زبان بی زبان زینت‌افزای خانه‌های ایرانی
تاریخ انتشار: ۲۱ اسفند ۱۴۰۱ | کد خبر: ۳۷۳۰۷۲۹۸
«طراحی فرش از گذشته تاکنون تغییری نکرده است غیر از طرح‌هایی که مدرن هستند. همچنان طرح‌های سنتی وجود دارد که با ریزه‌کاری‌هایی تغییر کرده‌اند. ازنظر رنگ و نقطه به دلیل اینکه همه استادان با دست‌کار می‌کردند متفاوت بود. امروزه رنگ و نقطه را با سیستم انجام می‌دهند.»
به گزارش خبرنگار ایمنا، فرش، تاروپود زیبایی است و جلوه‌های هنری زیبا و دل‌نشین از سنت را در دنیای امروز به رخ می‌کشد.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمی‌شوند!
فرش؛ این زینت‌افزایی گرمابخش را طراحی باید تا که نقش و نگاری زیبا بزند تا روح‌افزای آدمیان باشد. انسان آفریده خداوندگار دوستدار جمال و جلال است و خود علاقه‌مند به همان زیبایی است و فرش، هنری است که با زیبایی و رنگ و نگار گره‌خورده است.
در رابطه با هنر طراحی فرش ایرانی و مشکلات پیش روی این حوزه گفت‌وگویی با سهیلا رحیمی، هنرمند نقاش و طراح فرش انجام داده‌ایم که در ادامه مشروح آن را می‌خوانید.
درباره سهیلا رحیمیعلاقهمند شدن رحیمی به طراحی فرش به‌پیش زمینه کودکی وی بازمی‌گردد. زمانی که قصد انتخاب رشته داشت، رشته بازیگری را در نظر گرفته بود اما به دلیل مشاهده سریال تلویزیونی که داستان فرد دانشجویی در آن طراحی فرش را بازگو می‌کرد، به رشته طراحی فرش علاقه‌مند شد و پا به وادی این هنر اصیل و کهن ایرانی گذاشت.
رحیمی دلیل ماندگاری و فعالیت در این رشته را این‌گونه بازگو می‌کند: «اینکه هر چیزی که در ذهن وجود دارد را می‌توان در این نقش و نگارها پیاده کرد. وقتی کاری را آغاز می‌کنم و به پایان می‌رسد، لذت می‌برم؛ چراکه قرار است گره به گره این کار به فرش تبدیل شود و خانه‌ای را فرش کند.
این اثر سال‌های سال ماندگار می‌ماند. خیلی‌ها به من می‌گویند فرش ماشینی هم کار کن اما چون می‌دانم این هنر، هنری ماندگار و فاخر است هیچ زمانی به سمت فرش ماشینی گرایش پیدا نکردم.»
طراحی فرش دستباف با ماشینی دارای چه تفاوت‌هایی است؟
تنوع رنگ در فرش دستباف بیشتر و در فرش ماشینی کمتر است. همچنین سرعت در فرش ماشینی اهمیت دارد. در فرش دستباف هر ۵۲۰ ورق شطرنجی کاغذ را یک ورق می‌گویند که برای قیمت‌گذاری هم همان را محاسبه می‌کنند اما در فرش ماشینی به‌صورت متری محاسبه می‌شود.
ازنظر تکنیک و محتوا چگونه است؟
طراحی در فرش ماشینی شلوغ‌تر و شبیه سبک‌های قم و تبریز است. به نظر من هیچ‌چیزی جای فرش دستباف را نمیگیرد. یک فرش ۹ متری ماشینی ،۱۰ میلیون تومان قیمت دارد و شما با همین پول می‌توانید یک‌تخته فرش دستباف دست‌دوم بخرید و استفاده کنید.
به چه میزان از این هنر حمایت صورت می‌گیرد؟
متأسفانه دولت درزمینهٔ حمایت از فرش دستباف اقدامی نمی‌کند. اگر شما بررسی کنید بیشتر تبلیغات تلویزیونی از شبکه‌های مختلف و حتی رادیو، هم مربوط به فرش ماشینی است.
