دانلود پایان نامه درباره پیوندگرایی، اصول اخلاقی، فضایل اخلاقی، شبیه سازی

دانلود پایان نامه ارشد

کاربرد استانداردهای اخلاقی در موارد خاص، نظر دارند. طبق این رویکردها، استانداردها، هنجارها یا اصول، اساس ارزیابی اخلاقی بودن یک عمل هستند. گستردگی اصول اخلاقی از بالا به پایین، آرمان های مذهبی وکدهای اخلاقی، و همچنین سیستم های فلسفی را در بر می گیرد. در رویکرد از پایین به بالا به اخلاق ماشین ها، تأکید بر خلق محیطی است که یک فاعل مجموعه اعمالش را در آن جستجو می کند و یاد می گیرد، و به خاطر رفتارهایی که از نظر اخلاقی ستوده هستند، پاداش می گیرد. مدل های متنوعی برای اکتساب از پایین به بالای استعدادهای اخلاقی وجود دارند. رشد دوران کودکی، یک چنین مدلی را در اختیار ما قرار می دهد. تکامل، یک مدل از پایین به بالای دیگر را برای انطباق، تحول و انتخاب آن فاعل هایی فراهم می کند که قادرند معیاری برای شایسته بودن داشته باشند. برخلاف تئورهای اخلاقی از بالا به پایین که تعریف می کنند چه چیزی اخلاقی است و چه چیزی اخلاقی نیست، در رویکردهای از پایین به بالا همه اصول اخلاقی باید کشف و یا ساخته شوند.
در رویکردهای از بالا به پایین معمولاً تئوری های اخلاقی بررسی می شوند. سودگرايي ادعا مي كند كه اخلاق در نهايت درباره زياد كردن مقدار كلي “سود” (ميزان شادي يا سعادت) در جهان است. بهترين اعمال (يا بهترين قواعد) آنهايي هستند كه سود جمعی را زياد مي كنند. ديدگاه رقابت كننده در مورد اصول اخلاقي آن است كه وظيفه ها در هسته اخلاق قرار دارند. وظيفه ها و حقوق در رأس وظيفه گرايي قرار مي گيرند. مباحث عمومي درباره اخلاق فقط درمورد حقوق (وظيفه گرايي ) و رفاه (سود ) نيستند؛ آنها اغلب درباره موضوعات شخصيت هم هستند. اين عنصر سوم از تئوري اخلاقي مي تواند به ارسطو و چيزي كه امروزه به عنوان ” اخلاق فضيلت ” شناخته مي شود ارجاع داده شود. متخصصان اخلاق فضيلت درگير ارزيابي اخلاقي بودن اعمال بر اساس فقط خروجي ها يا بر حسب حقوق و وظايف نيستند. در عوض، نظريه پردازان فضيلت معتقدند كه اعمال از نظر اخلاقي خوب، از تربيت شخصيت خوب ناشی مي شوند كه عبارت است از درك فضايل خاص. مشکل عمده سودگرایی، چگونگی محاسبه میزان سود است. برای محاسبه نتایج آنی و نتایج دور دست یک عمل، به علاوه محاسبه نتایج بالقوه و پیش بینی نشده آن، نیازمند قدرت محاسباتی بسیار پیچیده هستیم و این کار ما را گرفتار محاسبات بی پایان خواهدکرد. در رویکرد وظیفه گرایی، مشکل عمده، تعارض وظایف با یکدیگر است. آسیموف، قواعدش را در اولويت قرار مي دهد تا تعارضات بين آنها را به حداقل برساند اما حتي قواعد واحد هم مي توانند منجر به بن بست شوند. امر مطلق كانت و قاعده طلايي، تئوريهاي وظيفه گرايانه انتزاعي تري را نشان مي دهند. آنها تلاش مي كنند تا تعارضات را بوسيله بيان اصولي از يك اصل كلي كه در هر موقعيتي مي توانند به كار روند، برطرف كنند. امر مطلق، صريحاً طراحي شده تا سازگاري منطقي را ایجاد کند. بنابراين، اين امر ممكن است موجب شود كه اين سازگاري به طور خاص براي كامپيوترهايي مناسب به نظر بيايد كه در يك چارچوب منطقي كار مي كنند. كانت چندين نسخه متفاوت از امر مطلق نوشت ،اما ايده كليدي در اين عبارت وجود دارد: “فقط طبق آن اصلي عمل كن كه از طريق آن بتواني به طور همزمان اراده كني كه آن اصل يك قانون كلي شود.” نظریه پردازان فضیلت به جای تمرکز بر نتایج قواعد، بر اهمیت رشد ویژگیها ویا عادات خوب تأکید دارند: چیزی که فرد به آن عقیده دارد، بر کاری که فرد انجام می دهد برتری دارد. اما همانطور که سودگرایان روی چگونگی اندازه گیری سود توافق ندارند، و وظیفه گرایان هم متفق القول نیستند که کدام لیست از وظایف را بکارببرند، متخصصان اخلاق فضیلت معاصر هم روی لیست استاندارد فضایلی که هر فاعل اخلاقی باید آن را نشان دهد، توافق ندارند.
شبیه سازی تکامل، یکی از روش های از پایین به بالا است که برای پیاده کردن اخلاق در سیستم های هوشمند از آن استفاده می شود. طرفداران اولیه Alife پیشنهاد می کردند که تکامل را در محیط های مجازی شبیه سازی کنند. آنها امیدوار بودند که فاعل ها بصورت غیرمنتظره بتوانند یاد بگیرند، رفتار خبره داشته باشند، و مؤلفه های ذهن را دارا باشند و همه اینها کاملاً در یک جهان نرم افزاری وجود داشته باشد. دانشمندان علوم زیست محیطی تلاش کرده اند تا شرایط تکاملی ای که منجر به پیدایش سیستم های ارزشی می شود را توصیف کنند. پشتیبان انتزاعی اصلی از این تلاش “تئوری بازی” است، یعنی تئوری ریاضی رقابت و همکاری بین فاعل های عقلانی، که در سال 1944 توسط جان فون نیومان و اسکار موگنسترن معرفی شد. بازی تکرار شونده معمای زندانی، نظریه پردازان را قادر می کند که استراتژی های متفاوت را تحلیل کنند و آنها را علیه یکدیگر مورد آزمایش قرار دهند. تمایلات طبیعی، ویژگی ها و استعدادهایی که از تکامل ظاهر می شوند، صرفاً محصول تک تک موجوداتی که برای بقا و تولید مثل تلاش می کنند، نیستند. آنها محصولات تعاملات اجتماعی و موفقیت در محیط هایی هستند که گونه های زیادی در آن محیط ها زندگی می کنند. موفق ترین گونه ها، اغلب آنهایی هستند که اعضایشان یاد می گیرند که با یکدیگر همکاری کنند و افرادی را که از منابع سوء استفاده می کنند را تشخیص می دهند. ارزش هایی که در فاعل های تکامل یافته و فاعل های در حال تکامل به وجود آمده اند، ناشی از اهمیت سازگاری، بقا و خلق در یک سیستم چند فاعلی هستند. باید این موضوع بررسی شود که آیا محیط های مصنوعی ای که یک فاعل را از بین فاعل های در حال رقابت بر سر جمع آوری منابع، انتخاب می کنند، می توانند چیزی شبیه تمایلات اخلاقی انسان ها را تولید کنند یا نه. مشکل دیگری که برسر راه انطباق سیستم های تکاملی با پیدایش AMAها قرار دارد، چگونگی طراحی یک کارکرد مناسب است بدون آنکه بطور واضح معیار اخلاقی در آن بکار برده شود. شعار “بقای اخلاقی ترین امر”، مسئله تعیین اندازه “اخلاقی ترین” را پیش می آورد. یادگیری ماشین، مدل دیگری را برای فاعل های مصنوعی اخلاقی در اختیار ما قرار می دهد. ماشین های یادگیرنده، نیاز به برنامه نویسان برای پیش بینی احتمالات را از بین می برند، و در خارج از حوزه اخلاق هم کاربردهای زیادی دارند و بسیار عمومی شده اند. با این وجود، خطراتی هم وجود دارند که در سیستم های یادگیرنده وجود دارند. بینایی سیستم های یادگیرنده به طور طبیعی به سمت حساسیت اخلاقی ای پیش می رود که برای انسان ها ارزش قائل است و نگرانی های اخلاقی انسان، یک دیدگاه خوش بینانه است که در مقابل پیش بینی های مخوف مربوط به آینده در رابطه با خطراتی که AI به وجود می آورد، قرار می گیرد. لازم به ذکر است که سیستمی که توانایی یادگیری دارد، پتانسیل یادگیری چیزهای غلط را هم دارد، و می تواند از ممنوعیت هایی که در او وجود دارد فراتر رود و آنها را انجام دهد.
