یادگیری با نظارت یا یادگیری تحت نظارت (به انگلیسی: Supervised learning) یکی از زیرمجموعه‌های یادگیری ماشینی است. در این روش مدل با دریافت اطلاعات برچسب زده شده آموزش می‌بیند و سعی میکند الگوی بین داده‌ها و برچسب‌هایشان را به صورت یک تابع یاد گرفته و برچسب داده‌های جدید و دیده نشده را پیشبینی کند. از این روش هم در مسائل طبقه‌بندی و هم در مسائل رگرسیون استفاده میشود.
روش کار
به طور کلی، الگوریتم‌های یادگیری با نظارت یک پروسه‌ی آموزش (training) دارند که طی آن داده‌های برچسب‌گذاری شده به الگوریتم داده میشود و الگوریتم سعی میکند پارامترهای خودش را با استفاده از این داده‌ها بروزرسانی کند و بتواند برچسب داده‌های جدید را تشخیص دهد. روش کلی این کار به این صورت است که الگوریتم سعی میکند پارامترها را در جهتی تغییر دهد که خطای ایجاد شده در پیشبینی داده‌ها کمینه شود. این خطا با استفاده از تابعی که تابع هزینه نامیده میشود محاسبه می‌گردد.
یادگیری تحت نظارت نیازمند تعدادی داده ورودی به منظور آموزش سیستم است. با این حال رده‌ای از مسائل وجود دارند که خروجی مناسب که یک سیستم یادگیری تحت نظارت نیازمند آن است، برای آنها موجود نیست. این نوع از مسائل چندان قابل جوابگویی با استفاده از یادگیری تحت نظارت نیستند. یادگیری تقویتی مدلی برای مسائلی از این قبیل فراهم می‌آورد. در یادگیری تقویتی[۱]، سیستم تلاش میکند تا تقابلات خود با یک محیط پویا را از طریق آزمون و خطا بهینه نماید. یادگیری تقویتی مسئله‌ای است که یک عامل که می‌بایست رفتار خود را از طریق تعاملات آزمون و خطا با یک محیط پویا فرا گیرد، با آن مواجه است. در یادگیری تقویتی هیچ نوع زوج ورودی- خروجی ارائه نمی‌شود. به جای آن، پس از اتخاذ یک عمل، حالت بعدی و پاداش بلافصل به عامل ارائه میشود. هدف اولیه برنامه‌ریزی عامل‌ها با استفاده از تنبیه و تشویق است بدون آنکه ذکری از چگونگی انجام وظیفه آنها شود.
الگوریتم‌های مهم
رگرسیون خطی (Linear Regression) نوعی تابع پیش‌بینی‌کننده خطی است که برای پیشبینی یک متغیر از روی یک یا چند متغیر دیگر آموزش داده میشود. به متغیرهایی که پیشبینی بر روی آن انجام میشود متغیر وابسته و به متغیرهایی که پیشبینی به کمک آنها انجام میشود متغیرهای مستقل می‌گویند. متغیرهای وابسته را معمولاً با و متغیرهای مستقل را با نمایش میدهند. اگر تنها یک متغیر مستقل وجود داشته باشد مدل رگرسیون خطی را ساده و در غیر این صورت چندگانه می‌نامند.
درخت تصمیم:
درخت تصمیم (Decision Tree) مدلی است که برای حل مسائل دسته‌بندی و رگرسیون (تخمین مقدار یک متغیر وابسته از روی تعدادی متغیر مستقل) استفاده میشود. در درخت تصمیم از روی داده‌های آموزش یک درخت دودویی ساخته میشود و مقادیر داده‌های جدید با استفاده از این درخت تعیین میشود.
ماشین بردار پشتیبان:
ماشین‌های بردار پشتیبان (Support vector machines - SVMs) مدل‌هایی هستند که برای مسائل دسته‌بندی و رگرسیون بکار می‌روند. در مسائل دسته‌بندی، هدف ماشین‌های پشتیبان یافتن یک ابرصفحه‌ی جداکننده به نحوی است که بیشترین حاشیه (margin) را با نقاط هر دسته داشته باشد.
شبکه‌های عصبی:
شبکه‌های عصبی (Neural Networks) سیستم‌هایی پیچیده هستند که از تعداد نسبتا زیادی واحدهای پردازشی که نورون نامیده می‌شوند تشکیل شده‌اند. ایدهٔ اصلی این گونه شبکه‌ها تا حدودی الهام‌گرفته از شیوهٔ کارکرد سیستم عصبی موجودات زنده می‌باشد. شبکه‌های عصبی قادرند الگوهای نسبتا پیچیده را در داده‌های ورودی شناسایی کنند و امروزه در بسیاری از حوزه‌های یادگیری ماشین کاربرد دارند.
