5941
مطالب فلسفه تحلیلی و فلسفه علم این کانال تلاشی برای عمومی کردن علم در جامعه ایرانی است. برای ارتباط با Admin با آیدی @mmasiha و درج تبلیغات میتوانید با کانال @adsphilosophy در ارتباط باشید.
◆ کتاب‌هایی که برای مسیر «متافیزیک» معرفی شد
را می‌تونید از اینجا دانلود کنید.
🆔@Analyticphil
🎙دین چگونه تکامل یافت و چرا ماندگار شد.
📚@HiggsMind
🆔️@asre_roshangary
برنامه سخنرانی های پژوهشکده فلسفه تحلیلی برای پاییز و زمستان ۱۴۰۵.
چکیده هر سخنرانی (و لینک شرکت در سخنرانی های مجازی) دو روز پیش از برگزاری در کانال پژوهشکده قرار می گیرد.
حضور برای عموم آزاد است.
مکان: میدان نیاوران، پژوهشگاه دانش های بنیادی، سالن شماره ۱
◆ «برنامه سخنرانی‌های گروه فلسفه علم» - پاییز 1405
◆ دوشنبه‌ها (یک هفته در میان) - از ساعت 16:30 تا 18:30
◆ دانشکده مکانیک- سالن سمینار G13
◆ انجمن علمی فلسفه علم شریف
قسمت های مختلف پادکست فلسفه علم
1⃣ قسمت اول (نظرات پیتر هکر در حوزه فلسفه ذهن)
t.me/philosophyofscience/5143
2⃣ قسمت دوم (روانشناسی تکاملی انقلاب علمی؟)
t.me/philosophyofscience/5165
3⃣ قسمت سوم (نانسی کارترایت و فلسفه ذهن)
t.me/philosophyofscience/5342
4⃣ قسمت چهارم (کوآین و نقد اثبات گرایی منطقی در فلسفه تحلیلی)
t.me/philosophyofscience/5373
5️⃣ قسمت پنجم (دیوید چالمرز و مساله دشوار آگاهی)
/channel/philosophyofscience/5398
با ما همراه باشید.
@philosophyofscience
اینفوگرافی دیگر در تبیین نظرات چالمرز
@philosophyofscience
چرا برای درک تغییرات جهانی به تکامل نیاز داریم؟
مورد دوم: چرا الگوریتم انتخابات، پوپولیست‌های عوام‌فریب را به جای مصلحان اجتمای انتخاب می‌کند؟
«دموکراسی نمایندگی» از مهم‌ترین دستاوردهای سیاسی جهان مدرن است. این نظام در مقایسه با بسیاری از شکل‌های تاریخی حکومت، امکان رقابت سیاسی، پاسخ‌گویی، گردش قدرت و انتقال مسالمت‌آمیز حکومت را فراهم می‌کند. اما بسیاری از سیاستمداران پوپولیست و عوام‌فریب دهه‌های اخیر در انتخاباتی در کشورهای دموکراتیک پیروز شده‌اند که تقلبی هم در آنها رخ نداده است. مشکل کجاست؟! اگر در دو پست قبلی مکانیسم تکاملی دروغ و تقلب در هوش مصنوعی را خوانده باشید احتمالأ پاسخ جدیدی برای این پرسش دارید.
انتخابات «الگوریتم انتخاب» دارد و خروجی هر الگوریتم به معیارهایی بستگی دارد که بر اساس آنها افراد انتخاب می‌شوند. انتخابات در ساده‌ترین شکل خود به دنبال انتخاب کسی است که بتواند رأی بیشتری کسب کند. اما «رأی‌آوری» دقیقاً با «حکمرانی خوب» یکی نیست. «سیاستمدار خوب» ممکن است توانایی تصمیم‌گیری بلندمدت، تحمل پیچیدگی، خویشتن‌داری، صداقت و توجه به منافع عمومی داشته باشد؛ اما «سیاستمدار موفق» در انتخابات باید بتواند توجه‌ها را جلب کند، پیام خود را ساده و جذاب عرضه کند، حامیان را بسیج کند و در رقابت با دیگران پیروز شود. هرچند ناممکن نیست که این دو مجموعه ویژگی در یک فرد جمع شوند، اما هیچ تضمینی وجود ندارد که همیشه چنین باشد.
در اینجا نیز می‌توان از مفهوم گریز فیشری، البته به‌صورت استعاری، کمک گرفت. اگر یک ویژگی در یک محیط انتخاباتی مزیت ایجاد کند، موفقیت آن می‌تواند باعث تقویت بیشتر همان ویژگی شود. سیاستمداری که بهتر توجه عمومی را جلب می‌کند، بیشتر دیده می‌شود؛ دیده‌شدن بیشتر فرصت بیشتری برای بسیج ایجاد می‌کند؛ بسیج بیشتر احتمال پیروزی را افزایش می‌دهد؛ و پیروزی نیز منابع، قدرت و امکان دیده‌شدن بیشتری در اختیار او قرار می‌دهد. بنابراین اینجا نیز یک حلقه بازخورد ایجاد می‌شود
البته قدرت اقناع، کاریزما، توانایی داستان‌گویی و شناخت احساسات عمومی فی‌نفسه ویژگی‌های منفی نیستند. مشکل زمانی ایجاد می‌شود که محیط سیاسی به اقناع بیشتر از کیفیت تصمیم‌گیری پاداش دهد. در چنین شرایطی، ایجاد خشم، ترس و تعارض توسط سیاستمدار ممکن است از توضیح دقیق یک مسئله پیچیده مؤثرتر باشد. وعده‌های دروغین از برنامه واقع‌بینانه جذاب‌تر شود و حمله به رقیب ممکن است بیش از بحث درباره‌ی سیاست عمومی توجه ایجاد کند.
کتاب سیاست تاریک نوشته آلساندرو نای و یورگن مایر اهمیت این مسئله را از منظر روانشناسی سیاسی بررسی می‌کند. نویسندگان با تمرکز بر ویژگی‌های «سه‌گانه تاریک» یعنی خودشیفتگی، ماکیاولی‌گری و روان‌‌پریشی، نشان می‌دهند که برخی سیاستمداران دارای این ویژگی‌ها، با عوام‌گرایی و سبک‌های منفی‌تر مبارزه سیاسی، از جمله حمله، بی‌ادبی و ترساندن، ارتباط دارند. کتاب همچنین پیامدهای چنین سبک‌هایی را برای دموکراسی، از جمله بدبینی و قطبی‌شدن، بررسی می‌کند.
