در این سخنرانی کوتاه در همایش بین المللی رویکردهای متنوع به تفسیر قرآن در موسسه المهدی بیرمنگام، چند نکته را توضیح دادم:

1- مهمترین چالش تفسیر مومنانه قرآن (قرآن به مثابه یک متن زنده و نه یک اثر تاریخی) مسئله مرتبط بودن (relevancy) به انسان امروز است.
2- رویکرد اگزیستانسیال به تفسیر قرآن یک راه احتمالی برای تامین این شرط است.
3- رویکرد اگزیستانسیال برخلاف رویکردهای دیگر، یک رویکرد بافمند است که نقطه ثقل و آغازگاه حرکت خود را در دغدغه های وجودی انسان مانند تنهایی، مرگ، معنای زندگی، ترس، اصالت، امید و .. قرار می دهد.
4- مسئله معنای زندگی یک نمونه مناسب برای چنین رویکردی در تفسیر است.
5- در نهایت به توضیح نگاه قرآن به مسئله معنای زندگی پرداختم.

🔗 www.aparat.com/v/iqss6cp


📌 @Sohrabifar_Vahid

💢 در باب روز معلم

یکی از موضوعاتی که در مورد آن بسیار فکر میکنم، زندگی است. معنای زندگی چیست؟ چه هدفی در پس زندگی نهفته است؟ آیا زندگی پوچ است؟ اگر زندگی معنادار است، چه مسیری از آن برای من معنادارتر است؟ یکی از پاسخ هایی که همواره برایم قانع‌کننده بوده است، این است که کسی که زندگی‌اش را وقف ارتقای فکری خود و دیگران کند، زندگی ارزشمندی را پیش برده است. کسی که عمرش را صرف گشودن افق‌های جدید و معانی عمیق برای خود و دیگران کرده است، یکی از بهترین زندگی های ممکن را زیسته است. چه چیزی از این ارزشمندتر؟

🌹 روز معلم را به اساتید خودم تبریک عرض میکنم و از دوستانی که این روز را به من تبریک گفته‌اند، سپاسگزارم.

📌 @Sohrabifar_Vahid

فایل صوتی نشست‌های مدرسه بهاره ادیان

⭕️ مطالعات ادیان چیست و چرا مهم است؟

تاریخ 1404/02/21

🎙 دکتر وحید سهرابی‌فر


📌 @Sohrabifar_Vahid

#قطعاتی_برای_تفکر

"ما «نیکی» را به «ارزش»، «ارزش» را به «ارزش‌ها» و «ارزش‌ها» را به «ارزش‌های من» تقلیل داده‌ایم. و سپس اخلاق به «شرح ارزش‌ها» تقلیل یافته است. سپس ما جرئت پیدا کردیم که به عالمان صادق زندگی مثل سلیمان (یا موسی یا قدیس پولس) بگوییم «به چه حقی شما باید ارزش‌هایتان را بر من تحمیل کنید؟»"

سه فلسفه زندگی
پیتر کریفت
ترجمه: بتول قزل‌بیگلو

📌 @Sohrabifar_Vahid

💢 سوگیری در مدل‌های هوش مصنوعی مولد

«یکی از فوری‌ترین مسائل در سیستم‌های هوش مصنوعی مولد، تداوم سوگیری ناعادلانه ناشی از نقص در داده‌های آموزشی یا الگوریتم‌هاست. بدون توجه دقیق، مدل‌ها می‌توانند سوگیری‌های اجتماعی موجود در مورد نژاد، جنسیت، سن، قومیت و موارد دیگر را از داده‌های مغرضانه بیاموزند و تشدید کنند. این امر به نتایج تبعیض‌آمیز و متعصبانه‌ای منجر می‌شود که می‌تواند تأثیر شدیدی بر افراد و گروه‌ها بگذارد.

نمودار زیر از موسسه CSA Research نشان می‌دهد که چگونه داده‌های آموزشی می‌توانند منجر به انواع مختلف سوگیری در مدل‌ها شوند. آنچه درک این مسئله را حتی دشوارتر می‌کند این است که اکثر توسعه‌دهندگان مدل‌ها، حتی فراداده‌های (metadata) داده‌های آموزشی را نیز منتشر نمی‌کنند – اگر چیزی متن‌باز (open source) باشد، معمولاً داده‌های تنظیم دقیق (fine-tuning data) است که بسیار گزینش شده و نماینده کل مجموعه داده‌های آموزشی نیست.

این سوگیری در داده‌های آموزشی چگونه در هوش مصنوعی ظاهر می‌شود؟ مدل‌های تحلیل چهره، نرخ خطای بالاتری برای زنان و افراد با پوست تیره‌تر نشان داده‌اند. الگوریتم‌های استخدام، نامزدهای واجد شرایط از پیشینه‌های اقلیت را در مضیقه قرار داده‌اند. سیستم‌های پلیس پیش‌بینی کننده (Predictive policing)، تعصبات نژادی از خود نشان داده‌اند که منجر به نظارت بیش از حد بر جوامع حاشیه‌نشین شده است.

اگر به‌طور خاص به هوش مصنوعی مولد نگاه کنیم، بلومبرگ مطالعه‌ای را انجام داد که خروجی‌های مدل‌های متنی به تصویر Stable Diffusion را تحلیل کرد و نتیجه گرفت: «دنیا طبق Stable Diffusion توسط مدیرعامل‌های مرد سفیدپوست اداره می‌شود. زنان به‌ندرت پزشک، وکیل یا قاضی هستند. مردان با پوست تیره مرتکب جرم می‌شوند، در حالی که زنان با پوست تیره همبرگر سرخ می‌کنند.»

✍🏼 میشل یی

📌 @Sohrabifar_Vahid

⭕️ دوره آموزشی هوش مصنوعی برای دانشوران!

دوره ای کوتاه، کاربردی و رایگان برای کاربردهای مختلف هوش مصنوعی ( نه صرفا پژوهش).
پیشنهاد می‌شود!

📌 @Sohrabifar_Vahid

⭕️ موقعیت پسادکتری در شاخه فلسفه ذهن و معرفت شناسی

پروژه: نقش تجربه شناختی در تصمیم و رفتار
مکان: دانشگاه لوکزامبورگ
مدت قرارداد: سه ساله
حقوق: 85176 یورو سالانه
ددلاین: 20 ماه جون

اطلاعات بیشتر

📌 @Sohrabifar_Vahid