📚 #معرفی_کتاب 📙 #هوش_مصنوعی بیولوژی‌محور در سال 2008 و توسط انتشارات MIT بچاپ رسیده است. 📕 این کتاب در هفت فصل به هفت محور که هوش مصنوعی جدید از زیست‌شناسی الهام گرفته، پرداخته است: 1) سیستم‌های تکاملی، 2) سیستم‌های سلولی، 3) سیستم‌های نورونی، 4) سیستم‌های رشدیابنده، 5) سیستم‌های ایمنی، 6) سیستم‌های رفتاری، 7) سیستم‌های اجتماعی 📒 کتاب در واقع به توضیح انقلاب نظری و فنی در تولید و ساخت هوش مصنوعی طی دهه‌های اخیر می‌پردازد که فرآیند 50-40 ساله جریان اصلی مبتنی بر داده‌کاوی و الگوریتم‌های دیجیتال را کنار گذاشت و به منبع الهام خود - هوش طبیعی - توجه کرد. 📘 در اواسط دهه 1980 میلادی بود که طیفی از حوزه‌های تازه تاسیس مانند #علوم_شناختی بدن‌مند، مهندسی نورومورفیک، حیات مصنوعی، #روباتیک رفتارمحور، روباتیک تکاملی، و هوش ترکیبی، اعتبار مفروضات و روش‌های هوش مصنوعی جریان اصلی را زیر سؤال برد و تولید مصنوعاتی با ویژگی‌های عملکردی و نمایش هوش بیولوژیک را هدف قرار داد. 📗 هرچند امروزه درباره رویکرد اتصال‌گرایی/پیوندگرایی (#connectionism) و بدن‌‌مندی (#embodiment) نیز چالش‌ها و سؤالات مهمی - هم از جنبه فنی و هم فلسفی - مطرح شده و گزینه‌های تحول‌آفرین دیگری در مقالات پیشنهاد می‌شود. @PhilMind

♦️فصل سوم کتاب «#هوش_مصنوعی بیولوژی‌محور»، سیستم‏های نورونی را بمثابه یکی از منابع الهام AI جدید مورد بررسی قرار می‌دهد. این سبستم‌ها شامل مجموعه‏ای از سلول‏های نورونی متصل به هم (شبکه شده) است. شبکه‌های عصبی مصنوعی، مدل‌های محاسباتی هستند که در دستگاه پیاده‌سازی می‌شوند و تلاش می‌کنند ویژگی‌های رفتاری و تطبیقی سیستم‌های عصبی بیولوژیک را به تصویر بکشند. ♦️یک شبکه عصبی مصنوعی از چندین واحد به هم پیوسته (بمثابه نورون‌ها) تشکیل شده است. برخی از این واحدها اطلاعات را مستقیماً از محیط دریافت می‌کنند (واحدهای ورودی)، برخی تأثیر مستقیم بر محیط دارند (واحدهای خروجی) و برخی دیگر فقط با واحدهای داخل شبکه ارتباط برقرار می‌کنند. هر واحد، عملیات ساده‌ای را اجرا می‌کند که شامل فعال‌شدن در صورتی است که کل سیگنال دریافتی از آستانه تعریف‌شده آن بزرگتر باشد. یک واحد فعال سیگنالی را منتشر می کند که به تمام واحدهایی که به آن متصل است می‌رسد. تصویر بالای پست، شمای اولیه‌ای از مدل شبکه نورونی مصنوعی الهام‌گرفته از شبکه نورون‌های طبیعی را نشان می‌دهد. ♦️طی 50 سال گذشته، دو حوزه بسط یافته از مدل‏های محاسباتی و صوری سیستم‏های نورونی عبارت بوده‏اند از: #نوروساینس محاسباتی و مهندسی نورونی. اولی با تکیه بر مدل‏های ریاضیاتی دینامیک غشای نورونی، سعی در فهم کارکردن مغزهای زنده دارد. نحوه تعاملات نورون‏ها با یکدیگر، تأثیر حوزه شیمیایی بر رفتار نورونی، دینامیک مجموعه‏های نورونی و ... از محورهای اصلی #نوروساینس_محاسباتی است. دومی بدنبال بازتولید عملکردهای #مغز برای مهندسی ماشین‏های هوشمند است. کنترل سفت و سخت سیستم‏های روباتیک، الگوریتم‏های یادگیری، ساختارهای سطح