https://virgool.io/feed/@amirhosn دانشجوی کارشناسی ارشد علوم شناختی - گرایش روان‌شناسی شناختی، دانشگاه تبریز. fa 2026-07-06 15:26:26 https://files.virgool.io/upload/users/4231715/avatar/tAfBrk.jpg?height=120&width=120 https://virgool.io/@amirhosn https://virgool.io/@amirhosn/%D8%A2%DB%8C%D8%A7-%D9%87%D9%88%D8%B4-%D8%A7%D8%B2-%D8%A7%D8%B5%D9%84-%D9%88%D8%A7%D8%AD%D8%AF%DB%8C-%D9%86%D8%A7%D8%B4%DB%8C-%D9%85%DB%8C-%D8%B4%D9%88%D8%AF-%D9%85%D9%86%D8%B4%D8%A3-%D9%87%D9%88%D8%B4-xqsvfwyqur0g آیا برخلاف باور ماروین مینسکی، هوش از اصلی ساده و یگانه ناشی می‌شود؟ نگاهی به اینکه مغز چگونه یاد می‌گیرد و پیش‌بینی می‌کندماروین مینسکی از پدران و پیشگامان هوش مصنوعی و علوم شناختی«چگونه ممکن است چیزی به پیچیدگی ذهن انسان، چنین خوب عمل کند و آن هم برای سال‌های بسیار؟ ما همهٔ آن دستاوردهای شگفت‌انگیز را می‌ستاییم؛ نمایشنامه‌ها و سمفونی‌ها. اما به‌ندرت در می‌یابیم که چه اندازه شگفت‌انگیز است این واقعیت که انسانی می‌تواند سراسر عمر خود را بدون ارتکابِ حتی یک اشتباه واقعاً جدی بگذراند –مثلاً فرو کردن چنگال در چشم خود یا استفاده از پنجره به‌جای در. چگونه چنین کارهای شگفت‌انگیزی انجام می‌دهیم؟ مثلا تصور کردن چیزهایی که هرگز ندیده‌ایم، غلبه بر موانع، تعمیر کردن چیزهای خراب، سخن گفتن با یکدیگر، یا طرح ایده‌های نو؟ چه جادوی پنهانی ما را هوشمند می‌کند؟ حقیقت این است که هیچ جادویی در کار نیست. قدرتِ هوش از تنوع گستردهٔ ما سرچشمه می‌گیرد، نه از یک اصل یگانه و کامل. گونهٔ ما بسیاری از روش‌های مؤثر هرچند ناقص را در طی تکامل پرورده است و هر یک از ما نیز در زندگی فردیِ خود روش‌های تازه‌ای می‌آفرینیم. در نهایت، بسیار اندک‌اند کنش‌ها و تصمیم‌هایی که تنها بر سازوکار واحدی تکیه داشته باشند. در عوض، آن‌ها از دل کشمکش‌ها و مذاکره‌های میان جامعه‌هایی از فرآیندها پدیدار می‌شوند؛ جامعه‌هایی که پیوسته یکدیگر را به چالش می‌کشند.»— ماروین مینسکی، اجتماع ذهندر نگاه اول، ذهن-مغز انسان شبیه تناقض است: سیستمی متشکل از میلیاردها نورون که با دقتی شگفت‌انگیز تصمیم می‌گیرد، می‌آفریند، به‌خاطر می‌سپارد و خود را با شرایط جدید سازگار می‌کند. ما می‌توانیم عمری زندگی کنیم بدون آنکه خطایی فاجعه‌بار مرتکب شویم؛ می‌توانیم نمايشنامه بنویسیم، موسیقی خلق کنیم و دربارهٔ خودِ فکر کردن فکر کنیم. و این پرسش طبیعی شکل می‌گیرد که چنین چیزی چگونه ممکن است؟از نظر ماروین مینسکی (Marvin Minsky) آنچه هوش می‌نامیم نه از اصلی واحد و یگانه، بلکه از تعامل تعداد زیادی فرآیندهای کوچک، محدود و گاهی متعارض با یکدیگر ناشی می‌شود که در کنار هم کار می‌کنند. در این نگاه، هوش نه مکانیسمی واحد، بلکه محصول جامعه یا اجتماعی از فرآیندهاست؛ اجتماعی که در آن بخش‌های مختلف ذهن با هم رقابت، همکاری و مذاکره می‌کنند تا رفتار نهایی شکل بگیرد. اما این نگاه پرسشی دشوار و مهم پیش روی ما می‌گذارد: اگر هوش واقعاً از چنین تنوعی ساخته شده باشد، چگونه به این سطح از انسجام و کارایی می‌رسد؟ و مهم‌تر از آن، آیا علوم اعصاب مدرن همچنان باید این دیدگاه را بپذیرد، یا شواهد و نظریه‌های جدید ما را به سمت ایده‌های نو و متفاوت هدایت می‌کنند؟در سال‌های اخیر، برخی نظریه‌های علوم اعصاب محاسباتی و نظری (Computational and Theoretical Neuroscience) این بحث را دوباره مطرح کرده‌اند که آیا ممکن است در پس این پیچیدگی ظاهری، یک اصل محاسباتی جهان‌شمول و تکرارشونده‌ای وجود داشته باشد که مسئول تمامِ هوش انسان باشد؟ورنون مونتکسل پزشک و سیستم نوروساینتیست که ایدۀ ستون‌های قشری و معماری تکرارشوندۀ نئوکورتکس را اولین بار مطرح کردایدۀ بزرگ ورنون مونتکسل. ورنون مونتکسل (Vernon Mountcastle) نخستین کسی بود که نشان داد پشت عملکردی‌های متعدد نواحی مختلف نئوکورتکس (قشر نوین مغز)، معماری بنیادی مشترکی قرار دارد: شبکه‌ای از ستون‌های قشری که به‌صورت عمودی سازمان یافته‌اند و همگی الگوی مشابهی از لایه‌بندی و اتصالات دارند.در یکی از کلاسیک‌ترین مجموعه مطالعات علوم اعصاب قرن بیستم، ورنون مونتکسل هنگام ثبت فعالیت نورون‌های قشر مغز، به الگوی تکرارشونده و غیرمنتظره‌ای برخورد کرد. مونتکسل با استفاده از میکروالکترودهایی برای ثبت فعالیت عصبی، دریافت هنگامی که الکترود را مستقیماً از میان لایه‌های قشری پایین می‌برد، همهٔ سلول‌های واقع در یک ستون عمودی به قطر حدود نیم میلی‌متر (و ارتفاع دو تا پنج میلی‌متر) کار یکسانی انجام می‌دهند. در قشر حسی-پیکری، او مشاهده کرد که تمام سلول‌های یک ستون به تحریک دقیقاً یک بخش از پوست پاسخ می‌دهند. از دل همین یافته‌ها، ایدهٔ ستون قشری (Cortical Column) شکل گرفت؛ ایده‌ای که بعدها به یکی از پایه‌های اصلی درک مدرن از سازمان‌دهی نئوکورتکس تبدیل شد و مسیر را برای نظریه‌هایی باز کرد که مغز را نه مجموعه‌ای از ماژول‌های متنوع، بلکه نسخه‌های تکرارشونده‌ای از یک معماری واحد می‌بینند.بازسای سه بعدی پنج ستون قشری در موشاین دیدگاه نشان می‌دهد نئوکورتکس نه مجموعه‌ای از سازوکارهای کاملاً مجزا، بلکه شبکه‌ای از واحدهای تکرارشونده و مشابه است که از طریق اتصال‌های لایه‌به‌لایه و افقی با یکدیگر ارتباط برقرار می‌کنند. چنین معماری یکنواخت و تکرارشونده، بستری فراهم می‌کند که بتواند الگوهای پیچیدهٔ جهان را بیاموزد، تعمیم دهد و پیش‌بینی کند؛ ایده‌ای که بعدها بنیانی برای نظریه‌های مدرنِ پیش‌بینی‌محور و همچنین مدل جف هاوکینز از نئوکورتکس شد. مشاهدات و نظریهٔ مونتکسل به نتیجه‌گیری مهمی منجر شد: به‌جای اینکه نئوکورتکس را مجموعه‌ای از نواحی کاملاً متفاوت با الگوریتم‌های جداگانه تصور کنیم، می‌توان آن را شبکه‌ای از واحدهای تکرارشونده در نظر گرفت که همگی یک نوع محاسبهٔ پایه را انجام می‌دهند. تفاوت عملکردی نواحی مختلف، در این نگاه، بیشتر ناشی از نوع ورودی حسی و اتصالات آن‌هاست تا تفاوت در ماهیت محاسبه. در واقع، مونتکسل ایدهٔ رادیکالی را مطرح کرد: این‌که تمام هوش انسانی را می‌توان با یک الگوریتم واحد توضیح داد که درون این ستون‌های قشری اعمال می‌شود.