📚#معرفی_کتاب کتاب «متافیزیک معرفت»، نوشته کیث هوساک، در 328 صفحه توسط انتشارات آکسفورد در 2007 چاپ شده است. 🌕 در این کتاب چند مبحث و فصل مهم و مرتبط با فلسفه ذهن مطرح شده است. ✳️ پیش‌فرض نویسنده این است که معرفت درواقع رابطۀ بسیط غیرفیزیکی است و ازاین‌رو وظیفۀ معرفت‌شناسی تحلیل معرفت از راه صدق و توجیه نیست، بلکه مطالعۀ توجیه است با مفروض انگاشتن مفهوم معرفت. ☘️ فصل نخست تبیین می‌کند که معرفت رابطه‌ای میان ذهن و واقعیت است. در این فصل در این باره بحث شده است که آیا معرفت، یک #گرایش_گزاره‌ای است؟ سپس رابطۀ میان معرفت و حالات ذهنی را بررسی می‌کند. 🍀 محور بحث در فصل سوم، #محتوا است و بیان می‌شود که محتوا گونه‌ای #بازنمایی یک واقعیت است و محتوا ویژگی #فعل_ذهنی است و همین ویژگی، ارزش شناختی فعل ذهنی را متعین می‌سازد. سپس دربارۀ #مفهوم و رابطه‌اش با #محتوا بحثی مطرح می‌شود. 🌿 نویسنده فصل پنجم را به بحث دربارۀ #آگاهی اختصاص می‌دهد و می‌کوشد #آگاهی و #کوالیا را از راه معرفت تعریف کند. می‌گوید یک حالت ذهنی آگاهانه است اگر مصداق گونه‌ای خاص از کلی (universal)، یعنی #کیفیت_پدیداری (quale)، باشد. 🌱 در فصل ششم دربارۀ چیستی #شخص بحث می‌شود و نویسنده، همنوا با جان لاک، شخص را نیز بر اساس معرفت تعریف می‌کند: شخص آن ذهنی است که می‌تواند تحت مفهوم "من" دربارۀ خود بیندیشد؛ پس شخص آن موجودی است که خود را تحت مفهوم "من" می‌شناسد. در این فصل دربارۀ #این‌همانی_شخصی، #خودتنهاانگاری و نظریۀ #اذهان_دیگر نیز مباحثی مطرح شده است. 🖊 رضا درگاهی‌فر @PhilMind

💥صوت اولین نشست از مجموعه جلسات فلسفه هوش مصنوعی، با ارائه دکتر کاظم فولادی قلعه و موضوع «چیستی و تاریخچه #هوش_مصنوعی» 📍دانشکدگان فارابی دانشگاه تهران 📅 سه‌شنبه ۲۳ آبان @PhilMind

💥صوت دومین نشست از مجموعه جلسات فلسفه هوش مصنوعی، با ارائه دکتر مهدی همازاده ابیانه و موضوع «نظریه‌های #آگاهی در #هوش_مصنوعی» 📍دانشکدگان فارابی دانشگاه تهران 📅 سه‌شنبه ۷ آذر @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

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

📚#معرفی_کتاب 📙کتاب «آگاهی درونی؛ یک نظریه بازنمودگرایانه» اثر اریا کریگل در سال ۲۰۰۹ توسط انتشارات آکسفورد و در ۳۰۰ صفحه بچاپ رسیده است. 📘کریگل در این کتاب، تئوری خودبازنمودگرایی را برای تبیین فیزیکالیستی #آگاهی_پدیداری ارائه می‌دهد. این نظریه البته بطور خاص برای تبیین جنبه سابجکتیو تجربه ارائه شده است؛ چراکه مؤلف با تفکیک جنبه کیفی از جنبه سابجکتیو، در اینجا بر دومی تکیه دارد که اساسا هر #تجربه_پدیداری را برای شخص تجربه‌کننده‌اش محقق می‌سازد. جنبه‌ای که آن را «برای‌من‌بودگی» (for-me-ness) نیز نامیده‌اند. 📒کتاب با یک بخش مقدمات مفهومی آغاز می‌شود. مؤلف در ادامه دیدگاه بازنمودگرایانه‌ی جنبه کیفی (محتوای تجربه) را توضیح می‌دهد و آنگاه به سراغ دیدگاه خودبازنمودی در باب جنبه سابجکتیو تجربه می‌رود. 📗نیمه دوم کتاب به مباحث تبعی و پیرامونی تئوری اختصاص دارد و نویسنده در سه بخش، نظریه خود را در نسبت با «وجودشناسی آگاهی»، «علم تجربی آگاهی»، و «تقلیل آگاهی» توضیح داده است. 📕کتاب یک ضمیمه انتهایی با عنوان «آگاهی پدیداری و آگاهی سابجکتیو» هم ارائه می‌دهد. 📎نظریه کریگل را در پست بعدی بررسی خواهیم کرد. @PhilMind

🌀 دانشکدگان فارابی دانشگاه تهران با حمایت ستاد توسعه علوم و فناوری‌های شناختی برگزار می‌کند: 💢 سلسله نشست‌های «فلسفه هوش مصنوعی» نشست سوم موضوع نشست: 🔻 مسئله چارچوب و عواطف انسانی: از هوش مصنوعی به فلسفه 👤 ارائه‌کننده: دکتر ابوالفضل صبرآمیز پژوهشگر فلسفه 🗓 سه‌شنبه ۲۱ آذر ۱۴۰۲ ⏰ ساعت ۱۰:۱۵ تا ۱۲ 📍 قم، ابتدای جاده قدیم تهران، دانشکدگان فارابی دانشگاه تهران، دانشکده مهندسی، سالن اجتماعات 📌 https://balad.ir/p/POi01R3IoFzLRV 🔵 لینک شرکت در جلسه به‌صورت برخط: 🔗 http://vroom.cysp.ir/a

📌موضع رایج دیدگاه #بازنمودگرایی مرتبه اول درباره #آگاهی، قائل به تمایزی در درون #تجربه_پدیداری نیست؛ اما اریا کریگل #حالات_پدیداری را دارای دو خصیصه متفاوت دانسته و برای تأمین و تبیین هر خصیصه، منشاء جداگانه‏ای در نظر گرفته ‏است. به گفته وی مي‌توان ميان دو جنبه مختلف از تجربه‌هاي آگاهانه (مانند تجربه ديدن آسمان) تمايز نهاد: الف) جنبه «آبی‏‌گون بودن» تجربه، که آن را «خصیصه کیفی» تجربه می‏نامد، و ب) جنبه «برای من بودن» که آن را «خصیصه سابجکتیو» تجربه نام‏گذاری می‏کند. آن تجربه نه فقط، آبی‏گون است؛ بلکه براي من است، به اين معنا كه من از آبی‏بودن آن مطلع هستم. آبی‏‌گون‌ بودن آن، خصیصه کیفی‏اش را شکل می‏دهد، در حالی که آگاهی من از آن، خصیصه سابجکتیوش را. 📌خصیصه کیفی یک #تجربه_آگاهانه، مشخص می‏سازد که آن، چه تجربه آگاهانه‏ای هست، اما این خصیصه سابجکتیو تجربه است که مشخص می‏کند آیا اصلاً آن یک تجربه آگاهانه است (Kriegel, 2005, Naturalizing Subjective Character, pp.24-25.) 📌نكته مهمي كه كريگل ابتدا – در مخالفت با بازنمودگرایی مرتبه بالاتر - مطرح مي‌كند اينست كه بنظر مي‌رسد آگاهي ما از يك رويداد پديداري (كه در حقيقت همان خصيصه سابجكتيو آن رويداد است) چيزي متمايز و مجزا از خود آن رويداد نيست. به ديگر سخن، براي حصول آگاهي به يك تجربه، نيازي به يك حالت ذهني فرا و وراي آن تجربه نداريم. بلكه آگاهي از تجربه، بگونه‌اي درون خود آن تجربه نهفته است و به ديگر تعبير، تجربيات آگاهانه خود-بازنما هستند (Ibid, pp.28-29). 📌حال، چنان‏چه وجود دو مؤلفه يادشده (يعني خصیصه کیفی و خصیصه سابجکتیو) را در هر تجربه آگاهانه بپذيريم، لازم است توضيح دهيم چگونه ممكن است يك حالت ذهني در درون خود، آگاهي به آن حالت را در بر داشته باشد. بسياري از نظرياتي كه درباره #آگاهي_پديداري ارائه شده، عمدتاً راجع به خصيصه کیفي هستند و به خصيصه سابجكتيو تجربه نپرداخته‌اند. کریگل در تلاش برای طبیعی‏سازی خصیصه سابجکتیو تجربه آگاهانه، بر این مطلب تمرکز می‏کند که چگونه یک حالت نوروفیزیولوژیک در #مغز می‏تواند وقوع خودش را بنحوی متناسب #بازنمایی کند. 📌البته او اذعان دارد که یک مشکل بسیار اساسی در برابر استراتژی #خودبازنمایی ، این است که فرضیه‏های فیزیکالیستی درباره بازنمایی ذهنی، از مجموعه مفاهيم مربوط به ارتباط علّی بهره می‏گیرند؛ ولی روابط علّی، غیر بازتابی هستند (آن‏ها هیچ‏گاه بین یک شیء و خودش برقرار نمی‏شوند)؛ هیچ حالت ذهنی نمی‏تواند سبب وقوع خودش بشود. در نتیجه یک مشکل بنیادین در برابر طبیعی‏سازی خصیصه سابجکتیو قرار دارد. 📌رویکردی که او برای حل مشکل پیشنهاد می‏کند، این است که محتواهای بازنمایی (شامل هر دو محتوای «گوجه فرنگی قرمز» و «بازنمایی گوجه فرنگی قرمز») بوسیله یکپارچه‏سازی اطلاعاتی که ابتدائاً توسط دو حالت ذهنی جداگانه حمل می‏شوند، تولید می‏گردند. وقتی محتواهای این دو حالت ذهنی جداگانه، بنحوی مناسب یکپارچه‌سازی می‏شوند، یک حالت ذهنی واحد پدید می‏آید که دربردارنده آگاهی درونی از بازنمایی گوجه فرنگی قرمز است. این دو حالت ذهنی (بازنمایی گوجه فرنگی قرمز و بازنماییِ بازنماییِ گوجه فرنگی قرمز) البته هرکدام هیچ خصیصه سابجکتیو ندارند؛ اما وقتی که محتوای بازنمایی‏شان یکپارچه می‏شود، یک حالت ذهنی پدید می‏آید که دارای #خصیصه_سابجکتیو است. علت این‏که این حالت ذهنی سوم، دارای خصیصه سابجکتیو است، اینست که در درون خودش، بازنمایی از یک ابژه بیرونی و بازنماییِ آن بازنمایی را به هم می‌آمیزد. (See: Ibid, pp.38-47) 📌البته او قبول دارد که ممکن است اعتراض شود آشکارگی تجربه برای شخص (برای من بودن)، بسیار خاص‏تر و منحصر به فردتر از آن است که با مفهوم «اطلاع درونی از آن» توضیح داده شود؛ خصیصه سابجکتیو، چیزی فراتر از اطلاع درونی است. نقد دیدگاه کریگل بزودی خواهد آمد. @PhilMind

