🕒 مباحث ذیل #فلسفه‌_هوش_مصنوعی را می‌‌توان به دو حوزه کلّی تفکیک کرد: 1) موضوعات مربوط به #اخلاق_هوش_مصنوعی (مانند مسئولیت پیامد تصمیمات و رفتار #هوش_مصنوعی، حق مالکیت خلاقیت‌های هنری یا علمی هوش مصنوعی، تأثیر روبات‌ها بر تعاملات بشری، جواز و نحوه محدودکردن هوش مصنوعی، جواز پاداش و تنبیه روبات‌ها، ...) که بیشتر در حوزه $فلسفه_اخلاق قرار می‌گیرند. 2) موضوعات مربوط به «وجودشناسی هوش مصنوعی» یا #متافیزیک_هوش_مصنوعی (مانند امکان بالقوه‌ی #آگاهی_ماشین، چشم‌انداز #هوش_مصنوعی_قوی، ماهیت و حیطه‌ی #آگاهی_مصنوعی، میزان قابلیت رویکرد کلاسیک محاسباتی و رویکردهای #پیوندگرایی و #بدن_مندی در تولید #آگاهی_پدیداری، ...) که عمدتاً در حوزه #فلسفه_ذهن بررسی می‌شوند. 🕓 برخی مهندسان و پژوهشگران فنّی هوش مصنوعی اما علاقه چندانی به دسته دوم مباحث فوق ندارند و در بین مباحث فلسفی هوش مصنوعی، دسته نخست را به دلیل آن‌که اوّلاً کاربردی‌تر می‌یابند و ثانیاً توانایی هوش مصنوعی و امکان تحقّق چشم‌اندازهای آتی را به چالش نمی‌کشد، ترجیح می‌دهند. ضمن این‌که برخی چشم‌اندازهای معاصر هوش مصنوعی نیز از وعده‌های دهه 60 و 70 میلادی مبنی بر تولید شخص (person) با تمام حالات آگاهانه و ویژگی‌های پدیداری کوتاه آمده و بعضاً تحقّق اهدافی صرفاً کاربردی و جزئی را دنبال می‌کنند. 🕔 این اتفاق البته در میان محققان و مهندسان هوش مصنوعی در داخل 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. 🕕 هندبوک هوش مصنوعی که چاپ اوّل آن در سال 2015 توسط انتشارات دانشگاه کمبریج به چاپ رسیده و اساتید مطرح بین‌المللی در فصول مختلف آن قلم زده‌اند، چهار فصل کلّی دارد که فصل اول آن به «بنیادهای فلسفی» و «چالش‌های فلسفی» می‌پردازد و فصول تکنیکال بعدی نیز مکرّراً در لابلای مباحث GOFAI و پیوندگرایی و بدن‌مندی و #حیات_مصنوعی (Artificial Life) و حتی #یادگیری_ماشین، به مسائل فلسفی ارجاع می‌دهد و تأملاتی دوطرفه را پیش روی مخاطب می‌گذارد. (See: The Handbook of Artificial Intelligence, 2015, Cambridge University Press) درباره ضرورت توجه به مباحث وجودشناسی هوش مصنوعی لااقل از دو منظر می‌توان سخن گفت که در پست‌های آینده بدان‌ها اشاره خواهد شد. @PhilMind

💠 "آیا می‏توانیم #مغز را بدین‌گونه که صفر و یک‏ها را دستکاری می‏کند، ‌لحاظ نماییم؟ چرا که نورون‏ها نیز در یک وضعیت دوگانه هستند: یا شلیک می‏کنند یا نمی‏کنند. اگر مغز در قالب کدهای دوگانه عمل می‏کند،‌ بنابراین مغز هم باید یک #کامپیوتر دیجیتال باشد." 💠 چند اشکال در این مقایسه وجود دارد،‌ اما مهم‏ترین‏ تفاوت جدّی بین نورون‏ها و نمادهای کامپیوتر اینست که نورون‏ها بنحو علّی و از طریق مکانیسم‏های خاص بیولوژیک موجب #آگاهی می‏شوند؛ حال آن‏که صفر و یک‏ها انتزاعی محض هستند و تنها قدرت علّی آن‏ها، قدرت اجرا و پیاده‏سازی در سخت‏افزار برای تولید مرحله بعدی برنامه است. در حقیقت نورن‏ها می‏توانند بوسیله یک برنامه کامپیوتری تقلید شوند، اما تقلید شلیک‏های نورونی، قدرت نورون‏ها برای ایجاد آگاهی را تضمین نمی‏کند. 💠 پنروز از این هم جلوتر می‌رود و می‌گوید چیزهایی وجود دارد که انسان‏های آگاه می‏توانند انجام دهند و کامپیوترها حتّی نمی‏توانند تقلید کنند. او کتابش را با تمایز بین چهار وضعیت ممکن درباره ارتباط محاسبات با آگاهی، آغاز می‏کند: الف. #هوش_مصنوعی_قوی: آگاهی و سایر پدیده‏های ذهنی، به تمامه متشکّل از فرآیندهای محاسباتی است. ب. #هوش_مصنوعی_ضعیف: فرآیندهای مغزی، موجب آگاهی می‏شوند و این فرآیندها می‏توانند در یک کامپیوتر تقلید شوند. اما تقلید محاسباتی فی‏نفسه،‌ آگاهی را تضمین نمی‏کند. ج. فرآیندهای مغزی موجب آگاهی می‏شوند، اما این فرآیندها حتّی نمی‏توانند بنحوی درخور،‌ تقلید محاسباتی شوند. د. آگاهی نمی‏تواند بنحوی علمی تبیین شود؛‌ چه در قالب محاسباتی و چه هر قالب علمی دیگر. (Penrose, Roger, 1994, Shadows of the Minds, Oxford University Press, p. 12.) 💠 او مانند من، موضع الف و برخلاف من، موضع ب را نیز ردّ می‏کند و برای موضع ج استدلال می‏آورد. بر اساس دیدگاه وی حتّی #هوش_مصنوعی ضعیف هم غلط است. موضع د نیز یک موضع غیرعلمی است که پنروز ردّ می‌کند و بین آن با موضع ج تمایز بگذارد. چرا برای او مهم است که موضع ج را تقویت کند؟ 💠 چون می‏گوید علوم یک دیدگاه عملیاتی (Operational Viewpoint) اتّخاذ می‏کنند و در نتیجه اگر شما بتوانید یک کامپیوتر را بگونه‏ای برنامه‏نویسی کنید که رفتار انسانی را دقیقاً تقلید کند، آن‏گاه بلحاظ علمی این وسوسه وجود دارد که گمان کنند آن کامپیوتر نیز مانند انسان دارای حالات ذهنی است. پنروز در صدد آنست که نشان دهد شما نمی‏توانید حتی چنین برنامه‏ای داشته باشید. See: Searle, J., 1997, The Mystery of Consciousness, NY: New York Review of Books, pp. 59-61. @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

🥇 #آگاهی بمعنای #تجربه_پدیداری، اساسا سابجکتیو و درونی‌ست و در نتیجه قائم به شخص. این ماهیت آگاهی پدیداری‌ست. دستکاری ماشینیٍ داده‌ها در تحقق جنبه‌های کارکردی و بیرونی آگاهی جواب می‌دهد. مثلا ورود داده‌ها از محیط و پردازش آن‌ها و سپس خروجی‌های رفتاری و گفتاری متناسب آن. اما این‌ها هیچ‌کدام معادل و حتی مستلزم جنبه تجربه‌ایٍ درونی نیست. 🥈استدلال‌های مختلفی در این‌باره در ادبیات بحث فلسفی ارائه شده و بین این دو جنبه آگاهی تفکیک کرده‌اند. فلاناگان (۱۹۹۲) با تعابیر «حساسیت تجربه‌ای: experiential sensitivity» در برابر «حساسیت اطلاعاتی: informational sensitivity» و ند بلاک (۱۹۹۴) با تعابیر «آگاهی پدیداری: phenomenal consciousness» در برابر «آگاهی دسترسی: access consciousness» از این دو جنبه یاد می‌کنند. برخی فیلسوفان ذهن ضمن تأکید بر ضرورت عدم خلط بین آن‌ها، استدلال می‌کنند که چرا جنبه دوم (جنبه‌های کارکردی) نمی‌تواند معادل و حتی برآورنده‌ی جنبه اول (جنبه پدیداری) باشد. 🥉 سخن دریفوس آنست که آگاهی بمعنای #آگاهی_پدیداری/ تجربه درونی (که همان مسئله دشوار: hard problem نام دارد)، از طریق فرآیندهای محاسباتی قابل تحصیل نیست. حتی خود «اذعان» روبات یا هر موجود دیگر به دارابودن جنبه درونی و پدیداری، باز هم یک «رفتار بیرونی‌»ست و ذیل جنبه کارکردی / اطلاعاتی قرار می‌گیرد. 🏅حال این مسئله‌ای دیگر است که جنبه پدیداری را چطور می‌توان ردیابی و verify کرد؟ اما دریفوس از سخن معمول فیلسوفان ذهن هم فراتر می‌رود. یعنی ادعای او این نیست که روبات‌ها برآورنده جنبه‌های رفتاری و کارکردی آگاهی هستند و این برای رسیدن به جنبه پدیداری و تجربه‌ایٍ آگاهی کافی نیست. بلکه بیش از این، می‌گوید حتی همان جنبه رفتاری و واکنش‌های بیرونی هیجانی و عاطفی هم بدرستی در رویکردهای فعلی ساخت #هوش_مصنوعی، امکان تحقق کامل ندارند. چرا که همین واکنش‌ها هم در انسان‌ها مبتنی بر تجربه درونی شکل می‌گیرند. در واقع او در تحقق #هوش_مصنوعی_ضعیف هم (تا چه رسد به #هوش_مصنوعی_قوی) تردید می‌کند. 🎖 این که ساینس از منظر سوم‌شخص به پدیده‌های آبجکتیو می‌پردازد ولی آگاهی، منظری سابجکتیو و اول‌شخص دارد که به دور از دسترس علم تجربی باقی می‌ماند، سخن خیلی‌هاست؛ چه در میان فیلسوفان و چه نوروساینتیست‌ها. دریفوس علاوه بر این‌ها می‌گوید واکنش‌ها و رفتارهای عاطفی بجا هم در عامل انسانی، مبتنی بر common sense و تجربه درونی‌ست و نه مبتنی بر دستورالعمل‌ها. 🎗دریفوس می‌گوید این واکنش‌ها یک نوع معرفت مهارتی (know how) است و نه یک نوع معرفت گزاره‌ای (know that) تا قابل برنامه‌نویسی یا مدل‌سازی باشد. می‌گوید اصلا واکنش‌های فارغ از کانتکست نداریم که شما یکسری ورودی را در یکسری کانتکست خاص در دوران کارورزی برای روبات تمرین دهید و بعد در کانتکست‌های جدید انتظار داشته باشید با مراجعه به خروجی همان تمرین‌ها، پاسخ مناسب را بیابد و اجرا نماید. می‌گوید اصلا تشخیص «هم‌سنخی و هم‌نوعی» بین ورودی‌های دریافتی از محیط/ کانتکست جدید با ورودی‌های فلان محیط/کانتکست دوران کارورزی، بر چه ملاک و معیاری استوار می‌شود؟ در حالیکه در انسان‌ها براساس شهود پدیداری اتفاق می‌افتد. @PhilMind

❄️ 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

♦️هیوبرت دریفوس - استاد فلسفه دانشگاه برکلی - درباره شکست پروژه #هوش_مصنوعی با استفاده از متدهای کنونی می‌گوید (2022)👆 🔺دریفوس پایه‌گذار اشکال حس عمومی علیه رویکردهای محاسباتی در هوش مصنوعی است که بازنمایی مفهومی از جهان را برای تولید حس عمومی، ناکام می‌داند. بنظر وی رفتار هوشمند انسانی منبعث از معرفت گزاره‌ای نیست؛ بلکه از انباشت تجربیات آگاهانه درونی ناشی می‌شود که در هر موقعیت خاص، ممکن است واکنشی منحصربه‌فرد را اقتضا نماید. 🔻به اعتقاد او رویکرد کلاسیک مفهومی و بازنمایانه در تلقی دوهزارساله فیلسوفان از ساختار معرفت ریشه داشته که در قرن بیستم توسط #هایدگر و ویتگنشتاین به انتهای خط رسیده. اما مهندسان هوش مصنوعی ابتدا بدون توجه به این شیفت پارادایمی در فلسفه، برنامه تحقیقاتی خود را بر پایه تلقی کلاسیک بنیان نهاده و وقتی در دهه هشتاد (زمستان هوش مصنوعی) با شکست مواجه شدند، با درکی سطحی از دیدگاه هایدگری، #رویکرد_محاسباتی را به سمت #بدن_مندی تغییر داده‌اند. تغییری که به اعتقاد دریفوس، همچنان رفتارگرایانه و فارغ از نکته هایدگر است و حتی در ساخت #هوش_مصنوعی_ضعیف (رفتار هوشمندانه) هم ناکام بوده، تا چه رسد به ساخت #هوش_مصنوعی_قوی (#آگاهی_مصنوعی). @PhilMind

قید «طبیعی» در تعریف #نفس و امکان #هوش_مصنوعی_قوی (1) ❇️ فیلسوفان مسلمان در تعریفی که تبارش را به ارسطو می‌رسانند، نفس را چنین تعریف می‌کنند: «کمال اول برای جسم طبیعی آلی دارای حیات بالقوه» و با تک‌تک این قیود، نکته‌ای را در نظر دارند و چیزی را خارج می‌کنند یا توضیح می‌‌دهند، ازجمله بسته به اینکه «طبیعی» صفت جسم باشد یا کمال، جسم صناعی یا کمال صناعی را از تعریف بیرون می‌کنند. ✳️ برای نمونه، فارابی جسم را بر دو قسم طبیعی و صناعی دانسته است. چیزهایی مانند تخت، لباس، شمشیر و شیشه نمونه‌هایی از جسم صناعی‌اند و بدن انسان و بدن حیوانات و عناصر چهارگانه از نمونه‌های اجسام طبیعی‌اند. (الاعمال الفلسفیة، ص341/ فصول منتزعة، ص26). دیگران نیز از ابن‌سینا تا ملاصدرا و پس از وی، همگی همین تقسیم و تعریف را می‌پذیرند. 📚 بر این اساس، نفس تنها در/برای جسم طبیعی متحقق می‌شود و جسم صناعی نمی‌تواند نفس‌مند باشد. ⚒ مراد از جسم صناعی، آن است که توسط انسان یا حیوان ساخته شده باشد و به همین صورت در طبیعت موجود نباشد. فارابی به‌خوبی اشاره کرده است که «وقتی می‌گوییم صناعی، دلالت بر فاعل دارد» (المنطقیات، ج3، ص400). ابن‌سینا هم در جایی گفته است که صناعی آن است که از صناعت به وجود آید. (رساله نفس، ص۱۰-۱۱) البته ملاصدرا حتی شهر را از مصادیق چیزی صناعی دانسته (اسفار، ج8، ص15) و توسعه‌ای معنایی داده است. 🛎 نیز تقسیم سه‌گانه‌ای برای افعال به افلاطون نسبت داده‌اند: فعل اختراعی، طبیعی و صناعی. فعل اختراعی فعل مخصوص خداوند است، که موجود کردن چیزی از هیچ است (أیس از لیس)؛ فعل طبیعی موجود کردن چیزی از چیزی است (أیس از أیس)، بدین‌نحو که صورت اولی از میان برود و مبدل به صورت دومی شود. فعل طبیعی مخصوص علت‌هاست که به اذن خداوند کار می‌کنند؛ فعل صناعی موجود کردن چیزی از چیزی است (أیس از أیس)، بدون اینکه صورت اولی از میان برود. فعل صناعی، فعل معلول‌هاست که با اراده و مشیت خداوند کار می‌کنند. (رسائل ابن‌حزم اندلسی، ص391) 💢 بر این اساس، به نظر می‌رسد بنا بر تعریف، نفس‌شناسی ارسطویی فیلسوفان مسلمان امکان ساخته شدن ماشینی با هوش مصنوعی قوی را رد می‌کند، زیرا: - اگر ماشين دارای هوش مصنوعی قوی ممکن باشد، جسم صناعی باید بتواند نفس‌مند شود؛ - جسم صناعی نمی‌تواند نفس‌مند شود (نفس کمال جسم صناعی نیست)؛ - نتیجه: ماشين دارای هوش مصنوعی قوی ممکن نیست. (مطابق قاعدۀ رفع تالی). ⭕️ اما آیا این نتیجه صحیح است؟ ادامه دارد ... 🖊 رضا درگاهی‌فر @PhilMind

قید «طبیعی» در تعریف #نفس و امکان #هوش_مصنوعی_قوی (2) ❇️ آیا بر پایۀ تعریف ارسطویی‌تبار نفس، که فیلسوفان مسلمان پذیرفته‌اند، می‌توان امکان ماشین هوشمند و دارای آگاهی پدیداری را انکار کرد؟ ✳️ نگارنده در کلمات فیلسوفان مزبور، دلیل و وجهی برای افزودن قید «طبیعی» و بیرون راندن جسم صناعی از تعریف نیافته است. به نظر می‌رسد حضور این قید در تعریف تنها ازآن‌رو بوده است که تحقق جسم صناعی یا ماشین هوشمند نزد این فیلسوفان کمترین احتمال وقوعی نداشته است. ⚠️ به بیانی دیگر و موافق اصطلاحات امروزین، حضور این قید در تعریف مزبور به‌گونۀ ad hoc است. 🛎 قید یا فرض یا فرضیۀ ad hoc آن است که به نظریه افزوده می‌شود تا آن را از ابطال یا برخی مشکلات برهاند، بدون اینکه حضورش دلیلی یا وجهی داشته باشد. 🔰 گویا فیلسوفان مزبور دیده‌اند که اگر در تعریف نفس بگویند «کمال اول برای جسم ...»، آنگاه تعریفشان کمالات اول مصنوعاتی مانند شمشیر را نیز شامل خواهد شد، پس برای اینکه چنین نشود، قید «طبیعی» را به تعریف افزوده‌اند. لازمۀ چنین تعریفی این است که از پیش مفروض انگاشته شود که جسم صناعی نمی‌تواند نفس‌دار باشد. پذیرش این لازمه اگر آگاهانه بوده باشد، ظاهراً دلیلی جز استبعاد نداشته است. ⭕️ اگر کسی واقعاً معتقد است که تنها جسم طبیعی می‌تواند نفس‌مند شود، باید بتواند چرایی این اختصاص را تبیین کند. صرف طبیعی یا صناعی بودن، یعنی مثلاً انسان‌ساز بودن یا نبودن جسم، بی‌ربط به نفس‌دار بودن یا نبودن به نظر می‌رسد. آیا مثلاً در ذات سلول‌هایی که در حیوانات و گیاهان یافت می‌شوند، يا در ذات تركيبات خاصي از آنها، قوۀ نفس‌مندی نهفته است؟ از این نکته می‌گذرم که تقسیم جسم به طبیعی و صناعی نیز خود مشکلاتی در پی دارد که باید حل شوند. 💢 برخی بر اساس مبانی حکمت متعالیه، به‌ویژه حدوث جسمانی نفس، معتقد شده‌اند که تحقق ماشین دارای هوش مصنوعی قوی ممکن است، تنها باید ماشین پیچیدگی‌های لازم برای برخورداری از نفس‌مندی یا هوش‌مندی را دارا شود. حتی برخی پیشنهاد کرده‌اند که به‌جای هوش مصنوعی، تعبیر مغز یا بدن مصنوعی به کار برده شود، زیرا هوش یا نفس اولا و بالذات متصف به مصنوعی بودن نمی‌شود. کسی که چنین می‌اندیشد، قید «طبیعی» را برای تعریف نفس لازم نمی‌بیند. ❇️ بنابراین نه‌تنها نباید بر اساس تصویری که تعریف مزبور از نفس‌مندی به دست می‌دهد، هوش مصنوعی قوی را انکار کرد، که باید بر اساس امکان آن – اگر استدلال و تبیینی مستقل بر استحاله‌اش در کار نباشد – به تعریف مجدد نفس یا هوش‌مندی پرداخت، که تمام انواع آن را در بر گیرد. 🖊 رضا درگاهی‌فر @PhilMind

فراز و فرود هوش مصنوعی ۲ 🚩 در اواسط دهه 1980 حداقل چهار گروه مختلف، نوعی #الگوریتم_یادگیری را بازتولید کردند که اولین‏بار در 1969 پایه‏گذاری شده بود. این الگوریتم برای بسیاری مسائل #یادگیری_ماشین و انتشار گسترده نتایج در مجموعه پردازش توزیع‏شده موازی (Parallel Distributed Processing) بکار گرفته شد که موجب شور و هیجان فراوان گردید. این مدل‏های هوش که «پیوندگرا: Connectionist» خوانده می‏شوند، بعنوان رقیب مستقیم برای دو مدل نمادی (که توسط نوِل و سیمون ارتقاء یافت) و رویکرد منطقی (که بوسیله مک‏کارتی و دیگران مطرح شد) تلقی می‏گردید. 🚩 شاید واضح بنظر برسد که انسان‏ها نیز در برخی سطوح با دستکاری نمادها کار می‏کنند، اما طرفداران پیوندگرایی می‏پرسیدند آیا دستکاری نمادها هیچ نقش تبیینی واقعی در مدل‏های جزئی‏شده شناخت دارد؟ این سؤال بدون پاسخ باقی مانده بود، هرچند دیدگاه اخیر این است که رویکردهای نمادین و پیوندگرا، مکمل همدیگر - و نه در رقیب با هم – هستند. 🚩 با جداسازی #هوش_مصنوعی از رویکرد دیجیتال، تحقیق در شبکه‏های نورونی مدرن به دو حوزه تقسیم شد که یکی با خلق ساختار مؤثر شبکه و الگوریتم‏ها و ویژگی‏های ریاضیاتی آن‏ها سروکار داشت، و دیگری با مدل‏سازی دقیق ویژگی‏های مجموعه نورون‏های واقعی.  دیگر مشخص شده بود مسائلی که ما فکر می‏کردیم مشکل باشند، از حل قضایای ریاضیاتی و بازی آبرومندانه شطرنج گرفته تا استدلال در علوم مختلف،‌ آسان بودند و کامپیوترهای دهه 60 و 70 با چندهزار فرمان در ثانیه، غالباً می‏توانستند نتایج رضایت‏بخشی را در این زمینه‏ها فراهم آورند. مسئله گریزپا اما مهارت‏هایی بود که هر بچه پنج‏ساله هم داراست؛ مثل بیان تفاوت بین یک سگ و یک گربه، یا درک یک کارتون انیمیشینی. 🚩 اواسط دهه 90 شاهد نفوذ سیستم‏هایی در مؤسسات مالی بودیم که از تکنیک‏های قدرتمند آماری و انطباقی استفاده می‏کردند. نه تنها فروشگاه‏های بزرگ توسط شبکه‏های کامپیوتری مدیریت می‏شدند، بلکه عمده تصمیمات خرید و فروش نیز بوسیله برنامه‏های نرم‏افزاری که بنحوی فزاینده شامل مدل‏های پیچیده دادوستد بودند،‌ گرفته می‏شد. 🚩 با نقش مهم و روزافزون ماشین‏های هوشمند در تمامی جنبه‏های زندگی امروزه (نظامی، پزشکی،‌ اقتصادی، مالی، سیاسی)، عجیب است کسی در این‌باره تردید داشته باشد که: «چه اتفاقی با هوش مصنوعی رخ داده است»؟ اگر تعریف ما از AI شبیه تعاریف امثال اِلین ریچ (Elaine Rich) باشد که هوش مصنوعی را معادل ماشین‌هایی می‌داند که «اعمالی را به انجام می‏رسانند که فعلاً افراد انسانی در انجام آن‏ها بهتر هستند»، باید اذعان کرد که حوزه AI به موفقیت‌های بزرگی دست یافته و آینده روشن‌تری را هم نوید می‌دهد. 🚩 اما اگر علاوه بر جنبه کارکردی که بر یکسری خروجی‌های از سنخ داده و رفتار و گفتار تکیه دارد، جنبه پدیداری و سابجکتیو هوش و آگاهی نیز مدنظر باشد، ماجرا کاملا فرق می‌کند. رویکردهای معاصر #بدنمندی (#Embodiment) و #پیوندگرایی (#Connectionism) هرچقدر که در ارائه رفتارها و کارکردهای ایده‌آل یا شبیه انسان، پیشرفت داشته‌اند، اما اساسا برای تولید و توسعه عالَم درونی و #آگاهی_پدیداری در ماشین‌ها تاسیس نشده‌اند. 🚩 امروزه البته بسیاری از مهندسان علوم کامپیوتر اصلا کاری با ساخت جنبه اول‌شخص و #تجربه_پدیداری در ماشین‌ها ندارند و صرفا بر توسعه #هوش_مصنوعی_ضعیف تمرکز دارند؛ هوشی که البته در تسهیل و تحول زندگی بشر می‌تواند نقشی بسیار اساسی ایفا نماید و کارکردهای مهمی را به منصه ظهور رساند. اما بنظر می‌رسد چشم‌انداز #هوش_مصنوعی_قوی که توسط لیدرهای این حوزه از اواسط قرن بیستم نوید داده می‌شد و همچنان از سوی برخی مهندسان و نظریه‌پردازان دنبال می‌شود، قابلیت تحقق در قالب رویکردهای رایج را ندارد. و این البته بمعنای عدم امکان علی‌الاصول تحقق چشم‌انداز مذکور از هیچ طریق دیگر نیست. @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

هوش مصنوعی یا بدن مصنوعی؟ 💧 می‌توان گفت برنامۀ پژوهشی و عملیاتی #هوش_مصنوعی در پی ساختن حیوانات مصنوعی است (یا دست‌كم چیزهایی كه به نظر می‌‌رسند حیوان‌اند). بسیاری نیز معتقدند هوش مصنوعی فعالیت ساختن اشخاص مصنوعی (artificial persons) است (یا دست‌كم چیزهایی كه به نظر می‌رسد اشخاص‌اند). هدف برنامۀ #هوش_مصنوعی_قوی، ساختن اشخاص مصنوعی است، ماشین‌هایی كه تمام توان‌های ذهنی انسان‌ها را، شامل #آگاهی_پدیداری، دارند. بنابراین هدف هوش مصنوعی قوی، ایجاد ذهن‌مندی واقعی در ماشین است. (بنگرید: مدخل هوش مصنوعی، دایرةالمعارف اینترنتی استنفورد). ⚡️ اكنون از چالش‌های پیش روی هوش مصنوعی قوی صرف‌نظر می‌كنیم و فرض می‌كنیم تحقق آن ممكن است. زین پس مراد از هوش مصنوعی، هوش مصنوعی قوی است. بر این اساس: ☄️ برخی محققان در #فلسفه_اسلامی برآن‌اند كه موافق مبانی #حكمت_متعالیه، سخن گفتن از هوش مصنوعی خطاست (یعنی دقیق نیست و كاربردی مجازی یا تسامحی است)، و باید از بدن یا مغز مصنوعی سخن گفت. 💥 مطابق حكمت متعالیه، ذهن‌مندشدن فرایندی جسمانیة الحدوث است، یعنی آنگاه كه بدن انسانی مناسبی شكل می‌گیرد، ذهن‌مندی در آن تحقق می‌یابد و موجود انسانی بدن‌مند و ذهن‌مند حاصل می‌آید. پس هوش‌مندی امری متحقق در/به‌نحوی مرتبط با بدن است. اگر تقسیم اشیا به طبیعی و مصنوعی درست و واقعی باشد، تنها می‌توان بدن مصنوعی ساخت، و تحقق بدن (یعنی جسمی كه قابلیت ذهن‌مندشدن را بالفعل دارد) همان و تحقق ذهن‌مندی در/مرتبط با آن بدن، همان. (دربارۀ علت و چگونگی این تحقق نیز نظریاتی عرضه شده است.) پس برای آنكه هوش‌مندی محقق شود، باید بدنی ویژه را فراهم آورد. نمی‌توان مستقیماً و بی‌واسطه هوش‌مندی را ایجاد كرد، بلكه باید از راه ساختن بدن متناسب بدان دست یافت. ☄️ بر این اساس پرسش از امكان هوش مصنوعی قوی، به این پرسش باز می‌گردد: آیا می‌توان جسمی، با قابلیت‌ها و پیچیدگی‌های لازم، ساخت كه هوش‌مند شود؟ به نظر نمی‌رسد محال باشد. ☀️ بنابراین اگر هوش‌مندی واقعاً در هویتی فیزیكی روی می‌دهد، نباید آن را به‌معنای دقیق کلمه، «مصنوعی» دانست، زیرا هوش‌مندی یا موجود نیست، یا واقعاً به‌نحوی برخاسته از/متحد با بدنی جسمانی است. پس هوش‌مندی همواره نامصنوع است. هوش‌مندی لازمۀ طبیعی جسم‌مندی مناسب است، بدین معنا كه اگر جسم مناسب ذهن‌مندی یا هوش‌مندی موجود باشد، ذهن یا هوش ناگزیر، با موجود بودن علل خاص خودش، موجود می‌شوند و برساخته بودن یا مصنوع بشر بودنش بی‌معناست. آنچه مصنوع بشر است، مغز یا بدن مصنوعی است. پس هوش نمی‌تواند مصنوع باشد، و تنها جسمی كه زمینۀ بروز و ظهور هوش‌مندی است، می‌تواند مصنوع بشر باشد، پس باید از بدن یا مغز مصنوعی سخن گفت. 💦 به نظر می‌رسد چندین دسته از نظریات ذهن-بدن با این تصویر می‌توانند همراه شوند، ازجمله: #دوگانه_انگاری جوهری، #كاركردگرایی، #نوخاسته‌_گرایی، همه_روان_دار_انگاری و نظریۀ نفس-بدن صدرایی. به‌طور كلی این تصویر با #فیزیکالیسم ناتقلیل‌گرا و نیز با اعتقاد به #سوپروینینس در مورد رابطۀ ذهن و بدن، سازگار است. 🖊 رضا درگاهی‌فر @PhilMind

🔻تقریبا همگان قبول دارند که انجام بعضی کارها نیازمند "هوش" است؛ مثل پیداکردن حاصل تقسیم 231 بر 42. ممکن است کسی بگوید دستگاهی دارای #هوش_مصنوعی است که بتواند برای انجام ‏چنین کارهایی توسط ما بهره‌برداری شود؛ یعنی کارهایی که توافق داریم انجام آن‏ها بوسیله انسان، مستلزم هوش است. داشتن هوش به این معنا را «هوش کاری» (task intelligence) می‏نامیم. ماشین حساب‏ها می‏توانند برای یافتن پاسخ تقسیم 231 بر 42 بکار گرفته شوند، بنابراین حتی آن‏ها هم دارای #هوش_کاری هستند. 🔻هوش کاری مصنوعی، مناقشه برانگیز نبوده و حتی آکوئیناس و دکارت هم دلیلی برای رد آن ندارند. هرچند باید توجه داشت که ماشین حساب‏ها نمی‏دانند جواب مسائل ریاضیاتی چیست و نمی‌دانند که در حال انجام عملیات ریاضی‏اند. لذا شایسته نیست که از دارابودن هوش کاری به ادعاهای بزرگتر درباره #هوش_اشیاء پل بزنیم. 🔻«هوش شیء» مقابل «هوش کاری» است؛ اگر یک دستگاه هوش مصنوعی اشیاء را داشته باشد،‌ آن‏گاه چنین دستگاهی را می‏توان به معنی واقعی هوشمند دانست. پرسش‏های مناقشه‏برانگیز معاصر از امکان هوش مصنوعی اشیاء و رویکردهای مختلف برای طراحی آن، سؤال می‏پرسند. 🔻می‏توان با وام‏گیری اصطلاح از جایگاه پمپ بنزین، بین دو گونه هوش اشیاء تمایز نهاد: اگر هوش دستگاه بگونه‏ای است که می‏داند انسان‏ها چگونه دارای هوش خودشان هستند،‌ چنین دستگاهی واجد هوش مصنوعی اعلای شیء (premium artificial thing intelligence) یا premium AI است. اما اگر هوش دستگاه بگونه‏ای باشد که نمی‏داند انسان‏ها چطور هوش خودشان را دارند، این دستگاه را دارای هوش مصنوعی عادی شیء (regular artificial thing intelligence) یا regular AI می‏نامیم. باید توجه داشت که گازوئیل عادی، واقعاً گازوئیل است. به همین ترتیب، هوش مصنوعی عادی اشیاء نیز واقعاً هوش است. 🔻جان سرل (1980) تفاوتی بین هوش مصنوعی قوی و ضعیف گذاشته بود: #هوش_مصنوعی_قوی، تزی است که می‏گوید «کامپیوترهایی با برنامه‏ریزی درست، واقعاً یک ذهن هستند. بدین معنا که کامپیوترها با برنامه‏ریزی درست، می‏توانند حقیقتاً و بمعنای سابجکتیو "درک کنند" و دیگر حالات شناختی را نیز داشته باشند». در حالی که ادعای #هوش_مصنوعی_ضعیف فقط در این حد است که کامپیوترها ابزاری مفید برای فرمولیزه‏کردن و آزمایش و انجام وظایف و رفتارهای مبتنی بر هوش هستند. 🔻این تمایز سرل را قادر ساخت تا استدلال خویش را مستقیماً و صرفاً علیه هوش مصنوعی قوی صورت‏بندی کند. ولی برای اهدافی عمومی‏تر نیازمند تمایزهای دیگری – مانند آن‏چه در این‏جا معرفی کردیم – هستیم. تمایز عادی/ اعلا به ما این امکان را می‏دهد که دو احتمال در هوش مصنوعی قوی را بازشناسی کنیم. و تمایز هوش کاری/ هوش اشیاء به ما اجازه می‏دهد تشخیص بدهیم که چالش‏های فلسفی عموماً متوجه ادعایی است که می‏گوید یک دستگاه می‏تواند خودش اصالتاً هوشمند باشد، یا حالات شناختی خاص خودش را داشته باشد. William Robinson, 2014, "Philosophical challenges", In: The Cambridge Handbook of Artificial Intelligence, pp. 85-86. @PhilMind