نحوۀ سازمان‌دهی ستونی و لایه‌ای نئوکورتکس. نئوکورتکس از لایه‌های متعددی تشکیل شده (سازمان‌دهی عمودی نئوکورتکس) و هر ستون به‌طور سنتی از شش لایه مجزا تشکل شده (سازمان‌دهی افقی نئوکورتکس) استو از سوی دیگر، نظریهٔ مونتکسل می‌تواند توضیحی برای این پرسش فراهم کند که چگونه انسان در مدت زمان نسبتاً کوتاهی از نظر تکاملی توانسته است در توانایی‌های شناختی از دیگر گونه‌ها پیشی بگیرد. هوش انسانی در مقایسه با نزدیک‌ترین خویشاوندان نخستیِ ما، در بازه‌ای نسبتاً کوتاه جهشی چشمگیر داشته است. از نظر تکاملی، فرصت کافی برای شکل‌گیری انواع بسیار متنوعی از «اندام‌های تخصصی هوش» وجود نداشته است. نظریهٔ مونتکسل توضیح می‌دهد که به‌جای نیاز به تکامل تعداد زیادی سیستم تخصصی عصبی (به‌عنوان مثال برای زبان، استدلال یا ریاضیات)، کافی بوده است یک واحد محاسباتی پایه و کارآمد را پدید آورد و سپس آن را هزاران بار در سراسر نئوکورتکس تکثیر کند. اگر چنین باشد، راز ظهور سریع هوش انسانی نه در تکاملِ مجموعه‌ای از سازوکارهای متفاوت، بلکه در تکرار گستردهٔ یک اصل محاسباتی مشترک نهفته است.پس از مونتکسل، پرسش اصلی این بود که این واحدهای تکرارشونده دقیقاً چه محاسبه‌ای انجام می‌دهند؟ به‌عبارت دیگر، آن الگوریتم جهانی‌ای که در ستون‌های قشری انجام می‌شود دقيقاً چیست؟ اگر واقعاً تمام نئوکورتکس بر پایهٔ یک معماری مشترک بنا شده باشد، پس باید اصل یا الگوریتمی وجود داشته باشد که این ستون‌های قشری بارها و بارها آن را اجرا می‌کنند. اما آن الگوریتم چیست؟جف هاوکینز نوروساینتیست و از بنیان‌گذاران نومنتا؛ ارائه‌دهندۀ نظریۀ هزار مغزدهه‌های بعد، دانشمندان متعددی کوشیدند به این پرسش پاسخ دهند، اما یکی از جاه‌طلبانه‌ترین تلاش‌ها از سوی جف هاوکینز (Jeff Hawkins) مطرح شد. هاوکینز که یکی از بنیان‌گذاران و چهرهٔ اصلی شرکت نومنتا (Numenta) است، بخش مهمی از زندگی حرفه‌ای خود را به مطالعهٔ نئوکورتکس اختصاص داده است. او معتقد است ایدهٔ مونتکسل تنها نیمی از داستان را روایت می‌کند. مونتکسل نشان داده که نئوکورتکس از واحدهای مشابه ساخته شده است و الگوریتم جهانی مشترکی اجرا می‌کنند، اما هرگز توضیح نداد که این الگوریتم جهانی مشترک چیست.هاوکینز از همین نقطه آغاز کرد. به باور او، مهم‌ترین وظیفهٔ نئوکورتکس نه استدلال منطقی، نه زبان و نه حتی ادراک، بلکه پیش‌بینی است. مغز به‌طور مداوم در حال ساختن مدل‌هایی از جهان است و بر اساس این مدل‌ها تلاش می‌کند حدس بزند در لحظهٔ بعد چه اتفاقی رخ خواهد داد. هنگامی که به چهره‌ای آشنا نگاه می‌کنیم، جمله‌ای را می‌شنویم یا حتی دست خود را برای برداشتن یک فنجان حرکت می‌دهیم، نئوکورتکس دائماً در حال مقایسهٔ پیش‌بینی‌های خود با اطلاعاتی است که از محیط دریافت می‌کند.در این چارچوب، یادگیری نیز معنای تازه‌ای پیدا می‌کند. یادگیری صرفاً ذخیرهٔ اطلاعات نیست، بلکه فرآیندی است که طی آن مغز مدل‌های درونی خود از جهان را اصلاح می‌کند تا پیش‌بینی‌های دقیق‌تری انجام دهد. از این منظر، هوش را می‌توان توانایی ساختن مدل‌های بهتر و دقیق‌تر از واقعیت دانست.اگر مونتکسل درست گفته باشد که سراسر نئوکورتکس از واحدهای مشابه ساخته شده است، و اگر هاوکینز نیز درست گفته باشد که وظیفهٔ اصلی این واحدها یادگیری الگوهای جهان و پیش‌بینی آینده است، آنگاه شاید بخش بزرگی از آن چیزی که «هوش» می‌نامیم نه از مجموعه‌ای عظیم از سازوکارهای متنوع و متفاوت، بلکه از تکرار یک اصل نسبتاً ساده در مقیاسی بسیار بزرگ پدید آمده باشد. این دقیقاً همان ایده‌ای است که در نگاه نخست با دیدگاه «اجتماع ذهن» مینسکی در تضاد قرار می‌گیرد و پرسش اصلی ما را دوباره پیش می‌کشد: آیا هوش محصول اجتماع سازوکارهای گوناگون است، یا می‌توان ردپای یک اصل بنیادین و مشترک را در سراسر نئوکورتکس دنبال کرد؟اما هاوکینز در نهایت به نتیجه‌ای رسید که از جهاتی حتی از ایدهٔ مونتکسل نیز رادیکال‌تر بود. اگر ستون‌های قشری واقعاً واحدهای بنیادی نئوکورتکس هستند، چرا باید چنین فرض کرد که فقط نواحی بالاتر مغز [در سلسله‌مراتب پردازش قشری] قادر به درک اشیاء و جهان هستند؟ شاید هر ستون قشری، صرف‌نظر از جایگاهش در سلسله‌مراتب قشری، خود در حال ساختن مدلی از جهان باشد.این ایده هستهٔ اصلی «نظریهٔ هزار مغز» (Thousand Brains Theory) است که هاوکینز در سال‌های اخیر مطرح کرده است. برخلاف دیدگاه سنتی علوم اعصاب که مغز را به‌صورت سلسله‌مراتب پردازشی تصور می‌کند، جایی که اطلاعات از سطوح پایین سلسله‌مراتب به سطوح بالاتر منتقل می‌شود تا در نهایت بازنمایی واحدی از جهان شکل بگیرد، هاوکینز معتقد است هزاران ستون قشری به‌طور موازی در حال ساختن مدل‌هایی مستقل از جهان هستند.تصویری از کنار هم قرار گرفتن ۱۵۰ هزار ستون قشری در نئوکورتکسبرای درک این ایده، فنجان قهوه‌ای را در نظر بگیرید. طبق دیدگاه کلاسیک، اطلاعات مربوط به فنجان از مراحل مختلف پردازش عبور می‌کند تا سرانجام مغز تشخیص دهد که «این فنجان قهوه است». اما در نظریهٔ هزار مغز، هر ستون قشری که بخشی از فنجان را می‌بیند، لمس می‌کند یا با آن تعامل دارد، خود تلاش می‌کند مدلی کامل از آن فنجان بسازد. به بیان دیگر، هیچ ستون قشری صرفاً لبه، رنگ یا بافت را بازنمایی نمی‌کند؛ بلکه هر ستون می‌کوشد از اطلاعات محدود خود، مدلی کامل از شیء بسازد.تصویری شماتیک از نحوۀ مدل‌سازی و یادگیری اشیاء توسط ستون‌های قشری (ناحیۀ حسی-پیکری) توسط جف هاوکینز و همکاران در نومنتااما اگر هزاران ستون به‌طور مستقل در حال ساختن مدل‌هایی از جهان باشند، چگونه به ادراک واحد می‌رسیم؟ پاسخ هاوکینز این است که ستون‌های قشری از طریق اتصالات گستردهٔ افقی با یکدیگر در ارتباط‌اند و نوعی «رأی‌گیری» یا اجماع میان آن‌ها شکل می‌گیرد. هر ستون فرضیه‌ای دربارهٔ آنچه در جهان وجود دارد ارائه می‌کند و از طریق تعامل با سایر ستون‌ها، مجموعهٔ بزرگی از این فرضیه‌ها به تدریج به تفسیر و برداشتی مشترک منتهی می‌شوند. آنچه ما به‌عنوان ادراک واحد تجربه می‌کنیم، در واقع حاصل توافق هزاران مدل موازی است.در قلب این نظریه مفهوم دیگری نیز قرار دارد: چارچوب‌های مرجع (Reference Frames). هاوکینز معتقد است که ستون‌های قشری اشیاء را نه صرفاً از طریق ویژگی‌های حسی آن‌ها، بلکه از طریق موقعیت اجزای آن‌ها نسبت به یکدیگر یاد می‌گیرند. هنگامی که انگشتان خود را روی یک فنجان حرکت می‌دهید، مغز فقط اطلاعات لمسی دریافت نمی‌کند؛ بلکه هم‌زمان موقعیت انگشتان را نیز نسبت به شیء ردیابی می‌کند. به این ترتیب، ستون‌های قشری به تدریج نقشه‌ای از ساختار شیء می‌سازند و می‌توانند آن را از زوایا و شرایط مختلف تشخیص دهند.اگر این دیدگاه درست باشد، آنگاه یادگیری، ادراک و پیش‌بینی همگی جلوه‌های فرآیندی واحد هستند: ساختن مدل‌های مبتنی بر چارچوب‌های مرجع از جهان و استفاده از آن‌ها برای پیش‌بینی تجربه‌ها و رویدادهای آینده. در این نگرش، نئوکورتکس چیزی شبیه شبکه‌ای عظیم از مدل‌هایی از جهان است؛ شبکه‌ای که در آن هر ستون قشری نسخه‌ای کوچک از همان الگوریتم بنیادی را اجرا می‌کند و سعی می‌کند مدل‌هایی از جهان بسازد و پیش‌بینی کند.