جرات پرسیدن داشته باش -کانت، رساله ای درباب روشنگری |
به گزارش خبرگزاری مهر، مسئله آگاهی میتواند به عنوان امری درک ناشدنی در نظر گرفته شود که بخشی از دغدغههای مربوط به آن در این باره است که چگونه کیفیات حسی در جهان فیزیکی به وجود میآیند و بخش دیگر به این موضوع مربوط است که چگونه از این کیفیات آگاه میشویم.
برگزارکنندگان همایش "هستیشناسی متافیزیکی کیفیات پدیداری" در نظر دارند با گرد هم آوردن استادان و صاحبنظرانی چون دیوید روزنتال (دانشگاه سیتی نیویورک) با موضوع "دو مفهوم کیفیت روانی"، فیلیپ گاف (کالج کینگ لندن) با موضوع "علیه فیزیکالیسم مضحک" و سام کلمن (دانشگاه هرتفوردشایر) با موضوع "کیفیت نامحسوس و ساختار آگاهی" به بحث و بررسی موضوعات مرتبط با عنوان این همایش بپردازند.
بنچه نانای (دانشگاه کمبریج)، تورین آلتر (دانشگاه آلاباما)، کرانتی ساران (دانشگاه هاروارد)، جان نیکلاس (دانشگاه انتاریو غربی) و تام مککللند (دانشگاه ساسکس) از دیگر سخنرانان این همایش معرفی شده اند.
منبع: خبرگزاری مهر
به نظر می رسد واژه اتصال گرائی از چند جهت مناسب این ایده است.چون ترجمه پیوندگرائی بیشتر با جنبه های پروتکلی در شبکه ها همراه است و معمولاْ حکایت از ارتباط چند مورد محدود بین نقاط دارد. اما شبکه های کامپیوتری و از جمله شبکه های زیر ساختی از مفهوم اتصال(conection) و قطعی(disconection) برای اتصال و عدم اتصال مجموعه عظیمی از اتصالات استفاده می کنند. این ایده که پارادایمی جدید در برابر پارادایم کلاسیک در علوم شناختی و هوش مصنوعی محسوب می شود بسیار شبیه با شبکه عصبی موجودات است و چون از اتصال بین گره ها استفاده می کنند می تواند شامل بسیاری از توانمندی ها باشد. صرف نظر از اینکه بعلت ماهیت موازی بودن از سرعت بسیار بالاتری برخوردار است. این نوشته که بر داشت های من از کتاب ماده و آگاهی چرچ لند و کتاب درآمد مقدماتی به فلسفه ذهن گرافت است می تواند برای برخی مفید باشد. ما برای گزارش جالبی درباره گزاره گرائی و بردار گرائی به مقاله یاسر پوراسماعیل به اینجامراجعه کنید. این مقاله بصورت خلاصه راهنمائی های مفیدی برای این موضوع ارائه کرده است همچنین رهیافت علوم شناختی به هوش مصنوعی که توسط علیرضا ثقه الاسلامی نوشته شده است به اینجا نگاه کنید. همچنین برای دیدن سایر نوشته های مرتبط با هوش مصنوعی نگارنده به اینجا مراجعه فرمائید.
چالش هائي مانند اتاق چيني سرل نظريه محاسباتي ذهن را به نظريه اتصال گرائي سوق مي دهد. كرافت در ابتداي فصل هفتم كتاب مقدمه اي به فلسفه ذهن به قول ويليام بچتل و ادل آبراهامسن مي پرسد: اتصال گرايي: انقلابي در شرف وقوع به نظريه رقيب نظريه محاسباتي ذهن . منطق نمادين در هوش مصنوعي، در ميانه دهه 80 مفهومي رقيب از ذهن ظهور كرد، يعني اتصال گرايي. بطور خلاصه اتصال گرايي مي گويد ذهن شبكه ايي اتصالي است. يعني گردابه هائي از چنين شبكه هايي مي باشد. گاه به اتصال گرايي «شبكه هاي عصبي» و گاه پردازشگرهاي توزيع شده موازي يا Paralell Distributed Processesگفته مي شود.
ساختار شبكه اتصالي
يك شبكه اتصالي از تعداد زيادي واحد ساخته شده اند كه در لايه هاي مختلفي آرايش يافته اند. در يك شبكه عصبي سه لايه وجود دارد، لايه ورودي، لايه پنهان و لايه خروجي. هر واحد در لايه ورودي به تمام واحدهاي لايه پنهان متصل است و هر لايه پنهان به تمام واحدهاي لايه خروجي متصل است. شكل زير ايده اصلي اين ساختار را نشان مي دهد.
