لطف الله نبوی

بنا به ماینونگ گراییِ وجهیِ پریست، متناظر با مطلقاً هر شرطِ قابل بیان که روی خاصیت ها گذاشته شود، می توان شیئی سرِشت که آن شرط را، حال در جهانِ واقع یا در جهانی دیگر، برآورده کند. تعهد به چنین نسخه ی نامقیدی از اصل سرشتار (اصل فراگیر)، ماینونگ گرایانِ رقیب را به پارادکس کلارک مبتلا می کند. نشان می دهیم که نشتِ میان جهانیِ اطلاعات در نظام پریست می تواند مشکلات مشابهی بیافریند. سپس با کاربست ظرفیت های معناشناختیِ هیچ گرا، راهکاری برای حصول نشتِ میان جهانیِ اطلاعات پیش می نهیم که فراتر از تناقض، به بی مایگی منجر می شود. پریست ناگزیر است اصل سرشتار را مقید کند. بنا به ماینونگ گراییِ وجهیِ پریست، متناظر با مطلقاً هر شرطِ قابل بیان که روی خاصیت ها گذاشته شود، می توان شیئی سرِشت که آن شرط را، حال در جهانِ واقع یا در جهانی دیگر، برآورده کند. تعهد به چنین نسخه ی نامقیدی از اصل سرشتار (اصل فراگیر)، ماینونگ گرایانِ رقیب را به پارادکس کلارک مبتلا می کند. نشان می دهیم که نشتِ میان جهانیِ اطلاعات در نظام پریست می تواند مشکلات مشابهی بیافریند. سپس با کاربست ظرفیت های معناشناختیِ هیچ گرا، راهکاری برای حصول نشتِ میان جهانیِ اطلاعات پیش می نهیم که فراتر از تناقض، به بی مایگی منجر می شود. پریست ناگزیر است اصل سرشتار را مقید کند.

«نظریه ضرورت بتّاته» عنوان نظریه ای است از «شیخ شهاب الدین سهروردی» که از ابداعات و نوآوری های مهم وی در عرصه منطق تلقی می شود و دارای نتایج منطقی – فلسفی فراوانی است. سهروردی بدون تردید با طرح این نظریه به «ضرورت فلسفی – متافیزیکی» نظر داشته و از آنجا که تبیین منطقی ضرورت فلسفی از دغدغه های مهم چند دهه اخیر در حوزه منطق موجهات جدید بوده است، بررسی دلالت شناختی نظریه مزبور با رویکردی تطبیقی می تواند پیشینه های تاریخی بحث را روشن کند.

صدق عرفی، T(x)، محمولی است که در خود زبان بر تمام جمله های زبان حمل می شود و در ضمن برای هر جمله ی مانند A در زبان T(˹A˺)↔A نتیجه می شود. تارسکی برای اجتناب از پارادوکس دروغگو و تریویال شدن زبان (نظریه) مجبور شد از مفهوم عرفی صدق دست بکشد و صدق هر زبان را در یک فرازبان تعریف کند. طرفداران منطق های فراسازگار ادعا دارند با پذیرش منطق های فراسازگار می توان محمول صدق عرفی را حفظ کرد. منطق های فراسازگار به منطق هایی گفته می شود که در آن ها از تناقض هر چیزی نتیجه گرفته نمی شود. اما پارادوکس دیگری به نام کری وجود دارد که مربوط به ادات شرطی است و بدون استفاده از قاعده ی انفجار می تواند نظریه های صدق عرفی را تریویال کند. در این مقاله استدلال خواهیم کرد با وجود این که اگر به منطق های فراسازگار اصول حساب و محمول صدق عرفی را اضافه کنیم نظریه ای غیرتریویال خواهیم داشت اما این نظریه ها به دلیل قدرت استنتاجی پایین، از دست رفتن برخی خواص مورد انتظار از محمول صدق عرفی و همچنین نشت ناسازگاری به قسمت های خالص حسابی موجه نخواهند بود.

هدف : این پژوهش به بررسی نقش مدل های بزرگ زبانی در شناسایی مغالطات منطقی در فرایند داوری همتا پرداخته و تأثیر این فناوری ها بر بهبود دقت، شفافیت و قابلیت اطمینان مقالات علمی را مورد ارزیابی قرار می دهد. همچنین، امکان به کارگیری این مدل ها برای کاهش بار کاری داوران انسانی و استانداردسازی ارزیابی ها بررسی شده است. روش پژوهش: سه آزمایش متفاوت در پژوهش حاضر طراحی و اجرا شد که شامل شناسایی و طبقه بندی مغالطات منطقی، حل مسائل استدلالی و ارزیابی متون علمی با طول و پیچیدگی متغیر بود. از مجموعه داده های استاندارد نظیر الک دب60-20 و سؤالات بخش منطق استعداد تحصیلی در آزمون دکتری ایران استفاده شد. مدل های زبانی پیشرفته مانند چت جی پی تی نسخه های o4 وo1  با روش های یادگیری ماشین کلاسیک نظیر ماشین بردار پشتیبان و جنگل تصادفی مقایسه شدند. مدل ها با استفاده از روش های بهینه سازی و یادگیری بدون نمونه برای تحلیل داده ها آماده شدند. یافته ها: نتایج آزمایش ها نشان داد که چت جی پی تی o1 در شناسایی مغالطات منطقی به دقت 98.1 درصد و در حل مسائل منطقی آزمون استعداد تحصیلی کنکور دکتری به دقت 100 درصد دست یافت. در مقایسه، مدل های سنتی یادگیری ماشین، مانند ماشین بردار پشتیبان و جنگل تصادفی، به ترتیب تنها دقت 48 درصد و 49 درصد داشتند. مدل های زبانی میسترال و لاما نیز دقتی بین 76 درصد تا 5/78 درصد در شناسایی مغالطات ارائه کردند. در تحلیل متون طولانی تر، چت جی پی تی o1 دقت 100 درصد را در شناسایی و نام گذاری انواع مغالطات ثبت کرد، در حالی که مدل های دیگر توانایی کمتری نشان دادند. همچنین مدل های زبانی پیشرفته در تحلیل استدلال های پیچیده و ارائه بازخوردهای ساختاریافته بسیار مؤثر بودند. نتیجه گیری: مدل های بزرگ زبانی ، به ویژه چت جی پی تی o1، توانایی بالایی در شناسایی و تحلیل مغالطات منطقی و بهبود فرایند داوری همتا دارند. این مدل ها با کاهش خطاهای انسانی، افزایش سرعت داوری و ارائه تحلیل های دقیق، نقشی کلیدی در بهبود کیفیت مقالات علمی ایفا می کنند. به کارگیری این فناوری ها می تواند به تقویت انسجام و شفافیت در فرایندهای علمی منجر شود، هرچند نظارت نهایی داوران انسانی برای ترکیب تخصص انسانی و هوش مصنوعی ضروری است.