تجربه هاي شخصي من

سانسور اینترنت

چند وقت پیش زمانی که می‌خواستم به دنبال فیلمی در ThePirateBay بگردم، متوجه شدم که این وبسایت توسط ISP که اینترنت خوبگاه ما را تأمین می‌کند، فیلتر شده است. بعد متوجه شدم که از چندین هفته قبل، روند فیلتر کردن این وبسایت در کشورهای اروپایی آغاز شده است و همچنان هم ادامه دارد. این وبسایت که محلی است برای ذخیره کردن فایلهای Torrent برای به اشتراک‌گذاری ویدئو، موزیک، نرم‌افزار و هر چیز دیگر، در شانزده فوریه ۲۰۰۹، به دادگاه عالی کشور سوئد فراخوانده شد و محاکمه چهار نفر صاحبان این وبسایت به اتهام نقض قانون کپی‌رایت، بیش از دو هفته به طول انجامید. حال قرار است در ساعت یازده صبح روز جمعه، هفدهم آوریل، حکم دادگاه اعلام شود. اگر این افراد مجرم شناخته شوند، امکان مجازات صد و هشتاد میلیون دلاری و دو سال زندان برایشان وجود دارد و نمی‌دانم چه بر سر وبسایتی می‌آید که جزء صد وبسایت پربیننده دنیا است.

اما در هر صورت، این وبسایت به جمع چهار هزار وبسایتی پیوسته است که در دانمارک فیلتر شده‌اند. نقشه سانسور اینترنت که در ویکیپدیا منتشر شده است، کشورهای دنیا را به چند دسته تقسیم می‌کند و بیشتر کشورها و از جمله کشورهای توسعه‌یافته در دسته‌ای قرار می‌گیرند که اینترنت را تا حدودی فیلتر می‌کنند. کشورهایی هم هستند که هیچگونه سانسوری بر روی اینترنت انجام نمی‌دهند. برای من جالب بود که بدانم ونزوئلا، مکزیک، مغولستان و بسیاری از کشورهای مرکزی و غربی آفریقا، در این دسته قرار دارند و بالاخره دسته‌ای که گزارشگران بدون مرز، آنها را دشمنان اینترنت می‌دانند که شامل کشورهایی مانند چین، کوبا، برمه، کره شمالی، ویتنام، ایران، سوریه، عربستان و مصر می‌شود.

سه سال پیش اسماعیل رادکانی، گفته بود که تا به حال ۱۰ میلیون وبسایت در ایران فیلتر شده‌اند و روزانه هم ۳۰۰ وبسایت به جمع آنها افزوده می‌شوند. فعلاً که من در ایران نیستم، اما خبر دارم که نرم‌افزار FreeGate، که خیلی از افراد از طریق آن، وبسایتهای فیلتر شده را باز می‌کردند، دیگر کار نمی‌کند و برخی به سراغ نرم‌افزار GPass رفته‌اند. نرم‌افزاری هم که اغلب کشورهای دنیا برای فیلتر کردن وبسایتها استفاده می‌کنند، SmartFilter می‌باشد.

صفحه‌ای که بعد از باز کردن وبسایت ThePirateBay  نشان داده می‌شود.

سه B در دانمارک

دوست یونانی‌ام Kostas می‌گوید، دانمارک ۳ تا B دارد و می‌گوید که من در این یازده ماهی که اینجا هستم، به هیچکدام از این سه، توجهی نکرده‌ام.

Bike – Blonde girls – Beer
آب جو – دختران بور – دوچرخه

البته دوچرخه را امتحان کرده‌ام و احتمالاً تا دو سه هفته دیگر یکی می‌خرم. اما نمی‌دانم گوش شیطان کر، به سراغ آن دو تای دیگر هم بروم یا خیر.