بالاتر که می‏توانند توانایی‏های شناختی را بازتولید کنند و پیاده‏سازی مدل‏های عصبی در سخت‏افزار از محورهای اصلی #مهندسی_نورونی است. ♦️سیستم های عصبی در مقایسه با ارگانیسم‏های بدون مغز حداقل دو مزیت دارند: (1) انتقال انتخابی سیگنال‏ها بین قسمت‏های دوردست بدن و (2) سازگاری با استفاده از شکل پذیری سیناپسی. این دو ویژگی، تولید بدن‏های پیچیده‏تر و مقابله بهتر با محیط‏های غیرقابل پیش‏بینی را تسهیل می‏کند. ♦️واضح است که شبکه‌های نورون مصنوعی همچنان - مانند کامپیوترهای کلاسیک دیجیتال - محاسباتی هستند و برپایه پردازش اطلاعات کار می‌کنند. اما الهام از مسیرهای پردازش موازی در مغز و واحد‌های متکثر نورونی، ساختار جدید و منعطفی را برای محاسبات بر روی میز قرار داده که برخی مشکلات رویکرد قدیمی را ندارد. اما طبیعتاً اشکالات کلی رویکرد محاسباتی - که از قبل مطرح بوده - و بازتولید اشکال حس عمومی - که توسط فیلسوف پدیدارشناس و طراح اشکال (هابرت دریفوس) بازسازی شده - مجدد مطرح و تاثیرگذار است. @PhilMind

#تراانسان‌گروی و کاربست #فناوری های نوظهور و #همگرا 🔆 تراانسان‌گرایان معتقدند انسان می‌تواند و حق دارد که با تغییر محدودیت‌های فیزیکی، زیستی و شناختی خود، به ظرفیت‌هایی فراتر برای تجربه کردن برسد. برای این کار باید از فناوری‌های نوین بهره برد. تراانسان‌گروی فناوری‌دوست (technophile) است. از نگاه آنان طبیعت و انسان آن‌گونه مقدس نیستند که نتوان و نبایست در آنها تغییر ایجاد کرد. انسان‌گرایان معتقدند نباید در انسان تغییری ایجاد کرد؛ برخی متدینان معتقدند نباید نقش خداگونه در جهان بازی کرد و برخی محیط‌زیست‌گرایان معتقدند که نباید طبیعت را دست‌کاری کرد. اما تراانسان‌گرایان معتقدند جهان کنونی چیزی نیست که در غایت نهایی خود باشد، بلکه خود در حال ارتقاست و با استفاده از هوش عقلانی می‌توان آن را بهبود داد. 🔆آیا تراانسان‌گرایان مخالف اصل احتیاط (precautionary principle) هستند؟ مطابق این اصل، فناوری‌های جدید نباید توسعه یابند، مگر اینکه اثبات شود خطری ندارند. این اصل بر این مفهوم و رویکرد استوار است که پیامدهای فعالیت‌ها در سامانه‌های پیچیده غالبًا پیش‌بینی‌ناپذیر و برگشت‌ناپذیرند، بنابراین نباید به‌سادگی آنها را تجویز کرد. اما تراانسان‌گرایان در عین اینکه طرفدار تحلیل جدی ریسک فناوری‌های نوظهورند، معتقدند اگر آستانۀ بالایی از اثبات بی‌خطری در نظر گرفته شود، به‌شدت جلوی توسعۀ بیشتر فناوری‌های جدید گرفته می‌شود. در واقع هنگام محاسبه و بررسی هزینه-فایده، باید فقدان مزایای فناوری‌های نوظهور نیز به‌سان هزینه در نظر گرفته شود. 🔆در برابر اصل بالا، برخی تراانسان‌گرایان اصل اقدام فعالانه (proactionary principle) را مطرح کرده‌اند. این اصل بر این نگره استوار است که از لحاظ تاریخی، سودمندترین و مهم‌ترین ابداعات فناورانه در زمان خودشان آشکارا فهم نشدند. مطابق این اصل، ابداع و ابتکار فناورانه را باید بسیار ارج نهاد و بار اثبات را باید بر گردۀ کسی نهاد که می‌خواهد مانع تحقق چنان ابداعاتی گردد. 🔆بر این اساس پیشرفت هرچه‌بیشتر فناوری، به‌ویژه آنهایی که تقویت ساختارهای بدنی و شناختی انسان را ممکن می‌سازند، از اهداف عام تراانسان‌گرایی است. تراانسان‌گرایان به طور خاص، طرفدار توسعۀ فناوری‌های ضدپیری و افزایش‌دهندۀ گسترۀ زندگی‌اند؛ ازجمله زیست‌فناوری و مهندسی ژنتیک، ایمپلنت‌ها و اعضای مصنوعی توان‌افزون‌گر، و به طور عام، فناوری‌های همگرای (converging technologies) علوم مواد، علوم زیستی و علوم رایانه. 🔆البته صرف پیشرفت این دانش‌ها و فناوری‌ها بسنده نیست؛ برای تحقق اهداف تراانسان‌گرایی باید دسترسی عملی به این فناوری‌ها هم وجود داشته باشد. ازاین‌رو آنان به‌شدت طرفدار به رسمیت شناخته شدن حق قانونی و اخلاقی استفاده از فناوری‌های تقویت‌گر هستند و در برابر کوشش‌ها برای مسدود کردن توسعه و دسترس‌پذیری چنان فناوری‌هایی مقاومت می‌کنند. 📗 Hopkins P. D. (2012) “Transhumanism”, in: Chadwick, Ruth (ed.) (2012). Encyclopedia of Applied Ethics (Second Edition). 📔https://en.wikipedia.org/wiki/Proactionary_principle#:~:text=The%20Proactionary%20Principle%20is%20based,Freedom%20to%20innovate 🖊 رضا درگاهی‌فر @PhilMind

🌑 سام پرنیا - دانشیار پزشکی دانشگاه نیویورک و مدیر تحقیقات احیای قلبی - درباره واقعی‌یودن #تجربیات_نزدیک_به_مرگ (#NDE) در بیماران خود سخن می‌گوید👆 🌘 دو سوی نزاع در مورد تجربیات NDE همچنان بر اثبات توهمی‌بودن یا واقعی‌بودن آنها می‌چرخد و هنوز به مرحله تبیین جدی نرسیده است. 🌗 تقلیل‌گرایان معمولا تجربیات نزدیک به مرگ را مشتی بافته‌های #مغز می‌دانند که می تواند منشاءهای مختلفی داشته باشد: کمبود اکسیژن، تزریق داروهای شبه روانگردان، خاطرات گذشته، پیش‌فرض‌های فرهنگی و ... . 🌖 مدافعان NDE اما تفاوت تجربیات واضح و شفاف این بیماران با سایر اتفاقات حاصل از منشاءهای فوق را متذکر می‌شوند و از آن مهم‌تر، گزارش‌های دقیقی که این افراد از اتفاقات روی زمین و گاه حتی در فواصل بسیار دور از محیط محل بستری (بیمارستان) می‌دهند. اتفاقاتی که در زمان کما و بعضاً بسیار قبل از زمان احیا رخ داده، قابل راستی‌آزمایی‌ست و اساسا از سنخ تونل نور و ملاقات با ارواح و ... نیست. 🌕 نگارنده بسیار مشتاق است که منکران NDE هرچه سریعتر بسراغ مسئله اصلی (دهها هزار گزارش متنوع از رخدادهای زمینی) بروند و شواهد و دلایلی متقن برای توهمی‌بودن آنها را شاهد باشیم. یا اینکه بالاخره از مرحله عمومی انکار عبور کرده و به مرحله تبیین فیزیکالیستی "این دست گزارشات" وارد شوند. @PhilMind