قدرت سیستم های از پایین به بالای پیچیده، به این صورت است که آنها بصورت پویا از مکانیسم های اجتماعی گوناگون، ورودی دریافت می کند. ضعف استفاده از معماری از پایین به بالا، مثل استراتژی توسعه AMAها، در عدم درک این مطلب است که همانطور که شرایط تغییر می کند، چه اهدافی را برای ارزیابی انتخاب ها و اعمال باید داشته باشیم. اصول از بالا به پایین به نظر”ایمن تر” هستند، گرچه آنها بر استانداردهای ایده آلی دلالت دارند که بکارگیری آن استانداردها، حتی برای انسان ها سخت است، و ممکن است این اصول پیچیدگیهای محاسباتی ای داشته باشند که باعث شوند اجرای آنها اگر غیرممکن نباشد، سخت باشد. اگر اجازه دهیم که یک AMA یادگیرنده، همانطورکه استدلال اخلاقی را توسعه می دهد، به اشتباه کردن هم ادامه دهد، یک کار بیهوده انجام داده ایم که ممکن است انسانیت نتواند از پس آن برآید. در یک مجموعه آزمایشگاهی تحت کنترل، ممکن است بتوان مجموعه ای از موقعیت های یادگیرنده و یا تکاملی را خلق کردکه از طریق آنها یک AMA بتواند مطابق یک سطح اساسی و قابل پذیرش از رفتار اخلاقی کار کند. به صورت تئوری، وقتی که این سطح اساسی برای سیستم بدست آمد، برنامه یا سخت افزارش می تواند بصورت نامحدود تولید شود. هر سیستمی که به این روش تولید شود، نیاز دارد به یادگیری ادامه دهد تا خود را با تغییرات و شرایط پیش بینی نشده وفق دهد. اما آموزش و توسعه اساسی و اولیه در دوره ای که سیستم تحت حفاظت است، نیاز نیست که برای همه AMAها تکرار شود و همه آنها را از اشتباهاتی که در مکانیسم یادگیری شبیه کودک رخ می دهد، نجات دهد. نقطه قوت مهندسی از پایین به بالا، در اجتماع عناصر برای رسیدن به یک هدف است. اما فرض اینکه یک ظرفیت خبره برای قضاوت اخلاقی از مهندسی از پایین به بالا پدید می آید، کافی نیست و همین امر موجب می شود که تحلیلی که توسط رویکردهای از بالا به پایین فراهم شده است، هم ضروری باشند. هارتمن نوعی رویکرد دورگه را پیشنهاد می کند. اخلاق فضیلت می تواند این رویکرد دورگه را برای ما فراهم کند. ارسطو معتقد بود فضایل اخلاقی از حکمت عملی و فضایل عقلانی جدا هستند. ارسطو فکر می کرد که فضایل عقلانی باید آموزش داده شوند، در حالیکه فضایل اخلاقی باید از طریق عادت و تمرین یاد گرفته شوند. این امر بیان کننده آن است که اگر این فضایل باید در AMAها اجرا شوند، یک رویکرد متفاوت، برای فضایل متفاوت مورد نیاز است. امکان آموزش فضایل عقلانی به ما می گوید که توصیف صریح قواعد یا اصول هم ممکن است. اما برای فضایل اخلاقی، تأکید روی عادت، یادگیری و شخصیت، فرآیندهای از پایین به بالای کشف یا یادگیری را توسط یک انسان و یا از طریق تمرین پیشنهاد می کند. رویکردهای از بالا به پایین به فضیلت ، می گویند که فضایل باید در کامپیوترها برنامه ریزی شوند. کار برنامه نویسی فضایل در سیستم های محاسباتی مسائلی را شبیه مسائلی که رویکردهای مبتنی بر قاعده داشتند، مطرح می کند: تعارضات بین فضایل، لیست های ناقص فضایل، و بویژه دشواریهایی که در تعاریف وجود دارند. یک فاعل مصنوعی که فضایل را به سبک از بالا به پایین بکار می برد، لازم است که دانش قابل توجهی درباره روان شناسی داشته باشد تا بتواند چگونگی کاربرد آنها را در یک موقعیت خاص تعیین کند. اما رویکرد پیوندگرایی، رویکردی است شبیه بحث ارسطو درباره اینکه مردم گونه فضایل را کسب می کنند. تأکید هر دوی آنها( پیوندگرایی و ارسطو)، روی تجربه آنی ادراکی و غیر سمبلیک است. هر دو روی توسعه از طریق آموزش تأکید دارند نه بر روی آموزش تئوری انتزاعی. پیوندگرایی، تبیین کننده رویکرد از پایین به بالا به سمت فضایل است. پیوندگرایی یک استراتژی است برای نمونه سازی پیدایش رفتار پیچیده از طریق شبکه هایی که از واحدهایی کوچک تشکیل شده اند و هر کدام وظیفه اجرای یک عمل اساسی را بر عهده دارند و همه به هم مرتبط هستند. مدل های پیوندگرا، معمولاً شبکه های عصبی مصنوعی نامیده می شوند، وگرچه بسیاری از ویژگیهای مهم عصب های بیولوژیکی را ندارند، اما در برخی از تواناییهای پردازش با آنها سهیم هستند. این عقیده که ممکن است پیوندگرایی برای اخلاق مناسب باشد، مورد تأیید جاناتان دنسی هم بود، یکی از بزرگترین ارتقا دهندگان پلورالیسم اخلاقی. رویکردهای از بالا به پایین به اخلاق، همانطور که گفتیم، مبتنی هستند بر یافتن و نمایش اصول عام یا کلی ای که زمینه ساز تصمیم گیری اخلاقی هستند. بسیاری از فیلسوفان فکر می کنند که شما نمی توانید عقلانی باشید اگر اصول اخلاقی سازگاری را نداشته باشید که بتوانید آنها را به صورت کلی و عمومی بکار ببرید. اما همه فیلسوفان با این موضوع موافق نیستند. دیدگاه جزئی گرایی معتقد است که همانطور که هیچ قاعده کلی وجود ندارد که بگوید آیا پرندگان می تواند پرواز کنند یا نه، ممکن است هیچ قاعده کلی هم وجود نداشته باشد درباره اینکه کشتن یک انسان دیگر اشتباه است یا نه. جزئیات محتوایی زمانی که اعمال محتمل هستند، آنقدر زیاد است که خلاصه کردن آنها به شکل اصول اخلاقی کلی غیر ممکن است. مدل های پیوندگرا در جمع آوری اطلاعاتی که نسبت به محتوا حساس هستند، بدون داشتن

پایان نامه
Previous Entries دانلود پایان نامه درباره هوش مصنوعی، سیستم های خبره، بیمارستان، کرامت انسان Next Entries منابع و ماخذ پایان نامه محصولات کشاورزی