Telegram Web Link
Forwarded from فلسفه علم
🔻تقریبا همگان قبول دارند که انجام بعضی کارها نیازمند "هوش" است؛ مثل پیداکردن حاصل تقسیم 231 بر 42.
ممکن است کسی بگوید دستگاهی دارای #هوش_مصنوعی است که بتواند برای انجام ‏چنین کارهایی توسط ما بهره‌برداری شود؛ یعنی کارهایی که توافق داریم انجام آن‏ها بوسیله انسان، مستلزم هوش است. داشتن هوش به این معنا را «هوش کاری» (task intelligence) می‏نامیم. ماشین حساب‏ها می‏توانند برای یافتن پاسخ تقسیم 231 بر 42 بکار گرفته شوند، بنابراین حتی آن‏ها هم دارای #هوش_کاری هستند.

🔻هوش کاری مصنوعی، مناقشه برانگیز نبوده و حتی آکوئیناس و دکارت هم دلیلی برای رد آن ندارند.
هرچند باید توجه داشت که ماشین حساب‏ها نمی‏دانند جواب مسائل ریاضیاتی چیست و نمی‌دانند که در حال انجام عملیات ریاضی‏اند. لذا شایسته نیست که از دارابودن هوش کاری به ادعاهای بزرگتر درباره #هوش_اشیاء پل بزنیم.

🔻«هوش شیء» مقابل «هوش کاری» است؛ اگر یک دستگاه هوش مصنوعی اشیاء را داشته باشد،‌ آن‏گاه چنین دستگاهی را می‏توان به معنی واقعی هوشمند دانست. پرسش‏های مناقشه‏برانگیز معاصر از امکان هوش مصنوعی اشیاء و رویکردهای مختلف برای طراحی آن، سؤال می‏پرسند.

🔻می‏توان با وام‏گیری اصطلاح از جایگاه پمپ بنزین، بین دو گونه هوش اشیاء تمایز نهاد: اگر هوش دستگاه بگونه‏ای است که می‏داند انسان‏ها چگونه دارای هوش خودشان هستند،‌ چنین دستگاهی واجد هوش مصنوعی اعلای شیء (premium artificial thing intelligence) یا premium AI است. اما اگر هوش دستگاه بگونه‏ای باشد که نمی‏داند انسان‏ها چطور هوش خودشان را دارند، این دستگاه را دارای هوش مصنوعی عادی شیء (regular artificial thing intelligence) یا regular AI می‏نامیم.
باید توجه داشت که گازوئیل عادی، واقعاً گازوئیل است. به همین ترتیب، هوش مصنوعی عادی اشیاء نیز واقعاً هوش است.

🔻جان سرل (1980) تفاوتی بین هوش مصنوعی قوی و ضعیف گذاشته بود: #هوش_مصنوعی_قوی، تزی است که می‏گوید «کامپیوترهایی با برنامه‏ریزی درست، واقعاً یک ذهن هستند.
بدین معنا که کامپیوترها با برنامه‏ریزی درست، می‏توانند حقیقتاً و بمعنای سابجکتیو "درک کنند" و دیگر حالات شناختی را نیز داشته باشند».
در حالی که ادعای #هوش_مصنوعی_ضعیف فقط در این حد است که کامپیوترها ابزاری مفید برای فرمولیزه‏کردن و آزمایش و انجام وظایف و رفتارهای مبتنی بر هوش هستند.

🔻این تمایز سرل را قادر ساخت تا استدلال خویش را مستقیماً و صرفاً علیه هوش مصنوعی قوی صورت‏بندی کند.
ولی برای اهدافی عمومی‏تر نیازمند تمایزهای دیگری – مانند آن‏چه در این‏جا معرفی کردیم – هستیم. تمایز عادی/ اعلا به ما این امکان را می‏دهد که دو احتمال در هوش مصنوعی قوی را بازشناسی کنیم.
و تمایز هوش کاری/ هوش اشیاء به ما اجازه می‏دهد تشخیص بدهیم که چالش‏های فلسفی عموماً متوجه ادعایی است که می‏گوید یک دستگاه می‏تواند خودش اصالتاً هوشمند باشد، یا حالات شناختی خاص خودش را داشته باشد.

William Robinson, 2014, "Philosophical challenges", In: The Cambridge Handbook of Artificial Intelligence, pp. 85-86.

@PhilMind
@Philosophyofscience
انجمن مغز و فلسفه ذهن برگزار می‌کند:

💥کنفرانس بین‌المللی فلسفه ذهن با حمایت ستاد توسعه علوم شناختی و تمرکز بر مسئله آگاهی(Consciousness) طی 5 روز از 29 بهمن تا 3 اسفند برگزار می‌شود.

🎙️ در این همایش، اساتید خارجی و داخلی از جمله ند بلاک، سوئین‌برن، ون اینواگن، تالیافرو، تیم کرین، سیدحسن حسینی، مهدی ذاکری، محمود مروارید، امیر صائمی، ابراهیم آزادگان و ... به ارائه مقاله خواهند پرداخت.

