چکیده:
پیشرفت شگرف بشر در تولید و ذخیرهسازی انبوه دادهها و نیز استفاده از آنها در ساختن ماشین استنتاجگر، امروزه در قالب یک فناوری پیشرفته به نام «یادگیری عمیق ماشینی» ظهور یافته است. این فناوری با الهام از اتصالات موجود در ساختار مغز جانداران طراحی شده و از شبکههای عصبی مصنوعی عمیق قدرت میگیرد. توانایی آن در استنتاج خبرهگونه در زمینههای مختلف و یا تولید آثار مشابه افراد زبردست، با وجود مزایای بسیار، انسان امروز را با چالشهای مختلفی رو در رو میسازد. این نوشتار تلاش میکند با رویکرد نظاممند عقلی- فلسفی به تحلیل و معرفی چالشهای اخلاقی یادگیری عمیق ماشینی و ارائه رهیافت مناسب در قبال هر یک از این چالشها بپردازد. اگرچه یادگیری عمیق ماشینی چالشهای قابل توجهی بر سر راه انسان قرار داده، با آگاهی و چاره اندیشی نسبت به آنها، میتوان در عین بهره بردن از مزایای چشمگیر این فناوری، ارزشهای انسانی را نیز آگاهانه محافظت نمود.
Deep learning technology, philosophical challenges and approaches Abstract The unprecedented human’s advancement in generating and storing piles of data, and exploiting such large amounts of data for building reasoning machines has manifested as a technology known as “deep learning”. This technology is inspired by the brain’s connectivity structure and is empowered by deep artificial neural networks. In spite of numerous benefits offered by their great power in reasoning like experts or creating things like skillful people, this technology imposes some ethical challenges to human’s life. This article tries to present the ethical challenges of deep learning technology that threaten humanity and tries to address them by employing a rational-philosophical approach. Although deep learning technology imposes several ethical challenges on our lives, it is still possible to benefit from big data without sacrificing our ethical values provided we gain awareness about and preparation against such challenges.
خلاصه ماشینی:
فلسفۀ علم ، پژوهشگاه علوم انسانی و مطالعات فرهنگی دوفصل نامۀ علمی (مقالۀ علمی ـ پژوهشی)، سال دهم ، شمارة دوم ، پاییز و زمستان ١٣٩٩، ١٨٥–٢٠٢ یادگیری عمیق ماشینی؛ چالش های فلسفی و رهیافت ها رضا نیرومند * حمید فدیشه ای**، الهام محمدزاده *** چکیده پیشرفت شگرف بشر در تولید و ذخیره سـازی حجـم انبـوه داده هـا و نیـز اسـتفاده از ایـن مجموعه عظیم داده در ساختن ماشین استنتاج گر، امروزه در قالب یک فناوری پیشـرفته بـه نام «یادگیری عمیق ماشینی » ظهور یافته است .
در این نوع خاص یادگیری، با وجود منابع عظـیم داده کـه امـروزه تحـت عنـوان بیگ دیتا یا کلان داده ها(Big Data) شناخته شده اند، و با تکیه بر ماشین های بسیار توانمند بـه لحاظ پردازشی، امکان انجام یادگیری بسیار وسیع با استفاده از نمونه تجربه های بسـیار زیـاد وجود دارد.
تعریف رسمی یادگیری ماشین بـدین قـرار اسـت که وقتی کار T با توجه به یک معیار کیفیـت P بـا وجـود مجموعـه تجربیـات E بتوانـد بـه ١٨٨ فلسفۀ علم ، سال دهم ، شمارة دوم ، پاییز و زمستان ١٣٩٩ صورت بهتری نسبت به حالت بدون وجود تجریبات E اجرا شود، در این صورت یـادگیری اتفاق افتاده است (٩).
چالش های یادگیری عمیق در این قسمت به بررسی چالش های فلسفی پیش روی فناوری یادگیری عمیق پرداخته شـده و کوشش عقلانی برای دستیابی به راه حل و رهیافت هـای هـر یـک از ایـن چـالش هـا در بخش بعدی ارائه شده است .