از طراحی‌های مختلف سخن گفتید. درباره تفاوت طرح فرش‌های مناطق مختلف ایران توضیح دهید؟
اصفهان در طراحی فرش از قدیم‌الایام مطرح بوده و جایگاه بالایی داشته است. اصالت اسلیم‌ها و طراحی خوب، به‌ویژه طرح استادانی ازجمله احمد ارچنگ که هنوز که هنوز است طرح‌های وی در حال بافت است و قیمت‌های بالایی دارد. قلم این استاد بسیار قرص بوده و اسلیم و بندهایی که می‌کشیده‌اند در طرح‌های دیگر دیده نمی‌شود.
طرح و نقش فرش اصفهان چه ویژگی خاصی دارد؟
این طرح نه‌چندان شلوغ و پرنقش‌ونگار است و نه زیاد خلوت و خالی است؛ حالت آرامش‌بخشی دارد درحالی‌که در فرش‌های تبریز و قم این آرامش را نمی‌بینید؛ این فرش‌ها پر از شلوغی است و رنگارنگ است. وقتی وارد منزل می‌شوید و طرح و رنگ آرامش‌بخش فرش اصفهان را می‌بینید ناخودآگاه لذت می‌برید و خستگی شما کمتر می‌شود.
طرح‌های معروفی که می‌شناسید را نام می‌برید؟
۱۹ طرح وجود دارد. لچک ترنج، خشتی، محرمات، سراسری وچند طرح دیگر؛ همچنین طرح‌های خطیب و سالاری هم در تبریز معروفیت بیشتری دارند.
کدام طرح‌ها امروز رو به فراموشی است و کمتر استفاده می‌شوند؟
طرح «محرمات» کمتر بافته می‌شود. این طرح به این شکل است که خطوط صافی کنار هم در یک زمینه قرار می‌گیرند و یک سری گل به ترتیب تکرار می‌شود. ردیف بعدی هم به همین شکل است. خطوط صاف است شبیه با حاشیه فرش می‌ماند.
جامعه امروز به کدام طرح فرش علاقه‌مندی بیشتری نشان می‌دهد؟
طرح مهندسی؛ این طرح الهام گرفته از معماری ایرانی و گرای هندسی است که در نقوش اسلامی میدان امام هم دیده می‌شود. برای من جالب است که امسال همه این طرح را در غرفه نمایشگاهی می‌پسندیدند. این برای من جالب بود.
طراحی فرش از گذشته تا امروز چه تغییراتی را سپری کرده است؟
این موضوع خیلی تغییری نکرده است غیر از طرح‌هایی که مدرن هستند. همچنان طرح‌های سنتی وجود دارد که با ریزه‌کاری‌هایی تغییر کرده‌اند. ازنظر رنگ و نقطه به دلیل اینکه همه استادان با دست‌کار می‌کردند متفاوت بود. امروزه رنگ و نقطه را با سیستم انجام می‌دهند. این‌یک مزیت برای سرعت کار است و مشتری می‌تواند چهارچهارم اثر را مشاهده کند و تغییرات رنگ را ببینید، اما درمجموع ازنظر محتوا نسبت به گذشته تفاوتی نکرده است.
کد خبر 642611منبع: ایمنا
کلیدواژه: طراح فرش فرش اصفهان فرش ایرانی فرش دستباف فرش ماشینی طراحی نقاشی هنر نقاشی تبلیغات تلویزیونی رادیو میدان امام اصفهان گفت وگو با هنرمندان گفت و گو با هنرمندان شهر شهروند کلانشهر مدیریت شهری کلانشهرهای جهان حقوق شهروندی نشاط اجتماعی فرهنگ شهروندی توسعه پایدار حکمرانی خوب اداره ارزان شهر شهرداری شهر خلاق فرش ماشینی فرش دستباف رنگ و نقطه طراحی فرش طرح ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.imna.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ایمنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۳۰۷۲۹۸ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
انسان‌ها سوگیری یادگیری ماشینی را بیشتر از سوگیری خود تشخیص می‌دهند
یک پژوهش جدید نشان می‌دهد که افراد سوگیری تصمیم‌های الگوریتم یادگیری ماشینی را بیشتر از سوگیری تصمیم‌های خودشان تشخیص می‌دهند. شاید بتوان از این ویژگی برای اصلاح سوگیری‌های انسان استفاده کرد.
