یکی از دوستان بهم پیام داد و پرسید با توجه به مسائلی که در کانال مطرح میکنم درباره اینکه شاید چارچوب های فکری دیگری کنار آنچیزی که غالب هست وجود داشته باشه و به چالش کشیدن پیش فرض ها و نقد تئوری های غالب، چه مسیر مطالعاتی ای برای علوم اعصاب بهتر هست؟ با توجه به اینکه کتاب های مرجع احتمالا مسائل رو در چارچوب غالب معرفی میکنند.

من چندین پیشنهاد میتونم به هر فردی که در علم یا فلسفه کار حرفه ای انجام میده و مطالعه میکنه ارائه کنم:

1- این تصور نادرست رو باید از بین ببریم که چون مطلبی رو از یک کتاب علمی/فلسفی مطالعه میکنیم پس حتما باید درست باشه. پیشتر هم در گروه بحث کردم که علم هم یک ساختار فرهنگی هست و از این جهت پیچ و تاب های بسیاری میخوره. همه مطالبی که در کتاب ها نوشته میشن لزوما درست نیستن، لزوما دقیق نیستن. بر روی داده های یکسان شاید حتی تفسیر های مختلفی صورت بگیره که همه توضیح دهنده خوبی باشند ولی به دلایل مختلف (حتی غیر آکادمیک - مثلا سیاسی) تفسیر های مشخصی رواج پیدا کنه و سایر تفسیر ها به حاشیه بره. تجربه فردی من نشون میده حتی افرادی که در آکادمیا هستن، به خصوص دانشجویان حتی در مقاطع بالا، این تصور نادرست رو با خودشون حمل میکنن که چون یک چیزی رو از کتاب های مرجع یا مقالات میخونن پس درسته. احتمالا شما هم دیدید که تا گزاره ای که مطرح میکنن رو نقد میکنید میگن مرجع داره. (یاد نشان میتی کومان میفتم). به این رویکرد در منطق میگن Appeal to Authority - که لزوما چیز بدی نیست ولی اینکه آدم از اینجا شروع کنه بنظرم خطاست.


2 - در کنار مطالب غالب همیشه به سراغ منابعی برید که کسی نمیخونه یا کمتر خونده میشه. آزمایشگاه دانش (Knowledge Lab) تحقیقات جالبی روی تنوع در آکادمیا و اثرش در پیشبرد ایده های علمی انجام میده. یکی از یافته هایی که دارن این هست که میلیارد ها مقاله تولید شده رو وقتی بررسی میکنی از فیلد های مختلف تنها 10 میلیون Citation منحصر به فرد دارن. چیزی که این نشون میده اینکه افراد در آکادمیا توی یک نقطه مینیما محلی گیر میکنن و یک سری مقالاتی که همه افراد اطرافشون میخونن رو میخونن. مشکل این قضیه اینکه شاخص نوآوری پایین میاد. چون اگر شما همواره کاری رو میکنید که همه افراد دیگه میکنن شبیه اونها هم احتمالا فکر خواهید کرد. باید خوراک فکری خودتون رو بسط بدید. بدین معنی نیست که نباید چیزی رو بخونید که افراد فیلد میخونن، ولی باید از این نقاط محلی بیرون بیاید. از طرفی باید مطالب رو از فیلد های مختلف بخونید. یکی دیگه از یافته های این آزمایشگاه این هست که افرادی که فیلد عوض میکنن در فیلد جدید ایده های جدید تری وارد میکنن. چون دیدگاه تازه ای با خودشون میارن. اگر میخواید در علم-فلسفه نوآور باشید باید ترکیب مطالبی که میخونید رو کمی منحصر به فرد کنید.

https://www.knowledgelab.org/

3 - سیستماتیک و تاریخ محور بخونید. بسیاری از افراد به مطالب اخیر فیلد خودشون بسنده میکنن. این به خصوص در دانشجویان جدیدالورود خیلی مرسوم هست. برای فهم یک فیلد باید سعی کنید مطالعات خودتون رو بعد تاریخی ببخشید. باز تاکید میکنم علم یک ساختار فرهنگی هست و برای اینکه به درستی فیلد علمی خودتون رو درک کنید باید بفهمید از کجا به اینجا رسیدیم. این بدین معنی نیست که باید برم همه مقالات رو از عهد عتیق تا امروز بخونم. منظور این هست که هر از گاهی باید سعی کنم سری به مقالات قدیمی بزنم. گاهی فکر میکنیم (به خصوص در رشته های علوم زیستی که خیلی سریع تغییر میکنه) که مقالات قدیمی دیگه چیزی ندارن به ما ارائه کنن. مقالات قدیمی از این جهت ارزشمند هستن که ساختار فکری شما رو بسازن نه اینکه یک یافته به شما بدن که حفظ کنید.

4- روی واژگان فیلد زمان بگذارید و معنای اونها رو در یک بستر فرهنگی-تاریخی متوجه بشید. ما واژه های زیادی به کار میگیریم ولی خیلی اوقات معنای این واژه ها برای ما مشخص نیستند. این واژه ها یک تاریخی دارند و از نظر من مطالعه سیر تحولات معنای این واژه های خاص از اهمیت بسزایی برخوردار هستند (به این فیلد میگن etymology). برای مثال واژه های Representation رو من قبلا مثال زدم که میتونید در کانال بخونید. واژه ها مثل سرنخ میمونن وقتی به میگیری و دنبالش میکنی با محتوای بسیار جالبی روبرو میشی که ارزشمند هست.

5- روی یک چارچوب، تئوری، مدل خاص تمرکز نکنید. بنظرم نوآوری از کنتراست بین چارچوبها یا تئوری ها به دست میاد. باید مطالعه افتراقی داشته باشید. برای مثال من مطالب بسیاری یاد گرفتم از مقاله دیدگاه Representational Theory of Mind و Embodied Cognition . دلیل این امر اینکه وقتی فقط روی یک چارچوب-تئوری تمرکز میکنید شاید چیزهایی که میخونید، میبینید در یک مینیما مشخص گیر کنن و این یک سازگاری باوری مصنوعی ایجاد کنه و برای همین فکر کنید که تئوری-مدلی که دارید همه چیز رو به خوبی توضیح میده. (مثل وقتی که یک نفر در یک غار هست و فکر میکنه مدلی که از غار داره به تمام دنیا بسط داده میشه.) اما زمانی که به سراغ تئوری های موازی میرید دو بحث ایجاد میشه: 1) معمولا افراد سعی میکنند مثال هایی رو بزنن که با تئوریها-مدلها-چارچوبهای رقیب قابل توضیح نیست. خود این مثال ها به شما چیزی یاد میده. 2) تئوری موازی و آلترناتیو ممکنه داده ها رو بهتر و ساده تر توضیح بده. از این جهت مطالعه افتراقی بسیار برای من حداقل شیرین هست و من بسیار از این نوع مطالعه میاموزم. پیشنهاد میکنم اینکارو انجام بدید. البته که کار یک روز دو روز نیست و یک رویکرد به مطالعه هست.

🧠 Free Discussion:
1. The Nature of Explanations
2. Realism and Truth
Part 2 of Season 4: An Overview of the Conceptual Field of Cognitive Neuroscience: Evidence, the Inner, Introspection, Privileged Access, Privacy and Subjectivity
🧠 بحث آزاد: ذات توضیحات، رئالیسم و حقیقت
بخش دوم فصل 4: مروری بر فیلد مفهومی علوم اعصاب شناختی

📗 بوک کلاب ویرایش 2021 کتاب مبانی فلسفی نوروساینس نوشتۀ بنت و هکر

⏰ شنبه، 19 فروردین، ساعت 19:30 تا 21:30
📍بصورت مجازی در Zoom

🔹 شرکت در جلسه رایگان است. برای شرکت به این آیدی پیام دهید:
📩 @INRP_Admin

🆔 @NeuroINRP
🆔 @Neuro_Syntax
🆔 @SSRC_News

📗 بوک کلاب کتاب فلسفه نوروساینس نوشتۀ بکتل و هوانگ

🧠 Seasons 1-3
1. What is Philosophy of Neuroscience?
2. What Are Neurons and Neural Processes?
3. How Do Neuroscientists Learn about the Nervous System?

