🔸آنیل سث - استاد #علوم_اعصاب دانشگاه Sussex انگلستان - از ایده توهمی‌بودن تمام تجربیات آگاهانه ما (تجربیات‌مان از جهان و حتی از خودمان) سخن می‌گوید. البته از چند نمونه تجربیات اشتباه، تعمیم به کل تجربیات را استنتاج می‌کند. 🔸اما مطابق معمول بین توهمی‌بودن «محتوای» برخی تجربیات (اشتباه در ادراک بصری رنگ در موقعیتی خاص، یا اشتباه در ادراک اعضای بدن‌مان)، توهمی‌بودن اصل آن احساس پدیداری نتیجه‌گیری می‌شود. 🔸نکته مهم دیگر آنست که «حدس‌زدن» بر پایه «باورها» و «توقعات» نسبت به جهان، همگی حالات ذهنی آگاهانه هستند که وی در تبیین تولید #آگاهی توسط #مغز، استفاده می‌کند. این‌ها بکارگیری آگاهی در تبیین آگاهی است! و در واقع یادآور اشکال آدمک ذهنی در مسئله #حیث_التفاتی که در ادبیات فلسفه ذهن و در موارد مشابه بحث شده است. نیاز به آدمک ذهنی دارای حالات آگاهانه، برای تبیین حالت آگاهانه. که تبیین حالات آگاهانه آن آدمک ذهنی هم مستلزم آدمکی دیگر در ذهن خود اوست و ... . 🔸بنحوی دیگر هرگونه نظریه مبتنی بر #پردازش_اطلاعات، می‌تواند بوسیله نسخه‌ای از استدلال #اتاق_چینی جان سرل به چالش کشیده شود؛ اتاقی که یک نفر تمام سیگنال‌های اطلاعاتی را بدون درک آنها دریافت و براساس دفترچه راهنما، پاسخ متناسب را بیرون می‌دهد. اما هیچ درک اول‌شخص از این پاسخ ندارد. فرآیندهای محاسباتی را می‌توان بنحوی که مستلزم آگاهی نباشند، بازسازی کرد. @PhilMind

💥آنچه از پردازش اطلاعات متناظر با #awareness (اطلاع) در #نوروساینس دانسته شده، در واقع آن دسته از محتواهای اطلاعاتی است که برای کنترل سرتاسری در دسترس سیستم است. مستقیما گزارش‌پذیر و در دسترس کنترل رفتار و تصمیم‌گیری و ... . 💥مفهوم awareness بدین‌ترتیب یک مفهوم کاملا کارکردی (functional) است. این در حالی‌ست که #Consciousness (#آگاهی/هشیاری) با حس و حال درونی و تجربه پدیداری سروکار دارد. مثلا شخص در اثر #ادراک_بصری (visual perception) محیط، یکسری اطلاعات درباره ابژه‌های اطراف دریافت می‌کند و نحوه تعاملات و رفتارش را براساس این داده‌های دریافتی تنظیم می‌کند. اما علاوه بر این جنبه‌های کارکردی، او یک حس و حال سابجکتیو هم از مشاهده سبزی چمنزار و آبی آسمان و ... تجربه می‌کند. 💥در همین مثال ادراک بصری، مجموعه‌ای از پردازش اطلاعات مرتبط با شباهت‌ها و تفاوت‌های ادراکات، ساختار هندسی میدان بصری و ابژه روبرو، شدت نسبی ادراک، مکان ادراک و ... در نواحی مختلف #مغز اتفاق می‌افتد که در واقع خصیصه‌های ساختاری ادراک بصری است. این اطلاعات بنحوی گسترده در دسترس شخص و قابل گزارش شفاهی توسط اوست. 💥ولی اگر تمام این فرآیندهای #پردازش_اطلاعات در مغز آن شخص و محتواهای گزارش‌پذیر متناظر با آن‌ها در اختیار ما قرار گیرد، نمی‌توانیم ماهیت پدیداری تجربه او را درک کنیم. چراکه تمام ویژگی‌های تجربه ادراک رنگ‌ها، از سنخ ویژگی‌های ساختاری نیستند. به یاد بیاوریم که در نمونه‌های طیف معکوس (شخصی که مثلا رنگ زرد را آبی و آبی را زرد می‌بیند)، تمام این ویژگی‌های ساختاری یکسان است. او موز رسیده را آبی می‌بیند، اما در قیاس با انسان‌های نرمال، همان مکان ادراک و ساختار هندسی ابژه و میدان و شدت نسبی ادراک و ... مشابه را دارد. 💥این در واقع بیان دیگری از آزمایش فکری اتاق مری است که مری - دانشمند خبره نوروساینس - تمام عمرش را در اتاقی سیاه و سفید گذرانده و تمام حقایق نوروفیزیولوژیک درباره ادراک بصری را بخوبی می‌داند. اما پس از بیرون آمدن از این اتاق و اولین مواجهه با چمنزار سبز، درک جدیدی از مشاهده سبزی دارد که از طریق فرآیندهای عصب‌شناختی و مفاهیم ساختاری/کارکردی قابل درک نبود. 💥این البته غیرمنتظره نیست. دانش روزافزون بشر درباره #همبسته‌های_عصبی حالات ذهنی، یک معرفت سوم‌شخص و ابجکتیو از یک حقیقت اول‌شخص و سابجکتیو است. متد #علوم_شناختی اساسا راهی فراتر از awareness - که مربوط به جنبه‌های کارکردی و قابل مشاهده سوم‌شخص است - ندارد. این یافته‌ها کاملا سودمند و قابل استفاده در عرصه‌های مختلف انسانی و فنی است. اما در نهایت باید به خاطر داشت که تقلیل Consciousness به awareness یا جایگزین کردن اولی با دومی، کمکی به حل #مسئله_دشوار آگاهی نمی‌کند. @PhilMind

