گذری بر نظریه جامعه ذهن یا Society of Miind

Facebooktwittergoogle_pluspinterestlinkedinmail
Print Friendly, PDF & Email

سلام بر همه طالبان علم!

چندوقت پیش مطالعه ای درباره نظریه جامعه ذهن یا Society of Mind متعلق به ماروین مینسکی داشتم که منجر به ترجمه یکسری مطلب توی این زمینه شد. گفتم برای شما هم به اشتراک بذارم شاید مفید باشه براتون یا حداقل باهاش آشنا بشید.

مقدمه:

عملیات هایی که توسط مغز ما انجام می شوند حاصل کار هزاران زیر سیستم خاص می باشند که همین زیر سیستم ها یز خود طی میلیون ها سال تکامل پیدا کرده اند. ساختن چیزی شبیه به مغز انسان کار خیلی مشکل و امکان ناپذیری است چراکه چنین سیستمی باید قادر باشد در زمینه های متنوع پاسخگو باشد و همچنین قسمت های مختلف را کنار هم نگه دارند.

اما ذهن انسان چیست و چگونه  کار می کند؟

این سوالی است که ماروین مینسکی در Society of Mind می پرسد.

ما چطور اشیا و صحنه ها را تشخیص می دهیم؟ چطور از کلمات استفاده می کنیم؟ چطور به اهداف خودمان میرسیم؟ چطور یک توانایی جدید را فرامیگیریم؟ چطور چیزهای مختلف را می فهمیم؟ احساسات و عواطف چه چیزهایی هستند؟

برای پاسخ دادن به این سوالات  ماروین مینسکی به دنبال یک راه حل یا نظریه اساسی بوده است. ماروین مینسکی سعی دارد که بگوید که ذهن ما شامل مکانیزم های بسیار متفاوتی است. درواقع هر ذهنی شامل جامعه ای از ذهن هاست و شامل مجموعه هایی از ساختارها و پردازش هاست که شامل تجربیات آن شخص، آموخته های وی، مطالعات و … می باشد.

ماروین مینسکی از کلمه agent برای ارجاع به ساده ترین بخش های موجود در این جامعه ذهن استفاده کرد. هر agent قابل مقایسه با یک جز از برنامه های کامپیوتری می باشد. مثل یک زیرروال یا ساختمان داده و همانند سیستم های کامپیوتری agent ها می توانند به سیستم های دیگر(جامعه ها) متصل شوند. این agent ها در کنار هم قادر به انجام کارهای بسیار پیچیده تر هستند که هیچگاه یک agent به تنهایی قادر به انجام آن نمی باشد.

وقتی حرف از جامعه زده می شود درواقع درباره افراد مختلف با توانایی های مختلف صحبت می کنیم که برای agent ها هم به همین صورت می باشد. اما تفاوتی که وجود دارد این است که خیلی ازانسان ها توانایی های عمومی و مشابه دارند درصورتیکه agent ها توانایی تخصصی دارند.

پیشرفت های اولیه نظریه society of mind:

این نظریه در طی بحث های بین ماروین مینسکی و سیمور در آزمایشگاه هوش مصنوعی MIT در سال 1970آغاز شد.

در اواخر دهه 1960 ماروین مینسکی و سیمور به همراه دانشجویان خود رباتی بینا طراحی کردند که وظیفه اش چینش بلوک ها شبیه چینش آن ها توسط یک کودک با استفاده از دوربین و دست مکانیکی که داشت بود.

ماروین مینسکی گفت چندین سال طول کشید تا من و دانشجویانم توانستیم برنامه هایی برای move, see, grasp و صدها کار کوچک دیگر توسعه دهیم تا یک builder agency را بسازیم.

به این نتیجه رسیدند که نمیتوان هیچ الگوریتمی طراحی نمود که حتی ساده ترین حالات چینش این بلوک ها را درست انجام بدهد.

برای قادر ساختن ربات به دیدن، هیچ روشی که خودش با خودش به تنهایی قادر به دیدن باشد پیدا نکردیم مثلا ربات به ندرت می توانست با دیدن به تنهایی بتواند شکل جسم را تشخیص بدهد. این آزمایش این نتیجه را به ما داد که تنها یک جامعه از پردازش هاست که می تواند مشکل را حل کند.

این نتیجه ماروین مینسکی و سیمور را به این نتیجه رساند که هوش چیزی نیست که نتیجه یک دستور ساده یا الگوریتم خاصی برای فکر کردن باشد و درواقع نتیجه مجموعه ای از فعالیت ها با پردازش های متفاوت و متخصص هست.