📣 طبق برنامه ارائه مقالات بیش از 30 مقاله طی دو روز 29 بهمن و 3 اسفند بصورت مجازی و سه روز 30 بهمن تا 2 اسفند بصورت حضوری ارائه می‌گردد.

🚩 لینک اتاق برگزاری جلسات آنلاین در دو روز مجازی(29 بهمن و 3 اسفند): skyroom.online/ch/sca_sbmu/kanoon

📍مکان برگزاری جلسات حضوری در سه روز 30 بهمن تا 2 اسفند:
ولنجک، میدان شهید شهریاری، بلوار دانشجو، دانشگاه علوم پزشکی شهید بهشتی، ورودی دانشکده بهداشت، سالن شهید رحیمی

@Mindphilosa

—————————
🆔 تلگرام | اینستاگرام | سایت | ویرگول | آرشیو فایل‌ها
💠اسیدهای چرب، کلیدی برای تشکیل حافظه!

🔰خلاصه: محققان در مورد اینکه چگونه اسیدهای چرب اشباع شده، در مغز به تثبیت حافظه کمک می‌کنند، به کشف مهمی دست یافتند.

  این تیم فرآیندهای مولکولی را ترسیم کرده و ژن‌های حیاتی مانند PLA1 و STXBP1 را شناسایی کردند که تشکیل این اسیدهای چرب را در طول ارتباطات عصبی تنظیم می‌کنند و بینش‌های جدیدی را در مورد درمان‌های بالقوه بیماری‌های عصبی ارائه می‌دهند.

محققان با آزمایش مدل‌های موش، ارتباط مستقیمی بین سطوح اسیدهای چرب اشباع شده و عملکرد حافظه مشاهده کردند و نقش اساسی این ترکیبات را در سلامت شناختی برجسته کردند.

این کار، همکاری بین چندین مؤسسه معتبر، نه تنها درک ما از مکانیسم های حافظه را عمیق تر می کند، بلکه دری را به روی استراتژی های درمانی نوآورانه برای شرایطی مانند بیماری آلزایمر باز می کند.

حقایق کلیدی:

🔺این مطالعه نشان می دهد که آنزیم فسفولیپاز A1 (PLA1) و پروتئین STXBP1 در ایجاد اسیدهای چرب اشباع ضروری برای رمزگذاری حافظه در مغز نقش اساسی دارند.

🔺مدل‌های موش فاقد ژن PLA1 کاهش شناختی قابل‌توجهی و سطوح پایین‌تری از اسیدهای چرب اشباع را نشان دادند که بر اهمیت آن‌ها در اکتساب حافظه تأکید می‌کند.

🔺این تحقیق نشان می‌دهد که درمان‌های بالقوه‌ای که این مسیر را هدف قرار می‌دهند، می‌توانند با بیماری‌های تخریب‌کننده عصبی مبارزه کنند و پیشرفت قابل‌توجهی در مدیریت اختلالات مرتبط با حافظه نشان دهند.

〽️محققان دانشگاه کوئینزلند نقش حیاتی اسیدهای چرب اشباع شده در تثبیت حافظه مغز را آشکار کرده اند.

دکتر آیزاک آکیفه از مؤسسه مغز کوئینزلند UQ مکانیسم مولکولی را کشف کرده و ژن‌های زیربنایی فرآیند ایجاد حافظه را شناسایی کرده است که دریچه‌ای را برای درمان بالقوه اختلالات عصبی باز می‌کند.

ما قبلاً نشان داده بودیم که سطوح اسیدهای چرب اشباع شده در مغز در طول ارتباط عصبی افزایش می‌یابد، اما نمی‌دانستیم چه چیزی باعث این تغییرات شده است.

آنزیمی به نام فسفولیپاز A1 (PLA1) با پروتئین دیگری در سیناپس به نام STXBP1 تعامل می‌کند و اسیدهای چرب اشباع را تشکیل می‌دهد. اکنون برای اولین بار، ما تغییراتی را در چشم انداز اسیدهای چرب مغز شناسایی کرده ایم که نورون ها یک حافظه را رمزگذاری می کنند.

آنزیمی به نام فسفولیپاز A1 (PLA1) با پروتئین دیگری در سیناپس به نام STXBP1 برای تشکیل اسیدهای چرب اشباع در تعامل است.

مغز چرب ترین اندام بدن است که 60 درصد وزن آن را ترکیبات چربی به نام لیپیدها تشکیل می دهد. اسیدهای چرب واحدهای سازنده دسته ای از لیپیدها به نام فسفولیپیدها هستند.

کار انجام شده در آزمایشگاه پروفسور فردریک مونیر نشان داده است که STXBP1 هدف گیری آنزیم PLA1 را کنترل می کند، آزادسازی اسیدهای چرب را هماهنگ می کند و ارتباط را به سیناپس های مغز هدایت می کند.