به گزارش ایسنا، از برنامه‌هایی که تماشا می‌کنیم تا افرادی که استخدام می‌کنیم، الگوریتم‌ها به طور فزاینده‌ای در زندگی روزمره ما ادغام می‌شوند و بی‌سروصدا بر تصمیم‌هایی که می‌گیریم اثر می‌گذارند.
به نقل از ادونسد ساینس نیوز، هسته الگوریتم‌ها، مجموعه‌ای از قوانین یا دستورالعمل‌هاست که برای پردازش اطلاعات و به دست آوردن یک نتیجه خاص طراحی شده‌اند اما از آنجا که الگوریتم‌ها از الگوهای رفتاری انسان یاد می‌گیرند، می‌توانند سوگیری‌هایی را که درون ما وجود دارند، منعکس یا حتی تقویت کنند. با وجود این، یک پژوهش جدید نشان می‌دهد که این ممکن است زیاد بد نباشد.
«کری موروج»(Carey Morewedge) استاد «دانشگاه بوستون»(Boston University) معتقد است که این بازتاب می‌تواند نقاط کور سوگیری ما را روشن کند و در اصلاح رفتار نقش داشته باشد. الگوریتم‌های یادگیری ماشینی بسیار موفق هستند زیرا می‌توانند بی‌طرفانه الگوها را در مجموعه داده‌ها پیدا کنند اما در عین حال، سوگیری‌های انسانی را نیز در داده‌های آموزشی خود لحاظ کنند.
هنگامی که این سوگیری‌ها در الگوریتم‌ها شناسایی می‌شوند، می‌توانند به آشکارسازی سوگیری‌های بلندمدت در سازمان‌ها کمک کنند. به عنوان مثال، شرکت «آمازون»(Amazon) سوگیری جنسیتی را در شیوه‌های استخدام خود بررسی نکرده بود اما با آزمایش یک الگوریتم که رزومه‌های جدید را براساس شیوه‌های پیشین استخدام شرکت ارزیابی می‌کرد، به این موضوع پی برد.
موروج گفت: الگوریتم‌ها می‌توانند سوگیری‌های انسانی را کدگذاری و تقویت کنند اما سوگیری‌های ساختاری را نیز در جامعه ما نشان می‌دهند.
انسان‌ها سوگیری‌های خود را تشخیص نمی‌دهند
موروج و گروهش در پژوهش خود نشان دادند که افراد معمولا تمایل بیشتری را به تشخیص دادن و تصحیح کردن سوگیری‌های موجود در تصمیم‌گیری الگوریتم در مقایسه با تصمیم‌گیری خودشان دارند. آنها باور دارند که با دانستن این موضوع ممکن است بتوان از الگوریتم‌ها برای رسیدگی به سوگیری‌های موجود در تصمیم‌گیری‌ها استفاده کرد.
انسان‌ها به دلیل پدیده‌ای به نام «نقطه کور سوگیری»، برای دیدن سوگیری خود تلاش زیادی نمی‌کنند و بیشتر متوجه سوگیری افراد دیگر هستند. دلیل این است که ما می‌توانیم در فرآیندهای تصمیم‌گیری خود، سوگیری را توجیه کنیم یا برای آن بهانه بیاوریم. برای ناظری که هیچ اطلاعاتی درباره فرآیند فکری یا چگونگی تصمیم‌گیری ندارد، سوگیری‌ها واضح‌تر و بهانه‌جویی دشوارتر است.
موروج و همکارانش در این پژوهش نشان دادند که حتی وقتی الگوریتم‌ها براساس رفتارهای ما آموزش داده می‌شوند نیز این موضوع صادق است.
تشخیص دادن سوگیری در الگوریتم ساده‌تر است
پژوهشگران در یک مجموعه آزمایش، از شرکت‌کنندگان خواستند تا سرویس «ایربی‌ان‌بی»(AirBnB) و رانندگان «لیفت»(Lyft) را براساس معیارهای تشخیصی مانند تعداد ستاره‌ها، ارزیابی‌ها و مدت زمان حضور داشتن کنار راننده رتبه‌بندی کنند.
