مصاحبه با دکتر فرزانه نجفی

دکتر فرزانه نجفی از دانش‌آموختگان دوره‌ی چهارم گروه بیوتک هستند. ایشان پس از اتمام دوره‌ی ارشد در گرایش پزشکی، برای مقطع دکترا در دانشگاه پنسیلوانیا به رشته‌ی نوروساینس تغییر مسیر، و همین مسیر را در مقطع پست‌دکتری و  Cold Spring Harbor Laboratory ادامه دادند.

دکتر نجفی هم‌اکنون در موسسه‌ی Allen مشغول به تحقیق در همین حوزه هستند. ما در این مصاحبه به مسیر آکادمیک و تصمیمات ایشان در دوراهی‌ها و توصیه‌هایی که برای محققان جوان‌تر داشتند، پرداختیم. 

:ExperiMental از دبیرستان اگر بخوایم شروع کنیم، شما در دوران دبیرستان چه ‌کارهایی کردید؟ چه از لحاظ علمی و چه غیرعلمی. اگر می­خواستید تغییرش بدید، چجوری تغییرش می‌دادید؟

دکتر نجفی: اول باید بگم که من یک خواهر دوقلو دارم. دوقلوی همسان هستیم. ما جفتمون از اول خیلی به هم وابسته بودیم. من همیشه می­خواستم برم ریاضی، اون دلش می­خواست بره تجربی. اولش هدفمون المپیاد زیست بود، برای همین نهایتا رفتیم تجربی؛ چون که داخل خانواده‌ی ما، همه، مثلا پدر و مادرم پزشک بودند. من از اول تمایلم بیش‌تر به پژوهش بود، ولی خواهرم بیش‌تر به پزشکی علاقه داشت، و خب اتفاقی که افتاد این بود که ما جفت‌مون هم پزشکی دانشگاه تهران قبول شدیم و هم بیوتکنولوژی. یک ماه هم کلاس­های هردوتا رو می‌اومدیم که در نهایت اون رفت پزشکی و من اومدم بیوتک. در رابطه با این که اگر برمی­گشتم چی کار می­کردم، یعنی در قالب سیستم آموزشی ایران دیگه، درسته؟

:ExperiMental کلا؛ چه از نظر تصمیماتی که گرفتید و چه همین چیزی که می‌گید.

دکتر نجفی: فکر می­کنم من مثلا یک سری از کارها رو قطعا انجام نمی­دادم. مثلا اینی که بیش از حد درس بخونم. حالا در ایران کنکور قبول شدن مهمه؛ اما به نظرم درس خوندن بیش از حد برای المپیاد اشتباه بود. اون کار رو هیچ‌وقت انجام نمی­دادم. کلا هم چه توی دبیرستان و چه بعدش، مشکلی که ایران داره اینه که یک حجم خیلی زیادی از دروس رو به بچه­ها یاد می­دن، زمانی که بهش نیازی ندارند. مثلا شما توی پزشکی هم این مسئله رو می­بینید. برای همین من فکر می­کنم که زیاد درس خوندم، بیش‌تر از اونی که باید.

البته مسلما زیاد درس خوندنم باعث شد که رتبه‌ی دورقمی و زیر پنجاه توی کنکور بگیرم که بعد بتونم بیام بیوتک و همه‌ی این‌ها، ولی فکر می‌کنم با این‌حال می­تونستم کمی کم‌تر درس بخونم؛ یعنی سال آخر همون مدتی که نیاز بود، فوکوس بکنم روی درس خوندن و بتونم باز هم رتبه‌ی خوبی توی کنکور بیارم. همون‌طور که خیلی از دوست­هام این کار رو کردند. می­تونستم با این کار باز هم همین سرنوشت رو داشته باشم. یک سری درس‌هایی که مثلا توی اون­ها قوی شدم، مثل ریاضی و این‌ها به نظرم خیلی خوب بود؛ یعنی درباره‌ی این‌ها هیچ‌وقت فکر نمی­کنم که اشتباه کردم.

ولی خیلی خلاصه بخوام بگم، اگر برگردم حتما کم‌تر درس می­خونم و خیلی بیش‌تر به ورزشم اهمیت می‌دم. چون اون دوران نوجوونی، مخصوصا برای دخترها، به لحاظ سلامت مفاصل و استخوان خیلی مهمه. سیستم آموزشی غلطی که در ایران بود، این بود که اگر درس بخونید دیگه نباید به ورزش و سلامتی‌تون اهمیت بدید. برای همین حتما بیش‌تر به ورزش و سلامتیم اهمیت می­دادم و کم‌تر به درسم، غیر از سال آخر.

البته وقتی میگم «کم‌تر به درسم»، منظورم این نیست که بچه‌تنبلِ درس‌نخون می­شدم؛ ولی من همیشه با خواهر دوقلوم شاگرد اول و دوم مدرسه بودیم. یعنی خیلی اهل رقابت بودیم. اون اندازه رقابتی بودن رو صددرصد می‌ذاشتم کنار ولی سال آخر در حدی درس می­خوندم که بتونم قبول بشم. الان نمی‌دونم بیوتک چه‌قدر رقابتیه، ولی زمان ما خیلی بود؛ یعنی حتما باید رتبه‌ی زیر پنجاه می‌آوردند، اما فکر می‌کنم که باز هم با درس خوندن سال آخر عملی بود. خلاصه، اهمیت بیش‌تر به ورزش و سلامتی، و کم‌تر خفه کردن خودم برای درس و رقابت.

:ExperiMental خیلی ممنون. سؤال بعدی ما اینه که چرا اصلا از بین پزشکی و بیوتکنولوژی، اومدین بیوتک؟

دکتر نجفی: این خیلی خیلی تصمیم سختی بود. الان با این که حدود هفده، هجده سال گذشته، من بعضی اوقات باز هم به این تصمیمم تردید می‌کنم. خب ببینید، بیوتک اون موقع خیلی رشته­­ی توی بورسی بود. یعنی فقط المپیادی­ها می­اومدند و رتبه­های زیر بیست یا سی کنکور، و خب من ریسرچ رو دوست داشتم؛ یعنی کلا آدمی بودم که خیلی مغز تحلیل‌گری داشتم. چون ریسرچ واقعا جذابیت­های خودش داره؛ این که آدم یک سؤال علمی مطرح بکنه و بعد روش پاسخ‌گویی بهش رو طراحی کنه و بیاد انجامش بده و دیتا پیدا کنه و آنالیز کنه و مقاله بنویسه. یعنی از دور واقعا جذاب هست.

بعد از اون طرف، پزشکی، درسته که خیلی زیباست و وجهه‌ی اجتماعیِ پزشک هم خیلی خوبه و درآمد خیلی خوبی هم داره، ولی شاید اون‌قدرها هم از نظر فکری به اندازه‌ی ریسرچ رضایت‌بخش نباشه؛ چون یک مقداری تکراری می‌شه و از یک حدی به بعد، شما می­شینید و کارتون فقط دیدن مریض و این­هاست. برای من این جالبه که من یک‌جورهایی control study دارم. من و خواهر دوقلوم خیلی شبیه بودیم به لحاظ توانایی­های درسی. اون نیومد بیوتک و تصمیم گرفت بره پزشکی و رفت و ادامه داد و جراح ارتوپد شد؛ یعنی حالا control study من کنار خودم هست. اون جراح ارتوپد شد و من اومدم در مسیر ریسرچ و بعد اومدم آمریکا.

