فلسفه و یادگیری ماشین: وقتی مدل‌ها فیلسوف میشن!

Fall Back

خب بیاید اینو یه جور باحال تعریف کنم: موضوع این مقاله درباره همین یادگیری ماشین خودمونه، ولی با یه زاویه جدید و متفاوت: ترکیبش با فلسفه! حالا حتماً می‌پرسید فلسفه چه ربطی به یادگیری ماشین پیدا میکنه؟

ماجرای Philosophy-informed Machine Learning یا همون PhIML، اینه که بیایم ایده‌ها و اصول جدی فلسفی رو مستقیم ببریم تو دل طراحی مدل‌های یادگیری ماشین. حالا یادگیری ماشین همون الگوریتم‌ها و مدل‌هایی هستن که از داده‌ها یاد می‌گیرن و تصمیم می‌گیرن یا پیش‌بینی می‌کنن، مثل همون مدل‌هایی که توی هوش مصنوعی استفاده می‌شن.

اینجوری دیگه فقط بحث دقت و سرعت مدل‌ها نیست؛ مدل‌ها طوری ساخته می‌شن که ارزش‌ها و مفاهیم مهم فلسفی مثل انصاف، مسئولیت اخلاقی، شفافیت (یعنی معلوم باشه دقیقاً چیکار می‌کنن!) رو هم توی خودشون داشته باشن. به قول نویسنده‌ها، اینطوری می‌تونیم مدل‌هایی بسازیم که از نظر فلسفی هم درست و حسابی رفتار میکنن. مثلاً مدل‌هایی که تو قضاوت‌هاشون تبعیض ندارن یا تصمیماتشون قابل توضیح و آشکاره. (اگه دوست داری بدونی analytic philosophy یعنی چی: همون فلسفه‌ایه که خیلی منطقی، دقیق، و شفاف موضوعاتو تحلیل می‌کنه)

این مقاله اومده از پایه شروع کرده: اول کلی حرف فلسفی رو آورده که نشون بده کجاها فلسفه می‌تونه به ما در طراحی مدل کمک کنه. بعدشم چندتا مطالعه موردی یا همون case study جالب آورده؛ اینم یه اصطلاحن که یعنی بیان یه موقعیت واقعی رو با جزییات بررسی کنن تا راه‌حل‌ها رو نشون بدن.

جالبه که PhIML چند مدل کاربرد داره: یا می‌تونه به عنوان یه ابزار مستقل بعداً روی مدل فعلیت سوار شه (که به این میگن post-hoc tool – یعنی چیزی که بعد از ساخت مدل اضافه می‌شه)، یا از اول توی ساختار اولیه مدل جا داده میشه. این دومی رو می‌گن intrinsic، یا ذاتی؛ یعنی مدل از همون اول بر اساس اصول فلسفی طراحی شده باشه.

نویسنده‌ها فقط تعریف نکردن! کاملاً به چالش‌ها و مشکلاتشم اشاره کردن. مثلاً گفتن هنوز کلی مانع فنی وجود داره که باید حل شه و در کنارش چالش‌های فلسفی یا نظری، مسئله‌های عملی و حتی دغدغه‌های مربوط به قانونگذاری و حکمرانی مدل‌ها – که خب regulatory bodies یا نهادهای نظارتی مسئولش هستن – هم مطرحه. تازه برامون نقشه راه (research roadmap) هم کشیدن برای اینکه چطور می‌تونیم به سمت یادگیری ماشینِ فلسفه‌مدار، امن، و مسئول حرکت کنیم.

خلاصه اگه دنبال اینی که مدل‌های یادگیری ماشین نه فقط باهوش باشن، بلکه از نظر اخلاقی و فلسفی هم درست رفتار کنن، این مقاله دقیقاً واسه توئه! هم چیزهای پایه رو توضیح داده، هم کاربردهاش رو نشون داده، هم چالش‌های فعلی رو بررسی کرده و پیشنهاد داده چجوری باید پیش بریم تا مدل‌هامون واقعاً به جامعه کمک کنن و دردسر درست نکنن.

منبع: +