علوم شناختی

Forwarded from فلسفه ذهن

🪝یکی از معضلات فنی-فلسفی در برابر #هوش_مصنوعی، #مسئله_چارچوب (frame problem) بوده است. البته این اصطلاح امروزه بصورتی مبهم درآمده؛ گاه به شکل مسئله مرتبط بودن رفتارها با موقعیت‌ها فهمیده می‏شود که در واقع مسئله مطرح‌شده از سوی هیوبرت دریفوس است و قبلاً بدان پرداخته‌ایم. گاه نیز آن را بصورتی توضیح می‌دهند که ظاهر غیرمعقول محاسباتی برای فرآیندهای جامع تفکر را نشان دهد.

🪝شاید خوانش عمومی‏تر با اشتباه کمتر از مسئله چارچوب، این‏چنین باشد: تعیین شرایطی که تحت آن شرایط، یک باور باید پس از به انجام‌رساندن یک فعل خاص، به روزرسانی شود. این مسئله در صورت‏بندی اوّلیه‏اش بیشتر فنی و محدود بود و در زمینه‏ای از وظایف خاص به وجود آمد؛ مثل استدلال درباره رفتار در «محاسبه موقعیت» (Situation Calculus). «محاسبه موقعیت» در واقع یک سیستم صوری بر مبنای منطق مرتبه اوّل است جهت #بازنمایی و استدلال درباره رفتار، زمان، و تغییرات.

🪝مفهوم اساسی این سیستم، مفهوم سیال (fluent) است؛ یعنی ویژگی‏ای که می‏تواند مقدار آن در طول زمان تغییر کند. مثل دمای یک اتاق یا موقعیت مکانی یک شیء متحرّک. سیال‏های گزاره‏ای می‏توانند بازنمایی کنند که آیا یک شیء در سمت چپ شیء دیگر قرار دارد یا نه، آیا چراغ اتاق روشن است یا نه، ... . جهان در هر نقطه‏ای از زمان می‏تواند بطور کامل توسط دسته‏ای از فرمول‏ها که ارزش تمام سیال‏ها در آن زمان خاص را بیان می‏دارد، توصیف یا بازنمایی شود.
رفتارهای روبات نیز بدین‌صورت، بازنویسی می‏شوند؛ هر فعلی دارای دسته‏ای از پیش‏شرط‏ها و تأثیرات است که هر دو در قالب سیال‏ها تعریف می‏گردند. اگر پیش‏شرط‏های یک فعل در یک حالت خاص برآورده شوند، آن فعل هم می‏تواند انجام پذیرد و برآورده‏سازی تأثیرات خودش را در حالت جدید به دنبال خواهد داشت.

🪝جهت ممانعت از مدل‏های عجیب و غریب که در آن‏ها، یک رفتار دارای تأثیراتی نامربوط به خودش باشد، نیازمند تشخیص دقیق ناتأثیرها (Non-Effects) از طریق چیزی هستیم که قواعد چارچوب (Frame-Axioms) نامیده می‌‏شود. با آن‏که گونه‏های مختصری از قواعد چارچوب طراحی شده، اما پیچیدگی محاسباتی استدلال با آن‏ها به صورت یک چالش باقی مانده است. راه‏حل‏های متنوع دیگری نیز پیشنهاد شده است ... اما قابل توجه است که هیچ‏کدام از این راه‏حل‏ها تاکنون حتی به کارآمدی رویکردی که بچه‏های کوچک درباره رفتارها استدلال می‏کنند، نزدیک نشده‏اند.

🪝این‏طور پیشنهاد شده که انسان‏ها بدنبال استدلال برای ناتأثیرهای یک رفتار نمی‏روند، زیرا این‏ را فرض می‏گیرند که یک فعل، تأثیر بر هیچ‏چیز ندارد مگر آن‏که شواهدی بر خلافش وجود داشته باشد. [یعنی اصل اوّلی بر عدم تأثیر است، مگر آن‏که خلافش ثابت شود.] هرچند در این‏جا هم معضل واقعی که فیلسوفانی مانند فودور بر آن متمرکز شده‏اند، این خواهد بود: چطور می‏توانیم بگوییم یک بخش از اطلاعات، تشکیل‏دهنده «شواهد بر خلاف» است؟

🪝حداقل دو مسئله مجزا در این‏جا وجود دارد: اوّل آن‏که باید بتوانیم مشخص کنیم یک بخش از اطلاعات، بنحو بالقوه با برخی باورهای ما مرتبط است. این همان مسئله ارتباط است. دوم آن‏که باید بتوانیم مشخص کنیم آیا این اطلاعات، باور را مخدوش می‏سازد؟
هر دوی این‏ها، مسائلی مهندسی برای هوش مصنوعی کلاسیک (GOFAI) هستند و معضلات عام فلسفی. از جنبه مهندسی، خیلی دشوار نیست که یک سیستم نمادین بسازیم به یک حکم معقول برسد که: باورهای با پس‏زمینه درست،‌ شناسایی شدند. مشکل مهم عملی اینست که بسرعت، اطلاعات مرتبط را به صفر برسانیم. بسیاری این اعتقاد را دارند که خیلی بعید است هیچ سیستم دستکاری نماد بتواند بر این مشکل فائق شود.