نکتهٔ جالب اینجاست که نظریهٔ هزار مغز، در عین حال که از ایدهٔ «الگوریتم واحد» مونتکسل دفاع می‌کند، شباهت غیرمنتظره‌ای نیز با دیدگاه مینسکی پیدا می‌کند. مینسکی ذهن را جامعه‌ای از عامل‌های (فرآیندهای) متعدد می‌دانست و هاوکینز نیز از هزاران مدل مستقل سخن می‌گوید که با یکدیگر تعامل می‌کنند. تفاوت در این است که در نظریهٔ مینسکی، این عامل‌ها ممکن است سازوکارهای متفاوتی داشته باشند، اما در نظریهٔ هاوکینز تقریباً همهٔ آن‌ها نسخه‌هایی از الگوریتمی مشترک‌اند. به همین دلیل، نظریهٔ هزار مغز را می‌توان تلاشی برای آشتی دادن «وحدت» و «کثرت» در تبیین هوش دانست: هزاران عامل وجود دارند، اما همه از اصل محاسباتی واحدی پیروی می‌کنند.اما هاوکینز در نهایت به نتیجه‌ای رسید که از جهاتی حتی از ایدهٔ مونتکسل نیز رادیکال‌تر بود. اگر ستون‌های قشری واقعاً واحدهای بنیادی نئوکورتکس هستند، چرا باید چنین فرض کرد که فقط نواحی بالاتر مغز [در سلسله‌مراتب پردازش قشری] قادر به درک اشیاء و جهان هستند؟ شاید هر ستون قشری، صرف‌نظر از جایگاهش در سلسله‌مراتب قشری، خود در حال ساختن مدلی از جهان باشد.این ایده هستهٔ اصلی «نظریهٔ هزار مغز» (Thousand Brains Theory) است که هاوکینز در سال‌های اخیر مطرح کرده است. برخلاف دیدگاه سنتی علوم اعصاب که مغز را به‌صورت سلسله‌مراتب پردازشی تصور می‌کند، جایی که اطلاعات از سطوح پایین سلسله‌مراتب به سطوح بالاتر منتقل می‌شود تا در نهایت بازنمایی واحدی از جهان شکل بگیرد، هاوکینز معتقد است هزاران ستون قشری به‌طور موازی در حال ساختن مدل‌هایی مستقل از جهان هستند.برای درک این ایده، فنجان قهوه‌ای را در نظر بگیرید. طبق دیدگاه کلاسیک، اطلاعات مربوط به فنجان از مراحل مختلف پردازش عبور می‌کند تا سرانجام مغز تشخیص دهد که «این فنجان قهوه است». اما در نظریهٔ هزار مغز، هر ستون قشری که بخشی از فنجان را می‌بیند، لمس می‌کند یا با آن تعامل دارد، خود تلاش می‌کند مدلی کامل از آن فنجان بسازد. به بیان دیگر، هیچ ستون قشری صرفاً لبه، رنگ یا بافت را بازنمایی نمی‌کند؛ بلکه هر ستون می‌کوشد از اطلاعات محدود خود، مدلی کامل از شیء بسازد.اما اگر هزاران ستون به‌طور مستقل در حال ساختن مدل‌هایی از جهان باشند، چگونه به ادراک واحد می‌رسیم؟ پاسخ هاوکینز این است که ستون‌های قشری از طریق اتصالات گستردهٔ افقی با یکدیگر در ارتباط‌اند و نوعی «رأی‌گیری» یا اجماع میان آن‌ها شکل می‌گیرد. هر ستون فرضیه‌ای دربارهٔ آنچه در جهان وجود دارد ارائه می‌کند و از طریق تعامل با سایر ستون‌ها، مجموعهٔ بزرگی از این فرضیه‌ها به تدریج به تفسیر و برداشتی مشترک منتهی می‌شوند. آنچه ما به‌عنوان ادراک واحد تجربه می‌کنیم، در واقع حاصل توافق هزاران مدل موازی است.در قلب این نظریه مفهوم دیگری نیز قرار دارد: چارچوب‌های مرجع (Reference Frames). هاوکینز معتقد است که ستون‌های قشری اشیاء را نه صرفاً از طریق ویژگی‌های حسی آن‌ها، بلکه از طریق موقعیت اجزای آن‌ها نسبت به یکدیگر یاد می‌گیرند. هنگامی که انگشتان خود را روی یک فنجان حرکت می‌دهید، مغز فقط اطلاعات لمسی دریافت نمی‌کند؛ بلکه هم‌زمان موقعیت انگشتان را نیز نسبت به شیء ردیابی می‌کند. به این ترتیب، ستون‌های قشری به تدریج نقشه‌ای از ساختار شیء می‌سازند و می‌توانند آن را از زوایا و شرایط مختلف تشخیص دهند.اگر این دیدگاه درست باشد، آنگاه یادگیری، ادراک و پیش‌بینی همگی جلوه‌های فرآیندی واحد هستند: ساختن مدل‌های مبتنی بر چارچوب‌های مرجع از جهان و استفاده از آن‌ها برای پیش‌بینی تجربه‌ها و رویدادهای آینده. در این نگرش، نئوکورتکس چیزی شبیه شبکه‌ای عظیم از مدل‌هایی از جهان است؛ شبکه‌ای که در آن هر ستون قشری نسخه‌ای کوچک از همان الگوریتم بنیادی را اجرا می‌کند و سعی می‌کند مدل‌هایی از جهان بسازد و پیش‌بینی کند.نکتهٔ جالب اینجاست که نظریهٔ هزار مغز، در عین حال که از ایدهٔ «الگوریتم واحد» مونتکسل دفاع می‌کند، شباهت غیرمنتظره‌ای نیز با دیدگاه مینسکی پیدا می‌کند. مینسکی ذهن را جامعه‌ای از عامل‌های (فرآیندهای) متعدد می‌دانست و هاوکینز نیز از هزاران مدل مستقل سخن می‌گوید که با یکدیگر تعامل می‌کنند. تفاوت در این است که در نظریهٔ مینسکی، این عامل‌ها ممکن است سازوکارهای متفاوتی داشته باشند، اما در نظریهٔ هاوکینز تقریباً همهٔ آن‌ها نسخه‌هایی از الگوریتمی مشترک‌اند. به همین دلیل، نظریهٔ هزار مغز را می‌توان تلاشی برای آشتی دادن «وحدت» و «کثرت» در تبیین هوش دانست: هزاران عامل وجود دارند، اما همه از اصل محاسباتی واحدی پیروی می‌کنند. Amirhosein Neshat Amirhosein Neshat Sat, 06 Jun 2026 10:36:52 +0330 https://virgool.io/@amirhosn/%D8%A2%DA%AF%D8%A7%D9%87%DB%8C-%DA%86%DB%8C%D8%B3%D8%AA-%D9%86%D9%88%D8%B4%D8%AA%DB%80-%DA%A9%D8%B1%DB%8C%D8%B3%D8%AA%D9%81-%DA%A9%D9%8F%D8%AE-%D8%A8%D8%AE%D8%B4-%DB%B2-%D9%BE%D8%A7%DB%8C%D8%A7%D9%86%DB%8C-mvguptniyyiz اندازه‌گیری آگاهینیاز بالینی برآورده‌نشده‌ای وجود دارد برای دستگاهی که بتواند به‌طور قابل اعتماد حضور یا فقدان آگاهی را در افراد دچار آسیب یا ناتوانی تشخیص دهد. برای مثال، در طول عمل جراحی، بیماران بیهوش می‌شوند تا از حرکت آن‌ها جلوگیری شود، فشار خون‌شان پایدار بماند و از درد و خاطرات تروماتیک جلوگیری شود. متأسفانه، این هدف همیشه محقق نمی‌شود: هر سال صدها بیمار در طول بیهوشی تا حدی از هوشیاری برخوردار هستند.گروه دیگری از بیماران که بر اثر تصادف، عفونت یا مسمومیت شدید دچار آسیب جدی مغزی شده‌اند، ممکن است سال‌ها زنده بمانند بی‌آنکه بتوانند حرف بزنند یا به دستورهای کلامی پاسخ دهند. این‌که بتوان ثابت کرد آن‌ها واقعاً زندگی را تجربه می‌کنند، یکی از دشوارترین چالش‌های بالینی است. تصور کنید فضانوردی در فضا سرگردان است و تلاش‌های مرکز کنترل مأموریت را برای برقراری تماس می‌شنود. رادیوی آسیب‌دیدهٔ او صدایش را منتقل نمی‌کند و از بیرون چنین به نظر می‌رسد که گویی برای جهان از دست رفته است. وضعیت اندوه‌بار این بیماران نیز همین‌گونه است: مغز آسیب‌دیده‌شان اجازه نمی‌دهد با جهان ارتباط برقرار کنند – شکل افراطی‌تر انزوای کامل.در اوایل دههٔ ۲۰۰۰، جولیو تونونی از دانشگاه ویسکانسین–مدیسن و مارچلو ماسیمینی، که اکنون در دانشگاه میلان ایتالیا فعالیت می‌کند، روشی را پایه‌گذاری کردند که «زَپ و زیپ» نام گرفت؛ روشی برای بررسی این‌که آیا فردی آگاه است یا نه. پژوهشگران سیم‌پیچی عایق‌بندی‌شده روی پوست سر قرار می‌دادند و آن را «زَپ» می‌کردند – یعنی پالس شدید انرژی مغناطیسی به درون جمجمه می‌فرستادند – و بدین ترتیب جریان الکتریکی کوتاهی در نورون‌های زیرین القا می‌شد. این آشفتگی به نوبهٔ خود نورون‌های همکار در نواحی متصل را تحریک یا مهار می‌کرد و زنجیره‌ای از فعالیت در سراسر قشر مغز به راه می‌انداخت که به‌صورت طنین‌انداز پیش می‌رفت تا سرانجام فروکش کند. شبکه‌ای از حسگرهای الکتروانسفالوگرافی (EEG) که بیرون از جمجمه قرار داشتند، این سیگنال‌های الکتریکی را ثبت می‌کردند. این ردپاّهای فعالیت که در طول زمان گسترش می‌یافتند — و هرکدام با ناحیه‌ای مشخص از مغز زیر جمجمه متناظر بودند — در نهایت نوعی «فیلم» از فعالیت مغزی ایجاد می‌کردند.