حرف های اولیه درباره حل مشکل فکر کردن و انجام کارها در مقاله ای از ماروین مینسکی تخت نام “چارچوبی برای ارئه دانش” چاپ شد که در آن درباره اینکه چطور مجموعه دانش ها و توانایی های لازم برای حل یک مشکل را کنارهم سازماندهی کرد بحث کرد.

در Society of Mind،  agent  ها بیشتر از روش های ارتباطی غیر مستقیم استفاده می کنند.

در نسخه اولیه کتاب گفته شد که ذهن جامعه ای از agent هاست که هرکدام از آن ها قدرت محدودی دارند و قادر به برقراری ارتباط با برخی دیگر از agent ها را دارند. قدرت ذهن نتیجه تعاملات این agent ها با یکدیگر است. هیچکدام از این agent ها به تنهایی دارای هوش نیستند. مثال واضح صحبت کردن درباره یک موضوع با افراد است. توی این کتاب این موضوع رو نشون می دیم که این مباحثه ها واقعا صورت می گیرند. در تصویری که ما از ذهن داریم، ذهن شامل مجموعه از زیر افراد یا agent های داخلی است که باهم تعامل دارند. حل ساده ترین مشکل مثلا دیدن یک تصویر یا بخاطر آوردن دیدن آن تصویر نیازمند تعامل بسیاری از این agent ها با یکدیگر است. برخی از آن ها دربرگیرنده اطلاعات مفید هستند، برخی تجربیات خود را دارند و استراتژی می دهند، برخی دیگر خطرات موجود برای انجام کار توسط برخی دیگر را معین می کنند و … .

هر agent می تواند بر اساس انواع مختلف پردازش باشد که اهداف خاص خود را دنبال می کند.

طبق تعریف ماروین مینسکی agent، “هز جزء از یک فرایند شناختی می باشد که به اندازه کافی ساده و قابل فهم می باشد” و واژه agency برای توصیف جامعه ای از این agent هاست که همگی با هم عملی پیچیده تر را انجام می دهند که هر agent به تنهایی قادر به انجام آن عمل نیست.

در Society of Mind فعالیت های ذهنی درنهایت به on و off کردن این agent ها منتهی می شوند. در هر زمان در Society of Mind فقط تعدادی از agent ها فعال هستند و فعالیت ترکیبی آن ها با هم state نهایی ذهن را ایجاد می کند.

ماروین مینسکی از واژه partial state of mind برای توصیف فعالیت های زیر مجموعه های agent های درون ذهن استفاده کرد.

K-Lines:

این agent ها رایجترین agent ها در نظریه جامعه ذهن هستند. هدف یک k-line بطور ساده فعال کردن مجموعه ای خاص از agent هاست و از آنجائیکه agent ها ارتباطات بسیار مهمی دارند، فعال کردن یک k-line می تواند عامل انتشار اثرات خاصی از ذهن باشد. K-line ها بوسیله قطعه بندی اثرات حل یک مشکل تشکیل می شوند بطوریکه دفعات بعدی که مشکل مشابه رخ دهد، علاوه بر این که از روش مشکل قبل استفاده می کند بلکه تجربه قبلی شامل مسیرهای نادرست حل مسئله، کشف های غیرمنتظرانه، و دیگر آموخته ها از جستجوهای قبلی نیز می باشد. بنابراین k-line ها باعث وارد کردن Society of Mind به یک پیکربندی بخاطر سپرده شده از agent ها سوق می دهد که در گذشته توانسته اند یک جامعه خوب و درست تشکیل دهند. K-line ها مکانیزم های ساده اما قدرتمند برای هدایت مغز در جهت حل مسئله با استفاده از مسیر درست می باشند.

Nomes $ Nemes:

ماروین مینسکی همچنین از k-line ها بصورت دیگر نیز استفاده می کند.  به این صورت که آن ها را پایه ای برای مدل های ساختمندتر و شبیه کامپیوتر می دانست که نشان می دادند داده ها و پردازش ها چگونه در Society of Mind مدل می شوند. وی از 2 نام nomes و nemes نیز استفاده کرد که نشان دهد پردازش ها و طراحی ها در کامپیوتر چگونه است.

Nomes ها برای نشان دادن ابعاد دنیا می باشند و مسئول کنترل اینکه چگونه آن داده ها پردازش و پیاده سازی شده اند می باشند.

Nemes:

Nemes ها نمایش چیزها را طلب می کنند و اکثرا توسط یادگیری از تجربیات بوجود می آیند. Polynemis ها نشان دادن حالات جرئی بین چندین agency را برعهده دارند که در آن هر agency خود یک بعد مختلف از چیزها را ارئه می کند. برای مثال تشخیص یک سیب polynemis سیب را فعال می کند که خود ارئه دهنده ویزگی هایی از سیب همچون رنگ، شکل، مزه و دیگر agency ها هم برای به یادآوری تجربه مصرف سیب و همچنین دیگر agency هایی برای بادآوری قیمت سیب، جاهایی که می توان سیب را پیدا کرد، موقعیت هایی که یک فرد ممکن است از سیب استفاده کند و … .

Polynemis ها این ایده را پوشش می دهند که معنا، در بهترین حالت نه به صورت نمایش تکی و جزئی بلکه بصورت نمایش های متعدد و توزیع شده از چندین نمایش ارائه می شوند.

Micronemes ها سیگنال هایی را از ذهن به سمت agency ها ارسال می کنند که توصیف کننده ابعاد مختلف موقعیت های ما می باشند و خیلی دقیق می باشند مثلا انوع بوها، رنگ ها، احساسات و اشکال که برای ذهن معنا شده می باشند و شاید کلمات قدرت مناسب توصیف آن ها را نداشته باشند. همچنین micronemes ها توصیف کننده ابعاد مختلف موقعیت های ما می باشند که پیوست کردن آن ها به یک چیز خاص کاری غیر ممکن است.

ماروین مینسکی می گوید که nemes ها در یک شبکه شبه حلقوی جای گرفته اند. جامعه های بزرگ از nemes ها و agent های شناساگر برای آن nemes ها بوجود امده اند که فعالیت ها در آن بصورت بالا به پایین یا پایین به بالا پخش می شوند تا بتوانند درگیر فرایندهای تطبیق الگو برای پردازش های شناسایی اشیاء، تولید جملات، تهیه برنامه، کاهش ابهامات و … بشوند.

Nomes :

Nomes ها کنترل می کنند که چگونه این نمایش ها یا ارائه ها انجام شوند. ماروین مینسکی مثال هایی برای انواع Nomes ها ارائه کرده است از جمله isonomes ، paranomes و pronomes .

Isonomes ها به agency های مختلف سیگنال ارسال می کنند تا عملیات شناختی یکسان انجام دهند. برای مثال ممکن است باعث شوند تا مجموعه ای از agency ها وضعیت فعلی خود را در حافظه کوتاه مدت خود ذخیره کنند و در حالت دیگری بالا آورند یا اینکه یک k-line را اموزش دهند تا بتواند این حالت را تولید کنند و در حالت دیگری بالا آوری کنند یا اینکه یک k-line را اموزش دهند تا بتوانند این حالت را تولید کنند یا اینکه عواقب انجام چنین حالتی را درک کنند.

Pronomes ها درواقع isonomes هایی هستند که استفاده از ارائه های موجود در حافظه کوتاه مدت را کنترل می کنند. معمولا هر pronomes دارای یک نقش خاص از پیش تعیین شده می باشد که در موقعیت های بزرگ تر نقش خود را ایفا می کنند. مثل یک actor که نقش تعیین شده برای خود دارد و درمحل یا هنگام وقوع یک اتفاق خاص نقش خو را بازی می کند. برخی مسائل مربوط به مشکلاتی هستند که به حافظه کوتاه مدت بسیار محدودی اشاره دارند و قادر به ذخیره سازی انواع خاص دانش می باشند. برای مثال مکان ها، اشکال و یا مسیرها. بقیه pronomes ها خیلی عمومی ترند و به اکثر agency های ذهن دسترسی پیدا می کنند. ماروین مینسکی این ها را IT pronomes می نامد که می توانند به نمایش های متعددی متصل شوند و تقریبا هرچیزی را می توانند بصورت مجازی توصیف کنند.

 

Paranomes ها مجموعه ای از pronomes ها هستند که به هم لینک شده اند به گونه ای که تغییر وضعیت در یک pronome، دیگر pronomeها و درنهایت حالت فعلی را می تواند تغییر دهد. ماروین مینسکی ایده paronomes ها را به این دلیل ارائه می کند که بتواند نشان دهد که دانش ارائه شده در روش های متفاوت را نمی توان با هم یا درواقع در یک حالت درنظر گرفت. برای مثال یک paronome درباره موقعیت ممکن است به چند صورت براساس موقعیت های جغرافیایی فضایی ایجاد شده باشد که یکی بر اساس سیستم مختصاتی بدن شخص و دیگری هم بر اساس سیستم مختصاتی شحص دیگر باشد.

چگونه می توانیم agent ها را ترکیب کنیم تا agency  های بزرگتر تولید کنیم؟

Frame:

قاب یک فرم نمایش دانش باتوجه به نمایش یک چیز و تمامی دیگر چیزهایی که به ان در روش های مختلف مرتبط هستند که همگی به شیارهای آن قاب متصل شده اند. ماروین مینسکی توضح می دهد که چگونه قاب های ساده می توانند بوسیله مجموعه های pronomes ها که این اتصالات به شیارها را کنترل می کنند ساخته شود. این pronomes ها هم زیربخش های خود را فعال کنند و دانش مربوط را به نمایش بگذارند.

Frame-Arrays:

می توانیم در تشریح یک چیز از بیش از یک frame استفاده کنیم که هرقاب یک ویژگی خاص را به نمایش می گذارد. آرایه قاب ها مجموعه ای از قاب هاست که شیارهایی با pronomes هایی مشترک دارند. ماروین مینسکی مثال نمایش ظاهر یک مکعب از چندین نمای مختلف را ارئه کرده است که هرکدام از این نماها با قاب خود تشریح داده می شود اما آن بخش های مشترک برروی قاب های مختلف لینک شده اند. دلیل به اشتراک گذاری این شیارها این است که وقتی که اطلاعات یک قاب برای تشریح یک موضوع ناکافی است، بتوانیم از دیگر قاب ها استفاده کنیم.

Trans Frame:

 در نظریه Society of Mind، Trans Frame ها فرم مرکزی ارائه دانش می باشند.  Trans Frame ها نشان دهنده وقایع و تمامی موجودیت هایی که درگیر یا مرتبط با آن واقعه هستند می باشند. آن ها می توانند دارای شیارهایی برای نمایش مبدا و مقصد یک متغیر باشند(حالت های قبل و بعد از واقعه)، یا برای نمایش چیزی که عامل اتفاق افتادن این واقعه باشد. انگیزه پشت آن واقعه و یا هدفی که به دنبال آن می باشد(اگر هدفمند باشد) و یا اینکه چه اشیایی تحت تاثیر قرار می گیرند و چطور، زمان اتفاق افتادن واقعه، چه ابزارها یا اشیایی در ایجاد این تغییر نقش داشته اند و دیگر جنبه هاب مهم آن واقعه. از آنجائیکه بیشتر رویدادهای روزانه ما موثر از روابط و اتفاقات بین وقایع از انواع مختلف می باشند، شیوه نمایش Trans Frame ها مرکزیت تفکر روزانه ما انسان هاست.

دیگر انواع Frame :

علاوه بر Trans Frame ها، ماروین مینسکی چندین نوع دیگر frame را توضیح داده است که شامل story frame ها که نشان دهنده مجموعه های ساخت یافته ای از وقایع مرتبط و picture frame که نشان دهنده ساختار فضایی اشیا درون یک صحنه یا محدوده می باشد. احتمالا این ها تنها نوع از انواع frame که نیازمند نمایش و مرتب سازی دنیا بخوبی پردازش های شناختی می باشند.

Agent ها چگونه مشکلات را حل می کنند؟

ماروین مینسکی ادعا می کند که جامعه agent ها از یک متد خاص برای حل مشکلات استفاده نمی کنند.

Difference Engine:

حل یک مسئله به چه معناست؟ حل یک مسئله به معنای کاهش یا حذف تفاوت های اساسی بین حالت فعلی برخی حالات مقصد می باشد. ماروین مینسکی یک ماشین ساده به نام Difference Engine را ارئه می کند که این استراتژی های حل مسئله را مجسم سازی می کنند. این ماشین با تشخیص تفاوت های بین حالت فعلی و حالت مقصد مورد انتظار و کاهش ماشین اولیه هر تفاوت با استفاده از k-line ها به راه حل های مناسب می رسد. ایده این ماشین برپایه ماشین اولیه حل کننده GPS طراحی شده توسط Simon و Newell می باشد.

در نهایت باید گفت که هیچ مکانیزمی برای ساخت Difference Engine نیست چراکه تنها یک راه برای مقایسه نمایش های متفاوت نداریم.

شما احتمالا این مطالب را نیز دوست دارید...

۲ بازخورد

  1. سید ساجد متولیان می‌گه:

    مطلب کاربردی و جالبی بود، ممنون

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *