20-ci əsrin ən maraqlı elmi fantastika mövzularından biri olan süni intellekt inanılmaz irəliləyişlər əldə edir. Biz daim süni intellektdən istifadə edirik gündəlik həyat, çox vaxt özü də bilmədən. Buna baxmayaraq, bu gün də süni intellekt elmi fantastika romanlarının və kino ekranlarının səhifələrini tərk etmir. Bəzi müəlliflər maşınların əsarətində olan bəşəriyyətin dəhşətli şəkillərini çəkirlər, digərləri isə əksinə, süni intellektdə insanın sadiq köməkçisi və dostu görürlər.

Həqiqət haradadır və süni intellekt əslində nədir? O, nə vaxtsa insan ağlının imkanlarını üstələyə bilərmi? Yoxsa bu artıq baş verib? GeekBrains süni intellekt və ondan istifadə perspektivləri ilə bağlı ən populyar suallara cavab verməyə hazırdır.

Süni intellekt nədir?

Süni intellekt (Qısaldılmış AI kimi) qeyri-müəyyən bir anlayışdır və onun hələ də ümumi qəbul edilmiş tərifi yoxdur. 20-ci əsrin ortalarında, bu termin Dartmut seminarında ilk dəfə istifadə edildikdə, müəlliflər ona müasirlərdən əhəmiyyətli dərəcədə fərqli bir məna verdilər. O vaxtlar elm adamları hesab edirdilər ki, süni intellekt mətnləri bir dildən digər dilə tərcümə edə, fotoşəkillərdən və ya videolardan obyektləri tanıya, danışıq ifadələrinin mənasını qavrayaraq onlara adekvat cavab verə bilən sistemdir. Bugünkü AI hər şeyi edə bilər! Bəs hesab etmək olarmı ki, qarşıya qoyulan məqsədlərə nail olunub və artıq süni intellekt yaradılıb?

Bəzi elm adamları fəlsəfə və kompüter elminin kəsişməsində mürəkkəb nəzəriyyələr qurur, intellektli hesab olunmaq üçün süni intellektin nə olduğunu və sistemin xüsusiyyətlərinin nədən ibarət olması lazım olduğunu müəyyən etməyə çalışır. Təfərrüatlara varmadan deyə bilərik ki, zəka bilikləri öyrənmək, qavramaq və praktikada tətbiq etmək bacarığı kimi müəyyən edilir. Deməli, bizim də süni intellektdən öyrənmək, biliklərimizdən xəbərdar olmaq və ondan istifadə etmək bacarığını gözləmək haqqımız var. Müasir süni intellekt ilk və son tapşırıqların öhdəsindən olduqca yaxşı gəlir!

AI inkişafı nə vaxt başladı?

1956-cı ilin yayında elm adamları Dartmutda süni intellekt mövzusunda seminara toplandılar (bu termin burada formalaşdı) və artıq gələn il ilk süni neyron şəbəkəsi - perseptron anlayışı meydana çıxdı. 1960-cı ildə Frank Rosenblatt bu konsepsiya əsasında Mark 1 kompüterini yaratdı. Dünyanın ilk neyrokompüterinə latın əlifbasının hərflərini tanımaq öyrədilib. Lakin 60-cı illərin texnologiyasının qeyri-kamilliyi və proseslərin mürəkkəbliyi texnologiyanı reallaşdırmağa imkan vermədi və onun tərtibçisi tezliklə öldü. Neyrokompüterlər 20 il ərzində unudulub.

Yalnız 1980-ci illərə qədər neyron şəbəkələri anlayışı yenidən ciddi şəkildə öyrənilməyə başlandı. Texnologiya artıq kifayət qədər güclü idi və daha az tənqidçi var idi: ağıllı elektronika sürətlə irəliləyirdi. İyirmi il əvvəl yuxu kimi görünən şey olduqca real və əldə edilə bilən görünməyə başladı. Bununla belə, neyron şəbəkələri öyrətmək üçün düzgün yanaşmaları tapmaq üçün daha 20 il lazım oldu. Yalnız 2000-ci illərin ortalarında elm adamları düzgün yolu tapdılar və süni neyron şəbəkələri planetdə qalibiyyət yürüşünə başladı.

Lakin onların uğurlarını təsvir etməzdən əvvəl gəlin bu şəbəkələrin necə qurulduğunu anlayaq.

Süni neyronların təsviri

Süni neyron şəbəkələri insan beyninin riyazi modeli kimi yaradılmışdır. Bunun üçün alimlər Uorren Makkalok və Uolter Pitts insan beyninin fəaliyyəti haqqında nəzəriyyə hazırlamalı olublar.

Onda fərdi neyronlar mürəkkəb quruluşa malik canlı hüceyrələrdir. Hər bir neyron dendritlərə malikdir - sinapslar vasitəsilə digər neyronlarla siqnal mübadiləsi edə bilən budaqlanmış proseslər, həmçinin bir akson - neyrondan impulsların ötürülməsindən məsul olan daha böyük bir proses. Bəzi sinapslar neyronun həyəcanlanmasından, bəziləri isə inhibədən məsuldur. Onun digər neyronlara ötürdüyü impulslar neyronun “girişinə” hansı siqnalların və hansı sinaptik əlaqələr vasitəsilə gəldiyindən asılı olacaq.

Süni neyron fiziki daşıyıcıya ehtiyac duymur. Əsasən, bu riyazi bir funksiyadır. Onun vəzifəsi məlumat almaqdır (məsələn, bir çox digər süni neyronlardan gələn siqnallar), onu müəyyən bir şəkildə emal etmək və nəticəni "akson" - çıxışa çıxarmaqdır. Süni şəbəkədə neyronlar adətən üç növə bölünür:

• giriş - bu neyronların hər biri ilkin məlumatın elementini "giriş" kimi qəbul edir (məsələn, şəbəkə fotoşəkilləri tanıyırsa, təsvirin bir nöqtəsi);
• aralıq - proses məlumatı;
• həftə sonu - nəticə çıxarır (şəklin tanınması zamanı nəticə təsvir olunan obyektin identifikatoru ola bilər).

Neyron şəbəkənin özü tort kimi təbəqələrdə yaradılır. Xarici təbəqələrdən birində giriş neyronları, digərində çıxış neyronları var və onların arasında bir və ya bir neçə aralıq yerləşə bilər. Aralıq şəbəkədəki hər bir neyron ətrafdakı iki təbəqədən bir çox neyronla əlaqələndirilir. Neyronlar arasında əlaqə çəkilərdən istifadə etməklə təmin edilir - ədədi dəyərlər, hər bir neyron şəbəkənin əvvəlki qatından alınan məlumatlar əsasında hesablayır.

