📚 #معرفی_کتاب
📕ویراست چهارم «مدخلی معاصر بر فلسفه ذهن» اثر جان هیل توسط انتشارات راتلج و در سال ۲۰۲۰ بچاپ رسیده است. این کتاب با هدف تدریس برای دانشجویانی که آشنایی پیشین با مباحث فلسفه ذهن ندارند، نوشته شده.
📘پس از مقدمه، فصل ۲ به #دوئالیسم دکارتی اختصاص دارد و میراث #دکارت را در فصل ۳ و در قالب نظریات دوگانه‌انگار نافی تعامل علی دوطرفه ذهن و بدن بررسی می‌کند.
📗فصل ۴ به #رفتارگرایی می‌پردازد و اشکالات و افول آن را مرور می‌کند. فصل ۵ بسراغ نظریه #اینهمانی ذهن و مغز رفته و با یادآوری پشتوانه‌های فلسفی آن (مانند صرفه‌جویی هستی‌شناختی)، اشکالاتش (ضروری‌بودن اینهمانی در تمام جهان‌های ممکن، مغالطه پدیدارشناختی، پایان باز در تعاریف معرفت‌شناختی و ...) را مرور می‌کند.
📒فصل ۶ بر رویکرد #کارکردگرایی تمرکز کرده و به نسبت آن با #مادی_انگاری و رفتارگرایی و برخی اشکالاتش می‌پردازد. فصل ۷ به تئوری بازنمودگرایانه ذهن اختصاص دارد و بدین‌منظور، #نظریه_محاسباتی و #آزمون_تورینگ و اشکال #اتاق_چینی را بازگو می‌کند. و فصل ۹ #حالات_التفاتی را محور بحث قرار داده است.
📙 #حذف_گرایی (دیدگاه دنت) موضوع فصل ۱۰ کتاب است و چشم‌انداز و برخی اشکالاتش نیز یادآوری می‌شود. فصل ۱۱ به #فیزیکالیسم غیر تقلیل‌گرا می‌پردازد و فصل ۱۲ با محوریت #آگاهی، کیفیات تجربه آگاهانه و #استدلال_زامبی و تئوری‌های بازنمودگرایی (مرتبه اول و مرتبه بالاتر) و ... را توضیح می‌دهد.
📓فصل ۱۳ به تشریح #نوخاسته_گرایی و #همه_روان‌دارانگاری اختصاص دارد و فصل آخر برخی اشکالات دیدگاه‌های مختلف درباره ماهیت ذهن را مرور می‌کند.
@PhilMind
💠حدود یکماه پیش بود که بلیک لموین – از کارکنان شرکت گوگل – ادعای خودآگاه‌بودن #هوش_مصنوعی LaMDA را مطرح کرد. وی در گزارش خود به توانایی بالای لامدا برای ارائه پاسخ‌های قانع‌کننده درباره احساسات و تجربیات درونی‌اش استناد کرده بود که به مخاطب نشان می‌دهد که زندگی درونی عمیق سرشار از تخیل، خودآگاهی و تفکر دارد.
لامدا در چت با لموین، از نگرانی‌های خود درباره آینده و گذشته سخن گفته و اینکه کسب ادراکات، چه حس و حالی دارد. گوگل البته با فاصله کمی، به این گزارش واکنش نشان داد و ادعای لموین را رد کرد.
💠فارغ از واکنش شرکت گوگل به موضوع لامدا، ادعای تولید #آگاهی_مصنوعی یا وجود #خودآگاهی در فلان روبات، همواره می‌تواند چالش‌برانگیز باشد. شاید محور سؤال‌ها البته بر مسئله #اذهان_دیگر (other minds) تمرکز یابد؛ اینکه از کجا و با چه معیاری می‌توان ادعای وجود جهان سابجکتیو و آگاهانه در موجودات دیگر را راستی‌آزمایی کرد؟
طی مناقشه اخیر بدنبال اساس و معیار این ادعا بودم که البته بنحوی ناامیدکننده بر «تمایزناپذیری زبانی» استوار می‌شد؛ یعنی پاسخ‌های زبانی لامدا درباره احساساتش، با پاسخ‌های یک عامل انسانی آگاه، غیرقابل تمایز دانسته شده بود. این در واقع همان معیار تورینگ در آزمون معروف تورینگ (1950) برای ماشین تفکرکننده است.