این امواج در حال گسترش نه الگویی کلیشه‌ای و تکراری ترسیم می‌کردند و نه کاملاً تصادفی بودند. نکتهٔ چشمگیر این بود هرچه این ریتم‌های اوج‌گیرنده و فروکش‌کننده قابل پیش‌بینی‌تر بودند، احتمال بیشتری می‌رفت مغز ناهوشیار باشد. پژوهشگران این یافته را با فشرده‌سازی داده‌های فیلم به کمک الگوریتمی که معمولاً برای «زیپ» کردن فایل‌های رایانه‌ای به کار می‌رود، کمّی‌سازی کردند. فشرده‌سازی به دست‌آمده برآوردی از پیچیدگی پاسخ مغز ارائه می‌داد. داوطلبانی که بیدار بودند، «شاخص پیچیدگی اختلالی» بین ۰٫۳۱ تا ۰٫۷۰ داشتند؛ این مقدار هنگام خواب عمیق یا بیهوشی به زیر ۰٫۳۱ کاهش می‌یافت. ماسیمینی و تونونی معیار «زپ و زیپ» را روی ۴۸ بیمار که دچار آسیب مغزی شده بودند اما بیدار و پاسخ‌گو بودند آزمایش کردند و در همهٔ موارد، این روش شواهد رفتاریِ مبنی‌بر وجود آگاهی را تأیید کرد.سپس تیم پژوهشی روش «زپ و زیپ» را روی ۸۱ بیمار که آگاهی حداقلی داشتند یا در حالت نباتی بودند، به کار برد. در گروه نخست، که نشانه‌هایی از رفتار غیرانعکاسی نشان می‌دادند، این روش به‌درستی ۳۶ نفر از ۳۸ بیمار را آگاه تشخیص داد و تنها دو مورد را اشتباهاً ناآگاه تشخیص داد. از میان ۴۳ بیمار در حالت نباتی که هیچ تلاش بالینی برای برقراری ارتباط با آن‌ها موفق نبود، ۳۴ نفر به‌عنوان ناآگاه شناسایی شدند، اما ۹ نفر چنین نبودند. مغز این ۹ بیمار واکنشی مشابه مغز افراد آگاهِ گروه کنترل نشان داد؛ موضوعی که نشان می‌داد آن‌ها آگاه بودند اما نمی‌توانستند با عزیزان‌شان ارتباط برقرار کنند.مطالعات جاری در حال استانداردسازی و بهبود روش «زپ و زیپ» برای بیماران نورولوژیک هستند و قصد دارند آن را به بیماران روانی و کودکان نیز گسترش دهندیر یا زود، دانشمندان مجموعه‌ی مشخصی از سازوکارهای عصبی را که هر تجربه‌ی معینی را پدید می‌آورند، کشف خواهند کرد. گرچه این یافته‌ها پیامدهای بالینی مهمی خواهند داشت و ممکن است مایۀ دلگرمی خانواده‌ها و دوستان بیمار باشند، اما برخی پرسش‌های بنیادی را بی‌پاسخ خواهند گذاشت: چرا این نورون‌ها و نه نورن‌های دیگر؟ چرا این فرکانس خاص و نه فرکانسی دیگر؟ در حقیقت، معمای پایدار این است که چرا هر تودۀ بسیار سازمان‌یافته‌ای از مادۀ فعال، به احساس آگاهانه می‌انجامد. مغز نیز در نهایت انند هر اندام دیگری است و از همان قوانین فیزیکی‌ای پیروی می‌کند که بر قلب یا کبد حاکم‌اند. پس چه چیزی آن را متفاوت می‌کند؟ چه ویژگی‌ای در زیست‌فیزیکِ (biophysics) بافت به‌شدت تحریک‌پذیر مغز وجود دارد که این تودۀ خاکستری نرم و چسبان را به جهان سرشار از صداها و رنگ‌های زنده و درخشانی تبدیل می‌کند که تار و پود تجربۀ روزمرۀ ما را می‌سازند؟در نهایت، آن‌چه نیاز داریم، نظریهٔ علمی‌ای قانع‌کننده دربارهٔ آگاهی است که بتواند پیش‌بینی کند تحت چه شرایطی سامانهٔ فیزیکی خاصی – چه مدار پیچیدۀ نورونی باشد چه ترانزیستورهای سیلیکونی – دارای تجربه خواهد بود. علاوه‌بر این، چرا کیفیت این تجربیات متفاوت است؟ چرا آسمان صاف و آبی چنین متفاوت از صدای گوش‌خراش ویولن درست کوک‌نشده احساس می‌شود؟ آیا این تفاوت‌ها در حس‌ها کارکردی دارند و اگر دارند، آن کارکرد چیست؟ چنین نظریه‌ای به ما امکان می‌دهد پیش‌بینی کنیم کدام سامانه‌ها دارای تجربه خواهند بود. در غیاب نظریه‌ای با پیش‌بینی‌های قابل آزمون، هر حدس و گمانی دربارهٔ آگاهیِ ماشینی صرفاً بر اساس شهود ما استوار خواهد بود، و تاریخ علم نشان داده است که شهود به تنهایی راهنمای قابل اعتمادی نیست.بحث‌های شدیدی دربارۀ دو نظریهٔ محبوب آگاهی شکل گرفته است. یکی از آن‌ها نظریهٔ فضای کار عمومی نورونی (GNW) است که توسط برنارد جی. بارس روان‌شناس و عصب‌شناسانی چون استانیسلاس دهان و ژان-پیر شانژو ارائه شده است. این نظریه با مشاهده‌ای آغاز می‌شود: وقتی نسبت به چیزی آگاه هستید، بخش‌های مختلفی از مغز به آن اطلاعات دسترسی دارند. اما اگر به‌طور ناآگاهانه عمل کنید، آن اطلاعات تنها محدود به سامانهٔ حسی–حرکتی خاصی است که درگیر است. برای مثال، وقتی با سرعت تایپ می‌کنید، این کار را به‌طور خودکار انجام می‌دهید. اگر از شما بپرسند چگونه این کار را انجام می‌دهید، پاسخی نخواهید داشت: شما دسترسی آگاهانهٔ کمی به آن اطلاعات دارید، و این اطلاعات هم دقیقاً در مدارهای مغزی‌ای قرار دارد که چشم‌هایتان را به حرکت سریع انگشتان پیوند می‌دهد. به سوی نظریه‌ای بنیادیننظریهٔ فضای کار عمومی نورونی (GNW) بر این اصل استوار است که آگاهی از نوع خاصی از پردازش اطلاعات پدید می‌آید؛ پردازشی که از روزهای اولیهٔ هوش مصنوعی آشناست، زمانی که برنامه‌های تخصصی به مخزنی کوچک و مشترک از اطلاعات دسترسی داشتند. هر داده‌ای که روی این «تخته‌سیاه» نوشته می‌شد، در دسترس مجموعه‌ای از فرایندهای فرعی قرار می‌گرفت: حافظهٔ کاری، زبان، ماژول برنامه‌ریزی و غیره. بر اساس GNW، آگاهی زمانی پدیدار می‌شود که اطلاعات حسی ورودی، روی چنین تخته‌سیاهی ثبت شده و به‌طور جهانی در چندین سامانهٔ شناختی پخش شود –سامانه‌هایی که این داده‌ها را برای صحبت کردن، ذخیره یا فراخوانی خاطره، یا انجام عملی پردازش می‌کنند.چون تخته‌سیاه فضای محدودی دارد، در هر لحظه تنها می‌توانیم به مقدار کمی از اطلاعات آگاه باشیم. شبکه‌ای از نورون‌ها که این پیام‌ها را پخش می‌کنند، گمان ‌می‌رود در لوب‌های پیشانی و آهیانه‌ای قرار داشته باشند. وقتی این داده‌های پراکنده در این شبکه پخش شده و به‌طور جهانی در دسترس قرار گیرند، آن اطلاعات آگاهانه می‌شوند؛ یعنی فرد نسبت به آن‌ها آگاه می‌گردد. ماشین‌های فعلی هنوز به این سطح از پیچیدگی شناختی نرسیده‌اند، اما برای رسیدن به آن، تنها مسئله، زمان است. طبق ادعایِ نظریۀ GNW، کامپیوترهای آینده واجد آگاهی خواهند بود.نظریهٔ اطلاعات یکپارچه (IIT) که توسط تونی و همکارانش، از جمله خود من، توسعه یافته، نقطهٔ شروع بسیار متفاوتی دارد: خود تجربه. هر تجربه ویژگی‌های اساسی خاص خود را دارد. تجربه امری درونی است و تنها برای سوژه، به‌عنوان «دارندۀ» آن، وجود دارد. تجربه ساختارمند است (مثلاً درحالی که سگی قهوه‌ای از خیابان عبور می‌کند، تاکسی زردی ترمز می‌کند). تجربه خاص است، یعنی از هر تجربۀ آگاهانۀ دیگری متمایز است، مانند یک قاب (فریم) مشخص در فیلم. علاوه بر این، تجربه یکپارچه و معین است. وقتی در یک روز گرم و آفتابی روی نیمکت پارک نشسته‌اید و کودکان را تماشا می‌کنید، بخش‌های مختلف تجربه – نسیمی که در موهایتان می‌پیچد یا لذت حاصل از شنیدن خندهٔ کودکِ خردسالتان – نمی‌توانند از هم جدا شوند، مگر این‌که خودِ آن تجربه دیگر همان تجربۀ قبلی نباشد.