پژوهشگران معیارهای غیرتشخیصی مانند تصویر یا نام را که هیچ ارتباطی با کار ندارند، دستکاری کردند. شرکت‌کنندگان دو بار رتبه‌بندی را انجام دادند و سپس، رتبه‌بندی‌های آنها یا رتبه‌بندی الگوریتم آموزش‌داده‌شده نشان داده شد.
گاهی اوقات رتبه‌بندی خود شرکت‌کنندگان به آنها نشان داده می‌شد اما به آنها گفته می‌شد که رتبه‌بندی الگوریتم است. در همه سناریوها، شرکت‌کنندگان در مقایسه با الگوریتم‌ها سوگیری کمتری را در رتبه‌بندی‌های خود مشاهده کردند.
موروج گفت: مردم وقتی معتقدند که رتبه‌بندی‌ها توسط یک الگوریتم انجام شده است، تمایل بیشتری به سوگیری دارند. این در حالی است که ما در واقع الگوریتم را روی داده‌های آنها آموزش می‌دهیم و رتبه‌بندی الگوریتم براساس آن داده‌ها صورت می‌گیرد.
وی افزود: این به این معنا نیست که مردم انواع بیشتری از ویژگی‌ها را در الگوریتم‌ها می‌بینند، بلکه چیزهایی را می‌بینند که برای خودشان تهدیدکننده‌تر است. بیشتر مردم نمی‌خواهند از نژاد در رتبه‌بندی‌های خود استفاده کنند یا می‌خواهند نژاد را در آن رتبه‌بندی نادیده بگیرند. بنابراین، این ایده که نژاد بر آن رتبه‌بندی‌ها تأثیر گذاشته، تهدیدکننده است.
در نتیجه، از آنجا که سوگیری در یک الگوریتم به عنوان تصمیم‌گیری ناقص خود ما تلقی نمی‌شود، دیدن یا اعتراف کردن به وجود آن آسان‌تر است. به گفته موروج، این یافته دو روش را ارائه می‌دهد که الگوریتم‌ها به واسطه آن می‌توانند به انسان در کاهش سوگیری کمک کنند.
وی افزود: یک روش این است که تصمیم‌های خود را جمع‌آوری کنید و الگوها را ببینید که به شما کمک می‌کنند تا سوگیری را تشخیص دهید اما هنوز موانعی بر سر راه توانایی ما برای تشخیص دادن سوگیری‌ها وجود دارد. ما انگیزه‌هایی را برای محافظت از خود داریم.
موروج و گروهش با پیروی از این منطق، آزمایش دیگری را انجام دادند تا ببینند آیا احتمال بیشتری وجود دارد که شرکت‌کنندگان به اصلاح سوگیری در رتبه‌بندی‌های خود یا الگوریتم بپردازند. پس از مشاهده رتبه‌بندی‌ها، به شرکت‌کنندگان فرصت داده شد تا سوگیری را اصلاح کنند و احتمال بیشتری وجود داشت که اصلاحاتی را در رتبه‌بندی الگوریتم انجام دهند. موروج گفت: از آنجا که افراد سوگیری را بیشتر در رتبه‌بندی الگوریتم می‌بینند تا خودشان، احتمال بیشتری وجود دارد که رتبه‌بندی‌های الگوریتم را اصلاح کنند.
موروج اذعان داشت که این پژوهش هنوز در مراحل اولیه است اما او روش ملموسی را می‌بیند که از طریق آن می‌توان یافته‌ها را در آموزش دادن الگوریتم برای جلوگیری از سوگیری در دنیای واقعی ادغام کرد. وی افزود: اولین گام این است که افراد سوگیری‌های خود را بفهمند و آنها را ببینند. من فکر می‌کنم این الگوریتم‌ها، روش سودمندی برای ارائه دادن یک دیدگاه واقعی‌تر به افراد درباره میزان سوگیری آنها هستند.
این پژوهش در مجله «PNAS» به چاپ رسید.
انتهای پیام
گزارشگر قديمى راديو دار فانى را وداع گفت