پروفسور مونیر می گوید: «جهش‌های انسانی در ژن‌های PLA1 و STXBP1 سطح اسیدهای چرب آزاد را کاهش می‌دهند و باعث ایجاد اختلالات عصبی می‌شوند.» برای تعیین اهمیت اسیدهای چرب آزاد در شکل‌گیری حافظه، از مدل‌های موشی استفاده کردیم که در آن ژن PLA1 حذف می‌شود.

ما شروع و پیشرفت دمانس عصبی و شناختی را در طول زندگی آنها پیگیری کردیم. ما دیدیم که حتی قبل از اینکه حافظه آنها مختل شود، سطح اسیدهای چرب آزاد اشباع شده آنها به طور قابل توجهی کمتر از موش های کنترل بود. این نشان می دهد که این آنزیم PLA1 و اسیدهای چرب آزاد شده آن، نقش کلیدی در اکتساب حافظه دارند.

این تحقیق پیامدهای مهمی برای درک چگونگی شکل گیری خاطرات دارد.

پروفسور مونیر افزود، یافته‌های ما نشان می‌دهد که دستکاری این مسیر اکتساب حافظه پتانسیل هیجان‌انگیزی برای درمان بیماری‌های تخریب‌کننده عصبی مانند #آلزایمر دارد.


@brainawareness
@cognitive_science_iran

https://neurosciencenews.com/fatty-acids-memory-25567/
علوم شناختی pinned «قیمت جدید تعرفه های تبلیغاتی اعلام شد. برای تبلیغات کانال علوم شناختی به کانال زیر مراجعه نمایید. @adscognitive1»
.
🧩 سال‌هاست که با غلبه رویکرد محاسباتی در #علوم_شناختی، فرآیندهای انتزاعی محاسبات بعنوان زمینه تولید هوش و آگاهی به رسمیت شناخته شده و نزد بسیاری از دانشمندان و محققان این حوزه، ماده سازنده سیستم پردازشگر از اهمیت و‌ موضوعیت چندانی برخوردار نبوده است. استراتژی ساخت #هوش_مصنوعی با پیاده‌سازی #پردازش_اطلاعات بر روی سیستم‌های دیجیتالی و تراشه‌های الکتریکی و ... از همین دیدگاه نشأت گرفته است.

🧩 اما با وجود موفقیت‌ها و پیشرفت‌های کاربردی، ناکامی سیستم‌های محاسباتی در ارائه خروجی‌های شبیه انسان و چالش‌های نظری که در این‌باره قوت گرفته است، اهمیت دیدگاه‌های بیولوژیکی را توسط برخی صاحبنظران روی میز گذاشته است. سیستم‏های هوش مصنوعی در توسعه‏های اخیر بدنبال جایگزینی معدنی برای اجزای بیولوژیک آگاهی،‌ شبکه‏های مصنوعی عصبی بجای نورون‏های سلولی، و منطق فازی منعطف بجای دستورالعمل‏های مبتنی بر پروتئین و DNA هستند تا بر متریال سازنده سیستم نیز تمرکز کنند. (Pagel & Kirshtein, 2017, Machine Dreaming and Consciousness, p.30)

🧩 موضوعیت #زیست_شناسی در هوش مصنوعی البته می‌تواند به معانی مختلفی مورد بحث قرار گیرد. اگر منظور از پایه بیولوژیک آگاهی صرفا در حد جریان الکتروشیمیایی موجود در شبکه‌های نورونی باشد، شاهد استراتژی حداقلی برای تامین هوش مصنوعی شبه بیولوژیک خواهیم بود که فقط در پی جاسازی ماده شیمیایی حامل جریان الکتریکی در شبکه‌های مصنوعی است. اما چنانچه ساختار مولکولی و ژنتیک مغز نیز در تولید #آگاهی نقش داشته باشد، چالش‌های عمیق‌تری پیش روی مهندسان #AI خواهد بود.

🧩 مقاله مهمی که سه ماه پیش توسط محققان دانشگاه هایدلبرگ آلمان در محله #نیچر به چاپ رسید، نشان داد که مخچه با ساختار مولکولی و ژنتیکی خود در برخی توانایی‌های شناختی مرتبه بالاتر انسان دخالت دارد. در حالی‌که غالب دانشمندان، مخچه را بدلیل عدم وقوع پردازش اطلاعات در آن، دارای نقش خاصی در تولید آگاهی نمی‌دانستند. یافته‌هایی از این دست ضمن نوعی شیفت پارادایمی در #نوروساینس و هوش مصنوعی، چالش مهمی را نیز روی میز می‌گذارد: #ژنتیک و #DNA سلول‌های نورون طبیعی را چگونه می‌توان بنحوی مصنوعی زمینه‌سازی کرد؟ آیا صرف منطق فازی می‌تواند محقق‌کننده چنین هدفی باشد؟