تونونی فرض می‌کند که هر سازوکار پیچیده و به‌هم‌پیوسته‌ای که ساختارش مجموعه‌ای از روابط عّلت و معلولی را رمزگذاری کند، واجد این ویژگی‌ها خواهد بود و بنابراین دارای سطحی از آگاهی خواهد بود. از درون، چیزی شبیه به تجربه خواهد داشت. اما اگر آن سازوکار، مانند مخچه، فاقد یکپارچگی و پیچیدگی باشد، از چیزی آگاه نخواهد بود. از دید نظریهٔ اطلاعات یکپارچه (IIT)، آگاهی همان توان علّی درونی (intrinsic causal power) است که با سازوکارهای پیچیده‌ای مانند مغز انسان مرتبط است.نظریهٔ IIT همچنین از روی پیچیدگیِ ساختارِ به‌هم‌پیوستۀ زیربنایی، عدد غیرمنفی واحدی به نام Φ (تلفظ: «فای») استخراج می‌کند که آگاهی را کمّی می‌سازد. اگر Φ برابر صفر باشد، سیستم هیچ حسی از بودن خود ندارد. برعکس، هرچه این عدد بزرگ‌تر باشد، سیستم توان علّی درونی بیشتری دارد و آگاه‌تر است. مغز که از ارتباطات بسیار گسترده و ویژه‌ای برخوردار است، Φ بسیار بالایی دارد و این نشان‌دهندهٔ سطح بالایی از آگاهی است. نظریهٔ IIT توضیح می‌دهد که چرا مخچه در آگاهی نقشی ندارد و چرا معیار «زپ و زیپ» مؤثر است (کمیّتی که این معیار اندازه‌گیری می‌کند، تقریب بسیار خامی از Φ می‌باشد).نظریهٔ IIT همچنین پیش‌بینی می‌کند که شبیه‌سازی پیشرفتهٔ مغز انسان روی کامپیوتر دیجیتال نمی‌تواند آگاه باشد، حتی اگر بتواند به‌شیوه‌ای صحبت کند که از انسان قابل تشخیص نباشد. درست همان‌طور که شبیه‌سازی نیروی گرانشی عظیم یک سیاه‌چاله، در حقیقت فضا-زمان پیرامون کامپیوتری که کد اخترفیزیکی را اجرا می‌کند، خم نخواهد کرد، نوشتن برنامه برای ایجاد آگاهی نیز هرگز منجر به کامپیوتری آگاه نخواهد شد. آگاهی را نمی‌توان محاسبه کرد؛ بلکه باید در ساختار خود سیستم تعبیه شود.دو چالش پیش روی ما قرار دارد. یکی این است که از ابزارهای هرچه دقیق‌ترِ در اختیارمان برای مشاهده و بررسی ائتلاف‌های گستردهٔ نورون‌های بسیار ناهمگونِ سازندهٔ مغز بهره بگیریم تا ردپاهای نورونیِ آگاهی را دقیق‌تر مشخص کنیم. با توجه به پیچیدگی بغرنجِ دستگاه عصبی مرکزی، این تلاش دهه‌ها به طول خواهد انجامید. چالش دیگر، تأیید یا ردّ دو نظریهٔ غالب کنونی است؛ یا شاید ترکیبِ قطعاتی از این دو برای ساختن نظریه‌ای بهتر که بتواند به‌طور رضایت‌بخشی معمای مرکزیِ وجود ما را توضیح دهد: چگونه یک عضو سه‌پوندی با بافتی شبیه توفو، احساس زندگی تراوش می‌کند. Amirhosein Neshat Amirhosein Neshat Fri, 08 May 2026 23:10:18 +0330 https://virgool.io/@amirhosn/%D8%A2%DA%AF%D8%A7%D9%87%DB%8C-%DA%86%DB%8C%D8%B3%D8%AA-%D9%86%D9%88%D8%B4%D8%AA%DB%80-%DA%A9%D8%B1%DB%8C%D8%B3%D8%AA%D9%81-%DA%A9%D9%8F%D8%AE-%D8%A8%D8%AE%D8%B4-%DB%B1-mur2can4gwti متن پیشِ رو، ترجمه‌ای است از مقالۀ «?What Is Consciousness» نوشتۀ Christof Koch.دانشمندان شروع به گشودن گره معمایی کرده‌اند که سال‌ها فیلسوفان را به چالش کشیده بود.آگاهی هر آن چیزی است که تجربه می‌کنید. همان نغمه‌ای است که در سرتان گیر کرده، شیرینیِ موسِ شکلاتی، دردِ تپندهٔ یک دندان‌درد، عشقِ سوزان به فرزندتان، و آن آگاهیِ تلخ که سرانجام تمامِ احساسات به پایان خواهند رسید.خاستگاه و ماهیت این تجربه‌ها که گاه از آن‌ها تحت عنوان «کوآلیا» یاد می‌شود از نخستین روزگار باستان تا امروز معمایی حل‌نشده بوده است. بسیاری از فیلسوفان تحلیلیِ معاصرِ ذهن، و شاید برجسته‌تر از همه دنیل دنت از دانشگاه تافتس، وجود آگاهی را چنان توهینی تحمل‌ناپذیر به آن چیزی می‌دانند به باورشان باید جهانی بی‌معنا از ماده و خلأ باشد، که آن را صرفاً یک توهم اعلام می‌کنند. به بیان دیگر، یا وجود کوآلیا را انکار می‌کنند، یا استدلال می‌آورند که هرگز نمی‌توان آن را به‌گونه‌ای معنادار در چارچوب علم مطالعه کرد.اگر آن ادعا درست بود، این مقاله بسیار کوتاه می‌شد. تنها کافی بود توضیح دهم چرا شما، من و تقریباً هر کس دیگری تا این اندازه قانع‌ایم که اساساً احساس‌هایی داریم. اما اگر دچار آبسهٔ دندان باشم، حتی پیچیده‌ترین استدلال‌ها هم که بخواهند مرا متقاعد کنند درد من توهمی بیش نیست، ذره‌ای از رنج آن نخواهند کاست. چون همدلی چندانی با این راه‌حلِ نومیدانه و از روی استیصال برای مسئلهٔ ذهن-جسم ندارم، از آن می‌گذرم و بحث را ادامه می‌دهم.اکثریت پژوهشگران آگاهی را امری مفروض می‌پذیرند و می‌کوشند نسبت آن را با جهان عینی‌ای که علم توصیف می‌کند روشن سازند. بیش از یک ربع قرن پیش، فرانسیس کریک و من تصمیم گرفتیم بحث‌های فلسفی دربارهٔ آگاهی (که دست‌کم از زمان ارسطو ذهن اندیشمندان را به خود مشغول کرده است) کنار بگذاریم و به‌جای آن در پی ردپاهای فیزیکی آن بگردیم. این تکهٔ به شدت برانگیختنی مادهٔ مغز چه خاصیتی دارد که به آگاهی می‌انجامد؟ پس از درک این مسئله، امید می‌رود که به حلِ پرسشِ بنیادی‌تر نزدیک‌تر شویم.ما به‌طور خاص به دنبال «همبسته‌های عصبیِ آگاهی» (NCC) هستیم؛ یعنی «حداقل سازوکارهای عصبی‌ای که در کنار هم برای پدید آمدن یک تجربهٔ آگاهانهٔ مشخص کافی می‌باشند». برای مثال، باید در مغز شما چه رخ دهد تا دندان‌درد را تجربه کنید؟ آیا لازم است برخی سلول‌های عصبی با نوعی فرکانس جادویی نوسان کنند؟ آیا برخی «نورون‌های آگاهی» خاصی باید فعال شوند؟ و اگر چنین است، این سلول‌ها در کدام نواحی مغز قرار دارند؟ هم‌بسته‌های عصبی آگاهیهنگام تعریف همبسته‌های عصبیِ آگاهی (NCC)، قید «حداقلی» اهمیت اساسی دارد. در نهایت می‌توان کل مغز را یک NCC دانست؛ زیرا هر روز و به‌طور شبانه‌روزی تجربه تولید می‌کند. اما می‌توان محدودهٔ آگاهی را دقیق‌تر مشخص کرد. برای نمونه، نخاع را در نظر بگیرید: لوله‌ای انعطاف‌پذیر از بافت عصبی به طول یک‌ونیم فوت درون ستون فقرات، با حدود یک میلیارد سلول عصبی. اگر نخاع در اثر ضربه‌ای به ناحیهٔ گردن به‌طور کامل قطع شود، فرد دچار فلج در پاها، بازوها و تنه می‌شود، توانایی کنترل روده و مثانه را از دست می‌دهد و دیگر حس‌های بدنی نخواهد داشت. با این حال، افراد دچار فلج چهاراندام همچنان زندگی را با تمام گوناگونی‌اش تجربه می‌کنند –می‌بینند، می‌شنوند، بو می‌کشند، هیجان‌ها را احساس می‌کنند و همان اندازه پیش از حادثه‌ای که زندگی‌شان را به‌طور بنیادین دگرگون کرد، به یاد می‌آورند.