زمانيكه واحدهاي ورودي فعال مي شوند، فعال شدگي در كل شبكه توزيع مي شود: يعني ابتدا به واحدهاي لايه پنهان و از آنجا به واحدهاي لايه خروجي. هر واحد در يك لايه به تمام واحدها در لايه بالاتر متصل است. اين اتصالات وزن دارند بدين معنا كه برخي ميزان فعال شدگي كمي دارند و برخي ميزان فعال شدگي زيادي دارند. گاهي اتصالات مي توانند فعال نشدگي را منتقل كنند. هر واحد در لايه پنهان يا خروجي تمام وروديهايش را جمع مي كنند. اينكار وابسته به تابع فعال سازي آن است.
كامپيوترهاي ديجيتال بايد برنامه ريزي شوند. برنامه فهرستي از دستورالعمل هايي است كه به كامپيوتر مي گويد چه كاري انجام دهد. اما در مقابل شبكه هاي اتصالي برنامه ريزي نمي شوند، بلكه در عوض كارآموزي مي شوند. فرآيند كارآموزي مشتمل است بر روبه رو كردن شبكه با يك ورودي ساده و آنگاه تنظيم كردن وزن اتصال ها به صورتي كه پاسخ شبكه به ورودي ها ارتقائ يابد. اين كار بارها و بارها با تعداد زيادي از نمونه هاي عرضه شده و تنظيمات بعدي تكرار مي شود. سرانجام شبكه به اكثريت بالايي از ورودي ها به دقت پاسخ مي دهد.
در مثال ردياب صوتي، كارآموزي با انتخاب تعداد زيادي از بازتاب هاي رمزگشايي شده آغاز مي شود. برخي از اين بازتاب ها متعلق به مين اند و برخي از صخره ها به دست آمده اند. مجموعه بازتاب هاي رمزگشايي شده را مجموعه كارآموزي مي نامند. در ابتدا يك بازتاب رمزگشايي شده را كه به صورت تصادفي انتخاب شده است به شبكه عرضه مي كنند. فرض كنيد كه اين بازتاب متعلق به يك مين باشد. در وهله اول وزن اتصال هاي شبكه به صورتي تصادفي تنظيم مي شود- به هر اتصال به سادگي يك عدد دلبخواهي بين 1- و 1+ اختصاص مي يابد. فعال شدگي از واحدهاي ورودي به واحدهاي لايه پنهان و از آن جا به واحدهاي خروجي انتقال مي يابد. يكي از واحدهاي خروجي واحد «مين» است و ديگري واحد «صخره». فرض كنيد كه در مثال ما خروجي صخره به شدت فعال شده، حال آنكه خروجي مين اصلاٌ فعال نشده است. در اين صورت شبكه مرتكب خطايي شده است، چرا كه در ازاي ورودي رمزگشايي شده از يك مين، خروجي «صخره» را داده است. اما اين مهم نيست. تغييرات و تنظيمات مختصري در وزن اتصال انجام مي گيرد تا خروجي صخره كمتر فعال و خروجي مين بيشتر فعال شود. اكنون دومين بازتاب رمزگشايي شده از مجموعه كارآموزي به تصادف انتخاب مي شود- اين بار اين بازتاب ممكن است متعلق به يك صخره باشد. بازتاب رمزگشايي شده جديد به شبكه عرضه مي شود و مجدداٌ فعال شدگي در شبكه تا واحدهاي خروجي توزيع مي گردد. در اين مرحله اوليه از فرآيند كارآموزي نامحتمل است كه شبكه قادر به متمايزكردن بازتاب صخره ها به شكلي درست باشد. لذا هم چنان تغييرات و تنظيمات كوچك ديگري در وزن اتصال لازم است. اين فرآيند بارها و بارها تكرار مي شود تا آنجا كه شبكه بتواند بازتاب صخره ها و مين ها را با دقت قابل ملاحظه اي تشخيص دهد. اكنون شبكه كارآموزي شده است.
طرفداران شبكه هاي اتصالي غالباٌ تاكيد مي كنند كه كامپيوترهاي ديجيتال در مورد بجا آوردن هاي ادراكي ضعيف اما به طرزي حيرت آور در وظايف رياضي و پردازش سريع داده ها قوي اند. به بيان ديگر، شبكه هاي اتصالي در آنچه ما {انسانها} خوب ايم خوب اند، و در آنچه ما بديم بدند؛ حال آن كه كامپيوترهاي ديجيتال در آنچه ما خوب ايم بدند و در آنچه ما بديم خوب اند! اين شاهدي له اتصال گرايي و عليه ن.م.ذ محسوب مي شود.
