یادگیری عمیق ماشینی؛ چالش‌های فلسفی و رهیافت‌ها

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.واژگان کلیدییادگیری ماشین، یادگیری عمیق، شبکه‌های عصبی مصنوعی، اخلاق اطلاعات، چالش فلسفی.

Deep learning technology, philosopical challenges and approaches

Deep learning technology, philosophical challenges and approaches AbstractThe 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 rationalphilosophical 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.KeywordsMachine Learning, Deep Learning, Artificial Neural Networks, Information ethics, philosophical challenge