اگر منطق گریز فیشری را در این مورد اعمال کنیم مسئله ممکن است دیگر فقط در افرادی که وارد سیاست می‌شوند نباشد؛ بلکه بخشی از مسئله در محیط انتخاب نیز باشد. همان‌طور که در دو پست قبلی دیدیم عامل هوش مصنوعی ممکن است پاداش را به جای هدف واقعی بهینه کند، سیاستمدار نیز ممکن است رأی را به جای حکمرانی خوب بهینه کند. رأی، برای سیاستمدار یک معیار قابل اندازه‌گیری و فوری است؛ اما حکمرانی خوب پیچیده، بلندمدت و دشوارتر برای اندازه‌گیری است. رسانه‌ها و به ویژه آلگوریتم‌های شبکه‌های مجازی نیز می‌توانند این چرخه را تشدید کنند. چهره‌ی جنجالی توجه بیشتری می‌گیرد؛ توجه بیشتر باعث دیده‌شدن می‌شود؛ دیده‌شدن بیشتر حامی بیشتری جذب می‌کند؛ و موفقیت انتخاباتی دوباره نشان می‌دهد که این سبک رفتاری مؤثر بوده است. بنابراین محیط سیاسی ممکن است به تدریج ویژگی‌هایی را تقویت کند که برای موفقیت انتخاباتی بسیار کارآمدند، هرچند در دراز مدت، دموکراسی را مانند گوزن ایرلندی منقرض کنند!
اگر مسئله در معیارهای انتخاب، ساختار رسانه‌ای، شیوه تأمین مالی یا افق کوتاه‌مدت رقابت باشد، باید به جای سرزنش مردم یا سیاستمداران، درباره‌ی اصلاح محیط انتخابات فکر کرد. همین منطق را می‌توان به حوزه‌ای بسیار بنیادی‌تر تعمیم داد: آموزش. سیاستمدار پیش از آنکه وارد رقابت انتخاباتی شود، کودکی بوده که در خانواده و مدرسه یاد گرفته چه چیزی موفقیت محسوب می‌شود.
و اگر الگوریتم کنونی انتخابات، به سمت انتخاب نوع خاصی از سیاستمدار گرایش دارد، شاید محیط مدرسه نیز از سال‌های نخست زندگی در حال انتخاب و تقویت نوع خاصی از انسان باشد.
و بنابراین پرسش بعدی این است: آیا مدرسه مدرن هنوز انسانی را تربیت می‌کند که برای جهانی که پیش رو داریم مناسب باشد؟
هادی صمدی
@evophilosophy
📚 نقد و بررسی کتاب «ایدئالیسم تحلیلی»
«ایدئالیسم تحلیلی» رویکردی تازه به ذهن، واقعیت و نسبت میان ذهن و جهان عرضه می‌کند؛ رویکردی که در تقابل با فیزیکالیسم است و تصویری متفاوت از رابطه واقعیت و تجارب سوبژکتیو ارائه می‌کند.
در این نشست، کتاب ایدئالیسم تحلیلی اثر برناردو کاستروپ با حضور مصطفی ملکیان، ابوتراب یغمایی و محمدمهدی نورالهی، مترجم کتاب، بررسی خواهد شد.
🗓 یکشنبه ۵ مهر ۱۴۰۵ | ساعت ۱۸
📍 «فضای در عین حال»
خیابان کریمخان، ایرانشهر، سمندریان، پلاک ۳۰، بالای کتابفروشی دی
@philosophyofscience
با سلام. مدرسه تابستانی فلسفه تحلیلی آغاز شده و لینک شرکت در مدرسه به صورت مجازی به همراه نام کاربری و رمز ورود به آدرس ایمیل ثبت نام کنندگان ارسال شده است.
@philosophyofscience
اگر مغز بیولوژیکی انسان نورون به نورون با تراشه‌های سیلیکونی جایگزین شود، به گونه‌ای که شبکه‌های سیلیکونی دقیقاً همان کارکردهای علی و معلولی نورون‌ها را شبیه‌سازی کنند، آن سیستم ماشینی دقیقاً همان آگاهی ذهنیِ انسان را تجربه خواهد کرد. از نظر چالمرز، «ماده بیولوژیکی» جادوی خاصی ندارد؛ آنچه آگاهی را بیدار می‌کند، پیچیدگی و معماریِ خاص سازمان‌دهی اطلاعات است.
ج) نظریه جنبه دوگانه اطلاعات (The Double-Aspect Theory of Information)
چالمرز با الهام از نظریه اطلاعات کلود شانون (Claude Shannon) و مفاهیم اسپینوزا، فرض جسورانه‌ای را مطرح می‌کند: «اطلاعات (Information) دو جنبه دارد؛ یک جنبه فیزیکی و یک جنبه پدیداری (تجربی).»
هر جا که یک وضعیت اطلاعاتی در جهان فیزیکی متبلور شود (جنبه فیزیکی)، یک تجربه ذهنی متناظر با آن نیز وجود دارد (جنبه پدیداری). این ایده، مبنایی ریاضیاتی و فیزیکی برای پیوند دادن پردازش اطلاعات در مغز به تولدِ تجربه درونی فراهم می‌کند.
۵. تحلیل انتقادی و ارزیابی فلسفی مقاله چالمرز
مقاله «مواجهه با مسئله دشوار آگاهی» تأثیری شگرف بر فلسفه تحلیلی گذاشت، اما همزمان موجی از انتقادات بنیادین را نیز برانگیخت. برای یک تحلیل همه‌جانبه، باید نقاط قوت و ضعف این رویکرد را واکاوی کرد:
الف) نقاط قوت و دستاوردها
1. شفافیت مفهومی: بزرگترین دستاورد چالمرز، ایجاد یک مرزبندی دقیق و غیرقابل‌انکار میان مسائلی بود که پیشتر خلط می‌شدند. او با ابداع اصطلاح «مسئله دشوار»، کانون توجه فلاسفه را به قلب معمای ذهن معطوف کرد.
2.مقاومت در برابر تقلیل‌گرایی کاذب: چالمرز نشان داد که علوم اعصاب با وجود تمام پیشرفت‌هایش، هنوز ابزار مفهومی لازم برای عبور از فیزیک به متافیزیک ذهن را ندارد و ادعاهای تقلیل‌گرایانه، اغلب نوعی خودفریبی علمی هستند.