یا مخچه، یعنی «مغز کوچک»، را در نظر بگیرید که زیر قسمت عقبی مغز قرار دارد. مخچه یکی از قدیمی‌ترین مدارهای مغزی از نظر تکاملی است که در کنترل حرکات، وضعیت بدن و راه رفتن و اجرای روان توالی‌های پیچیدهٔ حرکتی نقش دارد. نواختن پیانو، تایپ کردن، رقص روی یخ یا بالا رفتن از دیوارهٔ سنگی –تمام این فعالیت‌ها به مخچه وابسته‌اند. مخچه دارای عظیم‌ترین نورون‌های مغز، معروف به سلول‌های پورکنژ است، که شاخه‌هایشان شبیه مرجان‌های بادزن دریا گسترش می‌یابد و دارای دینامیک‌های الکتریکی پیچیده‌ای هستند. همچنین بیشترین تعداد نورون‌ها را دارد، حدود ۶۹ میلیارد (که بیشتر آن‌ها سلول‌های دانه‌ای ستاره‌شکل مخچه‌ای هستند)، که چهار برابرِ مجموع نورون‌های سایر قسمت‌های مغز روی‌هم‌رفته می‌باشد.اگر بخش‌هایی از مخچه بر اثر سکته یا جراحی از دست بروند، چه بر سر آگاهی می‌آید؟ تقریباً هیچ! بیماران مخچه‌ای چندین اختلال گزارش می‌کنند، مانند از دست دادن روانی در نواختن پیانو یا تایپ با کیبورد، اما هرگز شکایتی مبنی بر از دست دادن هیچ جنبه‌ای از آگاهی خود ندارند. آن‌ها می‌شنوند، می‌بینند و احساس می‌کنند، حسِ خودآگاهی‌شان را حفظ می‌کنند، اتفاقات گذشته را به یاد می‌آورند و همچنان خود را در آینده تصور می‌کنند. حتی متولد شدن بدون مخچه نیز تجربهٔ آگاهانهٔ فرد را به‌طور قابل توجهی تحت تأثیر قرار نمی‌دهد.تمام ساختار وسیع مخچه هیچ نقشی در تجربهٔ درونی ندارد. چرا؟ سرنخ‌های مهمی را می‌توان در مدارهای آن یافت، که به‌طرز شگفت‌آوری یکنواخت و موازی است (درست مانند باتری‌هایی که به‌صورت موازی به هم متصل شده‌اند). مخچه تقریباً به‌طور انحصاری یک مدار پیش‌خور (feed-forward) است: مجموعه‌ای از نورون‌ها مجموعهٔ بعدی را تغذیه می‌کنند و آن مجموعه نیز مجموعۀ سوم را تحت تأثیر قرار می‌دهند. هیچ حلقهٔ بازخورد پیچیده‌ای با فعالیت الکتریکیِ رفت‌وبرگشتی وجود ندارد. (با توجه به زمانی که برای شکل‌گیری یک ادراک آگاهانه لازم است، بسیاری از نظریه‌پردازان نتیجه می‌گیرند که آگاهی باید شامل حلقه‌های بازخوردی در مدارهای پیچیده و گستردۀ مغز باشد.) علاوه بر این، مخچه به‌لحاظ کارکردی به صدها یا حتی بیشتر ماژول محاسباتی مستقل تقسیم شده است. هر یک به‌صورت موازی عمل می‌کنند، با ورودی و خروجی‌های متمایز و غیرهم‌پوشان، و حرکت سیستم‌های حرکتی یا شناختی مختلف را کنترل می‌کنند. این ماژول‌ها به ندرت با هم تعامل دارند – ویژگی دیگری که برای آگاهی ضروری تلقی می‌شود.یک درس مهم که می‌توان از نخاع و مخچه گرفت این است که «غول چراغ جادوی آگاهی» صرفاً با تحریک هر بافت عصبی‌ای ظاهر نمی‌شود؛ چیز بیشتری لازم است. این عامل اضافی در مادهٔ خاکستری‌ای یافت می‌شود که قشر مخ معروف، سطح خارجی مغز، را می‌سازد. قشر مخ یک ورقهٔ لایه‌لایه از بافت عصبی درهم‌بافته با پیچیدگی‌های بسیار است، به اندازه و پهنای یک پیتزای ۱۴ اینچی. دو عدد از این ورقه‌ها (اشاره به نیم‌کره‌های مغزی؛ افزودهٔ مترجم)، که به‌شدت چین خورده‌اند، همراه با صدها میلیون سیم عصبی‌شان – مادهٔ سفید – درون جمجمه فشرده شده‌اند. تمام شواهد موجود نشان می‌دهد که بافت نئوکورتیکال (نوقشری) احساسات را تولید می‌کند.می‌توانیم جایگاه آگاهی را حتی دقیق‌تر مشخص کنیم. به‌عنوان مثال، آزمایش‌هایی را در نظر بگیرید که در آن‌ها محرک‌های مختلفی به چشم راست و چپ ارائه می‌شوند. فرض کنید تصویری از دونالد ترامپ فقط به چشم چپ شما و تصویری از هیلاری کلینتون فقط به چشم راست شما نشان داده شود. ممکن است تصور کنید که تصویری عجیب و ترکیبی از ترامپ و کلینتون خواهید دید. اما در واقع، ابتدا چند ثانیه ترامپ را خواهید دید، سپس او ناپدید می‌شود و کلینتون ظاهر می‌شود، بعد او هم می‌رود و دوباره ترامپ نمایان می‌شود. این دو تصویر به شکلی مداوم، تا بی‌نهایت جایگزین یکدیگر می‌شوند، چیزی که عصب‌شناسان آن را رقابت دوچشمی (binocular rivalry) می‌نامند. چون مغز شما ورودی مبهمی می‌گیرد، نمی‌تواند تصمیم بگیرد: آیا این ترامپ است یا کلینتون؟اگر همزمان درون یک دستگاه اسکن مغناطیسی قرار بگیرید که فعالیت مغز را ثبت می‌کند، پژوهشگران متوجه خواهند شد که مجموعهٔ وسیعی از نواحی قشری، که جمعاً «ناحیهٔ داغ خلفی» (posterior hot zone) نامیده می‌شوند، فعال است. این نواحی شامل بخش‌های آهیانه‌ای، پس‌سری و گیجگاهی در بخش خلفی قشر مغز [به عکسِ صفحۀ آخر مراجعه کنید] هستند و نقش مهمی در ردیابی آنچه می‌بینیم ایفا می‌کنند. جالب این‌که قشر بینایی اولیه، که اطلاعات ورودی از چشم‌ها را دریافت و منتقل می‌کند، نشان‌دهندهٔ آنچه سوژه می‌بیند نیست. سلسله‌مراتب کاری مشابهی برای شنوایی و لمس نیز دیده می‌شود: قشر شنوایی اولیه و قشر حسی-پیکری اولیه ]نیز[ مستقیماً در محتوای تجربهٔ شنیداری یا لمسی نقشی ندارند. بلکه این مراحل بعدی پردازش – در ناحیهٔ داغ خلفی – هستند که به ادراک آگاهانه شکل می‌دهند، از جمله تصویر ترامپ یا کلینتون.دو منبع بالینی، شواهد علّی روشنی در اختیار ما قرار می‌دهند: تحریک الکتریکی بافت قشری و مطالعهٔ بیمارانی که بخش‌های خاصی از مغزشان را بر اثر آسیب یا بیماری از دست داده‌اند. برای مثال، پیش از برداشتن تومور مغزی یا ناحیه‌ای که تشنج‌های صرعی بیمار از آ‌‌ن‌جا سرچشمه می‌گیرد، جراحان مغز و اعصاب با تحریک مستقیم بافت قشری اطراف با الکترود، عملکردهای آن ناحیه را نقشه‌برداری می‌کنند. تحریک ناحیهٔ داغ خلفی می‌تواند طیف متنوعی از احساسات و ادراکات متمایز ایجاد کند. این‌ها ممکن است شامل جرقه‌های نور، اشکال هندسی، تحریف چهره‌ها، توهمات شنوایی یا بینایی، احساس آشنایی یا غیرواقعی بودن، تمایل به حرکت یک اندام خاص و غیره باشند. اما تحریک جلوی قشر مغز وضعیت متفاوتی دارد: به طور کلی هیچ تجربهٔ مستقیمی ایجاد نمی‌کند.منبع دومِ شواهد روشن‌گر، بیماران نورولوژیکی از نیمهٔ اول قرن بیستم هستند. جراحان گاهی مجبور بودند کمربند بزرگی از قشر پیش‌پیشانی را برای برداشتن تومورها یا بهبود تشنج‌های صرعی بردارند. نکتهٔ جالب این است که این بیماران عادی به‌نظر می‌آمدند. از دست دادن بخشی از لوب پیشانی تأثیرات زیان‌آور خاصی داشت: بیماران مهار خود بر هیجانات یا اعمال نامناسب را از دست می‌دادند، دچار اختلالات حرکتی می‌شدند یا تکرار غیرقابل کنترل برخی حرکات یا کلمات در آن‌ها رخ می‌داد. با این حال، پس از عمل، شخصیت و ضریب هوشی آن‌ها بهبود یافت و سال‌ها زندگی کردند، بدون اینکه شواهدی وجود داشته باشد که برداشت شدید بافت پیشانی تجربهٔ آگاهانهٔ آن‌ها را به‌طور قابل توجهی تحت تأثیر قرار داده باشد. در مقابل، برداشتن حتی بخش‌های کوچک قشر خلفی، جایی که ناحیهٔ داغ قرار دارد، می‌تواند منجر به از دست رفتن کامل دسته‌ای از محتویات آگاهانه شود: بیماران قادر به تشخیص چهره‌ها یا دیدن حرکت، رنگ یا فضا نیستند.