🖥 برخی مهندسان و پژوهشگران #هوش_مصنوعی علاقه چندانی به مباحث وجودشناختی AI ندارند و در بین مباحث #فلسفه_هوش_مصنوعی ، حداکثر مسائل #اخلاق_هوش_مصنوعی را بدلیل آن‌که اوّلاً کاربردی‌تر می‌یابند و ثانیاً توانایی هوش مصنوعی و امکان تحقّق چشم‌اندازهای آتی را به چالش نمی‌کشد، ترجیح می‌دهند.
🖥 این اتفاق البته در میان مهندسان #علوم_کامپیوتر در کشورمان بنحوی شایع‌تر و جدی‌تر وجود دارد و تعاملات بینارشته‌ای فلسفی – فنّی که بین برخی دپارتمان‌ها و دانشمندان غربی در حوزه هوش مصنوعی مشاهده می‌شود در کشور ما تقریباً هیچ نمونه‌ای (ولو تقلیل‌یافته) ندارد.
🎖درباره ضرورت توجه به متافیزیک هوش مصنوعی می‌توان به تأثیر متقابل علمی و تئوریک اشاره کرد. تأملات فلسفی چه در زمانی که رویکرد کلاسیک دیجیتال در پی برنامه‌نویسی‌های کامپیوتری بود و چه در زمانی که نظریات محاسباتی جدید در #پیوندگرایی یا تئوری‌های #بدن_مندی به کار گرفته شد، در هر دو جنبه ارائه تئوری‌های ایجابی برای ساخت هوش مصنوعی و هم در نقد و نقض آن‌ها فعال بوده‌اند.
🎖نظریه محاسباتی کلاسیک ذهن (CCTM) که بعدها توسط فودور – فیلسوف ذهن دانشگاه راتگرز - با نظریه بازنمودگرایی تلفیق گردید، زمینه و پایه تولیدات فنّی و پژوهش‌های دهه 70 پیرامون هوش مصنوعی را شکل داد.
کما این‌که تأملات و انتقادات امثال هابرت #دریفوس (درباره حسّ عمومی و مرتبط بودن) و #جان_سرل (درباره درک زبانی)، چالش‌هایی جدّی پیش روی تئوری‌ها و تکنیک‌های ساخت هوش مصنوعی قرار داد.
این تعاملات فلسفی – فنّی با زمستان هوش مصنوعی در دهه 80 و ورشکستگی کمپانی‌ها تکمیل شد و دوره جدیدی را با تئوری‌هایی متفاوت رقم زد.
🎖در دوره جدید نیز تئوری‌های پیوندگرایی و بدن‌مندی با چالش‌هایی جدی از سوی فیلسوفان مواجه بوده‌اند. دریفوس در دهه 70 و در مقاله پر ارجاع What Computers Can't Do استدلال میکرد که توانایی ما در تعامل با دیگران، یک نوع مهارت غیر توصیفی و تجربه‌ای از سنخ دانستنِ چگونگی (know how) و دانستنِ گزاره‌ای است که قابل تقلیل به کدگذاریهای گزاره‌ای در برنامهنویسی نیست.
🎖او در سال 1999 و در کتاب What Computers Still Can't Do توانایی شبکه‌های نورونی پیوندگرا که بر پایه دسته‌بندی رفتارها برنامه‌ریزی می‌شود را نیز به چالش کشید.
دستگاه‌های پیوندگرا قادر به تعمیم هستند و هرگاه با یک الگوی ورودی جدید - که از نوع الگوی تمرین‌شده قبلی است – مواجه می‌شوند، خروجی‌ای مشابه تولید خواهند کرد. دریفوس و حامیانش اما اشکال مرتبط بودن را در اینجا نیز تکرار می‌کنند: «از یک نوع بودن» در دسته‌بندی و تعمیم رفتارها را چه چیزی مشخّص می‌کند؟
به اعتقاد این‌ها مدل‌سازی نمی‌تواند جلوی تعمیم‌های ناجور و بی‌جا را بگیرد. کما این‌که اشکال اتاق چینی سرل درباره درک زبانی کامپیوترهای دیجیتال، در برابر شبکه‌های پیوندگرا نیز قابل بازسازی است و پاسخ روبات وی (Robot Reply) هم در برابر رویکرد بدن‌مندی.
🎖توجه به مباحث فلسفی هوش مصنوعی نه تنها اشکالات و نواقص نظریه‌های رایج در ساخت روبات‌ها را گوشزد می‌کند، بلکه حتی می‌تواند به رویکردهای جدیدی در تولید #آگاهی_مصنوعی بینجامد. از جمله نظریه #حدوث_جسمانی آگاهی در #علم_النفس #ملاصدرا که زمینه را برای امکان و بلکه شیوه تولید #آگاهی در شبکه‌های نورونی مصنوعی متناسب با شبکه‌های نورونی طبیعی، فراهم می‌آورد.
@PhilMind
🎈 طبق دیدگاه #دانیل_دنت در کتاب Consciousness Explained، آگاه بودن تماماً عبارتست از اجرای یکدست برنامه یا برنامههای خاص در یک ماشین موازی که در طبیعت به تکامل رسیده است.
مهم است توجّه داشته باشیم از آنجا که دنت، اساسا وجود #کوالیا و #آگاهی_پدیداری را انکار می‌کند، نیازی به استدلال بیشتر برای حمایت از #هوش_مصنوعی_قوی نمی‌بیند.