کاربردها
الگوریتم‌های یادگیری با نظارت در بسیاری از حوزه‌های علوم کامپیوتر و داده‌کاوی کاربرد دارند. چند مورد عبارتند از:
پردازش تصویر و بینایی کامپیوتر
از مسائل مهم مطرح در بینایی کامپیوتر میتوان به تشخیص چهره، تشخیص اشیا و طبقه‌بندی تصاویر بر اساس محتوایشان اشاره کرد. شبکه‌های عصبی که از روشهای یادگیری با نظارت هستند از راه حل‌های مدرن این مسائل به شمار می‌روند که امروزه در عمل استفاده‌ی گسترده‌ای دارند.
تشخیص دست خط
از تکنیک‌های مدرن در تشخیص دست‌خط و استخراج ویژگیهای نوشته استفاده از شبکه‌های عصبی می‌باشد.
تشخیص هرزنامه
سپم (به انگلیسی: Spam) یا هرزنامه، به معنی پیام یا نامه الکترونیکی است که بدون درخواست گیرنده و به صورت انبوه فرستاده میشود. بهترین تکنولوژی که در حال حاضر برای توقف اسپم وجود دارد، استفاده از نرم‌افزارهای فیلترینگ است. این نوع برنامه‌ها، وجود کلید واژه‌های خاصی را در خط موضوع پیام، بررسی و در صورت شناسائی آنان، نامه الکترونیکی مورد نظر را حذف می‌نمایند. برخی از برنامه‌های فیلترینگ پیشرفته، با استفاده از روشهای متعدد آماری (مانند فیلترینگ اسپم بیزی) اقدام به شناسائی اسپم بر اساس الگوهایی خاص می‌نمایند.
خودآگاهی در مغز انسان چگونه عمل میکند؟
نویسنده: تیم محتوایی آنلایف
تاریخ انتشار: شنبه, 30 اردیبهشت 1402
دسته‌بندی: بدون دسته بندی
برای درک چگونگی عملکرد خودآگاهی در مغز انسان
ابتدا مقدمه‌ای خواهیم داشت. کامپیوتر، گوشی‌های هوشمند و وسایل الکتریکی که از آنها استفاده می‌کنیم، مغزی ابتدایی دارند. این وسایل دارای مدارهای الکتریکی سازمان‌یافته‌ای هستند که اطلاعات را ذخیره کرده و به روشهای خاص و قابل پیشبینی رفتار می‌کنند، دقیقاً مانند سلول‌های متصل به‌هم در مغز.
در سطح پایه، مدارهای الکتریکی و سلول‌های عصبی در مغز از اتم‌ها و ذرات بنیادی تشکیل شده‌اند. مغز انسان هوشیار است اما ابزارهای ساخته‌شده توسط انسان، از این هوشیاری برخوردار نیستند. به گفته دانشمندان، خودآگاهی ویژگی اکثر موجودات جهان نیست و تنها عده محدودی از آنها که مغز نسبتا پیچیده‌ای دارند، خودآگاه‌اند.
دانشمندانی که رفتار حیوانات و آناتومی مغز را مطالعه می‌کنند، معتقدند که مغزی به اندازه مغز انسان برای برخورداری از ویژگی هوشیاری لازم نیست. گروهی از دانشمندان علوم مغز و اعصاب دانشگاه کمبریج اعلام کردند که حیوانات غیرانسان، از جمله تمام پستانداران و پرندگان، و بسیاری از موجودات دیگر، از جمله هشت پا، هوشیار هستند. این مسئله به این معناست که وجود خودآگاهی در مغز، محدود به گونه انسان نیست.
چگونه میتوان از فعالیت درون مغز آگاه شد؟
برای اینکه بفهمیم انسان در ذهن و مغزش، خود را چگونه درک میکند، تکنیک‌های متنوعی وجود دارد. یکی از رایج‌ترین روشهای تعیین مناطق مغزی و شناسایی فرآیندهای مختلف مغز، استفاده از MRI است. این دستگاه با توجه به تغییرات جریان خون در مغز، فعالیت آن را اندازه‌گیری و مطالعه میکند.
توموگرافی انتشار پوزیترون (PET) یک تکنیک تصویربرداری عملکردی دیگر در زمینه مطالعه خودآگاهی در مغز است که از مواد رادیواکتیو معروف به رادیوتراکرها برای مطالعه و اندازه‌گیری تغییرات فرآیندهای متابولیک و سایر فعالیت‌های فیزیولوژیکی از جمله جریان خون و ترکیب شیمیایی مناطق مختلف مغز استفاده میکند.
مورد دیگر، توموگرافی کامپیوتری (CT) است. پرتو اشعه ایکس به صورت دوار اطراف بدن حرکت میکند. با این کار نماهای مختلف از یک عضو بدن یا ساختار داخلی بدن دیده میشود. اطلاعات به دست‌آمده به وسیله اشعه ایکس به یک کامپیوتر ارسال می‌شوند که دیتاهای اشعه ایکس را تفسیر کرده و آنها را به صورت دوبعدی در مانیتور نشان میدهد. سی تی اسکن ممکن است با استفاده از ماده‌ای که به صورت خوراکی یا وریدی وارد بدن شده و باعث واضح‌تر شدن بخش‌های داخلی بدن در تصویر شده است، انجام شود.
سی تی اسکن مغز نسبت به عکس‌برداری از سر به وسیله اشعه ایکس اطلاعات مفصل‌تری در مورد بافت و ساختار مغز به دست میدهد. بنابراین از طریق به کارگیری این روش، اطلاعات بیشتری در مورد آسیب‌دیدگی یا بیماری‌های مغزی به دست می‌آید.
این موارد از جمله راه‌های مطالعه عملکرد خودآگاهی در مغز است.
تفاوت هوشیاری و خودآگاهی
انسان فقط یک موجود هوشیار نیست، او همچنین از خود، آگاه است. دانشمندان هوشیاری و خودآگاهی را دو مقوله جدا می‌دانند. هوشیاری یعنی از بدن و محیط اطراف خود آگاهیم، اما خودآگاهی یعنی این آگاهی را درک می‌کنیم. مثلا می‌دانیم وجود داریم. هوشیار بودن یعنی فکر کردن؛ خودآگاهی این است که بدانید شما موجودی متفکر هستید و به افکار خود فکر می‌کنید. احتمالاً نوزاد، فقط هوشیار است نه خودآگاه. او افراد و چیزهای اطراف خود را درک میکند و به آنها عکس‌العمل نشان میدهد، اما هنوز خودآگاهی در مغز او شکل نگرفته است. در سالهای اول زندگی، نوزادان حسی که درباره خود دارند را رشد میدهند، یاد می‌گیرند که خود را در آینه تشخیص دهند و زاویه دید اطرافیان را نسبت به خود درک کنند.
جایگاه خودآگاهی در مغز
فلاسفه یونان باستان شناختن خود را اوج بشریت می‌دانستند. اکنون هزاران سال بعد، دانشمندان علوم مغز و اعصاب در تلاش‌اند که به طور دقیق رمزگشایی کنند که چگونه مغز انسان توانایی خودآگاهی دارد.
دانشمندان بر این باورند که سه منطقه مغزی برای خودآگاهی بسیار حیاتی است: قشر اینسولار، قشر انقباضی قدامی و قشر جلوی پیشانی داخلی.
با این حال، یک تیم تحقیقاتی به سرپرستی دانشگاه آیووا این تئوری را به چالش کشیده است که نشان میدهد خودآگاهی در مغز بیش از آنکه محدود به مناطق خاصی باشد، بیشتر پراکنده در مسیرهای مغزی است.
آیا افرادی که قسمت بزرگی از مغز خود را از دست داده‌اند هوشیارند؟
مطالعات متعدد تصویربرداری عصبی از نورون‌های مغزی، حاکی از آن است که فکر کردن در مورد خود، شناخت تصویر خود و تأمل درباره افکار و احساسات خود -یعنی جنبه‌های مختلف خودآگاهی در مغز- همه در قشر مغز اتفاق می‌افتد، که بیرونی‌ترین و پیچیده‌ترین قسمت مغز است. این واقعیت که انسان دارای قشر مخ بزرگ نسبت به اندازه بدن است، ظاهرا توضیح میدهد که چرا به‌نظر می‌رسد ما نسبت به بیشتر حیوانات خودآگاهی بیشتری داریم.
فیلیپی و رودروف در مطالعه جدید خود به یک نتیجه جالب در مورد کودکان مبتلا به هیدروآنسفالی، یک بیماری نادر که در آن کیسه‌های پر از مایعات جایگزین نیمکره‌های مغزی می‌شوند، اشاره کردند. کودکان مبتلا به هیدروآنسفالی اساساً هر قسمت از مغز خود را به‌جز ساقه مغز و مخچه و چند ساختار دیگر، از دست میدهند. نگه‌داشتن چراغی نزدیک سر چنین کودکی، جمجمه را مانند یک فانوس دریایی روشن میکند. اگرچه بسیاری از کودکان مبتلا به هیدروآنسفالی در بدو تولد نسبتاً طبیعی به نظر می‌رسند، اما آنها اغلب به سرعت دچار مشکلات رشد، تشنج و اختلال بینایی می‌شوند.
