eitaa logo
🌿 ••[ وجیزه ]••
874 دنبال‌کننده
400 عکس
161 ویدیو
421 فایل
﴿بسم الله الرحمن الرحیم و به نستعین...﴾ 🌿••[السلام علی المهدی و آبائه]•• ارتباط با ادمین: @eshragh133 🌿··کانال دیگه‌ی ما ...'' https://eitaa.com/hoomas
مشاهده در ایتا
دانلود
🖥 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 کار بر روی دستورالعملی را آغاز کرد که آلن 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 خویش در هر موقعیت مرتبط، واکنشی درخور ارائه بدهند. 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 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 خفاش باید علی‌القاعده با حس و تجربه قرقی، تفاوت اساسی داشته باشد؛ چرا که قرقی – مثل عمده جانداران – از طریق ، 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 ، آن‌چه در () خفاش و قرقی می‌بینیم، تفاوت چندانی با هم ندارند و کارکردها تقریباً یکسانند. اما و تجربه درونی آن‌ها قاعدتاً تفاوتی اساسی با هم دارند. 🐦 امروزه ما در و ، 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 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 ، بحثی متناظر با مفهوم آگاهی () وجود دارد و آیا از این مفهوم در استدلال‌های مربوط به چیستی نفس، استفاده شده است؟ ⏰ مفهوم (و به ویژه : Phenomenal Consciousness) در 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 معاصر قلمداد می‌شود و انواع تئوری‌ها به منظور تبیین فیزیکی آن ارائه و مخدوش شده است. ⏰ در فلسفه اسلامی اما عمده تمرکزها و استدلال‌ها پیرامون ، بر محور مفهوم علم و بعضاً می‌چرخد. ادراک حسی هم از جنبه اطلاع مفهومی از محتوا و نه از جنبه 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. - 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 () را در کنار طبیعی‌سازی ، دو مسئله اصلی فیزیکالیسم می‌دانند. ولی به هرحال مسئله آگاهی پدیداری از مسئله حیث التفاتی جداست و آن‌چه در ادبیات معاصر 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 آگاهی ارائه دهند) ⏰ آن‌چه در نظر فیلسوفان مسلمان اما - از فارابی و گرفته تا - 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 نیز از مراتب مادون (قوای حاسه) گرفته تا قوه عاقله، جایگاهی برای قوای متناظر با تجربه 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 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 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 اتفاق نیفتاده و عمده مهندسان AI به تبع تورینگ و چشم‌اندازهای اواسط قرن بیستم، همچنان بدنبال تولید هستند. بماند که در همین هدف نیز به و تمایزناپذیری رفتاری و کارکردی اکتفا کرده و حتی از جنبه سابجکتیو حیث التفاتی هم براحتی عبور می‌کنند. رویکردهای نوین درباره ساخت به تازگی از زیر آوار التفات‌گرایی در هوش مصنوعی سر برآورده‌اند؛ البته اگر همین‌ها نیز از آفات مدل‌سازی‌های بازنمودگرا در امان بمانند. @PhilMind