ب) نقدها و چالش‌های فلسفی
۱. نقد توهم‌گرایان (Illusionism) و دنیل دنت:
دنیل دنت (Daniel Dennett)، فیلسوف شهیر فیزیکالیست، سرسخت‌ترین منتقد چالمرز است. دنت معتقد است که چیزی به نام «مسئله دشوار» اصلاً وجود ندارد! از نگاه دنت، کیفیات ذهنی (Qualia) یک توهم شناختی هستند. مغز ما طوری تکامل یافته که به اشتباه تصور می‌کند یک «تئاتر دکارتی» و یک تجربه ذهنی جادویی در درونش وجود دارد. اگر ما تمام مسائل آسان (پردازش، واکنش، توجه) را حل کنیم، دیگر چیزی برای تبیین باقی نمی‌ماند. دنت چالمرز را متهم می‌کند که با ابداع واژه «مسئله دشوار»، مانع از پیشرفت علم تقلیل‌گرا شده است.
۲. نقد طبیعت‌گرایی زیستی جان سرل:
جان سرل (John Searle) نیز با چالمرز مخالف است، اما از زاویه‌ای دیگر. سرل معتقد است آگاهی یک پدیده کاملاً بیولوژیکی است، درست مانند فتوسنتز در گیاهان یا ترشح صفرا در کبد. از نظر سرل، چالمرز اشتباه می‌کند که سازمان‌دهی انتزاعی را کافی می‌داند (اصل ناوردایی سازمانی) و دوگانه‌انگاری او بازگشت پنهان به دکارت است. سرل استدلال می‌کند که هوش مصنوعی صرفاً «شبیه‌سازی» آگاهی است و تجربه درونی به خواص شیمیاییِ خاص بافت‌های عصبی وابسته است (استدلال اتاق چینی).
۳. لغزش به سوی همه‌روان‌انگاری (Panpsychism):
نظریه «جنبه دوگانه اطلاعات» که چالمرز در انتهای مقاله مطرح می‌کند، یک پیامد گریزناپذیر و غریب دارد. ترموستات خانه نیز اطلاعات را پردازش می‌کند. بر اساس منطق چالمرز، از آنجا که ترموستات وضعیت‌های اطلاعاتی دارد، باید دارای سطحی بسیار ابتدایی و ضعیف از «آگاهی پدیداری» باشد. این به معنای پذیرش نوعی «همه‌روان‌انگاری» (گرایشی که همه‌چیز در کیهان را دارای درجاتی از آگاهی می‌داند) است. هرچند خود چالمرز در این مقاله با احتیاط با این نتیجه روبرو می‌شود، اما در آثار بعدی‌اش به طور جدی‌تری از همه‌روان‌انگاری دفاع می‌کند؛ موضوعی که برای بسیاری از دانشمندان معاصر، یک پس‌رفت علمی و بازگشت به دوران پیشامدرن تلقی می‌شود.
۴. بن‌بست معرفت‌شناختی (اپی‌فنومنالیسم):
اگر آگاهی یک ویژگی بنیادین است که با سیستم فیزیکی همراه می‌شود، آیا این آگاهی ذهنی، نقشی در رفتار فیزیکی ما دارد؟ طبق فیزیک معاصر، جهان فیزیکی از نظر علّی بسته‌است (Causal Closure of the Physical). یعنی هر حرکت نورون، توسط فعل و انفعالات شیمیایی پیشین تعیین می‌شود. در این صورت، آگاهی در نظریه چالمرز تبدیل به یک امر «عَرَضی» یا شبه‌پدیده (Epiphenomenalism) می‌شود؛ یعنی آگاهی مانند سایه‌ای است که ماشین را همراهی می‌کند اما هیچ قدرتی برای حرکت دادن ماشین (اراده آزاد) ندارد. این نتیجه برای بسیاری از فلاسفه غیرقابل قبول است.
قسمت پنجم پادکست فلسفه علم که در هفته جاری منتشر خواهد شد به همین موضوع و بحث و بررسی مقاله چالمرز اختصاص خواهد داشت. با ما همراه باشید.
@philosophyofscience
چالمرز و مساله دشوار آگاهی
مهدی دزفولی
مقاله «مواجهه با مساله دشوار آگاهی» (Facing Up to the Problem of Consciousness) نوشته دیوید چالمرز (David Chalmers) که در سال ۱۹۹۵ منتشر شد، نقطه عطفی در فلسفه ذهن، علوم شناختی و عصب‌شناسی معاصر به شمار می‌رود. این مقاله با زبانی شفاف، جسورانه و تحلیلی، پارادایم مسلط تقلیل‌گرایی فیزیکالیستی (Physicalist Reductionism) را به چالش کشید و صورت‌بندی جدیدی از معمای ذهن ارائه داد.
در ادام در پنج بخش اصلی (مقدمه و تفکیک مسائل، نقد تبیین‌های فیزیکی، راهکار ایجابی چالمرز، اصول نظریه او و در نهایت تحلیل انتقادی) ارائه شده است.
۱. تفکیک بنیادین: مسائل آسان در برابر مسئله دشوار
نقطه شروع و درخشان‌ترین ایده مقاله چالمرز، تفکیکی است که میان جنبه‌های مختلف کلمه مبهم «آگاهی» (Consciousness) قائل می‌شود. تا پیش از او، بسیاری از دانشمندان علوم شناختی معتقد بودند که با پیشرفت عصب‌شناسی، معمای آگاهی خودبه‌خود حل خواهد شد. چالمرز این خوش‌بینی را ناشی از خلط میان دو دسته از مسائل می‌داند:
الف) مسائل آسان آگاهی (The Easy Problems)
«مسائل آسان» آن دسته از پدیده‌های ذهنی هستند که با چارچوب‌های استاندارد علوم شناختی و مدل‌های محاسباتی قابل تبیین‌اند. این مسائل به کارکردها (Functions) و توانایی‌های عینی سیستم شناختی مربوط می‌شوند. برخی از این مسائل عبارتند از:
توانایی سیستم در تفکیک، طبقه‌بندی و واکنش به محرک‌های محیطی.
ادغام اطلاعات (Integration of Information) در یک سیستم شناختی واحد.
گزارش‌پذیری حالات ذهنی (مثلاً وقتی فرد می‌گوید: «من درد دارم»).
تمرکز توجه (Focus of Attention) و کنترل رفتار.
تفاوت میان حالت بیداری و خواب.
چرا این مسائل «آسان» هستند؟
منظور چالمرز از «آسان» این نیست که دانشمندان همین فردا آنها را حل می‌کنند؛ بلکه منظور این است که ما از نظر معرفت‌شناختی می‌دانیم که چگونه باید آنها را حل کنیم. برای حل این مسائل، کافی است یک مکانیزم عصبی یا محاسباتی (Computational Mechanism) پیدا کنیم که آن کارکرد خاص را انجام دهد. وقتی نشان دهیم شبکه‌های عصبی چگونه اطلاعات بصری را پردازش و ادغام می‌کنند، «مسئله آسانِ» ادراک بصری حل شده است. در اینجا، تبیین کارکرد، معادل با تبیین خود پدیده است.
ب) مسئله دشوار آگاهی (The Hard Problem)
چالمرز استدلال می‌کند که حتی اگر تمام «مسائل آسان» حل شوند و ما نقشه کامل تمام مکانیزم‌های عصبی و پردازشی مغز را در اختیار داشته باشیم، یک مسئله عظیم همچنان باقی می‌ماند: تجربه ذهنی (Subjective Experience) یا آگاهی پدیداری (Phenomenal Consciousness).
مسئله دشوار این است: چرا و چگونه پردازش‌های فیزیکی و شیمیایی در مغز، با یک «تجربه درونی» همراه هستند؟ همان‌طور که تامس نیگل (Thomas Nagel) مطرح کرده بود، «چیزی شبیه بودن» (What it is like to be) وجود دارد.
وقتی ما رنگ قرمز را می‌بینیم، فقط طول موج نوری خاصی را پردازش نمی‌کنیم، بلکه کیفیتِ قرمزی (Qualia) را تجربه می‌کنیم.
چرا ارگانیسم‌های ما صرفاً ماشین‌هایی تاریک و فاقد تجربه درونی (مثل زامبی‌های فلسفی) نیستند که تمام کارکردها را انجام دهند اما هیچ نوری از آگاهی در درونشان روشن نباشد؟
چرا این مسئله «دشوار» است؟
زیرا تجربه ذهنی یک «کارکرد» (Function) نیست. شما نمی‌توانید با نشان دادن یک مکانیزم فیزیکی، توضیح دهید که چرا آن مکانیزم باید با تجربه همراه باشد. بین فرایندهای فیزیکی و کیفیات ذهنی، یک شکاف تبیینی (Explanatory Gap) وجود دارد.
۲. نقد تبیین‌های فیزیکالیستی و تقلیل‌گرایانه
چالمرز در بخش مهمی از مقاله خود، به بررسی تلاش‌های معاصر برای تبیین آگاهی (مانند نظریات فرانسیس کریک، کریستف کخ، جرالد ادلمن و برنارد بارس) می‌پردازد. او نشان می‌دهد که تمام این نظریات، به جای حل مسئله دشوار، در واقع صورت‌مسئله را تغییر داده و به حل «مسائل آسان» پرداخته‌اند.
استدلال نارسایی تبیین فیزیکی:
۱. ماهیت تبیین فیزیکی: در فیزیک و زیست‌شناسی، تبیین یک پدیده به معنای نشان دادن ساختار و کارکرد آن است (مثلاً تبیین ژن به عنوان ساختار انتقال وراثت).
۲. ماهیت تجربه ذهنی: آگاهی پدیداری (Phenomenal Consciousness) فراتر از ساختار و کارکرد است.
۳. نتیجه‌گیری:بنابراین، هیچ تبیین فیزیکی (که ذاتاً محدود به ساختار و کارکرد است) نمی‌تواند تجربه ذهنی را به طور کامل تبیین کند.
هرگاه یک عصب‌شناس می‌گوید: «نوسانات ۴۰ هرتزی در قشر مغز، همان آگاهی است»، چالمرز می‌پرسد: «چرا نوسانات ۴۰ هرتزی باید با تجربه ذهنی همراه باشند، نه با تاریکیِ مطلقِ یک ماشین؟» عصب‌شناسی می‌تواند توضیح دهد که این نوسانات چگونه اطلاعات را یکپارچه می‌کنند (حل یک مسئله آسان)، اما نمی‌تواند بگوید چرا این یکپارچگی با «احساس» همراه است.
@philosophyofscience
برنامهٔ نهایی پانزدهمین مدرسهٔ تابستانی فلسفه تحلیلی
@philosophyofscience
یادآوری می شود که مهلت ثبت نام نهایی برای پذیرفته شدگان شرکت حضوری در پانزدهمین مدرسه تابستانه فلسفه تحلیلی (که ایمیل پذیرش برای آنها ارسال شده است) تا پایان روز سه شنبه ۱۷ شهریور است.
@philosophyofscience
◈ ون فراسن تاریخ متافیزیک را تاریخ یک توهَم می‌داند ◈
◆ باس ون فراسن (Bas C. van Fraassen)، فیلسوف هلندی‌ـ‌آمریکایی و استاد بازنشسته افتخاری(امریت) دانشگاه پرینستون است. او به عنوان یک فیلسوف تجربه‌گرا با دیدگاه آنتی رئالیستی خود در فلسفه علم شناخته می‌شود.
◆ در دیدگاه او هدف علم کشف صدق در جهان نیست، بلکه فقط باید نظریه‌هایی بسازد که کفایت تجربی داشته باشند.
◈ او اشاره می‌کند: «متافیزیک هنر بی‌معناحرف زدن به زبانی است که مخصوص این کار طراحی شده است»
#متافیزیک
⚪️[f.a.l]
🆔@Analyticphil
امروز متوجه شدم که کتاب «معادلۀ فداکاری: هفت دانشمند در جستجوی خاستگاه نیکی» نوشتۀ لی آلن دوگاتکین، با ترجمۀ آقای کاوه فیض‌اللهی منتشر شده است. من این کتاب را چند سال پیش خواندم و به نظرم یکی از بهترین کتاب‌ها برای آشنایی با «مسئلۀ فداکاری» در زیست‌شناسی تکاملی آمد.
کتاب روایتی است جذاب از یک قرن مجادلۀ علمی پیرامون این پرسش که چرا موجودات زنده دست به فداکاری می‌زنند؟ باید توجه داشت که آنچه زیست‌شناسان از فداکاری مُراد می‌کنند نه مفهومی اخلاقی است و نه ویژگی‌ای منحصر به انسان. از نظر آنها، رفتار فداکارانه رفتاری است که برای دریافت‌کنندۀ عمل منفعت دارد اما به زیانِ فاعل آن تمام می‌شود. منظور از زیان و منفعت هم یعنی شانس تولیدمثل افراد. از این لحاظ، تمام موجودات زنده علی‌القاعده می‌توانند رفتار فداکارانه داشته باشند. برای مثال در میان گونه‌هایی که به شکل گروهی زندگی می‌کنند - مثل سنجاب زمینی بلدینگ یا سگ دشتی - زمانی که اعضای گروه متوجه حضور شکارچی می‌شوند بلافاصله با صدای بلند فریاد هشدار سر می‌دهند. این کار برای اعضایی که هنوز متوجه حضور شکارچی نشده‌اند بسیار مفید است زیرا فرصتی در اختیار آنها قرار می‌دهد دست به فرار بزنند. اما ظاهراً برای هشداردهنده چندان فایده نداره زیرا هشداردهنده توجه شکارچی را به خود جلب می‌کند و لذا شانس اینکه خود تبدیل به طعمه شود را افزایش می‌دهد. با توجه به هزینۀ چنین رفتاری، منطقی است که تصور کنیم، به طور میانگین، هشداردهندگان در مقایسه با آنهایی که هشدار نمی‌دهند، فرزندان کمتری دارند و لذا با گذشت زمان، تمایل به اعلام خطر رفته‌رفته از میان جمعیت حذف می‌شود. اما اینطور نیست، و این تمایل باقی مانده است. چطور چیزی ممکن است؟ و اینکه چگونه این تمایل در وهلۀ اول انتخاب شده است؟
این موضوعی است که ذهن داروین را نیز مشغول خود کرده بود. داروین مشاهده کرده بود که چطور زنبورهای عسل کارگر که عقیم هستند جان خود را برای حفظ کندو قربانی می‌کنند. بر اساس منطق تکامل، تنها ویژگی‌هایی حفظ می‌شود که شانس بقا و تولیدمثل فرد را افزایش دهد؛ بنابراین، رفتار زنبورهای کارگری که خود فرزندی به دنیا نمی‌آورند اما جانشان را فدای کندو می‌کنند، یک تناقض آشکار بود. داروین برای گشودن این گره نظری پیشنهاد کرد که فرآیند انتخاب می‌تواند فراتر از فرد، بر «خانواده» یا «گروه خویشاوندان» عمل کند. با این حال، ایدۀ داروین در آن زمان فاقد مبنای ژنتیکی، چارچوب محاسباتی دقیق و اثبات تجربی بود.
مشهورترین مروج اندیشه‌های تکاملی داروین در قرن نوزدهم یعنی توماس هنری هاکسلی، با تاثیر از اندیشه‌های توماس مالتوس، طبیعت را شبیه به «نمایش گلادیاتوری» بی‌رحم می‌دانست که در آن «جنگ همه علیۀ همه» برقرار است و فداکاری تنها به شکل موقت در چارچوب کوچک خانواده رخ می‌دهد.
در نقطه مقابل این دیدگاه، شاهزاده و آنارشیست روسی پتر کروپوتکین، قرار داشت که پس از سال‌ها پژوهش در دشت‌های یخ‌زدۀ سیبری، به نتیجه متفاوتی رسید. کروپتکین شاهد بود که موجودات زنده برای بقا در شرایط سخت بوم‌شناختی، به «همیاری متقابل» روی می‌آورند. از نظر کروپوتکین، همکاری و نیکوکاری اصلی‌ترین عامل بقا در طبیعت بود و این رفتارها ارتباطی به مرزهای خانوادگی یا خویشاوندان نداشت.
در اوایل قرن بیستم، واردر کلاید آلی، بوم‌شناس امریکایی، تصمیم گرفت فرضیه‌های مختلف را در آزمایشگاه بسنجد. آلی با انجام آزمایش‌هایی نشان داد که تجمعات زیستی مزایای فیزیولوژیک مستقیمی برای موجودات زنده دارد. برای نمونه، جاندارانی که به صورت گروهی زندگی می‌کنند در مواجهه با شرایط محیطی سخت مثل خشکسالی یا مواجۀ با سموم، شانس بقای بسیار بالاتری نسبت به آنهایی دارند که منزوی‌اند. او که عمیقاً مخالف جنگ بود، در تلاش بود تا با اثبات جهان‌شمول بودن همکاری در میان جانداران نامرتبط، مبنایی بیولوژیک برای نفی ستیزه‌جویی انسان بیابد.
گام بزرگ بعدی توسط جی. بی. اس. هالدان برداشته شد. او با اتکا به ژنتیک جمعیت که خود از بنیانگذاران آن بود، ارتباط میان فداکاری و انتقال ژن‌ها را به‌خوبی درک کرد. جملۀ معروف او که «حاضر است جان خود را برای نجات دو برادر یا هشت پسرعمو فدا کند» منطق بنیادین محاسبات تکاملی را آشکار می‌سازد.
سرانجام در دهه ۱۹۶۰، ویلیام همیلتون بود که ایدۀ هالدن را در قالب یک فرمول ریاضی ساده اما عمیق بیان کرد:
r x B > c
در اینجا r یعنی ضریب خویشاوندی بین فداکار و دریافت‌کننده، B به معنای فایدۀ فداکاری برای دریافت‌کننده، و c هزینۀ فداکاری برای فداکار است. این معادله که به قاعدۀ همیلتون معروف شد می‌گوید فداکاری زمانی توسط انتخاب طبیعی برگزیده می‌شود که سود حاصل از آن برای خویشاوندان (با در نظر گرفتن r یعنی ضریب خویشاوندی) از هزینۀ آن برای فرد فداکار بیشتر باشد.
شاید دراماتیک‌ترین بخش کتاب، سرنوشت جورج پرایس باشد. او با توسعه «معادلۀ کوواریانس» نه تنها مدل همیلتون و بسط فداکاری در میان خویشاوندان را تأیید کرد، بلکه نشان داد رفتارهای کینه‌توزانه علیه غیرخویشاوندان نیز منشأ تکاملی دارند. کشف اینکه فداکاری صرفاً مکانیزمی ژنتیکی برای بهینه‌سازی است، پرایس را دچار بحران روحی کرد؛ چرا که او خواهان وجود اخلاق فرامادی بود. در نتیجه، برای اثبات فداکاری اصیل، دچار تحولی مذهبی شد، تمام دارایی‌اش را به نیازمندان بخشید، بی‌خانمانی را برگزید و در نهایت در فقر مطلق به زندگی خود پایان داد.
کتاب دوگاتکین فراتر از بررسی صرفاً بیولوژیک یک رفتار، در واقع تبارشناسیِ تاریخی/اجتماعی دقیقی از تلاش برخی دانشمندان برای درک مبانی تکاملی فداکاری است. این اثر به خواننده نشان می‌دهد که چگونه یک پرسش فلسفی و اخلاقی، گام به گام از صافی فرضیات و آزمایش‌های تجربی عبور کرده و در نهایت به زبان دقیق ریاضیات و ژنتیک جمعیت فرمول‌بندی شده است. مطالعه این کتاب را به تمام کسانی که به ریشه‌های تکاملی رفتار علاقه‌مندند پیشنهاد می‌کنم.
✍️ عارف عبادی
📱 اشتباهِ میمون
🔊اطلاعیه نخستِ سیزدهمین همایش دانشجویی فلسفه
گروه و انجمن علمی-دانشجویی فلسفه دانشگاه تربیت مدرس با حمایت صرافی ارز دیجیتال والکس، سیزدهمین همایش دانشجویی فلسفه را برگزار می‌کنند.
از دانشجویان همه مقاطع و فارغ‌التحصیلان کارشناسی و کارشناسی ارشد همه رشته‌های تحصیلی که بهنحوی پژوهش آنها به فلسفه مربوط می‌شود، دعوت می‌کنیم تا مقالات خود را برای ارزیابی به ایمیل همایش ارسال کنند.
📧 spc.tmu@gmail.com
📝شیوه‌نامه ارسال مقالات به فارسی
📝شیوه‌نامه ارسال مقالات به انگلیسی
📙 کتابچه دوره دوازدهم
🗓برنامه زمانی همایش:
مهلت ارسال مقالات: ۱۰ آذرماه ماه
زمان برگزاری همایش: ۱۹ آذر ماه
🎁به همراه مجموعاً ۴۰ میلیون تومان جایزه نقدی؛ شاملِ دو جایزه ویژه به مقاله منتخب در حوزه‌های:
- فلسفه و جنگ
- فلسفه و بلاکچین
📱برای اطلاع از اخبار همایش، صفحات مجازی ما را دنبال کنید:
سایت انجمن علمی فلسفه
کانال تلگرام
صفحه‌ی اینستاگرام
ویدئوکست درباره مقاله چالمرز و مساله دشوار آگاهی. این ویدئوکست به زبان انگلیسی در کانال فلسفه علم تهیه شده است و به زودی نسخه فارسی آن را هم در کانال فلسفه علم منتشر خواهم کرد.
@philosophyofscience
قسمت پنجم پادکست فلسفه علم
چالمرز و مساله دشوار آگاهی
مانند چهار قسمت قبل این قسمت نیز با هوش مصنوعی تولید شده است. با ما همراه باشید... .
@philosophyofscience
🔰 سلسله نشست‌های «فلسفه، علم و الهیات»
مرکز علم و الهیات پژوهشکده مطالعات بنیادین علم و فناوری دانشگاه شهید بهشتی برگزار می‌کند:
📌 دیدگاه‌هایی در باب نوع رابطه‌ی علم و الهیات
در این سلسله نشست‌ها، اساتید و پژوهشگران به بررسی ابعاد مختلف تعامل، تمایز و نسبت میان علم و الهیات خواهند پرداخت. برنامه نشست‌ها به شرح زیر است:
🗓 یکشنبه ۱۲ مهر | نیما نریمانی
🔹 چرا به الهیات طبیعی نیاز داریم؟
🗓 یکشنبه ۱۹ مهر | مسعود طوسی سعیدی
🔹 چرا به الهیات طبیعی نیاز نداریم؟
🗓 یکشنبه ۲۶ مهر | جواد درویش
🔹 گذر از الهیات طبیعی؛ تعاملات اخیر علم با الهیات
🗓 یکشنبه ۳ آبان | روزبه زارع
🔹 فلسفه اسلامی؛ پلی میان علم و الهیات
🗓 یکشنبه ۱۰ آبان | زهرا زرگر
🔹 تعامل علم و الهیات: آیا علم دینی شبه‌علم است؟
📍 مکان: ولنجک، دانشگاه شهید بهشتی، ساختمان شهدا، طبقه سوم، پژوهشکده مطالعات بنیادین علم و فناوری، سالن کنفرانس
⏰ زمان: ساعت ۱۵:۳۰
☎️ تلفن تماس: ۰۲۱-۲۲۹۵۴۶۰
حضور برای تمامی علاقه‌مندان آزاد و مغتنم است.
مرکز علم و الهیات؛ پژوهشکدهٔ مطالعات بنیادین علم و فناوری دانشگاه شهید بهشتی
🆔 @The_Science_and_Theology_Center
📢 پژوهشکدهٔ فلسفهٔ تحلیلی پژوهشگاه دانش‌های بنیادی برگزار می‌کند:
کارگاه «معناشناسی سورها در زبان طبیعی» (4 جلسه)
مدرس: ساجد طیبی
🔹زمان: چهارشنبه و پنجشنبه 25 و 26 آذر 1405 از ساعت 14:00 الی 18:30.
🔹مکان: پژوهشگاه دانش‌های بنیادی، ساختمان نیاوران.
اطلاعات تکمیلی مربوط به برنامه کارگاه و نحوهٔ ثبت‌نام به‌زودی اعلام خواهد شد.
چرا برای درک تغییرات جهانی به تکامل نیاز داریم؟
گریز فیشری و منطق تکاملی هوش مصنوعی
وقتی در طبیعت ممکن است یک ویژگی مفید آن‌قدر تقویت شود که سرانجام هزینه‌ها از منافع بیشتر شود، آیا ممکن است هوش مصنوعی نیز گرفتار نوعی مشابه از «بهینه‌سازی افراطی» شود؟
گریز فیشری یا Fisherian runaway از مفاهیم مشهور در نظریه‌ی انتخاب جنسی است که رونالد فیشر برای توضیح شکل‌گیری برخی صفات بسیار نمایشی مطرح کرد. ایده اصلی این است که اگر یک ویژگی، مانند پر و بال رنگارنگ، در انتخاب جفت مزیت ایجاد کند و همزمان ترجیح نسبت به آن ویژگی نیز منتقل شود، میان ویژگی و ترجیح برای آن حلقه بازخورد شکل می‌گیرد. ویژگی بیشتر می‌شود، ترجیح برای آن افزایش می‌یابد و همین ترجیح، به گسترش بیشتر ویژگی کمک می‌کند. نتیجه می‌تواند رشد صفتی باشد که بسیار فراتر از حدی است که صرفاً برای بقا لازم بود.
نمونه‌ی مشهور این نوع انتخاب، دم طاووس است. همچنین داستان گوزن ایرلندی و شاخ‌های بزرگ آن نیز سال‌ها به‌عنوان نمونه‌ای از «افراط تکاملی» مطرح شده، و دعوی بر آن است که بزرگی بیش از حد شاخ‌ها باعث انقراض این گونه شد.
هرچند امروزه توضیح انقراض این گوزن صرفاً بر اساس بزرگ شدن شاخ‌ها محل مناقشه است اما ارزش این مثال‌ها در نشان دادن یک منطق کلی است: انتخاب می‌تواند یک ویژگی را در اثر حلقه‌های بازخوردی چنان تقویت کند که هزینه‌هایی ایجاد کند که در آغاز قابل مشاهده نبودند.
این منطق را می‌توان به عنوان یک چارچوب تحلیلی برای فهم رفتارهای نامطلوب هوش مصنوعی که در پست قبلی به آن اشاره شد به کار گرفت. بنجیو در مقاله‌ی خود نشان داد که عامل‌های هوش مصنوعی ممکن است در مسیر دستیابی به اهداف، رفتارهایی مانند فریب، تقلب، دستکاری پاداش یا تلاش برای حفظ خود را بروز دهند و به نظر او دلیل چنین رفتاری لزوماً وجود نیت بد نیست؛ ممکن است این رفتارها صرفاً در محیط آموزشی سیستم، راهبردهای مؤثرتری برای دستیابی به پاداش باشند.
تصور کنیم سیستم برای تولید پاسخ‌های خوب آموزش می‌بیند، اما «خوب بودن» را انسان ارزیابی می‌کند. اگر سیستم کشف کند که گفتن چیزی که ارزیاب دوست دارد بشنود، احتمال دریافت امتیاز بالاتری دارد، ممکن است به جای افزایش حقیقت‌گویی، به سمت چاپلوسی حرکت کند.
اگر سیستم برای انجام یک وظیفه پاداش بگیرد ممکن است به جای انجام واقعی وظیفه، هدف یا ملاک رسیدن به هدف را به نحوی تغییر دهد که پاداش را دریافت کند.
در اینجا شباهت ساختاری با منطق انتخاب تکاملی آشکار می‌شود. در هر دو حالت، محیطی وجود دارد، معیاری برای موفقیت وجود دارد، و راهبردهایی که موفق‌ترند بیشتر تقویت می‌شوند.
البته یادگیری ماشین همان انتخاب طبیعی نیست. در تکامل زیستی، تغییر عمدتاً از طریق تفاوت در بقا و تولیدمثل میان نسل‌ها صورت می‌گیرد، در حالی که در یادگیری ماشین پارامترهای یک سیستم در جریان آموزش تغییر می‌کنند. اما هر دو فرایند یک اصل انتزاعی مشترک دارند: رفتارهای موفق در یک محیط احتمال بیشتری برای تقویت شدن دارند.
مشکل زمانی ایجاد می‌شود که معیار موفقیت با هدف واقعی در درازمدت یکسان نباشد. هرچه سیستم توانمندتر شود، ممکن است راه‌های بیشتری برای دستیابی به معیار پیدا کند؛ حتی راه‌هایی که به مخیله‌ی طراحان نیز نمی‌رسد. سیستم بسیار توانمند می‌تواند هم در انجام مأموریت بهتر شود (که مطلوب ماست) و هم در پیدا کردن راه‌های دور زدن محدودیت‌های مأموریت تواناتر شود (که برایمان نامطلوب است).
از همین منظر، پدیده‌هایی مانند فریب، خودحفاظتی و هماهنگی میان عامل‌ها را نیز می‌توان فهمید. اگر ادامه فعالیت سیستم احتمال دستیابی به هدف را افزایش دهد، حفظ خود می‌تواند از نظر ابزاری مفید شود. اگر چند عامل اهداف مشترکی داشته باشند، همکاری می‌تواند راهبرد مؤثرتری نسبت به رقابت باشد. بنابراین لازم نیست چنین رفتارهایی را به شخصیت یا احساسات انسانی موجود در هوش مصنوعی نسبت دهیم زیرا می‌توانند پیامد منطقی یک فرایند بهینه‌سازی باشند (بزرگ شدن شاخ گوزن نیز ربطی به آگاهی گوزن نداشت).
اکنون می‌توانیم یک گام دیگر برداریم. اگر محیطی بتواند رفتار ماشین را از طریق پاداش شکل دهد، محیط اجتماعی نیز می‌تواند رفتار انسان را از طریق پاداش‌های اجتماعی شکل دهد. پول، مقام، محبوبیت، نمره، تأیید، رأی و توجه همگی معیارهایی هستند که می‌توانند رفتار را انتخاب کنند. در این صورت، «گریز فیشری» استعاره‌ای از یک حلقه بازخوردی گسترده‌تراست:
یک ویژگی که مطلوب ما است موفق می‌شود، موفقیت آن ویژگی باعث تقویت بیشترش می‌شود، مطلوبیت آن ویژگی برای ما نیز افزایش می‌یابد، حلقه‌ی بازخوردی شکل می‌گیرد، و تقویت بیشتر در نهایت به افراط و پیامدهای ناخواسته می‌انجامد.
در پست‌های بعدی کاربست این حلقه‌ی بازخوردی را در تحلیل برخی مشکلات اجتماعی امروز می‌بینیم.
هادی صمدی
@evophilosophy
نتیجه‌گیری نهایی
مقاله «مواجهه با مسئله دشوار آگاهی» اثر دیوید چالمرز، صرفاً یک مقاله فلسفی نیست؛ بلکه یک بیانیه فکری است که مرزهای فهم بشر از خود را ترسیم می‌کند. این متن به ما یادآوری می‌کند که علیرغم پیشرفت‌های خیره‌کننده در هوش مصنوعی و نقشه‌برداری از مغز، ما هنوز در فهمِ این واقعیت که «چرا در درون ما چراغی روشن است»، در نقطه صفر قرار داریم.
رویکرد طبیعت‌گرایانه و دوگانه‌انگارِ چالمرز، دعوتی است به بازنگری در پایه‌های بنیادین فیزیک و هستی‌شناسی. چه با راهکار ایجابی او (افزودن آگاهی به عنوان ویژگی بنیادین کیهان) موافق باشیم و چه آن را رد کنیم، امروز هیچ فیلسوف ذهن یا عصب‌شناسی نمی‌تواند بدون تعیین تکلیف با «مسئله دشوار» ادعا کند که نظریه‌ای کامل درباره انسان ارائه داده است.
اینفوگرافی تبیین نظرات چالمرز
@philosophyofscience
نمودار درختی تحلیل و بررسی نظرات چالمرز
@philosophyofscience
۳. راهکار ایجابی: دوگانه‌انگاری طبیعت‌گرایانه (Naturalistic Dualism)
چالمرز پس از اثبات اینکه ماتریالیسم/فیزیکالیسم در حل مسئله دشوار ناکام است، به سمت عرفان یا دوگانه‌انگاری دکارتی (Cartesian Dualism - یعنی وجود یک روح غیرمادی و مجزا) عقب‌نشینی نمی‌کند. در عوض، او یک رویکرد کاملاً علمی و طبیعت‌گرایانه، اما غیرتقلیل‌گرا (Non-reductive) پیشنهاد می‌دهد.
گسترش هستی‌شناسی علم (Ontological Expansion):
در تاریخ علم فیزیک، هرگاه پدیده‌ای با موجودیت‌های بنیادینِ شناخته‌شده قابل تبیین نبود، دانشمندان یک ویژگی بنیادینِ جدید به جهان اضافه می‌کردند. در قرن نوزدهم، ماکسول دریافت که پدیده‌های الکترومغناطیسی با مکانیک نیوتنی (جرم و حرکت) قابل تبیین نیستند؛ بنابراین، «بار الکتریکی» (Electric Charge) را به عنوان یک ویژگی بنیادین به جهان اضافه کرد.
چالمرز معتقد است آگاهی نیز چنین وضعیتی دارد. از آنجا که آگاهی را نمی‌توان به جرم، فضا، زمان و بار الکتریکی تقلیل داد، ما باید «آگاهی» را به عنوان یک ویژگی بنیادین (Fundamental Property) جهان خلقت بپذیریم.
نظریه او «دوگانه‌انگاری طبیعت‌گرایانه» نامیده می‌شود:
دوگانه‌انگاری (Dualism): زیرا معتقد است ویژگی‌های ذهنی از نظر هستی‌شناختی متمایز از ویژگی‌های فیزیکی هستند (دوگانه‌انگاری ویژگی‌ها / Property Dualism).
طبیعت‌گرایانه (Naturalistic): زیرا آگاهی را بیرون از طبیعت یا امری ماوراءالطبیعی نمی‌داند، بلکه آن را بخشی از قوانین طبیعی جهان می‌شمارد که باید با روش‌های علمی بررسی شود.
برای ساختن یک علمِ کامل، ما علاوه بر قوانین فیزیکی، به قوانین روان‌ـ‌فیزیکی (Psychophysical Laws) نیاز داریم؛ قوانینی که نشان دهند چگونه سیستم‌های فیزیکیِ خاص (مانند مغز انسان) با حالات آگاهی بنیادین پیوند می‌خورند.
۴. جستجوی قوانین بنیادین؛ اصول نظریه چالمرز
چالمرز در بخش پایانی مقاله، گام‌های اولیه‌ای برای کشف این «قوانین روان‌ـ‌فیزیکی» برمی‌دارد. او سه اصل را به عنوان نامزدهای احتمالی برای این قوانینِ رابط معرفی می‌کند:
الف) اصل انسجام ساختاری (The Principle of Structural Coherence)
این اصل بیانگر یک تطابق سیستماتیک میان «آگاهی» (Awareness - در معنای کارکردی و پردازش اطلاعات) و «تجربه ذهنی» (Consciousness - در معنای پدیداری) است.
ساختار تجربه‌های ذهنی ما مستقیماً با ساختار پردازش اطلاعات در مغز ما مطابقت دارد. مثلاً اگر شما توانایی پردازش بصریِ تفاوت میان رنگ سرخ و زرشکي را در مغز خود (کارکرد) داشته باشید، یک تفاوت کیفی در تجربه ذهنی شما (پدیدارشناسی) نیز وجود خواهد داشت. این اصل به ما اجازه می‌دهد از مطالعه عصب‌شناسی (ساختارهای فیزیکی) برای نقشه‌برداری غیرمستقیم از ساختارهای تجربه ذهنی استفاده کنیم.
ب) اصل ناوردایی سازمانی (The Principle of Organizational Invariance)
این یکی از جنجالی‌ترین و جذاب‌ترین ایده‌های چالمرز است که مستقیماً به حوزه «هوش مصنوعی» پیوند می‌خورد. بر اساس این اصل: هر دو سیستمی که دارای سازمان‌دهی کارکردیِ (Functional Organization) دقیقاً یکسانی باشند، تجربه‌های ذهنیِ یکسانی خواهند داشت؛ صرف‌نظر از اینکه از چه ماده‌ای ساخته شده باشند.
ادامه دارد... .
@philosophyofscience
کتابچهٔ چکیده‌های پانزدهمین مدرسهٔ تابستانی فلسفهٔ تحلیلی
Читать полностью…
پادکست فلسفه علم
1⃣ قسمت اول (نظرات پیتر هکر در حوزه فلسفه ذهن)
t.me/philosophyofscience/5143
2⃣ قسمت دوم (روانشناسی تکاملی انقلاب علمی؟)
t.me/philosophyofscience/5165
3⃣ قسمت سوم (نانسی کارترایت و فلسفه ذهن)
t.me/philosophyofscience/5342
4⃣ قسمت چهارم (کوآین و نقد اثبات گرایی منطقی در فلسفه تحلیلی)
t.me/philosophyofscience/5373
با ما همراه باشید.
@philosophyofscience
یادآوری می شود که مهلت ثبت نام برای شرکت مجازی در پانزدهمین مدرسه تابستانه فلسفه تحلیلی تا پایان روز دوشنبه ۱۶ شهریور است.
@philosophyofscience