شبكه هاي اتصالي مي توانند بياموزند، و مي توانند از موارد قبلي به موارد جديد تعميم دهند. اين ها شايد آن وجوهي از شبكه ها باشد كه ما را بيش از هر چيز تحت تاثير قرار مي دهد. و البته انسان ها نيز مي توانند بياموزند و تعميم دهند. به عنوان نمونه، شما مي توانيد بياموزيد كه چگونگي نقاشي هاي مونه را از نقاشي هاي پيكاسو تشخيص دهيد و مي توانيد حتي آن آثاري از اين دو هنرمند را كه پيش از اين نديده ايد از هم جدا كنيد. لذا، از اين جنبه بسيار مهم توانايي و اجراي شناختي انسان به طرز شگفت انگيزي شبيه شبكه هاي اتصالي است.
همچنين توجه داشته باشيد كه برتري پردازش سريع اطلاعات در كامپيوترهاي ديجيتال نسبت به انسانها چيز چنداني به نفع اتصال گرايي يا عليه ن.م.ذ نمي گويد. توان كامپيوترهاي ديجيتال براي از عهده برآمدن داده ها اساساٌ وجهي فناورانه از چنين ماشين هايي است. هيچ چيز در خود مفهوم نيست كه بتوان از آن سريع تر و قابل اطمينان تر بودن كامپيوترها را در پردازش سريع اطلاعات نتيجه گرفت.
شبكه هاي اتصالي ساختاري كاملاٌ موازي دارند، كه در آن هر واحد در هر لايه به تمام واحدها در لايه بعدي متصل است. مغز نيز ساختاري موازي دارد و در آن حجم قابل ملاحظه اي از اتصال هاي متقابل ميان نرون ها وجود دارد. (برخي نرونها با 10000 نرون ديگر متصل- داراي سيناپس- هستند.)
موازي بودن شبكه هاي اتصالي به آن معنا است كه آنها «جان سخت» اند. به عنوان نمونه، سكته اي مختصر در آن بخشي از مغز كه مسئول زبان است احتمالاٌ به از دست دادن جزئي، و نه كلي، توانايي هاي زباني مي انجامد.
موازي بودن شبكه هاي اتصالي به آن ها اجازه مي دهد تا وظايف پردازشي خود را بسيار سريع انجام دهند. به همين ترتيب، مغز انسان نيز قادر به انجام وظايف پايه بجا آوردن ادراكي با سرعتي بسيار بالا است. محققان مغز زمان لازم براي اجراي يك بجا آوردن پايه را به زمان لازم براي پاسخ دادن يك نرون تقسيم كرده اند. نتيجه چيزي در حدود عدد 100 است. به آن معنا كه ميان دريافت محرك و پاسخ دادن به آن تنها زمان كافي براي آتش شدن 100 نرون يكي پس از ديگري وجود دارد. اين را به نام «قاعده 100 پله» مي شناسند.
قاعده 100 پله معمولاٌ شاهدي له اتصال گرايي و عليه ن.م.ذ تلقي مي شود. يك معماري كاملاٌ موازي مي تواند قاعده 100 پله را محفوظ دارد، چرا كه مي تواند وظيفه را به اجزاء مختلف كوچك تر خرد كند و اين اجزاء را هم زمان انجام دهد. هر كدام از اين وظايف كوچك تر زماني كمتر از 100 پله لازم دارند (عموماٌ بسيار كمتر). از سوي ديگر، يك كامپيوتر ديجيتال احتمالاٌ ميليون ها گام محاسباتي براي انجام يك بجاآوردن ادراكي انجام مي دهد، و لذا قاعده 100 پله را نقض خواهد كرد. به اين مقوله در بخش بعد باز خواهيم گشت.
عقلاني بودن، زبان، نظام مندي
حداقل سه وجه از وجوه شناخت انسان طرفداران اتصال گرايي را نگران مي كند: عقلاني بودن، زبان و نظام مندي فكر.
1- عقلاني بودن. يكي از وجوه مهم عقلاني بودن معتبر بودن است. استدلال معتبر آن است كه اگر در آن مقدمات درست بود، آنگاه نتيجه نيز چنين باشد. شبكه هاي اتصالي اي براي تشخيص معتبر بودن يا نبودن استدلال هاي ساده كارآموزي شده اند.
بچتل و آبراهامسن مجموعه كارآموزي بزرگي از مثال ها براي شش صورت معتبر استدلال و شش صورت نامعتبر فراهم كرده اند كه صورتهاي استدلالي وضع مقدم و رفع تالي مي باشد. در مجموع 576 مثال در مجموعه كارآموزي بوده است. بعد از كارآموزي، شبكه قادر به تشخيص صورت هاي معتبر از نامعتبر با دقتي نسبي بوده است. از اين امر چنين برمي آيد كه شبكه هاي اتصالي حداقل مي توانند برخي از وجوه عقلاني بودن فكر را مدل كنند.
در گام اول، شبكه نيازمند بيش از نيم ميليون نمونه كارآموزي بوده است تا بتواند به دقتي تنها در حدود 76 درصد دست يابد. حتي با بيش از دو ميليون نمونه كارآموزي اضافه، شبكه تنها 84 درصد دقت داشته است. دوم آن كه استدلالهاي عرضه شده در نهايت سادگي بوده اند- ساده تر از انواع استدلال هايي كه انسان ها مي توانند با تمرين، اعتبار آنها را ارزيابي كنند. هرچند ممكن است در آينده شبكه هاي اتصالي، بسياري از وجوه استدلال انساني را با موفقيت مدل كنند. اما در حال حاضر عقلاني بودن فكر چالش بزرگي در پيش روي اتصال گرايي است.
2- زبان: تمام زبان هاي انساني ساختاري بسيار غني از دستور زبان را به نمايش مي گذارند. جملات داراي ساختارند. اين نكته، سوال بسيار مهم زير را طرح مي كند: آيا اتصال گرايي مي تواند {مساله} ساختار را در برگيرد؟ براي بررسي اين مساله جفري المن به كارآموزي شبكه اي اتصالي براي كامل كردن جملات ناكامل با يك كلمه، به صورتي كه جمله حاصل از لحاظ دستوري صحيح باشد، دست زده است.
كارآموزي متشكل از چهار مرحله بوده است. در مرحله اول، شبكه تنها با جملات ساده كارآموزي شده است؛ در مرحله دوم شبكه با تركيبي از 75 درصد جملات ساده و 25 درصد جملات پيچيده كارآموزي شده است؛ در شبكه با تركيبي از 50 درصد جملات ساده و 50 درصد جملات پيچيده كارآموزي شده است؛ و در مرحله آخر شبكه با تركيبي از 25 درصد جملات ساده و 75 درصد جملات پيچيده كارآموزي شده است. وظيفه شبكه كامل كردن جمله با كلمه اي به لحاظ دستوري مناسب بوده است. شبكه وظيفه اش را به طرز شگفت آوري خوب انجام داده است. اين نتيجه اي اميد بخش است. در نتيجه، پيش از گرفتن اين نتيجه كه شبكه هاي اتصالي ميتوانند تمام وجوه كاربرد زبان انساني را مدل كنند، به تحقيقات بيشتري نياز است.
3- نظام مندي: متذكر شديم كه فكر نظام مند است. با وجود اين آشكار نيست كه شبكه هاي اتصالي بتوانند به آن نحوي كه افكار نظاممند هستند، چنين باشند. شبكه اتصالي اي كه كارآموزي شده تا جمله اي مانند «جورج رابين را كتك زد» را پردازش كند، لزوماٌ نمي تواند جمله «رابين جورج را كتك زد» را نيز پردازش كند- همه اين مطلب وابسته به آن است كه شبكه چگونه كارآموزي شده است.
ساختار درست به ميزان زيادي تضمين كننده نظام مندي افكار است. البته اين استدلال تنها نشان مي دهد كه ساختار براي نظام مندي كافي است؛ حال آنكه نشان نمي دهد ساختار براي نظام مندي لازم نيز هست. شايد روزي كسي راهي بيابد كه بتوان نظام مندي داشت، بدون آنكه ساختاري در كار باشد. اما در حال حاضر فرض ساختار تنها راهي است كه مي توانيم با آن نظام مندي را توضيح دهيم.
تاكنون ديده ايم كه نوع درستي از ساختار براي نظام مندي مورد نياز است. منتقدان اتصال گرايي از اين فراتر مي روند تا استدلال كنند كه بازنمايي در شبكه هاي اتصالي شبيه تيله هايي است كه فاقد نوع درستي از ساختارند. اگر حق با آنها باشد، اتصال گرايي با مشكل بزرگي روبهرو است.
برخي اتصال گرايان نمي پذيرند كه فكر نظام مند است. بايد پذيرفت كه گرچه مثال هاي استاندارد از نظام مندي قطعاٌ اين را كه فكر نظام مند است محتمل مي سازند، اما استدلال محكمي كه نشان دهد فكر نظام مند است، در دست نداريم.
همچنین برای دیدن سایر نوشته های مرتبط با هوش مصنوعی نگارنده به اینجا مراجعه فرمائید.
بنا بر نظريه محاسباتي ذهن (به اختصار ن.م.ذ ) افكار سمبل هاي مركبي اند كه هم ويژگي هاي نحوي و هم ويژگي هاي دلالت شناختي دارند. سمبل هاي زباني مركبي مانند «فودور با حال است» متشكل از سمبل هاي پايه اي مانند «فودور». به همين ترتيب، بنابر ن.م.ذ، اين فكر كه فودور باحال است سمبلي مركب است كه از سمبل هاي پايه تشكيل يافته است.
فكر كردن- دستكاري و تغيير افكار- به وسيله فرآيندي به دست مي آيد كه گرچه تنها به ويژگي هاي نحوي افكار موجود حساس است، اما در جهت حفظ ويژگي هاي دلالت شناختي آنها است. به بيان ديگر، تفكر محاسبه است. ن.م.ذ براي عقلاني بودن افكار گزارشي ارائه مي كند؛ اكنون به سه مزيت ديگر از ن.م.ذ به اختصار اشاره مي كنم.
1- ديديم كه بنا بر ن.م.ذ، تفكر محاسبه است. و مي دانيم كه محاسبه كاري ممكن است، چرا كه كامپيوترها {ماشينهاي محاسب}- كه مي توان در اتاق يا در كتاب خانه آنها را يافت- دقيقاً همين كار محاسبه را انجام ميدهند. در نتيجه، وجود كامپيوترها حمايت كم و بيش خوبي از ن.م.ذ به عمل مي آورد، چرا كه نشان مي دهد حداقل برخي از ساختارهاي فيزيكي توان اجراي محاسبه را دارند.
2- ديديم كه حالات ذهني مي توانند داراي تحقق چندگانه باشند. اگر حالات ذهني حالات محاسباتي اند، آنگاه حالات محاسباتي بايد داراي تحقق چندگانه باشند. اشاره كرديم كه حالات و فرآيندهاي محاسباتي البته مي توانند داراي تحقق چندگانه باشند. به بيان ديگر، ن.م.ذ مي تواند تحقق پذيري چندگانه حالات ذهني را توضيح دهد.
3- ن.م.ذ نيازمند آن است كه افكار سمبل هايي مركب باشند. به بيان دقيق تر، سمبل هاي مركب داراي ساختار هستند. يعني متشكل از سمبل هايي پايه اند كه به صورتي معين و خاص آرايش يافته اند. گرچه هر دو سمبل مركب «جورج رابين را كتك زد» و «رابين جورج را كتك زد» دقيقاً از سمبل هاي پايه يكساني تشكيل شده اند، اما آنها دو سمبل مركب كاملاً مجزايند. آنچه اين دو را متفاوت مي كند نحوه آرايش سمبل هاي است. اين دو سمبل مجزايند چرا كه ساختارهاي مجزايي دارند. اثبات آن كه افكار داراي ساختار هستند براي اثبات درستي ن.م.ذ كافي نيست: شايد افكار داراي ساختار باشند، اما تفكر محاسبه نباشد. اما نشان دادن ساختارمندي افكار مي تواند به صورت قابل ملاحظه اي پيش برنده اين ادعا باشد كه ذهن كامپيوتر است.
مشكلات نظريه محاسباتي ذهن
1- فرآيندهاي محاسباتي در راستاي حفظ ويژگي هاي دلالت شناختي سمبل ها موجود هستند. {اما اصولاً} چگونه سمبلها ويژگي هاي دلالت شناختي خود را كسب مي كنند؟ در يك كامپيوتر معمولي يك سمبل ويژگي هاي دلالت شناختي اش را از ما كسب مي كند. قصد و نيت من در به كار بردن «فودور» دال بر فيلسوف آمريكايي و نه رمان نويس روسي است كه معين مي كند سمبل «فودور» در اين جا دلالت بر نويسنده بخش مندي ذهن دارد و نه نويسنده برادران كارامازوف.
تاكنون ديديم كه سمبل هاي كامپيوترهاي عادي ويژگي هاي دلالت شناختي خود را از قصد و نيت ما انسان هايي كه آن كامپيوترها را به كار مي بريم، مي گيرند. اما سمبل هاي ذهني انسان ها از كجا ويژگي هاي دلالت شناختي خود را كسب مي كنند؟ در نگاهي كلي به نظر دو گزينه موجود است. سمبل هاي ذهني به نحوي ويژگي هاي دلالت شناختي خود را از يكديگر مي گيرند، و به واسطه ارتباط خاص و معيني كه با اشياء بيرون از ذهن دارند اين ويژگي ها را كسب مي كنند. هيچ يك از اين دو امكان فارغ از مشكلات خاص خود نيست.
2- اگر تفكر محاسبه است، آنگاه هرچيزي كه صورت و شكل درستي از محاسبه را به اجرا بگذارد متفكر است. داستانهايي كه در آن تمام وجوه محاسباتي در حال اجرا هستند، اما با اين حال تفكر (مربوطي) وجود ندارد.
3- مشكل ديگر براي ن.م.ذ وجود گزارشي رقيب براي فرآيندهاي ذهني است كه از آن با نام «اتصال گرايي» نام ميبرند.
4- نهايتاً آن كه اصلاً روشن نيست چگونه ن.م.ذ مي خواهد آگاهي را توضيح دهد. بسياري مردم چنين شهودي دارند كه كامپيوتر مي تواند تمام محاسبات درست و مربوط را انجام دهد، اما با اين حال داراي آگاهي نيست. بنابر ن.م.ذ افكار سمبل هاي مركبي هستند متشكل از سمبل هاي پايه كه با آرايشي خاص چيده شده اند. به عبارت ديگر، افكار داراي ساختار هستند. اجازه دهيد كار را با بررسي زبان هاي عمومي مثل فارسي آغاز كنيم. جمله «جورج رابين را كتك زد» را در نظر بگيريد. اگر اين جمله معنادار باشد، آنگاه اين جمله نيز كه محصول تعويض دو نام خاص در جمله اصلي است، معنادار خواهد بود: «رابين جورج را كتك زد». بدين ترتيب خصلتي از زبان كه با آن سروكار داريم «نظام بندي» ناميده مي شود. تنها زماني تضمين خواهد داشت كه جملات زبان داراي ساختار باشند.
يكي ديگر از وجوه چشمگير زبان هاي عمومي زايايي است. زبان هايي زايا هستند كه در آنها بتوانيم جملات معنادار جديدي را از روي جملات قبلي، يا بخشي از جملات قبلي، بسازيم. به عنوان نمونه، از جمله «جورج كوتاه قد است» و «جورج بي مزه است» مي توان جمله جديد «جورج كوتاه قد است و جورج بي مزه است» را به دست آورد. مجدداً فرض كنيد كه زباني بدون ساختار داريم. اين زبان ممكن است داراي سمبلي پايه باشد. اما هيچ تضميني وجود ندارد كه اين زبان شامل سمبلي است با معناي «جورج كوتاه قد است و جورج بي مزه است».
بنابراين نظام مندي و زايايي نيازمند آن است كه زبان داراي ساختار باشد. نتيجه مشابهي درباره افكار مي توان گرفت: افكار داراي ساختارند. به آن معنا كه افكار ساخته شده از سمبل هايي پايه اند كه در ساختارهايي پيچيده تر آرايش يافته اند.
بنابراين افكار، از وجوه مهمي، شبيه زبان اند. به بيان ديگر، ما به يك زبان فكر مي كنيم. اين ايده عموماً فرضيه «زبان فكر» ناميده مي شود. استدلال فودور آن است كه زباني كه ما به آن تفكر مي كنيم يك زبان عمومي، از سنخ زبان هايي كه با آن سخن مي گوييم، نيست. دليل او آن است كه نه كودكان كم سن و سال و نه پستانداران غيرانسان نمي توانند تكلم كنند، اما نامعقول به نظر مي رسد اگر بگوييم آنها نمي توانند فكر كنند. اين زبان ويژه گاهي اوقات «زبان ذهن» (mentalese) ناميده مي شود تا از زبان هاي عمومي اي مانند فارسي جدا شود. برخي ديگر از فلاسفه عليه اين نگاه استدلال كرده اند. استدلال آنها آن است كه ما حقيقتاً به يكي از زبان هاي عمومي فكر مي كنيم. بنا بر راي آنان، ما زندگي را با نسخه اي بدوي از زبان ذهن آغاز مي كنيم، اما از هنگامي كه تكلم به يك زبان عمومي را فرا مي گيريم زبان ذهن را كنار گذاشته و (في المثل) به فارسي فكر مي كنيم.
آنچه درباره نظام مندي و زايايي افكار مهم است آن است كه اين دو خصيصه اين فرض را كه افكار سمبل هايي مركب و ساختارمند هستند، معقول مي سازد. و اين دقيقاٌ همان چيزي است كه ن.م.ذ نياز دارد. البته ن.م.ذ به چيزي بيش از صرف سمبل هاي ساختار يافته نياز دارد- نيازمند فرآيندهايي است كه در آنها اين سمبل ها صرفاٌ براساس ويژگي هاي نحويشان تشخيص داده شده و دست كاري شوند، به نحوي كه اين امور حافظ ويژگي هاي دلالت شناختي آنها نيز باشد. با اين حال، معقوليت فرضيه زبان فكر به ميزان قابل ملاحظه اي ن.م.ذ را تاييد مي كند.
اگر ن.م.ذ صحيح باشد، حالات و فرآيندهاي ذهني مي توانند علي الاصول توسط كامپيوتر ديجيتال متحقق شوند. يعني كامپيوتر ديجيتال مي تواند ذهن داشته باشد. اين ايده شالوده برنامه تحقيقاتي را موسوم به هوش مصنوعي قوي (يا AI قوي) تشكيل مي دهد. هدف از برنامه هوش مصنوعي قوي بسط برنامه هايي است كه كامپيوترهاي ديجيتالي كه آن برنامه ها را اجرا مي كنند داراي ذهن- در معناي تحت اللفظي و به صورتي كاملاٌ واقعي- شوند.
بنابراين اگر ن.م.ذ صحيح باشد، آنگاه هوش مصنوعي قوي ممكن است. عكس قضيه نيز چنين است: اگر هوش مصنوعي قوي ناممكن باشد، آنگاه ن.م.ذ نادرست است. جان سرل فيلسوف معاصر آمريكايي آزمايش فكري اي طرح كرده است كه ظاهراٌ نشان مي دهد هوش مصنوعي قوي ناممكن است و در نتيجه ن.م.ذ نادرست است. به دلايلي كه به زودي روشن خواهد شد، آزمايش فكري سرل «اتاق چيني» ناميده مي شود.
اتاق چيني
سرل به زبان انگليسي سخن مي گويد، اما حتي يك كلمه هم چيني نمي فهمد. سرل تصور مي كند كه درون اتاقي نشسته است («اتاق چيني») و سه مجموعه از كاراكترهاي چيني همراه با يك مجموعه از دستورالعمل هاي انگليسي دريافت ميكند. دستور العمل ها به او مي گويد كه چگونه در سه مجموعه از كاراكترهاي چيني دست كاري كند تا به مجموعه ديگري از كاراكترهاي چيني دست يابد. پيروي كردن از دستورالعمل ها بسيار دشوار است. از آنجا كه سرل نمي تواند چيني بخواند او بايد به زحمت بسيار كاراكترهاي چيني را صرفاً براساس شكلشان تشخيص دهد. پس از تلاش هاي بسيار، سرانجام سرل موفق مي شود مجموعه چهارم از كاراكترهاي چيني را به دست آورده و به مردمي كه بيرون اتاق منتظر هستند، بدهد.
{اكنون} معلوم مي شود كه اين سه مجموعه از كاراكترهاي چيني به ترتيب عبارت بوده اند از يك داستان ساده (به زبان چيني)، اطلاعاتي عمومي درباره تنظيمات داستان (به چيني) و يك مجموعه از سوالات درباره داستان (به چيني). دستورالعمل هاي انگليسي در حكم برنامه كامپيوترند، و سرل خود در حكم كامپيوتر است. زحمات زيادي كه او در پيروي از دستورالعمل ها كشيد، در حكم اجراي برنامه توسط كامپيوتر است و مجموعه كاراكترهاي چيني كه او توليد كرد، پاسخي معقول به سوالات در باب داستان اند.
به نظر كاملاً آشكار مي رسد كه سرل داستان چيني را متوجه نشده است. وضعيت سرل در اتاق چيني را با وضعيتي مقايسه كنيد كه در آن از سرل خواسته مي شود يك داستان انگليسي را بخواند. سرل داستان انگليسي را مي فهمد، اما داستان چيني را خير. اكنون اين نتيجه حاصل مي شود كه هوش مصنوعي قوي با مشكلات بزرگي روبه رو است. چرا كه بنابر هوش مصنوعي قوي، كامپيوتري كه به طرزي درست برنامه ريزي شده مي تواند داستان هاي ساده را بفهمد. آنچه سرل آشكارا نشان داده آن است كه پيروي از برنامه كامپيوتري براي فهميدن {داستان} ناكافي است. سرل از برنامه به دقت هرچه تمام تر پيروي كرده است، اما هيچ سرنخي مبني بر آن كه داستان درباره چيست، نداشته است. اگر چنين چيزي درست باشد، ن.م.ذ با مشكلاتي روبه رو است. چرا كه همان گونه كه ديديم اگر هوش مصنوعي قوي ناممكن باشد، آنگاه ن.م.ذ نادرست است.
تاكنون ديديم كه مثال اتاق چيني اين شهود را كه هوش مصنوعي قوي ناممكن است، تقويت مي كند. سرل آزمايش فكري اتاق چيني را با استدلال زير پيگيري مي كند:
1- برنامه ها صوري (نحوي) هستند.
2- ذهن ها داراي محتوا هستند (محتواي دلالت شناسانه)
3- نحو نه با دلالت شناسي داراي اين هماني است و نه به خودي خود براي آن كافي است.
در نتيجه
4- برنامه ها نه براي اذهان كافي هستند و نه با آنها داراي اين هماني اند؛ به عبارتي هوش مصنوعي قوي نادرست است. (سرل 1991، ص 526)
نكته سرل آن است كه فهم داستان مشتمل است بر دانستن آن كه هر كدام از سمبل هاي مختلف (كلمات) به چه معني اند. و اين يعني فهم داستان مشتمل است بر بدست آوردن ويژگي هاي دلالت شناختي سمبل هاي داستان. آشكارا زماني كه سرل در اتاق چيني است، ويژگي هاي دلالت شناختي سمبل هاي مربوطه را به دست نمي آورد. او تنها از شكل سمبلها آگاه است؛ يعني او تنها نسبت به ويژگي هاي نحوي آنها آگاهي دارد. سرل نتيجه مي گيرد از آنجا كه همه سيستم هاي كامپيوتري تنها به ويژگي هاي نحوي حساس هستند، و هيچ كامپيوتري نيست كه از ويژگي هاي دلالت شناختي مربوطه نيز آگاهي داشته باشد، لذا هيچ كامپيوتري قادر به فهم يك داستان نيست.
استدلال اتاق چيني بحث هاي فراواني را ايجاد كرده است. فودور (فودور b 1980) در باب اهميت دلالت شناسي با سرل هم داستان است. اما برخلاف سرل، فودور فكر مي كند كه مي شود سمبل هاي كامپيوتر ويژگي هاي دلالت شناختي داشته باشند. بنابر نظر فودور، سمبل «كوه اورست» به كوهي خاص كه در مرز ميان نپال و تبت قرار گرفته ارجاع دارد؛ چرا كه اتصالي مناسب ميان آن كوه و اين سمبل وجود دارد. با اين حال توجه داشته باشيد كه حضور يا عدم چنين اتصال مناسبي براي سرل، زماني كه او در اتاق چيني قرار گرفته است، آشكار نيست. همه آنچه سرل مي داند شكل سمبل هايي است كه پيش روي او است.
سرل نه مي داند كه سمبل به صورتي مناسب به كوه اورست اتصال يافته است، و نه مي داند كه «xyz»به معناي كوه اورست است. در نتيجه، سرل داستان را نخواهد فهميد. به بيان ديگر، حتي اگر سمبل ها داراي{ويژگي هاي} دلالت شناختي باشند هم سرل داستان را نخواهد فهميد. در واقع فهم داستان- در كنار ساير امور- به معناي بودن در يك حالت آگاهانه خاص است.
هنگامي كه سرل داستاني را كه به انگليسي نوشته شده است مي خواند، از معناي آن آگاه است؛ اما هنگامي كه داستاني چيني را درون اتاق چيني «پردازش مي كند»، از معناي آن آگاه نيست. از اين نكته چنين بر مي آيد كه تمايز اصلي ميان سرل در زماني كه يك داستان چيني را پردازش مي كند و سرل در زماني كه داستاني انگليسي را مي خواند تمايزي در آگاهي است: تنها در موقعيت دوم است كه سرل نسبت به محتواي داستان آگاهي دارد. از اين امر چنين نتيجه مي شود كه داستان و تنظيمات اتاق چيني براي {كسب} آگاهي هوشيارانه نسبت به معناي داستان ناكافي است. از اين نتيجه، امري مهم استنتاج مي شود. فعاليت هايي كه سرل در اتاق چيني انجام مي دهد فعاليت هاي محاسباتي محض است. در نتيجه، اگر تنظيمات و داستان اتاق چيني براي {كسب} آگاهي هوشيارانه نسبت به معناي داستان ناكافي است. آنگاه محاسبات براي {كسب} آگاهي هوشيارانه نسبت به معناي داستان ناكافي است. و به نظر مي رسد كه مي توان اين نتيجه را تعميم داد: محاسبه براي آگاهي ناكافي است.
نتيجه اي كه از آزمايش فكري اتاق چيني گرفتيم آن است كه محاسبه براي آگاهي ناكافي است. اما نمي توانيم از اين آزمايش فكري نتيجه كاملاً مجزاي ديگري را بگيريم كه بنا بر آن محاسبه براي هوش نيز ناكافي است. استدلال سرل اين ادعاي هوش مصنوعي قوي را كه كامپيوتر به درستي برنامه ريزي شده مي تواند هوشمندانه نسبت به يك داستان پاسخ دهد، دست نخورده باقي مي گذارد. اين كه سرل نسبت به معناي داستان داراي آگاهي هوشيارانه نيست، نشان نميهد كه پردازش هوشمندانه اما غير آگاهانه داستان در حال وقوع هست {يا نيست}.
|
|
BLOGFA.COM |
|