نادر فلاح: بودجه «عشق کوفی» با مختارنامه قابل قیاس نیست/ آثار مذهبی برایم اولویت دارد

به گزارش خبرنگار فرهنگی ایرنا، عشق کوفی به کارگردانی حسن آخوندپور و تهیه کنندگی سعید سعدی محصول سازمان هنری رسانه‌ای اوج است که پنج‌شنبه و جمعه هر هفته از شبکه سه پخش می‌شود. این سریال روایتگر یک عشق در سال ۶۱ هجری قمری است و از این طریق به واقعه عاشورا نقب می‌زند.

لعیا زنگنه، نادر سلیمانی، سعید شریف، شبنم قربانی، حسین سلیمانی، نادر فلاح، سوگل طهماسبی، مریم کاویانی، مهسا مهجور، محمد اشکان‌فر، مژگان اخلاقی، جمال‌الدین بیات، معصومه زینتی صافی، احسان محسنی کیاسری، عمار تفتی، سیدجواد هاشمی، ثریا قاسمی بازیگران اصلی این سریال هستند.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

نادر فلاح در گفت‌وگو با خبرنگار فرهنگی ایرنا درباره نقش خود (فاضل) در عشق کوفی توضیح داد: من در این سریال نقش مردی به نام فاضل را بازی می‌کنم که یک علوی است؛ شخصیتی متعصب که در بیشتر مواقع از مواضع خودش کوتاه نمی‌آید و سفت و سخت پای عقایدش ایستاده است.

وی ادامه داد: من را آقای سعید سعدی (تهیه کننده) به کار دعوت کرد و وقتی فیلم‌نامه را خواندم همکاری را پذیرفتم؛ اصولا سعی می‌کنم هرسال دست‌کم یک کار را برای امام حسین (ع) انجام دهم و این به باورهای من مرتبط است و بر این اساس پذیرفتم که در عشق کوفی حضور داشته باشم.

بیشتر بخوانید سریال‌های محرمی تلویزیون تکمیل شد/ «عشق کوفی» در «شب آخر» «عشق کوفی» سریال محرمی شبکه سه سیما شد/ پخش از ۲۹ تیرماه تیزر رسمی سریال «عشق کوفی» رونمایی شد

بازی در آثار تاریخی با سریال‌های آپارتمانی فرق دارد

فلاح درباره سختی‌ها و چالش‌های نقش فاضل در عشق کوفی، گفت: کار تاریخی در مقایسه با کاری که داستان آن در زمان حاضر می‌گذرد سخت‌تر است. بخشی از این سختی به دلیل گریم و لباس است و بخشی هم به دلیل فضای‌های فیلمبرداری؛ در این جنس از کارها عموما لباس‌ها زیاد و گریم سنگین است و تحمل آنها دشوار؛ به خصوص اگر در تابستان باشد. مکان‌های فیلمبرداری هم جاهایی است که شن و خاک زیاد است و با شرایط متعارف یک کار آپارتمانی تفاوت دارد؛ ضمن این که متن‌های گفت‌وگو (دیالوگ) هم در کار تاریخی مانند حرف زدن عادی نیست و حفظ کردن و آهنگ کلام را رعایت و درست بیان کردن از جمله دشواری‌های آن است.

وی درباره این که آیا برای صحنه‌های جنگی هم تمرین داشته است یا نه، توضیح داد: آقای خنجری (سرپرست بدلکاران) با من کار خاصی نداشت چون بازیگرانی که سوارکاری و شمشیربازی داشتند کسانی بودند که با اوآموزش دیدند. شخصیت فاضل سوارکاری و جنگ نداشت.

امام حسین (ع) برای ما ایرانیان جایگاهی ویژه دارد

فلاح با اشاره به اهمیت ساخت فیلم و سریال عاشورایی گفت: امام حسین(ع) شخصیت بزرگی در تاریخ است و برای ما ایرانیان جایگاهی ویژه دارد زیرا درس آزادگی و شرافت و مبارزه با ظلم و ستم را به ما و تمام بشریت دادند. بر همین اساس کار مذهبی برای شخص خودم اولویت دارد اما فیلم‌نامه و قصه هم مهم است. به نظرم بسیاری از مردم به دلیل ارادتی که به امام حسین‌(ع) دارند تماشاگر این سریال خواهند بود و فکر می‌کنم اقبال خوبی به آن نشان خواهند داد.