🧩 یک نتیجه قطعی از یافته‌های #نوروساینس اینست که بین تجربیات آگاهانه درونی و فرآیندهای مغزی، همبستگی (#correlation) وجود دارد. و تقریبا قطعی بنظر می‌رسد که هر نوع خاص از تجربیات اول‌شخص، با گونه‌ای خاص از فعالیت‌های نورونی همبسته است؛ تجربه e1 با فرآیند عصبی n1 همبسته است، تجربه e2 با فرآیند عصبی n2 و ... . 🧩 اما آیا این یافته‌ها برای تبیین #آگاهی کافی‌اند؟ در این‌جا گروهی از دانشمندان (به پیشتازی دانیل #دنت) اساسا منکر وجود پدیده اول‌شخص شده‌‌اند و تمام حقیقت آگاهی را همان کارکردهای مغزی و بدنی دانسته‌اند. گروهی دیگر (طرفداران اینهمانی)، داده‌های اول‌شخص را به داده‌های سوم‌شخص تقلیل می‌دهند. ایشان منکر وجود #تجربه_درونی نیستند، اما آن را دقیقا معادل همین همبسته‌ها یا کارکردهای عصب‌شناختی (مثلا #پردازش_اطلاعات و ...) تعریف می‌کنند. 🧩 منظر علوم تجربی اساسا منظری سوم‌شخص و ابجکتیو است و وقتی به سراغ مطالعه پدیده‌ای می‌رود که ماهیتا منظری اول‌شخص و سابجکتیو دارد، یک تفاوت متدولوژیک بکار گرفته می‌شود که در نهایت تبیین پدیده مورد مطالعه را مناقشه‌برانگیز می‌سازد. استدلال‌های فلسفی مختلفی در این‌باره ارائه شده که می‌توان به مقاله حس و حال خفاش‌بودن (what it is like to be a bat) از تامس نیگل، مقاله "آنچه مری نمی‌دانست" از فرانک جکسون، مقاله "نامگذاری و ضرورت" از سول کریپکی، استدلال «امکان زامبی» و ... اشاره کرد که قبلاً در این کانال بدان‌ها پرداخته‌ایم. 🧩 بنظر می‌رسد برای حرکت به سمت دانشی تجربی درباره آگاهی (a science of #consciousness) باید این شکاف بین داده‌های اول‌شخص (درباره تجربیات آگاهانه) و داده‌های سوم‌شخص (درباره فرآیندهای عصب‌شناختی) را به رسمیت شناخت و بجای انکار پدیده اول‌شخص یا تقلیل غیرموجه آن به یافته‌های سوم‌شخص، بدنبال شناسایی و فرمولیزه‌کردن ارتباط بین این دو سطح از داده‌ها بود. 🧩 به بیان #چالمرز، در جایی که بین دو دسته از داده‌ها هم‎‌تغییری سیستماتیک وجود دارد، می‌توانیم انتظار اصولی سیستماتیک داشته باشیم که زیربنا و تبیینی برای این هم‌تغییری باشند. در مورد آگاهی، می‌توان انتظار اصول پل‌زننده (bridging principles) را داشت که زیربنا و تبیین هم‌تغییری بین داده‌های سوم‌شخص و داده‌های اوّل‌شخص را فراهم آورد. یک نظریه تجربی درباره آگاهی در نهایت نظریه‌ای درباره این اصول خواهد بود. @PhilMind

❓#هوش_مصنوعی از یک ایده جذاب در کنفرانس کالج دارموث (۱۹۵۶) آغاز گردید: #مغز می‏تواند بمثابه یک پردازشگر اطلاعات لحاظ شود. دیدگاه #پردازش_اطلاعات چشم‏انداز جدیدی را درباره مغز ایجاد کرد و شبکه‏های نورونی را بمثابه دستگاه‏هایی مطرح ساخت که قادر به حفظ و انتقال اطلاعات هستند. ❓در نتیجه پرسش مهندسان هوش مصنوعی این شد که مغزهای زنده به چه نوعی از پردازش اطلاعات نیاز دارند تا رفتارهای هوشمندانه عجیبی که ما معمولاً در ارگانیسم‏ها می‏بینیم را بروز دهند؟ مثلاً چه ساختارها و فرآیندهای اطلاعاتی لازم است تا چهره یک شخص را در کسری از ثانیه بیرون بکشد؟ چه نوعی از پردازش اطلاعات ضرورت دارد تا یک جمله زبان طبیعی را با تمام ابهامات و ساختار نحوی پیچیده‏اش، تجزیه و تفسیر کند؟ طرحی برای دستیابی به یک عملکرد تعاملی پیچیده، چگونه برنامه‏ریزی و چطور اجرا و تنظیم می‏شود؟ ❓در ابتدا این‏گونه تصوّر می‏شد که شاید برخی اصول ساده و عمومی – مانند معادلات نیوتن – وجود داشته باشد که تمامی جنبه‏های هوش را تبیین کند. اما بتدریج آشکار گردید که هوش با حجم سنگینی از اطلاعات بشدت پیچیده و پردازش‏های چندلایه سروکار دارد. ❓البته با این وجود، بسیاری از محقّقان هوش مصنوعی در رشته‏های فلسفه، #نوروساینس و روان‏شناسی اعتقاد ندارند که چنین حجمی از پیچیدگی برای دستیابی به هوش مصنوعی، ضرورت داشته باشد. آن‏ها امیدوار به برخی میان‏برها هستند که عملکرد سخت سیستم بینایی امروز – با استفاده از تعداد بسیار زیاد الگوریتم‏ها و محاسبات سنگین جهت فیلتر و بخش‏بندی و جمع‏آوردن جریان‏های ورودی و تنظیم آن‏ها - را دور بزند. یا مثلاً برخی از آن‏ها اعتقاد دارند پردازش‏های زبانی نمی‏توانند پیچیده باشند؛‌ چون توسّط مغزهای ما بدون زحمت و با سرعت عالی انجام می‏گیرد. ❓در مقابل برخی مهندسان هوش مصنوعی بر موضوعیت پردازش‌های پیچیده اصرار دارند و می‌گویند شاید ما به زمان بیشتری نیاز داشته باشیم تا همگان بر این تمرکز کنند که فرآیندهای پیچیده پردازش اطلاعات، چگونه می‏توانند باشند (بجای آن‏که استدلال کنند آیا فرآیند پردازش اطلاعات با مطالعات هوش مرتبط هست یا نه). ❓در برابر دیدگاه‌های اطلاعاتی، جان سرل – فیلسوف شناخته‌شده - یک تمایز مهم بین نیروهای علّی سیستم عصبی برای تولید حالات ذهنی با نیروهای علّی سیستم عصبی برای تولید روابط ورودی – خروجی را برجسته می‌سازد. او اوّلی را نیروهای علّی پایین به بالای مغز می‏نامد و درباره غلط‏بودن این ایده که دومی برای ذهن‏مندی موضوعیت دارد، استدلال می‏آورد. وجود علیّت ورودی – خروجی، #روبات را قادر به کارکردهای عملی در جهان می‏گرداند. چنین روباتی می‌تواند یکسری رفتارها و کارکردهای شبیه انسان را از خود به نمایش بگذارد. اما به تعبیر سرل، این‌ها دلالتی بر وجود علیّت پایین به بالا – که حالات ذهنی را ایجاد می‏کند – ندارد. بلکه یک روبات موفّق می‏تواند بکلّی زامبی (فاقد حالات درونی) باشد. ❓بدین‌ترتیب برخلاف نگرش‌های کارکردگرایانه که صرفا بر پردازش اطلاعات ورودی و خروجی تمرکز کرده و ماده سازنده پردازشگر سیستم را فاقد اهمیت می‌داند، نوظهورگرایانی مانند سرل برای بیوشیمی مغز و ساختار شکل‌دهنده آن موضوعیت قائل‌اند که علت بروز #آگاهی در سطحی #نوظهوریافته می‌شود. ❓هرچند که بنظر می‌رسد علاوه بر ساختار نوروبیولوژیک، الگوی پردازش‌های اطلاعاتی نیز در ظهور #آگاهی_پدیداری دخالت دارد و نوظهورگرایان باید بسمت دیدگا‌ه‌هایی بروند که ظهور و جهش آگاهی را بر پایه‌ای مرکب از ساختار پردازشگر و الگوی پردازش تعریف می‌کند؛ چه مانند سرل این آگاهی نوظهوریافته را همچنان پدیده‌ای فیزیکی در نظر بگیریم (نوظهوریافتگی ضعیف) یا پدیده‌ای غیر فیزیکی (نوظهوریافتگی قوی). @PhilMind

🔥کریستوف #کوخ (چهره #نوروساینس) در این گفتگو👆 از ایده بنیادی‌بودن #آگاهی (نوعی #پنسایکیزم) دفاع می‌کند. 🔥دیوید #چالمرز (از لیدرهای پنسایکیزم) هم مانند کوخ نسبت به تئوری یکپارچه‌سازی اطلاعات (#IIT) سمپاتی دارد و بین پیچیدگی‌های #پردازش_اطلاعات و رخداد #تجربه_آگاهانه، ارتباط منسجمی برقرار می‌سازد. 🔥کوخ در اینجا از تفاوت بین بخش‌های مختلف #مغز در ارتباطشان با آگاهی نتیجه می‌گیرد که فقط تعداد نورون‌ها در پیچیدگی لازم برای ایجاد آگاهی کافی نیست و چیزی بنیادین باید وجود داشته باشد. او به همین دلیل #نوظهورگرایی (#emergentism) را درست نمی‌داند. 🔥اما در تاریخ فلسفه هرگاه پس از تلاش‌های بسیار برای تبیین پدیده‌ای به مشکل برخورده‌اند، یک راه‌حل پیشنهادی، بنیادین دانستن آن پدیده بوده تا نیاز به تبیین براساس چیز دیگری نداشته باشد. 🔥چه بسا طرفدار نوظهورگرایی در پاسخ کوخ بگوید آن حد از پیچیدگی که در سطح پایینی برای ظهور آگاهی لازم است، فقط وابسته به تعداد نورون‌ها یا حتی حجم پردازش اطلاعات نیست و عوامل دیگری هم دخالت دارند. چه عواملی؟ نوظهورگرا آن را موکول به پیشرفت دانش تجربی می‌کند و پنسایکیست به امر بنیادین ارجاع می‌دهد. بنظر می‌رسد هر دو ناکامی‌هایی دارند. @PhilMind

🧠 #مسئله_دشوار آگاهی حتی وقتی انجام تمام کارکردهای مرتبط را تبیین کردیم، همچنان برقرار است. مثلاً برای تبیین #گزارش_پذیری کافیست توضیح بدهید چطور یک سیستم می‌تواند کارکرد تهیه گزارش از حالات درونی خود را انجام دهد. برای تبیین #دسترسی_درونی، نیاز به توضیح این داریم که چطور یک سیستم می‌تواند اطلاعات درباره حالات درونی‌اش را در هدایت رفتارهای بعدی به کار گیرد. برای تبیین #یکپارچه_سازی_اطلاعات و #کنترل_رفتار، لازم است توضیح دهیم که چطور فرآیندهای مرکزی یک سیستم می‌توانند اطلاعات را جمع‌آوری کرده و در تسهیل رفتارهای گوناگون مورد استفاده قرار دهند. 🧠 چطور انجام یک کارکرد را تبیین می‌کنیم؟ با مشخص کردن فرآیندی که آن کارکرد را به انجام می‌رساند. برای انجام این کار، #مدل_سازی_شناختی و نوروفیزیولوژیک، کاملاً مکفی است. اگر به دنبال تبیینی با جزئیات عینی هستیم، می‌توانیم فرآیندهای عصبی مسئول انجام این کارکردها را مشخص سازیم. و اگر یک تبیین انتزاعی‌تر نیاز داریم، می‌توانیم فرآیندی در قالب تعابیر محاسباتی ارائه دهیم. در هر صورت یک تبیین کامل و قانع‌کننده به دست خواهد آمد. وقتی آن فرآیند عصبی یا محاسباتی را مشخص کردیم که کارکرد مثلاً گزارش شفاهی را به انجام می‌رساند، عمده کار تبیین گزارش‌پذیری به سرانجام رسیده است. 🧠 اما وقتی رویکرد فوق به #تجربه‌_آگاهانه می‌رسد، این دست تبیین‌ها هم به شکست می‌انجامد. البته جنبه پدیداری تجربه در بسیاری موارد با #پردازش_اطلاعات و جنبه‌های کارکردی نیز همراه است. مثلاً هنگام #ادراک_بصری، چرخه‌ای از پردازش اطلاعات و تعاملات کارکردی در #مغز و بدن ما وجود دارد. رویکرد #علوم_شناختی برای تبیین ساختارها و کارکردها، حتما در تبیین این جنبه از #ادراک_حسی کارآمدی دارد. ولی علاوه بر این، ما یک جنبه درونی و سابجکتیو هم در ادراک بصری فوق داریم که مثلاً همان کیفیت ادراک سبزی چمنزار و لذت سابجکتیو همراه با این ادراک است. به تعبیر تامس نیگل، چیزی وجود دارد که حس و حال بودن در این حالت آگاهانه است. شناسایی ساختارها و کارکردهای نوروبیولوژیک برای تبیین این جنبه از ادراک حسی، عمیقاً ناکافی و ناامیدکننده به نظر می‌رسد. 🧠 توانایی تمایزگذاری و واکنش به محرک‌های محیطی، یکپارچه‌سازی اطلاعات، گزارش‌پذیری حالات ذهنی، توانایی سیستم برای دسترسی به حالات درونی‌اش، تمرکز توجه، هدایت و کنترل ارادی رفتار، ... این‌ها همگی جنبه‌هایی مرتبط با #آگاهی هستند که با پردازش اطلاعات و شناسایی ساختارها و کارکردها قابل توضیح‌اند. از این‌رو آن‌ها را مسائل آسان آگاهی نامیده‌اند. اما #آگاهی_پدیداری که با جنبه اول‌شخص احساسات و هیجانات و ... سروکار دارد، با این متدولوژی تحقیقاتی رام‌شدنی به نظر نمی‎‌رسد و شاید احاله به پیشرفت‌های آتی #نوروساینس هم بی‌معنا باشد. مادام که متدولوژی تحقیقات ما بر روی کشف ساختارهای نورونی مرتبط و کارکردهای مغزی-بدنی تمرکز دارد، دشوار است که تصور کنیم به تبیین #تجربه_پدیداری راه خواهد یافت. 📚 برگرفته از کتاب The Character of Consciousness نوشته #دیوید_چالمرز @PhilMind

💥برخی مدافعان #تقلیل_گرایی درباره #آگاهی، #تجربه_پدیداری را هم از قبیل حیات می‌دانند. تا مدتها طرفداران #اصالت_حیات (#vitalism) قائل به روح حیوانی یا چیزی شبیه آن، بعنوان وجه تمایز موجودات زنده و غیر زنده بودند. #دنیل_دنت که از پیشروان #حذف_گرایی (توهمی بودن جنبه کیفی آگاهی) است هم بر چنین تشابهی تأکید دارد👆 💥اما فارق مهمی که در این قیاس وجود دارد، کارکردی بودن ماهیت حیات است؛ حیات موجود زنده را کارکردهایی مانند تولید مثل و رشد و تغذیه و ... شکل می‌دهد و اساسا حیات، چیزی ورای این کارکردها نیست. آگاهی اما علاوه بر جنبه کارکردی، یک‌ جنبه کیفی و پدیداری هم دارد که در منظر سابجکتیو و اول‌شخص، تجربه می‌شود. 💥مثلا #ادراک_حسی یا #عواطف فقط در دریافت و #پردازش_اطلاعات محیط، #گزارش_پذیری، هدایت و #کنترل_رفتار و ... خلاصه نمی‌شود. بلکه علاوه بر این‌ها - که با عنوان #آگاهی_دسترسی (#AccessConsciousness) یا #آگاهی_اطلاعاتی می‌شناسیم - یک جنبه کیفی و درونی هم دارد: #آگاهی_پدیداری (#PhenomenalConsciousness) 💥هر تلاش علمی که بدنبال تقلیل/ تبیین دومی به/ با اولی باشد، صرفا صورت #مسئله_دشوار را پاک می‌کند. @PhilMind

❇️ مایکل گرازیانو - استاد #نوروساینس و روانشناسی دانشگاه پرینستون - در این گفتگو از دیدگاه #حذف_گرایی دفاع می‌کند👆 ❇️ طبق نظر حذف‌گرایان (#دنیل_دنت و گرازیانو و ...)، اساسا تجربه پدیداری وجود واقعی ندارد و توهمی بیش نیست. آن‌چه واقعا بعنوان آگاهی وجود دارد، همین جنبه‌های اطلاعاتی و کارکردی است؛ یعنی دریافت و #پردازش_اطلاعات و خروجی‌های زبانی و رفتاری مرتبط با آن. لذا بحث درباره جنبه سابجکتیو و تجربه درونی را باید کنار گذاشت. ❇️ از این منظر #هوش_مصنوعی هم دارای آگاهی‌ست و می‌توان بزودی به آپلودکردن #مغز و #آگاهی انسان‌ها در کامپیوتر هم رسید. نه بدین معنا که روبات‌ها و کامپیوترها #تجربه_پدیداری دارند یا خواهند داشت؛ بلکه بدین معنا که خود ما هم چنین چیزی نداریم و آگاهی (#consciousness) را باید در حد مطلع بودن (#awareness) فروکاست؛ در حد پردازش اطلاعات و دسترسی‌پذیری و گزارش‌پذیری و هدایت رفتار و ...؛ به بیان گرازیانو، در حد توجه و توصیفات این توجه. ❇️ دیدگاه حذف‌گرایی البته اقبال چندانی در میان فیلسوفان ندارد؛ چراکه مبتنی بر انکار امر شهودی و همگانی‌ست. ضمن اینکه توهمی‌بودن پدیده سابجکتیو، بسیار چالش برانگیز می‌نماید. توهم در مورد ادراک امر آبجکتیو از لحاظ مثلا تطبیق محتوای ادراک با دنیای خارج، سنجیده می‌شود. اما توهم بمعنای عدم تطابق محتوای تجربه درونی با جهان سابجکتیو عجیب است. و اینکه آیا توهم #حالات_پدیداری مختلف، خودش یک حالت ذهنی پدیداری نیست؟ @PhilMind

برون‌گرایی تجربه پدیداری 1 🌏 پاتنم در مقاله "معنای معنا"، یک آزمون فکری با استفاده از همزاد زمین مطرح می‏کند؛ زمینی که از هر جهت دقیقاً ‌شبیه زمین واقعی است؛ فقط با این تفاوت که مایع شفاف و بی‏رنگ و بی‏بویی که از ابرها می‏بارد و «آب» نامیده می‏شود، دارای ترکیب مولکولی XYZ است و نه H2O. اسکار در زمین واقعی و همزاد اسکار در همزاد زمین، بلحاظ درونی مولکول به مولکول شبیه هم هستند و حتی تاریخچه و سوابق علّی یکسانی هم دارند. پاتنم بنحوی مقبول استدلال می‏کند که وقتی همزاد اسکار در همزاد زمین، واژه «آب» را به كار می‌برد، همان معنایی را نمی‏دهد که برای اسکار در زمین واقعی دارد. «آب» برای همزاد اسکار، به معنای مایعی با ترکیب مولکولی XYZ است و برای اسکار به معنای مایعی با ترکیب مولکولی H2O (ولو این‏که هیچکدام از آن‏ها اطلاعی از ترکیب‏های مولکولی نداشته باشند). 🌍 بنابراین با این‏که تمامی وضعیت‏های دروني اسکار و همزاد اسکار، یکسان و مشترک بود، معنای واژه «آب» برای آن دو متفاوت گردید، و این تفاوت از اختلاف بیرونی و محیطی ناشی می‏شود. نتیجه استدلال پاتنم آنست که باورهاي ما درباره انواع طبیعی، #محتوای_وسيع (برونگرا) دارند و صرفاً به آنچه در درون ذهن‌ها و سرهاي ما رخ مي‌دهد، وابسته نيستند و نمی‏توانند صرفاً بر حالات نوروفیزیولوژیک یکسان‏مان سوپروین شوند (Putnam, 1975, "The Meaning of Meaning"). البته پاتنم خود در برون‌گرایی معنا متوقف می‏ماند، اما تایلر برج چند سال بعد، به سادگی استدلال وی را به #برون_گرایی_محتوا هم تعمیم داده است. 🌎 یکی از مهم‏ترین انگيزه‌های فیلسوفان برای پذيرش #برون_گرایی، استدلالی‌ست كه بواسطه آزمون‌هاي فكري پاتنم و بِرج تثبيت شد. بعنوان مثال لایکن در مواجهه با رویکرد درون‌گرايانه هورگان و تینسون، از همین آزمون بهره می‏گیرد. هورگان و تینسون #تجربه_پدیداری را مبتنی بر حالات درونی شخص ادراک‏کننده می‏دانند، و نقش ویژگی بیرونی را صرفاً در حد علت ایجادکننده حالت درونی، به رسمیت می‏شناسند. طبق این دیدگاه، اگر حالت درونی مذکور به هر نحو دیگری – حتی مغز در خمره - هم تحقق یابد، تجربه‌ی آگاهانه ظاهر خواهد شد. طبق تبیین ایشان، عوامل محیطی، علّت دور تجربه‏های حسی بشمار مي‌آيند که بوسیله تحریکات فیزیکی در سیستم ادراکی بدن تأثیرگذارند. این تأثیرات بوسیله تکانه‏های نورونی - که حاصل عبور داده‏ها از گیرنده‏های حسی بدن است – پدید می‏آیند. بنابراین تجربه آگاهانه شما می‏تواند دقیقاً بلحاظ پدیداری مشابه الان باشد، حتی اگر علل بیرون از مغز که باعث فعالیت‏های نورونی می‏شوند، کاملاً متفاوت از چیزی باشند که الان هستند. فقط کافیست فعالیت‏های درونی سیستم نورونی، مشابه و یکسان باقی بمانند. (Horgan & Tienson, 2002, "The Intentionality of Phenomenology and The Phenomenology of Intentionality"pp.526-527). 🌏 لايكن در اعتراض به اين ديدگاه خاطرنشان مي‌كند كه در آزمون پاتنم نیز تمام زنجیره‏های علّی بین ابژه بیرونی و سیستم ادراکی درونی، ميان اسكار و همزاد اسكار يكسان است، و حالات درونی آن‏ها هم کاملاً مشابه است. پس اگر در مثال پاتنم مي‌پذيريم كه بدليل تفاوت در محيط، محتوای باورها متفاوت مي‌شود، چرا در حالات پديداري به ديدگاهي مشابهی قائل نشويم؟ لايكن از هورگان و تینسون می‏خواهد که در متن توضيح ديدگاه‏شان، واژگانی مانند «#پدیدارشناسی» و «تجربه» را با «محتوای باور» جایگزین کنند. به باور لايكن، نتيجه اين جايگزيني، استدلالی غلط علیه برونگرایی خواهد بود. (Lycan, 2008, "Phenomenal Intentionalities" p.246) 🌍 یکی از مهم‌ترین نتایج بحث از این قرار است که طبق استراتژی درون‌گرایانه، هر دو شخص S1 و S2 که در لحظه t بلحاظ درونی اینهمان بوده و حالات نوروفیزیولوژیک کاملا یکسانی داشته باشند، حالات ذهنی دقیقا یکسانی هم در آن زمان خواهند داشت. اما براساس برون‌گرایی کاملاً ممکن است که S1 و S2 در زمان t دارای #حالات_پدیداری متفاوتی باشند؛ با این‌که شلیک‌ها و شبکه #اتصالات_نورونی این دو دقیقاً مشابه هم باشد. بدین ترتیب صرفا مطالعه محاسبات مغزی و #پردازش_اطلاعات نمی‌تواند تبیین‌کننده درستی برای حالات ذهنی‌شان باشد. ادامه دارد ... @PhilMind

فراز و فرود هوش مصنوعی ۱ 🚩 #هوش_مصنوعی از این ایده جذاب که در کنفرانس دارموث (۱۹۵۶) بیان گردید، آغاز شد: مغز می‏تواند بمثابه یک #پردازشگر_اطلاعات، لحاظ شود. کامپیوتر، مثالی از یک پردازشگر اطلاعات است؛ ولی مفهوم پردازشگر اطلاعات، وسیع‏تر است. دیدگاه #پردازش_اطلاعات، چشم‏انداز جدیدی را درباره #مغز ایجاد کرد؛ نورون‏ها یا #شبکه_نورونی بعنوان دستگاه‏هایی لحاظ می‏گردند که قادر به حفظ و انتقال اطلاعات هستند. جالب است که شیفت از دیدگاه الکتریکی – بیوشیمیایی به دیدگاه پردازش اطلاعات، همزمان با تغییر در سایر حوزه‏های زیست‏شناسی اتفاق افتاد و بطور خاص زیست‏شناسی ژنتیک و مولکولی کلید خورد که بر اطلاعات تأکید می‌کرد؛ بگونه‏ای که ژنوم را بصورت یک برنامه در نظر می‏گرفت که بوسیله ماشین سلولی تفسیر می‏شود. دیدگاهی که امروزه غالب شده است. 🚩 هوش مصنوعی مستقیماً پرسش از پردازش اطلاعات نورونی را دنبال نمی‏کند؛‌ بلکه در موضع طراحی است. پرسش هوش مصنوعی اینست که: مغزهای زنده به چه نوعی از پردازش اطلاعات نیاز دارند تا رفتارهای هوشمندانه عجیبی که ما معمولاً در ارگانیسم‏های زنده می‏بینیم را بروز دهند؟ مثلاً چه ساختارها و فرآیندهای اطلاعاتی لازم است تا چهره یک شخص را از جریان تصاویر بصری در کسری از ثانیه، بیرون بکشد؟ چه نوعی از پردازش اطلاعات ضرورت دارد تا یک جمله زبان طبیعی را با تمام ابهامات و ساختار نحوی پیچیده‏اش، تجزیه کند و در قالب صحنه ادراک شده، تفسیر نماید؟ طرحی برای دستیابی به یک عملکرد تعاملی پیچیده، چگونه برنامه‏ریزی و چطور اجرا و تنظیم می‏شود؟ 🚩 مشاهدات نورونی و روان‏شناختی – تخیلات مغز،‌ اختلالات مغز، تأثرات از سنّ و سال، و غیره – می‏توانند به ما بگویند که بخش‏های خاصی از مغز، درگیر وظایف شناختی اختصاصی هستند؛ ولی نمی‏توانند بگویند چرا انواع ویژه‏ای از پردازش‏ها نیاز است؟ برای یافتن این پاسخ، باید فرآیندهای جایگزین را امتحان کرد (حتی اگر چنین فرآیند‏هایی در طبیعت اتفاق نمی‏افتند) و تأثیرات آن‏ها را در عمل ببینیم. 🚩 دیدگاه پردازش اطلاعات، یک انقلاب حقیقی در مطالعات ذهن محسوب می‌شد. سال‌های اولیه هوش مصنوعی، سرشار از موفقیت‏ها در یک مسیر محدود بود. از همان ابتدا،‌ محققان هوش مصنوعی از ابراز پیش‏بینی‏ها درباره موفقیت‏های آینده این حوزه، ابایی نداشتند. جملات ذیل که توسط هربرت سیمون در ۱۹۵۷ بیان شده، نمودی از فضای امیدوارانه آن دوره است: «من نمی‏خواهم شما را شوک‏زده یا غافلگیر کنم. ولی به ساده‏ترین روش می‏توانم این‏طور بگویم که الان در جهان،‌ ماشین‏هایی وجود دارند که فکر می‏کنند، یاد می‏گیرند و خلق می‏کنند. علاوه بر این، توانمندی آن‏ها برای انجام چنین کارهایی رو به افزایش است؛ تا این‏که در یک آینده نزدیک، طیف مسائلی که می‏توانند مدیریت کنند، همسطح با طیف مسائلی باشد که ذهن انسانی، قادر به اداره آن‏هاست.» 🚩می‌توان R1 را اولین سیستم کارشناسی موفق دانست که جنبه تجاری پیدا کرد و در شرکت تجهیزات دیجیتالی (Digital Equipment Corporation) بکار گرفته شد که تا ۱۹۸۶، سالیانه حدود ۴۰ میلیون دلار برای این شرکت، کاهش هزینه به همراه داشت. دیگر تقریباً همه شرکت‏های مهم امریکایی،‌ گروه هوش مصنوعی خودشان را داشتند که در حال استفاده از یا تحقیق بر سیستم‏های کارشناسی بودند. صنعت هوش مصنوعی از حجم چند میلیون دلار در سال ۱۹۸۰ به میلیاردها دلار در ۱۹۸۸ رسید که شامل صدها شرکت ساخت سیستم‏های هوشمند،‌ سیستم‏های بینایی، روبات‏ها، و نرم‏افزار و سخت‏افزار مخصوص این اهداف بود. 🚩 اما به زودی پس از آن دوره‏ای فرارسید که «زمستان هوش مصنوعی» خوانده می‏شود؛ دوره‏ای که کمپانی‏ها بدلیل ناکامی در تحقق وعده‏های خارق‏العاده، به سقوط و افول کشیده شدند. ادامه دارد ... @PhilMind