🧩 به هرحال اما نکته قابل توجه اینست که رویکرد #پیوندگرایی (#Connectionism) با تاکید بر محاسبات توزیع‌شده و پردازش موازی اطلاعات، و همچنین رویکرد #بدنمندی (#Embodiment) با تمرکز بر بدن و مواجهه مکان‌مند سیستم حسی- حرکتی با محیط، بصیرت‌های ناشی از پژوهش‌های بیولوژیک آگاهی را جدی نمی‌گیرند و بنظر می‌رسد باوجود فواید بزرگ کارکردگرایانه، در ساخت و تولید #آگاهی_مصنوعی با ابهامات و تردیدهای جدی مواجه هستند.
@PhilMind
@cognitive_science_iran
یک پژوهش مروری اخیر (بر پژوهش‌های انجام شده) نشان داده که مکمل‌های ریزمغذی‌ها(ویتامین‌ها و مواد معدنی)، اسیدهای چرب(مانند امگا۳) و پروبیوتیک‌ها برای اختلال کم‌توجهی-بیش‌فعالی فایده‌ای ندارند. با این حال، حذف برخی از غذاها، متناسب با عدم تحمل افراد، می تواند به مدیریت علائم کم‌توجهی-بیش‌فعالی در کودکان و نوجوانان کمک کننده باشد.

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10444659/

@cognitive_science_iran
Forwarded from School of Cognitive Science (IPM) - News (Hossein)
جلسه دفاع از پایان نامه دکتری

موضوع:
" Exploring the Neural Bases of Stable Value Learning and Memory in Humans Using fMRI and EEG "

ارائه کننده : سپیده فرمانی

استاد راهنما : دکتر علی قاضی‌زاده

زمان : سه شنبه ۲۲ اسفند ماه ۱۴۰۲ ساعت ۱۷

مکان: تهران - بلوار ارتش - روبروی اراج - پژوهشگاه دانش های بنیادی - سالن سمینار پژوهشکده علوم شناختی

" شرکت برای علاقه‌مندان آزاد است"
انجمن علوم  اعصاب ايران با همكاري آزمايشگاه ملي نقشه برداری مغز و حمایت ستاد توسعه علوم و فناوری های شناختی برگزار میکند:

سمپوزیوم دو روزه ی مدرسه ایبرو

*زمان:*  ۱۹ و ۲۰ اردیبهشت ۱۴۰۳

🏢 *مکان:* صندوق نوآوری و شکوفایی ریاست جمهوری

☑️ ثبت نام این بخش، جدا از ثبت نام مدرسه ایبرو برگزار میشود و عموم علاقه مندان ميتوانند در اين بخش ثبت نام كنند.

🔶 رویداد بطور همزمان، *حضوری* و *مجازی* برگزار میگردد.

جهت *ثبت نام* و مشاهده جزئیات بیشتر:

https://nbml.ir/fa/events/IBRO-Symposium
روش‌های نوین مطالعه‌ی مغز
(تکامل روش‌ها در علم)

معرفت‌شناسی تکاملی:
همان‌گونه که در جهان زیستی جانداران در مواجهه با جهان در حال تغییر، خود را با شرایط جدید تطبیق می‌دهند، و اگر موفق نشوند حذف می‌شوند، نظریه‌های دانشمندان نیز که در قالب مدل‌هایی در جهت رسیدن به درک بهتری از جهان، یا به اهداف کاربردی طراحی شده‌اند دو سرنوشت متفاوت را پیش رو دارند: آنها که در این مسیر موفق بوده‌اند و بنابراین احتمالاً ارتباط وثیق‌تری با واقعیت داشته‌اند باقی می‌مانند، و آنها که در مقابلِ رقبای جدید کمتر به درک ما از جهان کمک می‌کنند، یا کارآمدی کمتری در برآوردن اهداف عملی دارند، حذف می‌شوند.

می‌توان از معرفت‌شناسی تکاملی در تبیین تغییرات در روش‌های علمی نیز بهره برد.
روش‌های جدید مبتنی بر آمیزه‌ای از روش‌های قبلی‌اند و بابت حل مسائلی در علم ابداع می‌شوند؛ و آنها که کارآمدتر باشند (داده‌هایی فراهم کنند که فهم بهتری از جهان را برای دانشمند فراهم می‌کنند؛ و/یا می‌توانند در داوری میان نظریه‌های رقیب کمک کنند؛ و/یا در عمل مسائلی را حل می‌کنند) حفظ می‌شوند. اما در جهان تکنولوژی عموماً تکنیک‌های ناکارآمد به‌طورکامل حذف نمی‌شوند. با اینکه ممکن است عملاً از ابزار یا تکنیکی بهره گرفته نشود یا کمتر بهره گرفته شود، اما معمولاً ابزارها و تکنیک‌ها در حاشیه باقی می‌مانند تا شاید روزی روش‌هایی نو را در ادغام با سایر ابزارها و روش‌ها ایجاد کنند. مثالی عملی بزنیم.

روش‌های نوین:
هفته‌ی گذشته دو روش نوین در مطالعه‌ی مغز معرفی شد که کاربست ابتدایی یکی از آنها فهم متعارف دانشمندان از کارکرد مغز را به چالش می‌کشد.

یک. مغز شبکه‌ای درهم تنیده و بسیار بزرگ از نورون‌هاست. تاکنون و با تکنیک‌های موجود هربار موفق به مطالعه‌ی بخش کوچکی از شبکه‌ی نورون‌ها می‌شدیم. در روشِ جدیدِ مشاهده‌ی مغز، پژوهشگران "آزمایشگاه وزیری" در آمریکا، موفق شده‌اند یک میلیون نورون را همزمان رصد کنند. نویسندگان مقاله، که در نشریه‌ی نورون منتشر شده، می‌گویند محدودیت‌های تکنولوژیکی قبلی باعث گمراهی‌های زیادی در فهم دانشمندان از کارکرد مغز بوده است. به‌کارگیری روش جدید در مطالعه‌ی مغز موش نشان داده که نوددرصد فعالیت ارتباطی نورون‌ها نه به رفتارها و محرک‌های محیطی ربط دارند و نه اختلال (noise) هستند! اینکه این حجم فعالیت‌های نورونیِ پس‌زمینه، که اکنون و با اتخاذ نگاهی عام‌تر متوجه وجود آن شده‌ایم، طی فرایند تکامل حذف نشده‌اند، گواهی است بر اینکه باید کارکردی داشته باشند: نشانه‌ای از آنکه نظریه‌های تبیینیِ جدیدی در راه هستند که فهم متعارف دانشمندان از نحوه‌ی کار مغز را به شدت به چالش می‌کشند.

دو. به‌طور متعارف روش‌های سنتی امکان اینکه فعالیت مغز را در بازه‌های زمانی طولانی رصد کنیم فراهم نمی‌آورند. مثلاً تکنیک کارآمدی مانند اف.ام.آر.آی فقط این امکان را فراهم می‌کند که فعالیت بخشی از مغز را در زمانی کوتاه رصد کنیم. در روش انقلابی دیگری که هفته‌ی گذشته توسط ژاپنی‌ها معرفی شد، نه فقط حجم بزرگی از مغز قابل رصدکردن است بلکه پژوهشگران موفق شده‌اند مغز را در بازه‌های زمانی طولانی رصد کنند.

نکته‌ی جالب اینکه هر دو روش معرفی‌شده ریشه در روشی قدیمی دارند که به تصویربرداری دو-فوتونی موسوم است.
در سال ۲۰۲۱ پژوهشگران آزمایشگاه وزیری با ایجاد تغییراتی در روش تصویربرداری دو-فوتونی موفق به معرفی شکل ساده‌تری از آنچه دو روز پیش معرفی کردند شده بودند. توسعه‌ی روش در آزمایشگاه وزیری مشابه «گونه‌زایی همجا» است. در گونه‌زایی همجا گونه‌ی زیستی بدون تغییر جغرافیایی در همان محل نخست به میزانی تغییر می‌کند که می‌توان گفت گونه‌ی جدیدی به‌وجود آمده است. روشی که ژاپنی‌ها توسعه دادند به «گونه‌زایی ناهمجا» شبیه است زیرا تکنیک‌های قدیمی با انتقال به اتمسفر فکری جدید به شیوه‌ای نوین و متمایز از آنچه در آزمایشگاه وزیری انجام شده انجامیده است.

دو ماه پیش نیز تکنیک جدید دیگری در رصد مغز در آمریکا معرفی شد که ۴۸۰ بار سریع‌تر و ۳۵ برابر ارزان‌تر از شیوه‌های رایج بود.

اکنون روش‎هایی داریم که می‌توانیم مغز را از منظری کلی‌نگرتر، در بازه‌های زمانی طولانی‌تر، سریع‌تر، و ارزان‌تر رصد کنیم. هرچند هنوز همه‌ی این مزایا در یک روش واحد ادغام نشده‌اند اما به‌زودی شاهد چنین روشی نیز خواهیم بود.

تقدم معرفت‌شناختی روش بر داده:
نکته‌ی مهمی که باید به آن توجه کرد تمایز میان داده‌ها و روش‌های تولید داده‌هاست. خود داده‌ها به‌سان تک‌تک موجودات زنده‌اند؛ اما روش‌های نوین تولید داده‌ها، به شیوه‌های نوینی برای گونه‌زایی یا زادآوری می‌مانند که قابلیت تولید هزاران داده‌ی جدید را دارند. به این معنا روش‌های جدید، تقدم معرفتی بر تک‌تک داده‌های علمی دارند.

هادی صمدی
@evophilosophy
گامی دیگر در تبیین آغاز حیات: گذار از جهان شیمیایی به جهان زیستی

وقتی سخن از آغاز حیات بر روی زمین است معمولاً مهم‌ترین پرسش‌ این است که چگونه نخستین اشکال حیات شکل گرفت.
اما پرسشی، به همان میزان از اهمیت، این است که چگونه نخستین ملکول‌های آلی، از جمله نخستین آر.ان.ای‌ها که پیچیده، بزرگ، و ناپایدار هستند شکل گرفتند. و باز مقدم بر این پرسش می‌توان پرسید که اصلاً چگونه بلوک‌های سازنده‌ی این ملکول‌های آلی شکل گرفتند؟ مثلاً نوکلئوتیدهای سازنده‌ی آر.ان.ای‌ها چگونه ایجاد شدند؟ (هرچند پرسش از اینکه چگونه اتم‌ها و مولکول‌های ساده‌تر شکل گرفتند پرسشی بسیار جالب است اما در حوزه‌ی زیست‌شناسی مطرح نمی‌شود و در فیزیک و شیمی به دنبال پاسخی برای آنها هستند.)
 
اگر پاسخ همه‌ی این پرسش‌ها را بدانیم تا خلق کامل حیات در آزمایشگاه راه زیادی نداریم. در مسیر برعکس، اگر موفق به ساخت نوکلئوتیدهای مصنوعی در آزمایشگاه شویم می‌توانیم تبیین‌هایی احتمالی برای پیدایی نخستین نوکلئوتیدها بر روی زمین عرضه کنیم.
اکنون پژوهشگران دانشگاه کلن موفق به انجام این کار شده‌اند و برای نخستین‌بار شاهد تولید نوکلئوتیدهای مصنوعی در آزمایشگاه هستیم. چهار نوکلئوتید سازنده‌ی دی.ان.ای، که نقش مهم‌ترین ملکول‌های آلی را دارند، نقشی معادل صفر و یک را در اطلاعات دیجیتال بازی می‌کنند. اطلاعات ژنتیکی از کنار هم قرارگرفتن آنها شکل می‌گیرد و به زبان پروتئین‌ها ترجمه می‌شود و شکل‌گیری سایر ملکول‌های حیاتی نیز به نحوی وابسته به اطلاعات مندرج در آنها است.

هر چند کلیتِ حیات به‌نحوی مبتنی بر اطلاعات مندرج در توالی‌های دی.ان.ای است اما کلیه‌ی فرایندهای حیاتی قابل تقلیل به اطلاعات مندرج در رشته‌های دی.ان.ای یا آر.ان.ای نیست. و البته  از این سخن نباید نتیجه گرفت که پس نمی‌توان تبیینی طبیعت‌گرایانه برای شکل‌گیری حیات بر روی زمین عرضه کرد.

تقلیل‌گرایی و کل‌گرایی: مکمل، و نه رقیب

اگر بخواهیم کارکرد یک ماشین را بدانیم منطقی است که در یک مسیر پژوهشی باید کارکرد اجزای آن را بدانیم. همچنین اگر بخواهیم از چگونگی شکل‌گیری آن ماشین سخن بگوییم باید از چگونگی و تاریخ شکل‌گیری اجزای آن نیز آگاهی داشته باشیم. اما این عقب رفتن حدی دارد. مثلاً وقتی به سراغ تولید نخستین اتومبیل توسط کارل بنز می‌رویم دیگر به‌طور متعارف به سراغ تاریخ ایجاد چرخ نمی‌رویم. وقتی این رویکرد را در تبیین حیات بر روی زمین به‌کار بگیریم به معنای آن است که باید توضیح دهیم ابتدا چگونه نخستین مولکول‌های آلی شکل گرفتند (و لازم نیست از چگونگی شکل‌گیری نخستین اتم‌ها و مولکول‌ها در کیهان سخن بگوییم).

بنابراین به‌خلاف آنچه شایع شده است رویکرد تقلیل‌گرایانه نقاط قوت زیادی دارد، اما چرا رسیدن به فهم درستی از شکل‌گیری حیات به رویکردِ کل‌گرایانه‌یِ رقیب نیز نیازمند است؟

مجدد مثال ماشین را در نظر آوریم. اگر کسی بپرسد چرا لاستیک‌های اتومبیل به شکل بادی درآمدند یا چرا برف‌پاک‌کن در اتومبیل نصب شد، این‌بار نمی‌توانیم با توضیح ساختار جزئی‌‌تر لاستیکِ اتومبیل یا برف‌پاک‌کن توضیح دهیم که چرا این ساختارها شکل گرفته‌اند. این‌بار به سراغ تعامل ساختارهای یادشده با محیط بیرونی می‌رویم و از کارکرد آن ساختار، در کلیت اتومبیل و مسئله‌ای که حل می‌کرده است سخن می‌گوییم.

در تبیین شکل‌گیری حیات بر روی زمین نیازمند هر دو رویکرد تقلیل‌گرایانه و کل‌گرایانه هستیم. هم باید توضیح دهیم که اجزای هر سیستم پیچیده‌ی زنده از چه ساخته شده‌اند و به چه علتی ساخته شده‌اند. و هم باید توضیح دهیم که این اجزا چگونه کنار هم قرار گرفتند و در آن مجموعه‌ی بزرگتر چه کارکردی پیدا کردند و آن کارکرد در تعامل با محیط پیرامون چه قابلیت‌هایی برای آن سیستم پیچیده‌تر فراهم می‌کرده است.