Süni neyron şəbəkələri yaradan zaman alimlər insan beyninin strukturunu rəhbər tuturdular. Buna görə də, süni neyronların davranış prinsipləri real, canlı olanlardan o qədər də fərqlənmir. Bəlkə belə neyron şəbəkələr əsasında inkişaf edə biləcək ağıl insana daha yaxın olacaq?

Süni intellekt və təbii intellekt arasındakı fərq

Süni intellektin təbii intellektdən nə ilə fərqləndiyi sualı əslində elmi müstəvidən daha çox fəlsəfi müstəvidədir. Və hətta süni şəkildə yaradılmış zehnin necə olacağını (yaxud da olmayacağını) təsəvvür edə bilmərik. Biz hər şeyi təsəvvür etməyə qadirik - və elmi fantastika yazıçıları bunu dəfələrlə sübut ediblər. Fakt budur ki, bu gün mövcud olan heç bir süni intellekt insanlarla bərabər şərtlərdə rəqabət aparacaq qədər yüksək inkişaf səviyyəsinə çatmayıb.

Hələ 1980-ci illərdə filosof Con Searle tərəfindən ifadə edilən bir fikir var. O, "güclü süni intellekt" və "zəif AI" terminlərini işlətdi. Güclü süni intellekt, alimin fikrincə, özünü dərk edə və insan kimi düşünə bilər. Zəiflər buna qadir deyillər.

Bugünkü AI, Searle görə təsnif edilərsə, açıq şəkildə zəifdir, çünki onların heç biri hələ özünüdərk etməmişdir. Bizim süni neyron şəbəkələrimiz üzləri tanıyır və qəribə, inanılmaz şəkillər çəkir, əlyazma mətni oxuyur və hətta şeir yazır - lakin onlar yalnız bu məqsədlər üçün yaradılmışdır. Bu neyroşəbəkələrin heç biri öz fikrini dəyişməyə və özləri üçün fərqli bir “ixtisas” seçməyə qadir deyil. Onlar yalnız öyrədildikləri işi edirlər və müəyyən mənada onları bu vəzifələri yerinə yetirmək üçün proqramlaşdırılmış hesab etmək olar. Onların bu şeylərin arxasında nə dayandığına dair heç bir real anlayışı yoxdur. Searle güclü süni intellekt yaratmağın prinsipcə mümkün olmadığını müdafiə etdi.

Başqa bir filosof Hubert Dreyfus da hesab edirdi ki, kompüter sistemləri heç vaxt insanlara bərabər ola bilməz - çünki onlar öz ağıllı fəaliyyətlərində təkcə əldə edilmiş biliklərə deyil, həm də empirik təcrübəyə arxalanırlar. Kompüterlərin tərifinə görə buna sahib deyillər - buna görə də öz intellektini inkişaf etdirmək onların taleyi deyil.

Amma bu özünə güvənən bəyanatlar neyron şəbəkələrin yenicə ilk addımlarını atdığı bir vaxtda edilib. Bu gün onların öyrənmə uğurlarına nəzər saldıqda, insanlarla bərabərləşə bilən, hətta onları üstələyə bilən AI reallığına inanmaq çətin deyil.

İnsan və kompüter intellektini necə müqayisə etmək olar?

Gözləyin, hətta süni intellektin insan səviyyəsinə çatıb-çatmadığını necə müəyyən edə bilərik?

Ehtimal etmək olar ki, meyarlardan biri duyğu və emosiyaların, eləcə də yaradıcılığın olmasıdır. Bir maşın qorxu və ya sevgi yaşamağa başlasa, qəfildən şeir yazmağa və ya şəkil çəkməyə qərar versə, bu, zəkanın təzahürü olmazdımı?

Tamamilə mümkündür. Halbuki heyvanların da, quşların da hissləri var. Eyni zamanda, onların rasionallığı (xüsusən də onların intellektinin insana bərabərliyi) haqqında soruşduqda biz çox vaxt mənfi cavab veririk. Bundan əlavə, hisslər proqramlaşdırıla bilər - əksər hallarda onlar xüsusi xarici stimullara reaksiyadır. Nəhayət, kompüterlərin nə vaxtsa insana bənzər duyğuları yaşaya biləcəyini bilmirik. Bəs onların hissləri bizimki kimi olmalıdırmı?

Bəlkə daha etibarlı meyar özünüdərkdir? Əgər maşın “Mən kiməm?” sualını verərsə. - bu rasionallığın meydana çıxma anıdır? Amma özünüdərk heyvanlarda da var. Eyni zamanda, insanların çoxu dərin fəlsəfi suallara girmədən həyatlarını yaşamağa kifayət qədər qadirdirlər.

Kəşfiyyatı müqayisə etmək üçün daha dəqiq və ciddi üsullar varmı? Axı, insanın zehni qabiliyyətlərini qiymətləndirə biləcəyiniz bir IQ əmsalı var. Niyə maşın üçün istifadə etmirsiniz?

Kompüter proqramlarında IQ varmı?

Hətta insanlarda zəkanın ölçülməsi inanılmaz dərəcədə çətindir - idrak və düşünmə qabiliyyətlərinə bir hökmdar tətbiq edə bilməzsiniz. Üstəlik, IQ mütləq göstərici deyil, nisbi göstəricidir. Bəzi elm adamları ümumiyyətlə IQ testlərinin zəkanın yox, bu cür testlərdən keçmə qabiliyyətinin ölçüldüyünə inanırlar. Onu öyrətmək və parlaq nəticə əldə etmək olar - amma intellekt, əlbəttə ki, dəyişməyəcək. Deməli, IQ göstəricisi zəka ilə əlaqəli olan, lakin ona obyektiv qiymət verə bilməyən rəqəmdən başqa bir şey deyil.

Bəzi IQ testlərində müşahidə və ya məntiq, digərlərində kombinatorika, digərlərində riyazi təfəkkür üzrə tapşırıqlar üstünlük təşkil edir. Nəticə insan üçün nəyin daha asan olmasından və nəyin daha bacarıqlı olmasından asılı olacaq. Testlərdən keçmə sürəti və tapşırıqların ixtisaslaşması vacibdir.

Süni intellekt də müəyyən sinif problemləri həll etmək üçün “öyrədilə” bilər və IQ testi maşına insandan daha az vaxt aparacaq. Beləliklə, neyroşəbəkə parlaq insanlar üçün ağlasığmaz xallar toplaya biləcək, lakin eyni zamanda təlim zamanı hazırlanmadığı ən sadə suallara cavab verə bilməyəcək.

Beləliklə, maşın intellektini obyektiv qiymətləndirə biləcəyiniz hər hansı meyar varmı? Onları inkişaf etdirməyə çalışan ilk tədqiqatçılardan biri məşhur ingilis riyaziyyatçısı Alan Turinq olmuşdur.

Turing Testi nədir?

1950-ci ildə Türinq "" məqaləsini dərc etdi. Kompüterlər və Ağıl” kitabında o, maşınlarda düşünməyin nəzəri imkanlarını müzakirə etdi. Bu, süni intellekt mövzusunda ilk araşdırma, hətta Turinqin ilk belə işi deyildi, lakin ciddi elmi müzakirələr və mübahisələr üçün başlanğıc nöqtəsi idi.

Turinq, maşının düşünə bilib-bilməyəcəyi sualına aydınlıq gətirmək üçün təriflərlə başladı, bu ona çox qeyri-müəyyən göründü. Hansı avtomobili nəzərdə tutursunuz? Hətta “düşünmək” nə deməkdir?.. Belə bir sualın içərisində ilkin olaraq düzgün cavab verməyə imkan verməyən irrasional bir dənənin olduğu açıq-aşkar görünürdü. Alimin düşüncələrinin nəticəsi Turinq testi idi - bir insandan ("hakim") iki həmsöhbətlə: bir şəxs və kompüterlə ünsiyyət qurmağı xahiş etdiyi bir təcrübə. Hakimin işi kimin kim olduğunu anlamaqdır. Nəticədə, o, həmsöhbətlərindən hansının proqram olduğuna əmin deyilsə və ya qiymətləndirməsində səhvə yol veribsə, maşın sınaqdan keçmiş sayılır.

Turing testinin məqsədi özünü insan kimi göstərə bilən “aldadıcı maşın” yaratmaq deyil. Bu, müəyyən bir maşının və ya proqramın insandan ayırd etmək çətin olan intellektə malik olmasını təmin edir. Turinq belə bir kompüteri "ağıllı" adlandırdı - bu tərif artıq 60 ildən çoxdur və aktual olaraq qalır.

AI üçün prosessorlar

Süni intellekt texnologiyaları proqram həlləri ilə məhdudlaşmır. Bu gün AI dəstəyinin aparat səviyyəsində qurulduğu elektron çiplər fəal şəkildə hazırlanır. Bu tip mikroprosessorlara neyron prosessorlar deyilir. Onlar pilotsuz nəqliyyat vasitələrində və təyyarələrdə (dronlarda), sənaye robotlarında və maşınlarında, həmçinin xüsusi problemlərin həlli üçün - səs və ya görüntünün tanınması, yaradılması üçün istifadə olunur. axtarış motorları və maşın tərcüməçiləri.

Belə cihazlar arasında Google-un maşın öyrənmə sistemləri üçün xüsusi olaraq yaradılmış tensor emal qurğusu (TPU) var. Bu cihaz hələ kommersiya baxımından mövcud deyil: yalnız Google özü axtarış nəticələrini optimallaşdırmaq və fotoşəkilləri emal etmək üçün ondan istifadə edir. TPU 8 bitlik nömrələrlə işləyir (bu, dəqiq hesablamalar üçün olduqca kiçikdir) və ondan bir qədər çox təlimata malikdir (digər müasir prosessorlarda yüzlərlə ola bilər). Lakin bu, tenzor prosessorunun süni intellekt və neyron şəbəkələri ilə bağlı hesablamaları effektiv yerinə yetirməsinə mane olmur. Prosessor sürətlə inkişaf edir - Google hər il yeni versiyanı təqdim edir.

Google Tensor Processing Unit 3.0 (TPU)

Bənzər çiplərin başqa inkişafları da var. Onların bir çoxu yüksək ixtisaslaşmışdır: məsələn, onlar kompüter görmə üçün AI proqramlarını sürətləndirmək üçün nəzərdə tutulub.

Süni intellekt texnologiya bazarı

Süni intellekt texnologiyalarından demək olar ki, bütün sahələrdə istifadə olunur insan fəaliyyəti, deməli, süni intellektin parlaq gələcəyi var. Süni intellekt məhsulları bazarı sürətlə böyüyür.

Dünya bazarı

2022-ci ilə qədər süni intellekt bazarının 52 milyard dollara çatacağı proqnozlaşdırılır. Ola bilsin ki, bu o qədər də böyük rəqəm deyil – məsələn, həmin il kompüter oyunları bazarı 130 milyardı keçəcək, smartfon bazarı isə 2018-ci ildə artıq 10 dəfə böyük olub – 520 milyard.

Lakin süni intellekt bazarı görünməmiş artım nümayiş etdirir - bəzi hesablamalara görə, hər il təxminən 30% artır (oyunlar və smartfonlar üçün oxşar rəqəmlər təxminən 5%). Texnologiyanın mənimsənilməsinin bu sürəti daha bir neçə il davam edərsə, süni intellektin tezliklə hər yerdə olacağını gözləmək olar.

Dünyanın ən böyük İT şirkətləri süni intellektin inkişafına öz töhfələrini verirlər: Google, IBM, Intel, Nvidia. Aparıcı ölkələr ABŞ, Çin və Böyük Britaniyadır.

Rusiyada

Əgər 2017-ci ildə Rusiyada süni intellektdən istifadə edən cəmi bir neçə onlarla layihə var idisə, 2018-ci ildə artıq yüzlərlə layihə var idi. Ekspertlərin fikrincə, 2020-ci ilə qədər bazarın həcmi 28 milyard rubla (təxminən 450 milyon dollar) çatacaq. Yeni texnologiyalar ən çox maliyyə sektorunda, o cümlədən telekommunikasiya, pərakəndə satış və enerji sektorunda istifadə olunur. Bəzi şirkətlər sırf süni intellekt sistemlərinin inkişafı və tətbiqi ilə məşğul olan mütəxəssislərdən ibarət qrupları işə götürür.

Ümumi bazar artımının dünyadakından daha sürətli olmasına baxmayaraq, problemlər var. Əsas problem maşın öyrənmə mütəxəssislərinin çatışmazlığı olaraq qalır. Bu o deməkdir ki, axtarılan ixtisas və yaxşı maaşlı bir iş əldə etmək üçün AI-ni öyrənməyin vaxtıdır.

Süni intellektin əmək bazarına təsiri

Artıq bu gün süni intellektin insanları əvəz edə biləcəyi sahələr var. Məsələn, proqramlar telefon və ya söhbət vasitəsilə müştərilərə sadə suallara cavab verə bilər. Bu, zəng mərkəzi operatorlarının iş yükünü optimallaşdırmağa və hətta onların işçilərini azaltmağa imkan verir.

