تز و آنتی تز: پارادایم های پایگاه دانش محور/یادگیری محور

در جلسه سوم، به معرفی دو پارادایم ریشه‌دار و متقابل هوش مصنوعی یعنی پارادایم Logicist (Common-Sense Reasoning) AI و پارادایم Learning-Based AI پرداخته شده است. پس از تشریح و معرفی اولیه، این پرسش مطرح می‌شود که تفاوت نظری - مبنایی این دو پارادایم چیست؟

در پاسخ به این پرسش و ذیل بحث رابطه‌ی جهان‌شمولی (Universality) و هوشمندی - که در جلسه دوم از نظر گذشت - این مساله مطرح می‌شود که به نظر می‌رسد جهان‌شمولی یک عامل هوشمند را بتوان به شکل تحمل‌پذیری آن نسبت به تغییرات صورتبندی نمود؛ و از این مدخل، برای فهم تفاوت مبانی دو پارادایم مذکور، به پارادوکس تغییر و رابطه‌ی آن با دانش (Knowledge) و پارادوکس یادگیرنده (Meno's Paradox) پرداخته می‌شود. در ادامه و در جست و جوی راه حل پارادوکس‌های مذکور، حول تقابل دیدگاه‌های متافیزیکی و معرفت‌شناسانه‌ی افلاطون و ارسطو در مورد مساله‌ی جزئی‌ و کلی (Universal & Particular) بحث شده، و این شهود به دست می‌آید که ریشه‌های نظری پارادایم Kownledge-Based را بیشتر می‌توان با دستگاه‌های نظری افلاطونی مرتبط دانست، و ریشه‌های نظری پارادایم Learning-Based را بیشتر با دستگاه‌های نظری ارسطویی.

در نهایت به ساحت عملی پارادایم‌‌های مورد بحث نگاهی دوباره شده و واکنش هر کدام به چالش‌‌های حاصل از پارادوکس‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های تغییر و مینو و رویکردشان به دستیابی به Univertsality مورد بحث قرار گرفته است. به طور خاص در پارادایم Knowledge-Based، شیفت از منطق‌های Monotonic به Nonmonotonic، و در پارادایم Learning-Based رویه‌ی Backpropagation و اهمیت ویژگی مشتق‌پذیری در سیستم‌های یادگیرنده و مخصوصا شبکه‌های عصبی عمیق (Deep Neural Networks) مورد توجه واقع شده است.