بیشتر آنها در اولین سال زندگی خود می‌میرند. با این حال در برخی موارد، کودکان مبتلا به هیدروآنسفالی، سال‌ها یا حتی دهه‌ها زندگی می‌کنند. چنین کودکانی فاقد قشر مخ هستند، یعنی بخشی از مغز که برای آگاهی و خودآگاهی در مغز از اهمیت بیشتری برخوردار است. اما، همان‌طور که این مطالعه نشان میدهد، حداقل برخی از کودکان هیدروآنسفالیک ظاهرا نشان میدهند که خودآگاهی دارند. آنها به افراد و چیزهای موجود در محیط‌‌‌شان پاسخ میدهند. وقتی کسی تماس می‌گیرد یا هدیه می‌گیرد، لبخند می‌زنند و یا گریه می‌کنند. آنها تفاوت بین افراد آشنا و غریبه را می‌دانند، خود را به سمت اشیایی که می‌خواهند، حرکت میدهند و برخی از انواع موسیقی را به برخی دیگر ترجیح میدهند.
این نشان میدهد که تنها بخش مخ مغز منجر به خودآگاهی نمی‌شود. البته با قطعیت نمیتوان گفت، زیرا این کودکان نمی‌توانند صحبت کنند تا ما بدانیم تا چه حد خودآگاه‌اند.
تاثیر شبکه پارالیمبیک بر خودآگاهی در مغز
تغییر الگوهای مغزی با تغییر محتویات هوشیاری در هنگام مدیتیشن، مراقبه، یوگا و در حالت آگاهی طبیعی مثل حالت استراحت، رخ میدهد. مجموعه‌ای از مناطق پارالیمبیک داخلی به‌طور مداوم فعال هستند، از جمله قشر جلوی مغز داخلی و جانبی، قشر آهیانه داخلی راست و جسم مخطط راست.
تعدادی از رویکردهای تجربی، راه‌های عصبی خودآگاهی در مغز را به طور کامل‌تری مشخص می‌کنند. علی‌رغم استفاده از روشهای مختلف در بررسی جنبه‌های مختلف خودآگاهی مانند کلامی، فضایی، احساسی و چهره، آزمایش‌ها شواهد همگرایی را نشان میدهند که مناطق پارالیمبیک پیش‌پیشانی انقباضی قدامی و آهیانه‌ای خلفی با خودآگاهی در مغز در ارتباط هستند. بر این اساس میتوان این چنین نتیجه‌گیری کرد که شبکه پارالیمبیک داخلی یک امضای عصبی رایج برای خودآگاهی است. شبکه پارالیمبیک در خودآگاهی و بازیابی قضاوت قبلی درباره خود تاثیر دارد.
جمع‌بندی
اگر مغز ما نمی‌توانست نقاط قوت و نقاط ضعف خود را بشناسد، ما دیگر نمی‌توانستیم بگوییم خودآگاه هستیم. اگر ما نمی‌توانستیم خاطرات را در حافظه خود نگه داریم یا اگر تصویری از بدن خود نداشتیم، خودآگاهی در مغز ما مختل می‌شد. خودآگاهی اولین و به قولی ضروری‌ترین نیاز برای زندگی کردن است. در این مقاله به مناطقی از مغز که به خودآگاهی مربوط هستند اشاره شد اما همان طور که گفته شد، خودآگاهی می‌تواند ترکیبی از فعالیت تمام مناطق مغزی باشد.
نظرات
برای ثبت نظر باید ابتدا وارد شوید
نظری وجود ندارد، شما اولین نظر را قرار دهید
برنامه‌نویسی ژنتیک
****************
ارسال شده توسط:
حسن خ
Thursday - 19/10/2023 - 9:58
سایت مؤسسه هوش مصنوعی و تمدن اسلامی«همتا»
به دنبال تهیه دستیاران هوشمند در خدمت دین:
محصولات:
جستجوی هوشمند جهد
هستان نگار علوم اسلامی برهان
سامانه پاسخگویی سؤالات پارسا
گراف موجودیت های اسلامی قم نت
****************
ارسال شده توسط:
حسن خ
Thursday - 19/10/2023 - 10:2
معرفی برخی کتب در حوزه هوش مصنوعی
مقاله سیر مطالعاتی هوش مصنوعی
هوش مصنوعی یکی از موضوعات جذاب در سالهای اخیر است که در علوم مختلف از قبیل، روان شناسی، علوم شناختی، پزشکی، جامعه شناسی، فلسفه، حقوق و ... در مورد آن بحث می شود. لیست زیر یک سیر مطالعاتی در ابعاد روان شناختی، اجتماعی و فلسفی هوش مصنوعی در اختیار شما قرار می دهد.