İstehsalda süni intellekt avtomatlaşdırma və sənaye robotlarını idarə etməyə qadirdir. Bir çox sensorların işinə daim nəzarət edən süni neyron şəbəkəsi fövqəladə vəziyyətə insandan daha tez reaksiya verə və lazımi tədbirləri görə biləcək - konveyeri söndürün və ya mexanizmləri dayandırın. Bir çox hallarda belə sistemlər problemləri əvvəlcədən proqnozlaşdıra və fövqəladə halların qarşısını ala bilir.

Süni intellekt insanları iş yerlərindən uzaqlaşdıracaq. Daha az xərclənir və daha az səhv edir. O, tənbəl olmağı, gecikdirməyi və ya Facebook-da oturmağı bilmir, istirahətə, yatmağa və tətilə ehtiyac duymur, kədərlənmir və yorulmur. İdeal işçi.

İlk növbədə, süni neyron şəbəkələri adi əməliyyatları yerinə yetirməkdə, mürəkkəb hesablamalar aparmaqda, risklərin qiymətləndirilməsində, məlumatların toplanmasında və verilmiş parametrlər üzrə situasiyaların modelləşdirilməsində insanı əvəz edəcək. AI təhlükəli və təhlükəli sənayelərdə istifadə edilə bilər.

Ancaq robotların uzun müddət onlarla rəqabət apara bilməyəcəyi yerlərdə insanlar hələ də lazım olacaq. Və bu, təkcə yaradıcılıq sahəsinə aid deyil. Süni intellekt indiyə qədər yalnız öyrədildiyi yüksək ixtisaslaşdırılmış tapşırıqları yerinə yetirməyə qadirdir, ona görə də o, insanları kalkulyatorun riyaziyyatı əvəz edə biləcəyi dərəcədə əvəz edə bilər. Eyni zamanda, süni intellekt texnologiyalarının inkişafı maşın öyrənməsi və intellektual avadanlıqlara texniki xidmət göstərən mütəxəssislər üçün böyük əmək bazarı açır.

AI harada istifadə olunur?

Bir sözlə - demək olar ki, hər yerdə!

İnsan fəaliyyətinin süni intellekt texnologiyaları tərəfindən tamamilə toxunulmamış çoxlu sahələri qalmayıb. Gəlin yalnız AI-nin artıq istifadə olunduğu ən vacib sahələri nəzərdən keçirək.

İnternetdə AI

Hər dəfə “Hey Google” və ya “Hey Siri” dediyiniz zaman smartfonunuzdakı süni intellektlə danışırsınız. Mikrofondan gələn siqnalda ona ünvanlanan nitqi tanıya bilir. Sualınızı qeyd edir və onu Google və ya Apple serverlərinə yönləndirir. Orada ikinci süni intellekt işə düşür, nitqi tanıyır və sualı kompüterdə oxuna bilən formata çevirir. Və sonra üçüncüsü cavab üçün nəhəng verilənlər bazalarını axtarır. Nəhayət, cavab smartfonunuza qaytarılır, burada insan səsini yaradan süni intellekt onu sizin üçün oxuyur. Və bütün bunlar bir saniyədə.

Nəqliyyat və logistika sahəsində AI

Süni neyron şəbəkələrinin maraqlı tətbiqi özü idarə olunan avtomobillərdir. Son on ildə bir çox avtomobil istehsalçıları yollarda müstəqil hərəkət edə biləcək avtomobil hazırlamağı öhdələrinə götürdülər - General Motors, Nissan, BMW, Honda, Volkswagen, Audi, Volvo, həmçinin Google və Tesla. Pilotsuz təyyarələr hələ şəhərlərimizin küçələrində kütləvi bir fenomenə çevrilməsə də, aydın şəkildə irəliləyirlər.

2013-cü ildən Amazon, dronlardan istifadə edərək malların və poçtun çatdırılması ideyasını inkişaf etdirir. İlk dəfə olaraq paket alıcıya 2016-cı ilin dekabrında pilotsuz uçuş aparatı ilə gəlib. Bəzi bölgələrdə qida, dərman və hətta portativ defibrilatorlar dronlarla çatdırılır. Sistem hələ mükəmməl deyil, lakin inkişaf etməkdə davam edir. Təəssüf ki, dronlar qeyri-qanuni məqsədlərə də xidmət edə bilər: pilotsuz uçuş aparatlarından istifadə etməklə qadağan olunmuş əşyaların həbsxanalara çatdırılması, həmçinin narkotik vasitələrin daşınması üçün dronlardan istifadə halları qeydə alınıb.

Maliyyədə AI

Maliyyə sektorunda AI riskləri proqnozlaşdırmaq və saxtakarlığı aşkar etmək üçün istifadə olunur. Beynəlxalq ödəniş sistemini yaradan MasterCard Korporasiyası bir neçə il əvvəl Decision Intelligence xidmətini təqdim edib. Həqiqi əməliyyatların təsdiqinin dəqiqliyini artırmaq və saxta ödənişdən imtina ehtimalını azaltmaq üçün nəzərdə tutulmuşdur - bu, fırıldaqçılıq üçün səhv edilən düzgün əməliyyatın tamamlanmasına imkan verməyən daxili təhlükəsizlik sisteminin səhv işidir. bir. Belə səhvlər həm müştərini itirən satıcıya, həm də malı almayan alıcıya ziyan vurur. İtkilər dələduzluqdan dəyən ziyandan da çoxdur.

Süni neyron şəbəkəsi ilə təchiz edilmiş sistem əməliyyatın nə qədər “normal” olduğunu dərhal qiymətləndirmək üçün bir çox mənbədən alınan məlumatlardan istifadə edir. Yalnız satıcının etibarlılığı və əməliyyat tarixi nəzərə alınmır, hətta alıcı üçün alışın tipikliyi və onun yeri, eləcə də günün vaxtı nəzərə alınır. Bütün bunlar insanları saxtakarlıqdan daha yaxşı qorumağa və yalançı pozitivləri minimuma endirməyə kömək edir.

Tibbdə AI

Səhiyyədə AI ilk növbədə xəstəliklərin diaqnostikası sahəsində inkişaf edir. Süni neyron şəbəkələri rentgen, CT, mamoqrafiya və MRT-də xərçəng şişlərini tanımağı öyrənib. Təcrübəli həkimə təsviri öyrənmək üçün təxminən 20 dəqiqə vaxt lazımdır, neyron şəbəkə isə bir neçə saniyə çəkir. Beləliklə, xəstə müayinənin nəticələrini demək olar ki, dərhal öyrənə bilər. Xüsusilə sevindirici haldır ki, Rusiyada belə inkişaflar aparılır.

Diaqnostik süni intellekt təkcə xərçəngi deyil, həm də Alzheimer xəstəliyi, pnevmoniya və digər xəstəliklərin ilkin mərhələlərini aşkar edə bilir.

