaction, tangible user interfaces, virtual environments, eye-gaze tracking.
• Kadri, Faisal – Affective computing, computational models of human emotion.
• Katirai, Hooman – MIT / Harvard. Machine learning applied to medicine, eHealth, and Electronic Medical Records (EHR) and Patient Health Records.
• Ketter, Wolfgang – University of Minnesota. Computer science and economics, multiagent systems, automated negotiation and contracting.
• Koenig, Sven – University of Southern California. Decision making, situated agents, distributed agents.
• Krogt, Roman van der – Post-doctoral researcher at the Cork Constraint Computation Centre (4C). Working on multiagent planning methods as well as scheduling for manufacturing.
• Lambert, Lynn – Christopher Newport University. Natural language processing, planning and plan recognition, belief models, negotiation.
• LeCun, Yann – director of Facebook AI Research
• Lenski, Richard – Michigan State University. Interests: self-replicating computer programs that mutate at random.
• Lisetti, Christine – Florida International University. Emotional intelligence, computational models of emotions and affective processes, affective computing.
• Litman, Diane J. – University of Pittsburgh. Spoken dialogue for intelligent tutoring systems, reinforcement learning for optimizing spoken dialogue agents, prosodic analysis of misrecognitions and corrections, plan recognition.
• Littman, Michael – Rutgers. Planning under uncertainty, markov decision processes, reinforcement learning, latent semantic indexing, text retrieval.
• Liu, Hugo – MIT Media Laboratory. Philosophically motivated AI, commonsense reasoning, aesthetics and AI, assistive software agents, lexical semantics, story understanding.
• Liu, Jundong – Ohio University. School of Electrical Engineering and Computer Science. Medical image analysis, computer vision.
• Makris, Dimitrios – Kingston University. Senior lecturer and member of the Digital Imaging Research Centre. Research in 3D pose recovery, motion analysis and multi-camera tracking.
• Manning, Christopher – Stanford University. Probabilistic parsing, grammar induction, text categorization and clustering, electronic dictionaries, information extraction and presentation, and linguistic typology.
• Mantaras, Ramon Lopez de – Spanish Council for Scientific Research (CSIC) and Deputy Director of the Artificial Intelligence Research Institute of the CSIC. AI and music, qualitative approaches to landmark-based robot navigation.
• Martin, James – University of Colorado, Boulder. Empirical metaphor research, latent semantic analysis, information retrieval, co-author of “Speech and Language Processing” with Dan Jurafsky.
• McCoy, Kathleen – University of Delaware. Rehabilitation engineering, writing tool for American Sign Language, natural language generation, text summarization, graph summarization.
• McGuinness, Deborah – Researcher in Knowledge Representation and Reasoning Systems. Co-designer and developer of CLASSIC and Chimaera among others. Associate Director of the Knowledge Systems Laboratory at Stanford University.
• Mencar, Corrado – Neuro-fuzzy classifiers
• Meila, Marina – University of Washington. Machine learning, probabilistic reasoning, graphical probability models, tree belief networks and mixtures of trees, maximum entropy discrimination, spectral clustering and image segmentation.
• Minsky, Marvin – Growing biography, with links to many related topics. [Wikipedia]
• Mitchell, Melanie – Currently at the Santa Fe Institute. Melanie Mitchell developed Copycat as part of her dissertation work with Douglas Hofstadter on cognitive modeling of high-level perception and analogy-making.
• Mitrovic, Nikola – University of Zaragoza. Ph.D. student. Mobile agents, intelligent user interfaces, adaptive user interfaces, mobile applications.
• Monz, Christof – Research interests: Computational Linguistics, Information Retrieval, Automated Deduction. Site lists on-line publications, projects, activities, and contact info.
• Moore, Johanna D. – University of Edinburgh. Computational modeling of tutorial dialogue, multimedia explanation, integrated techniques for interpretation and generation, patient education.
• Nebel, Bernhard – Albert-Ludwigs-Universität, Freiburg, Germany. Professor. Knowledge representation, planning, and robotics, with an emphasis on robotic soccer.
• Ng, Andrew – is Chief Scientist at Baidu Research in Silicon Valley. In addition, he is an associate professor in the Department of Computer Science and the Department of Electrical Engineering by courtesy at Stanford University. He is chairman of the board of Coursera, an online education platform that he co-founded with Daphne Koller.
• Norvig, Peter – Artificial Intelligence, natural language, Lisp and Java in AI. Computational Sciences Division, NASA Ames Research Center.
• Novick, David – University of Texas at El Paso. Department of Computer Science Chair. Spoken dialog models, mediated communication, user interface development methodologies.
• Papert, Seymour – Growing biography, with links to many related topics. [Wikipedia]
• Pelikan, Martin – Director of the Missouri Estimation of Distribution Algorithms Laboratory (MEDAL), University of Missouri in St. Louis. Research interests: Evolutionary computation, Bayesian networks, machine learning.
• Pellier, Damien – CRIP5 – Paris 5 Laboratory. Multi-agent systems, planning and scheduling, distributed problem solving, cooperative robotics.
• Pennock, David M. – Yahoo! Research Labs. Electronic commerce, internet statistics, uncertain reasoning, decision theory, market approaches to group coordination, multiagent systems.
• Picard, Rosalind – MIT. Affective computing, texture and pattern modeling, video and image browsing, retrieval and annotation.
• Pietruszkiewicz, Wieslaw – Szczecin Technical University (Poland). Machine learning and knowledge (data) mining, optimal (kalman) filtering, expert and decision support systems.
• Pinheiro da Silva, Paulo – Stanford University. Explanations for semantic web tasks, semantic web tools and infrastructure, model-based user interfaces, formal specification and verification of interactive systems.
• Popple, James – Australian National University. Legal expert systems.