منبع عکس: YellowMan

تکنیک Fingerprinting

هر گاه تعدادی فایل داشته باشیم که هر یک از آنها شامل میلیونها رکورد اطلاعاتی هستند به طوریکه برخی از این فایلها دارای محتوای یکسانی هستند و تنها ترتیب قرارگیری رکوردها در آنها متفاوت است، اما برخی دیگر از این فایلها هم به طور کل محتوایی متفاوت دارند. یکی از ساده‌ترین راهها برای یافتن فایلهای دارای رکوردهای یکسان، این است که در هر یک از فایلها، تمام رکوردها را بر اساس ترتیبی خاص مرتب کنیم و سپس برای تشخیص برابری هر دو فایل، مقایسه رکوردهایشان را از اولین رکورد آغاز کنیم تا به آخرین رکورد برسیم. این کار برای دو فایل ۸ مگابایتی، ۳۰ ثانیه طول می‌کشد و مسلماً وقتی اندازه فایلها بیشتر و تعدادشان زیادتر گردد، این زمان بسیار بالا می‌رود. روش دیگر برای مقایسه دو فایل که در پروژه درس الگوریتمهای تصادفی انجام دادم و این زمان را به ۲ ثانیه کاهش می‌دهد این است که هر یک از n رکورد داخل هر فایل را به یک عدد ۳۲ بیتی تبدیل کنیم و سپس با استفاده از این n عدد، برای هر فایل یک چند جمله‌ای درجه n بسازیم. حال می‌توان ادعا کرد که دو فایل دارای رکوردهای یکسانی هستند، اگر و تنها اگر دارای چندجمله‌ای‌های یکسانی باشند. اما مقایسه دو چند جمله‌ای نیز کار زمانبری است. در اینجا می‌توان از تکنیک Fingerprinting استفاده کرد که یکی از روشهای مهم برای مقایسه دو شئ (Object) می‌باشد به این صورت که هر گاه اندازه دو شئ بسیار بزرگ باشد، با استفاده از این روش می‌توان اندازه آنها را کوچک کرد و البته باید خطای این کار را هم به طور دقیق محاسبه کرد. به عنوان مثال برای اینکه بفهمیم آیا دو چند جمله‌ای P و Q با هم برابر هستند یا خیر، می‌توانیم مقدار (P(x و (Q(x را به ازای یک x خاص محاسبه کنیم و در صورت برابرای آنها، برابری P و Q را اعلام کنیم. مسلماً در این روش خطا وجود دارد. قضیه Schwartz-zippel ثابت می‌کند که اگر x به طور تصادفی و از یک مجموعه نسبتاً بزرگ انتخاب شود، میزان خطا بسیار کم می‌شود.
———————–
منابع:
- کتاب Randomized Algorithms نوشته Rajeev Motwani و Prabhakar Raghavan.
- تعریف پروژه درس الگوریتمهای تصادفی
- گزارش من برای پروژه

Ipe

کسانی که با استفاده از Latex، مقاله‌ها، گزارشها و یا هر چیز دیگری را می‌نویسند، برای طراحی اشکال و تصاویر از نرم‌افزارهای مختلفی استفاده می‌کنند. یکی از قدیمی‌ترین این نرم‎افزارها که سالهاست بسیاری از افراد با آن انس گرفته‌اند Xfig می‌باشد که آخرین نسخه آن برای سال ۲۰۰۲ است و البته در مقایسه با نرم‌افزارهای امروزی از GUI ضعیفی برخوردار است و کار کردن با آن سخت است. یکی از نرم‌افزارهای قوی و جدیدی که توسط Otfried Cheong* طراحی شده است Ipe می‌باشد که هم در ویندوز و هم در لینوکس و هم در Mac قابل نصب است و رفته رفته بر کاربران آن افزوده می‌شود. این نرم‌افزار علاوه بر محیط گرافیکی خوب و ساده‌ای که دارد، این قابلیت را دارد که می‌توان بر روی تصاویر از فرمولهای Latex استفاده کرد.

برای مقایسه بین نرم‌افزارهای مختلف ویرایش Vector Graphics، این مقاله را بخوانید: ۲۰ Vector Graphics Editors Reviewed

————

* Otfried Cheong: یکی از نویسنگان کتاب معروف Computational Geometry: Algorithms and Applpications