ببینید؛ یک بخشیش علاقه‌ست. در آمریکا یک آپشن MD–PhD هست؛ یعنی هم MD هست و هم PhD. این دوتا رو با هم می­خونید. من همیشه می­گم که اگر این آپشن رو داشتم، سراغ این می‌رفتم؛ چون من کار کلینیکی رو دوست داشتم. بعضی از دانشجوهای دکترا می‌گن که ما کلا پزشکی دوست نداریم و این­ها تصمیم‌شون راحت‌تره. ولی برای مقایسه­ی این دوتا، خیلی زیاد می­تونه درباره‌ش بحث بشه. توی پزشکی مسلما مسیر مشخص هست؛ یک سری کلاس درس و امتحان هست و همه چیز ثابته. ولی از این طرف، در ریسرچ، هیچ چیزی مشخص نیست. ربطی به ایران و غیر ایران هم نداره و اصلا ذات ریسرچ اینه که بسیار نامعلومه. پروژه، سرانجامش نامشخصه و ممکنه عوض بشه، فاندینگش نامعلومه، گرنت باید گرفت و بخش زیادی از نظمش درونیه؛ یعنی توی ریسرچ خودتون باید برنامه‌ریزی بکنید، آدم خودش باید خودش رو صبح از خواب بلند کنه و بنشونه پای کامپیوتر تا کارش رو انجام بده یا ببره توی آزمایشگاه تا آزمایش انجام بده. توی پزشکی، از صبح تا آخر شب‌شون برنامه مشخص هست. چه در دورانی که دانشگاه می­رن، و چه دورانی که بیمارستان می­رن.

یک بخش دیگه اینه که وقتی شما می­رین پزشکی می‌خونید، آخرش یک پزشک هستید و یک درآمد و شغل دارید؛ ولی وقتی میاین سراغ ریسرچ، هیچ‌چیز آخرش معلوم نیست. ریسرچ یک آینده‌ی بسیار نامعلوم داره و الان هم کلا باید گرنت گرفت و گرنت هم یک چیز رقابتی هست. خیلی بستگی به این داره که اون کشور چه‌قدر می‌خواد روی ریسرچش سرمایه بذاره. مثلا ترامپ که اومده بود، کلی از درآمد NIH (National Institute of Health) قطع شد. در مجموع، چیزیه که خیلی هزینه داره؛ برای همین خیلی از کسانی که الان اومدن توی مسیرهای PhD، می­رن کارهای دیگه‌ای انجام می‌دن. مثلا الان تعداد خیلی زیادی می­رن رشته­های دیتاساینس. در واقع میان اون تفکر تحلیلیِ ریسرچ رو می­گیرند و بعد می­رن وارد صنعت می‌شن و کارهای دیتاساینس می­کنند. اسمش دیتاساینسه ولی عملا ساینسی داخلش نیست؛ کار تحلیل داده و محاسباتیه.

من خودم وقتی اومدم آمریکا، از بیوتک سوئیچ کردم به نوروساینس و من واقعا رشته‌م رو دوست دارم. یعنی برای من، مطالعه­ی مغز و مبنای رفتار یک چیز بسیار لذت‌بخشه؛ ولی خب درآمدی که به عنوان یک ساینتیست دارید، با درآمد یک پزشک که قابل مقایسه نیست هیچ، با درآمد یک دیتاساینتیست در صنعت هم قابل مقایسه نیست. یعنی منظورم اینه که آدم وقتی از دبیرستان میاد بیرون، به این چیزها فکر نمی‌کنه. ولی واقعیت اینه که وقتی توی این مسیر پیش می­ریم، می­بینیم که اگر من رفته بودم پزشکی این‌قدر درآمدم بود، درحالی که الان ساینتیست چه در ایران و چه خارج از ایران، واقعا درآمدی به اون صورت نداره. دلیلش هم خیلی بدیهیه؛ به عنوان یک ساینتیست شما مقاله دارید می‌نویسید، Publication دارید می‌نویسد، محصولی تولید نمی­کنید. یعنی محصولی نیست که کسی بخواد بخره و سود ازش در بیاد. مثل یک نویسنده، مثل یک موزیسین. این­ها رشته­هایی هستند که به این شکل توش درآمدزایی وجود ندارد و بیش‌تر بحث عشق هست.

ولی خب منظورم اینه که فرصت‌ها خیلی محدوده در رشته­های پژوهشی و من هنوز که هنوزه، بعضی وقت­ها می‌شینم و به این تصمیمم فکر می‌کنم. واقعا از نظر فکری کارم رو دوست دارم، واقعا لذت بخشه، ولی خب این یک بُعده. یک بعد دیگه رضایته، یک بعد دیگه درآمده، یه بعد دیگه امنیتیه که شما در شغل‌تون دارید، آینده‌ی شغلی‌تون، و خب این چیزها در رشته‌ی پزشکی خیلی بیش‌تر وجود داره. تصمیم خیلی مشکلی هست. فکر می­کنم برای بچه­هایی که از ریاضی میان، گزینه‌ی مهندسی وجود داره و خب برای اون­ها خیلی راحت‌تره اگر برن علوم کامپیوتر بخونند. الان رشته­های فنی و مهندسی نرم‌افزار و این‌ها خیلی گزینه‌هاشون بازتره و درآمد بیش‌تری داره.

نهایتا من فکر می­کنم یکی واقعا باید عاشق ریسرچ باشه تا بیاد وارد این وادی بشه. با دونستن همه­ی چیزهایی که داره؛ نکات منفی، درآمد و امنیت شغلی. همه­ی این چیزها رو طرف باید در نظر بگیره و بعد بگه باشه، می­خوام بیام. ما مشکل‌مون اینه که تصمیم‌گیری رو باید در سن خیلی کم انجام بدیم. یک بچه­ی هجده ساله اصلا از این چیزها آگاهی نداره! برای همین می‌گم که MD–PhD می­تونست یک گزینه‌ی خیلی خوب باشه. چون هم MD می­خونید و بعد تصمیم می­گیرید که رزیدنتی رو ادامه بدید یا PhD بخونید؛ یک تجربه­ای پیدا می­کنید.

ما خیلی وقت­ها میایم وارد بیوتک می­شیم و اصلا طرف نمی­دونه ریسرچ چیه و از چالش‌های ریسرچ هیچ اطلاعی نداره. در مجموع، من خودم آدمی هستم که هنوز هم نمی‌گم اشتباه کردم و کارم رو بسیار به لحاظ فکری دوست دارم؛ ولی وقتی کار گیر پیدا می­کنه، وقتی بحث فاندینگ پیش میاد، بی‌ثباتی شغل پیش میاد، وقتی بحث درآمد کمش پیش میاد، می‌شینم با خودم فکر می­کنم شاید من اگر رفته بودم پزشکی خونده بودم الان یک پزشک بودم، با یک شغل مشخص. دیگه خلاصه­اش همین هست.

:ExperiMental حالا شما وقتی که وارد بیوتک شدید، فکر می­کردید در نهایت چه آینده­ای در انتظارتون هست؟

دکتر نجفی: اصلا نمی‌دونستم که ریسرچ چیه. هیچ اطلاعی نداشتم. من وارد بیوتک شدم چون یک رشته‌ی تاپ بود و من رتبه‌ی خوبی توی کنکور آورده بودم و یک آدم اهل رقابت بودم و همه­ی رتبه­های بالا هم می­رفتند رشته‌ی بیوتک. هیچ اطلاعی نداشتم. البته ایده‌ی پژوهشگر بودن و مثلا زیست مولکولی دوران دبیرستان رو واقعا دوست داشتم؛ می­دونستم که ریسرچ رو دوست دارم، می­دونستم که طراحی آزمایش، سوال داشتن و این­ها رو دوست دارم، ولی از آینده­ی شغلیش هیچ اطلاعی نداشتم. شاید اگر می­دونستم باز هم می‌اومدم.

:ExperiMental شما که اومدید در رشته‌ی بیوتک، در دوران کارشناسی چه فعالیت­هایی داشتید؟ از این نظر که چه‌طور اون زمان رو گذروندید و اگر بخواید تغییرش بدید چه تغییری می­دید؟

دکتر نجفی: سوال خیلی خوبیه. الان من نمی‌دونم بیوتک چه‌طوریه، زمان ما کمی بی­نظمی­هاش زیاد بود و هنوز رشته‌ی جدیدی محسوب می‌شد. فکر می‌کنم اولین ورودی سال 78 بود و من ورودی سال 81 بودم. یعنی هنوز جدید بود و چیزی نمی­دونستم. حالا الان بیاین تصور کنیم که اون موارد درست‌ شدند. من یک کاری که کردم و خوب بود، این بود که رفتم مؤسسه‌ی رویان و در واقع اون‌جا کار تحقیقاتی انجام دادم. خوب بود و از اون کارم راضی هستم.

