🖥 نول و سیمون در 1957 نسخه بهروز از برنامه کامپیوتری «نظریه منطق» را با نام «حل مسئله عمومی» عرضه کردند که تکنیکهای جستجوگر بازگشتی را برای حل مسائل ریاضیاتی به کار میگرفت. نظریه منطق و حل مسئله عمومی، توانایی یافتن اثباتهایی برای بسیاری قضایا در کارهای اولیه برتراند راسل و آلفرد وایتهد در نظریه مجموعهها را دارا بود.
🖥 این موفقیتها سیمون و نول را بر آن داشت تا در مقاله 1958 خویش با عنوان Heuristic Problem Solving بگویند: «هماینک ماشینهایی بر روی زمین وجود دارند که "فکر میکنند"، "یاد میگیرند" و "خلق میکنند". علاوه بر این، توانایی آنها برای انجام چنین کارهایی بسرعت در حال افزایش است، تا اینکه در آیندهای نزدیک، طیف مسائلی که میتوانند رسیدگی کنند، با طیف مسائلی که ذهن انسانی بکار گرفته، برابری خواهد کرد» و یک دهه بعد، سیمون پیشبینی کرد که تا سال 1985 «ماشینها توانایی انجام هرکاری که انسانها انجام میدهند را خواهند داشت» (Kurtzweil, 1999, The Age of Spiritual Machines; When Computers Exceed Human Intelligence, p. 58).
🖥 در طول دهه 60، حوزه آکادمیک #هوش_مصنوعی کار بر روی دستورالعملی را آغاز کرد که آلن #تورینگ برای نیم قرن بعدی پیشنهاد کرده بود. کارهایی که نتایجی بعضاً دلگرمکننده و بعضاً ناامیدکننده به دنبال داشت. برنامه دنیل بابرو میتوانست مسائل جبر را از زبان طبیعی حل کند و آزمونهای ریاضیات دبیرستان را بخوبی پشت سر بگذارد. مشابه همین موفقیت برای برنامه توماس ایونس گزارش شده که میتوانست مسائل قیاس هندسی را در آزمون آیکیو حل نماید. حوزه سیستمهای کارشناسی نیز با سیستم DENDRAL ساخته ادوارد فیجنبام آغاز شد که میتوانست پرسشها درباره ترکیبات شیمیایی را پاسخ گوید.
🖥 با فاصله کمی اما انتقادات گستردهای وارد شد که ناتوانی این برنامهها برای انجام واکنشهای بجا در محیطهای متنوع را هدف میگرفت. دیگر مشخص شده بود مسائلی که همگان فکر میکردند مشکل باشند، از حل قضایای ریاضیاتی و بازی ماهرانه شطرنج گرفته تا استدلال در حوزههایی مانند شیمی و داروسازی، 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 درک یک کارتون انیمیشینی.
🖥 تأکیدی که یکی از مهمترین منتقدین - هیوبرت دریفوس - بر اهمیت «ارتباط» قائل بود، موضوعیت توانایی انسان در تشخیص امر ذاتی از غیر ذاتی را برجسته میکرد. اینکه انسانها میتوانند بدون زحمت براساس #تجربه_پدیداری خویش در هر موقعیت مرتبط، واکنشی درخور ارائه بدهند. #دریفوس میگفت قائلشدن به چنین تواناییای برای کامپیوترها، لغزشگاهی در برابر هوش مصنوعی قرار میدهد که او معضل بافتار کلگرا (holistic context) نامید. معضلی که همچنان بمثابه یک چالش کلیدی در برابر هوش مصنوعی – قوی و ضعیف – و نیز #علوم_شناختی محاسباتی باقی مانده است.
🖥 یک مربی مهدکودک یا یک مادر در مواجهه با رفتار لجبازانه یکی از بچهها در موقعیتی خاص، ممکن است واکنشی داشته باشد که با واکنش در برابر رفتار مشابه همان بچه در موقعیتی دیگر یا در برابر رفتار مشابه بچهای دیگر در همان موقعیت متفاوت باشد. این نوعی معرفت چگونگی است که از سنخ معرفت گزارهای و مفهومی نیست و بیشتر بر تجربیات پدیداری آن مادر یا مربی تکیه دارد و بسیار وابسته به کانتکست عمل میکند.
🖥 البته این ادعا که مردم در فعالیتهای روزمرهشان دستورالعملهای گزارهای را پیاده نمیکنند، همواره معضلی در برابر هوش مصنوعی و نظریه محاسباتی بوده است. این انتقاد در قالبهای متنوع از سوی فیلسوفان مختلف – از ویتکنشتاین و کواین تا دریفوس و سرل و دیگران - مطرح شده و بر تمایز بین توصیف و علیت، و همچنین بین پیشبینی و تبیین دست میگذارد.
🖥 یک دسته از قوانین (یا بنحو منطقیتر، یک برنامه کامپیوتری) باید یک پدیده شناختی را به اندازه کافی توصیف نماید. آنها باید تمامی دادههای تجربی را متناسبسازی کرده و پیشبینیهای درست را بسازند. اما این بدان معنا نیست که یک بازنمایی کدگذاریشده از قوانین (یا برنامه) درون سر ما وجود دارد که بنحوی علی درگیر تولید پدیده است.
برای مثال، گروهی از قوانین گرامری G میتوانند بنحوی درست، قیود خاص موجود در نحو زبان انگلیسی را توصیف نمایند. ولی این بدان معنا نیست که گویندگان زبان انگلیسی یک کدگذاری از قوانین G درون مغزهایشان دارند که باعث تولید سخن مطابق G از سوی آنها میشود. بنابراین با اینکه G میتواند بدرستی رفتار زبانی انسانها را پیشبینی نماید، اما ضرورتاً آن را توضیح نمیدهد.
@PhilMind
🐦 با الهام از مقاله معروف تامس نیگل ("حس و حال خفاش بودن، چگونه است") میتوان گفت فرض کنید یک خفاش و یک قرقی وارد جنگلی یکسان میشوند و از لابلای درختان انبوه آن عبور میکنند. رفتار و مواجهه هر دو پرنده با موانع جنگل، به شیوهای تقریبا مشابه اتفاق میافتد؛ آنها سعی میکنند بدون برخورد به درختان، عرض جنگل را از نزدیکترین مسیر طی کنند و از آن خارج شوند. در این مثال، کارکرد هر دو سیستم جانوری در محیط واحد، تقریباً یکسان است.
🐦 ولی با توجه به یافتههای تجربی میدانیم که حس درونی و #تجربه_پدیداری خفاش باید علیالقاعده با حس و تجربه قرقی، تفاوت اساسی داشته باشد؛ چرا که قرقی – مثل عمده جانداران – از طریق #ادراک_بصری، محیط پیرامون را میبیند و بر این اساس، رفتارهای خود را تنظیم میکند. اما خفاش فاقد بینایی است و محیط اطرافش را از طریق ارسال پالس و دریافت تکانههای صوتی و ارزیابی شدت و کیفیت این اصوات، درک میکند.
🐦 قرقی دارد درختان و سایر موانع پیرامونش را میبیند و تصاویر آنها را دریافت میکند، اما خفاش سایز و شکل این موانع را از طریق ادراک شنوایی، تشخیص میدهد. طبیعتاً حس درونی و منظر سابجکتیو در ادراک بصری، تفاوت قابل توجهی نسبت به ادراک شنوایی دارد.
🐦 بر مبنای دیدگاه #کارکردگرایی، آنچه در #ادراک_حسی (#perception) خفاش و قرقی میبینیم، تفاوت چندانی با هم ندارند و کارکردها تقریباً یکسانند. اما #آگاهی_پدیداری و تجربه درونی آنها قاعدتاً تفاوتی اساسی با هم دارند.
🐦 امروزه ما در #علوم_شناختی و #نوروساینس، جنبههای مختلفی از سیستم ادراک حسی خفاش را میشناسیم و جزئیات فرکانسهای صوتی و سیستم ارسال و دریافت پالسها و نواحی فعال مغز او در این مواقع را میتوانیم تشریح کنیم. ولی تمام این یافتهها – هرچقدر هم که پیشرفت کنند – همچنان از دستیابی به منظر اولشخص و حس درونی خفاش در هنگام ادراک محیط، ناتوان است؛ بلکه آن تجربه پدیداری، ورای دسترسی مفهومی و کارکردهای شناختی است.
🐦 مدلهای محاسباتی در تولید و ساخت #هوش_مصنوعی نیز با همین رویکرد کاردکردگرایانه، حداکثر تا تمایزگذاریها و شبیهسازیهای رفتاری پیش میروند و از ادراک و بازسازی آگاهی پدیداری باز میمانند.
@PhilMind
⏰ این پرسش مکرر مطرح میشود که در #فلسفه_اسلامی، بحثی متناظر با مفهوم آگاهی (#consciousness) وجود دارد و آیا از این مفهوم در استدلالهای مربوط به چیستی نفس، استفاده شده است؟
⏰ مفهوم #آگاهی (و به ویژه #آگاهی_پدیداری: Phenomenal Consciousness) در #فلسفه_ذهن معاصر، به تجربیات درونی ارجاع میدهد؛ یعنی به همان کیفیات سابجکتیو که بصورت مثلا غم و شادی و خشم و درد و لذت و ... تجربه میشوند. آگاهی بدین معنا چالش اصلی و مسئله دشوار #فیزیکالیسم معاصر قلمداد میشود و انواع تئوریها به منظور تبیین فیزیکی آن ارائه و مخدوش شده است.