Müdafiə və hərbi işlərdə

2018-ci ildə məlum olub ki, ABŞ Ordusu insan üzlərini qaranlıqda və hətta termal görüntü cihazından istifadə edərək divarların arasından tanıya bilən süni intellekt hazırlayır. Texnologiyanın döyüş bölgələrindəki dəstə liderlərini müəyyən etməyə kömək edəcəyi gözlənilir.

Digər AI - ALPHA - pilotsuz qırıcıları idarə etmək və hava döyüşlərini aparmaq üçün yaradılıb. Simulyatorlardakı döyüşlərin birində kompüter iki insan rəqibinə qarşı eyni vaxtda dörd təyyarəni idarə edərək qalib gəldi.

Kamuflyaj edilmiş hədəfləri aşkar edə bilən tanklar üçün hədəfləmə sistemləri də hazırlanır.

Hərbi-sənaye kompleksində süni intellekt ölkələrin müdafiə qabiliyyətini artırmağa kömək edəcək, eyni zamanda terror silahına çevrilə bilər.

Biznesdə və ticarətdə

Süni intellekt pərakəndə satışda inqilab edir. Süni neyron şəbəkələri xidmətin keyfiyyətini artırır və hər bir istehlakçıya fərdi yanaşma təmin edir. Ağıllı texnologiyalar bank kartı fırıldaqlarını aşkar edir, fərdi məsləhətlər verir və məhsulları seçməyə kömək edir.

TAdviser-ə görə, 2018-ci ildə bütün pərakəndə satış gəlirlərinin üçdə birindən çoxu süni intellektə əsaslanan tövsiyələr vasitəsilə əldə edilib!

İdmanda AI

Burada matçın nəticələrini proqnozlaşdırmaq üçün süni intellekt texnologiyalarından istifadə olunur - belə sistemlər UBS, Commerzbank və Microsoft tərəfindən yaradılıb. Komandanın və fərdi oyunçuların təcrübəsi nəzərə alınır. Bəzən proqnozlar doğru çıxır, lakin çox vaxt süni intellekt ciddi şəkildə səhv hesablayır. İnsan faktoru istənilən proqnozu təkzib edə bilir.

Mədəniyyətdə AI

Maşın yaradıcı ola bilməz, çünki onun təsəvvürü yoxdur! Və ya bəlkə hələ də edə bilər?

Qəribədir ki, süni neyron şəbəkələri yaradıcılıq qabiliyyətinə malikdir, hətta mədəniyyət sahəsində müəyyən zirvələrə çatır.

Musiqi

Sitar olsaydı, fleyta necə səslənərdi? Google-un NSynth Super sintezatoru müxtəlif alətlər əsasında tamamilə yeni səslər yaratmaq üçün neyron şəbəkədən istifadə edir.

Popgun startapının bir hissəsi kimi hazırlanmış Alice musiqi improvizasiyaları yaradaraq bir insanla "oynaya" bilər. Amerikalı müğənni Taryn Southern Amper neyron şəbəkəsi ilə birgə müəllifi olduğu albom buraxıb. Və Endel layihəsi bir düyməni basmaqla istifadəçinin əhval-ruhiyyəsinə uyğun olan kompozisiyalar yaratmağa qadirdir.

Rəsm

DeepDream neyron şəbəkəsi sifətin tanınması üçün yaradılmışdır və onun sürreal rəngləmə bacarığı olduğu aşkar edilmişdir. Tərtibatçılar hər kəsin süni intellektlə əməkdaşlıq edərək heyrətamiz kətan yarada biləcəyi vebsayt açdılar. Neyroşəbəkə müxtəlif üslublarda şəkillər çəkir.

Düzdür, o, hələ hekayələr hazırlamağı bilmir - insandan kömək istəyir.

Video

Google və Facebook tərəfindən hazırlanmış süni intellektin köməyi ilə siz ekranda bir insanı istənilən sözləri söyləməyə və duyğuların bütün spektrini təsvir etməyə “məcbur edə” bilərsiniz. Və belə videoları realdan ayırmaq çətin ola bilər. Neyron şəbəkələri hətta çəkilmiş bir filmdə bir aktyoru digəri ilə əvəz edə bilər. Bu isə təkcə kinorejissorlar üçün deyil, həm də saxtakarlıq yaradanlar üçün imkanlar açır.

Ədəbiyyat

Facebook-un neyron şəbəkəsi sayğac və ritmi mükəmməl saxlayaraq, yaxşı qafiyələr seçərək şeir yaza bilir. Oxucular yalnız yarı hallarda kompüter tərəfindən yaradılan sətirləri tanıya bildilər, lakin AI əsl şair olmaqdan uzaqdır. Maşın hələ duyğuları çatdırmağı və poetik əsərlərə məna qoymağı öyrənməyib.

Yandex həmçinin istifadəçi axtarış sorğularından şeirlər yaradan Autopoet-i işə saldı. Bəzilərini gülümsəmədən oxumaq mümkün deyil. Onların heç bir yumor hissi olmayan neyron şəbəkəsi tərəfindən yaradıldığına inanmaq çətindir!

Narrative Science isə elektron jurnalist hazırlayıb. Süni intellekt tərəfindən yazılmış məqalələr məzmunca sadə olsa da, şirkət rəhbərliyi gələcəyə nikbin baxır və hesab edir ki, 2025-ci ilə qədər internetdəki mətnlərin 90%-ə qədəri maşın intellektindən istifadə etməklə yazılacaq.

2016-cı ildə “Kompüterin roman yazdığı gün” kitabı Yaponiyanın Hoşi Şiniçi Ədəbi Mükafatına namizəd oldu. Bu əsər demək olar ki, tamamilə süni intellekt tərəfindən yaradılmışdır.

Oyunlar

IN kompüter oyunları neyron şəbəkələri rəqibləri və oyun botlarını idarə etmək üçün istifadə olunur. Ancaq süni intellektə “ekranın o biri tərəfində” oynamağı, yəni ekrandan vizual məlumatları oxumağı və insan kimi oyun xarakterini idarə etməyi öyrətmək olar.

2016-cı ildə hətta süni intellekt arasında Doom çempionatı keçirilib. Və Deep-Q-Network sistemi klassik Atari arcade maşınlarını oynamaq üçün öyrədilir. O, tez-tez təcrübəli oyunçulardan 30% daha yüksək nəticələr göstərir.

20-ci əsrdə süni intellektin şahmat üzrə dünya çempionunu məğlub edə bildiyi zaman kifayət qədər güclü və inkişaf etmiş sayıla biləcəyinə inanılırdı. Kompüterlər bu mərhələni çoxdan keçiblər - hələ 1997-ci ildə Deep Blue Garry Kasparovu məğlub etmişdi (və bu, süni intellekt deyil, alqoritmik proqram idi).

Bundan sonra ictimaiyyətin diqqəti Go kimi daha mürəkkəb taktiki oyunlara yönəldi. Buradakı hərəkət hesablamalarının mürəkkəbliyi şahmatdakından daha böyük bir sıradır, ona görə də sıralayacaq alqoritmlər yaradın. mümkün variantlar, demək olar ki, mümkün deyil. Ancaq təlim keçmiş neyron şəbəkələri bu oyunun öhdəsindən gələ bildi. Artıq 2015-ci ildə Google-un AlphaGo şəbəkəsi peşəkar Go oyunçusu ilə qarşılaşmada qalib gəlib.

Süni intellektin inkişaf perspektivləri

Süni intellektlə bağlı elmi araşdırmalar yarım əsrdən çoxdur ki, davam edir, lakin hələ də hər kəs texnologiyanın mahiyyətini başa düşmür. Elmi fantastika romanlarında və filmlərində yazıçılar və rejissorlar süni intellektin nə qədər təhlükəli ola biləcəyini təsvir edirlər. Çoxları üçün süni intellekt ideyası məhz bu şəkildə formalaşır.

Gəlin süni intellektin inkişafının uzunmüddətli perspektivləri ilə bağlı suallara rasional cavab verək.

Süni intellektin məqsədi insan intellektini kompüterə yerləşdirməkdir?

Xeyr, bu doğru deyil. Hətta nəzəri cəhətdən belə bir vəziyyət o qədər də inanılmaz deyil. Süni neyron şəbəkələri çox sadələşdirilmiş formada da olsa, insan beyninin timsalında yaradılmışdır. Bir gün canlı insanın beyninin hər bir hissəsini skan etmək, onun neyronlarının və sinaptik əlaqələrinin “xəritəsini” yaratmaq və onun surətini kompüterdə çoxaltmaq mümkün ola bilər. Bu cür kopyalanmış neyron şəbəkədən nəinki ağıllı davranış gözləmək olar - bu, sözün əsl mənasında insanın dublunu olacaq, özünü dərk edə, qərarlar qəbul edə və onun kimi hərəkətlər edə biləcək. Hətta xatirələr də kopyalanacaq. Nəzəri cəhətdən belə neyron şəbəkəni süni bədəndə (robotda) yerləşdirmək mümkün olacaq və sonra insan – onun şüurunun surəti – demək olar ki, əbədi yaşaya biləcək.

Praktikada belə bir köçürmə olduqca çətin olacaq: canlı beyni "oxumağa" və onun "xəritəsini" yaratmağa imkan verən heç bir texnologiya yoxdur. Və biz hələ də beyin qədər güclü süni neyron şəbəkəsi yaratmaqdan çox uzağıq.

Süni intellekt insan səviyyəsində zəkaya çatmağı hədəfləyirmi?

Süni intellektin məqsədi insanlara kömək etmək və mürəkkəb və ya rutin tapşırıqları yerinə yetirməkdir. Bunun üçün o, ümumiyyətlə, fəlsəfi mövzularda söhbətlər aparmalı və ya şeirlər yazmalıdır.

Ancaq süni intellekt bir gün insan təfəkkür səviyyəsinə çata bilsə, sivilizasiya üçün böyük bir mərhələ olacaq. Biz səmərəli və ağıllı köməkçi alacağıq - və biz haqlı olaraq fəxr edə bilərik ki, bu, bizim əllərimizin yaradılmasıdır.

Süni intellekt nə vaxt insan səviyyəsinə çatacaq?

Səsləri tanıya və ya şəkilləri emal etməyə qadir olan nisbətən kiçik neyron şəbəkələri uğurla yaradırıq. Hələ heç bir süni intellekt bizim beynimizlə eyni plastikliyə malik deyil.

İnsan bu gün musiqi öyrənə bilər, sabah isə C++ dilində proqramlaşdırma ilə məşğul ola bilər - beynin inanılmaz mürəkkəbliyi sayəsində. 86 milyard neyron və onların arasında saysız-hesabsız sinaptik əlaqə var.

Süni neyron şəbəkələri hələ də bu göstəricilərdən uzaqdır: onlarda bir neçə mindən milyonlarla neyron var. Neyroşəbəkələrin ölçüsündə texniki məhdudiyyətlər var: hətta superkompüterlər də insan beyni ilə müqayisə edilə bilən neyron şəbəkəni idarə edə bilməyəcək. Onu öyrətməyin qeyri-ciddi bir iş olacağını söyləmək olmaz.

Kompüterlərin sürəti onların intellektə malik olmasına imkan verirmi?

Kəşfiyyatın “gücü” hesablamaların sürəti ilə deyil, neyron şəbəkəsinin mürəkkəbliyi ilə bağlıdır. İnsan beyni, ondakı proseslərin sürətinin kompüterlərdən xeyli aşağı olmasına baxmayaraq, hələ də güc baxımından istənilən süni neyron şəbəkəsindən üstündür.

Süni neyron şəbəkələri təbəqələrə qruplaşdırılmış fərdi neyronlardan ibarətdir. İki xarici təbəqə ilkin məlumatın verildiyi "giriş" və nəticənin oxunduğu "çıxış" kimi xidmət edir. Onların arasında birdən bir neçə onlarla, hətta yüzlərlə aralıq neyron təbəqələri ola bilər. Üstəlik, bir təbəqədəki hər bir neyron əvvəlki və sonrakı təbəqələrdə bir çox digərləri ilə bağlıdır.

Şəbəkə nə qədər mürəkkəbdirsə, nə qədər çox təbəqə və neyron varsa, bir o qədər irimiqyaslı və ciddi vəzifələri yerinə yetirə bilər.

Neyron şəbəkə təbii şəkildə inkişaf edə bilərmi?

Gəlin görək, AI-nin uşaq kimi təcrübə qazanıb təbii şəkildə öyrənə biləcəyi ehtimalı varmı? İnsan şüuru bir çox amillərlə formalaşır. Biz xarici dünya haqqında məlumatı qavrayış orqanları - müşahidə, toxunma, dadmaq vasitəsilə alırıq. ilə qarşılıqlı əlaqədə mühit, həyat təcrübəsi, dünyanın xassələri haqqında biliklər, sosial bacarıqlar əldə edirik. Beynimiz daim təkmilləşir və fiziki olaraq dəyişir, yeni sinaptik əlaqələr qurur və mövcud olanları “pompalayır”.

Bu şəkildə inkişaf edə biləcək qədər neyron şəbəkə kompleksi yarada bilsək və onu “hiss orqanları” - videokamera, mikrofon və sairlə təmin etsək, bəlkə də zamanla o, “həyat təcrübəsi” qazana bilər. Amma bu, uzaq gələcəyin məsələsidir.

Bəşər sivilizasiyası üçün risk varmı?

Yeni texnologiyalarla bağlı risklər həmişə mövcuddur. Sual onların nə olmasıdır.

Belə çıxa bilər ki, süni neyron şəbəkələri müəyyən həddə çataraq səmərəlilik “platosuna” çatacaq və daha da inkişaf etməyəcək. Yoxsa AI-nin, prinsipcə, bu və ya digər sinif tapşırıqların, məsələn, yaradıcılıqların öhdəsindən gələ bilməyəcəyi ortaya çıxsa, ümidləri doğrultmayacaqlar. Bu, itirilmiş əmək xərcləri və maliyyə investisiyaları ilə nəticələnə bilər.

Əgər risk dedikdə texnogen fəlakətləri və ya maşınların üsyanını nəzərdə tuturuqsa, bu, hələlik bizi təhdid etməyəcək. Sadə dillə desək, müasir neyron şəbəkələri öz yaradıcılarına qarşı çıxa bilmir - necə ki, beyində əlin hərəkətini idarə edən neyronlar özlərini bir fərd kimi tanıyıb öz bədənlərinə zərbə vura bilmirlər.

Bununla belə, yadda saxlamalıyıq ki, AI bizim yaradıcılığımızdır. Biz onları dizayn edirik, yaradırıq, öyrədirik və onlara “fikirlər” qoyuruq. Bu o deməkdir ki, onların davranışlarına görə məsuliyyət bizim üzərimizdədir.

Dördüncü inqilab

Süni intellektə necə münasibət bəsləsək də, onun artıq mövcud olduğunu qəbul etməli olacağıq. Bundan imtina etmək inkişafda geriyə addım atmaq deməkdir. Axı süni intellekt bizim tərəqqimizin vacib hissəsidir. Bir çox elm adamları dördüncü sənaye inqilabının başlanğıcını süni neyron şəbəkələri ilə əlaqələndirir və bəyan edirlər ki, yeni dövr gəlir - o zaman yanımızda insan tərəfindən yaradılmış, hər zaman kömək etməyə hazır olan intellekt peyda olacaq.

Hər hansı bir yenilik qorxulu və inamsızdır - bu, insanın normal reaksiyasıdır və bir çox insanlar süni intellektdən ehtiyatlanır. Yalnız tənbəl elmi fantastika yazıçıları süni intellektin bizə gətirəcəyi dəhşətlərdən danışmayıblar. Ancaq hər bir texnoloji yenilik haqqında bir dəfə oxşar şeylər yazılmışdı. İnsanlar buxar lokomotivlərindən qorxurdular, çünki onlar "inəkləri qorxudurlar, quşları tüstü ilə zəhərləyirlər və sərnişinləri saatda 15 mildən çox sürətlə parçalayırlar". Yəqin ki, 20-21-ci əsrlərin filmlərindən, kitablarından öyrəndikləri qorxularımıza nəsillər də güləcək.

Süni intellekt (AI, ingiliscə: Artificial intelligence, AI) - intellektual maşınların, xüsusən də intellektual kompüter proqramlarının yaradılması elmi və texnologiyası. Süni intellekt insan zəkasını başa düşmək üçün kompüterlərdən istifadə kimi oxşar vəzifə ilə bağlıdır, lakin mütləq bioloji cəhətdən ağlabatan üsullarla məhdudlaşmır.

Süni intellekt nədir

• (J. McCarthy) AI ağıllı davranış nümayiş etdirən maşınlar hazırlayır
• (Britannica) Süni intellekt rəqəmsal kompüterlərin adətən yüksək intellektli insanlarla əlaqəli problemləri həll etmək qabiliyyətidir.
• (Faigenbaum) AI - ənənəvi olaraq insan ağlı ilə əlaqələndirdiyimiz imkanlara malik olan intellektual kompüter sistemlərini inkişaf etdirir: dili anlamaq, öyrənmə, düşünmə qabiliyyəti, problemləri həll etmək və s.
• (Elaine Rich) Süni intellekt kompüterlərə insanların hal-hazırda daha yaxşı bacardıqları bir şeyi etməyi öyrədən elmdir

Kəşfiyyat(lat. intellectus - hiss, qavrama, anlama, anlama, anlayış, səbəb) və ya ağıl - psixikanın yeni vəziyyətlərə uyğunlaşmaq, təcrübəyə əsaslanaraq öyrənmək və yadda saxlamaq, başa düşmək və tətbiq etmək bacarığından ibarət olan keyfiyyəti. mücərrəd anlayışlar və ətraf mühitin idarə edilməsi üçün öz biliklərindən istifadə edin. Kəşfiyyatdır ümumi qabiliyyət insanın bütün idrak qabiliyyətlərini birləşdirən bilik və çətinliklərin həllinə: hiss, qavrayış, yaddaş, təsvir, təfəkkür, təxəyyül.

1980-ci illərin əvvəllərində. Hesablama alimləri Barr və Fajgenbaum süni intellektin (AI) aşağıdakı tərifini təklif etdilər:

Daha sonra bir sıra alqoritmlər və proqram sistemləri süni intellekt kimi təsnif edilməyə başlandı ki, onların fərqli xüsusiyyəti bəzi problemləri onların həlli haqqında düşünən bir insanın həll edəcəyi kimi həll edə bilməsidir.

Süni intellektin əsas xüsusiyyətləri dili anlamaq, öyrənmək və düşünmək və ən əsası hərəkət etmək bacarığıdır.

AI keyfiyyətcə və sürətlə inkişaf edən əlaqəli texnologiyalar və proseslər kompleksidir, məsələn:

• təbii dildə mətn emalı
• ekspert sistemləri
• virtual agentlər (chatbotlar və virtual köməkçilər)
• tövsiyə sistemləri.