ببینید، آموزش پزشکی توی ایران از نظر من عالی هست. یعنی من الان هم که اینجا هستم اگر بخوام برم پیش پزشک، ترجیح می‌دم برم پیش یک پزشک توی ایران. چون توی ایران مریض زیاده و کلا تشخیص‌هاشون خیلی خوبه. ولی اگر که هدف‌تون ریسرچ هست و می‌خواید توی بیوتک بمونید، باید بدونید که وقتی کار به ریسرچ می­رسه، ذاتِ ریسرچ پول زیاد و یک سری تسهیلات خیلی گرون‌قیمت می‌خواد. برای همین، با وجود این که آدم­های خیلی توانا و باهوشی در ایران داریم، به نظر من تربیت محقق، به‌طور درست، در دانشگاه­های خوبِ خارج از کشور انجام می­شه. به همین دلیل برای توی بیوتک موندن و ریسرچ، باید حتما این مسئله رو در نظر بگیریم که بیایم خارج از کشور و یک جای خوب. برای این کار هم یک چیز خیلی مهم، تجربه‌ی تحقیقاتی هست، که برای من مؤسسه‌ی رویان خیلی خوب بود؛ حالا چه مؤسسه‌ی رویان، چه مرکز تحقیقات ژنتیک و چه هرجایی که بتونه این تجربه رو به شما بده. این کاریه که من انجامش دادم و راضی هستم.

ولی یک کاری که انجام ندادم و اگر برگردم حتما انجام میدم، اینه که جبرخطی و این­ها زیاد می‌خوندم؛ خیلی به دردتون می­خوره. درس­های حفظی بیولوژی و این­ها خوبه، ولی یادتون می­ره. اما اون زمینه‌ی جبر خطی خیلی می­تونه کمک‌تون کنه. من چون اومدم سراغ نوروساینس، کار برنامه‌نویسی و کدنویسی رو از از همون اول انجام دادیم و من هم خیلی سریع خودم پیش رفتم؛ با این که مثلا الان من یک سری الگوریتم­ها رو استفاده می‌کنم یا از ماشین لرنینگ استفاده می‌کنم، ولی زمینه‌ی جبر خطی برام شکل نگرفته و یک سری چیزها رو بهتر می­تونستم استفاده کنم و بلد باشم اگه اون زمینه رو داشتم. برای همین این رو واقعا پیشنهاد می­کنم.

کلا مهارت‌های محاسباتی‌تون رو ببرید بالا چون اون مهارت‌­ها با شما می­مونند. ولی حالا هزار و یک درس ایمونولوژی و این‌هایی که من خوندم، خیلی­­هاش یادم رفته است. برای همین دوتا پیشنهادی که دارم، یکی اینه که جبر خطی بخونید و مهارت‌های محاسباتی‌تون رو قوی کنید، و یکی این که حتما تجربه‌ی تحقیقاتی داشته باشید. مثلا آمار، Biostatistics و این­ها هم چیزهای خیلی خوبیه؛ ماشین لرنینگ هم همین‌طور. نمی­دونم الان کورس­های ماشین لرنینگ و این­ها داریم یا نه، ولی این نوع چیزها بسیار بسیار به‌دردبخوره الان، در دنیای امروزی که خیلی بحث بیگ دیتا براش مطرحه. یعنی شما ریسرچ‌تون ناخودآگاه به این سمت می­ره و این مهارت‌ها خیلی به دردتون ­می­خوره.

کلا هم شما می­خواید یک ساینتیست بار بیاید؛ درسته که مهارت‌های محاسباتی‌تون رو می­خواید ببرید بالا، ولی اگه بخواید ذهنیت یک ساینتیست رو داشته باشید – از این نظر که خیلی خوب بتونید آنالیز بکنید یک چیزی رو – مقاله خوندن هم خیلی کمک می­کنه. یعنی شاید بیش‌تر از خوندن یک سری از این کورس­ها، مقاله خوندن کمک کنه. من یادمه اون موقع دکتر الهی خیلی خوب این کار رو به ما یاد می­دادند. یک مقاله رو بخونید و قشنگ ببینید که سؤال چی بوده؟ چه‌جوری اومدند طراحی آزمایش کردند؟ چه دیتاهایی آنالیز شده؟ چه دیسکاشنی آورده؟ بحث سر ساینتیست بار اومدن شماست؛ که فکر می­کنم بیوتک توی این زمینه خیلی خوب داره عمل می­کنه. برای درس­های بی ربط هم خیلی وقت نذارید.

:ExperiMental در دوران ارشد ایران بودید؟ یا این که از اون‌جا دکترای مستقیم گرفتید؟

دکتر نجفی: من پنج سال بیوتک خوندم، معادل فوق گرفتم، و بعد اومدم آمریکا.

:ExperiMental دوران ارشدتون به چه کارهایی مشغول بودید؟

دکتر نجفی: همون مؤسسه‌ی تحقیقاتی رویان بودم و روی تمایز سلول­های بنیادی جنینی به نورون­های سمت خلفی نخاع کار می­کردم. برای این کار growth factorهایی که تو تشکیل spinal cord و neural tube جنین دخیل هستند رو به محیط کشت سلول اضافه می‌کردیم تا سلول‌های بنیادی رو به سلول‌های نخاعی تمایز بدیم. فایده‌ش هم توی این بود که مثلا در یک سری بیماری­ها مثل پارکینسون و این­ها می‌شد ازش استفاده کرد. اون هم اتفاقا خیلی بحث جالبی بود. من بحث سلول­های بنیادی رو واقعا دوست داشتم. ولی خب به نوروساینس، یعنی کاری که الان دارم می­کنم، بیش‌تر تمایل داشتم؛ که می‌شه در واقع Systems neuroscience، بررسی مدارهای مغزی.

:ExperiMental برای افرادی که در دوران کارشناسی و ارشد هستند، چه توصیه­هایی دارید؟ چه‌طوری این دوران رو بگذرونند؟

دکتر نجفی: گفتم، تمرکزشون رو بذارند روی این که مهارت‌های محاسباتی‌شون رو ببرند بالا و درس­هایی مثل جبرخطی رو حتما بخونند و تجربه‌ی تحقیقاتی خیلی خوبی پیدا کنند؛ یعنی همه‌ش از یک جایی به یک جای دیگه نرن. ترجیحا برن توی یک آزمایشگاه. مثلا من این کار رو خیلی خوب انجام دادم در رویان. برن داخل یک آزمایشگاه و چند سالی بمونند و روی یک پروژه‌ی متمرکز کار کنند و همون‌طوری که گفتم، درس­های ماشین لرنینگ، آمار، جبر خطیِ محاسباتی و این چیزها رو بخونند.

:ExperiMental برای دوران ارشد چطور؟

دکتر نجفی: ببینید دوران ارشد تقریبا می­شه همون پروژه، این که سعی کنند در واقع از همین دوران لیسانس برن وارد یک آزمایشگاه بشن. من خودم هم اولش مرکز ژنتیک بودم، یه مقدار هم انستیتو پاستور بودم؛ یعنی مشکلی نیست این که اون اوایل تا بیاید شروع کنید و وارد یک مرکز تحقیقاتی بشین، یکم این‌جا و اون‌جا رو امتحان کنید. ولی بعد توی یک جایی که امکان رشد خوبی بهتون می­ده، دیگه بمونید و یک الی سه سال حداقل اون‌جا کار بکنید تا بتونید -حالا اگر لزوما مقاله هم ازش در نمیاد– ازش یک تجربه‌ی تحقیقاتی خیلی خوب پیدا کنید. هرقدر هم که مهارت‌های تحقیق‌تون وسیع­تر باشه بهتره، چون مثلا در CV می‌نویسیدشون؛ ولی بهتره توی یک جایی که امکان رشد بهتون می­ده چندین سال بایستید و روی یک پروژه‌ی خوب کار کنید.

