در دورانی که پیشرفت‌های هوش مصنوعی (AI) و یادگیری ماشین (ML) توجه همگان را به خود جلب کرده است، پرسش‌های بنیادین درباره ماهیت تفکر و آگاهی انسانی اهمیتی دوچندان یافته‌اند. مقاله “هدف کیفیات ذهنی: چه می‌شود اگر تفکر انسان (فقط) پردازش اطلاعات نباشد؟” نوشته مارتین کورث، یکی از همین تلاش‌های جسورانه برای به چالش کشیدن پارادایم غالب در علوم شناختی و هوش مصنوعی است. این مقاله استدلال می‌کند که مدل رایج، که تفکر را معادل پردازش اطلاعات می‌داند، برای توضیح کامل هوش طبیعی (NI) ناکافی است.

اهمیت این مقاله در آن است که در میانه موج هیجان ناشی از توانایی‌های مدل‌های زبانی بزرگ و شبکه‌های عصبی عمیق، یک ترمز انتقادی و یک دیدگاه جایگزین ارائه می‌دهد. این مقاله ما را وامی‌دارد تا از خود بپرسیم: آیا هوش واقعی صرفاً در تحلیل داده‌های حجیم و یافتن الگوهای آماری خلاصه می‌شود، یا جنبه‌ای عمیق‌تر، ذهنی و تجربی در کار است که ماشین‌ها هنوز از درک آن عاجزند؟ این اثر با پیوند دادن فلسفه ذهن، علوم اعصاب و هوش مصنوعی، مسیری جدید را برای تحقیقات آینده پیشنهاد می‌کند که می‌تواند به ساخت ماشین‌های واقعاً هوشمند و درک عمیق‌تر ذهن انسان منجر شود.

مارتین کورث (Martin Korth)، نویسنده این مقاله، در حوزه‌ای میان‌رشته‌ای فعالیت می‌کند که فلسفه، علوم کامپیوتر و علوم اعصاب را در بر می‌گیرد. این مقاله در زمینه «هوش مصنوعی» طبقه‌بندی شده است، اما ریشه‌های آن عمیقاً در مباحث فلسفی مربوط به آگاهی و ذهن نهفته است.

زمینه اصلی این تحقیق، مناظره طولانی‌مدت بین دو دیدگاه اصلی درباره ذهن است:

• کارکردگرایی (Functionalism): این دیدگاه که زیربنای اصلی هوش مصنوعی مدرن است، معتقد است که حالات ذهنی (مانند باورها، درد، یا شادی) را می‌توان بر اساس نقش کارکردی آن‌ها تعریف کرد. از این منظر، اگر سیستمی (چه بیولوژیک و چه سیلیکونی) بتواند همان فرآیندهای اطلاعاتی مغز را انجام دهد، آن سیستم نیز دارای ذهن خواهد بود.
• پدیدارشناسی (Phenomenology): این دیدگاه بر اهمیت تجربه ذهنی و آگاهانه یا آنچه فلاسفه «کیفیات ذهنی» (Qualia) می‌نامند، تأکید دارد. از این منظر، صرف پردازش اطلاعات برای ایجاد تجربه ذهنیِ دیدن رنگ قرمز یا چشیدن طعم توت‌فرنگی کافی نیست.

این مقاله تلاش می‌کند تا از این دوگانگی فراتر رفته و یک مدل ترکیبی ارائه دهد که هم به پردازش اطلاعات و هم به نقش تجربیات ذهنی در شناخت انسان توجه دارد.

مقاله با این فرض آغاز می‌شود که علی‌رغم پیشرفت‌های چشمگیر هوش مصنوعی، هوش طبیعی (NI) همچنان از جهات بنیادین با آن متفاوت است. نویسنده استدلال می‌کند که این تفاوت صرفاً یک تفاوت تدریجی (در سرعت یا حجم پردازش) نیست، بلکه یک تفاوت ماهوی است. هوش طبیعی دارای ویژگی‌هایی است که سیستم‌های هوش مصنوعی فعلی فاقد آن هستند:

• آگاهی (Consciousness): تجربه درونی و آگاه بودن از خود و جهان.
• حیثیت التفاتی (Intentionality): توانایی ذهن برای معطوف بودن به چیزی یا داشتن محتوا درباره چیزی در جهان خارج.
• کیفیات ذهنی (Qualia): محتوای ذهنی و سوبژکتیو تجربیات، مانند حس دیدن رنگ آبی یا احساس درد.
• فهم واقعی (Understanding): درک روابط علی و معلولی، در مقابل اتکای کورکورانه به همبستگی‌های آماری.
• قضاوت‌های زیبایی‌شناختی و اخلاقی: توانایی تصمیم‌گیری فراتر از قوانین صریح یا الگوهای القاشده از داده‌ها.

کورث بیان می‌کند که هر دو نسل هوش مصنوعی – چه «هوش مصنوعی نمادین» قدیمی (GOFAI) و چه «هوش مصنوعی زیرنمادین» مبتنی بر شبکه‌های عصبی عمیق امروزی – بر این ایده استوارند که تفکر چیزی جز پردازش اطلاعات نیست. در مقابل، او یک دیدگاه جایگزین را مطرح می‌کند: هوش طبیعی ترکیبی از «پردازش اطلاعات» به علاوه یک مکانیسم دیگر است که آن را «فشار بسته‌ای» (Bundle Pushing) می‌نامد. این مکانیسم به ذهن اجازه می‌دهد تا با «بیت‌های معنا» (bits of meaning) کار کند، نه صرفاً «بیت‌های داده» (bits of data).

این مقاله یک اثر نظری و مفهومی است و روش‌شناسی آن مبتنی بر آزمایش‌های تجربی نیست. در عوض، نویسنده از یک رویکرد تحلیلی و ترکیبی بهره می‌برد:

1. تحلیل مفهومی (Conceptual Analysis): نویسنده مفاهیم کلیدی مانند «هوش»، «آگاهی» و «اطلاعات» را به دقت تحلیل کرده و محدودیت‌های تعریف رایج آن‌ها را در زمینه هوش مصنوعی نشان می‌دهد.
2. مرور میان‌رشته‌ای: مقاله با استناد به یافته‌هایی از فلسفه ذهن، روان‌شناسی شناختی و علوم کامپیوتر، یک تصویر جامع از تفاوت‌های میان هوش طبیعی و مصنوعی ترسیم می‌کند.
3. ارائه فرضیه: نقطه مرکزی مقاله، ارائه یک فرضیه جدید به نام «فشار بسته‌ای» به عنوان مکملی برای پردازش اطلاعات است. این یک مدل نظری است که برای توضیح پدیده‌هایی طراحی شده که مدل‌های فعلی از توضیح آن عاجزند.
4. پیشنهاد برای تحقیقات آینده: مقاله با پیشنهاد آزمایش‌هایی در حوزه علوم اعصاب و نظریه اطلاعات به پایان می‌رسد تا بتوان فرضیه مطرح‌شده را به صورت تجربی آزمود. این امر مقاله را از یک بحث صرفاً فلسفی به یک پیشنهاد علمی قابل بررسی تبدیل می‌کند.

یافته‌ها و استدلال‌های اصلی مقاله را می‌توان در چند بخش کلیدی خلاصه کرد:

۱. نقد مدل پردازش اطلاعات: هوش مصنوعی کنونی، حتی در پیشرفته‌ترین اشکال خود، در یافتن همبستگی‌ها در داده‌های عظیم مهارت دارد، اما فاقد فهم واقعی است. برای مثال، یک مدل هوش مصنوعی ممکن است یاد بگیرد که تصویر دود با احتمال بالایی با تصویر آتش همراه است، اما هیچ درکی از فرایند علّی «سوختن» که دود را تولید می‌کند، ندارد. هوش طبیعی انسان، برعکس، به دنبال درک مکانیسم‌های علّی است.

۲. نقش محوری کیفیات ذهنی (Qualia): کورث استدلال می‌کند که کیفیات ذهنی صرفاً یک محصول جانبی بی‌فایده از فعالیت‌های مغزی نیستند، بلکه نقشی کارکردی و حیاتی در شناخت دارند. تجربه ذهنی «قرمزی» یک سیب به ما اجازه می‌دهد تا تمام اطلاعات مرتبط با سیب (شکل، طعم، خاطرات) را به سرعت و به صورت یکپارچه فراخوانی کنیم. این کیفیات ذهنی مانند برچسب‌هایی عمل می‌کنند که بسته‌های عظیمی از اطلاعات و معنا را به هم پیوند می‌دهند.

۳. معرفی مدل «فشار بسته‌ای» (Bundle Pushing): این مفهوم، نوآوری اصلی مقاله است. بر اساس این مدل، ذهن انسان تنها به صورت سریالی و الگوریتمی اطلاعات را پردازش نمی‌کند. در بسیاری از موارد، ذهن یک «بسته» کامل از تجربیات، معانی و اطلاعات مرتبط (که توسط یک کیفیت ذهنی برچسب خورده) را به صورت یک واحد کل‌نگرانه و یکپارچه «فشار می‌دهد» یا دستکاری می‌کند. این مکانیسم، یک میان‌بر شناختی قدرتمند است که به انسان اجازه می‌دهد به صورت شهودی، خلاقانه و سریع تصمیم‌گیری کند، بدون آنکه نیاز به پردازش گام‌به‌گام تمام داده‌های زیربنایی داشته باشد. برای مثال، تشخیص چهره یک دوست در یک جمعیت شلوغ، نتیجه پردازش تک‌تک پیکسل‌ها نیست، بلکه یک فرایند سریع و کل‌نگرانه «فشار بسته» است.

۴. تمایز بین «بیت‌های معنا» و «بیت‌های داده»: ماشین‌ها با بیت‌های داده (Data Bits) کار می‌کنند که ماهیتی نحوی (syntactic) و عینی دارند. اما انسان‌ها با بیت‌های معنا (Meaning Bits) سروکار دارند که ماهیتی معنایی (semantic)، ذهنی و وابسته به زمینه دارند. یک «بسته» در مدل فشار بسته‌ای، یک واحد معنایی است، نه مجموعه‌ای از داده‌های خام.

این مقاله نظری پیامدهای مهمی برای چندین حوزه علمی دارد:

• در فلسفه ذهن: این مقاله با دادن یک نقش کارکردی به کیفیات ذهنی، یک راه حل بالقوه برای «مسئله دشوار آگاهی» (Hard Problem of Consciousness) ارائه می‌دهد. از این دیدگاه، آگاهی و تجربه ذهنی یک ویژگی اساسی برای نوع خاصی از پردازش کارآمد و هوشمندانه است، نه یک پدیده ثانویه.
• در هوش مصنوعی: این اثر یک چالش جدی برای محققان هوش مصنوعی است تا از مدل‌های صرفاً داده‌محور فراتر روند. برای دستیابی به هوش عمومی مصنوعی (AGI)، شاید لازم باشد معماری‌هایی طراحی کنیم که بتوانند چیزی شبیه به «بسته‌های معنایی» را شبیه‌سازی کرده و دستکاری کنند. این امر می‌تواند به سیستم‌هایی منجر شود که خلاق‌تر، کارآمدتر و دارای فهم عمیق‌تری هستند.
• در علوم اعصاب و روان‌شناسی: فرضیه «فشار بسته‌ای» یک چارچوب قابل آزمایش برای عصب‌شناسان فراهم می‌کند. آن‌ها می‌توانند به دنبال شواهد عصبی برای دو سیستم شناختی متمایز در مغز بگردند: یک سیستم سریع، موازی و کل‌نگر (مرتبط با فشار بسته‌ای) و یک سیستم کندتر، سریالی و تحلیلی (مرتبط با پردازش اطلاعات سنتی).

مقاله “هدف کیفیات ذهنی” با ارائه یک استدلال قوی و منسجم، این ایده را به چالش می‌کشد که تفکر انسان را می‌توان به طور کامل در قالب پردازش اطلاعات توضیح داد. مارتین کورث با معرفی مدل دوگانه‌ی «پردازش اطلاعات + فشار بسته‌ای»، چارچوبی جدید برای فهم هوش طبیعی ارائه می‌دهد که در آن تجربیات ذهنی و آگاهانه (Qualia) نقشی محوری و کارکردی ایفا می‌کنند.

این مقاله یک یادآوری مهم است که با وجود تمام پیشرفت‌های حیرت‌انگیز هوش مصنوعی، شکاف عمیقی بین هوش مصنوعی فعلی و هوش طبیعی انسان باقی است. این شکاف ممکن است نه با افزایش قدرت محاسباتی و حجم داده‌ها، بلکه با بازنگری در مفروضات بنیادین ما درباره ماهیت هوش و آگاهی پر شود. در نهایت، این اثر دعوتی است به یک همکاری عمیق‌تر میان فیلسوفان، دانشمندان کامپیوتر و عصب‌شناسان برای کشف رازهای ذهن انسان و ساختن ماشین‌هایی که شاید روزی بتوانند به معنای واقعی کلمه «بفهمند».