اطلاعات حکمت و معرفت, دوره (177), شماره (4), سال (2026-2) , صفحات (67-84)

عنوان : ( از نیچه تا هوش مصنوعی:سیر تاریخیِ گذار به شناختِ زمینه محور در فلسفه، آمار و احتمال، و فناوری )

نویسندگان: محسن جهان , علی جهان ,

بر اساس تصمیم نویسنده مقاله دسترسی به متن کامل برای اعضای غیر دانشگاه ممکن نیست

استناددهی: BibTeX | EndNote

چکیده

از نظر فلسفی و علمی، دیدگاهی که تفسیر پدیده‌ها را در «زمینه و بستر» یا «کانتکست» ضروری می‌داند، اساسی‌تر از رویکردهای کلاسیک (مانند دکارت و کانت) است که شناخت را منوط به شناخت ساختار ذهن یا ذات پدیده‌ها می‌کنند. این نوشتار سیر تاریخی یک گذار پارادایمی را نشان می‌دهد: از نیچه که علیه عینیت مطلق موضع گرفت، تا هوسرل که با اصل \\\\\\\"به سوی خود چیزها\\\\\\\" بازگشت به زندگی روزمره را مطرح کرد. سپس ویتگنشتاین و هایدگر به ترتیب در حوزه زبان و هستی‌شناسی، زمینه‌گرایی را بنیان نهادند. ویتگنشتاین با مفهوم \\\\\\\"شباهت‌های خانوادگی\\\\\\\"، مفاهیم را شبکه‌ای از همانندی‌های فاقد جوهر ثابت توصیف کرد که شناخت آن‌ها از طریق روابط عملی حاصل می‌شود. هایدگر نیز با تمایز بین \\\\\\\"دم‌دستی\\\\\\\" و \\\\\\\"در دستی\\\\\\\"، بر ظهور پدیده‌ها در زمینه عملی تأکید کرد. گادامر و دریدا این مفاهیم را در حوزه‌های تفسیر و نقد متافیزیک گسترش دادند و علوم جدید (آمار و منطق فازی) نشان دادند که این پارادایم چگونه می‌تواند به صورت عملی و ریاضیاتی پیاده‌سازی شود. نوآوری این مقاله، نمایش مسیر یکپارچه این نظریه‌های فلسفی تا کاربردی شدن آن‌ها در شاخه‌هایی مانند آمار، منطق فازی و هوش مصنوعی است. آمار از طریق «همبستگی»، الگوها را در زمینه داده‌ها بدون نیاز به شناخت جوهرها کشف می‌کند. منطق فازی نیز ابهام را در زمینه‌های عملی مدل می‌کند و بر خلاف منطق دوارزشی ارسطویی، مرزهای گُنگ را مدیریت می‌نماید. این دیدگاه‌ها، دوگانگی‌های سنتی (جوهر/ظاهر) را رد کرده و بر تفسیر روابط در زمینه تأکید دارند. این چهار دیدگاه (فلسفی، آمار و احتمال، فناوری، هوش مصنوعی) شناخت را از جستجوی ذات به سوی روابط زمینه‌ای سوق می‌دهند. مفاهیم، شبکه‌هایی از همانندی‌های هم‌پوشان هستند که توسط روابط عملی پیوند خورده‌اند. هوش مصنوعی، به‌ویژه در یادگیری ماشین، از این ایده‌ها الهام گرفته و مدل‌هایی ایجاد می‌کند که دسته‌بندی‌ها را بدون تعاریف دقیق انجام می‌دهند. برای نمونه، شبکه‌های عصبی داده‌ها را بر اساس هم‌پوشانی ویژگی‌ها طبقه‌بندی می‌کنند. هوش مصنوعی الگوها را کشف می‌کند، اما به همبستگی‌های جعلی وابسته است و در درک زمینه انسانی محدودیت دارد. این دیدگاه تأکید می‌کند که شناخت پدیده‌ها از طریق ارتباطات عملی و زمینه‌ای حاصل می‌شود، نه جستجوی ذات ایدئال. در پایان، این پرسش مطرح می‌شود که آیا هوش مصنوعی، به عنوان نتیجه عملی این فلسفه، قادر خواهد بود دِین خود به فلسفه را ادا کند و به انسان در عبور از چالش‌های دوره پسامدرن یاری رساند؟ این سؤال با بررسی محدودیت‌هایی مانند ناتوانی در درک زمینه‌های فرهنگی و توانایی آن در حل مسائل عملی تحلیل می‌شود.

کلمات کلیدی

, ویتگنشتاین, هایدگر, هوسرل, دریدا, رورتی, گادامر, همبستگی آماری, منطق فازی, زمینه‌گرایی.
برای دانلود از شناسه و رمز عبور پرتال پویا استفاده کنید.

@article{paperid:1107056,
author = {جهان, محسن and جهان, علی},
title = {از نیچه تا هوش مصنوعی:سیر تاریخیِ گذار به شناختِ زمینه محور در فلسفه، آمار و احتمال، و فناوری},
journal = {اطلاعات حکمت و معرفت},
year = {2026},
volume = {177},
number = {4},
month = {February},
issn = {1735-9333},
pages = {67--84},
numpages = {17},
keywords = {ویتگنشتاین، هایدگر، هوسرل، دریدا، رورتی، گادامر، همبستگی آماری، منطق فازی، زمینه‌گرایی.},
}

[Download]

%0 Journal Article
%T از نیچه تا هوش مصنوعی:سیر تاریخیِ گذار به شناختِ زمینه محور در فلسفه، آمار و احتمال، و فناوری
%A جهان, محسن
%A جهان, علی
%J اطلاعات حکمت و معرفت
%@ 1735-9333
%D 2026

[Download]