درباره علم شناختی: هوش مصنوعی، روانشناسی، زبان‌شناسی، علم اعصاب و فلسفه ذهن / مؤلف: جواد حاتمی / ناشر: موسسه انتشارات امیرکبیر
زندگی 3.0: انسان بودن در عصر هوش مصنوعی / مؤلف: مکس تگمارک / مترجم: میثم محمدامینی / ناشران: فرهنگ نشر نو، آسیم
هوش مصنوعی (قدم اول) / مؤلف: هنری برایتون / مترجم: ابراهیم اسکافی / ناشر: پردیس دانش
مقایسه تطبیقی ذهن و هوش مصنوعی / مؤلف: محمد عباس‌زاده‌جهرمی / ناشر: پیمان غدیر
علوم شناختی: مقدمه‌ای بر مطالعه‌ی ذهن / مؤلفان: جی فردنبرگ، گوردون سیلورمن / مترجمان: محسن افتاده‌حال / ناشران: شرکت پیشرو فناوری قائد، موسسه آموزشی و تحقیقاتی صنایع دفاعی
علوم شناختی: مقدمه‌ای بر علم ذهن / مؤلف: خوسه‌لوئیس برمودس / مترجم: تورج بنی‌رستم / ناشر: کیان افراز
علوم شناختی: مقدمه‌ای بر ذهن و مغز / مؤلفان: دنیل کالک، ویلیام هیرشن، پیت مندیک، جاناتان واسکان / مترجمان: شهره صادقی، الهه کمری / ناشر: نویسه پارسی
روانشناسی شناختی / مؤلفان: محمدحسین عبداللهی، حسین زارع / ناشر: سمت
ذهن: درآمدی بر علوم شناختی / مؤلف: پل تاگارد / مترجم: رامین گلشائی / ناشر: سمت
قلمرو تازه علوم شناختی: آنچه مقوله‌ها درباره ذهن فاش می‌کنند / مؤلف: جرج لاکوف / مترجم: جهانشاه میرزابیگی ناشر: آگاه / دو جلد
درآمدی تاریخی به علوم شناختی: مطالعات میان رشته‌ای ریاضیات، روانشناسی، سایبرنتیک ... / مؤلف: محمدمحسن بیاتانی / ناشر: دانشگاه تفرش / دو جلد
مقدمه‌ای بر علوم و فناوری‌های شناختی و کاربردهای آن / مؤلف: سیدکمال خرازی / ناشر: سمت
علم شناخت یا شناخت‌پژوهی: مقدمه‌ای بر رویکردها، نظریه‌ها و پژوهش‌های علمی درباره ذهن / مؤلفان: جی فریدنبرگ، گوردون سیلورمن / مترجم: حبیب‌الله قاسم‌زاده / ناشر: کتاب ارجمند / دو جلد
مقدمه‌ای فلسفی بر علوم شناختی / مؤلف: رم هره / مترجمان: مجید داودی‌بنی، حسین شیخ‌رضایی / ناشران: فرهنگ نشر نو، آسیم
فلسفه علم شناختی / مؤلف: ام.ج. کین / مترجم: مصطفی تقوی / ناشر: ترجمان علوم انسانی
مسوولیت کیفری ربات‌ها: هوش مصنوعی در قلمرو حقوق کیفری / مؤلف: گابریل هالوی / مترجمان: فرهاد شاهیده، طاهره قوانلو / ناشر: میزان
عصر چهارم ربات‌های هوشمند، کامپیوترهای هوشیار و آینده بشریت / مؤلف: بایرون ریس / مترجم: مرتضی شانی / ناشر: شرکت چاپ و نشر بازرگانی
روابط عمومی در عصر هوش مصنوعی / مؤلفان: مهدی باقریان، حنانه باقریان / ناشر: کارگزار روابط عمومی
آدن و آدم / مؤلف: عبدالرضا جغتایی / ناشر: دانشگاه صنعتی شریف، موسسه انتشارات علمی
ذهن و کامپیوتر: مقدمه‌ای بر فلسفه هوش مصنوعی / مؤلف: تورج بنی‌رستم / ناشر: تورج بنی رستم
مبانی فلسفی هوش مصنوعی / مؤلف: علی‌اکبر ضیایی / ناشر: امین
عصر ماشین‌های معنوی: وقتی رایانه‌ها از هوش انسان پیشی می‌گیرند / مؤلف: ری کورزویل / مترجم: سیمین موحد / ناشر: پیکان
آینده شبیه‌سازی مغز: چگونگی خلق یک مغز غیربیولوژیک / مؤلف: ری کورزویل / مترجم: حسین کاشفی‌امیری / ناشر: آینده‌پژوه
راهنمای هوش مصنوعی: کاربرد هوش مصنوعی در پیشرفت کسب و کارها / مؤلف: اندرو برجس / مترجمان: مهدی ابراهیمی، رضا اسدی، رضا عسگری / ناشر: آینده‌پژوه