🔹بسیاری از دانشمندان #علوم_اعصاب بر این اعتقاد بوده و هستند که تعداد و تراکم نورون‌ها در پیدایش #تجربه_آگاهانه دخالت ندارد؛ بلکه الگو و حجم #پردازش_اطلاعات است که به #آگاهی_پدیداری می‌انجامد. این نگرش برپایه یافته‌های تجربی بود که نشان می‌داد نواحی #قشر_مغز (Cerebral cortex) و #تالاموس که بیشترین پردازش اطلاعات در آن‌ها صورت می‌گیرد، مرتبط با عمده حالات و کارکردهای آگاهانه ما هستند. در حالیکه ناحیه #مخچه با تراکم حدود ۸۰ درصد کل نورون‌های #مغز، از آنجا که پردازش اطلاعات خاصی در آن صورت نمی‌گیرد، نقش خاصی هم در تجربه آگاهانه ندارد. 🔸کوخ براساس همین داده‌ها #نوظهورگرایی را زیر سؤال می‌برد و چالمرز اصل عدم تغییر سازمانی (Organizational Invariance) را مطرح می‌سازد که صرفا بر الگوی اتصالات و پردازش‌ها تأکید دارد و آرایش فیزیکی و ماده سازنده سیستم را از موضوعیت می‌اندازد. بدین معنا که هرجا الگوی علّی تعاملات و پردازش‌ها تکرار شود (ولو در تراشه‌های سیلیکونی)، #تجربه_سابجکتیو یکسانی هم بروز خواهد کرد. اساسا تئوری #یکپارچه_سازی_اطلاعات (#IIT) در #نوروساینس و دیدگاه #کارکردگرایی_ماشینی در #فلسفه_ذهن، بر همین ایده استوار شده که الگوی انتزاعی محاسباتی و مدل تعاملات علّی بین اجزا اهمیت دارد و نه ساختار مولکولی اجزاء. در نتیجه #آگاهی_ماشین و #هوش_مصنوعی_قوی و ... نیز در مسیری غیر بیولوژیک قابل پیش‌روی و تحقق است. 🔹اما پژوهشی که کمتر از یکماه پیش (۲۹ نوامبر) در مجله #Nature به چاپ رسیده، نشان می‌دهد مخچه و سازمان ژنتیکی سلول‌های پورکنژ در آن، نقشی قابل توجه در گسترش عملکردهای شناختی بالاتر در مغز بالغ دارد. این تحقیق پیشرو که در مرکز #زیست_شناسی_مولکولی دانشگاه هایدلبرگ آلمان به انجام رسیده، پروفایل‌های مولکولی را از حدود ۴۰۰ هزار سلول جداگانه جمع‌آوری کرده و موفق به نقشه‌برداری از این سلول‌ها شده است. همچنین بیش از هزار ژن در مخچه شناسایی کرده که الگوی فعالیت متفاوتی در گونه انسانی دارند و مستقیما به ظرفیت‌های منحصربفرد شناختی انسان مربوط می‌شوند. 🔸پژوهش‌هایی از این‌دست با برجسته‌کردن بیولوژی مغز، تاکید صرف بر الگوهای محاسباتی و پردازش اطلاعات را به چالش می‌کشند و پایه نوروفیزیولوژیک آگاهی را نیز در کنار مدل اتصالات علّی برجسته می‌سازند. در نتیجه نظریه‌هایی مانند نوظهورگرایی (#Emergentism) - که سطوحی از پیچیدگی در لایه نوروبیولوژیک را برای ظهور و پیدایش ویژگی آگاهی از آن ضروری می‌دانند - تقویت می‌شوند و رویکردهای محاسباتی و کارکردگرایانه در هوش مصنوعی و #علوم_شناختی، به چالش کشیده می‌شوند. @PhilMind

اشکال اوّل 🔴 تئوری کریگل به یکپارچه‏سازی دو بخش متمایز پردازش نورونی در قالب یک حالت متحد، تعهد دارد تا هر دو بخش محقق‏ساز «خصیصه کیفی» و «خصیصه سابجکتیو» را توضیح دهد. بدین ترتیب، همان‏طور که ون گولیک نیز اشاره کرده، پاسخ متناسب دارای دو بخش نورونی متباین است و تنها دلیلی که آن‏ها را بصورت یک ویژگی واحد در می‏آورد، این است که امکان تولید نتیجه درست را (با توجه به خصیصه کیفی هر تجربه)، فراهم می‏آورد. 🟠 ون گولیک به نحوی قابل درک، از این توضیحات قانع نمی‏شود و اعتقاد دارد تبیین مذکور، دربردارنده تمسک ضمنی به #ویژگی_پدیداری تجربه است که خود به تقلیل ناپذیری آن می‏انجامد؛ چرا که اتصال و اتحاد دو بخش نورونی مجزا، بر اساس «#خصیصه_پدیداری متناسب با هر تجربه»، تبیین شده است. کریگل در پاسخ به این اشکال، ابتدا می‏پذیرد که چنین ناخوشایندی‏هایی در نظریه او احساس می‏شود. ولی مدعی‌ست که این مطلب، نظریه‏اش را تقلیل‏ناپذیر نکرده است. ‌زیرا به بیان وی، در نهایت می‏توان لیستی از تحریکات منفصل نورونی متناظر با حالات مختلف پدیداری را در قالب واژگانی صرفاً عصبی تهیه کرد. 🟡 البته گذشته از اینکه ما نیازمند یکسری آزمایشات مفصل #علوم_اعصاب_شناختی خواهیم بود تا همبسته‏های تحریکات نورونی برای هر خصیصه پدیداری را دقیقاً‌ شناسایی نماییم، ولی نهایتاً به اذعان خود کریگل، مشکل دلبخواهی بودن برقرار خواهد ماند. چه این که معلوم نیست چرا ترکیب الف از تحریکات نورونی، ویژگی کیفی ب را بازنمایی می‏کند؟ این تناظر و تناسب از کجا آمده است؟ با این حساب، به نظر می‏رسد همچنان #شکاف_تبیینی پر نشده باشد. 🟢 کریگل تصریح دارد که این مشکلی نیست که بتوان براحتی از آن عبور کرد و خود او نیز بوضوح نارضایتی‏اش را از این مسئله ابراز کرده است. با این حال دلیلی که باعث می‏شود نظریه فوق را بپذیرد، این است که تمامی تئوری‏های جایگزین، وضعیتی ناخوشایندتر و ناکارآمدتر دارند. (See: Kriegel, 2009, Subjective Consciousness; A Self-Representational Theory, pp.480-481) اشکال دوم 🔵 بنظر می‏رسد عمده اشکالاتی که در برابر #تئوری_اینهمانی اقامه شده، در این‏جا هم قابل طرح هستند؛ مثل اشکال مربوط به ضروری بودن رابطه این‏همانی که توسط کریپکی، تشریح شده است. وقتی جهان ممکنی قابل تصور باشد که دقیقاً همین حالات نوروفیزیولوژیک وجود داشته باشند، اما هیچ خصیصه پدیداری‏ای وجود نداشته باشد (اشکال #امکان_زامبی)، تبیین خصیصه کیفی براساس محقق‏ساز نورونی با بن‏بست مواجه می‏شود. ضمن این‏که اساساً شکاف معروف تبیینی بین یک وضعیت نورونی تا یک #تجربه_پدیداری، همچنان برقرار است. 🟣 اعتراض بروگارد به نظریه کریگل، بر همین اساس اقامه شده که می‏گوید به هرحال، جاندارانی قابل تصور هستند که دارای #خودبازنمایی و فاقد خصیصه پدیداری باشند. از آن‏جا که تئوری خودبازنمایی برای توضیح فرآیند بازنمایی به #پردازش_اطلاعات متوسل می‏شود، تصورپذیری زامبی‏های فلسفی که خودبازنمایی – به شیوه مذکور – دارند، با مانعی مواجه نیست. 🟤 کریگل در مورد این اشکال هم قبول می‏کند که شواهدی علیه تئوری‏اش فراهم آمده؛ او داده‏های امکان متافیزیکی زامبی را مشروع و درست و «یک ضربه علیه تئوری» به شمار می‏آورد، اما بدون هیچ توضیحی اعتقاد دارد مواردی که در مجموع به سود تئوری وجود دارد، فائق بر این مشکلات است. (Ibid, p.483) @PhilMind

👇 🧩 سال‌هاست که با غلبه رویکرد محاسباتی در #علوم_شناختی، فرآیندهای انتزاعی محاسبات بعنوان زمینه تولید هوش و آگاهی به رسمیت شناخته شده و نزد بسیاری از دانشمندان و محققان این حوزه، ماده سازنده سیستم پردازشگر از اهمیت و‌ موضوعیت چندانی برخوردار نبوده است. استراتژی ساخت #هوش_مصنوعی با پیاده‌سازی #پردازش_اطلاعات بر روی سیستم‌های دیجیتالی و تراشه‌های الکتریکی و ... از همین دیدگاه نشأت گرفته است. 🧩 اما با وجود موفقیت‌ها و پیشرفت‌های کاربردی، ناکامی سیستم‌های محاسباتی در ارائه خروجی‌های شبیه انسان و چالش‌های نظری که در این‌باره قوت گرفته است، اهمیت دیدگاه‌های بیولوژیکی را توسط برخی صاحبنظران روی میز گذاشته است. سیستم‏های هوش مصنوعی در توسعه‏های اخیر بدنبال جایگزینی معدنی برای اجزای بیولوژیک آگاهی،‌ شبکه‏های مصنوعی عصبی بجای نورون‏های سلولی، و منطق فازی منعطف بجای دستورالعمل‏های مبتنی بر پروتئین و DNA هستند تا بر متریال سازنده سیستم نیز تمرکز کنند. (Pagel & Kirshtein, 2017, Machine Dreaming and Consciousness, p.30) 🧩 موضوعیت #زیست_شناسی در هوش مصنوعی البته می‌تواند به معانی مختلفی مورد بحث قرار گیرد. اگر منظور از پایه بیولوژیک آگاهی صرفا در حد جریان الکتروشیمیایی موجود در شبکه‌های نورونی باشد، شاهد استراتژی حداقلی برای تامین هوش مصنوعی شبه بیولوژیک خواهیم بود که فقط در پی جاسازی ماده شیمیایی حامل جریان الکتریکی در شبکه‌های مصنوعی است. اما چنانچه ساختار مولکولی و ژنتیک مغز نیز در تولید #آگاهی نقش داشته باشد، چالش‌های عمیق‌تری پیش روی مهندسان #AI خواهد بود. 🧩 مقاله مهمی که سه ماه پیش توسط محققان دانشگاه هایدلبرگ آلمان در محله #نیچر به چاپ رسید، نشان داد که مخچه با ساختار مولکولی و ژنتیکی خود در برخی توانایی‌های شناختی مرتبه بالاتر انسان دخالت دارد. در حالی‌که غالب دانشمندان، مخچه را بدلیل عدم وقوع پردازش اطلاعات در آن، دارای نقش خاصی در تولید آگاهی نمی‌دانستند. یافته‌هایی از این دست ضمن نوعی شیفت پارادایمی در #نوروساینس و هوش مصنوعی، چالش مهمی را نیز روی میز می‌گذارد: #ژنتیک و #DNA سلول‌های نورون طبیعی را چگونه می‌توان بنحوی مصنوعی زمینه‌سازی کرد؟ آیا صرف منطق فازی می‌تواند محقق‌کننده چنین هدفی باشد؟ 🧩 به هرحال اما نکته قابل توجه اینست که رویکرد #پیوندگرایی (#Connectionism) با تاکید بر محاسبات توزیع‌شده و پردازش موازی اطلاعات، و همچنین رویکرد #بدنمندی (#Embodiment) با تمرکز بر بدن و مواجهه مکان‌مند سیستم حسی- حرکتی با محیط، بصیرت‌های ناشی از پژوهش‌های بیولوژیک آگاهی را جدی نمی‌گیرند و بنظر می‌رسد باوجود فواید بزرگ کارکردگرایانه، در ساخت و تولید #آگاهی_مصنوعی با ابهامات و تردیدهای جدی مواجه هستند. @PhilMind