:ExperiMental الان شما از ارشدتون رفتین سراغ نوروساینس و فکر می­کنم تا الان هم همچنان توی نوروساینس هستید. چی شد که بین این شاخه­ها، نوروساینس رو انتخاب کردید؟

دکتر نجفی: من که اومدم آمریکا، از دپارتمان بیولوژیِ دانشگاه پنسیلوانیا پذیرش داشتم. اولش اومدم بیولوژی و هدفم هم Developmental Neurobiology بود؛ یعنی ادامه­ی کاری که در رویان می­کردم و خب یکی از دلایل اصلی­اش این بود که پدر من متخصص اعصاب هستند و همیشه کلا به اعصاب علاقه داشتم. بعد من Laboratory rotationم رو توی زمینه‌ی نوروساینس برداشتم و خیلی دوستش داشتم؛ فهمیدم که علاقه‌ی من اینه. مثلا من با این که سؤال­های زیست مولکولی برام سؤالات خیلی جذابی بود، ولی هیچ وقت از تکنیک‌های آزمایشگاهیش به اون‌صورت لذت نمی­بردم. ولی توی Systems and behavioral neuroscience مثلا یک موش رو آموزش می‌دیم که یک رفتاری انجام بده و بعد از مغزش رکورد می­گیریم و بعد کلی دیتای جالب هست که براش کد می­نویسیم و آنالیزش می­کنیم و این خیلی با شخصیت و علاقه‌ی من جور بود. کلا مطالعه‌ی عملکرد مغز و Neural Basis of Behavior  برای من خیلی جذاب بود. یعنی در واقع Lab rotation و این پیش‌زمینه‌ای هم که از پدرم داشتم در زمینه‌ی نورولوژی، من رو برد به این سمت و Lab rotationها رو هم که انجام دادم مطمئن شدم که من Developmental biology نمی­خوام، من Systems neuroscience می­خوام. برای همین فکر می­کنم دپارتمان بیولوژی فرصت خوبی به من داد؛ چون توی دپارتمان بیولوژی معمولا شما کار Plant Biology می­کنید، Molecular هست، Cellular هست، Developmental هست و نوروساینس هم هست. این خیلی خوب بود. چون اگر مثلا مستقیما رفته بودم سراغ زیست مولکولی، این فرصت رو نداشتم؛ ولی حالا چون گسترده‌تر بود، به من این فرصت رو داد که Lab rotation انجام بدم و ببینم این دقیقا همون چیزی هست که من می­خوام.

:ExperiMental حالا شما فکر کنم توی این قسمت، رفتید آمریکا و مهاجرت کردید. می‌شه یکم از این تصمیم‌تون صحبت کنید؟ این که مقدماتش چه‌طوری بود و چرا این تصمیم رو گرفتید کلا؟

دکتر نجفی: الان نمی­دونم چه‌جوریه؛ ولی زمان من همه­ی بیوتکی­ها اپلای می­کردند. یعنی می­دونید یه‌جوری بود که همه می­رفتند و شما هم دیگه همین کار رو می­کردین. مثلا از ورودی ما هیچ کس نموند؛ همه اومدند. البته ورودی ما پنج شش نفر هم بیش‌تر نبود، کم بودیم. الان فکر کنم بیوتک بیش‌تر ورودی می­گیره. برای همین، موضوع رفتن این‌طوری بود که همه دارند می‌رن، پس ما هم بریم. چون آخه من خیلی سن و سالم هم کم بود؛ بیست و دو ساله بودم تقریبا. توی این سن آدم به اون صورت تجربه­ای نداره و هیچی هم نمی­دونه.

اومدنم اینطوری بود، ولی به دو دلیل؛ اول این که ایران تسهیلات ریسرچ رو نداره و تربیت محقق هم توی ایران از دید من سخت انجام می­شه. یعنی دانشکده‌ای که بتونه دانشجوی دکترای خوبی رو بار بیاره، اینجا خیلی راحت­تر پیدا می‌شه. نمی‌گم همه‌شون این‌جوری هستند، ولی احتمال پیدا کردنش در خارج از ایران، در یک مرکز خوب، بیش‌تره تا ایران. دوم این که مسلما وقتی میاین آمریکا به دلیل مسئله ویزا، دوری از خانواده خیلی اذیت می­کنه. الان مثلا من 14 ساله که آمریکا هستم، وقتی برمی‌گردم، می‌بینم برای تنهایی اومدن به آمریکا شجاعت خیلی زیادی به خرج دادم.

سختی­هام رو کشیدم، ولی الان تقریبا می­تونم بگم با توجه به شرایطی که ایران داره، راضی هستم. اگر شرایط ایران خوب بود، نه؛ من خیلی وقت­ها به فکر این بودم که برگردم، مخصوصا شش، هفت سال اولی که اومده بودم آمریکا، ولی الان با توجه به شرایطی که ایران داره، راضی­ام که اومدم آمریکا. از این که PhD رو توی آمریکا خوندم در هرصورت راضی­ام، از این که تصمیم گرفتم آمریکا بمونم -که به خاطر شرایط بد اقتصادی و سیاسی ایران بود- هم راضی هستم. ولی چه کسی هست که دوست نداشته باشه توی وطن خودش باشه و کنار خانواده­اش؟ چون هنوز بقیه خانواده‌ی من ایران هستند.

:ExperiMental بعد شما برای دکترا که اومدید آمریکا، روی چه موضوعی تحقیق کردید؟ چه مبحثی و چه سؤالی بود؟

دکتر نجفی: من دکترام در زمینه­ی رفتار حرکتی بود، Motor Learning و مخچه؛ چون مخچه مربوط هست به یادگیری حرکتی. در واقع من موش رو آموزش می­دادم که یک رفتار حرکتی انجام بده و همزمان از مخچه‌ی مغزش، یعنی از فعالیت نورون­های مخچه، رکورد می­گرفتم.

ببینید، شما وقتی یک رفتار حرکتیِ خودتون رو می­خواید سازگار بکنید، این کار مدرج (graded) هست. یعنی چی؟ یعنی فرض کنید که شما دارید والیبال بازی می­کنید و می‌خواید سرویس بزنید. شما شروع می­کنید با توجه به جهت باد، نوع سرویس زدن خودتون رو سازگار می­کنید. یعنی تغییری در حرکت دست‌تون انجام می­دید که مثلا اون وزش باد رو جبران کنید. این تغییری که انجام می­دید، متناسب با شدت باد هست. یعنی یک چیز مدرج هست، یک چیز صفر و یکی نیست. دست‌تون رو یکم این‌ور می­برید یا یکم بیش‌تر می­برید. خب ما فکر می­کنیم که این یادگیری حرکتی، یعنی تغییری که در حرکتتون انجام می­دهید، مبناش مخچه هست و نورون‌های مخچه دارند این کار رو انجام می­دن. سؤالی که مطرح بود این بود که چه‌جوری این graded learning رخ می­ده؟ این سؤال از این نظر مهم بود که اون نورون­هایی که توی مخچه مسئول این کار هستند، باینری هستند. یعنی یا اکتیو هستند، یا اکتیو نیستند. سؤال پیش میاد که وقتی یک چیزی باینری هست، چه‌جوری می­تونه مبنای یک چیز مدرج باشه؟ یعنی اگر 0 و 100 هست ما چجوری می­توانیم از این graded learning بگیریم؟ سؤال اصلی این بود. .

ExperiMental: و به چه نتیجه­ای رسیدید؟

دکتر نجفی: خب ما به این نتیجه رسیدیم که به چند روش کدینگ صورت می‌گیره. منظورمون از کدینگ توی نوروساینس اینه که چندین روش وجود داره که سلول­های مغزی و حالا در این زمینه سلول­های مخچه علی­رغم باینری بودنشون سبب graded learning می­شند.

یکی این که synchronizationشون فرق می­کنه؛ یعنی با این که هر نورونی باینری هست، ولی این که چندتا نورون هم‌زمان فعال هستند، باعث graded learning می‌شه. و یه چیز جالب دیگه هم که پیدا کردیم، این بود که  همه معتقدند این­­ها، اسمشون هم هست climbing fibers، در مخچه باینری‌اند، اون وقتی هست که شما میاید از پتانسیل عمل رکورد می­گیرید. ولی اگر بیایم میزان کلسیم رو اندازه بگیریم، چون وقتی که یک نورون اکتیو می­شه، کلسیمش تغییر می­کنه، اون graded می‌شه. یعنی رفتار سدیم و پتاسیم ما باینری هست ولی میزان کلسیم graded هست و خب مخصوصا بحث جالبیه، چون کلسیم مستقیما با بحث learning مرتبطه؛ یعنی کلسیمِ داخل نورون­هاست که وقتی تغییر می­کنه، بحث plasticity رخ می­ده. دو تا چیز اصلیش این بود که synchronization میزان کلسیم تغییر می­کنه. یعنی تغییر graded کلسیم و synchronization نورون‌ها باعث graded learning می‌شه.

ExperiMental: یک سؤالی که الان برای من پیش اومد، این بود که کلا این مبحث خیلی به نوروساینس ربط داره و ما در بیوتک نوروساینس نداریم. شما این دانشی که لازم بوده، از کجا به دست آوردید؟

دکتر نجفی: سؤالات خیلی خوبی دارید می­پرسید. بله، من به نظرم بیوتک واقعا باید یک کورس نوروساینس داشته باشه. یعنی من خیلی تعجب می­کنم که ما همه چیز می­خونیم؛ ژنتیک می­خونیم، تکوینی می­خونیم،  مهندسی شیمی می­خونیم. ریاضی می­خونیم، ولی یک کورس نوروساینس نمی­خونیم. من با این که PhD نوروساینس شروع کردم، اما سواد نوروساینسم در حد چهارتا کلمه­ای بود که توی زیست دبیرستان داشتیم که مباحثی مثل پتانسیل عمل رو داشتیم و این خوب نبود واقعا. چون خیلی از هم‌کلاسی­های من کسانی بودند که مثلا تکست نوروساینس رو خونده بود؛ حالا نه همه­شون، ولی خیلی‌هاشون این‌طوری بودند. چون در آمریکا کسانی که میان PhD می­خونند از پیش‌زمینه‌های خیلی متفاوتی میان. یک سری از نوروساینس میان و خب این­ها به لحاظ سوادی یک مقدار جلوتر هستند.

من توی PhDام یاد گرفتم، ولی واقعا جزو کسانی بودم که با یک پیش‌زمینه‌ی بسیار ناچیز، تقریبا صفر، شروع کردم. خب به نظرم اگر پیشنهادی برای درس بهشون دارید، جبر خطی و یادگیری ماشین در درجه‌ی اول، ولی یک کورس نوروساینس اضافه کردن خیلی خوبه.

ExperiMental: خب فکر کنم شما دو سال از دوران دکتراتون توی دانشگاه پرینستون و مشغول موضوع دیگه­ای بودید؛ درباره‌ی این تغییرتون یک توضیح می­دید؟

دکتر نجفی: موضوعش چیز دیگه­ای نبود. موضوعش همان پروژه­ی دکترام بود. من برای همین پروژه­ای که توضیح دادم، برای رکورد کردن فعالیت نورون­ها، از یک تکنیک به نسبت جدیدی استفاده کردم که اسمش هست Two-photon calcium imaging. مزیت این تکنیک اینه که شما می­تونید از فعالیت یک جمعیتی از نورون­ها (population activity) رکورد بگیرید. چون وقتی که رکورد انجام می­دید (single-cell recording) از یک سلول دارید رکورد می­گیرید، ولی مسلما هر چقدر تعداد سلولی که رکورد می­گیرید بیش‌تر باشه، بهتره. چون ما که فقط یک نورون توی مغزمون نیست و می­شه نگاه کرد که سلول­های مختلف یا مناطق مختلف مغز چطور با هم بر‌هم‌کنش دارند.

این تکنیک به نسبت جدید بود و اون وقت آزمایشگاه‌های محدودی این تکنیک رو داشتند. استاد PhD من هم پیش‌زمینه‌اش نوروفیزیولوژی بود، یعنی فقط کار رکوردینگ بود و الکتروفیزیولوژی. برای همین من با یک استادی توی پرینستون همکاری کردم و به عنوان یک visiting scholar دو سال رفتم پرینستون تا از تکنیک calcium imagingای که توی آزمایشگاهش داشت استفاده کنم تا بتونم از جمعیت نورون‌ها رکورد بگیرم، و همین‌طور که گفتم، مثلا یک چیز مهمی که من پیدا کردم بحث synchronization (هماهنگی) بود. شما هماهنگی نورون­ها رو فقط وقتی می­تونید مطالعه کنید که از رفتار جمعی نورون­ها رکورد بگیرید. چون اگر دارید از یکی رکورد می­گیرید دیگر هماهنگی مطرح نیست.

کلا هم وقتی شما آزمایشگاه‌های مختلف رو امتحان می­کنید، هم networkتون قوی می­شه.، و هم این که می­تونید از امکانات مختلف استفاده کنید. یعنی معمولا فرصت خوبیه.

ExperiMental: الان شما برای دوران دکترا برای افراد دیگر چه توصیه­ای دارید؟

دکتر نجفی: اینم دوباره سؤال بسیار بسیار مهمیه. این که چه پروژه­ای برمی‌دارید و با چه کسی کار می­کنید، وحشتناک مهمه در آینده‌اتون. البته پست‌داک هم هست. ولی خب این‌ها همه‌اشون به هم لینکه. دکترای شما پست‌داکتون رو تعیین می­کنه، پست‌داکتون شغل بعدیتون رو تعیین می­کنه.

ما دقیقا یک مشکل دیگه­ای که داریم اینه که مثلا وقتی شما آمریکایید، جاهای مختلف مصاحبه انجام می‌دید، می­بینید و بعد تصمیم می­گیرید می‌خواید وارد کدام یک از این دانشگاه­ها با کدام یک از این programها بشید. توی ایران، ما آپشن دیدن و این­ها رو که نداریم و در زمان من smartphone هم نبود و مصاحبه­ها تلفنی انجام می­شد. الان نمی­دونم تور مجازی می‌دن یا نه، ولی خب مسلما اون کسی که می­تونه حضوری ببینه، البته الان به‌خاطر کووید فکر کنم همون هم خیلی محدود شده، ولی بالاخره ما یک سری محدودیت‌هایی داریم وقتی از ایران میایم.

هر چی انتخاب استاد دکتراتون آگاهانه­تر باشه، بهتره. و وارد آزمایشگاهی بشیم که می­بینید آدم­هایی که ازش فارغ‌التحصیل می­شند، خیلی­هاشون موفق‌اند. حالا تعریفتون از موفق چیست؟ مثلا خودشون می­رن آزمایشگاه خودشون رو می­زنند و می­رن در مراکز تحقیقاتی خوب فعالیت می­کنند، تا آزمایشگاه‌هایی که آدم­هایی که فارغ‌التحصیل می­شند، انگار پخش می‌شند جاهای مختلف؛ انگار افسرده، نا­امید، ناراحت و سرانجامی ندارند. لب­هایی که آدم publication های خوب دارند و جاهای خوب می­روند.

ببینید، تقریبا اکثر استادها یک جورهایی خودخواه‌اند. ولی حداقل استادهایی هستند که یک مقدار caringاند. یعنی براش یک مقدار آینده‌ی شغلی اون دانشجو مهم است. فقط شغل خودش و موقعیت خودش مهم نیست، برای دانشجو واقعا مایه می‌ذاره. استادهایی که خیلی demanding نیستند، یعنی بیست و چهار ساعته از یک دانشجو کار نمی­خوان. به‌خاطر این که یکی از چیزهایی که بسیار بسیار مهمه و من خودم این رو دیر متوجه شدم و خیلی دلم می­خواد به بقیه بگم، اینه که شما در دوران PhDتون فقط نباید کار پروژه رو انجام بدید. یک بخشی از وقتتون رو باید بذارید کنار که برای آینده‌ی خودتون برنامه‌ریزی کنید.

اگر می­خواید مسیرتون رو ببرید مثلا توی صنعت، باید مهارت‌های لازم رو یاد بگیرید. اگر می‌خواید توی مسیر آکادمی برید، باید paper بخونید و یک سری ایده‌ی پژوهشی درست کنید و این که فکر کنید ببینید می­خواید چه کار کنید و برای آزمایشگاه پست‌داکتون فکر کنید. یعنی مهمه که شما توی آزمایشگاه دکتراتون موفق باشید و کار انجام بدید. چون تا publication نداشته باشید، مسلما نمی­تونید برید قدم بعدی. تا وقتی که استاد براتون یک recommendation خوب نده، نمی­تونید بروید.