🧠 فصول ۱-۳
۱- فلسفه نوروساینس چیست؟
۲- نورون‌ها و فرآیندهای عصبی چه هستند؟
۳- نوروساینتیست‌ها چگونه دربارۀ سیستم عصبی یاد می‌گیرند؟

⏰ شنبه، ۲ اردیبهشت، ساعت ۱۹:۳۰ تا ۲۱:۳۰
📍بصورت مجازی در Zoom

🔹 جلسه به زبان فارسی برگزار می‌شود و شرکت در جلسه رایگان است. برای شرکت به این آیدی پیام دهید:
📩 @INRP_Admin

🆔 @NeuroINRP
🆔 @Neuro_Syntax
🆔 @SSRC_News

دوستان ما به تازگی کتابی که مطالعه میکنیم رو عوض کردیم و از هفته آینده کتاب Philosophy of Neuroscience رو پیش خواهیم برد. با توجه به اینکه حجم کتاب بسیار کم هست، قرار هست که برای هر فصل که ارائه میکنیم مطالب تکمیلی هم بخونیم و بحث کنیم. اگر تمایل دارید شرکت کنید الآن زمان مناسبی خواهد بود.

جلسات از ارائه و بحث تشکیل شده و بحث ها بیشتر در حوزه مبانی فلسفی مطالعات علوم اعصاب هست. اینکه نگاه ما به سیستم عصبی و مطالعه اون چطور هست؟ آیا این رویکرد و نگرش ها جایگزینی دارند؟ نحوه تفسیر درست مشاهدات ما در هر رویکرد چه هست؟

Ann Graybiel

Jon Kaas

لینک گروه فلسفه علوم اعصاب

https://news.1rj.ru/str/+Mqjp2e5OgMJmMmY0

Information

من در حوزه علوم شناختی/اعصاب دو خانواده از تعاریف از Information میشناسم. نوع اول بر مبنای تئوری اطلاعات شانون که اطلاعات رو بر مبنای احتمالات و با اتکا به مفهوم آماری تغییر انتروپی تعریف میکنه و دیگری که بر مبنای تعریف گیبسون از اطلاعات هست که در سنت Ecological Psychology مطرح میشه. (پیشتر درباره این نوع در گروه بحث کردم و تعاریفی قرار دادم.)

آیا جز این دو مورد نوع دیگری از تعاریف برای اطلاعات در حوزه شناختی-اعصاب در دسترس هست؟ اگر میشناسید لطفا ارجاع بدید.

اگر به اطلاعات از حوزه شانون علاقه مند هستید این مقاله بنظرم خوب نوشته شده:

What is information?

اینو پیدا کردم. باید جالب باشه. بر پایه شانون هست ولی خب با این تفاوت که همبستگی هایی رو میسنجه که برای موجود کارکرد زیستی دارن

Causality in Science

یکی از مفاهیم حوزه دانش که شاید پایه بسیاری از علوم باشه مفهوم علیت (causality) هست. بسیاری از واژگانی که ما به خصوص در علوم زیستی به کار میگیریم ریشه در این مفهوم عمیق تر علیت داره. برای مثال به واژگان زیر توجه کنید:

cause, effect, trigger, brings about, drives
mechanism, pathway, cascade, ...

اما هنگامی که درباره این مفاهیم به صورت خاص و مفهوم علیت به صورت عمومی سخن میگیم باید بدونیم که این مفهوم مانند بسیاری مفاهیم دیگر دارای یک سابقه تاریخی است و از این رو معانی متفاوتی در این واژه نهفته است. از این جهت آشنایی با مفاهیم پیرامون علیت به ما کمک میکنه زبان علمی خودمون رو شفاف تر کنیم و البته بر روی رویکرد های علمی ما نیز اثر بسزایی خواهد داشت.