منبع عکس: Ricklin.net

کنسرت گروه نای

بالاخره جمع ایرانیهای شهر اورهوس را هم دیدیم. در کنسرت گروه نای که بعد از کپنهاگ به اورهوس آمده بودند، کمتر از ۱۰۰ ایرانی از میان بیش از ۲۰۰۰ ایرانی شهر گرد آمده بودند تا هم به موسیقی گوش دهند، هم ایرانیهای دیگر را ببینند و هم به استقبال نوروز بروند. اصولاً ایرانیها در این گونه کنسرتها و در حین گوش دادن به موسیقی به انواع مختلفی تقسیم می‌شوند. برخی از آنها در احوالات درونی خویش غرق می‌شوند، برخی دیگر به طور مداوم به‌به و چه‌چه می‌کنند و گروهی دیگر هم منتظر فرصتی هستند تا با کف مرتبشان، مراتب انبساط خاطر خویش را از مراسم ابراز کنند و این همه جدای از افرادی هستند که هر لحظه در انتظار نگاه یکی از نوازندگان هستند تا با لبخندی پاسخ نگاه او را بدهند. برای من، بیش از آنکه این موسیقی، لذت‌بخش باشد، سلام و احوال‌پرسی و آشنایی و گرم گرفتن با ایرانیهایی لذت‌بخش بود که سالهاست از ایران دور هستند ولی با دیدن چند دانشجویی که تازه از ایران آمده‌اند، گل از گلشان می‌شکفد و آنها را به نوشیدنی دعوت می‌کنند، شماره‌های موبایلشان را می‌دهند و آنها را به میهمانی سال نو دعوت می‌کنند. نمی‌دانم که آیا زبان مشترک، منبع این دلبستگی است و یا چیز دیگری از قبیل نژاد و فرهنگ در میان است.

درس ساختمان داده‌ها

امتحان درس ساختمان داده‌ها و الگوریتم در دانشگاه اورهوس، ساده‌تر از آن چیزی است که من انتظار داشتم. در این هفته با اینکه خیلی سرم شلوغ بود و باید برای یکی از امتحانات درس می‌خواندم، تقاضای Gerth را رد نکردم و قرار بر این شد که به همراه یکدیگر، سوالات امتحان درس ساختمان داده‌ها را طراحی کنیم و سپس من آنها را بوسیله Latex درست کنم. البته کار سختی نبود، چون Gerth تنها تغییرات کوچکی در سوالات سال گذشته می‌داد و سوالات جدید را می‌ساخت. یادم می‌آید که وقتی در جهاد درس می‌دادم، هم وقت زیادی را برای طراحی سوالات امتحان و هم برای تصحیح ورقه‌ها صرف می‌کردم. اما Gerth با اینکه ۱۶۰ دانشجو در کلاس دارد، کمتر از من برای امتحان این درس وقت می‌گذارد. او ۲۵ سوال طراحی می‌کند که اغلب آنها هم چهار جوابی و یا حتی دو جوابی هستند و با تغییرات کوچکی بر روی سوالات سال پیش ساخته می‌شوند. بنابراین نه تنها وقت زیادی برای طراحی سوالات لازم نیست بلکه تصحیح ورقه‌ها نیز در وقت کمی انجام می‌شود. با او بر سر اینکه چرا امتحان را اینقدر ساده و به خصوص چهارجوابی می‌گیرد بحث کردم و او در جواب گفت که چون تعداد دانشجویان زیاد است، باید امتحان طوری باشد که تصحیح ورقه‌ها، وقت زیادی از او نگیرد. البته ۱۲ دانشجوی دکترا که معلم حل تمرین (TA) این درس می‌باشند به اندازه کافی با دانشجویان کار می‌کنند و تمرینهایشان را تصحیح می‌کنند. وقتی از Gerth در مورد اینکه آیا به عنوان معلم درس در سر جلسه امتحان حاضر می‌شود یا نه، سوال کردم و او گفت که یک بار این کار را کرده است و برای هفت پشتش بس است.

چندین نکته جالبی که در مورد شیوه تدریس Gerth برای این درس دیدم را در زیر می‌نویسم:
- هیچگونه تمرین یا پروژه برنامه‌نویسی و پیاده‌سازی از دانشجویان خواسته نمی‌شود و همه تمرینها که البته تعدادشان هم بسیار زیاد است، تئوری هستند زیرا در درس برنامه‌نویسی سال اول، به انداره کافی برنامه‌نویسی یاد می‌گیرند.
- ساختمان داده‌ها از روی کتاب معروف CLRS تدریس می‌شود و تقریباً ۷۰% کتاب که واقعاً حجم انبوهی است، پوشش داده می‌شود.
- برای پاسخ دادن به سوالات امتحان نیازی به ضریب هوشی بالا نیست، زیرا سوالاتِ معماگونه در آنها دیده نمی‌شود و تنها از همان الگوریتمهای موجود در کتاب و مسائل تئوریک درس، پرسش می‌شود.