See: Konstantine & Bringsjord, 2014, in: The Cambridge Handbook of AI, pp.68-69.
@PhilMind

👍5👎1

www.tgoop.com/cognitive_science_iran/2649

2.35K viewsApr 19, 2023 at 18:06

🪝یکی از معضلات فنی-فلسفی در برابر #هوش_مصنوعی، #مسئله_چارچوب (frame problem) بوده است. البته این اصطلاح امروزه بصورتی مبهم درآمده؛ گاه به شکل مسئله مرتبط بودن رفتارها با موقعیت‌ها فهمیده می‏شود که در واقع مسئله مطرح‌شده از سوی هیوبرت دریفوس است و قبلاً بدان پرداخته‌ایم. گاه نیز آن را بصورتی توضیح می‌دهند که ظاهر غیرمعقول محاسباتی برای فرآیندهای جامع تفکر را نشان دهد.

🪝شاید خوانش عمومی‏تر با اشتباه کمتر از مسئله چارچوب، این‏چنین باشد: تعیین شرایطی که تحت آن شرایط، یک باور باید پس از به انجام‌رساندن یک فعل خاص، به روزرسانی شود. این مسئله در صورت‏بندی اوّلیه‏اش بیشتر فنی و محدود بود و در زمینه‏ای از وظایف خاص به وجود آمد؛ مثل استدلال درباره رفتار در «محاسبه موقعیت» (Situation Calculus). «محاسبه موقعیت» در واقع یک سیستم صوری بر مبنای منطق مرتبه اوّل است جهت #بازنمایی و استدلال درباره رفتار، زمان، و تغییرات.

🪝مفهوم اساسی این سیستم، مفهوم سیال (fluent) است؛ یعنی ویژگی‏ای که می‏تواند مقدار آن در طول زمان تغییر کند. مثل دمای یک اتاق یا موقعیت مکانی یک شیء متحرّک. سیال‏های گزاره‏ای می‏توانند بازنمایی کنند که آیا یک شیء در سمت چپ شیء دیگر قرار دارد یا نه، آیا چراغ اتاق روشن است یا نه، ... . جهان در هر نقطه‏ای از زمان می‏تواند بطور کامل توسط دسته‏ای از فرمول‏ها که ارزش تمام سیال‏ها در آن زمان خاص را بیان می‏دارد، توصیف یا بازنمایی شود.
رفتارهای روبات نیز بدین‌صورت، بازنویسی می‏شوند؛ هر فعلی دارای دسته‏ای از پیش‏شرط‏ها و تأثیرات است که هر دو در قالب سیال‏ها تعریف می‏گردند. اگر پیش‏شرط‏های یک فعل در یک حالت خاص برآورده شوند، آن فعل هم می‏تواند انجام پذیرد و برآورده‏سازی تأثیرات خودش را در حالت جدید به دنبال خواهد داشت.

🪝جهت ممانعت از مدل‏های عجیب و غریب که در آن‏ها، یک رفتار دارای تأثیراتی نامربوط به خودش باشد، نیازمند تشخیص دقیق ناتأثیرها (Non-Effects) از طریق چیزی هستیم که قواعد چارچوب (Frame-Axioms) نامیده می‌‏شود. با آن‏که گونه‏های مختصری از قواعد چارچوب طراحی شده، اما پیچیدگی محاسباتی استدلال با آن‏ها به صورت یک چالش باقی مانده است. راه‏حل‏های متنوع دیگری نیز پیشنهاد شده است ... اما قابل توجه است که هیچ‏کدام از این راه‏حل‏ها تاکنون حتی به کارآمدی رویکردی که بچه‏های کوچک درباره رفتارها استدلال می‏کنند، نزدیک نشده‏اند.

🪝این‏طور پیشنهاد شده که انسان‏ها بدنبال استدلال برای ناتأثیرهای یک رفتار نمی‏روند، زیرا این‏ را فرض می‏گیرند که یک فعل، تأثیر بر هیچ‏چیز ندارد مگر آن‏که شواهدی بر خلافش وجود داشته باشد. [یعنی اصل اوّلی بر عدم تأثیر است، مگر آن‏که خلافش ثابت شود.] هرچند در این‏جا هم معضل واقعی که فیلسوفانی مانند فودور بر آن متمرکز شده‏اند، این خواهد بود: چطور می‏توانیم بگوییم یک بخش از اطلاعات، تشکیل‏دهنده «شواهد بر خلاف» است؟

🪝حداقل دو مسئله مجزا در این‏جا وجود دارد: اوّل آن‏که باید بتوانیم مشخص کنیم یک بخش از اطلاعات، بنحو بالقوه با برخی باورهای ما مرتبط است. این همان مسئله ارتباط است. دوم آن‏که باید بتوانیم مشخص کنیم آیا این اطلاعات، باور را مخدوش می‏سازد؟
هر دوی این‏ها، مسائلی مهندسی برای هوش مصنوعی کلاسیک (GOFAI) هستند و معضلات عام فلسفی. از جنبه مهندسی، خیلی دشوار نیست که یک سیستم نمادین بسازیم به یک حکم معقول برسد که: باورهای با پس‏زمینه درست،‌ شناسایی شدند. مشکل مهم عملی اینست که بسرعت، اطلاعات مرتبط را به صفر برسانیم. بسیاری این اعتقاد را دارند که خیلی بعید است هیچ سیستم دستکاری نماد بتواند بر این مشکل فائق شود.

See: Konstantine & Bringsjord, 2014, in: The Cambridge Handbook of AI, pp.68-69.
@PhilMind

BY علوم شناختی