وی درباره استفاده از چهره های کمترشناخته شده برای نقش اصلی در این سریال، گفت: سعید شریف (در نقش هلال) را سالهاست می شناسم. او صدا و چهره خوبی دارد و به نظرم از جمله جوانانی بود که بسیار زودتر از اینها باید به او بها می‌دادند و بسیار خوشحالم که در عشق کوفی نقش اول بازی کرده است. شریف تمام قامت در نقش اصلی شایسته است؛ چون بارها جایگاهش را اثبات کرده و برای کارش بسیار زحمت کشیده است و من در جریان تلاش او هستم. حتی در تمرینات عشق کوفی آسیب دید اما به کارش ادامه داد؛ بسیار خوشحالم که سعید شریف توانست این نقش بازی کند.

بودجه عشق کوفی با مختارنامه قابل قیاس نیست

فلاح درباره قیاس عشق کوفی با مختارنامه هم گفت: این سریال قابل قیاس با مختارنامه نیست چون نه تولید و نه بودجه آن را داشته است. با این حال تمام تلاش برای بالا بودن کیفیت اثر شد و از منظر من عشق کوفی زیبا و جذاب است و امیدوارم مردم هم همین نظر را داشته باشند.

این بازیگر با گلایه از حضور همیشگی چهرهای شناخته شده در تولیدات تصویری خاطرنشان کرد: نمی‌دانم این اصرار برای حضور چهره شناخته شده در یک اثر از کجا نشئت می‌گیرد؟ به هرحال همه چهره‌هایی که امروز شناخته شده هستند زمانی شناخته شده نبوده‌اند و بعد از فرصتی که در اختیارش قرار گرفت، تماشاگر آنها را پذیرفتند.

فلاح گفت: اصرار برای استفاده از چهره‌های شناخته‌شده ممکن است به این موضوع بیانجامد که نتوانیم به بدنه سینما و بازیگری نیروهای تازه اضافه کنیم. سعید شریف به دلیل چهره و بیان، فیزیک و برخورداری از همه ویژگی‌هایی که باید یک نقش اول داشته باشد انتخاب درستی است و احتمالا از نظر تماشاگر برای این نقش پذیرفتنی باشد.

فرهنگ رادیو و تلویزیون ۰ نفر داود نخ کوب نیاسر برچسب‌ها ثریا قاسمی نادر فلاح سیدجواد هاشمی عشق کوفی لعیا زنگنه

منبع: ایرنا

کلیدواژه: ثریا قاسمی نادر فلاح سیدجواد هاشمی عشق کوفی لعیا زنگنه ثریا قاسمی نادر فلاح سیدجواد هاشمی عشق کوفی لعیا زنگنه عشق کوفی شناخته شده سعید شریف نادر فلاح امام حسین

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.irna.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ایرنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۳۳۷۳۹۴ 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:

هوش مصنوعی قادر است بیماری‌های نادر را سال‌ها زودتر شناسایی کند

ایتنا - مطالعه جدیدی نشان می‌دهد که هوش مصنوعی ممکن است بتواند بیمارانی را که سال‌ها زودتر از زمان تشخیص معمول به بیماری‌های نادر مبتلا هستند، شناسایی کند. محققان در Science Translational Medicine گزارش دادند که یک برنامه جدید هوش مصنوعی توانست افراد در معرض خطر ابتلا به یک اختلال ایمنی نادر را شناسایی کند. محققان دریافتند از یک گروه 100 نفری که بر اساس برنامه هوش مصنوعی در معرض بالاترین خطر قرار دارند، 74 نفر به احتمال زیاد به این اختلال مبتلا هستند.

به گفته آنها، این تحقیق نشان می‌دهد که هوش مصنوعی می‌تواند به طور بالقوه به روند بهبود این بیماران کمک کند.