ولی حداقل شما یک بیست درصد از وقتتون رو بذارید کنار برای گسترش حرفه‌تون، برای آینده‌ی شغلی خودتون، یعنی صد درصد ندید در اختیار استاد. این یک چیزیه که خیلی وقت­ها ما دیر متوجه می­شیم و استادها هم نمی­گن. چون که همان طور که گفتم بیش‌تر به سمت خودخواه بودن‌اند تا caring بودن. بیش‌تر براشون مهمه که شما paper بنویسید تا بالاخره بتونه tenureاش رو بگیره. و خب این خیلی مهمه که برای حرفه‌ی خودتون یک زمانی رو جدا بذارید، و برای رشد خودتون چه به لحاظ علمی و چه به لحاظ مهارتی. ExperiMental: شما بعد از دکترا رفتید سراغ پست‌دکترا و اون موقع موضوعتون چی بود؟

دکتر نجفی: من همون نوروساینس محاسباتی رو ادامه دادم، منتهی رفتم در فیلد decision-making و دلیلم این بود که کار دکترام مخچه بود، و خیلی دلم می­خواست برم توی کار کورتکس؛ چون کورتکس فیلد وسیع‌تری بود. مخچه یکم محدود بود. دلم می­خواست برم توی کار کورتکس و بعد هم بر‌هم‌کنش این دوتا رو با هم مطالعه کنم، چون آدم­ها یا توی فیلد کورتکس‌اند یا توی فیلد مخچه، و decision-making هم کلا برام جالب بود. اسکیل­های computational هم می­خواستم ببرم بالا. برای همین این آزمایشگاهی که واردش شدم، هم امکان مطالعه‌ی کورتکس به من داد، هم decision-making، و تکنیک­های یادگیری ماشین هم اون‌جا یاد گرفتم. یعنی راضی هستم از تصمیمی که گرفتم.

ببینید، هر تصمیمی مسلما هزینه‌های خودش رو داره. چیزی که به دست آوردم، مسلما این بود که وارد یک فیلد وسیع­تر شدم و مهارت‌هام بالا رفت. ولی هزینه‌ای که دادم این بود که چون یک مقدار تغییر رشته دادم تا یک حدی.

ببینید، من از لیسانسم تغییر رشته دادم وقتی اومدم نوروساینس. این یک تغییر رشته‌ی خیلی بزرگ بود، چون که هیچ‌کدام از درس­های ژنتیک و ...، هیچ‌کدوم به درد من نخورد. من از صفر اومدم نوروساینس شروع کردم. و بعد هم از مخچه اومدم به کورتکس، وقتی از دکترا اومدم به پست‌دکترا. شما وقتی توی یک فیلدی هی می­مونید، یکی از مزایاش اینه که آدم­های اون فیلد شما را می­شناسند. مثلا آدم­های فیلد مخچه همه توی کنفرانس­ها من رو می­شناختند. بعد من اومدم رفتم کورتکس. بعد یادمه همه بعد از چند سال که من رو می­دیدند، می­گفتند کجا بودی مثلا، ندیدیمت. چون می‌گم این دوتا فیلد با این که نوروساینس‌اند ولی از هم متمایزند. این هزینه رو واقعا داره. چه حالا از بیوتک بیاید نوروساینس و چه در نوروساینس عوض کنید، یعنی یک مقدار عقبتون میندازه و اگر من توی مخچه مونده بودم، خیلی جلوتر بودم.

چون آدمی می‌شه پست‌داک که کاملا trained شده توی یک فیلد. دیگه بحث training نیست، بحث اینه که شما یک تجربه‌ای کسب می­کنید. ولی اگر فیلد عوض کردید، یک مقدار بحثش می‌شه training. برای همینه که شما یک مقدار عقب میفتید. ولی خب، ببینید، عمق دانشتون رو کم‌تر تونستید زیاد کنید، ولی از اون طرف اومدید عرضش رو زیاد کردید. ولی باید یک زمان بیش‌تری بذارید تا عمقش هم زیاد کنید. یعنی می­دونید، هزینه‌ی زمانی داره. ولی من باز هم راضی­ام، چون علاقه داشتم.

ExperiMental: اون‌جوری که ما متوجه شدیم، الان شما توی مؤسسه‌ی Allen کار می­کنید، و با رتبه‌ی “Scientist II”. ممکنه یکم از کاری که اون‌جا می­کنید و از این رتبه‌بندی توضیح بدید؟

دکتر نجفی: سوال خیلی خوبی دارید می‌پرسید. مرکز تحقیقاتی مغز آلن که در  سیاتل ایالت واشنگتن آمریکا هست، مرکز خیلی خوبیه. 3 تا شعار دارند: open science، یعنی می­خوان علمی که تولید می­کنند، در اختیار عموم قرار بدن. نمی­خوان پنهان‌کاری باشه. این­ها هر دیتایی که تولید می­کنند، در اختیار عموم قرار می­دن. یکی دیگه team science، عوض این که هر آزمایشگاهی برای خودش کار کنه، این‌جا ریسرچ گروهیه و بحث همکاری خیلی زیاده. یکی دیگه big science هست و منظورشون از science big اینه که دیتای وسیعی تولید می­کنند و معتقدند که روش پیش بردن علم با این سه‌تا شعار هست.

یک سری کارهای نوروساینس ژنتیکی و مولکولی داره. من توی قسمت Systems neuroscience هستم. من آمدم آلن، چون ریسرچ و دانشمند بودن رو دوست داشتم. آلن رو یک چیزی بین صنعت و آکادمی فرض بگیرید. خیلی آکادمی هست، از این لحاظ که ما آخرش داریم کار ساینس انجام می­دیم و داریم paper می­نویسیم. چون محصولی غیر از paper نداره. شباهتش به صنعت از این لحاظه که آلن خودش funding داره. یعنی پولش از Paul Allen هست که همراه با بیل گیتس بنیان‌گذار مایکروسافت بوده و البته سال 2018 فوت شد. یعنی وقتی توی آلن کار می­کنید، می­تونید گرنت بنویسید اگه می‌خواید، ولی نیازی ندارید؛ برخلاف آکادمی که باید گرنت خودتون رو دربیارید. از این لحاظ که پول داره، شبیه‌تره به صنعت.

درباره‌ی رده‌بندی هم این‌جا دیگه PhD و پست‌داک نیست. این‌جا یک سری scientist داره و یک سری investigator. شروع کار من با عنوان Scientist II بود، به‌خاطر این که من تجربه پست‌داک داشتم. اگه مستقیم بعد از دکترا می­اومدم می‌شد Scientist I. بعد از Scientist II می­شه Scientist III و Senior scientist. این­ها عناوینی‌اند که اگر شما وارد صنعت بشید و برید داخل آمازون یا فیسبوک و شرکت‌های این‌طوری کار کنید، مثلا می­گن Data scientist I و Data scientist II یا Software engineer I، یعنی عناوینش شبیه به صنعته. بعد investigatorها هم مشابه PIها هستند. مثلا manager داره، و عناوین مختلفی داره دیگه.

ExperiMental: شما الان برای آینده‌اتون چه چشم­اندازی می­بینید؟ چه اهدافی دارید؟

دکتر نجفی: بله، اینم سوال خوبیه که دارید می‌پرسید. من ریسرچ دوست دارم. خیلی از اطرافیان من هستند، چون مخصوصا ما کارهای برنامه‌نویسی زیاد می­کنیم، که می­رن توی کارهای دیتا ساینس. دلیلشم اینه که درآمد دو برابره. البته آلن تا زمانی که پول داره، پایداره و بهتر از اینه که آدم در آکادمی باشه و منتظر گرنت نوشتن. ولی به خوبی مثلا یک پزشک نیست.

من فعلا تصمیمی ندارم به سمت دیتا ساینس برم. چون همون‌طور که گفتم، برای من سؤال مهمه. سؤالی که الان دارم می­پرسم در مورد عملکرد مغزه، در رابطه با رفتاره و این یک سؤال جذابیه برای من.

