• پیش‌خوان
• بایگانی
• ویژه‌نامه
• انتشارات
• 

  شماره هفده » ترجمه
 فرزاد حمیدی » افسانه کامپیوتر (The Myth of the Computer)

افسانه کامپیوتر
The Myth of the Computer

Written by Professor John R. Searle
Translated by Dr. Farzad Hamidi
March ۲۰۰۹

(این مقالۀ فلسفی از چاپ چهارم (۲۰۰۰ میلادی) کتابTwenty Questions: An Introduction to Philosophy تألیف Robert C. Solomon وMeredith W. Michaels ، G. Lee Bowie انتخاب و ترجمه شده است.)

راه‌های معمولی ما در سخن گفتن از خودمان و دیگران، قضاوت در مورد رفتارمان و شرح رفتار دیگران، تصوری conception معین از زندگی انسان را بیان می‌کنند که بقدری نزدیک به ما و جزئی از شعور عام common-sense است که بدشواری می‌توانیم آن را ببینیم. تصوری که بر طبق آن هر شخص، یک ذهن mind دارد (یا شاید یک ذهن است)؛ محتویات ذهن- باورها، ترس‌ها، امیدها، انگیزه‌ها، میل‌ها و مانند آن- اعمال ما را موجب می‌شوند و لذا آن‌ها را توضیح می‌دهند؛ و استمرار continuity اذهان ما، منشأ شخصیت individuality و هویت identity ما به عنوان اشخاص می‌باشد.
در دو قرن گذشته نیز متقاعد شده‌ایم که روانشناسی شعورعادی commonsense psychology، پایه در مغز دارد. به این ترتیب که این حالات states و رویدادهای ذهنی به نحوی (کاملاً مطمئن نیستیم که چگونه) در فرآیندهای نوروفیزیولوژیک neurophysiological processes مغز روی می‌دهند.
[نوروفیزیولوژی: شاخه‌ای ازفیزیولوژی که کارکردهایfunctions سیستم عصبی nervous system را مورد بحث قرار می‌دهد.
فیزیولوژی: شاخه‌ای از بیولوژی (زیست‌شناسی) biology که کارکردها و فعالیت‌های ارگانیسم‌های زنده و اجزائشان را- که شامل تمام فرآیندهای processes فیزیکی و شیمیایی می‌گردد- مورد بحث قرارمی‌دهد؛ فرآیندها یا کارکردهای ارگانیک (اندامی) organic در یک ارگانیسم یا در هر بخش آن. (از واژه‌نامه Webster چاپ ۲۰۰۳)- مترجم]
لذا این امر اجازه می‌دهد که بتوانیم در دو سطح level، انسان را توصیف و تشریح نماییم:
روانشناسی شعورعادی، که بنظرمی‌رسد در عمل بقدر کافی خوب کارمی‌کند، اما علمی نیست؛ و نوروفیزیولوژی که قطعا ًعلمی‌ست، اما حتی بالاترین متخصصین، در این موردْ بسیار اندک می‌دانند.
اما آیا احتمال سومی نمی‌توانست در کار باشد: یعنی علمی در مورد انسان که نه روانشناسی درون‌نگر introspective شعورعادی باشد و نه نوروفیزیولوژی؟ این امر، بزرگترین رویای علوم انسانی human sciences در قرن بیستم بوده است، اما تاکنون تمام تلاش‌ها در این رابطه- به درجات مختلف- ناتوان بوده‌اند. تماشایی‌ترین شکست، در ارتباط با رفتارگرایی behaviorism بود.
[رفتارگرایی: نظریه یا اصولی doctrine که بر طبق آن روانشناسی انسان یا حیوان فقط می‌تواند از راه آزمایش و آنالیز (یا تحلیل) رویدادهای رفتاریی که بطورعینی objectively قابل مشاهده و قابل تعیّن کمّی quantifiable هستند (در برابر حالات ذهنی که غیرعینی subjective هستند)، بدرستی مورد مطالعه قرار گیرد.(از Webster)- م]
اما در طول حیات فکری‌ام، به همراه دیگران، در میان امیدهای اغراق‌آمیز و ناامیدی‌هایی زیسته‌ام که در نظریه بازی‌ها games theory، سایبرنتیک cybernetics، نظریه اطلاعات information theory، گرامر مولّد generative grammar، ساختارگرایی structuralism و روانشناسی فرویدی Freudian psychology جای دارد.
[نظریه بازی‌ها: یک نظریه ریاضی که استراتژی‌ها (یا راهبردها) را برای به حداکثر رساندن سود (یا دستاورد) gains و به حداقل‌رساندن زیان (یا از دست دادگی) losses در خلال قیدها و اضطرارهای معین، مورد بحث قرار می‌دهد؛ مانند قواعد یک بازی کارتی. این نظریه در حل مسائل گوناگونی که نیاز به تصمیم‌گیری دارند، کاربرد گسترده دارد، مانند استراتژی نظامی و سیاست تجاری.

سایبرنتیک: مطالعۀ کارکردهای کنترلی انسان human control functions و سیستم‌های مکانیکی و الکترونیکی، که برای جایگزینی با کارکردهای انسان طراحی شده‌اند؛ مطالعه و مقایسه بین سیستم عصبی خودکار (مغز و اعصاب) با سیستم‌های مکانیکی و الکترونیکی؛ فرمانشناسی.

نظریه اطلاعات: نظریه ریاضی مرتبط با محتوا، انتقال (ارسال)، ذخیره و بازیافت (یا حصول مجدد) retrieval اطلاعات، که معمولاً بصورت پیام‌ها messages یا داده‌ها (دانسته‌ها) data می‌باشند و مخصوصا ً بوسیله کامپیوترها.

