🧠 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.

بیایم کمی جزئی تر به شرایط نگاه کنیم و ببینیم تعریف بالا آیا برای تمام شرایط کارساز هست یا نه. نخستین بحث این هست که در بسیاری از تعاریف علیت سیستم هایی که در نظر گرفته میشن فرض گرفته میشن که دارای یک شرایط علی خطی (linear causality) هستن، شرایطی که ما یک یا مجموعه ای از علت ها رو داریم که منجر به یک اثر خاص میشن و یک عدم تقارن بین علت و اثر وجود داره (علت باعث تولید و ایجاد اثر میشه ولی اثر روی علت کار نمیکنه). {توضیح خواهم داد که چنین فرضی در سیستم های بیولوژیک خطاست.)

حتی با چنین فرضی میتونیم چندین شرایط مختلف را تجسم کنیم. با جدول در تصویر نگاه کنید. دو مجموعه از مشاهداتی که مطرح کردم را داریم. این دو مجموعه میتوانند به شکل های متفاوتی با هم در ارتباط علی باشند. برای مثال هر ساختار علی در g(x) میتواند دقیقا باعث یک اثر خاص در مجموعه دیگر شود (Injective-surjective). در این شرایط احتمالا تعریف ما درست کار میکند و ما اگر المان های مجموعه سمت چپ را تغییر دهیم میتوانیم تغییری سیستماتیک در سمت راست ببینیم (اگر که از تکنیک های درست ریاضیاتی استفاده کنیم).

اما فرض کنیم شرایطی داریم که کارکرد چندین ساختار علی منجر به یک اثر قابل مشاهده می شود. (Non-injective and Surjective). در این شرایط اگر ما تغییری در x1 ایجاد کنیم لزوما تفاوتی در y1 نخواهیم دید چون x2 هم در سیستم همان y1 را تولید میکند. در واقع چون در y1 تغییری نمیبینیم نمیتوانیم ادعا کنیم ارتباطی علی بین x1 و y1 وجود ندارد.

این بحث مهمی است چون یکی از مفاهیمی که طی چندین دهه اخیر در سیستم های بیولوژیک کشف شده degeneracy و یا multiple-realizability و البته Compensation هست. در حوزه علوم اعصاب، دو مورد اول بدین معناست که یک فنوتیپ رفتاری/شناختی خاص می تواند توسط ساختار های فیزیکی متفاوتی تولید شود. سیستم های بیولوژیک و به خصوص مغز سیستم های پیچیده و خودمختاری هستند که قابلیت سازگاری با شرایط جدید را دارند.

دو شرایط دیگر هم میتواند در گستره مشاهداتی ما باشد که موارد Non-surjective هستند. این احتمالا برآمده از نقص مشاهداتی ما و یا ادراکی ما از ساختار های علی درست هستند.

اگر در حوزه علم هستید و کلاس آمار داشتید حتما تا کنون این گزاره را شنیدید که "همبستگی بین دو پدیده به معنای رابطه علی بین این دو پدیده نیست."

اما بیاید سوال جالب تری بپرسیم. اگر بین دو پدیده همبستگی مشاهده نکنیم آیا میتوانیم نتیجه بگیریم رابطه علی بین آنها وجود ندارد؟ پاسخ خیر است. شاید بپرسید چطور ممکن است رابطه علی بین دو پدیده باشد ولی همبستگی بین آنها نباشد؟

برای این بحث باید مکانیک مفهوم آماری همبستگی را درک کنیم. همبستگی در ریاضیات این را میسنجد که اگر یک متغیر تغییر میکند، متغیر دیگر به چه میزان و در چه جهتی تغییر میکند؟ در واقع اساس مشاهده همبستگی (منفی یا مثبت) ثبت تغییر در هر دو مجموعه پدیده های مورد مشاهده است. اگر شرایطی باشد که رابطه علی بین دو پدیده وجود داشته باشد ولی یکی از پدیده ها تغییر نکند، همبستگی بین آنها وجود نخواهد داشت (یا صفر خواهد بود.)

تمام سیستم های کنترلی ایده آل چنین شرایطی دارند. سیستم کنترلی سیستم هست که یک مجموعه متغیر مشخص را در یک گسترده مقادیری مشخص نگه میداره. برای مثال ترموستات خانه شما یک سیستم کنترلی هست. شما دما را میذارید روی یک گستره خاص و سیستم گرمایشی با کم و زیاد کردن شدت فن دمای محیط رو در شرایطی که شما روی ترموستات تنظیم کردید کنترل میکنه.

خب حالا بیایم یک مثال بزنیم از شرایطی که رابطه علی رو میفهمیم ولی همبستگی نمیبینیم. فرض کنید در ماشین یک راننده ماهر نشستید و دارید در یک مسیر پر سراشیبی حرکت میکنید. راننده اینقدر ماهر هست که سعی میکنه با تغییراتی ترمز-گاز سرعت ماشین رو در یک مقدار مشخص نگه داره. اگر شما به حرکت پدال های گاز-ترمز نگاه کنید همواره توسط راننده در حال تغییر هستند ولی سرعت ماشین در حالت تغییر نیست. در این شرایط شما هبستگی از نظر ریاضیاتی نخواهید دید در صورتی که میتونید ادعا کنید یک رابطه علی بین تغییرات پدال و ثابت بودن سرعت ماشین وجود داره.

این مثال و مفهوم کارکردهای عمیقی برای یافته ها و تفسیر های مطالعات علی ما داره.

در متن های آینده سعی میکنم ساختار های علی و بحث علیت در سیستم های پیچیده رو باز کنم.