اما زمانی که میگیم علیت دقیقا با چه معنایی اون رو به کار میگیریم؟ مفهوم علیت رو در دو حوزه معرفت شناسی (اپیستمیک) و هستی شناسی (انتیک) میشه بررسی کرد. اما با توجه به اینکه بیشتر کارکرد علیت در حوزه علمی محدود به مسائل معرفتی است من متن رو خلاصه میکنم به این حوزه. تئوری های متفاوتی برای مفهوم علیت معرفی شده اند اما شاید تئوری ای که امروزه بیشتر در حوزه علوم به کار گرفته میشود Counterfactual Theory of Causation هست.

ابتدا کمی با Counterfactual ها (شرطی های خلاف واقع ترجمه شده) آشنا بشیم. ما میتونیم یک وابستگی شرطی (Counterfactual dependence) رو اینطور تعریف کنیم:

E counterfactually depends on C iff (if and only if) if C were not to occur E would not occur.

لوئیس بر مبنای این تعریف وابستگی های شرطی ابتدا مفهوم علیت را اینطور تعریف میکند:

Where c and e are two distinct actual events, e causally depends on c if and only if, if c were not to occur e would not occur.

اما این تعریف به زودی با مشکلات روبرو میشود که میتوانید آنها را در مجموعه سخنرانی های مارین تالبو و یا دانشنامه استنفورد پیدا کنید. طی هر مرحله بحث تعریف علیت بر مبنای Counterfactual ها نمو پیدا کرد.

تعریف دوم:
c is a cause of e if and only if there exists a causal chain leading from c to e.

تعریف سوم برای ساختار های علی احتمالی:
Where c and e are distinct actual events, e causally depends on c if and only if, if c had not occurred, the chance of e’s occurring would be much less than its actual chance.

تعریف نهایی:
Where c and e are distinct events, c influences e if and only if there is a substantial range c1, c2, … of different not-too-distant alterations of c (including the actual alteration of c) and there is a range e1, e2, … of alterations of e, at least some of which differ, such that if c1 had occurred, e1 would have occurred, and if c2 had occurred, e2 would have occurred, and so on.

c causes e if and only if there is a chain of stepwise influence from c to e.

زودهنگام این پرسش مطرح شد که با تکیه به این تئوری از علیت چطور میتونیم روابط علی را در ساختار های فیزیکی و زیستی پیدا کنیم؟

برای رویکرد عملکردی نیز پاسخ های متفاوتی ارائه شد اما شاید شایع ترین آنها در علوم زیستی بر پایه Interventionist Theory of Causation است. این تئوری که به نوعی زیر مجموعه Counterfactual Theory به حساب می آید که میتوان آن را اینگونه مطرح کرد (برای جزئیات به اینجا و اینجا مراجعه کنید):

The guiding idea of interventionist accounts of causation is that causal claims (e.g. C causes E) have to do with what would happen to E if an intervention (an idealized experimental manipulation) were to be performed on C.

در حوزه علوم اعصاب ما از این رویکرد بسیار بهره میبریم. برای مثال در مطالعات غیرفعال سازی و یا آسیب های مغزی. اگر ناحیه ای را غیرفعال کنیم یا آنرا مختل کنیم و تغییری در یک رفتار بخصوص ببینیم ادعا میکنیم که طی یک مطالعه علی (causal study) در یافتیم که ناحیه X بر رفتار Y اثر دارد.

در واقع در این رویکرد ما دو مجموعه از ساختار ها و یا الگو ها داریم. برای پیدا کردن اینکه آیا روابط علی بین این دو مجموعه (برای مثال مجموعه ساختار های مغزی و مجموعه فنوتیپ های رفتاری) وجود دارد یکی از مجموعه ها را دستکاری میکنیم، و مجموعه دیگر را مشاهده میکنیم. اگر دستکاری مجموعه نخست به صورت قابل اعتمادی (از نظر آماری) مجموعه دوم را تغییر داد ادعا میکنیم یک ارتباط علی از مجموعه یک به دو وجود دارد.