🎈 دنت در برابر استدلال #امکان_زامبی (که می‌گوید: المثناهای فیزیکی ما که فاقد حس درونی و آگاهی پدیداری باشند، بنحوی منسجم تصورپذیرند و در نتیجه امکان وقوعی دارند، پس آگاهی فراتر از فیزیک است)، تصریح دارد که امکان ندارد چنین زامبیهایی وجود داشته باشند. به بیان او، هر ماشینی - صرفنظر از آن‌که از چه موادی درست شده - اگر دقیقاً شبیه ما رفتار می‌کند، پس باید همانطور که درباره ما صادق است، دارای آگاهی نیز باشد.
🎈 شاید به نظر برسد او دارد ادّعا می‌کند زامبیهای به قدر کافی پیچیده، در حقیقت زامبی نیستند؛ بلکه حالات آگاهانه درونی را دقیقاً شبیه ما دارند. اما این قطعاً ادّعای او نیست. در واقع دیدگاه وی اینست که ما هم زامبی هستیم و هیچ تفاوتی بین ما و ماشینهای فاقد حالات آگاهانه وجود ندارد.
🎈 به اعتقاد او درد نام یک احساس نیست؛ بلکه خیالات عقیممانده و امیدهای شکستخورده است و این ایده که زامبیها «رنج میبرند»، هیچ تفاوتی با رنج آگاهانه ما ندارد.
🎈 نکته استدلال #اتاق_چینی از سوی #جان_سرل این بود که نحو برنامه برای محتوای معناشناختی موجود در ذهن انسان چینی زبان، کافی نیست.
سرل می‌پرسد: چرا دنت با استدلال آنگونه که من طرح کردهام، مواجه نمیشود؟ چرا او به ما نمیگوید کدامیک از سه مقدّمه استدلال اتاق چینی را ردّ می‌کند؟
این مقدّمهها خیلی پیچیده نیستند:
الف) برنامههای محاسباتی بر اساس نحو هستند،
ب) ذهنها دارای محتوای معناشناختی هستند،
ج) نحو فینفسه، معادل با یا کافی برای محتوای معناشناختی نیست.
🎈 سرل اعتقاد دارد پاسخ روشن است؛ دنت استدلال صوری را دنبال نمیکند، زیرا در آن حالت باید بپذیرد که مقدّمه دوم را ردّ می‌کند. او براساس فرضیهاش مجبور است انکار کند که اذهان دارای محتوای ذاتی معناشناختی هستند. (See: Searle, J., 1997, The Mystery of Consciousness, pp. 106-109)
🎈 اکثر کسانی که از هوش مصنوعی قوی دفاع می‌کنند، فکر می‌کنند که کامپیوترها هم مانند ما دارای محتوای ذهنیاند و به اشتباه، دنت را نیز همراه خویش میانگارند. حال آن‌که دنت فکر نمیکند کامپیوترها دارای محتوای ذهنی باشند؛ زیرا او فکر نمیکند که اساساً چیزی به نام محتوای ذهنی وجود داشته باشد.
🎈 در واقع بدنبال اشکالاتی که به دیدگاه‌های تقلیل‌گرایانه در باب ذهن و #آگاهی مطرح شد، دنت و همراهان او دیدگاه #حذف_گرایی (#eliminativism) را برای حذف صورت مسئله آگاهی مطرح کردند که البته در میان فیلسوفان با اقبال چندانی مواجه نشده است. این دیدگاه اساسا وجود چیزی بنام کوالیا یا حالات پدیداری سابجکتیو را در حد توهم می‌داند و در نتیجه نیازی هم برای تبیینش نمی‌بیند؛ البته توهمی که برای عبور از مراحل تکامل زیست‌شناختی، کارآمد بوده است.
@PhilMind
فعلا قابلیت پخش رسانه در مرورگر فراهم نیست
مشاهده در پیام رسان ایتا
❄️ دونالد هافمن - استاد شناخته‌شده دانشکده #علوم_شناختی دانشگاه ایروین کالیفرنیا - از فواید و ناکارآمدی‌های #نظریه_محاسباتی_ذهن (Computational Theory of Mind: CTM) می‌گوید👆
❄️ اشکالات مختلفی در کانتکست فلسفی علیه #نظریه_محاسباتی مطرح شده؛ از جمله آزمون #اتاق_چینی از سوی #جان_سرل که درک معنا و #حیث_التفاتی را در رویکرد محاسباتی و #هوش_مصنوعی زیر سؤال می‌برد، و اشکال #مسئله_چارچوب (frame problem) یا حس عمومی (common sense) از سوی #هیوبرت_دریفوس که #تجربه_پدیداری را پیشامفهومی و فراتر از معرفت‌های گزاره‌ای می‌داند.
❄️ هافمن در اینجا از تقلیل یا تبیین کارکردگرایانه در رویکرد محاسباتی سخن می‌گوید.
طبیعتاً اگر #آگاهی را اینهمان با/ یا حتی برآمده از کدهای برنامه‌ای و کارکردها در مغز بدانیم، مدل‌های محاسباتی و رویکردهای رفتارگرا در ساخت #روبات می‌تواند نویدبخش چشم‌انداز #هوش_مصنوعی_قوی و تولید مصنوعی آگاهی باشد.
اما اگر استدلال‌ها علیه این تبیین کارکردی را قابل توجه بدانیم، باید بدنبال رویکردهای جایگزین در هوش مصنوعی و #آگاهی_ماشین باشیم که - برخلاف #پیوندگرایی - مجددا ذیل رویکرد محاسباتی قرار نگیرد.
@PhilMind