بابت مطالعه‌ی یافته‌های دیگری در تبیین حیات، اینجا و اینجا را ببینید.

هادی صمدی
@evophilosophy
  
🎯 هوش مصنوعی هیچ‌وقت از مخترعانش باهوش‌تر نخواهد شد
—نظریۀ «انفجار هوش» بر مبنای درک نادرستی از هوش به وجود آمده است


📍آیا روزی هوش مصنوعی خودش را از دست ما انسان‌ها آزاد می‌کند و بر ما مسلط می‌شود؟ تعداد قابل‌توجهی از دانشمندان فکر می‌کنند نباید این سوال را شوخی گرفت. فرض کنید روزی هوش مصنوعی به چنان مرحله‌ای از پیشرفت برسد که بتواند نمونه‌های ارتقایافته‌تری از خودش بسازد. یعنی دیگر برای تولید و بهبود خود نیازی به انسان‌ها نداشته باشد. بدین‌ترتیب خیلی زود به نقطه‌ای می‌رسد که هیچ انسانی یارای مقابله با آن را ندارد. بااین‌حال فرانسوآ شوله می‌گوید این سناریو هیچ‌وقت اتفاق نخواهد افتاد. چرا؟

.
🟡 حامی مالی این شماره از مجلۀ ترجمان علوم انسانی «آکادمی همراه اول» است.
@hamrah_academy


🔖 ۴۳۰۰ کلمه
زمان مطالعه: ۲۶ دقيقه
                                       
📌 ادامۀ مطلب را در لینک زیر بخوانید:

B2n.ir/g00775

@tarjomaanweb
@cognitive_science_iran
سلام. سال نو بر تمامی شما مخاطبین عزیز کانال علوم شناختی مبارک. هشت سال از شروع فعالیت های کانال علوم شناختی سپری می‌شود و امیدواریم در سال جدید نیز بتوانیم با ارائه مطالب مفید در کنار شما عزیزان باشیم. با آرزوی بهترین ها برای شما مخاطبین عزیز ❤️

با احترام
مهدی دزفولی
Media is too big
VIEW IN TELEGRAM
🧠 انجمن علمی مغز و شناخت دانشگاه خوارزمی به مناسبت هفته آگاهی از مغز و با حمایت ستاد علوم شناختی تقدیم می‌کند:

⁉️ اعتیاد به ویپ Vape چه تأثیری بر مغز ما دارد؟

🗣 گوینده: نگار پورخجسته
📠 مترجم: فاطمه بابایی
🔎 نظارت بر محتوا: فاطمه حسینی
👨‍💻 تدوین : مهدیه قره‌داغی



♦️ @Khu_Cognitive_neuroscience ♦️
ژنتیک و فلسفه
تولید کروموزوم مصنوعی انسانی


پژوهشی که دیروز نتایج آن در نشریه‌ی ساینس منتشر شد مجدد پای مباحث فلسفی را به ژنتیک باز می‌کند. سال‌هاست که امکان دست‌کاری ژنتیکی موجودات زنده، از جمله انسان مهیا است. حدود ۲۵ سال از ساخت کروموزوم‌های مصنوعی می‌گذرد که البته کاستی‌هایی داشته‌ است. بزرگترین مشکل کروموزوم‌های قبلی این بود که توالی‌های بازهای آلی به شیوه‌ای غیرقابل‌پیش‌بینی از نقاط مختلف به هم می‌چسبیدند و توالی‌های جدید با محصولات غیرقابل‌پیش‌بینی می‌ساختند. حالا این مشکل حل شده است.

پژوهشگران دانشگاه پنسیلوانیا تکنیک جدیدی به کار گرفته‌اند و توانسته‌اند کروموزومی بسیار شبیه کروموزوم انسانی با ابعادی بسیار بزرگتر از کروموزوم‌های قبلی بسازند به نحوی که در هنگام همانندسازی نیز مانند کروموزوم‌های طبیعی بدن رفتار کند: گامی بسیار بزرگ در فراگیر شدن تغییرات ژنتیکی در انسان. حالا دیگر نیازی به دستکاری کروموزوم‌های طبیعی انسانی نیست. ژن‌های مطلوب در یک کروموزوم جدا جاسازی و وارد بدن می‌شوند. و از آنجا که این کروموزوم جدید ابعاد بسیار بزرگ‌تری نسبت به نمونه‌های قبلی دارد به یک‌باره می‌توان چندین ژن مطلوب را وارد بدن کرد.

اختراع این کروموزوم گامی بسیار بزرگ در فراگیرشدن درمان‌های ژنتیکی است. اما امکان ایجاد انسان‌هایی ارتقا یافته را نیز فراهم می‌کند.
اینجاست که بحث‌های فلسفی ایجاد می‌شوند که البته عموماً در قالب مجادلات عمومی و ایدئولوژیکی به‌نحوی سطحی و غیردقیق بیان می‌شوند.