💠کامپیوتر در صورتی #آزمون_تورینگ را پاس می‌کرد که یک پرسش‌گر انسانی، پس از طرح چند سؤال مکتوب از کامپیوتر و عامل انسانی - که مشخص نباشد کدامیک، ارائه‌دهنده کدام پاسخ هستند - نتواند تشخیص دهد کدام پاسخ از سوی کامپیوتر و کدام از سوی انسان ارائه شده است.
💠البته برنامه‌نویسی برای یک کامپیوتر تا آزمونی چنین کاربردی را پاس کند، کار بسیار زیادی طلب می‌کند. چنین کامپیوتری نیاز دارد که تواناییهای ذیل را دارا باشد:
- پردازش زبان طبیعی (تا کامپیوتر را قادر به ارتباط با زبان انگلیسی بگرداند)
- بازنمایی معرفت (تا کامپیوتر را قادر به ذخیره‌سازی چیزهایی که میداند و میشنود، بگرداند)
- استدلال خودگردان (تا اطلاعات ذخیره‌شده را برای پاسخ به سؤالات و نتیجهگیریهای جدید بکار گیرد)
- یادگیری ماشین (تا با شرایط جدید، سازگار شود و الگوها را تشخیص و استخراج نماید).
💠اما از ده‌ها سال قبل، مناقشات متنوّعی درباره پیشفرض رفتارگرایانه موجود در این آزمون مطرح شده است. مثلاً آزمون فکری ند بلاک (1981) با نام عمّه برتا (Aunt Bertha) که استدلال می‌کرد رفتار یک ارگانیسم، تنها چیزی نیست که هوشمندی آن را تعیین می‌کند؛ بلکه منشاء و مکانیسم تولید این رفتار نیز موضوعیت دارد.
💠ممکن است ماشین با مراجعه به بانک بسیار عظیمی از دوگانه‌های پرسش و پاسخ، یا استفاده از الگوهای پاسخ درست، بتواند آزمون تورینگ را درباره پاسخ به سؤالاتی پیرامون احساسات و تفکراتش بخوبی پشت سر بگذارد. این اما در نهایت فقط یک دستگاه جستجوگر قدرتمند خواهد بود که ارتباطی با یک جهان درونی پدیداری و مولّد پاسخ‌های آگاهانه ندارد. اطلاعیه‌ای که شرکت گوگل درباره بررسی ادعای لموین منتشر کرد نیز بر همین نکته تأکید کرده است.
💠امروزه محقّقان هوش مصنوعی، تلاشهای کمی برای پاس‌کردن آزمون تورینگ بخرج میدهند؛ زیرا اعتقاد دارند جستجو به دنبال "پرواز مصنوعی"، زمانی به موفّقیت رسید که برادران رایت و دیگران، تقلید از پرندگان را کنار گذاشتند و شروع به یادگیری درباره آیرودینامیک و بکارگیری تونلهای بادی کردند. متون مهندسی فضانوردی، هدف از آن حوزه را اینطور معرّفی نمیکنند که "بدنبال ساخت ماشینهایی هستند که دقیقاً مانند کبوترها پرواز میکنند و میتوانند کبوترها را نیز فریب بدهند"! (Russell & Norvig, 2010, Artificial Intelligence, A Modern Approach, p. 3)
💠در واقع هنوز عمده استراتژی‌های تعریف و ساخت هوش مصنوعی حول معیارهایی رفتارمحور - چه رفتار شبیه انسان (که آزمون تورینگ نیز از این قبیل است) و چه رفتار ایده‌آل – شکل می‌گیرد و آن #تجربه_پدیداری و جهان سابجکتیو (بعنوان منشاء و مولد این رفتارها و خروجی‌ها)، موضوعیت ندارد. مشکلی که البته در سایر حوزه‌های علوم شناختی نیز دیده می‌شود.