وقتی به سمت دیتا ساینس می­رید، مهارت‌های محاسباتیتون خیلی بالا می­ره. این خیلی خوبه و من زیر سؤال نمی­برمش ولی سؤال اون چیزیه که شرکت داره می‌گه. مثلا در آمازون فرض بگیرید سوال اینه که ما قیمت‌گذاریمون چطوری باشه که بیان از ما محصول بخرند تا یک جای دیگر. تو فیسبوک مثلا اینه که چطوری کانکشن­های یک آدم رو پیدا کنیم، یا چیزهای مشابه. یعنی لزوما سؤال­های علمی نیستند.

از اون مهارت­هایی که به‌عنوان یک دانشجو دکترا پیدا کردیم، استفاده می­شه، چون بالاخره این هم یک سؤاله و باید به یک متدی فکر کنید و دیتایی که پیدا کردید، آنالیز کنید و خودشون paperهای درون‌گروهی دارند. حالا نه به اون صورت که paper بنویسند و برن کنفرانس، ولی یک جورهایی همه‌ی اون پروسه انجام می­شه، ولی سؤالی که اون کمپانی مطرح می­کنه. برای من علمی بودن سوال خیلی مهمه و به همین دلیله که فعلا تصمیمی ندارم.

من فعلا دوست دارم توی همین ساینس بمونم و هدفم اینه که investigator بشم. یعنی استقلال بیش‌تری پیدا کنم در رابطه با نوع پروژه­های تحقیقاتی که می­تونم کار کنم. البته یک جایی مثل آلن شما هیچ‌وقت استقلال کامل ندارید. چون که ریسرچ، پروژه‌ها و agenda رو خود آلن تعیین می­کنه. برای من همان چیزی هست که من دوست دارم؛ neural dynamics و مکانیسم‌های مربوط به رفتاره.

ولی خب، من خودم خیلی به بر‌هم‌کنش مخچه و کورتکس علاقه دارم و برای انجام دادن این توی آلن من باید approval بگیرم. می­دونید، هر تصمیمی هزینه‌ها و منافع مربوط به خودش رو داره. فایده‌ی کار کردن در آلن team science بودنشه، این که به ما پول می­دن، بدون این که نیاز به گرنت نوشتن باشه. پایداری بهتری داره. تعادل کار و زندگی بهتری داره. ولی هزینه‌اش اینه که اون استقلالی که یک PI در آزمایشگاه خودش داره، شما توی آلن حتی اگر investigator هم بشید، ندارید.

من با این حال تا زمانی که مسیر تحقیقاتی با علایقم جوره، اوکی‌ام و آینده­ای که برای خودم دوست دارم، اینه که استقلال بیش‌تری پیدا کنم در زمینه‌ی پروژه­های تحقیقاتی، investigator بشم و سؤالات علمی که دوست دارم، دنبال کنم.

منتهی همان‌طور که گفتم مسیر شغلی جایگزینم اینه که وارد صنعت بشم و حالا نه لزوما شغل­های دیتا ساینس، چون مثلا گوگل یک بخشی داره به نام Google Brain یا مثلا Deep Mind. این­ها بیش‌تر کارهای محاسباتیه، مثلا Computer vision و چیزهای این‌طوری هست بیش‌تر. لزوما نوروساینسِ نوروساینس نیست. بیش‌تر برای کسانیه که پیش‌زمینه‌ی علوم کامپیوتر دارند. یعنی من اگر بخوام توی اون فیلدها برم، باید یک زمانی رو اتخاذ بدم که مهارت‌های محاسباتی و یادگیری ماشینم رو بالا ببرم. ولی اون­ها هم هست. ولی علاقه­ی خودِ من ریسرچ ساینسه.

ExperiMental: اون موقعی که گفتید به استقلال بیش‌تر علاقه دارید، به زدن آزمایشگاه خودتون فکر نمی­کنید؟

دکتر نجفی: چرا، من به اون هم حتما فکر می­کنم و research statementام هم نوشتم و اگر که پوزیشنی باز بشه که به نظر خوب میاد، اپلای می­کنم براش و حالا باید دید که چی می‌شه. مسئله این است که توی آکادمی، پوزیشن‌هایی که کارش دقیقا شبیه علایق و تجربه‌ی من باشه، محدوده و خب قبل از کووید رقابتی بوده، بعد از کووید رقابتی‌تر هم شده. چون که پارسال­ استخدام نکردند. ولی همان‌طور که گفتم اصلش اینه که شما ایده‌های پژوهشی داشته باشید و بنویسید و برید جلو و من این رو نوشتم.

حالا چه در آلن به‌عنوان investigator برم بالا و گرنت خودم رو بنویسم و چه در خارج از آلن، آزمایشگاه خودم رو بزنم. احتمال هر دوتاش هست. هر کدومشون خوبی‌ها و بدی‌های خودش رو هم داره. ولی چرا، اون راه هم مدنظر دارم. وقتی گفتم investigator منظورم این بود چه داخل آلن و چه خارج از آلن.

ExperiMental: خب حالا همون‌طور که گفته بودید یک بخشی از زمان دکترا رو به کارهایی به‌جز کار آکادمی و به‌جز، زیر دست استاد قرار بدیم، الان هم شما زمانی را دارید که مشغول پژوهش نباشید؟ و این که در اون زمان چه کاری رو انجام می­دید؟

دکتر نجفی: سؤال خیلی خیلی خوبی دارید می­پرسید. و من خودم هم مرتب این مسئله رو به خودم یادآوری می­کنم. من یک مقدار زمانم رو تخصیص دادم به این که بیام ایده‌های تحقیقاتیم رو گسترش بدم و بشینم research statementام رو بنویسم. چون الان اون کار رو انجام دادم دوست دارم یک مقدار دیگه از وقتم رو تخصیص بدم به این که مهارت‌های کامپیوتریم رو ببرم بالا که اگر خواستم برم به سمت جاهایی که یادگیری ماشین و deep learning می‌خوان، توی اون زمینه‌ها مهارت‌هام بالاتر باشند. چون الان خیلی شغل‌ها به اون سمت هست و من هم دوست دارم. من مثلا توی کارهای یک مقدار مرتبط به deep learning کار کردم و این­ها چیزهایی است که کلا برام جذابه. جذاب تر از اون برام ساینسه.

ولی بله، توی اون زمینه هم چون مخصوصا پروژه­ی جدیدی که الان می­خوام توی آلن شروع کنم، در زمینه­ی deep learningه، می­خوام یک مقدار در آن زمینه­ها چه با ویدئوی یوتیوب و چه با کورس توی کورسرا برداشتن خودم رو تقویت کنم. ولی سؤالتون دقیقا سؤال بسیار خوبیه، به‌خاطر این که هیچ‌وقت دیر نیست. یعنی درسته که من می‌گم توی دکترام صد درصد وقتم رو اختصاص دادم به پروژه­ام و باید بیست درصد وقتم رو می‌ذاشتم چه برای paper خوندن و چه توسعه‌ی ایده‌های تحقیقاتی و چه تقویت مهارت‌های محاسباتی یا هر چیز دیگر. اون موقع وقت نکردم ولی الان من فرصتش رو دارم و خودم هم به خودم این رو یادآوری می­کنم که الان این کار رو انجام بدم.

چون همیشه این راحت­تره که آدم صبح تا شبش رو اختصاص بده به اون کاری که یکی ازش می­خواد. یک مقدار تعهد درونی بیش‌تری می­خواد این که آدم یک وقتی رو خودش برای خودش برنامه‌ریزی کنه و راحت­تره که آدم بخواد از زیرش دربره و بهونه­اش هم که همیشه هست؛ اینه که من باید کار رو تحویل بدم. ولی واقعیت اینه که همیشه باید کار رو تحویل داد و همیشه هم انتظار کار کردن ازتون هست. شما خودتون هستید که زمان خودتون رو تنظیم می­کنید.

ExperiMental: شما گفتید که وقتی می­خواستید وارد بیوتک بشید، دیدید که خیلی ویژگی­هایی که برای ریسرچ به درد می­خوره، دارید. به نظر شما این ویژگی­ها چی بوده؟

دکتر نجفی: ما باید مغز analytical داشته باشیم برای ریسرچ. یعنی یک آدمی که می­خواد یک چیزی رو تجزیه و تحلیل بکنه و ته توش رو دربیاره. واقعا علاقه داره بدونه دلیل یک چیزی چیه. من می‌گم مغز analytical یک چیز خیلی مهمه برای ریسرچ.