ابرقدرت‌های هوش مصنوعی: چین، سیلیکون ولی و نظم نوین جهانی / مؤلف: کای‌فو. لی / مترجمان: میرجواد سیدحسینی، مژگان محمدی / ناشر: بنگاه ترجمه و نشر کتاب پارسه
تاثیر فناوری‌های پیشرفته بر آینده دولت‌ها و کشورها / مؤلفان: کانر گریفین، مایکل مارتینز / مترجمان: فرزان مجیدفر، فرشید مجیدفر، عباسعلی کارشناس / ناشر: رسا
****************
ارسال شده توسط:
حسن خ
Saturday - 23/12/2023 - 10:13
مقاله «بررسی توان رقابت هوش مصنوعی با ذهن انسان از منظر قرآن»
****************
ارسال شده توسط:
حسن خ
Saturday - 20/1/2024 - 10:39
مقاله «معانی چهارگانه آگاهی»
****************
ارسال شده توسط:
حسن خ
Sunday - 14/1/2024 - 10:11
مدخل هوش مصنوعی در دائرة المعارف اینترنتی استنفورد
****************
ارسال شده توسط:
حسن خ
Sunday - 4/2/2024 - 23:58
مقاله تحلیل مفهوم آگاهی از دیدگاه ملاصدرا و پیوندگرایی
چکیده
مسئله ی آگاهی از مهم‌ترین مسائل تاریخ فلسفه است. به دلیل دشواری تعریف آگاهی برخی فیلسوفان آن را به آگاهی پدیداری، آگاهی دسترسی، خودآگاهی و آگاهی نظارتی تقسیم کردهاند. فیلسوفانی مانند ملاصدرا که آگاهی (علم) را به نفس نسبت میدهند و بر این اساس ویژگیهای مربوط به آگاهی را تبیین میکند، تمام اقسام آگاهی را به امری فراتر ماده نسبت میدهد. از اینرو از دیدگاه وی نمیتوان آگاهی را به ماده تقلیل داد.
این در حالی است که نظریات فیزیکالیستی مانند نظریه ی پیوندگرایی آگاهی را به ماده نسبت میدهند. طبق نظر پیوندگرایان میتوان آگاهی را با استفاده از شبکه های عصبی مصنوعی تبیین کرد. اما این نظریه بر خلاف ادعای خود ناتوان از تبیین اقسام و ویژگیهای آگاهی است. در این نظریه دلیلی که باعث میشود آگاهی را به شبکه‌های عصبی نسبت دهند این است که آگاهی را مساوی با پردازش اطلاعات میدادند. در حالی که طبق نظر ملاصدرا آگاهی (درک اطلاعات) معمولاً همراه با پردازش اطلاعات هست، اما پردازش اطلاعات بدون آگاهی نیز امکان پذیر است. از اینرو مطابق دیدگاه ملاصدرا نمیتوان رابطه آگاهی و پردازش اطلاعات، را تساوی دانست.
****************
ارسال شده توسط:
حسن خ
Thursday - 25/4/2024 - 10:43
آنچه ابن سینا می‌تواند در مورد هوش مصنوعی به ما بیاموزد
سایت زومیت
ابن سینا که قرن‌ها قبل از هوش مصنوعی زندگی می‌کرد، می‌تواند به ما کمک کند به سوالات خود دراین‌باره پاسخ دهیم که آیا هوش مصنوعی آگاهی دارد؟
در سال ۲۰۲۲، بلیک لوموئن، مهندس گوگل با سخنوری برجسته ارتباط برقرار کرد. دیالوگ‌های آنها به‌طور طبیعی در جریان بود و از موضوعاتی از فلسفه گرفته تا تلویزیون تا رویاهای آینده را شامل می‌شد. فقط یک مشکل وجود داشت: آن سخنور چت‌بات هوش مصنوعی بود.
لوموئن در گفتگو با مدل زبانی LaMDA گوگل به‌تدریج متقاعد شد چت‌بات نیز مانند یک شخص است. اما آیا این ادعا می‌تواند واقعیت داشته باشد؟
ابیگیل تولنکو، دانشجوی دکترای فلسفه علم دانشگاه هاروارد می‌گوید در بیشتر چارچوب‌های اخلاقی، ملاحظات خاصی همچون حقوق، وظایف، تمجید، سرزنش، کرامت و عاملیت در سطح فرد ظاهر میشود. بنابراین، این سوال که آیا سیستم‌های الکترونیکی می‌توانند شخصیت پیدا کنند، پیامدهای گسترده‌ای برای نحوه تعامل ما با این فناوری‌ها دارد.