دکتر مانیش بوت، محقق ارشد، در بیانیه‌ای گفت: «افرادی که بیماری‌های نادر دارند ممکن است با تاخیرهای طولانی در تشخیص و درمان مواجه شوند که منجر به آزمایش‌های غیرضروری، بیماری پیشرونده، استرس‌های روانی و بار مالی می‌شود. با استفاده از ابزارهای هوش مصنوعی رویکردی را برای سرعت بخشیدن به تشخیص بیماران تشخیص داده نشده با شناسایی الگوهایی در پرونده الکترونیکی سلامت آنها ایجاد کردیم که شبیه الگوهای بیمارانی است که به این اختلالات معروف هستند.»

محققان بر مجموعه ای از اختلالات به نام نقص ایمنی متغیر رایج یا CVID تمرکز کردند. این اختلالات اغلب برای سال‌ها یا دهه‌ها از تشخیص دور می‌مانند. اختلالات CVID حدود 1 نفر از هر 25000 نفر را تحت تاثیر قرار می‌دهد و به طور معمول باعث کمبود آنتی‌بادی و اختلال در پاسخ‌های ایمنی در بدن می‌شود. به گفته محققان، نه تنها اختلالات CVID نادر است، بلکه علائم می‌تواند بین بیماران بسیار متفاوت باشد و اغلب با بیماری‌های شایع‌تر همپوشانی دارند.

بوت گفت:« علائم بالینی فنوتیپ‌های ایمنی نادر مانند CVID با بسیاری از تخصص‌های پزشکی تلاقی می‌کند.» بیماران ممکن است برای عفونت‌های سینوسی در کلینیک‌های گوش، حلق و بینی مراجعه کنند یا در کلینیک‌های ریه برای پنومونی درمان شوند. این تقسیم مراقبت در میان متخصصان متعدد منجر به تاخیرهای طولانی در تشخیص و درمان می‌شود.»

علاوه بر این، اختلالات CVID اغلب توسط تغییرات تنها در یک ژن از بیش از 60 ژن مرتبط با آنها ایجاد می‌شود. به گفته محققان، این موضوع امکان انجام آزمایش ژنتیکی برای تشخیص قطعی را رد می‌کند.

برای این مطالعه، محققان یک هوش مصنوعی به نام PheNet (فنت) توسعه دادند. این نام به کلمه "فنوتیپ" اشاره دارد که اصطلاح پزشکی برای ویژگی‌های یک بیماری است که در مبتلایان دیده می‌شود. فنت الگوهای فنوتیپ را از موارد تأیید شده CVID می‌آموزد و سپس از این برای رتبه‌بندی خطر ابتلا به این اختلال استفاده می‌کند. فنت میلیون‌ها پرونده الکترونیکی را بررسی کرد و همه بیماران را از نظر خطر ابتلا به CVID بر اساس آنچه آموخته بود رتبه‌بندی کرد.

نتایج نشان می‌دهد حدود 74 درصد از بیماران که PheNet به‌عنوان بالاترین خطر ابتلا به CVID رتبه‌بندی کرده‌اند، بر اساس بررسی‌های بعدی پزشکان، احتمال ابتلا به یکی از این اختلالات را دارند.

بر اساس این نتایج، تیم تحقیقاتی 4 میلیون دلار بودجه از مؤسسه ملی بهداشت برای مطالعه بیشتر برنامه هوش مصنوعی در محیط‌های واقعی دریافت کرده است.

Bogdan Pasaniuc، محقق ارشد و استاد پزشکی محاسباتی، ژنتیک و آسیب شناسی، گفت: «ما نشان دادیم که الگوریتم‌های هوش مصنوعی مانند PheNet می‌توانند با تسریع در تشخیص CVID مزایای بالینی ارائه دهند و انتظار داریم این امر در مورد سایر بیماری‌های نادر نیز اعمال شود. ما اکنون در حال بهبود دقت رویکرد خود برای شناسایی بهتر CVID و در عین حال گسترش به سایر بیماری‌ها هستیم. ما همچنین برنامه‌ریزی خواهیم کرد تا به سیستم یاد دهیم که یادداشت‌های پزشکی را بخواند تا اطلاعات بیشتری در مورد بیماران و بیماری‌های آنها به دست آورد.»