بعد یک چیز بسیار مهم دیگه بحث پشتکاره. ریسرچ خیلی می­تونه خسته‌کننده بشه. استیج­های مختلفی هم داره. مثلا اولش همیشه جذابه، چه در بحث آزمایش و چه در بحث آنالیز دیتا، اولش که دارید یک کاری یاد می­گیرید، جذابه، ولی بعد یک عالمه بحث تکرار میاد. آنالیز دیتا هم همین‌طوره. باید صبر داشته باشید. چون صبر ابعاد مختلف داره؛ مثلا ممکنه شما صبر نداشته باشید پنج دقیقه منتظر یکی بایستید، ولی مثلا صبر زیادی که گیر بدید ته یک چیزی رو دربیارید و یک پروژه رو به نتیجه برسونید.

و خب معمولا یک محقق خوب زیاد تلاش می‌کنه. یعنی کار زیادی می‌طلبه. و حالا نمی‌دونم یک چیزی که اسمش رو می‌شه دیوانگی گذاشت یا هرچی، همینه که یک آدمی که عاقل باشه، می‌ره درسی رو می­خونه که آینده­ی مالی خوب و پایداری شغلی داشته باشه و همون‌طور که گفتم ریسرچ دقیقا مخالف اینه. برای همین، یک نوع دیوانگی این طوری هم می­خواهد. که یکی حاضر باشه این همه زمان و انرژی بذاره توی چیزی که آینده­اش نامعلومه. حالا من این نمی‌دونم خوبه یا بد ولی طرف باید این رو داشته باشه. خب الان اون آدمی هم که میاد درس می­خونه، حالا هر درسی، چه پزشکی و چه غیره، یک جورهایی همین دیوانگی رو داره، چون می­تونست خیلی زودتر وارد بازار کار بشه. ولی خب مثلا پزشکی حداقل این پایداری رو داره. ریسرچ همین هم نداره.

یک چیز خیلی خیلی مهم دیگر که بسیاری از محقق‌ها ندارند، بحث مدیریت زمانه. شاید شما خیلی وقت­ها فکر کنید که اون investigatorای موفق هست که از همه باهوش­تره، در صورتی که واقعا این‌طوری نیست. اونی موفق­تره که مدیریت زمان بهتر و انضباط بیش‌تری داره. این یک امتیاز خیلی مهمه که اگر داشته باشید واقعا کمکتون می­کنه توی پیشرفت کاریتون. یک بخشیش اینه که آدم الگوهای خوبی داشته باشه، حالا چه در خانواده و چه در اجتماع، یک بخش دیگه‌اش هم یادگیریه. معمولا ما این چیزها رو خیلی خوب یاد نمی­گیریم. حالا یکم از شخصیته، ولی یک بخش دیگه‌اش الگو داشتن و یادگیریه.

هرچی سعی کنید بحث مدیریت زمان و انضباط داشتنتون رو زودتر مدیریت کنید و بهتر بشید، خیلی به پیشرفت کاریتون کمک می­کنه. یعنی یک چیزیه که اصلا ممکنه بهش فکر نکنید. اول از همه ممکنه توانایی هوشی یا پشتکار و این چیزها به ذهنتون بیاد، ولی واقعا باورتون نمی­شه چقدر این بحث مدیریت زمان و انضباط کاری داشتن توی موفقیت شما موثره.

مدیریت انسانی هم همین‌طور، چون شما وقتی investigator می­شید، یک بخش خیلی زیادیش مدیریت کردن افراده و دوباره هم می‌گم این­ها چیزهاییه که ما هیچ­‌وقت در دوران دکترا یاد نمی‌گیریم؛ فقط ریسرچ یاد می­گیریم. وقتی میایم PI می‌شیم یا حتی الان که من Scientist II هستم و می­تونم مثلا Scientist I یا اینترن یا تکنسین استخدام کنم و خوب مدیریت افراد هم خودش یک مهارت خیلی مهمیه.

مثلا اینی که گفتید ای کاش در بیوتک یک مقدار در کنار همه­ی این درس­ها مثلا مدیریت انسانی و مدیریت زمان هم می‌داشتیم که درس­های زندگی‌اند و کمک می­کنند. یا اینی که گفتید توی دبیرستان چی کار می­کردید و من گفتم واقعا کم‌تر درس می­خوندم، به این لحاظ بود که آدم سعی کنه چند بعدی­تر بار بیاد و این مهارت‌ها هم یاد بگیره. چون برخلاف اینی که فکر می­کنیم فقط مهارت­های درسی نیست که به شما کمک می­کنه، بلکه یک عالمه مهارت­های جانبیه. به لحاظ مدیریت زمانتون و با مردم سر‌و‌کله زدن هست که کمک می­کنه و خب هرچه زودتر این مهارت‌ها رو کسب کنید در زندگیتون، چه حرفه‌ای و چه شخصی شما رو بیش‌تر جلو می­اندازه.

ExperiMental: فکر کنم ما دیگه سوالی نداریم، اگه شما خودتون حرفی دارید، خوشحال می‌شیم که بشنویم.

دکتر نجفی: توی ایران، سیستم آموزشی طوریه که به ما کار گروهی رو یاد نمی‌دن، برخلاف این‌جا که توش کار گروهی خیلی زیاده و در مجموع این‌جا خیلی به یک دانش‌آموز یا دانشجو یاد می‌دن که بنا نیست تو همه چیز رو بلد باشی، بنا اینه که یاد بگیری و چیزهایی که بلدی، یاد بدی. برای همین اون جنبه‌ی از دست دادن اعتماد به نفس و مقایسه کردن زیاد و این‌هایی که ما توی ایران داریم که باعث  یک جور مقایسه و رقابت سمی می‌شه، این‌جا خیلی کم‌تره. یعنی این‌جا آدم‌ها سعی می‌کنند گروهی با هم کار کنند و خیلی نتیجه‌اش بهتره تا این که دونه دونه با هم رقابت کنند. اون‌طوری که آدم مرتب مقایسه می‌کنه، احساس کم‌بود اعتماد‌به‌نفس پیدا می‌کنه و هی فکر می‌کنه از بقیه کم‌تره ولی وقتی این مفهوم یاد گرفتن و یاد دادن باشه، و بنا هم این نیست که توی همه چیز یک نفر خوب باشه؛ هرکس باید ببینه که چه چیزی می‌تونه سر میز بیاره. هر کسی می‌تونه چه contributionای داشته باشه. این باعث می‌شه هرکس insecurity کم‌تری داشته باشه، کار گروهیش بهتر بشه و وقتی می‌بینه یکی توی یک زمینه‌ای ازش بهتره، خودش رو که نمی‌بازه، هیچ،  سعی می‌کنه باهاش همکاری کنه و ازش چیز یاد بگیره و تازه به خودشم اعتماد داره که من می‌تونم توی یک زمینه‌ای یک چیز یاد بدم. یعنی اگه بخوام یک توصیه‌ای کنم، اینه که سعی کنند اون جنبه‌ی رقابت و مقایسه رو کم کنند. داشتن امنیت درونی (security) به این مفهوم نیست که آدم توی همه چی خوب بشه، به این مفهومه که آدم با داشته و نداشته‌اش راضی باشه؛ یعنی بدونه توی یک زمینه‌هایی خوبه و توی یک زمینه‌هایی باید بیش‌تر کار کنه و خودش رو به همین شکلی که هست، بپذیره و بتونه با آدم‌های دیگه کار گروهی انجام بده، یاد بگیره، یاد بده و ارزش رو توی کار گروهی بدونه، نه این که تک‌تک مقایسه کنه و رقابت سمی داشته باشه.  این‌ها چیزهاییه که بهمون یاد نمی‌دن، ولی خیلی خوبه که زودتر سعی کنیم با این دید نگاه کنیم. یاد گرفتن، share کردنش، و برطرف کردن insecurityها. همین، فقط خیلی خوشحالم که دارید این کار رو انجام می‌دید، چون بسیار کار مفیدیه. واقعا دستتون درد نکنه. سوال‌های خیلی خوب و مفیدی هم پرسیدید. یعنی تقریبا می‌تونم بگم که هر چیز مفیدی که من می‌تونم بهش فکر کنم، کاور کردید. موفق باشید.