🚩 گری هابرمارس در فصل 14 کامپنیون ویلی - بلک‌ول درباره #دوئالیسم، موضوع #تجربیات_نزدیک_به_مرگ را مطرح کرده و به بررسی دلایل مخالفان این تجربیات می‌پردازد. 🚩 به بیان وی، پژوهشگران طرفدار #NDE از سوی مخالفان - و بطور مشخص مایکل مارش که مقاله‌ای در این کتاب و در رد NDE دارد - به عدم توجه کافی به آخرین مطالعات در حوزۀ «اخلال در عملکرد لوب گیجگاهی» متهم شده‎‏اند. مارش البته چالش‌های ناشی از عوامل مشهوری چون متابولیسم اِندورفین، هیپوکسی (کاهش اکسیژن‏رسانی به بافت‏ها)، آنوکسی (توقف اکسیژن‏رسانی یا هیپوکسی شدید)، هایپرکاپنی (افزایش غیرطبیعی سطح دی‏اکسیدکربن در خون) و کتامین (داروی بیهوشی) را هم می‌افزاید. عواملی که به نوعی توهم و بافته‌های درونی و ادراکات سابجکتیو می‌انجامد. فراتر از جنبه‌های عصب‌شناختی، مارش برخی از تجارب نزدیک مرگ را به فرهنگ و تفسیرهای شخصی، نفوذ ایده‌های متافیزیکی، و ... هم نسبت می‌دهد. 🚩 مشکل اصلی مارش – و سایر منکران NDE – از نظر هابرمارس، نادیده گرفتن صدها مورد تجارب نزدیک مرگ متکی بر شواهد عینی است که با دقت در تحقیقات دو سه دهه اخیر ثبت و بررسی شده‌اند. تجربیات مبتنی بر شواهد ابجکتیو، متفاوت از گزارشاتی مانند عبور از تونل نور و صرف ملاقات با ارواح و مرور سریع اتفاقات عمر و ... است؛ بلکه گزارشاتی‌ست که از اتفاقات روی زمین و قابل راستی‌آزمایی خبر می‌دهند. 🚩 چنان‌که کِلی نیز خاطرنشان کرده، مباحث فیزیولوژیکی و عصب‌شناختی که مارش مطرح می‏کند، کاملاً‌ شناخته‌شده‌اند و سال‌های بسیار دربارۀ آنها تحقیق شده. در شرایطی که تز مارش در جست‌وجوی چیزی است که بنحوی سابجکتیو در جریان باشد، این دست موارد دارای شواهد عینی و بیرونی، علیه تبیین او اقامه می‏شوند. 🚩 تعداد زیادی تجارب متکی بر شواهد، شناسایی موفق اعداد خاص، یا بازشناسی موفق اشیای دیگری که به طور نامنظم قرار داده شده یا انداخته شده بودند، روی داده است. این اشیا به صورت تصادفی در بالای سر بیمار و طوری قرار داشتند که تنها از موقعیتی نزدیک‌تر به سقف قابل مشاهده بودند. از جملۀ این‏ها تشخیص و تکرار موفق اعداد چند رقمی تصادفی بالای دستگاه پزشکی است که در موارد متعدد به درستی شناسایی شده‏اند. اگر موارد شناسایی درست اشیای غیرمنتظره را - که از روی زمین دیده نمی‌شدند، اما تجربه‌گران آنها را بالا نزدیک سقف یافته‌اند - به این فهرست بیفزاییم، تعداد موارد افزایش قابل توجهی خواهد یافت. این نمونه‌ها نشان می‌دهند که منتقدان در تبیین تجربیات باید واقع‌گراتر باشند. 🚩 هابرمارس در این فصل به بیش از 300 مورد تجربیات مبتنی بر شواهد بیرونی ارجاع می‌دهد که از محیط نزدیک یا محیط با فواصل بسیار دور گرفته شده‌اند. اندک‌شماری از این تجربه‌گران نزدیک مرگ، کور مادرزاد هستند. بسیاری از این تجربه‌ها را بیش از یک سنخ از شواهد تأیید کرده‌اند. 🚩 هابرمارس تاکید دارد اگر حتی تعدادی انگشت‌شمار از نمونه‌های کلیدی در میان این 300 مورد، با دقت و بدرستی داده‌هایی را از «جهان واقعی» گزارش کرده باشند، آنگاه چنین به نظر می‌رسد که تزهای سابجکتیو در تبیین و تعلیل تمام جنبه‌های کلیدی این گزارش‌ها شکست می‌خورند. برای آنکه مفروضات طبیعی درست باشند، تقریباً تک‌تک این بیش از 300 گزارش تأییدشده‌ای که بسیاری‏شان در همان محل یا دست‌کم اندک‌زمانی بعد به اشتراک گذارده و با جزئیات توسط شاهدان مختلف تأیید شده‏اند، باید کاذب باشند. @PhilMind