گرامرمولّد: یک نظریۀ زبانشناختی که تلاش می‌کند دانش خاموش یا ضمنی tacit knowledge را که یک (سخن) گویندۀ بومیnative speaker از یک زبان دارد، تشریح نماید. این امر، از طریق بنا نهادن مجموعه‌ای از قواعد صریح و صوری شده، صورت می‌گیرد، که این قواعد همۀ جملات گرامری- از یک زبان- را معین یا تولید می‌کنند و حال آنکه همۀ جملات غیر قابل قبول را مستثنی می‌کنند.
ساختارگرایی: هر نظریه‌ای که اصول ساختاری را دربردارد. ساختار: یک سیستم پیچیده که از نقطه‌نظر کل whole درنظر گرفته می‌شود تا هر جزءpart منفرد، مانند ساختارعلم مدرن. (ازWebster)- م]
در واقع، این مسئله که علمی در مورد ذهن انسان و رفتارش نداریم و این که روش‌های علوم طبیعی natural sciences وقتی در مورد انسان بکار رفته‌اند، چنین نتایج ضعیفی را بدست داده‌اند، لکه ننگی برای قرن بیستم شده است.
آخرین کاندید یا خانواده‌ای از کاندیدها برای پر نمودن این شکاف، علم ِ آگاهی (یا شناساشناسی) cognitive science نامیده می‌شود: مجموعه‌ای از تحقیقات مرتبط با ذهن انسان، که روانشناسی، فلسفه، زبانشناسی linguistics، انسان‌شناسی anthropology و هوش مصنوعیartificial intelligence را درگیرمی‌سازد.
[علم آگاهی (شناساشناسی): مطالعۀ ماهیت ِ nature دقیق کارهای ذهنی متفاوت و عملکردهای مغز، که انجام آن‌ها را میسر می‌سازد. این دانش، رشته‌های روانشناسی، علم کامپیوتر، فلسفه و زبان‌شناسی را بکارمی‌گیرد.

زبانشناسی: علم زبان، شامل: فونتیکس phonetics، فونولوژی phonology، مورفولوژی morphology، نحو syntax، معنی‌شناسی semantics، پراگماتیکس pragmatics و زبانشناسی تاریخی historical linguistics.
فونتیکس (تلفظ شناسی):
۱) علم یا مطالعۀ صداهای گفتاری و نحوۀ تولید، انتقال و دریافت‌شان، و آنالیز، طبقه‌بندی و آوانویسی transcription آن‌ها؛ مبحث تلفظ صوتی حروف و کلمات.
۲) سیستم فونتیک ِ یک زبان خاص.

فونولوژی:
۱) مطالعۀ توزیع و الگوی (یا نوع، خصوصیات) patterning صداهای گفتاری در یک زبان، و مطالعۀ قواعد ضمنی حاکم برتلفظ pronunciation.
۲) سیستم فونولوژیک ِ یک زبان.

مورفولوژی:
۱) الگوهای ساخت formation کلمه در یک زبان خاص، شامل صرف inflection، اشتقاق (اصل و ریشه) derivation و ترکیب composition.
۲) مطالعه و توصیف این الگوها.
۳) مطالعۀ رفتار و ترکیب (جورشدگی) واحدهای معنی‌دار لغوی (بسیط - واژه‌ها) morphemes.

نحو:
۱) مطالعۀ قواعد ساخت formation جمله‌های گرامری grammatical در یک زبان.
۲) مطالعۀ الگوهای ساخت جملات و عبارات از کلمات.

سمانتیکس:
۱) مطالعۀ معنی meaning.
۲) مطالعۀ توسعۀ development زبانی ازطریق طبقه‌بندی classifying و آزمودن تغییرات در معنا و فرم (شکل) form.

پراگماتیکس: تحلیل analysis زبان برحسْب زمینۀ موقعیتی situational context که در آن، اظهارات صورت گرفته، شامل دانش و باورهای گوینده و ارتباط بین گوینده و شنونده.

زبانشناسی تاریخی: مطالعۀ تغییرات در یک زبان یا گروهی از زبان‌ها در طول یک دورۀ زمانی.

انسان شناسی:
۱) علمی که مبدأ (سرچشمه‌ها)، نمو (یا پیشرفت) development فرهنگی و فیزیکی، خصوصیات بیولوژیک، رسوم اجتماعی و باورهای نوع بشر humankind را مورد بحث قرارمی‌دهد.
۲) مطالعۀ شباهت و اختلاف انسان با دیگر حیوانات.
۳) علم انسان‌ها و کارهایشان.
۴) مطالعۀ طبیعت و ذات ِ essence نوع بشر، که انسان‌شناسی فلسفیphilosophical anthropology نیز نامیده می‌شود.

هوش مصنوعی: قابلیت کامپیوتر برای انجام کارهای مشابه با یادگیری و تصمیم‌گیری در انسان‌ها، همان‌طور که توسط:
یک سیستم ویژه‌گر (ماهر) expert؛ برنامه‌ای برای CAD(طراحی به یاری کامپیوتر: computer-aided design) یا CAM (ساخت (یا عمل‌آوری) به یاری کامپیوتر: computer-aided manufacturing)؛ یا برنامه‌ای برای ادراک perception و شناسایی recognition شکل‌ها در سیستم‌های دید کامپیوتر computer vision systems؛ انجام می‌شود. (ازWebster)- م]