به نظر می‌رسد که دیدنی‌ها، شنیدنی‌ها و سایر حس‌های زندگی، همان‌طور که ما آن‌ها را تجربه می‌کنیم، در نواحی قشر خلفی ایجاد می‌شوند. تا جایی که می‌توان گفت، تقریباً همهٔ تجربیات آگاهانه از آن‌جا منشأ می‌گیرند. تفاوت حیاتی این نواحی خلفی با بخش عمده‌ای از قشر پیش‌پیشانی، که مستقیماً در محتوای ذهنی نقشی ندارد، چیست؟ حقیقت این است که هنوز نمی‌دانیم. با این حال – و به شکل هیجان‌انگیزی – یک یافتهٔ اخیر نشان می‌دهد که عصب‌شناسان ممکن است در حال نزدیک‌تر شدن به پاسخ باشند. Amirhosein Neshat Amirhosein Neshat Fri, 08 May 2026 21:40:16 +0330 https://virgool.io/@amirhosn/%D8%AF%DB%8C%D9%88%DB%8C%D8%AF-%D9%85%D8%A7%D8%B1-%D8%A8%D9%87-%D8%B9%D9%86%D9%88%D8%A7%D9%86-%DB%8C%DA%A9%DB%8C-%D8%A7%D8%B2-%DA%86%D9%87%D8%B1%D9%87-%D9%87%D8%A7%DB%8C-%DA%A9%D9%84%DB%8C%D8%AF%DB%8C-%D8%AF%D8%B1-%D8%B9%D9%84%D9%88%D9%85-%D8%B4%D9%86%D8%A7%D8%AE%D8%AA%DB%8C-bp8tlziliof0 چرا معمولا از دیوید مار به‌عنوان یکی از چهره‌های کلیدی در علوم شناختی یاد می‌شود؟دیوید مار یکی از چهره‌های کلیدی و مهم علوم شناختی و علوم اعصاب محاسباتی محسوب می‌شود که اسم‌اش با رویکردی عمیقاً میان‌رشته‌ای گره خورده است. مار در طول عمر کوتاه اما پُربارش، توانست پلی میان علوم اعصاب، علوم رایانه، روان‌شناسی و فلسفهٔ ذهن بزند و زبان مشترکی برای این حوزه‌ها ارائه کند. مار مغز و ذهن را نه صرفاً به‌عنوان یک پدیدهٔ زیستی، بلکه به‌مثابهٔ سیستم‌های پردازش اطلاعاتی می‌دید که باید با همان دقّت و روش‌شناسیِ مهندسی تحلیل شوند. اهمیت کار مار برای علوم شناختی در این بود که نشان داد فهمِ ذهن، نیازمند همکاری چندین رشته است؛ از فیزیولوژیِ نورون‌ها و نظریه‌های بازنمایی گرفته تا الگوریتم‌های پردازش تصویر و مدل‌سازیِ رایانه‌ای. به همین دلیل، دیوید مار به‌عنوان نمادِ تلاش میان‌رشته‌ای در علوم شناختی باقی مانده، تلاشی که همچنان در بینایی کامپیوتر، علوم اعصاب محاسباتی و مدل‌سازی شناختی الهام‌بخش می‌باشد.دیوید مار در فصل اوّل کتاب مشهورش Vision: A Computational Investigation into the Human Representation and Processing of Visual Information، که پس از مرگ زودهنگام‌اش منتشر شد، می‌نویسد:«تلاش برای درک ادراک تنها از طریق مطالعهٔ نورون‌ها، مانند تلاش برای درک پرواز پرندگان صرفاً از راه مطالعهٔ بال‌های آن‌هاست؛ چنین چیزی به‌سادگی ممکن نیست.»این نگاه به تولد مفهوم یا رویکرد سطوح تحلیل یا فرضیۀ سه سطحی انجامید؛ چارچوبی که مار نه فقط برای مطالعهٔ سیستم بینایی، بلکه برای هر فرآیند یا سیستمِ شناختیِ دیگری پیشنهاد می‌کرد: طبق این دیدگاه، هر سیستم شناختی و پردازش اطلاعاتی را باید در سه سطح مورد مطالعه و بررسی قرار داد؛ سطح محاسباتی (مسئله‌ای که باید حل شود چیست و چرا باید حل شود؟)، سطح الگوریتمی (این مسئله چه‌طور باید حل شود؟ با چه بازنمایی‌ها و فرآیندها و گام‌های پردازشی‌ای باید حل شود؟) و سطح اجرایی (این فرآیند چه‌طور در سخت‌افزار فیزیکی، مثل مغز یا رایانه، پیاده‌سازی می‌شود یا تحقق پیدا می‌کند؟).دیوید مار برای مطالعهٔ سیستم‌های شناختی چارچوبی سه‌ سطحی ارائه کرد که در آن، سطح محاسباتی به این می‌پردازد که سیستم دقیقاً چه مسئله‌ای را حل باید حل کند و اهمیت حل این مسئله چیست (مثلاً هدف بینایی، بازسازی دنیای سه‌بعدی از ورودی‌های سلول‌های شبکیه است). سطح الگوریتمی توضیح می‌دهد این هدف با چه نمادها و بازنمایی‌هایی و چه الگوریتم‌ها و گام‌های پردازشی‌ای انجام می‌شود (مثل استخراج لبه‌ها، ترکیب ویژگی‌ها و دسته‌بندی اشیاء). سطح اجرایی مشخص می‌کند این الگوریتم‌ها در چه ساختار فیزیکی یا زیستی اجرا می‌شوند و چه‌طور در این ساختار فیزیکی تحقق پیدا می‌کنند (مثلاً شبکه‌ای از نورون‌ها، مدارهای عصبی یا سخت‌افزار کامپیوتری). به‌زعم مار، این سه سطح مکمل هم‌دیگر هستند و بدون در نظر گرفتن هر یک از سه سطح، ما درک کامل و جامعی از سیستم شناختی یا پردازش اطلاعات نخواهیم داشت.آنچه در ادامه می‌آید، ترجمهٔ بخش‌هایی از مقدمهٔ کتاب Vision اثر دیوید مار است. انتخاب این متن با این هدف انجام شده تا فرصتی برای مواجههٔ مستقیم با یکی از آثار مهم و تأثیرگذار تاریخ علوم شناختی فراهم شود؛ مواجهه‌ای که به‌جای روایت‌های دست‌دوّم، از خلال خودِ نوشته‌ها و ایده‌های نویسنده شکل می‌گیرد و امکان درک عمیق‌تری از فضای فکری و دغدغه‌های علمی او به دست می‌دهد.دیدن یعنی چه؟ پاسخ انسان معمولی (و البته پاسخ ارسطو) چنین خواهد بود: دانستنِ اینکه چه چیزی کجاست، از طریق نگاه کردن. به‌عبارت دیگر، بینایی فرآیند کشف این است که از روی تصاویر بفهمیم چه چیزی در جهان حاضر است و در کجا قرار دارد.بینایی پیش از هر چیز وظیفهٔ پردازش اطلاعات است، اما نمی‌توان آن را صرفاً فرآیند دانست. زیرا اگر ما قادر باشیم بدانیم چه چیزی در جهان کجاست، مغز ما باید به‌نحوی تواناییِ بازنمایی این اطلاعات را داشته باشد، با تمام تنوع رنگ و شکل، زیبایی، حرکت و جزئیاتِ آن. پس مطالعهٔ بینایی تنها شامل بررسی چگونگی استخراج جنبه‌های مختلف جهان از تصاویر که برای ما سودمند هستند نمی‌شود، بلکه باید پژوهشی هم در ماهیت بازنمایی‌های درونی صورت گیرد؛ بازنمایی‌هایی که از طریق آن‌ها این اطلاعات را ثبت می‌کنیم و در نتیجه آن را به‌عنوان مبنایی برای تصمیم‌گیری در مورد افکار و کنش‌هایمان در دسترس قرار می‌دهیم. این دوگانگی — بازنمایی و پردازش اطلاعات — در قلب بیشتر وظایف پردازش اطلاعات قرار دارد و به‌شکلی عمیق مسیرِ بررسیِ ما دربارۀ مسائلِ ویژه‌ای که بینایی مطرح می‌کند را شکل خواهد داد.نیاز به درک وظایف و ماشین‌های پردازش اطلاعات، پدیده‌ای نسبتاً نوظهور است. تا زمانی که انسان‌ها رؤیای ساخت چنین ماشین‌هایی را در سر نپرورانده و سپس آن‌ها را نساخته بودند، هیچ نیاز فوری و جدّی برای اندیشیدنِ عمیق به این موضوع وجود نداشت. اما به‌محض آنکه اندیشه دربارۀ این وظایف و ماشین‌ها آغاز شد، به‌سرعت روشن گردید که بسیاری از جنبه‌های جهان پیرامون ما می‌توانند از منظر پردازش اطلاعات بررسی شوند. بیشتر پدیده‌هایی که برای انسان‌ها بنیادی و اساسی‌اند — از رازهای زندگی و تکامل گرفته تا ادراک، احساس و اندیشه — در اصل، پدیده‌هایی مرتبط با پردازش اطلاعات هستند؛ و اگر روزی بخواهیم آن‌ها را به‌راستی درک کنیم، ناگزیر باید این دیدگاه را در اندیشۀ خود بگنجانیم.نکتۀ بعدی — که باید با اندکی شتاب برای کسانی بیان شود که در جهانی زندگی می‌کنند که در آن رایانۀ شرکت خدمات عمومی هنوز قادر است صورت‌حساب نهایی به مبلغ ۰.۰۰ دلار صادر کند — تأکید بر این است که توصیف وظیفه‌ای به‌عنوان «صرفاً» کارِ پردازش اطلاعات، یا توصیف موجود زنده‌ای به‌عنوانِ «فقط» ماشینِ پردازش اطلاعات، نه محدودکننده است و نه تحقیرآمیز. از آن مهم‌تر، من به‌هیچ‌وجه از چنین توصیفی برای محدود کردن نوع تبیین‌هایی که لازم هستند استفاده نخواهم کرد. بلکه برعکس، یکی از ویژگی‌های جذاب ماشین‌های پردازش اطلاعات این است که برای درک کامل آن‌ها، باید بتوانیم توضیحاتی (تبیین‌هایی) در چند سطحِ مختلف را پذیرا باشیم.برای مثال، بیایید نگاهی بیندازیم به مجموعه دیدگاه‌هایی که باید در نظر گرفته شوند تا بتوان گفت از نظر انسانی و علمی، درک درستی از ادراک بینایی حاصل شده است. نخست، و به‌گمان من مهم‌تر از همه، دیدگاه انسان عادی است. او تجربۀ دیدن را از نزدیک می‌شناسد، و اگر پایه‌های استدلال‌ها و نظریه‌های ما با آنچه این فرد به‌طور مستقیم تجربه کرده هم‌خوانی نداشته باشد، احتمالاً اشتباه کرده‌ایم (نکته‌ای که آستین در سال ۱۹۶۲ با قدرت و ظرافت بیان کرده است). دوم، دیدگاه دانشمندان مغز، فیزیولوژیست‌ها و کالبدشناس‌هایی است که اطلاعاتِ زیادی دربارۀ ساختار سیستم عصبی و نحوۀ عملکرد بخش‌های مختلف آن دارند. مسائلی که برای آن‌ها اهمیت دارد — مثل نحوۀ اتصال سلول‌ها، دلیل واکنش‌هایِ خاصّ آن‌ها، و اصول نورونیِ مطرح‌شده توسط بارلو در سال ۱۹۷۲ — باید در هر تبیینِ جامع از ادراک مورد بررسی و پاسخ قرار گیرند. و همین منطق در مورد دیدگاه روان‌شناسان تجربی نیز صدق می‌کند.از سوی دیگر، کسی که رایانهٔ خانگی کوچکی خریده و با آن کار کرده باشد، ممکن است انتظارات کاملاً متفاوتی داشته باشد. او ممکن است بگوید: «اگر بینایی واقعاً وظیفه‌ای در پردازش اطلاعات است، پس باید بتوانم رایانه‌ام را وادار کنم این کار را انجام دهد، به‌شرطی که قدرت و حافظهٔ کافی داشته باشد و بتوان به‌نوعی آن را به یک دوربین تلویزیونی خانگی وصل کرد.» بنابراین، توضیحی که او می‌خواهد، توضیحی انتزاعی‌تر است؛ چیزی که به او بگوید چه برنامه‌ای بنویسد و اگر ممکن باشد، راهنمایی‌ای دربارهٔ بهترین الگوریتم‌ها برای انجام این کار. او علاقه‌ای به دانستن دربارهٔ رودوپسین، هستهٔ زانویی جانبی، یا اینترنورون‌های مهاری ندارد. او فقط می‌خواهد بداند چطور باید بینایی را برنامه‌نویسی کند.نکتهٔ بنیادی این است که برای درک دستگاهی که وظیفه‌ای در پردازش اطلاعات انجام می‌دهد، به انواع گوناگونی از تبیین‌ها نیاز داریم. بخش نخست این کتاب به همین موضوع می‌پردازد، و این مسئله جایگاه برجسته‌ای دارد زیرا یکی از سنگ‌بناهای کتاب این است که ما ناچار بوده‌ایم با دقت بیشتری به این بیندیشیم که «تبیین» دقیقاً شامل چه چیزی می‌شود؛ بسیار بیشتر از آنچه در دیگر پیشرفت‌های علمی اخیر، مانند زیست‌شناسی مولکولی، لازم بوده است. در موضوع بینایی، هیچ معادله یا دیدگاه یگانه‌ای وجود ندارد که بتواند همه‌چیز را توضیح دهد. هر مسئله باید از چند منظر بررسی شود: به‌عنوان مسئله‌ای در بازنمایی اطلاعات؛ به‌عنوان محاسبه‌ای که بتواند آن بازنمایی را به دست آورد؛ و به‌عنوان مسئله‌ای در معماری رایانه‌ای که بتواند هر دو کار را به‌سرعت و با اطمینان انجام دهد.با در نظر داشتن این ویژگیِ ذاتاً گستردۀ مفهوم تبیین، می‌توان از بسیاری از لغزش‌ها دوری کرد. یکی از پیامدهای تأکید بر پردازش اطلاعات، برای نمونه، ممکن است مقایسهٔ مغز انسان با رایانه باشد. البته از جنبه‌ای، مغز رایانه است، اما گفتن این جمله بدون قید و شرط گمراه‌کننده است، زیرا ماهیت مغز صرفاً این نیست که رایانه باشد، بلکه این است که رایانه‌ای است که عادت به انجام برخی محاسبات خاص دارد. اصطلاح «رایانه» معمولاً به ماشینی اطلاق می‌شود که مجموعه‌ای استاندارد از دستورالعمل‌ها دارد که عموماً به‌شکل سریالی اجرا می‌شود، گرچه امروزه گاهی به‌صورت موازی نیز اجرا می‌گردند و همۀ این‌ها تحت کنترل برنامه‌هایی است که در حافظه ذخیره شده‌اند. برای درک چنین رایانه‌ای، باید دانست از چه ساخته شده، چگونه سرهم شده، مجموعهٔ دستورالعمل‌هایش چیست، چه مقدار حافظه دارد و این حافظه چگونه در دسترس قرار می‌گیرد، و چگونه می‌توان آن را به اجرا درآورد. اما همۀ این‌ها تنها بخش کوچکی از درک رایانه‌ای است که در حال انجام وظیفۀ پردازش اطلاعات است.بیشترِ قیاس‌ها میان مغز و رایانه بیش از حد سطحی هستند و چندان سودمند نیستند. برای نمونه، به شبکهٔ بین‌المللی رایانه‌های رزرو پرواز بیندیشید؛ شبکه‌ای که وظیفهٔ تخصیص پروازها برای میلیون‌ها مسافر در سراسر جهان را بر عهده دارد. برای درک این سامانه، دانستن چگونگی کار رایانهٔ مدرن به‌تنهایی کافی نیست. باید اندکی هم دربارهٔ هواپیماها و کارکردشان دانست؛ دربارهٔ جغرافیا، مناطق زمانی، نرخ بلیت‌ها، نرخ تبدیل ارزها و ارتباطات؛ و نیز چیزهایی دربارهٔ سیاست، رژیم‌های غذایی، و جنبه‌های گوناگون طبیعت انسانی که به‌طور خاص به این وظیفه مربوط می‌شوند.نکتهٔ حیاتی این است که درک رایانه‌ها متفاوت از درک محاسبات است. برای درک رایانه، باید آن رایانه را مطالعه کرد. برای درک وظیفه‌ای در پردازش اطلاعات، باید همان وظیفهٔ پردازش اطلاعات را مطالعه کرد. برای درک کامل ماشینی خاص که وظیفهٔ پردازشِ اطلاعاتِ خاصی انجام می‌دهد، باید هر دو کار را انجام داد. هیچ‌کدام به‌تنهایی کافی نخواهد بود.از دیدگاه فلسفی، رویکردی که اینجا توصیف می‌شود، امتدادی از آن چیزی است که گاه به آن نظریه‌های بازنمودی ذهن گفته می‌شود. این رویکرد گرایش‌های تازه‌تر در فلسفۀ ادراک را با استدلال‌هایشان دربارۀ داده‌های حسی، مولکول‌های ادراک و اعتبار آنچه حواس به ما منتقل می‌کنند سر و کار دارند، رد می‌کند؛ در عوض، این رویکرد به دیدگاه کهن‌تری بازمی‌گردد که بر اساس آن، کارکرد اصلی حواس، در بیشتر موارد، مطلع کردن از آن چیزی است که در جهان بیرونی وجود دارد. نظریه‌های بازنمودی مدرن، ذهن را واجد دسترسی به نظام‌هایی از بازنمایی‌های درونی می‌دانند؛ به‌گونه‌ای که حالات ذهنی بر اساس آنچه این بازنمایی‌های درونی در لحظه بیان می‌کنند، تعریف می‌شوند، و فرآیندهای ذهنی نیز بر پایهٔ نحوهٔ دستیابی به این بازنمایی‌ها و چگونگیِ تعامل آن‌ها با یکدیگر توصیف می‌گردند.این طرح، چارچوبی مناسب و منسجم برای کاوش در ادراک بصری فراهم می‌کند، و من با رضایتی درونی آن را نقطهٔ عزیمت این سیر اندیشه قرار می‌دهم. اما همان‌گونه که در ادامه خواهیم دید، این مسیر ما را از جاده‌های آشنا و سنتی دور کرده و به سرزمینی نو در قلمرو اندیشه خواهد برد؛ جایی که برخی از کشفیات، غریب می‌نمایند و آشتی دادن آن‌ها با تجربهٔ درونیِ دیدن و نگریستن، دشوار خواهد بود. حتی مفهومِ بنیادینِ «تبیین» نیز نیازمند بازتعریف و گسترش خواهد بود تا هیچ منظر مهمی از مسئله مغفول نماند و همهٔ دیدگاه‌های اساسی، پاسخ‌ داده شده یا دست‌کم قابل پاسخ‌گویی باشند. Amirhosein Neshat Amirhosein Neshat Sun, 07 Sep 2025 01:11:04 +0330