• Powers, David – The Flinders University of South Australia. Natural language learning, unsupervised learning, data mining, home automation, web search.
• Qu, Yan – Carnegie Mellon University. Information retrieval, extraction and management, natural language processing, Chinese computing, dialog and discourse processing, machine translation, cooperative human-computer interaction.
• Raina, Rajat – Stanford University. Question answering systems, machine learning, probabilistic models, robotics.
• Reitter, David – University of Edinburgh. Multimodal systems, natural language generation, structural priming/alignment in dialogue, rhetorical analysis.
• Riazanov, Alexandre – Computer Scientist and Software Developer. Research interests: Automated Reasoning, Theorem Prover Vampire, Semantic Technologies, Semantic Web, Natural Language Processing.
• Roberts, Steve – Oxford. Robotics Research Group. Machine learning, Bayesian learning, data-driven inference, signal and image processing, bioinformatics, computational and mathematical biology.
• Roubens, Marc – Multicriteria decision aid
• Roweis, Sam – University of Toronto. Researcher in pattern recognition, neural networks, artificial intelligence.
• Rudnicky, Alex – Carnegie Mellon University. Speech recognition, CMU Communicator, dialog systems, speech agents.
• Saffiotti, Alessandro – Head of the mobile robotics lab at Orebro University, Sweden. Research area: integration of cognition and physical embedding in autonomous robots.
• Schütze, Hinrich – Stanford University. Statistical NLP, text mining, Co-author of “Foundations of Statistical Natural Language Processing” with Christopher Manning.
• Seneff, Stephanie – MIT Laboratory for Computer Science. Phonological modelling, auditory modelling, computer speech recognition, statistical language modelling, natural language understanding and generation, discourse and dialogue modelling, and prosodic analysis.
• Simon, Herbert A. – Late Professor at Carnegie Mellon University. One of the founders of Artificial Intelligence. Research mainly in modeling and simulation of human cognition.
• Sims, Karl – Interviews with Karl Sims and a gallery of his works in evolutionary art and artificial evolution.
• Smith, Ronnie W. – East Carolina University. Spoken natural language dialog systems, dialog repairs, mixed-initiative, adaptive user interfaces.
• Spears, William M. – Research into Complex Adaptive Systems: Genetic Algorithms (Evolutionary Algorithms), Neural Networks, and Simulated Annealing. University of Wyoming.
• Staab, Steffen – Research topics: semantic web, knowledge management, and natural language processing. List of his publications, projects, courses taught, contact information.
• Swarup, Samarth – Virginia Tech. Cumulative (lifelong, multi-task) learning and evolution of language.
• Szalas, Andrzej – College of Economics and Computer Science, Olsztyn, Poland. Unmanned aerial vehicles. Autonomous systems.
• Taatgen, Niels – University of Groningen. Cognition, ACT-R, learning rules and productions.
• Tack, Werner H. – Universität des Saarlandes. ACT-R cognitive modeling.
• Tagliarini, Gene – University of North Carolina at Wilmington. Classification of sonar returns, fingerprint matching, image compression, and constraint satisfaction.
• Taylor, Tim – Institute of Perception, Action and Behaviour, University of Edinburgh. Self-repairing robots; artificial evolution systems.
• Terveen, Loren – University of Minnesota. Computer-mediated communication, social data mining, computer-supported cooperative work, recommender system.
• Teuscher, Christof – C.V., list of awards, publications, memberships, projects, and conferences. Interests in neural networks.
• Thornton, Chris – Collection of papers relevant to artificial creativity and intelligence.
• Traum, David R. – USC Institute for Creative Technology. Discourse structure. Grounding in discourse. Dialog and virtual reality agents.
• Treur, Jan – professor of Artificial Intelligence at the Vrije Universiteit in Amsterdam. Research interests include multi-agent systems, compositional modelling, temporal semantics, common sense and nonmonotonic reasoning.
• Tunstall-Pedoe, William – Cambridge, England. Cryptic crossword solving; anagrams; search; computer chess; knowledge representation.
• Turney, Peter D. – Interactive Information Group, National Research Council of Canada. Machine learning applied to natural language processing, lexical semantics from web mining, artificial life.
• Valdes-Perez, Raul – Papers on scientific discovery and applications to chemistry.
• van Delden, Sebastian – University of Central Florida. Partial parsing, natural language information retrieval systems, learning WordNet-based classification rules.
• Vasishth, Shravan – University of Potsdam. Abductive Inference Model, Hindi sentence processing, wide-coverage theories of sentence processing.
• Ventrella, Jeffrey – Gene Pool, Darwin Pond and papers on Artificial Life.
• Versaggi, Matthew R. – Artificial Intelligence Engineer at Imagine One Technology & Mgt LTD.
• Vyas, Amrish – University of Maryland at Baltimore County. Intelligent agents in eBusiness, adaptive agents.
• Wahlster, Wolfgang – Universität des Saarlandes. Multimodal and perceptive user interfaces, user modeling, ambient intelligence, embodied conversational agents, smart navigation systems, semantic web services, and resource-adaptive cognitive technologies, VERMOBIL.
• Weerdt, Mathijs de – Researcher in multi-agent planning at Delft University of Technology. Tutorial on multi-agent planning, list of own publications and publications related to distributed AI.
• Wilks, Yorick – University of Sheffield. Computational pragmatics, belief modeling, lexicons, information extraction.
• Xu, Ke – Beijing University of Aeronautics and Astronautics. Design and analysis of algorithms, phase transitions, logic programming, data mining.
• Yager, Ronald R. – Decision support
• Zadeh, Lotfi A. – inventor of Fuzzy Sets
• Zillman, Marcus P. – Creator/Founder BotSpot.com, Executive Director Virtual Private Library
• Zimmermann, Hans-Jurgen – Fuzzy O.R.
• Zytnicki, Matthias – INRA Toulouse. Bioinformatics, weighted constraint satisfaction problems, non-coding RNAs.

راهبرد مدیریت دانش، سرمایه‌های فکری را جذب می‌کند

حمیدرضا تائبی

ماهنامه شبکه ۱۸۸

در دنیای کسب و کار امروزی که به‌شدت رقابتی است، دانش به‌عنوان یکی از ارکان اصلی رقابت‌پذیری کسب و کارها شناخته می‌شود. در این برهه زمانی تنها کسب‌وکارهایی موفق خواهند بود که بتوانند سرمایه‌های دانشی خود را به‌شکل پایداری در قالب فعالیت‌های عملیاتی مدیریت کنند. سرمایه‌های دانشی که قادر هستند سازمان‌ها را به‌سمت اهداف تعیین شده سوق داده و بالاترین بهره‌وری را در اختیار کسب‌وکارها قرار دهند.

اگر به ساختار داخلی سازمان‌ها در سال‌های اخیر نگاهی داشته باشیم، مشاهده می‌کنیم که سازمان‌ها پیوستن به روند دانش بنیانی را آغاز کرده‌اند. مفاهیم جدیدی همچون کاردانشی، دانش کار، مدیریت دانش و سازمان‌های دانشی حکایت از شدت گرفتن این روند دارند. پیتر دراکر در این باره گفته است: «این مفاهیم به‌ما اعلام می‌دارند در سازمان‌های جدید قدرت بازو جای خود را به قدرت ذهن داده است. به‌طوری که در آینده تنها جوامعی باید انتظار پیشرفت را داشته باشند که از دانش بیشتری برخوردار باشند.» اقتصاد دانش‌محور این پتانسیل را دارد تا یک کشور را در ابعاد اقتصادی، اجتماعی و فرهنگی به شکوفایی برساند.

به‌طوری که اهمیت در اختیار داشتن دانش از منابع طبیعی مهم‌تر خواهد بود. اما سوال اصلی این است که مدیریت دانش چیست؟ مدیریت دانش به بهره‌وری و توسعه دارایی‌های دانشی یک سازمان در جهت نیل به اهداف تعیین شده در سازمان اشاره دارد. در این تعریف هم دانش عینی و هم دانش ضمنی لحاظ می‌شود. مدیریت دانش تمامی روندهای شناسایی، اشتراک و تولید دانش را در بر می‌گیرد. 

---

مطلب پیشنهادی

ترکیب یک پرنده و یک هواپیما منجر به ساخت یک پهباد می‌شود

پهبادی که بال می‌زند!

---

پرساک داونپورگ در ارتباط با اهمیت مدیریت دانش گفته است: «سازمان‌های هوشمند و بزرگ به‌خوبی می‌دانند که دانش یک سرمایه سازمانی است و قوانین درون سازمانی باید به‌گونه‌ای تدوین پیدا کرده و توسعه یابند تا از تولید و به‌اشتراک‌گذاری دانش پشتیبانی کنند.» اگر به الگوهای مدیریتی شرکت‌هایی همچون گوگل یا اپل نگاهی داشته باشیم، به‌خوبی این جمله داونپورگ را در سیاست‌های داخلی این شرکت‌ها مشاهده می‌کنیم. همان‌گونه که در مقاله مغز مصنوعی پنهان اپل در شماره 185 مجله به آن اشاره کردم، اپل به بهترین شکل ممکن زیرساخت مناسب برای پیشرفت و به اشتراک‌گذاری دانش را درون سازمان خود مهیا کرده است. اما سوال اصلی این است که چگونه می‌توانیم به دانش موردنیاز دست پیدا کنیم تا در ادامه بتوانیم آن‌را مدیریت کنیم.

در جواب باید بگوییم انقلاب فناوری اطلاعات نه‌متنها منجر به شکل‌گیری جامعه اطلاعاتی و توسعه سریع فناوری‌های برتری شد که در نهایت تاثیر خود را بر الگوی رشد اقتصادی جهانی بر جای گذاشت، بلکه سلسله تحولات زنجیره‌واری را به‌وجود آورد که در نهایت دانش را به‌عنوان مهم‌ترین سرمایه، جایگزین سرمایه‌های مالی و فیزیکی کرد. این تاثیرگذاری منجر به شکل‌گیری مفهومی به‌نام سرمایه فکری شد. برداشت‌ها و تعاریف مختلفی برای این مفهوم می‌توان ارائه کرد. به‌طور مثال، سرمایه فکری به دارایی‌ها و فاکتورهای تجاری و ضمنی یک سازمان اشاره دارد که تاثیر مهمی بر کارکرد و سایر معیارهای کلیدی موفقیت آن سازمان دارد. 

از سرمایه‌های فکری اغلب به‌نام دارایی‌های غیر ملموس یا ارزش‌های نهان یک سازمان یاد می‌شود. این سرمایه فکری یا همان دانش در دراز مدت ثروت‌آفرینی را برای یک سازمان رقم خواهند زد. جیا شان وانگ در این ارتباط گفته است: «در این بین سرمایه انسانی هسته اصلی و مرکزی سرمایه فکری به‌شمار رفته و نقش مهمی در ارزش‌آفرینی سازمان‌ها دارد.» حال که با مفهوم دانش و نحوه به‌دست آوردن آن آشنا شدید، باید بدانید دانش به‌عنوان یک منبع رقابت‌پذیر در سازمان‌ها شناخته می‌شود. در حالی که نقش دانش در پیشرفت سازمان‌ها کاملا مشهود است، با این وجود تنها تعداد محدودی از سازمان‌ها می‌توانند دانش را در مجموعه خود به‌درستی مدیریت کنند. گری اینکپن در این ارتباط گفته است: «تنها شرکت‌هایی در صحنه رقابت‌پذیری به‌ویژه در مقیاس جهانی پیروز می‌شوند که بتوانند دانش مناسب‌تری نسبت به رقبای خود در اختیار داشته باشند.»

با این وجود دانش خود به دو گروه تقسیم می‌شود. مایکل پولانی در سال 1966 گفت: « در حوزه دانش ما با دو گروه دانش صریح (Explicit Knowledge) و دانش ضمنی (Tacit Knowledge) روبرو هستیم. دانش صریح به‌راحتی قابل کپی کردن است، در حالی که دانش ضمنی این‌گونه نیست، به‌سختی می‌توان آن‌را با دیگران اشتراک‌ قرار داد و ریشه در بینش، تجربیات ارزش‌ها و حتی احساسات فرد دارد.» حال به آخرین پرسش این یادداشت می‌رسیم، چگونه می‌توان مدیریت دانش را در یک سازمان پیاده‌سازی کرد؟ اگر بخواهیم به‌طور فهرست‌وار به این پرسش پاسخ دهیم باید بگوییم، پیاده‌سازی یک برنامه مدیریت دانش به تعهد و حمایت مدیریت ارشد، آموزش مفاهیم مدیریت دانش در سطح سازمان، فراهم آوردن بستر فرهنگی مناسب، پیاده‌سازی زیرساخت سازمانی مناسب، پیاده‌سازی مراکز دانشی، اندازه‌ِگیری عملکرد دانش سازمان و در نهایت برنامه‌ریزی نیاز دارد. بدون شک با رعایت این فاکتورها و توجه بیش از پیش به پیاده‌سازی مدیریت دانش در سازمان‌های خصوصی و دولتی قادر خواهیم بود مسیر پیشرفت را در سریع‌ترین زمان پشت سر نهیم.

---

برچسب: 

• مدیریت دانش - نیروی انسانی - سرمایه فکری - ایده

گفت و گو با رضا منصوری چهره علمی

برخورد با متخلفان 58 مقاله یک اقدام مبارک است/ در ایران دانشگاه واقعی نداریم

ریچارد استون مسئول بخش بین الملل مجله ساینس است. ساینس و نیچر(Nature) دو مجله معتبر دنیا هستند. ایشان مقاله ای در مورد رشد تقلب در مقالات علمی ایران نوشت و بعدا هم مجله نیچرموضوع حذف 58 مقاله را منتشر کرد.

 عصر ایران؛ یوسف ناصری- در شهریور 1395 مقاله ای در مجله ساینس انتشار یافت که در آن به پاره ای مقالات تقلبی در ایران اشاره شده بود.

نویسنده مقاله - ریچارد استون - این مطلب را بعد از سفر به تهران نوشت و گزارشی درباره بازار خرید و فروش پایان نامه و مقالات علمی ارایه داد.

مجله ساینس از سال 1880 میلادی تا کنون منتشر شده است.

در 11 آبان 1395 نیز پایگاه خبری انتشارات اسپرینگر نیچر از حذف 58 مقاله علمی که نام 282 محقق و استاد ایرانی در آنها بوده به دلیل آنچه سرقت علمی و دستکاری اطلاعات و باز نویسی ذکر شد، خبر داد.

 مجله نیچر نیز از سال 1869 میلادی به بعد منتشر می شود.

عصر ایران در این باره با با دکتر رضا منصوری گفت و گو کرده که از پی گیر ترین شخصیت های علمی کشور به حساب می آید.

او یک دوره معاون پژوهشی وزارت علوم و سال ها رییس انجمن فیزیک ایران بوده و از استادان سرشناس فیزیک است و از آثار او می توان به کتاب های توسعه علمی ایران و معماری علم در ایران اشاره کرد اما بیشتر به خاطر افشای پاره ای ادعاهای علمی و صراحت در این زمینه شهرت دارد.

گفت و گوی عصر ایران با دکتر رضا منصوری از این قرار است:

 
تعداد 58 مقاله علمی ایران به دلیل مدارکی مبنی برسرقت علمی و عوامل دیگر از برخی لیست نشریات بین المللی حذف شدند. نیمی از این مقالات مربوط به علوم پزشکی بود. در ارتباط با این موضوع به تازگی وزارت بهداشت اعلام کرده که 5 عضو هیات علمی را اخراج کرده است.

از دو ماه قبل و با انتشار خبر حذف این مقالات، برخی مقامات دولتی واکنش های تندی نشان دادند. ارزیابی شما از نوع واکنش هایی که اتفاق افتاد چگونه است؟
 
«انتحال» یک لفظ عام  و برای هر نوع بی اخلاقی علمی است که یکی از آنها سرقت علمی است. ما می بینیم شرکت ها مقاله می فروشند و می خرند و بعضی استادان با این شرکت ها، همکاری می کنند. از آن طرف در دانشگاه، با این مقاله ها ارتقای مقام می گیرند. در حالی که مرتکب انتحال شده اند.

برآورد من این است که دست کم 5 هزار پایان نامه یعنی 10 درصد از کل پایان نامه ها در سال خریداری می شود. برای مقالات علمی هم همین تخمین حدودی و 10 درصد را باید بپذیریم. الان که 30 هزار مقاله، کل برون داد علمی ما شده پس 10 درصد می شود 3 هزار مقاله.

ما سال ها است که به دولت و وزارت علوم و وزارت بهداشت هشدار دادیم که وضعیت کشور این طور است و باید برای رفع این مشکلات کاری انجام بدهند.

به محض این که آمریکایی ها و انگلیسی ها و اروپایی ها اعلام کردند که این اتفاق در ایران می افتد برخی مقامات سیاسی کشور این کار را به عنوان هجمه سیاسی توجیه کردند. حتی بعضی مقامات وزارت بهداشت و درمان اعلام کردند که هجمه سیاسی به کشور ما است. البته به نظر من، این حرف غلطی است که این مقامات مطرح کردند.
 
ولی الان وزارت بهداشت قبل از وزارت علوم و دانشگاه آزاد، پیشگام برخورد شده و افراد خاطی و متخلف را مجازات کرده و 5 عضو هیات علمی دانشگاه های علوم پزشکی را اخراج کرده است.
 
بعد از این که مجله نیچر، موضوع 58 مقاله را اعلام کرد وزارت بهداشت و درمان به تکاپو افتاد و کمیته هایی را که داشتند فعال کردند. این اقدام را انجام دادند که اقدام مبارکی است.
 
البته معاون وزارت بهداشت و رئیس سازمان غذا و دارو همان دو ماه قبل، کار افشاگری مربوط به 58 مقاله را به دست های پشت پرده و در خارج از مرزهای ایران نسبت داد.
 
نکته من همین است. برخی مقامات ما، این موضوع را به موضوع سیاسی تبدیل کردند. در حالی که اصلا موضوعی سیاسی نیست.
 
عملا الان وزارت بهداشت قبل از دستگاه های دولتی دیگر اقدام کرده و همچنین، معاون پژوهشی یک دانشگاه علوم پزشکی را از سمت خودش برکنار کرده اند. بعد از دو ماه از انتشارخبر حذف 58 مقاله ایرانیان، به این نوع برخورد وزارت بهداشت نظر مثبتی دارید؟
 
قطعا نظر مثبت دارم. اما چرا وقتی همکاران دانشگاهی ما و اهل علم کشور به دولت اعلام می کنند در مخاطره هستیم، توجه نمی کنند ولی به محض این که آقای ریچار استون در مجله ساینس این موضوع را مطرح کرد، واکنش نشان دادند.

ریچارد استون مسئول بخش بین الملل مجله ساینس است. ساینس و نیچر(Nature) دو مجله معتبر دنیا هستند. ایشان مقاله ای در مورد رشد تقلب در مقالات علمی ایران نوشت و بعدا هم مجله نیچرموضوع حذف 58 مقاله را منتشر کرد.


اعلام شده که بررسی موشکافانه انجام داده و متوجه سرقت علمی و دستکاری در تالیف و بازنویسی مقالات شده اند. این نوع بررسی چه مولفه هایی داشته است؟
 
یک گزارش منتشر شده است و چند عکس از جلوی دانشگاه تهران. البته ما سال ها است که این وضع را می بینیم. حداقل 100 شرکت هستند که این کارها را انجام می دهند.
 
یکی از تخلفاتی که توسط بعضی محققان و نویسندگان ایرانی انجام شده، داوری صوری است و اسم استادان و محققان معروف ایرانی را بدون کسب اجازه از آنان در مقاله به عنوان داور گنجانده اند و ایمیل جعلی هم جلوی اسامی آن افراد نوشته اند. خودشان تبادل نظر با ایمیل های جعلی که با اسم افراد معروف ساخته بودند انجام داده اند.
 
روش های مختلف انتحال و بی اخلاقی علمی و کلاه گذاشتن سر مجلات، بسیار متنوع است. بعضی روش ها را ایرانی ها ابداع کرده اند. این که داور را تقلب می کردند، کار  جدیدی نیست.

یک سال پیش، یکی از مجلات بین المللی مقاله نوشت و گفت ایرانیان این کار را انجام می دهند. آن مقاله خیلی بازتاب پیدا نکرد ولی مطالب جدید ساینس و نیچر، بازتاب وسیعی داشت.
 
اطلاعات دقیقی هم توسط برخی افراد در داخل کشور داده شده است. از این نوع شفاف سازی دفاع می کنید؟
 
بله. البته وقتی تعداد مقالات زیاد می شود شک می کنند. این شک را به سازمان و موسسه اعلام می کنند. آن موسسه هم پیگیری می کند. این کارها خیلی طبیعی است.

ما باید از دو مجله ساینس و نیچر، شاکر و ممنون باشیم که باعث شدند وزارت بهداشت، وزارت علوم، مقامات دولتی ما و رسانه های ما در این زمینه فعال شوند و این چرک و کثافتی که در بدن ما هست را بزداییم و پاک کنیم.
 
در اردیبهشت ماه سال 94 لایحه ای توسط دولت در خصوص مقابله با پایان نامه فروشی به مجلس ارائه شد. خبر دارید که بررسی آن لایحه چه وضعی پیدا کرد؟


آن لایحه فعلا متوقف است ولی از دید من اصلا به قانون احتیاج ندارد. این یک تصور اشتباه از موضوعی اجتماعی است که برخی گمان می کنند با پلیس و بگیر و ببند، می شود این مساله را حل کرد.


معاون پژوهش وزارت علوم گفته است پیگیر آن لایحه هستیم.


بله. حتی در مقاله مجله ساینس گفته شده که ایران برای مقابله با این موضوع یک لایحه به مجلس برده و مجله ساینس بابت این کار تشکر کرده است.


در قانونی که در 4 دهه قبل تصویب شده مجازات سرقت علمی در ایران را 6 ماه تا یک سال زندان تعیین کرده است. طی این چند دهه این قانون چگونه مورد توجه قرار نگرفته است؟
  

مقابله با سرقت های علمی،راحت است ولی برای وزارتخانه های ما یعنی بخش سیاسی مرتبط با علم ما، این قضیه مهم نبوده است.


آقای دکتر منصوری شما می گویید مقابله با سرقت علمی نیاز به قانون ندارد. به چه صورت می شود با این موضوع مقابله کرد؟


موارد اندک شماری از این نوع سرقت های علمی در اروپا و آمریکا مطرح شده است. در سال 1379 یک فیزیکدان مشهور آلمانی به آمریکا رفته بود. تعداد زیادی مقاله و ارجاعات داشت. بعد یک محقق، نامه ای را در یک مجله منتشر کرد و نوشت این شخص در فلان مقاله بدون انجام مطالعات آزمایشگاهی، عدد سازی کرده است.

بلافاصله وقتی این موضوع قطعی شد دانشگاه بیله فلد آلمان که به این فیزیکدان، دکترا داده بود، بعد از 17 سال مدرک دکترا را از او پس گرفت. در حالی که تخلف آن فیزیکدان فقط در حد همان عدد سازی بود.

بیش از دو سال است که همه تایید کرده اند آقای دکتر محمود خاتمی استاد دانشگاه چنین کاری را انجام داده است. کتاب ها و مقالات او متعلق به شخص دیگری بوده ولی او به اسم خودش چاپ کرده است.

اما هیچ مجازاتی برای او در نظر نگرفته اند. این نشان می دهد که ما ضعف داریم و علاقه به رفع مشکلات در کشور نداریم.
 
 
تعداد مقالات علمی که در سال 2014 نمایه شده 32 هزار و 600 مقاله بوده است. ادعا شده که  بیش از 60 درصد مقالات علمی ایران در مجلات کم اعتبار چاپ می شود. نظرتان در این زمینه چگونه است؟
 
این وضع علامت این است که اعتبار کار علمی ما کم است. ما کارعلمی با اعتبار انجام نمی دهیم. اگر انجام می دادیم که چاپ می شد. احتیاج به تفسیر دیگری ندارد.
 
درصد استناد محققان دنیا به هر مقاله محققان ایرانی 71 صدم است و ترکیه 47 صدم. به طور متوسط هر مقاله محققان ایرانی حتی یک استناد هم نگرفته است. 
 
اولین واکنش این خواهد بود که هر دو، عدد بسیار کمی هستند و هر دو زیر یک استناد هستند. علامت این است که اعتبار علمی هر دو کشور بالا نیست. ضمن این که اگر بخواهیم مقایسه کنیم اختلاف به حدی نیست که بگوییم اهمیت علمی ما بالاتر از ترکیه است. یعنی باید وارد جزئیات بیشتر شد.
 
آقای کرامت فر کارشناس علم سنجی جهاد دانشگاهی گفته که از کل مقالات علمی 2014 ایران فقط 29 مقاله داغ داشته ایم که به طور متوسط 15.6 بار مورد استناد محققان دنیا قرار گرفته اند. تعداد 29 مقاله شدیدا پر استناد ایران در یک سال کم است؟


بله، کم است ولی برای مقایسه دقیق باید تعداد استناد را  با بالاترین دنیا یا میانگین دنیا مقایسه کنیم. برای مثال بالاترین استناد به یک مقاله در رشته فیزیک حدود 140 هزار مورد است.



تشویق مالی انتشار مقاله علمی در زمانی اتفاق افتاد که شما در دولت اصلاحات معاون پژوهشی وزارت علوم بودید. تصور می کردید وضعیت مقاله علمی و چاپ در مجلات علمی به این صورت در بیاید که 60 درصد در مجلات کم اعتبار و کم استناد دنیا چاپ می شود؟


سال دومی که پول دادیم آمار گرفتیم و متوجه این اتفاق شدیم و اعلام کردیم. در سال 83 اعلام کردیم تشویقی که در سال 82 انجام دادیم باعث شد تعداد مقالات بالا برود و تعداد مقالات در مجلات کم کیفیت افزایش پیدا کند.

بر آن مبنا سیاست را عوض کردیم. یعنی به مقالاتی که در مجلات کم اعتبار بود خیلی کم پول دادیم و در آن سال مثلا 500 هزار تومان را به 50 هزار تومان کاهش دادیم و به مقالاتی که در مجلات با اعتبار بیشتر چاپ می شد حدود یک میلیون تومان دادیم.

برای سال 84 قرار بود که به مقاله اصلا پول ندهیم و فقط به برنامه های تحقیقاتی پول بدهیم. اما بعد از ما، به همه مقاله ها پول دادند. هنوز هم متاسفانه این کار را انجام می دهند.


در دوره مسئولیت در وزارت علوم 18 شاخص را برای سنجش میزان تولیدات علم و تعیین جایگاه علمی ایران تعیین کرده بودید که یکی مقاله بوده و شاخص دیگر میزان مشارکت در پروژه های علمی بین المللی. وضعیت همکاری ما در سال های گذشته چطور بوده و الان با وجود برجام، بهتر شده یا نه؟


یک کم تغییر کرده است. آمار همکاری های بین المللی در دنیا وجود دارد که تعداد همکاری بین المللی را بر حسب روشنایی تبدیل می کنند. وقتی نگاه می کنیم اروپا و آمریکا و ژاپن، خیلی درخشان هستند ولی در منطقه ما و ایران، خاموش است و سیاه است.


ایران در ماه های بعد از برجام مذاکره کرد و قرار است عضو ایتر(طرح بین المللی رآکتور گرما هسته ای گداخت در فرانسه/ ITER) شود که تولید انرژی پاک به روش تولید انرژی در ستاره های مثل خورشید است. آیا این اقدامات قابل توجه نیست؟


به تازگی عضویت ایران در ایتر مطرح شده است و تحقق آن به سرعت عملی نمی شود. دوم این که ایتر، پروژه تاسیس یک نیروگاه است. به این همکاری علمی نمی گویند. این همکاری در حوزه فناوری است.

همکاری با سرن(سازمان اروپایی پژوهش های هسته ای در سوئیس) بوده و همکاری های دیگری هم با دنیا وجود دارد.


شما همکاری در قالب سزامی(اولین مرکز تولید کننده نور سینکروترون در خاورمیانه واقع در اردن) و سرن را تایید و تشویق کرده بودید ولی  ایتر را نه؟


این دو همکاری متفاوت هستند. قطعا همکاری با سرن از این جنس است. همکاری با سزامی، یک مساله بیشتر سیاسی است تا علمی.


ولی کاربرد سرن و سزامی در حوزه های پتروشیمی و صنعتی و هسته ای است.


سزامی، یک دستگاه سینکروترون است که اشعه ایکس تولید می کند و با آن هم کار صنعتی می شود انجام داد و هم پزشکی و هم علمی.

یک سیستم است و شتابگری است که خوب است انسان با آن کار کند. اگر مثلا یک کاربر ایرانی سزامی، یک پروژه تعریف کند و مقاله ای چاپ کند همکاری علمی می شود.


سزامی در پتروشیمی و پزشکی و ژنتیک کاربرد پیدا می کند.


قطعا کاربرد پیدا می کند ولی این کاربرد، هم صنعتی است و هم علمی. ما باید ببینیم از چه جنبه ای استفاده کنیم.

به هر حال ورود به ایتر مبارک است و باید تشویق هم بشود. اما نباید آن را به عنوان همکاری علمی به حساب آورد.


اعتقاد دارید که ما محدود به مقاله علمی نشویم و کیفیت کارهای علمی کشور افزایش پیدا کند. در چند ماه گذشته که مراودات بین المللی ما بیشتر شده، آیا این ارتباطات می تواند به ارتقای کیفیت کارهای تحقیقاتی ما کمک کند؟


ارتباطات بین المللی از این جهت، مهم است که ما چیزهایی را یاد بگیریم. در قالب همکاری بین المللی، می توانیم هم به تجهیزات پیشرفته تر دسترسی داشته باشیم و هم به روش فکر کردن و روش کار علمی که ما در ایران ضعیف هستیم.

متاسفانه ما سیاست علمی در کشور نداریم. ما هیچ مرجعی نداریم که بگوید این موضوع برای ایران مهم است و دانشگاه روی آن کار کند.
 
منظورتان این است که دانشگاه های ما عمدتا بر آموزش تاکید می کنند؟
 
دانشگاه های ما فقط ساخته شده اند که یک عده را تربیت کنند تا کارمند دولت شوند یا در کارخانه ها کار کنند ولی این تعریف دانشگاه نیست.
 
دانشگاه ایده آل شما یا استاندارد آن در دنیا چه شاخصه هایی دارد؟
 
دانشگاه از جامعه سوال می گیرد و با روش هایی که خودش می داند و کسی در آن روش ها مداخله نمی کند، این سوال ها را بررسی می کند و به جامعه، پاسخ می دهد. ما چنین دانشگاهی در ایران نداریم.
 
وضعیت و نگاه مطلوب به مقاله نوشتن و چاپ در مجلات بین المللی باید به چه صورت باشد؟
 
نگاه مطلوب این است که اول وزارتخانه علوم و دولت باید بگویند چه انتظاری از دانشگاه دارند. دانشگاه هم شروع کند به حل مساله های جامعه و بعد نتیجه آن به مقاله تبدیل شود. اما الان این طور نیست.

آیا تفکر دانش‌بنیان اقتصاد ایران را تغییر می‌دهد؟+ نقدی بر محور نخبگان و لیاقت جامعه

تفکر دانش‌بنیان مانند سونامی اقتصاد ایران را تغییر می‌دهد

 + تکمیل مطلب از واحد

• فرستنده : modir info
• پنجشنبه 29 مهر 1395

سورنا ستاری؛ معاون علمی‌وفناوری رئیس‌جمهور و رئیس بنیاد ملی نخبگان در «دهمین همایش ملی نخبگان فردا» با اشاره به لزوم فرهنگ‌سازی در حوزه اقتصاد دانش بنیان، گفت: مهمترین و بزرگترین سرمایه‌های هر کشوری نیروی‌انسانی آن است.
وی افزود: ایران به لحاظ داشتن نیروی انسانی کشور فوق‌العاده است و این مهم نه به دلیل وجود ذخایر متعدد نفت و گاز بلکه به‌خاطر تعداد بالای نیروی‌انسانی جوان و متخصص است.
ستاری ادامه داد: در دنیای امروز، صرف برخورداری از ماده خام و اولیه اهمیتی ندارد بلکه وجود ذخایر طبیعی تنها زمانی ارزشمند است که نیروی‌انسانی متخصص برای تبدیل آن به ارزش‌افزوده حضور داشته باشد.

معاون علمی‌وفناوری رئیس‌جمهور تصریح کرد: فروش ماده اولیه و خام‌فروشی هنر نیست خاصه برای کشوری که به اندازه تمام تاریخ قدمت دارد و همواره معیادگاه تربیت افرادی شاخص و نوآور در حوزه علم و فناوری و به‌کارگیری آن بوده است. تاریخ ایران مرهون نفت و گاز و دیگر منابع نیست بلکه عظمت ایران امروزی مدیون افرادی مانند ابن‌هیثم، بوعلی، ابوریحان، فارابی، حافظ و سعدی است که هر یک در زمان خود سرآمد بودند.
رئیس بنیاد ملی نخبگان اظهار داشت: بعد کشف نفت، مسیر جامعه ایرانی تغییر کرد و به‌جای نیروی‌انسانی، معادن و منابع را مهمترین سرمایۀ خود دانست. همین اشتباه سبب ایجاد فرهنگی نادرست شد که سال‌‌ها جامعه ایرانی را از مسیر خود منحرف کرد و کشور را به جایی رساند که به تعبیر مقام‌معظم رهبری مانند «بچه‌پولدار» به درآمدهای نفتی وابسته شد.
وی خاطرنشان کرد: کشور برای بازگشت به گذشته پرافتخار خود و معرفی سیستمی جدید به همه دنیا نیازمند سرمایه‌گذاری روی نیروی‌انسانی خود است و این مهم میسر نمی‌شود مگر با فرهنگسازی و تغییر فرهنگ عمومی جامعه.
رئیس هیات امنای صندوق حمایت از پژوهشگران یادآور شد: حضور بیش از 30 میلیون جوان یک مزیت بی‌نظیر برای کشور است بطوری که کمتر کشوری از این ظرفیت برخودار است. از سوی دیگر 5 میلیون دانشجو و جای گرفتن در رتبه پنجم تربیت مهندس در جهان، ایران را به کشوری فوق‌العاده در جهان تبدیل کرده است. به‌همین دلیل بنیاد ملی نخبگان رسالت خود را گفتمان‌سازی و فرهنگسازی صحیح در حوزه نخبگان قرار داده و معتقدم کار ما در معاونت علمی و بنیاد نرم‌افزاری است که باید بر سخت‌افزار کشور سوار شود.
معاون علمی‌وفناوری رئیس‌جمهور با اشاره به لزوم حضور بخش‌خصوصی در فضای نخبگانی، خاطرنشان کرد: یکی از مکان‌هایی که باید هدف سرمایه‌گذاری بخش‌خصوصی باشد، در کنار شرکت های دانش بنیان استارتاپ‌ها هستند که خوشبختانه در سال‌های گذشته این رویداد توانسته است به‌خوبی جایگاه خود را تثبیت کند.
رئیس بنیاد ملی نخبگان با بیان اینکه ایجاد هر تغییری نیازمند صرف هزینه است، یادآورد شد: رسالت بنیاد ملی نخبگان آماده کردن نیروی‌های مستعدبرتر برای هزینه دادن و کمک به کشور است. به‌عبارت دیگر این نهاد قصد ندارد به‌عنوان مرکز رفاهی عمل کند بلکه در تلاش است مستعدان‌برتر را به مسیری هدایت کند که برای ایجاد تغییر در جامعه خود را مسؤول دانسته و داشته‌های خود را هزینه کنند. باید دانست اخذ رتبه‌برتر در کنکور سراسری ابتدای راه است و افراد برگزیده بیش از هر کس باید برای استعداد خود ارزش قائل شده و آن را برای ایجاد تغییر مثبت در جامعه توانمند و در نهایت هزینه کنند.
ستاری با اشاره به مشکلات موجود در صنعت کشور، تصریح کرد: آنجه امروز به‌عنوان صنعت مطرح می‌شود در واقع کارخانه است و نه صنعت! صرف افزایش تعداد کارخانه‌ها و تولیدات آنها کشور را به کشوری صنعتی تبدیل نمی‌کند. صنعت در ماشین‌سازی و طراحی، دانش‌فنی و فناوری، ایده‌نو و عملیاتی کردن آن معنا می‌شود.
وی ضمن اعلام خبر ورود شرکت‌های دانش‌بنیان به بورس، با اشاره به اینکه جامعه برای پیشرفت و رسیدن به توسعه نیازمند تفکر دانش‌بنیان است، افزود: ایجاد شرکت‌های دانش‌بنیان امروزه، موجی بزرگ شده و در آینده‌ای نزدیک به یک سونامی تبدیل می‌شود که همه ارکان اقتصادی کشور را در برمی‌گیرد. در حال حاضر نیز اشتغال زایی و درآمدهای بسیار بالایی در شرکت‌های دانش‌بنیان حاصل شده است. این مسیر، راه صحیح برای رسیدن به توسعه است. باید دانست هیچ کشوری با خام‌فروشی و یا فروش ماده اولیه به توسعه نرسیده است.
معاون علمی‌وفناوری رئیس‌جمهور با اشاره به لزوم حرکت دانشگاه‌ها به سمت استقلال و خودکفایی مالی، دانشگاه دولتی را یکی از سدهای بزرگ کشور برای رسیدن به هدف تعیین‌شده برشمرد و اظهار داشت: نگرش دانشگاه باید تغییر کند! دانشگاه باید به نقطه‌ای برسد که فارغ از پول دولت و با تکیه بر تولید دانش‌فنی و فناوری و همچنین ایجاد شرکت‌ و فروش ایده خود را اداره کند. دانشگاه دولتی هرگز نمی‌تواند و نمی‌خواهد در رقابت اقتصادی شرکت کند چرا که نیازی احساس نمی‌کند.
استخدام دولتی و تفکر کارمندی آفت فضای نخبگانی است
وی با اشاره به اینکه مستعدبرتر باید خود را به فردی تاثیرگذار در جامعه تبدیل کند، تغییر نگرش اشتغال را یکی از ملزومات فضای نخبگانی دانست و گفت: استخدام دولتی و تفکر کارمندی آفت فضای نخبگانی است.
مستعد برتر فردی است که می‌تواند با استعداد برتر و اعتماد به‌نفس خود در عرصه کارآفرینی و اشتغال‌زایی حضور موثر داشته و به جای اینکه بارمالی بر کشور تحمیل کند، اقتصاد را رونق بخشد.
ستاری در پایان تصریح کرد: مستعد برتر باید بداند کشور برای رسیدن او به این نقطه هزینه کرده و اجازه دیده‌شدن به او داده است. پس اهداف خود را بلند و در راستای پیشرفت جامعه بومی ترسیم کرده و برای رسیدن به آنها از هیچ تلاشی کوتاهی نکند.

منبع: اخبار کارآفرینی و استارتاپ ها/  مدیراینفو

---

تکمیل مطلب از واحد:
 نقدی بر محور نخبگان و لیاقت جامعه
 بیشتر نظرات ایشان از جهاتی مورد قبول است و امیدواریم خوشبینی های ایشان در پیش بینی هایشان تحقق یابد  ولی نکته مهمی که باید در نظر گرفت این است که هر نخبه فکری که مجموعه ای از هوش، شخصیت، هدفداری و انضباط و تلاش، فرصتهای زمانی و مالی و امکاناتی صرف شده برای شکوفایی نسبی او تا این لحظه، برای نخبه شدنش مؤثر بوده است، را نباید موجودی بدون نیازهای انسانی فرض کرد و از او انتظار داشت تماماً با فداکاری برای جامعه ای کار و تلاش کند که قدر او را نمی دانند و انکارش می کنند و بارهای وظیفۀ خود را ناعادلانه به دوش او می گذارند و حقوقش را ادا نمی کنند. یک نخبه یا انسان خوب، یک "محکوم" نیست که قرار باشد حقش را دیگران بردارند و بخورند (یا حداقل رعایت نکنند)، و وظیفه او گذشت و فداکاری و تلاش خیرخواهانه و بدون چشمداشت باشد. یک جامعه باید "لیاقت" نخبگان خود را داشته باشد و اگر ندارد به دنبال بدست آوردن آن لیاقتها باشد، وگرنه نخبه خیلی زودتر از عامه تشخیص خواهد داد و راه خود را جدا می کند و آنها را از کار و حضور و فکر خود محروم می کند،  و در این جدا شدن، جامعه عوام زده بیش از او ضرر می کند. جامعه ما نموداری از این فرایند است که با وجود امکانات مالی و ... زیاد و به دلیل کنار گذاشتن بسیاری از نخبگانش، در بحرانهای مختلف اقتصادی، اجتماعی، فرهنگی و اخلاقی، و ... غوطه ور و ظاهراً فعلاً تاحدودی شناور است.
هرگاه حکومت یا اندیشمند بخواهد چاره جویی کند باید "عدالت" و "تعادل" در چاره جوییهایش حاکم باشد و از کیسه دیگران خرج نکند، چرا که آن دیگران زود یا دیر کنار خواهند کشید و چاره جوی مذکور را با نسخه هایش به حال خود خواهند گذاشت تا بارهای آن و نتایج آن را به دوش بکشد.
اگر نخبه ای یا هر فردی خواست با قناعت و فداکاری عمل کند و فراتر از "عدالت"، "خیرخواه" باشد، آن یک امر فوق العاده (بالاتر از عادی) و یک نشان از والایی اوست و یک انتخاب اخلاقی و فقط و فقط در اختیار خود اوست، و خیر و رحمت اوست برای دیگران، و نباید از طرف دیگران وظیفۀ او تلقی شود. این یک اشتباه محاسباتی برای یک تدبیرگر و چاره جو و سیاست گذار است خصوصاً هنگامی که در همین جامعه و حکومت، فسادهای مالی بزرگ تا کوچک، از جانب آدمهای نالایق و بی اخلاق درحال مشاهده است.
البته اگر جامعه بتواند نخبگانی تربیت کند که علاوه بر نخبگی علمی- فکری، نخبگی اخلاقی و شخصیتی هم داشته باشند و حاضر به فداکاری و گذشت و قناعت، و دارای استقامت در مسیر اصلاح محیط و جامعه باشند، و مجهز به شناخت آرمانهای واقعگرایانه و توان تعریف راه (مسیر) و برنامه و پیگیری آن باشند، این بزرگترین سرمایه آن جامعه خواهد بود و اگر امیدی باشد به چنین سرمایه ایست. برای تربیت چنین نخبگانی نمی توان یک روند تربیتی-آموزشی نامتعادل و ناعادلانه تعریف کرد چرا که از آن کوزه، عمدتاً افراد نامتعادل، و به فرض نخبگی، نخبگانی خودخواه و فرصت طلب بیرون خواهد تراوید. اگر او تعادل و عدالت را در مسیر تربیتی و زندگی خود بطور نسبی دید و آموخت و ارزشهای واقعی را شناخت، آنگاه در پی اصلاح و تکامل خود، محیط و جامعه خود با اتکا به تواناییهایش خواهد رفت (آن هم به شرط آنکه حجم انکار و کارشکنی محیط به حد سرخوردگی و ناامیدی و بی تفاوتی او نرسد) و شاید سپس برای ادامه تکامل وجودیش به خصوصیات متعالی همچون گذشت، فداکاری و قناعت، و عمل معنوی (عملی که برای بدست آوردن نتایج معنوی انجام می شود) بیشتر برسد.
 باز هم این مراحل مربوط و در اختیار خود اوست و انتظارِ چنین بودن از جانب دیگران به عنوان وظیفۀ او، نادرست و زیاده خواهی و پرتوقعی است. محیط و دیگران نمی توانند بگویند ما حق تو را رعایت نمی کنیم و منافع آن را برای خودمان برمی داریم (می خوریم) و شما هم برای تعالی و اصلاح جامعه و وضع ما خوب کار و ایثار کن. اینطور تقسیمِ کار (!) عقیم و محکوم به ناپایداری و فروپاشی است.
به امید حرکت افراد و جامعه و حکومت ما به سوی تحقق بیشتر "عدالت و تعادل" در امور جزئی تا کلی، که این در هر زمان عامل قوام، قدرت، پایداری و تکامل آنها خواهد شد.

---

---

---

مرتبط:

* انواع عقل و وعده تکمیل آنها در ظهور

* مقاله و پایان نامه (و کتاب) خریدن، از دانشجویان به بعضی استادان دانشگاه هم رسیده است

---