♦️صوت نشست سوم از مجموعه نشست‌های #فلسفه_هوش_مصنوعی، با ارائه دکتر صبرآمیز و موضوع «مسئله چارچوب و عواطف انسانی: از #هوش_مصنوعی به فلسفه»، سه‌شنبه ۲۱ آذر، دانشکدگان فارابی دانشگاه تهران @PhilMind

فرضیۀ نفس‌مندی هوش مصنوعی ⛵️برایان کاتر، استادیار دانشگاه نوتردام آمریکا، مقاله‌ای نگاشته است با عنوان «فرضیۀ نفس‌مندی #هوش_مصنوعی» که قرار است در مجلۀ ایمان و فلسفه چاپ شود. او از این فرضیه دفاع می‌کند که دست‌کم می‌توان این احتمال را که #هوش_عمومی_مصنوعی (Artificial General Intelligence) به‌معنای حقیقی نفس‌مند باشد، جدی گرفت. ⛺️ این فرضیه بر این فرض‌ها بنا شده است: 🪀ما بالاخره AGI‌ را خواهیم ساخت؛ 🪀در مورد هر موجود نفس‌مند، نظریۀ #دوئالیسم_جوهری صادق است؛ 🪀 نفس، موجودی غیرفیزیکی است. ⛵️کاتر دو استدلال به‌سود این تز عرضه کرده است: استدلال قیاس با بیگانه و استدلال دریافت‌کنندۀ مناسب. ایدۀ استدلال اول (the alien-analogy argument) این است که اگر موجوداتی متفاوت با انسان‌ها و حیوانات زمینی را بیابیم که هوش‌مند به نظر برسند، یعنی رفتارها و کارکردهای هوشمندانه داشته باشند، اما از مادۀ بدنی متفاوتی ساخته شده باشند، می‌پذیریم که آنها هم نفس‌مندند. حال اگر نفس‌مندی آنها را رد نمی‌کنیم، نمی‌توانیم نفس‌مندی ماشین هوشمند را نیز رد کنیم. ⛵️ایدۀ استدلال دوم (the fitting-recipient argument) این است: اگر #دوئالیسم جوهری درست است، آنگاه پذیرفتنی است که نفس‌مندی وقتی روی می‌دهد که سامانۀ فیزیکی مناسبی در کار باشد که دریافت‌کننده و دارندۀ آن نفس باشد. این سامانۀ فیزیکی آنگاه مناسب است که نفس بتواند کارهای خود را از طریق آن انجام دهد، و ازاین‌رو باید ظرفیت‌های مناسب رفتاری و سامانۀ کارکردی متناسبی داشته باشد. پس ماشین هوش‌مندی که همین وضعیت را دارد، همانند انسان نفس‌مند خواهد بود. به بیانی دیگر، اگر بدن خاص انسانی را به سبب آمادگی‌ها و ساختارهای ویژه‌اش نفس‌مند می‌دانیم، ماشینی را که به‌نوعی بدن هوش مصنوعی است، نیز باید نفس‌مند بدانیم. جالب اینکه کاتر از آلن تورینگ (1950:334) این ایده را نقل می‌کند که طرفدار #دوگانه_انگاری جوهری خداباور، باید امکان نفس‌مندی ماشین را بپذیرد. ⛵️کاتر در مقاله توضیح داده است که مرادش از نفس و نفس‌دار شدن چیست، ازجمله نفس‌مندی را گونه‌ای اتحاد نفس و بدن می‌‌داند که بر روابط علّی متقابل میان نفس و بدن استوار است. نیز دربارۀ شرایط از لحاظ طبیعی کافی (nomologically sufficient condition) برای نفس‌دار شدن بحث کرده است، زیرا نفس‌دار شدن مسلماً حادثه‌ای تصادفی نیست. ⛵️بر همین اساس، وی به نکتۀ مهمی اشاره کرده است: لازمۀ فرضیۀ مزبور این نیست که ما نفس‌های ماشین‌های هوشمند آینده را خلق می‌کنیم، بلکه نقش ما تنها فراهم آوردن شرایط مادی لازم برای نفس‌مند شدن است. این سخن مشابه سخن دوگانه‌انگاران جوهری است که معتقدند اگر بدن مناسبی فراهم آید، آنگاه نفسی بدان متصل می‌شود یا این بدن با نفسی ازپیش‌موجود متحد می‌گردد. ⛵️کاتر مفصلاً هر دو استدلال را صورت‌بندی کرده و دربارۀ آنها بحث کرده است. و در پایان به برخی لوازم فرضیۀ نفس‌مندی ماشین پرداخته است، مانند وضعیت اخلاقی، این‌همانی شخصی و نوع و مرتبۀ وجودی نفس‌های ماشین های هوشمند آینده. ⛱متن مقاله در philpapers در دسترس است. Cutter, Brian (forthcoming). The AI Ensoulment Hypothesis. Faith and Philosophy. 🖊 رضا درگاهی‌فر @PhilMind

🌀 دانشکدگان فارابی دانشگاه تهران با حمایت ستاد توسعه علوم و فناوری‌های شناختی برگزار می‌کند: 💢 سلسله نشست‌های «فلسفه هوش مصنوعی» نشست چهارم موضوع نشست: 🔻 هوش مصنوعی و خطر وجودی 👤 ارائه‌کننده: دکتر محمدحسن مرصعی دانشگاه صنعتی شریف 🗓 سه‌شنبه ۵ دی ۱۴۰۲ ⏰ ساعت ۱۰:۱۵ تا ۱۲ 📍 قم، ابتدای جاده قدیم تهران، دانشکدگان فارابی دانشگاه تهران، دانشکده مهندسی، سالن اجتماعات 📌 https://balad.ir/p/POi01R3IoFzLRV 🔵 لینک شرکت در جلسه به‌صورت برخط: 🔗 http://vroom.cysp.ir/a

🔹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