کتاب راهنمای درک روابط انسانی

کتاب الکترونیکی «راهنمای درک روابط انسانی» نوشتهٔ کامیلا پنگ با ترجمهٔ بنفشه شریفی‌خو در نشر آسمان نیلگون چاپ شده است. نویسندهٔ کتاب به اختلال طیف اوتیسم (ASD)، اختلال کم‌توجهی–بیش‌فعالی (ADHD) و اختلال اضطراب فراگیر (GAD) مبتلا است و در این کتاب ما را به سفر در ذهن مبتلا به آسپرگر و بیش‌فعالی‌اش دعوت می‌کند.

درباره کتاب راهنمای درک روابط انسانی

برای من یادگیری انسان و رفتارهای انسانی مانند یادگیری یک زبان خارجی بود. این یادگیری به من آموخت حتی برای کسانی که گمان می‌کنند این زبان را به شیوایی صحبت می‌کنند هم جاهای خالی زیادی در درک مطلب و واژگان وجود دارد.

 من معتقدم این کتاب، کتابچهٔ راهنمایی که به حکم ضرورت برای خود تهیه کردم، می‌تواند به همه برای درک بهتر روابط، موقعیت‌های دشوار و وضعیت‌های اجتماعی‌ای که زندگی ما را شکل می‌دهند کمک کند. از وقتی که می‌توانم به یاد بیاورم، همیشه یک پرسش بر زندگی‌ام سایه انداخته: وقتی ذهنت برای برقراری ارتباط با باقی انسان‌ها برنامه‌ریزی نشده باشد، چطور می‌توانی با آن‌ها ارتباط برقرار کنی؟ من جزو افرادی نیستم که معنای عشق، همدردی و اعتماد را به صورت غریزی درک می‌کنند، اگرچه عاجزانه مایلم درکشان کنم. همین باعث شد که خودم را به‌مثابه یک آزمایش علمی ببینم و کلمات، رفتارها و طرز فکرهایی را بیازمایم که اگرچه کاملاً به دیگر انسان‌ها شبیهم نمی‌کند، دست‌کم کمک می‌کند بتوانم مانند عضوی از اعضای گونهٔ خودم رفتار و عمل کنم.

 شکی نیست ذهن من جای عجیبی است، اما می‌توانید مطمئن باشید حوصله‌تان را سر نخواهد برد. کافی است یک دفترچه و یک جفت هدفون با خودتان بردارید؛ من هیچ وقت هدفونم را از خودم دور نمی‌کنم چون برایم در حکم دیوار دفاعی در برابر هجوم حجم زیادی از داده‌های حسی از جهان خارج است. کافی است همین دو چیز همراهتان باشد؛ حالا دیگر برای سفر آماده‌اید. بیایید حرکت کنیم!

کتاب راهنمای درک روابط انسانی را به چه کسانی پیشنهاد می‌کنیم

این کتاب به علاقه‌مندان به روان‌شناسی پیشنهاد می‌شود.

بخشی از کتاب راهنمای درک روابط انسانی

یادگیری ماشین یکی از زیرشاخه‌های هوش مصنوعی است. مفهوم کلی آن بسیار ساده است: حجم زیادی از اطلاعات را وارد یک الگوریتم می‌کنید؛ الگوریتمی که می‌تواند الگوهای تکرارشونده را شناسایی کند و هر گونه اطلاعات جدید را با آن الگوها مطابقت بدهد. به صورت نظری می‌توان گفت هرچه میزان اطلاعات ورودی بیشتر باشد، توانایی الگوریتم برای شناسایی و تفسیر موقعیت‌های مشابه در آینده بیشتر خواهد شد.

یادگیری ماشین به کامپیوتر این امکان را می‌دهد یک سگ را از یک گربه تمیز دهد، ماهیت بیماری‌ها را بررسی کند و میزان انرژی برق مصرفی هر خانوار (و البته کل شبکهٔ مصرف ملی) را در یک بازهٔ زمانی خاص تخمین بزند و البته نمی‌توان موفقیت‌های آن را در پیروزی بر بازیکنان حرفه‌ای شطرنج و وِی‌چی نیز نادیده گرفت.

در زندگی روزانه، ما از همه طرف توسط چنین الگوریتم‌هایی احاطه شده‌ایم؛ الگوریتم‌هایی که با پردازش حجمی باورنکردنی از اطلاعات تصمیم می‌گیرند فیلم بعدی‌ای که شبکهٔ نتفلیکس به شما پیشنهاد می‌کند چه خواهد بود، بانکتان چه زمانی به این نتیجه می‌رسد که قربانی کلاهبرداری شده‌اید و کدام ایمیل‌هایتان باید به پوشهٔ هرزنامه‌ها منتقل شود.

اگرچه این برنامه‌های ساده‌تر و پایه‌ای‌تر اصولاً در ذهن انسان از جایگاه خاصی برخوردار نیستند، اما همین برنامه‌های کامپیوتری ساده هم می‌توانند نکات مهمی در مورد چگونگی استفادهٔ کاراتر از کامپیوتر ذهنمان به ما بیاموزند. برای این‌که بدانیم چطور، ابتدا لازم است با معمول‌ترین روش‌های یادگیری ماشین آشنا شویم: یادگیری نظارت‌شده و یادگیری بی‌نظارت.