ابن سینا درمورد بسیاری از سوالات مشابهی تامل می‌کرد که اخلاق‌شناسان امروزی به آنها فکر می‌کنند
در سالهای اخیر بسیاری از فیلسوفان استدلال کردهاند آنچه از ما انسان می‌سازد، ظرفیت ما برای تجربه آگاهانه است. اما چگونه آگاهی را تعریف می‌کنیم؟ از چه شواهد بیرونی می‌توانیم برای تعیین این موضوع استفاده کنیم که موجودی دارای آگاهی است؟ عدم اجماع در مورد این سؤالات یکی از دلایلی است که بحث درمورد شخصیت داشتن هوش مصنوعی مدت‌ها است به نتیجه نرسیده است.
ابن سینا قرن‌ها قبل از اختراع ماشین چاپ زندگی می‌کرد، چه برسد به هوش مصنوعی. با‌این‌حال، او درمورد بسیاری از سوالات مشابهی تامل می‌کرد که اخلاق‌شناسان امروزی به آنها فکر می‌کنند: چه چیزی موجب میشود فرد به جای حیوان، یک انسان باشد؟
همان‌طور که پژوهشگران معاصر هوش مصنوعی علاقمند به مقایسه فرآیندهایی هستند که زیربنای پاسخ انسان و هوش مصنوعی به وظایف مشابه است، ابن سینا نیز علاقمند به مقایسه فرایندهای درونی انسان و حیوانات برای رسیدن به خروجی‌های رفتاری مشابه بود. ازنظر او، یکی از قابلیت‌های کلیدی تمایز انسان، درک کلیات است. درحالی که حیوانات فقط می‌توانند درمورد جزئیات فکر کنند (موارد خاصی که درست پیش روی آنها است)، انسان‌ها می‌توانند از قواعد کلی استدلال کنند.
ابن سینا در کتاب النفس از مثال معروف باستانی درمورد گوسفندی صحبت میکند که با گرگی رو‌به‌رو میشود. او ادعا میکند درحالی‌که انسان‌ها به اصلی کلی استناد می‌کنند که «گرگ‌ها به‌طورکلی خطرناک هستند و حیوان خاصی که مقابل آنها است، گرگ است، بنابراین باید فرار کرد»، حیوانات متفاوت فکر می‌کنند. آنها از روی قانونی کلی استدلال نمی‌کنند، بلکه فقط گرگ را می‌بینند و می‌دانند باید فرار کنند. آنها به‌جای استدلال کردن درمورد ویژگیهای کلی گرگ‌ها، به جزئیات محدود می‌شوند.
تمایزی که ابن سینا بین روانشناسی انسان و حیوان قائل میشود، شباهت بالایی به تمایزی دارد که دانشمندان عصر جدید در ارتباط با هوش مصنوعی درحال بررسی آن هستند.
پژوهش‌های کنونی نشان میدهد شبکه‌های عصبی مصنوعی توانایی تعمیم‌پذیری ترکیبی سیستماتیک را ندارند. زبان‌شناسان و دانشمندان علوم شناختی از این اصطلاح برای توصیف انواع استنتاج‌هایی استفاده می‌کنند که از روی قواعد تعمیم‌یافته به دست می‌آیند. این روش یکی از راه‌های اصلی استدلال است که انسان‌ها در زندگی روزمره خود به کار می‌برند.
درحالی‌که انسان‌ها معانی انتزاعی را از دنباله‌ای از کلمات درمی‌یابند که سپس می‌توانند به شکل ایده‌های پیچیده‌تر ترکیب شوند، هوش مصنوعی درون مجموعه داده‌های آماری برای ورودی‌های داده خاص که با وظیفه خاصی مطابقت دارند، جستجو میکند.
تفاوت یاد شده تا حد زیادی محدودیت‌های هوش مصنوعی معاصر را توضیح میدهد. برای اینکه این تفاوت را در عمل ببینید، به آزمون‌های کپچا نگاه کنید که به منظور تمایز بین انسان و ربات به کار می‌روند و ربات‌ها نمی‌توانند آنها را بخوانند. تغییرات کافی تشخیص حروف را برای پیچیده‌ترین سیستم‌های مصنوعی دشوار میکند. علت آن است که سیستم فاقد ظرفیت ترکیبی برای تعمیم انتزاعی درمورد ویژگیهای اصلی حروف است و نمی‌تواند آن را به نمونه کج و معوج تعمیم دهد.