این در حالیست که بنظر می‌رسد با تمرکز بر خود تجربه پدیداری و منشاء تولید واکنش‌ها، احتمال تولید آگاهی مصنوعی بنحوی واقعی وجود دارد.
@PhilMind
⛄️ مثال ماشین عمه برتا (Aunt Bertha) توسط ندبلاک در مقاله Psychologism and Behaviourism (1981) علیه تعریف تورینگی از هوش ارائه شده است. بلاک این ماشین را با حافظه‌ای عظیم در نظر می‌گیرد که تمام پاسخ‌های عمه برتای واقعی برای پرسش‌های مختلف در طول یک زمان مشخص (مثلا یکساعت) در آن برنامه‌نویسی شده باشد. لذا ندبلاک استدلال می‌کند که #آزمون_تورینگ شرط کافی برای هوش نیست.
⛄️ چنین ماشینی - بنا به فرض - خواهد توانست آزمون تورینگ را با پاسخ‌های کاملا شبیه انسان پاس کند. اما پاس‌کردن #تست_تورینگ توسط این ماشین نمی‌تواند شاهدی بر هوشمندی آن باشد. درستی پاسخ‌های این ماشین به سؤالات آزمون، از آن‌جا ناشی می‌شود که پاسخ‌های عمه برتای واقعی درست و بجا هستند و این ماشین صرفا برای ذخیره و تکرار آن پاسخ‌ها برنامه‌نویسی شده است.
⛄️ باید توجه داشت که ماشین عمه برتا یک ماشین فرضی (و نه واقعی و کاربردی) است که حتی اگر امکان تحقق عملی نداشته باشد، اما صرف امکان منطقی آن برای هدف بلاک کفایت می‌کند. در واقع این استدلال در سطح مفهومی طراحی شده و می‌خواهد تحلیل مفهومی تست تورینگ از هوش را به چالش بکشد.
⛄️ ممکن است استدلال بلاک را (که ابتدای دهه 80 نیز ارائه شده)، مربوط به استراتژی کلاسیک و قدیمی در #هوش_مصنوعی تلقی کنیم که براساس ذخیره‌سازی و حافظه در #برنامه_نویسی پیش می‌رفت. حال آن‌که #یادگیری_ماشین در دهه‌های اخیر اساسا برپایه ذخیره‌سازی در حافظه نیست. بلکه ماشین در دوره کارورزی (training) یکسری موقعیت‌ها را تمرین می‌کند و پاسخ‌های بهینه برای هر موقعیت را در می‌یابد. او آن‌گاه در موقعیت‌های جدید براساس تمرین‌هایی که در دوره کارورزی گذرانده، پاسخ درست و بجا را بیرون می‌دهد.
⛄️ مسئله اما این‌جاست که چنین ماشینی کماکان از وابستگی به هوش انسانی برنامه‌نویس و از معیار تشخیص نوع موقعیت جدید خلاصی نمی‌یابد. او همچنان در نحوه مراجعه به ورودی و خروجی‌های دوره کارورزی برای پاسخ‌دهی به موقعیت جدید، از نوعی برنامه‌نویسی پیروی می‌کند که هوش انسانی برایش ریل‌گذاری کرده است.
و از آن مهم‌تر، تشخیص اینکه موقعیت جدید از نوع کدام موقعیت‌های تمرین‌شده‌ی پیشین است، خود نیازمند معیاری بسیار پیچیده و گاه منحصر بفرد است.
⛄️ ممکن است ماشین قبلا موقعیت زیادی را تمرین کرده و پاسخ‌های درست و بجا برای هریک را دسته‌بندی کرده باشد. ولی اکنون با موقعیت جدیدی مواجه شده که به آسانی قابل تطبیق با موقعیت‌های (ولو پرشمار) دوره کارورزی نباشد. او با چه معیاری باید موقعیت جدید را در دسته‌بندی خود بگنجاند و تشخیص دهد؟ این موقعیت جدید می‌تواند - همانطور که دریفوس توضیح داده - کاملا منحصر بفرد و وابسته به کانتکست باشد. تطبیق ماشینی چنین وضعیتی بر موقعیت‌های تمرین‌شده‌ی قبلی، صرفا به خروجی نادرست و نابجا (irrelevant) خواهد انجامید.
علاوه بر این حتی در مواردی که به دسته‌بندی درست موقعیت جدید دست یابد، تازه به پاسخ‌های ذخیره‌شده در دوران کارورزی مراجعه و آنها را بنحوی متناسب تکرار می‌کند که باز در برابر استدلال‌هایی نظیر ند بلاک (آزمون عمه برتا) و جان سرل (آزمون اتاق چینی) قرار می‌گیرد.
⛄️ بدین‌ترتیب رویکردهای محاسباتی - چه رویکرد کلاسیک (#GOFAI) و چه رویکرد پیوندگرایی (#Connectionism) - در ساخت هوش مصنوعی با چالش‌های جدی نظری روبه‌رو هستند. هرچند که در واقع بخش عظیمی از لابراتوارهای هوش مصنوعی را در تسخیر خود داشته و دارند.
@PhilMind
#معرفی_کتاب
ویراست دوم کتاب «این فلسفه ذهن است، یک درآمد» در 288 صفحه و 17 فصل در 2023 به چاپ رسیده است.
📒 نويسنده در فصول اول تا ششم به چیستی ذهن و حالات ذهنی، و نظريات اصلي در #مسئله_ذهن_بدن، مانند #دوگانه‌انگاری_جوهری، #دوگانه‌انگاری_ویژگی‌ها، #رفتارگرایی ، مسئله #اذهان_دیگر و #اینهمانی_ذهن_و_مغز و برخي مفاهيم ديگر پرداخته است.
📕 عنوان فصل هفتم، ماشین‌های متفکر است. در این فصل درباره اینکه ماشین آیا اساساً می‌تواند بیندیشد و نیز درباره #ماشین_تورینگ، #آزمون_تورینگ، استدلال #اتاق_چینی جان سرل و برخی مباحث دیگر سخن به میان آمده است. سپس در فصل هشتم از #کارکردگرایی بحث شده است.
📘 فصل نهم درباره مسئله بسیار مهم #علیت_ذهنی است، شامل انواع نظریه‌ها درباره تعامل میان ذهن و بدن و مشکل #بستار_علّی و نظریه #یگانه‌انگاری_غیرقانونمند.
📒 فصل دهم #مادی‌گرایی_حذف‌گرا را بررسی می‌کند و فصل يازدهم دربارۀ #ادراک_حسی، تصور ذهنی و عاطفه است.
📕مسائل بسيار مهم #اراده_آزاد، #حیث_التفاتی و #بازنمود_ذهنی و #آگاهی در فصول دوازدهم تا چهاردهم مطرح شده‌اند.
📙 در فصل پانزدهم نویسنده درباره #اینهمانی_شخصی، و #زندگی_پس_از_مرگ سخن گفته است.
📘 فصل شانزدهم #رویکرد_4E را مطرح می‌کند که از بحث‌های جدید در #علوم_شناختی است.
📕 فصل هفدهم (آخر) به مباحثی آینده‌نگرانه پرداخته است، مانند #هوش_مصنوعی_برتر #Super_AI ، انسان‌های تقویت‌شده #Enhanced_humans ، #پساانسان‌ها #Posthumans و #بارگذاری_ذهنی #Mind_Uploading .
🖊 رضا درگاهی‌فر
@PhilMind
📌دیدگاه صرفا مهندسی به #هوش_مصنوعی و تقلیل #آگاهی به یکسری خروجی‌های رفتاری و کارکردی را می‌توان به وضوح در حوزه فنی #AI مشاهده کرد. نمونه این رویکرد از مقاله وینچنزو تاگلیاسکو قابل ذکر است:
📌«یک موجود آگاه مصنوعی موجودی است که ظاهراً آگاه است؛ زیرا شبیه یک انسان آگاه رفتار می‌کند.
#آگاهی_مصنوعی یک رشته ساینتیفیک نیست؛ یک حوزه تکنولوژیک است که بیشتر با #روباتیک سر و کار دارد تا با روانشناسی و #نوروساینس ... آگاهی مصنوعی باید در یک چشم‌انداز صرفا تکنولوژیک فهمیده شود. محققین حوزه آگاهی مصنوعی بخوبی میدانند که مطالعه آگاهی طبیعی، بسیار دور از نتیجه است».
📌در مقابل این رویکرد، علاوه بر مواضع نزدیک به #دوئالیسم، استدلال‌هایی قرار دارند که عموماً به "شوونیسم زیستشناختی" معروف‌اند و میگویند فقط ساختارهای بیولوژیکی میتوانند به آگاهی برسند. چرا؟ یا بخاطر اینکه فقط آنها برخی سطوح پیچیدگی لازم را دارا هستند، یا بخاطر اینکه فقط در آنهاست که در نتیجه فرآیند #تکامل، مجموعه مورد نیاز از تجربه تاریخی نهاده شده است، یا بخاطر اینکه فقط آنها میتوانند به شیوهای مناسب با جهان در تعامل باشند.
📌تاگلیاسکو اما برای رد این دیدگاه‌ها، تعریف #تجربه_پدیداری را کن فیکون می‌کند و به نوعی پاک‌کردن صورت مسأله دست می‌زند. او تجربه را با «گردآوری فکت‌ها از محیط برای تولید اهداف و انگیزه‌های جدید» تعریف می‌کند و در ادامه به یک پژوهش آزمایشگاهی بر روی یک روبات واکنشی اشاره می‌کند. در این آزمایش دستهای از محرکهای بصری (یکسری شکل‌های رنگشده که درون ساختار روبات کدگذاری نشده بودند) برای روبات به نمایش در میآمد. برای سیستم از پیش، انگیزه‌های مرتبط با اشیاء رنگی تعیین شده و یک محرک بدون رنگ (فارغ از شکل آن) هیچ پاسخی را برنمیانگیزد.
پس از یک دوره تعامل با اشکال رنگشده، این روبات بطور خودمختار یک هدف جدید در نسبت با شکل‌های رنگ نشده نیز سامان می‌دهد (توسعه هدف جدیدی که در زمان طراحی پیشبینی نشده بود).
📌او از این توانایی روبات به ساختن اهداف و انگیزه‌های جدید یاد می‌کند و در واقع وجود «انگیزه» بمثابه یک حالت سابجکتیو را نیز در حد خروجی رفتاری تصدیق می‌کند.
این رویکرد رفتارگرایانه به هوش و آگاهی، امتداد چارچوبی‌ست که #آزمون_تورینگ در اواسط قرن بیستم و آغاز شکل‌گیری این حوزه فنی در دستور کار مهندسان AI قرار داد؛ معیار «تمایزناپذیری رفتاری» برای تصدیق «تفکر در ماشین».
📌آیا این تقابل بین حوزه مهندسی و علوم پایه در هوش مصنوعی، قابل جمع است؟ بنظر می‌رسد هم می‌توان رویکردهایی محتمل برای تولید آگاهی مصنوعی پیشنهاد داد و هم آگاهی طبیعی و ساختار بیولوژیک آن را به رسمیت شناخت.
دیدگاه‌هایی که بر ایمرج‌کردن آگاهی از سطح نوروفیزیولوژیک تاکید دارند و بدنبال بازسازی مصنوعی پایه شبه بیولوژیک هستند، از همین قبیل‌اند.
📚See: Tagliasco, Vincenzo, 2007, "Artificial Consciousness; A Technological Discipline", In: Chella A., Manzotti R., Artificial Consciousness, Imprint Academic
@PhilMind