علم آگاهی، در واقع نام خانواده‌ای از طرح‌های تحقیقاتی‌ست، و نه یک تئوری؛ اما بسیاری از ممارسین آن، چنین می‌اندیشند که قلب این دانش، نظریه‌ای در مورد ذهن است که بر مبنای هوش مصنوعی (AI) می‌باشد.
بر طبق این نظریه، اذهان صرفا ً برنامه‌های کامپیوتری از انواع معین هستند. هدف ایدئالیستی اصلی کتاب Hofstadter و Dennett پیشبرد این نظریه است...
این نظریه که نسبتا ً خوب و گسترده در شناساشناسی (علم آگاهی) جای گرفته، می‌تواند در سه گزاره proposition خلاصه گردد:
۱. ذهن به مثابه برنامه Mind as Program.
آنچه اذهان می‌نامیم، بطورساده برنامه‌های کامپیوتری دیژیتال digital بسیار پیچیده‌اند. حالات (یا کیفیات) states ذهنی، بطورساده حالات کامپیوترند و روندهای processes ذهنی، روندهای محاسباتی‌اند (computational).
هر سیستمی، [یا] هر آنچه که برنامه‌ای بجا right دارد، با ورودی و خروجی input and output بجا، می‌بایست با همان احساس واقعی که من و شما داریم، واجد حالات و روندهای ذهنی باشد، زیرا این امر، تمام آن چیزی‌ست که در مورد حالات و روندهای ذهنی وجود دارد و [نیز] تمام آنچه که من و شما داریم.
برنامه‌های مورد پرسش عبارت از «سیستم‌های نشانگر ِ» «خود- نوشونده» یا «خود- طراح» هستند.
[I["self-updating" or "self-designing" "systems of representations."
۲. بی‌ربطی نوروفیزیولوژی مغزThe Irrelevance of the Neurophysiology of the Brain.
در مطالعۀ ذهن، رویدادهای facts بیولوژیک واقعی در مغزهای انسانی و حیوانی واقعی، بی‌ربط هستند، زیرا ذهن «چیزی از نوع مجرد (یا یک جور چیز انتزاعی)» abstract sort of thing" an" است و مغز انسان صرفا ً در زمرۀ تعداد بسیار نامحدودی از انواع کامپیوترها- که می‌توانند واجد ذهن باشند- قرار دارد.
اذهان ما- چنین واقع می‌شوند که- در مغزهای ما مُندَرَج embodied شده‌اند، اما هیچ ارتباط اساسی میان ذهن و مغز وجود ندارد.
هر کامپیوتر دیگری نیز با برنامه‌ای بجا، واجد ذهن خواهد بود.
تزها (برنهادها)ی theses یک و دو در مقدمۀ کتاب مذکور خلاصه شده‌اند، آنجا که نویسنده پیرامون «دیدگاه پدیداری emerging از ذهن به مثابه نرم‌افزار software یا برنامه ـــــ به مثابه چیزی از نوع مجرد که اصلیت identity آن مستقل از هر دربردارندۀ embodiment فیزیکی خاص است» سخن می‌گوید.
۳. آزمون تورینگ به مثابه معیار امر ذهنیThe Turing test as the Criterion of the Mental.
دلیل قطعی (نهایی) وجود ِ حالات و ظرفیت‌های ذهنی، توانایی یک سیستم در گذر از آزمون تورینگ است: آزمونی که توسط Alan Turing ابداع گردید و در مقاله‌اش در کتاب ِ Hofstadter و Dennett شرح داده شده است.
اگر سیستمی بتواند کارشناس لایقی competent expert را قانع نماید که حالات ذهنی دارد، آنگاه واقعا ً واجد آن حالات ذهنی‌ست.
برای مثال، اگر ماشینی توانست با یک چینی‌زبان بومی native Chinese speaker بطریقی «صحبت» نماید که وی را قانع کند که زبان چینی را می‌فهمد، آنگاه واقعا ً آن را می‌فهمد.
یکی از مؤلفین می‌نویسد: «ذهن‌ها در مغزها وجود دارند و ممکن است در ماشین‌های واجد برنامه [نیز] به هستی درآیند.
اگر- وهرگاه که- چنین ماشین‌هایی بانجام برسند، توان‌های سببی causal powers آن‌ها [منظور، توان‌هایی که علت یا عامل کارهای آن‌هاست. (واژۀ power را می‌توان بر حسب مورد به معنای «نیرو، توان، قوّه، توانایی، قدرت، استطاعت (سرمایه)» گرفت.)- م] از موادی که از آن ساخته شده‌اند، ناشی نمی‌شود، بلکه از طرح‌ها و برنامه‌هایی که در آن‌هاست، منتج می‌گردد.
و راهی که به توسط آن خواهیم دانست که واجد آن توان‌ها هستند، صحبت کردن با آن‌ها و گوش‌سپردن دقیق به چیزی‌ست که برای گفتن دارند.»
در این نوشته، هر سه تز theses به خوبی در یکجا بیان شده‌اند. محتملا ً می‌توانیم این مجموعه از تزها را «هوش مصنوعی قوی» (strong artificial intelligence" (strong AI" بنامیم. (واژۀ قوی برای تمایز از هوش مصنوعی«ضعیف» weak یا «مراقب» cautious است که ]هردو[ دال بر آنند که کامپیوتر، بطورساده ابزاری بسیار سودمند در مطالعۀ ذهن است، نه آنکه- کامپیوتری که بخوبی برنامه‌ریزی شده- واقعا ً واجد ذهن باشد.)
این تزها قطعا ً بطور بدیهی obviously صادق نیستند و ندرتا ً بصراحت explicitly تشریح و تعریف می‌گردند.
بیایید ابتداء در این مورد تحقیق کنیم که چگونه قابل پذیرش است که بپنداریم نیروهای بیوشیمیایی biochemical powers خاص مغز واقعا ً نسبت به ذهن بی‌ربط‌اند. [بیوشیمی biochemistry: شیمی مرتبط با موجودات زنده - م]
در ضمن جای شگفتی‌ست که مؤلفین- در۲۷ قطعه پیرامون ذهن- شایسته ندیده‌اند مطلبی بگنجانند که- هدف اولیه آن بیان این باشد که- واقعا ً مغز چگونه کار می‌کند؛ و این غفلت به وضوح از این تصور آن‌ها ناشی می‌شود که چون ذهن چیزی از نوع مجرد (انتزاعی) است، لذا نوروفیزیولوژی خاص مغز، امری فرعی (یا غیر مهم) incidental است.
بخشی از پناهگاه appeal این ایده، از آنجاست که مؤلفین، بحث خود را پیرامون«آگاهی» consciousness، «ذهن» و «روان» soul در یک سطح کلی بسیار انتزاعی abstract نگه می‌دارند؛ اما اگر حالات و روندهای ذهنی خاصی را در نظر بگیرید- مانند تشنه‌بودن، خواست ِ حمام‌رفتن، نگرانی در مورد مالیات بر درآمدتان، تلاش برای حل معماهای ریاضی، احساس افسردگی، یادآوری واژۀ فرانسوی برای پروانه- حداقل کمی عجیب بنظر می‌رسد که فکر کنیم مغز آنقدر بی‌ربط باشد.
تشنگی را در نظربگیرید: امری که واقعا ً چیز اندکی در مورد چگونگی عملکرد آن می‌دانیم. ترشح کلیوی [مادۀ] رنین rennin، ماده‌ای بنام آنژیوتانسین angiotensin را سنتز می‌کند (یا می‌سازد). این ماده بداخل هیپوتالاموس hypothalamus می‌رود و موجب تحریک یک رشته از جریانات عصبی neuron firings می‌شود.
[هیپوتالاموس: ناحیه کوچکی از مغز که با تنظیم چرخه‌های خواب، دمای بدن، اشتها و غیره، به عنوان مرکز عمدۀ کنترل در سیستم عصبی خودکار autonomic nervous system عمل می‌کند؛ و [نیز] با تولید هورمون‌ها hormones، به عنوان یک غدۀ مترشحۀ داخلی endocrine عمل می‌کند، مانند ترشح فاکتورهای آزادکننده‌ای releasing factors که (منظور، فاکتورهایی که با تحریک غدد دیگر موجب آزادشدن هورمون‌های آن‌ها می‌شوند.) ترشحات هورمونی غدۀ هیپوفیز pituitary gland [واقع در مغز] را کنترل می‌کنند.(ازWebster)- م]
حال بوضوح، چیز بیشتری برای گفتن هست: برای مثال، دربارۀ ارتباطات بین واکنش‌های هیپوتالاموسی با بقیۀ مغز، دربارۀ چیزهای دیگری که در هیپوتالاموس رخ می‌دهند و در مورد تمایزات ممکن میان احساس تشنگی و نیاز شدید (یا فوری) urge به نوشیدن.
فرض کنیم داستان را از طریق بیان علل باقیمانده- که بیوشیمیایی‌ست- کامل کرده‌ایم.
حال این تزها- یعنی ذهن بمثابه برنامه و بی‌ربطی مغز- قرار است به ما بگویند که چه چیزهایی در ارتباط با این داستان، خواص properties بیوشیمیایی ــ ویژۀ آنژیوتانسین یا هیپوتالاموس - نیستند، بلکه صرفا ً برنامه‌های کامپیوتری صوری‌اند که کل توالی sequence، دلیل مشخص instantiates آن است. بسیار خوب، آن‌ها را مانند یک فرضیه hypothesis مورد آزمون قرار دهیم و ببینیم چگونه عمل می‌کنند.
کامپیوتر می‌تواند خواص (یا صفات) صوری formal مرتبط با توالی پدیده‌های شیمیایی و الکتریکی در ایجاد تشنگی را شبیه‌سازی simulate نماید، درست همان‌گونه که می‌تواند در مورد هر چیز دیگری چنین نماید: می‌توانیم تشنگی را شبیه‌سازی کنیم، همان‌طورکه می‌توانیم طوفان‌ها، باران‌های شدید، آتش‌سوزی‌ها، موتورهای احتراقی، فتوسنتز photosynthesis، ترشح یا ساخت شیر lactation [در پستانداران- م] یا جریان پول در رکود اقتصادی را شبیه‌سازی نماییم.
[فتوسنتز: (بویژه در گیاهان) ساخت (سنتز) مواد آلی organic پیچیده- بویژه کربوهیدرات‌ها- از دی‌اکسید کربن، آب و نمک‌های معدنی inorganic salts، با استفاده از نور خورشید به عنوان منبع انرژی و با کمک کلروفیل chlorophyll و رنگدانه‌های pigments مرتبط. (ازWebster)- م]
اما هیچ عقل سلیمی نمی‌پندارد که شبیه‌سازی کامپیوتری از آتش‌سوزی، اهالی محل را می‌سوزاند یا در مورد موتور احتراقی، به اتوموبیلی نیرو می‌بخشد یا شبیه‌سازی کامپیوتری از ترشح شیر و فتوسنتز، شیر و قند تولید می‌کند. با این‌حال، دریافته‌ام که بسیاری از مردم گمان می‌کنند که شبیه‌سازی‌های کامپیوتر از پدیده‌های phenomena ذهنی- خواه در سطح فرآیندهای مغز باشد یا نه- واقعاً پدیده‌های ذهنی را ایجاد یا تولید می‌کنند: این امر، مایۀ شگفتی من است. دوباره آن را می‌آزماییم.
کامپیوتر مورد علاقه‌مان یعنی PDP-۱۰ را با برنامه‌ای صوری که تشنگی را شبیه‌سازی می‌کند، برنامه‌ریزی می‌کنیم. حتی می‌توانیم به آن برنامه دهیم که در انتها چنین چاپ نماید: «پسر، تشنه‌ام!» یا «کسی نیست که لطفا ً به من نوشیدنی بدهد؟» و مانند آن.
حال آیا هیچ‌کس تصور خواهد نمود که به موجب آن حتی کمترین دلیل برای این پنداشت که کامپیوتر واقعا ً تشنه است، داریم؟
یا آنکه، هر شبیه‌سازی از هر پدیده ذهنی دیگری، مثل فهم داستان‌ها، احساس افسردگی یا نگرانی در مورد کسری اقلام، باید بر این مبنا چیزی حقیقی تولید نماید؟
افسوس که پاسخ آن است که بسیاری از مردم، تسلیم انگاره‌ای ideology شده‌اند که از آنان می‌خواهد که چنین باور کنند (یعنی باور به تولید چیزی حقیقی- م). از اینرو، داستان را یک قدم جلوتر می‌بریم.
PDP-۱۰ از الکتریسیته، قوّه (یا نیرو) power می‌گیرد و شاید خواص الکتریسیتۀ آن بتواند برخی از توان‌های سببی واقعی مرتبط با صور (یا خصوصیات) featurs الکتروشیمیایی مغز در تولید حالات ذهنی را بازتولید نماید.
قطعا ً نمی‌توانیم این احتمال را بطور پیشینی a priori (یعنی، مقدم بر تجربه و مستقل از آن- م) رد کنیم.
اما بخاطر آورید که: تز هوش مصنوعی قوی مبنی بر آن است که ذهن «مستقل از هر دربردارندۀ فیزیکی خاص» است، زیرا ذهن مثل یک برنامه است و برنامه می‌تواند در کامپیوتری که از هر چیزی ساخته شده، عمل نماید (یا جاری گردد)، مشروط بر این که آن چیز به اندازۀ کافی پایدار و پیچیده باشد که بتواند برنامه را حمل نماید.
کامپیوتر فیزیکی واقعی می‌توانست یک دسته از مورچه‌های مهاجر (یکی از نمونه‌هایشان)؛ مجموعه‌ای از قوطی‌های آبجو؛ دسته‌های کاغذ توالت با سنگ‌های کوچک در چهارگوشه‌ها؛ مردانی با چشمان سبز که روی چارپایه‌ها نشسته‌اند ـــــ هر چه که دوست دارید، باشد.
بیایید تصور کنیم که برنامۀ ما از شبیه‌سازی تشنگی، در کامپیوتری که از قوطی‌های کهنۀ آبجو ساخته شده، عمل می‌کند:
میلیون‌ها (یا میلیاردها) قوطی کهنۀ آبجو که به اهرم‌ها مجهزند و از آسیاب‌های بادی قوّه powered می‌گیرند. می‌توانیم تصور کنیم که این برنامه، جریان‌های عصبی در سیناپس‌ها synapses را از طریق ضربۀ قوطی‌های آبجو به یکدیگر، شبیه‌سازی می‌کند.
[سیناپس: ناحیه‌ای که جریان‌های عصبی nerve impulses فرا فرستاده و دریافت می‌شوند، شامل:
انتهای آکسونی axon terminal یک سلول عصبی neuron که ناقلین عصبی neurotransmitters (این ناقلین، ترکیبات شیمیایی هستند) را در پاسخ به یک جریان عصبی، آزاد می‌کند؛ فضای خالی gap بسیار کوچکی که ناقلین عصبی از میان آن حرکت می‌کنند؛ و غشاء membrane مجاور متعلق به یک آکسون، دندریت dendrite یا سلول عضلانی یا ترشحی gland با مولکول‌های گیرندۀ مناسب برای گرفتن ناقلین عصبی.
آکسون: رشته بلند سلول عصبی، که جریان‌های عصبی را به خارج از بدنۀ سلول منتقل می‌کند.
دندریت: زائده‌های شاخه شاخۀ یک سلول عصبی که جریان‌های عصبی را بطرف سلول هدایت می‌کند.(ازWebster)- م]
از اینرو، تشابه (یا مطابقت) محضی بین جریان‌های عصبی و ضربه‌های قوطی آبجو بانجام می‌رسد. در انتهای این توالی، یک قوطی آبجو به آنچه که روی آن نوشته شده «تشنه‌ام.» ضربه می‌زند. حال این پرسش را تکرار می‌کنیم: آیا هیچ‌کس تصور می‌کند که این دستگاه [منتسب به] Rube Goldberg واقعا ً- با آن حسی که من و شما داریم - تشنه است؟
توجه کنید که تز Hofstadter و Dennett دال بر آن نیست که هر آنچه به عنوان مجموعه‌ای از قوطی‌های آبجو می‌شناسیم، محتملا ً می‌تواند تشنه باشد، بلکه دال بر آن است که اگر مجموعه‌ای واجد برنامۀ بجا با ورودی و خروجی بجا باشد، آنگاه (لزوما ً) باید تشنه باشد (یا proust (نام یک رمان‌نویس برجسته- م) را بفهمد یا در رابطه با مالیات بر درآمد آن نگران باشد یا هر حالت ذهنی دیگری را داشته باشد)، زیرا این امر تمام آنچه است که ذهن است: یعنی نوع معینی از برنامۀ کامپیوتر.
و نیز دال بر آن است که هر کامپیوتر (از هر چه ساخته شده باشد) دارای برنامۀ بجا، (این) حالات ذهنی درخور را خواهد داشت.
بر این باورم که هر آنچه دربارۀ بیولوژی انسانی و حیوانی آموخته‌ایم، اشاره می‌کند که آنچه پدیده‌های «ذهنی» mental می‌نامیم، همان‌قدر بخشی از تاریخ طبیعی بیولوژیک (زیست‌شناختی) ماست که هر پدیدۀ بیولوژیک دیگری چنین است؛ همان‌قدر بخشی از بیولوژی‌ست که گوارش، ترشح شیر lactation یا ترشح صفرا بخشی از آن است.
نامقبولی تز AI قوی، بیشتر ناشی از ضدیت استوار آن با بیولوژی‌ست: به این طریق که [بر طبق آن] ذهن، یک پدیدۀ بیولوژیک واقعی نیست، بلکه «چیزی از نوع مجرد» است.
با وجود این، در فراخوان توجه به نامقبولی این فرض که توان‌های سببی خاص مغزها نسبت به اذهانْ بی‌ربط‌اند، هنوز بطور کامل مهمل بودن موقعیت AI قوی را- که توسط Hofstadter و Dennett اتخاذ شده- نشان نداده‌ام، لذا بگذارید بر آن فشار آوریم و تز ذهن بمثابه برنامه را از زاویه‌ای نزدیک‌تر بیازماییم.
برنامه‌های کامپیوتری دیژیتال بنا به تعریف عبارتند از:
مجموعه‌های اعمال محض صوری بر روی نشانه‌ها (یا نمادها)یی symbols که بطور قراردادی formally معین شده‌اند.
نمونۀ فرضی کامپیوتر، چنین کارهایی را انجام می‌دهد: صفر را روی نوار tape، چاپ print می‌کند، یک خانه square به چپ حرکت می‌کند، عدد ۱ی را پاک می‌کند، به راست بازمی‌گردد و الی آخر.
معمولا ً این را تحت عنوان «بکاربری نشانه» symbol manipulation توصیف می‌کنند؛ یا با استفاده از زبان مورد علاقۀ Hofstadter و Dennett بصورت ِ: کل سیستم، یک «سیستم نشانگر خود- نوشونده» self-updating representational system است. اما این واژه‌ها حداقل کمی گمراه کننده‌اند، چون کامپیوتر تا جایی که با نشانه‌ها (یا نمادها) مرتبط است، هر چیزی را نمادپردازی symbolize یا نشانگری (نمایانگری، نمایشگری) represent نمی‌کند. آن‌ها فقط شمارنده‌های صوری formal counters هستند.
کامپیوتر هیچ معنا، تعبیر (یا تفسیر) یا محتوایی content را به نشانه‌های صوری (یا قراردادی) پیوست (یا متصل) نمی‌کند؛ کامپیوتر در خصلت ِ qua کامپیوتر نمی‌تواند چنین نماید، زیرا اگر تلاش کنیم به کامپیوتر، تعبیری از نشانه‌هایش را بدهیم، صرفا ً نشانه‌های تعبیرنشدۀ بیشتری را به آن داده‌ایم.
تعبیر نشانه‌ها کاملا ً برعهدۀ برنامه‌ریزان و کاربران کامپیوتر است. برای مثال، اگر در ماشین حساب جیبی‌ام بنویسم «۳ × ۳ = ,» ماشین حساب خواهد نوشت «۹» ، اما ایده‌ای (یا فکری) ندارد که «۳» به معنای ۳ است یا «۹» به معنای ۹ یا این که هر چیزی به معنای هر چیزی است.
محتملا ً می‌توانیم این نکته را با این گفتار مطرح نماییم که: کامپیوتر واجد نحو syntax است ولی نه واجد معنا semantics.
[از نظر زبانشناسی، نحو به معنای مطالعۀ قواعد و الگوهای تشکیل (یا ساخت) جملات و عبارات گرامری از کلمات است. در رابطه با کامپیوتر می‌تواند به معنای ترتیب‌ها یا آرایش‌هایی باشد که یک سیستم به نشانه‌های واقع در آن می‌دهد.
در مورد semantics این واژه از نظر زبانشناسی معادل با مطالعۀ معناست. بجز آن، نام علم بررسی ارتباط بین نشانه‌ها و معانی آن‌هاست. در رابطه با کامپیوتر معادل با مرتبط ساختن معنی یا تعبیر با یک نشانه است، که کامپیوتر فاقد این توانایی‌ست- م]
کامپیوتر، نشانه‌های صوری را بکار می‌برد، اما هیچ معنایی را به آن‌ها متصل نمی‌کند و این مشاهدۀ ساده، ما را قادر خواهد ساخت که تز theses ذهن بمثابه برنامه را رد کنیم.
تصور کنید برنامه‌ای کامپیوتری برای شبیه‌سازی فهم زبان چینی نوشته‌ایم؛ به نحوی که برای مثال، اگر از کامپیوتر سؤالاتی به زبان چینی پرسیده شود، این برنامه قادر می‌سازد که پاسخ‌هایی به زبان چینی دهد؛ اگر خواسته شود که داستان‌هایی را که به زبان چینی‌اند، خلاصه نماید، می‌تواند چنین خلاصه‌هایی را ارائه دهد؛ اگر سؤالاتی پیرامون داستان‌هایی که به آن داده شده، پرسیده شود، به چنین سؤالاتی پاسخ می‌دهد.
حال تصور کنید من که ابداً زبان چینی را نمی‌فهمم و حتی نمی‌توانم نشانه‌های چینی را از برخی انواع دیگر تمیز دهم، در اتاقی با تعدادی جعبه‌های مقوایی پر از نشانه‌های چینی محبوس شده‌ام. تصور کنید کتابی به انگلیسی در مورد قواعد بمن داده شده که چگونگی پیوند دادن match این نشانه‌های چینی با یکدیگر را آموزش می‌دهد.
این قواعد چیزهایی مانند این می‌گویند: علامت ِ (squiggle-squiggle (sign با علامت ِ squoggle-squoggle دنبال گردد.
فرض کنید کسانی که بیرون اتاق هستند، نشانه‌های چینی بیشتری را عبور می‌دهند و من به پیروی از کتاب راهنما، نشانه‌های چینی را به آن‌ها باز می‌گردانم. فرض کنید برای من نادانسته است که: کسانی که نشانه‌ها را به من رد می‌کنند، آن‌ها را «سؤالات» می‌نامند؛ کتاب راهنما را که من از روی آن کار می‌کنم، «برنامه» می‌نامند، و نشانه‌هایی را که من به آن‌ها باز می‌گردانم، «پاسخ‌ها به سؤالات» می‌نامند.
فرض کنید پس از مدتی، برنامه‌نویسان programmers چنان در نوشتن برنامه‌ها خوب می‌شوند و من چنان در بکار بردن manipulating نشانه‌ها خوب می‌شوم که پاسخ‌های من از پاسخ چینی‌زبانان غیر قابل تمیز می‌گردد. من می‌توانم از آزمون تورینگ در رابطه با فهم زبان چینی قبول شوم.
اما با این همه، من هنوز یک کلمۀ چینی هم نمی‌فهمم و هر کامپیوتر دیژیتال دیگری هم نمی‌فهمد، زیرا هر چه کامپیوتر دارد، من نیز دارم: برنامه‌ای صوری که هیچ معنا، تعبیر یا محتوایی را به هیچ نشانه‌ای متصل نمی‌کند.
آنچه این استدلال argument ساده نشان می‌دهد آن است که هیچ برنامۀ صوری به تنهایی برای فهمْ کافی نیست، زیرا اصولاً برای یک عامل agent، همیشه امکان‌پذیر است که مراحل steps برنامه را طی نماید و بازهم فهم ذیربط را نداشته باشد.
و آنچه در مورد زبان چینی صادق است، در مورد پدیده‌های ذهنی دیگر نیز صادق است. برای مثال، می‌توانم بدون احساس تشنگی، مراحل برنامۀ شبیه‌سازی تشنگی را طی نمایم.
در ضمن، این استدلال همچنین آزمون تورینگ را رد می‌کند، زیرا نشان می‌دهد که یک سیستم، یعنی من، می‌تواند در آزمون تورینگ قبول شود، بدون آن‌که حالات ذهنی درخور را داشته باشد...
باقی آنچه آن‌ها برای گفتن دارند، عمدتا ً تکرار نکاتی‌ست که توسط مؤلفین دیگر مطرح شده و قبلاً توسط من پاسخ داده شد.
آنان بطور ویژه، بر«پاسخ سیستم‌ها» systems reply به استدلال اتاق چینیChinese room argument صحه می‌گذارند، که بر مبنای آن، مردی که در اتاق است، زبان چینی را نمی‌فهمد، اما سیستمی که او بخشی از آن است- شامل کتاب راهنما، نشانه‌های چینی و غیره- حقیقتا ً زبان چینی را می‌فهمد. طرفداران این دیدگاه- ضمن حیرت مداوم من- باور دارند که گرچه این مرد از فهمیدن در می‌مانَد، اما اتاقْ زبان چینی را می‌فهمد.
اعتراض آشکار بر این امر، آن است که سیستم- بیش از مردی که در مکان اول [یعنی اتاق] انجام داد- راهی برای اتصال معنا به نشانه‌های تعبیرنشدۀ چینی ندارد. سیستم، مثل این مرد، واجد نحو syntax است، ولی نه [واجد] معنا semantics.
و با این تصور ساده که مرد مورد نظر، کل سیستم را درونی internalize سازد (یعنی به جای کل سیستم نهاده شود- م) می‌توانید این امر را بفهمید: فرض کنید او حافظه‌ای عالی super و [نیز] هوشی عالی دارد، طوری که کتاب راهنما را حفظ می‌کند و همۀ محاسبات را در سرش انجام می‌دهد. برای خلاص‌شدن از دست اتاق، حتی می‌توانیم فرض کنیم که بیرون از اتاق، کار می‌کند.
حال، چون این مرد زبان چینی را نمی‌فهمد و چون هیچ چیز در سیستم نیست که در این مرد نباشد، لذا راهی وجود ندارد که سیستم بتواند چینی را بفهمد.
تقریبا ً می‌توانم بگویم که تنها پاسخ Hofstadter و Dennett، این ملاحظه است که هیچ انسان عادی نمی‌تواند چنین شاهکار حافظه را انجام دهد. البته این امرکاملا ً درست است، اما کاملا ً نیز بی‌ربط به نکتۀ مورد نظر است که به تکرار، عبارت است از این که:
از نحو محض، نمی‌توانید معنا بدست آورید...
جزئیات چگونگی کارکرد مغز، بی‌اندازه پیچیده و بسیار ناشناخته‌اند، اما برخی از اصول کلی ارتباطات میان عملکرد مغز و برنامه‌های کامپیوتری می‌توانند کاملا ً بسادگی بیان شوند.
نخست، می‌دانیم که روندها (یا فرآیندها)ی مغزی موجب پدیده‌های ذهنی می‌شوند. حالات ذهنی mental states به توسط ساختار مغز ایجاد و در آن ادراک realize می‌شوند. از این امر چنین بر می‌آید که هر سیستمی که حالات ذهنی را ایجاد می‌کند، می‌باید توان‌هایی powers هم‌ارز با توان‌های مغز داشته باشد. چنین سیستمی ممکن است از شیمی متفاوتی استفاده نماید، اما شیمی آن هر چه که باشد، می‌باید قادر به ایجاد cause آنچه که مغز ایجاد می‌کند (یا موجب می‌گردد)، باشد.
از استدلال اتاق چینی می‌دانیم که برنامه‌های کامپیوتری دیژیتال هرگز به تنهایی برای تولید حالات ذهنی، بسنده نیستند. حال، از آنجایی که مغزها، ذهن‌ها را تولید می‌کنند و چون برنامه‌ها به تنهایی نمی‌توانند ذهن‌ها را تولید نمایند، [لذا] چنین نتیجه می‌شود که چگونگی انجام این کار توسط مغز نمی‌تواند بسادگی از طریق یک برنامۀ کامپیوتری، مُدَلل instantiating گردد.
(براستی، هر چیزی نیاز به قدری برنامه دارد و مغزها [نیز] مستثنی نیستند؛ لذا از جهت این مفهوم جزئی، مغزها مانند هر چیز دیگر، کامپیوترهای دیژیتال هستند.)
و همچنین نتیجه می‌شود که اگر بخواهید ماشینی برای تولید حالات ذهنی بسازید- یعنی یک ماشین متفکرthinking machine- نمی‌توانید چنین کاری را فقط بر مبنای این امر انجام دهید که ماشین شما نوع معینی از برنامۀ کامپیوتری را اجرا ran نماید.
ماشین متفکر نمی‌تواند منحصراً در (قالب یا) خصلت ِ in virtue of یک کامپیوتر دیژیتال (بودن) کار کند، بلکه می‌باید از توان‌های سببی ِ مختص مغز عینا ً کپی‌برداری duplicate نماید.
بسیاری از مهملاتی nonsense که امروزه پیرامون کامپیوترها گفته می‌شود، از کمبود نسبی و لذا رازگونگی mystery ریشه می‌گیرد. چنانچه کامپیوترها و ربات‌ها robots - همانند تلفن‌ها، ماشین‌های شستشو و کامیون‌های چنگال‌دار forklift trucks - عمومی‌تر شوند، آنگاه محتمل بنظرمی‌رسد که این تجلی ناپدید گردد و مردم کامپیوترها را بخاطر آنچه که هستند- یعنی به عنوان ماشین‌های سودمند- بپذیرند.
در ضمن، شخص باید بکوشد تا از خطاهای تکراری معینی که از کتاب Hofstadter و Dennett و نیز دیگر بحث‌های رایج، ناشی می‌شوند، اجتناب نماید.
نخست، این عقیده idea که موفقیت‌های کامپیوتر به نحوی انسان را در معرض برخی انواع تهدیدها یا چالش‌ها قرارمی‌دهد. اما این حقیقت که برای مثال، ماشین حساب می‌تواند حتی از بهترین ریاضی‌دان پیش افتد، مهم‌تر یا تهدیدکننده‌تر از این حقیقت نیست که بیلی که با بخار steam shovel کار می‌کند، بتواند از بهترین حفار انسانی پیش افتد.
(در ضمن، یک نکتۀ عجیب در مورد هوش مصنوعی، کندی برنامه‌نویسان در ابداع برنامه‌ای‌ست که بتواند بهترین شطرنج‌بازان را مغلوب نماید. از نقطه‌نظر تئوری بازی‌ها games theory شطرنج، یک بازی کم‌مایه (یا جزئی) است، چون هر طرف، اطلاعات کاملی دربارۀ موقعیت و حرکت‌های احتمالی طرف مقابل دارد و شخص باید چنین بیانگارد که بزودی برنامه‌های کامپیوتری بتوانند از هر شطرنج‌باز انسانی پیشی گیرند. [اما چنین نیست- م])
دومین سفسطه fallacy این عقیده است که برخی از تجارب خاص انسانی بدلیل بشری‌بودن ویژۀ آن‌ها، ممکن است خارج از [توان] شبیه‌سازی کامپیوتر باشند. گاها ً گفته می‌شود که کامپیوترها نمی‌توانند احساس افسردگی یا عاشق‌شدن یا داشتن حس شوخی را شبیه‌سازی نمایند. اما تا جایی که به شبیه‌سازی مربوط است، می‌توانید به همان سادگی که کامپیوتر خود را برای چاپ ۳x۳=۹» print out» برنامه‌ریزی می‌کنید، برای چاپ «من افسرده‌ام»، «سالی Sally را دوست دارم» یا «ها، ها» Ha, ha برنامه‌ریزی نمایید.
اشتباه واقعی آن است که تصور کنید شبیه‌سازی، کپی‌برداری برابر با اصل duplication است؛ و خطا در همۀ موارد، صرف‌نظر از این که از چه حالات ذهنی‌ای سخن می‌گوییم، یکسان است.
اشتباه سوم- بر پایۀ تمام موارد دیگر- این عقیده است که اگر کامپیوتری بتواند داشتن حالت ذهنی معینی را شبیه‌سازی نماید، آنگاه برای فرض این که واقعا ً واجد آن حالت ذهنی است، همان دلایلی (یا زمینه‌ها یا بنیادهایی) grounds را داریم که در رابطه با فرض این که انسان‌ها واجد آن حالت باشند.
اما از استدلال اتاق چینی و نیز بیولوژی می‌دانیم که این رفتارگرایی behaviorism ساده‌دلانۀ simple-minded آزمون تورینگ، بر خطاست.
تا وقتی که کامپیوترها و ربات‌ها robots به اندازۀ اتوموبیل‌ها عمومی شوند و تا وقتی که مردم به همان سهولتی که اکنون رانندگی می‌کنند، بتوانند آن‌ها را برنامه‌ریزی نموده و بکار برند، احتمالاً تا آن زمان از یک تصور افسانه‌ای mythological معین در رابطه با کامپیوترهای دیژیتال در رنج خواهیم بود.
کتاب ِ Hofstadter&Dennett بخش بسیار عمده‌ای از دورۀ افسانه‌ای کنونی ِ مرتبط با کامپیوتر است.□

پایان ترجمه: اول فروردین ۱۳۸۸ شمسی March ۲۰ ۲۰۰۹
California

[دربارۀ نویسنده و مترجم: پروفسور جان سِرل ( ــ ۱۹۳۲)، استاد فلسفه در دانشگاه برکلی Berkeley است. وی کار مهمی در فلسفۀ زبان انجام داده است. او کتاب ذهن، زبان و جامعه (Mind, Language and Society (۱۹۹۸ و کتاب‌های متعدد دیگری را نگاشته است.
دکتر فرزاد حمیدی ( ــ ۱۹۶۹)، نویسندۀ دو کتاب پاره‌های فلسفی (۲۰۰۵)Philosophical Segments؛ و تحلیلی نو، بر پارادوکس راسل و پیوستار، همراه با معرفی یک هندسۀ جدید است: (A New Analysis on Russell 's Paradox and Continuum, with an Introduction to a New Geometry (۲۰۰۰.]