حروف کپچا
این تفاوت بین شناخت انسان و شناخت مصنوعی به‌خوبی با توصیف ابن سینا از آنچه در مورد استدلال انسان منحصربه‌فرد است، منطبق است. او در کتاب الشفا توضیح میدهد چگونه موجود دارای خرد می‌آموزد چه چیزهایی مشترک هستند و چه چیزهایی مشترک نیستند و بنابراین ماهیت چیزهای مشترک را در انواع مختلف استخراج میکند.
ازنظر ابن سینا یکی از ویژگیهای متمایز انسان درک کلیات است
ما انسان‌ها ویژگیهای اساسی اشیاء را از ویژگیهای کمتر ضروری جدا می‌کنیم تا به مفاهیم تعمیم‌یافته برسیم. سپس به کمک این مفاهیم استدلال می‌کنیم و آنها را روی موارد مختلف اعمال می‌کنیم. به‌عنوان مثال، در کودکی یاد می‌گیریم ویژگی اصلی حرف ایکس را استخراج کنیم: این حرف از دو خط متقاطع تشکیل شده است. سپس تعمیمی کلی درمورد ویژگیهای اصلی X انجام می‌دهیم تا به این نتیجه برسیم که همه X-ها از دو خط متقاطع تشکیل شده‌اند.
درنهایت با اعمال این تعمیم می‌توانیم X-ها را تشخیص دهیم. می‌دانیم دو خط متقاطع ویژگیهای اصلی حرف X هستند و خطوط اضافی تصادفی و پیچ‌وخم‌ها در تصاویر کپچا این‌طور نیستند. این درحالی است که کامپیوتر نمی‌تواند استنباط کند تصویر نشان‌دهنده X است، مگر اینکه تصویر دقیقی از X یا چیزی که به اندازه کافی مشابه است، به آن داده شود. خطوط اضافی و اشکال پیچ و تاب‌دار برای غیرقابل تشخیص شدن X کافی است، زیرا در مخزن بزرگ کامپیوتر از تصاویری که به‌عنوان X طبقه‌بندی شده‌اند، وجود ندارد.
به‌طور مشابه، اگر وظیفه‌ای مانند مورد گوسفند به شبکه عصبی مصنوعی سپرده شود، شبکه عصبی مصنوعی مانند انسان نتیجه‌گیری کلی نمی‌کند و درعوض مانند گوسفندان فکر میکند و به جزئیات محدود میشود.
یکی از تفاوت‌های اساسی بین گوسفند و شبکه عصبی مصنوعی در این است که شبکه عصبی مصنوعی به مخزن بسیار بزرگ‌تری از جزئیات به شکل مجموعه داده‌های جامع دسترسی دارد.
چیزی که یادگیری عمیق را در وظایف زبانی بسیار موفق می‌سازد، دسترسی به مجموعه داده‌های بزرگ با جزئیات زیاد به جای استدلال ازطریق تعمیم‌پذیری ترکیبی است.
معیار اصلی ابن سینا برای شخصیت (استدلال از روی کلیات) شباهت زیادی به تعمیم‌پذیری ترکیبی سیستماتیک دارد. این معیار می‌تواند استاندارد احتمالا قابل آزمایشی برای دارا بودن شخصیت ارائه دهد. تاکنون، هوش مصنوعی در این آزمایش بارها شکست خورده است.
آثار ابن سینا را به‌عنوان راه‌حل موضوع شخصیت‌داشتن هوش مصنوعی بپذیریم یا نه، روایت وی دریچه جدیدی برای حل مساله شخصیت هوش مصنوعی ارائه میدهد که فرضیات گزارش‌های مبتنی‌بر آگاهی را به چالش می‌کشد.
اصول اخلاقی علمی اغلب با آخرین پژوهش‌ها، جدیدترین فناوری و هجوم مداوم داده‌ها پیوند خورده است. اما گاهی اوقات سؤالات آینده مستلزم بررسی دقیق گذشته است. نگاهی به تاریخ به ما این امکان را میدهد که فراتر از تصورات و پیش‌فرض‌های زمانه خود به موضوع بنگریم و ممکن است از بن‌بست‌های کنونی رهایی یابیم.
****************
ارسال شده توسط:
حسن خ
Thursday - 25/4/2024 - 10:47
هوش مصنوعی LaMDA گوگل؛ خودآگاهی یا تظاهر به خودآگاهی؟
سایت زومیت
تاریخ هوش مصنوعی-ایجاد شده توسط: حسن خ
مسئله چارچوب-frame problem-ایجاد شده توسط: حسن خ
آزمون تورینگ-ایجاد شده توسط: حسن خ
****************
ارسال شده توسط:
ح و
Tuesday - 12/11/2024 - 18:52
تفاوت های هوش مصنوعی و هوش انسانی
https://didbaan.com/mag/difference-between-artificial-intelligence-and-human-intelligence/