 پرسش مطرح در سطح عمومی این است: آیا مجاز به دستکاری در ژنوم انسانی هستیم؟ کسانی که مطلقاً پاسخ منفی به این پرسش می‌دهند با این پژوهش با چالش جدیدی مواجه می‌شوند؛ زیرا در این روش دیگر در ژنوم طبیعی بدن دستکاری رخ نمی‌دهد بلکه ژن‌های جدیدی در بدنه‌ی یک کروموزوم مصنوعی وارد بدن می‌شوند!

پرسش دقیق‌تر فلسفی این است: "تحت چه شرایطی" و برای ایجاد "چه سنخ تغییراتی" مجاز به بهبود در "شرایط زیست انسان" هستیم؟

یک. چه شرایطی؟
فقط برای بیماران؟ بیمار چه کسی است؟ کسی که عینک می‌زند تا بهتر ببیند بیمار محسوب می‌شود؟ انسان سالم چه کسی است؟ اگر انسان سالم مجاز به بهبود وضعیت بدنی خود از طریق ورزش است چرا از طریق تغییراتی در ژن‌ها مجاز به رسیدن به آن وضعیت ارتقایافته نیست؟ در پاسخ به این پرسش‌ها چه فهمی از «انسان نرمال» در ذهن داریم؟
اگر فرد موردنظر متقاضی شرکت در مسابقات ورزشی باشد پاسخ به این پرسش‌ها چگونه خواهد بود؟ چه چیزی باعث می‌شود که احتمالاً پاسخ ما به این پرسش‌ها تغییر کند؟
اگر فرد موردنظر یک سیاستمدار بانفوذ باشد و از ارتقاء قوای شناختی خود در بهره‌کشی از توده‌ی مردم بهره گیرد پاسخ ما چه خواهد بود؟
اگر بگوییم این امکانات در اختیار همه نیست می‌توان گفت امکان غذا خوردنِ متعارف نیز در اختیار همه نیست. اگر امکان تغییرات ژنتیکی برای همه‌ی انسان‌ها برقرار باشد پاسخ به پرسش‌های فوق چگونه تغییر می‌کند؟

دو. چه سنخ تغییراتی؟
ایجاد تغییر در ژن‌ها چه تفاوتی با ایجاد تغییر در سایر بخش‌های بدن دارد؟ مثلاً چرا مجاز هستیم با مصرف یک پروتئین خاص بدن را تقویت کنیم اما مجاز نیستم ژنی را وارد بدن کنیم که آن پروتئین را خودِ بدن بسازد؟

سه. «شرایط زیستِ انسانی» یعنی چه؟
آیا شرایط زیستی را برای انسان متعارف، مستقل از زمینه‌ی محیطی او تعریف می‌کنیم؟ و باز این سؤال مطرح می‌شود که انسان نرمال چه کسی و شرایط زیست نرمال کدامند؟ در بخش‌هایی از جهانی که رابطه‌ی وثیقی میان انسان و گوشی همراه برقرار شده، معنای شرایط زیست انسانی چگونه تغییر کرده است؟ آنچه درباره‌ی شرایط زیست «انسان نوعی» می‌گوییم چگونه قابل اعمال بر شرایط زیست تک‌تک افراد جامعه است؟
   
ده‌ها پرسش دیگر می‌توان به پرسش‌های فوق افزود تا ساده‌انگارانه‌ بودن پاسخ‌هایی را که بدون بررسی جوانب موضوع عرضه می‌شوند نشان داد. پاسخ به این پرسش‌ها ما را فراتر از دانش ژنتیک می‌برد.

وقتی پروژه‌ی ژنوم انسانی شکل گرفت پنج‌درصد بودجه‌ی تحقیقاتی به بررسی جوانب اخلاقی، اجتماعی و سیاسی موضوع اختصاص یافت. اینک نیز دسته‌ی بزرگی از فیلسوفان در غرب به چنین مسائل واقعی که آینده‌ی انسان را تحت‌تأثیر قرار می‌دهد مشغول‌اند. جای آن دارد دپارتمان‌های فلسفی ما نیز با گذر از دسته‌ای مسائل کلاسیک به مسائل فلسفی روز بپردازند. 
فلسفه‌های ضدعلم جایی برای گفت‌‌وگو با علم باز نمی‌گذارند. فلسفه‌هایی که علم را به رسمیت می‌شناسند می‌توانند با ابزارهای مفهومی و تحلیلی خود به چنین پرسش‌هایی بپردازند و راه را برای رسیدن به قوانین نظارتی، که محصول خرد جمعی‌ست، باز کنند. چنین قوانینی مطلق نیستند و  با توجه به اکتشافات جدید علمی و شرایط جهانی به روز می‌شوند.
بزرگترین فیلسوفان تاریخ نیز  به مسائل روز و آینده می‌پرداختند.

هادی صمدی
@evophilosophy      
2025/07/07 15:19:29
Back to Top
HTML Embed Code: