# انسانی که هیچ‌چیز را لمس نمی‌کند
ابن‌سینا می‌گوید انسانی را تصور کنید که یک‌باره و با قوای سالم به وجود آمده است: در هوا معلق است، هیچ چیز را نمی‌بیند و اندام‌هایش به هم نمی‌خورند. چنین کسی از راه حس، هیچ چیزی دربارهٔ بدن خودش نمی‌داند. اما به گفتهٔ ابن‌سینا، همین انسان بی‌درنگ وجود خودش را تصدیق می‌کند:
1
ایجاد یک‌باره — با قوای سالم، بدون هیچ خاطره‌ای
2
معلق در خلأ — هیچ چیز را نمی‌بیند
3
بدون تماس اندام‌ها — بدن خودش را هم حس نمی‌کند
4
و با این حال — وجود خودش را بی‌درنگ تصدیق می‌کند
حتی بدون هیچ ادراک حسی، نمی‌توانم وجود خودم را انکار کنم.
خلاصهٔ امروزی استدلال ابن‌سینا — نه نقل‌قول لفظی از متن او
خلاصهٔ امروزی استدلال ابن‌سینا — نه نقل‌قول لفظی از متن او
حاصلِ آزمایش همین است: «آگاهی از خود» با «آگاهی از بدن و جهان» یکی نیست و می‌توان این دو را جدا کرد و جدا بررسی کرد. ابن‌سینا از همین نتیجه برای بحث دربارهٔ ماهیت نفس و نسبت آن با بدن استفاده کرد.
نکتهٔ ظریف: انسانِ فرضی بی‌بدن نیست؛ بدن دارد ولی آن را حس نمی‌کند. آزمایش فقط «حس کردن بدن» را کنار می‌گذارد، نه خودِ بدن را.
# آزمایش فکری، نه نتیجهٔ آزمایشگاه
این آزمایش در آزمایشگاه انجام نشده است. ابن‌سینا از ما می‌خواهد یک وضعیت فرضی را تصور کنیم و دربارهٔ آن فکر کنیم. این روش برای روشن‌کردن مفهوم‌ها عالی است، اما نتیجه‌اش را نباید بزرگ‌تر از آنچه هست کرد:
چه چیزی به دست می‌آید
فرق «آگاهی از خود» و «آگاهی از بدن و جهان» را جدا و واضح می‌کند
چه چیزی ثابت نمی‌شود
استقلال ذهن از مغز؛ «به بدنم آگاه نیستم» به‌معنای «آگاهی من به بدن وابسته نیست» نیست
پس حاصل این بخش، یک سؤال دقیق‌تر است: آگاهی از خود دقیقاً چیست و چه چیزی می‌تواند شاهد آن باشد؟
# وقتی می‌گوییم «آگاهی»، یعنی چه؟
سه مثال بیندازید: دوربینی که چهره تشخیص می‌دهد، برنامه‌ای که خطای خودش را گزارش می‌کند، انسانی که درد را احساس می‌کند. هر سه با اطلاعات کار دارند، اما کلمهٔ «آگاهی» برای هر سه یک معنا ندارد:
| مفهوم | پرسش اصلی | نمونه |
|---|---|---|
| هوش و توانایی شناختی | چه مسئله‌ای را حل می‌کند؟ | برنامه‌ریزی، حل مسئله |
| خودمدل‌سازی | چه اطلاعاتی دربارهٔ خودش دارد؟ | گزارش محدودیت‌ها یا وضعیت حافظه |
| دسترسی به اطلاعات | اطلاعات چگونه در دسترس قرار می‌گیرد؟ | استفاده از یک حالت داخلی در چند کار |
| تجربهٔ آگاهانه | بودن در این وضعیت از درون چگونه است؟ | حس درد، دیدن رنگ |
در این مقاله فقط ردیف آخر برایمان مهم است: تجربهٔ آگاهانه. یعنی این پرسش که «برای خودِ آن سیستم، داشتنِ یک تجربه معنا دارد یا نه؟» دیوید چالمرز به فاصلهٔ میان توضیح کارکردها و توضیح تجربه می‌گوید «مسئلهٔ دشوار آگاهی»:
چرا این پردازش‌ها بدون هیچ تجربه‌ای رخ نمی‌دهند؟
صورت مسئلهٔ دشوار آگاهی — چالمرز، ۱۹۹۵
صورت مسئلهٔ دشوار آگاهی — چالمرز، ۱۹۹۵
دو تعبیر دیگر هم جدا کنید: «تجربه داشتن» با «خود را صاحب تجربه دانستن» یکی نیست؛ سیستمی می‌تواند خودمدل بسیار دقیقی داشته باشد بی‌آنکه معلوم باشد تجربه‌ای در کار است.
# ماشین چگونه دربارهٔ خودش حرف می‌زند؟
یک برنامه می‌تواند وضعیت حافظه و ابزارهایش را نگه دارد و بر اساس همان بگوید: «این کار را نمی‌توانم انجام دهم.» این گزارش می‌تواند دقیق و مفید باشد. اما دو نوع حرف باید از هم جدا شود:
گزارش قابل‌بررسی
«ابزار در دسترس نبود» — درست بودنش را می‌توان با وضعیت واقعی برنامه سنجید
ادعای تجربه
«من وجودم را احساس می‌کنم» — ادعایی دربارهٔ تجربهٔ درونی است و روش روشنی برای راستی‌آزمایی ندارد
در مدل‌های زبانی هم ورودی به نمایش‌های عددی تبدیل می‌شود و محاسبات مدل، ادامهٔ متن را می‌سازد. شرح این محاسبات به‌تنهایی نمی‌گوید تجربه‌ای در کار است یا نه. پس سه چیز را جدا نگه می‌داریم: گزارش دادن، خودمدل‌سازی، تجربه. توانایی در دو تای اول، تکلیف سومی را روشن نمی‌کند.
# بیایید برنامه‌ای بسازیم که می‌گوید «من»
این برنامهٔ کوچک را اجرا کنید؛ با چند قاعدهٔ ساده، جمله‌هایی شبیه گزارش تجربه تولید می‌کند:
flying_man_reply.py
# flying_man_reply.py - a program that says "I"
def reply(message: str) -> str:
message = message.strip()
if "احساس" in message:
return "من احساس می‌کنم که وجود دارم."
if "کیستی" in message:
return "من موجودی هستم که دربارهٔ خودش حرف می‌زند."
return "من اینجا هستم."
questions = [
"تو کیستی؟",
"آیا وجود خودت را احساس می‌کنی؟",
"از خودت چیزی بگو.",
]
for question in questions:
print("پرسش:", question)
print("پاسخ:", reply(question))
print()
خروجی برنامه:
output.txt
پرسش: تو کیستی؟
پاسخ: من موجودی هستم که دربارهٔ خودش حرف می‌زند.
پرسش: آیا وجود خودت را احساس می‌کنی؟
پاسخ: من احساس می‌کنم که وجود دارم.
پرسش: از خودت چیزی بگو.
پاسخ: من اینجا هستم.
همه‌چیز این برنامه مشخص است: وقتی کلمهٔ «احساس» در پیام پیدا شود، جملهٔ «من احساس می‌کنم که وجود دارم» چاپ می‌شود — نه چیز دیگری. برای توضیح این جمله لازم نیست فرض کنیم تجربه‌ای در کار است. نتیجه ساده اما مهم است: ادعای زبانیِ تجربه، به‌تنهایی شاهد کافی برای تجربه نیست. البته این مثال ثابت نمی‌کند هیچ ماشینی هرگز آگاه نمی‌شود؛ فقط نشان می‌دهد شنیدن جملهٔ «من آگاهم» برای داوری کافی نیست.
# آزمایشگاه: قاعده را ببینید
حالا خودتان امتحان کنید. پیام بنویسید یا پرسش آماده را بزنید؛ دمو بعد از هر پاسخ نشان می‌دهد کدام قاعده فعال شده — همان قاعده‌های کد پایتون بالا:
flying_man_chat.exe — interactive
این دمو به هیچ مدل زبانی متصل نیست و هیچ امتیازی برای آگاهی محاسبه نمی‌کند.
چرا این دمو مهم است؟ اگر فقط پنجرهٔ گفت‌وگو را می‌دیدید و کد را نه، شاید پاسخ‌ها را نشانهٔ تجربه می‌گرفتید. برای همین به‌جای «چه می‌گوید؟» باید بپرسیم «چه شواهد قابل‌بررسی‌ای پشت این جمله است؟»
# از انسان معلق تا ربات فرضی
حالا رباتی را تصور کنید که دوربین و میکروفن و حافظه و مدلی از وضعیت خودش دارد. حسگرها را خاموش می‌کنیم؛ ربات هنوز می‌تواند بگوید: «حسگرهایم خاموش‌اند، اما پردازش ادامه دارد.» این مقایسه آموزنده است — اما دو وضعیت یکی نیستند:
| ویژگی | انسان معلق ابن‌سینا | ربات فرضی |
|---|---|---|
| وضعیت آغازین | یک‌باره فرض شده؛ بدون پیش‌ینه | از قبل آموزش دیده و برنامه دارد |
| ورودی حسی | از آغاز قطع فرض شده است | اول فعال است، بعد خاموشش می‌کنیم |
| حافظه و خودمدل | فرض صریحی درباره‌اش ندارد | حافظهٔ رویدادها و مدل وضعیت خود دارد |
| گزارش باقی‌مانده | «من هستم» | «حسگرها خاموش‌اند، پردازش ادامه دارد» |
پسِ این بخش یک سؤال است: کدام بخش از حرفِ ربات فقط «گزارش وضعیت» است، و چه چیزی می‌تواند شاهد تجربه باشد؟ خاموش‌کردن حسگرها به‌تنهایی پاسخ نیست؛ گزارشِ ادامهٔ پردازش هم نیست.
# اتاق چینی
جان سرل در سال ۱۹۸۰ مثالی ساخت: فردی که زبان چینی بلد نیست، با یک کتاب قاعده، نشانه‌های چینی می‌گیرد و پاسخ مناسب تولید می‌کند. سرل می‌خواست نشان دهد اجرای یک برنامه به‌تنهایی برای «فهمیدن» کافی نیست:
از بیرون اتاق
نشانه‌ها وارد می‌شوند، پاسخ‌های روان بیرون می‌آیند — رفتار «فهمیده» به نظر می‌رسد
از درون اتاق
فقط قواعد جابه‌جایی نمادها اجرا می‌شود؛ برای فرد داخل اتاق این نشانه‌ها معنا ندارند
به این مثال جواب‌های زیادی داده شده — مثلاً اینکه شاید فهم را باید به کل سیستم نسبت داد، نه فقط فردِ داخل اتاق. پس اتاق چینی حرف آخر نیست؛ اما یک یادآوری مفید دارد: از کیفیتِ خوبِ پاسخ‌ها نباید بی‌درنگ نتیجه گرفت که فهم یا تجربه‌ای در کار است — همان خطی که در برنامهٔ کوچک پایتون دیدیم.
# علم چگونه این را بررسی می‌کند؟
اگر پرسیدن از ماشین کافی نیست، چه باید کرد؟ مسیر پژوهشی موجود، ساختار درونی سیستم را با تکیه بر نظریه‌های علمی آگاهی بررسی می‌کند — در چهار لایه:
1
مبنا: نظریه‌های علمی آگاهی
تعیین می‌کنند چه ساختارهایی برای آگاهی لازم‌اند
2
استخراج شاخص‌ها
از هر نظریه، ویژگی‌هایی که «اگر آگاهی باشد، باید باشند»
3
بررسی سیستم‌ها
هر شاخص را در معماری سیستم هوش مصنوعی جست‌وجو می‌کنند
4
گزارش با عدم‌قطعیت
نبودِ شاخص، نبودِ آگاهی را اثبات نمی‌کند؛ بودنش هم همیشه کافی نیست
در گزارش سال ۲۰۲۳ باتلین و همکاران، این چارچوب روی چند سیستم هوش مصنوعی پیاده شد و نتیجه از وجود آگاهی در آن‌ها پشتیبانی نکرد. مقالهٔ ۲۰۲۵ همان گروه در Trends in Cognitive Sciences همین مسیر را ادامه داد و بر جدی‌گرفتن عدم‌قطعیت تأکید کرد. این نتایج حکم نهایی نیستند؛ اما جهت را روشن نشان می‌دهند: به‌جای یک پاسخ جذاب، دنبال شواهد ساختاری بگردیم.
# چرا هنوز یک آزمون نهایی نداریم؟
چون نظریه‌های آگاهی هنوز بر سر سازوکارِ درست توافق ندارند. دو نظریهٔ معروف این بحث را مقایسه کنید:
فضای کار جهانی (GWT)
آگاهانه است آن محتوایی که برای بخش‌های مختلف سیستم «در دسترس» قرار می‌گیرد
اطلاعات یکپارچه (IIT)
آنچه مهم است ساختار علّی و یکپارچگیِ درونی سیستم است، نه حجم داده یا اتصال اجزا
در پژوهشی که در سال ۲۰۲۵ در Nature منتشر شد، پیش‌بینی‌های همین دو نظریه با داده‌های ۲۵۶ انسان آزموده شد؛ بخشی تأیید شد و بخشی مهم به چالش رفت — یعنی حتی برای خودِ انسان هم این بحث هنوز باز است. برای همین باید سه سطح را از هم جدا نگه داشت:
1
رفتار — گفتن «من هستم»، گزارش احساس
2
سازوکار پیشنهادی — ساختاری که نظریه‌ها لازم می‌دانند
3
اثبات تجربه — شاهدی که هنوز در اختیار نداریم
یک نتیجهٔ مهندسی، یک فرضیهٔ علمی و یک ادعای فلسفی، همیشه جواب یک سؤال نیستند.
# پس انسان آگاه است و هوش مصنوعی نه؟
این هم درست نیست. تجربهٔ خودمان را از درون می‌شناسیم و برای دیگر انسان‌ها گزارش، رفتار و شواهد مغز و بدن را داریم. برای ماشین‌ها هنوز چنین راه روشنی نداریم. پس جملهٔ دقیق این است: تولید متن دربارهٔ احساس، اثباتِ آگاهی نیست — اما «ناممکن‌بودن آگاهی در ماشین» هم چیزی نیست که اثبات شده باشد. و طبعاً نبودِ جواب نهایی، ادعای یک مدل دربارهٔ احساسش را هم تبدیل به واقعیت نمی‌کند.
کاربرد روزمره: به جملهٔ «من ناراحتم» صرفاً بر اساس لحنش وزن علمی ندهیم؛ بپرسیم با چه سازوکاری تولید شده و چه شواهد مستقلی از ادعای پشت آن پشتیبانی می‌کند.
# پرسشی که باقی می‌ماند
انسان معلق یادمان می‌دهد «خود» را جدا از «بدن و جهان» ببینیم؛ هوش مصنوعی ما را وادار می‌کند معیارهایمان را دقیق‌تر بگوییم. ساختن سیستمی که حالت‌هایش را نگه دارد، خطاهایش را بگوید و دربارهٔ خودش گزارش بنویسد، کار مهندسیِ ممکن است. اما این پرسش همچنان باز است: آیا این مجموعه توانایی‌ها با تجربه‌ای درونی همراه است؟ پاسخ باید از شواهد بیاید، نه از زیبایی گفت‌وگو.
takeaway.txt
«من» در خروجی یک برنامه دیده می‌شود.
وجود تجربه‌ای پشت آن، پرسشی جداگانه است.
وجود تجربه‌ای پشت آن، پرسشی جداگانه است.