آزمون چهار گزینه‌ای

همیشه در یک آزمون چهار گزینه‌ای، هستند افرادی که به تعدادی از سوالات، شانسی جواب می‌دهند و نمره لازم برای قبولی در آزمون را بدست می‌آورند. طراحان اینگونه آزمونها همیشه در پی آن هستند تا احتمال قبولی چنین افرادی را پایین بیاورند. برخی از فاکتورهایی که در مناسب بودن یک امتحان موثر هستند عبارتند از تعداد سوالات، نمره لازم برای قبولی، تعداد کل شرکت‌کنندگان، تعداد شرکت‌کنندگانی که پاسخهای شانسی می‌دهند و البته تعداد سوالاتی که این شرکت‌کنندگان به آنها پاسخ شانسی می‌دهند. اما نه تنها برخی از این عوامل قابل پیش‌بینی نیستند، بلکه به سختی می‌توان یک تقریب مناسب از آنها بدست آورد. اما در هر صورت، این مسئله جزء مسائل مهمی است که محققین بر روی آن کار می‌کنند و بعد از آنکه اطلاعات نسبتاً کافی در مورد فاکتورهای تاثیرگذار در مسئله، جمع‌آوری کردند، شروع به تحلیل آن می‌کنند تا میزان قبولی شانسی در آزمون (یا همان خطای در آزمون) را بسنجند.

در پروژه‌ای که برای درس الگوریتم‌های تصادفی انجام دادم، در یک آزمون با n سوال که R تا از شرکت‌کنندگان آن به (۳n/5) از سوالات، پاسخ شانسی می‌دهند و آزمون مناسب، آزمونی است که حداکثر ۵% از این R شرکت‌کننده قبول شوند، نتایج زیر را بدست آوردم.

- برای اینکه احتمال قبولی شانسی یک شرکت‌کننده، کمتر از ۵% باشد، تعداد سوالات باید حداقل ۱۸۵ باشد.
- اگر یک برنامه کامپیوتری برای تشخیص مناسب بودن یک آزمون ساخته شود، به طوریکه این برنامه، آزمونی را مناسب بداند که حداکثر ۰٫۰۴R از شرکت‌کنندگان در آن قبول شوند، در آن صورت اگر R>=2996 باشد، احتمال خطای این برنامه کامپیوتری به کمتر از ۰٫۰۵ کاهش می‌یابد.
در برنامه‌ای که برای یافتن یک n مناسب نوشتم، اگر R>=8186 باشد، احتمال خطای برنامه یعنی احتمال اینکه n یافت شده متعلق به یک آزمون مناسب نباشد، تنها ۵% است.

در اغلب این تحلیلها، از یک قضیه مهم در الگوریتمهای تصادفی استفاده شد با نام Chernoff Bound. با استفاده از این قضیه می‌توان تعیین کرد که یک متغیر، حداکثر با چه احتمالی از مقدار میانگین خود فاصله می‌گیرد.

————————–

منابع:
۱- تعریف پروژه درس الگوریتمهای تصادفی
۲- گزارش من برای پروژه

Robert Tarjan

Robert Tarjan که هم اکنون شصت و یک سال دارد و در شرکت HP و در زمینه شناخت جهتگیری‌های تکنولوژی و قوی‌تر کردن بخش تحقیقات، فعالیت می‌کند، در سال ۱۹۶۹، لیسانس ریاضی گرفته و در ۱۹۷۱ فوق لیسانس علوم کامپیوتر را به پایان رسانده و یک سال بعد در ۱۹۷۲، مدرک دکترای خود را از دانشگاه استنفورد، در رشته علوم کامپیوتر گرفته است. پس از آن در چندین دانشگاه و شرکت آمریکایی، به تدریس و تحقیق مشغول بوده و هم اکنون هم علاوه بر شرکت HP، در دانشگاه Princeton، به عنوان محقق فعالیت می‌کند. او تا به حال، نزدیک به ۲۰۰ فصل کتاب(۱) و مقاله علمی منتشر کرده است و به خاطر کارهایش در زمینه طراحی الگوریتم و ساختمان داده‌ها در نظریه گراف و درختها، در میان دانشمندان رشته علوم کامپیوتر، شهرت فراوانی دارد. وی به ترتیب در سالهای ۱۹۸۳، ۱۹۸۴، ۱۹۸۶، ۱۹۹۹ و ۲۰۰۴، موفق به دریافت جوایز Nevanlinna و NAS و Turing و Paris Kanellakis و Blaise Pascal Medal شده است.

رابرت، خود را شیفته یافتن پاسخهایی هوشمندانه و ساده، برای مسائل و معماهای گوناگون می‌داند و معتقد است، برای حل مسائل پیچیده و یافتن ایده‌هایی نو، باید خود را غرق در تفکر کرد. همانگونه که یک بیماری، تمام وجود یک بیمار را در بر می‌گیرد، یک معما نیز باید تمام وجود یک محقق را پر کند، به طوریکه شبها، خواب مسئله‌هایش را ببیند و هنگام قدم زدن، به آنها فکر کند. یک ریاضیدان باید روزها و ماه‌ها، به مسئله خود فکر کند و ناگهان برای مدتی کوتاه، آن را به طور کامل کنار بگذارد و سپس، بررسی آن را دوباره از سر گیرد و در همین لحظه از سرگیری است که ایده‌های تازه شکل می‌گیرند و هیجانی زیبا در او بوجود می‌آورند. رابرت معتقد است که در ۹۰ درصد مواقع، ایده‌ها به پاسخی صحیح، منتهی نمی‌شوند، اما از همان ایده‌های نادرست، به طور کاملا غیراختیاری و بدون آنکه خود محقق متوجه باشد، ایده‌های صحیح شکل می‌گیرند و بر سرش فرو می‌آیند.

یکی از فعالیتهایی که ذهن رابرت را شدیداً مشغول می‌کند، تبدیل الگوریتمهای پیچیده به الگوریتمهایی ساده است، چرا که معتقد است، هر چه الگوریتم ساده‌تر باشد، تعداد افرادی که علاقه‌مند می‌شوند تا به سراغ پیاده‌سازی(۲) آن بروند نیز بیشتر می‌شود و همچنین در اغلب مواقع می‌توان ایده‌های به کار رفته در الگوریتمهای ساده را، عمومیت بخشید و از آنها در حل مسائل گوناگون و حتی در علوم دیگر نیز استفاده کرد.

رابرت که در سنین کودکی، علاقه شدیدی به حل معماها و بازی‌هایی مثل شطرنج و Checkers داشته است، در دوران دبستان، معلم ریاضی مدرسه‌شان، چنان انگیزه‌ای در ذهن او بوجود می‌آورد که از همان زمان، شیفته ریاضیات می‌شود. وی می‌گوید، شاید مهمترین چیز در تربیت ذهنی کودکان، تشویق آنها به مطالعه باشد. باید آنها را تشویق کرد که بیشتر بخوانند. باید با آنها طوری رفتار کرد که منجر به تفکر بیشتر در آنها شود. وسایلی مانند تلوزیون، با آنکه اطلاعات کودکان را افزایش می‌دهند، اما آنها را تبدیل به افرادی می‌کنند که بدون خلاقیت و تفکر، در انتظار وارد کردن همه دانشها به مغزشان هستند. رابرت به آموزش و تدریس، بسیار علاقه دارد و معتقد است، بهترین راه برای درک عمیق ایده‌ها، آن است که آنها را برای افراد دیگر توضیح دهیم، چرا که در حین همین توضیحات است که ایرادهای احتمالی ایده‌ها کشف می‌شوند. همچنین علاقه شدید دانش‌آموزان و دانشجویان به یادگیری، هیجان انگیزاننده‌ای را در معلم بوجود می‌آورد.

رابرت در مصاحبه‌ای که در سال ۲۰۰۴ داشته است، سه تکنولوژی آینده را فناوری اطلاعات، بیوتکنولوژی و نانوتکنولوژی دانسته است.

——————–

(۱): فصل کتاب: Book Chapter

(2): پیاده‌سازی: Implementation که عبارت است از تبدیل یک الگوریتم به یک برنامه کامپوتری

——————–

منابع:

۱- Wikipedia-Robert Tarjan

2- HP-Interview With Robert Tarjan