⏰ در #علم_النفس فلسفه اسلامی اما عمده تمرکزها و استدلالها پیرامون #تجرد_نفس، بر محور مفهوم علم و بعضاً #ادراک_حسی میچرخد. ادراک حسی هم از جنبه اطلاع مفهومی از محتوا و نه از جنبه #کیفیت_پدیداری آن. مثلا ادراک بصری دریا (یا تصویر هر ابژه عظیم الابعاد) از این جهت مورد بحث قرار میگیرد که آیا دریافت آن صرفا توسط چشم و مغز امکانپذیر است یا نه. استدلالی که بر ابعاد محتوای ادراک حسی و مشخصههای اطلاعاتی آن تکیه دارد و نه بر کیفیت پدیداری (مثلا لذت یا ترس) حاصل از ادراک آن.
یا مثلاً استدلالهایی که بر تجرد علم تکیه میکنند، عمدتا بر امکان یا عدم امکان تحقق محتوای علم در مغز یا هر پایگاه فیزیکی دیگر تمرکز دارند.
⏰ این قبیل استدلالها در واقع محتوای التفاتی را برجسته میکنند. #حالات_التفاتی - که نزدیکترین آنها به مفهوم علم، حالاتی مانند تفکر و باور در فلسفه ذهن هستند - البته جزو مسائل دشوار فیزیکالیستی بحساب میآیند و برخی فیلسوفان معاصر، طبیعیسازی #حیث_التفاتی (#Intentionality) را در کنار طبیعیسازی #تجربه_پدیداری، دو مسئله اصلی فیزیکالیسم میدانند.
ولی به هرحال مسئله آگاهی پدیداری از مسئله حیث التفاتی جداست و آنچه در ادبیات معاصر #فلسفه_تحلیلی با توافقی گسترده به عنوان مسئله محوری تلقی شده و موضوع انواع استدلالها درباره ماهیت ذهن قرار گرفته، همین مسئله آگاهی و کیفیات پدیداریست. (بازنمودگرایان سعی میکنند آگاهی پدیداری را به حیث التفاتی تقلیل بدهند و از این طریق، راه حلی برای #مسئله_دشوار آگاهی ارائه دهند)
⏰ آنچه در نظر فیلسوفان مسلمان اما - از فارابی و #ابن_سینا گرفته تا #ملاصدرا - مهم مینمود، علم به معنای حیث التفاتی بود و اساسا آگاهی پدیداری در مباحث ایشان پیرامون نفس، جایگاه خاصی نداشته است. اینان حتی در شمارش #قوای_نفس نیز از مراتب مادون (قوای حاسه) گرفته تا قوه عاقله، جایگاهی برای قوای متناظر با تجربه #کیفیات_پدیداری در نظر نگرفتهاند.
اینکه استدلالهای سنتی فیلسوفان مسلمان در باب تجرد نفس تا چه اندازه میتواند صائب و نافذ باشد، بحثی مجزا و مفصل میطلبد. ولی در هر حال باید توجه داشت که موضوع بحث در این قبیل استدلالها عمدتا حیث التفاتیست و نه تجربه پدیداری.
⏰ سنت فلسفی اسکولاستیک در جهان غرب نیز به تبع رویکرد فوق، بر ماهیت علم و ادراک تکیه کرده و حتی #دکارت هم برای استدلال به نفع ذهن غیر فیزیکی، انواع تفکر را محور بحث و استدلال قرار داده است.
شیفت مباحث از محتوای التفاتی/بازنمودی به کیفیت پدیداری، تا حد زیادی متأثر از یافتههای جدید #علوم_شناختی در نیمه دوم قرن بیستم و تاکیدات مختلف بر هیجانات و احساسات و ... بود که مسئلهای متفاوت از تبیین محتوای اطلاعاتی را پیش میکشید.
⏰ هرچند این شیفت مهم توجهات هنوز در #هوش_مصنوعی اتفاق نیفتاده و عمده مهندسان AI به تبع تورینگ و چشماندازهای اواسط قرن بیستم، همچنان بدنبال تولید #ماشین_تفکرکننده هستند. بماند که در همین هدف نیز به #مدلهای_محاسباتی و تمایزناپذیری رفتاری و کارکردی اکتفا کرده و حتی از جنبه سابجکتیو حیث التفاتی هم براحتی عبور میکنند. رویکردهای نوین درباره ساخت #آگاهی_مصنوعی به تازگی از زیر آوار التفاتگرایی در هوش مصنوعی سر برآوردهاند؛ البته اگر همینها نیز از آفات مدلسازیهای بازنمودگرا در امان بمانند.
@PhilMind