AI üsulları: NLP, CV, Data Science

Təbii Dil (NLP) Nitq Texnologiyaları

• mətnlər: tanınır, avtomatik tərcümə olunur
• nitq: tanımaq, yaratmaq

• tapmaq, izləmək, təsnif etmək, obyektləri müəyyən etmək
• şəkillərdən məlumat çıxarın
• alınan məlumatları təhlil edin

üçün tətbiq olunur

• obyektin tanınması
• şəkillərin və videoların məzmununun təsviri
• Jest və əl yazısının tanınması
• ağıllı təsvir emalı

• bilik çıxarmaq
• verilənlərdə nümunələri tapın
• proqnozlaşdırmaq

Metodlardan istifadə edin

• Statistika
• Ekonometriya
• Maşın öyrənməsi, Dərin öyrənmə

Süni intellektin inkişafı üzrə milli strategiya

• Əsas məqalə: Süni intellektin inkişafı üzrə milli strategiya

AI Araşdırması

• Əsas məqalə: Süni İntellekt Araşdırması

AI-də standartlaşdırma

Səhiyyədə Süni İntellekt Standartları

2019

4 dəqiqə ərzində süni intellektdə 3 əsas tendensiya

Rosstandart süni intellekt sahəsində ilk standartları təsdiqlədi

Federal Texniki Tənzimləmə və Metrologiya Agentliyi (Rosstandart) 2019-cu ilin dekabrında süni intellekt sahəsində ilk milli standartları təsdiqlədi - GOST R 58776-2019 “İnsanların davranışlarını izləmək və niyyətlərini proqnozlaşdırmaq üçün vasitələr. Terminlər və təriflər" və GOST R 58777-2019 "Hava nəqliyyatı. Hava limanları. Texniki vasitələr yoxlama. Kölgə rentgen təsvirlərindən istifadə etməklə qeyri-qanuni investisiyaların tanınması üçün keyfiyyət göstəricilərinin müəyyən edilməsi metodologiyası”.

Standart intellektual robot sistemləri (o cümlədən pilotsuz nəqliyyat vasitələri) ilə insanlar arasında effektiv əlaqəni təmin etmək üçün nəzərdə tutulub. İntellektual sistemlərin qarşılıqlı əlaqəsi bir-birinin niyyətlərini proqnozlaşdırmaqdan və bu proqnoz əsasında gələcək fəaliyyətləri müəyyən etməkdən ibarətdir. Davranış proqnozu cinayət niyyəti olan insanları müəyyən etmək üçün də istifadə edilə bilər.

İkinci qəbul edilmiş standart, GOST R 58777-2019, rentgen görüntülərindən istifadə edərək baqajın və əl yükünün qanunsuz tərkibinin tanınması üçün sistemlər və alqoritmlər üçün vahid tələbləri müəyyən edir. Standart həmçinin sistemlərin və alqoritmlərin sınaq nəticələrinin etibarlılığını artıracaq.

Terminoloji standart “Süni intellekt. Konsepsiyalar və terminologiya” süni intellekt sahəsində beynəlxalq normativ və texniki sənədlərin bütün ailəsi üçün əsasdır. Termin və təriflərə əlavə olaraq, bu sənəd elementləri olan sistemlərin qurulması üçün konseptual yanaşmalar və prinsipləri, AI və digər end-to-end texnologiyalar arasında əlaqənin təsvirini, habelə tənzimləmə və texniki tənzimləmə üçün əsas prinsipləri və çərçivə yanaşmalarını ehtiva edir. süni intellekt.

İSO/IEC-in müvafiq alt komitəsinin Dublində keçirilən iclasının yekunları üzrə İSO/IEC ekspertləri Rusiyadan olan nümayəndə heyətinin eyni vaxtda süni intellekt sahəsində terminoloji standartın təkcə ingilis dilində deyil, həm də rus dilində hazırlanması təklifini dəstəkləyiblər. Sənədin 2021-ci ilin əvvəlində təsdiqlənməsi gözlənilir.

Süni intellektə əsaslanan məhsul və xidmətlərin inkişafı bütün bazar iştirakçılarının istifadə etdiyi anlayışların birmənalı şərhini tələb edir. Terminologiya standartı tərtibatçıların, müştərilərin və peşəkar cəmiyyətin ünsiyyət qurduğu “dili” birləşdirəcək, süni intellektə əsaslanan məhsulların “təhlükəsizlik”, “reproduktivlik”, “etibarlılıq” və “məxfilik” kimi xüsusiyyətlərini təsnif edəcək. Vahid terminologiya həm də Milli Texnologiya Təşəbbüsü çərçivəsində süni intellekt texnologiyalarının inkişafı üçün mühüm amilə çevriləcək - AI alqoritmlərindən NTI perimetrində şirkətlərin 80%-dən çoxu istifadə edir. Bundan əlavə, İSO/IEC qərarı beynəlxalq standartların gələcək inkişafında rusiyalı ekspertlərin səlahiyyətlərini gücləndirəcək və təsirini genişləndirəcək.

İclas zamanı ISO/IEC ekspertləri Rusiyanın həmredaktor qismində çıxış etdiyi İnformasiya Texnologiyaları – Süni intellekt (AI) – Süni intellekt sistemləri üçün hesablama yanaşmalarına icmal adlı beynəlxalq sənəd layihəsinin hazırlanmasını da dəstəkləyiblər. Sənəddə sistemlərin əsas xarakteristikalarını, alqoritmləri və yanaşmaları təsvir edən süni intellekt sistemləri sənətinin cari vəziyyətinin icmalı, eləcə də süni intellekt sahəsində ixtisaslaşmış tətbiq nümunələri təqdim olunur. Bu sənəd layihəsinin hazırlanmasını alt komitənin tərkibində xüsusi yaradılmış qurum həyata keçirəcək işçi qrupu 5 “AI sistemlərinin hesablama yanaşmaları və hesablama xarakteristikaları” (SC 42 İşçi Qrup 5 “Aİ sistemlərinin hesablama yanaşmaları və hesablama xarakteristikaları”).

Beynəlxalq səviyyədə apardıqları işlərin bir hissəsi olaraq Rusiya nümayəndə heyəti ölkədə süni intellekt texnologiyalarının inkişafına uzunmüddətli təsir göstərəcək bir sıra mühüm qərarlar qəbul etməyə nail olub. Standartın rusdilli versiyasının hazırlanması, hətta belə erkən mərhələdən etibarən, beynəlxalq sahə ilə sinxronizasiyanın təminatıdır və ISO/IEC alt komitəsinin inkişafı və beynəlxalq sənədlərin rus dilində birgə redaktə edilməsi ilə başlanmasıdır. xaricdə rus developerlərinin maraqlarının daha da təşviqi üçün əsasdır”, - deyə o şərh edib.

Süni intellekt texnologiyalarına rəqəmsal iqtisadiyyatın müxtəlif sektorlarında geniş tələbat var. Onların tam miqyaslı praktiki istifadəsinə mane olan əsas amillər arasında normativ-hüquqi bazanın kifayət qədər inkişaf etməməsi göstərilir. Eyni zamanda, texnologiyanın tətbiqinin müəyyən edilmiş keyfiyyətini və müvafiq iqtisadi effekti təmin edən yaxşı işlənmiş normativ-texniki bazadır.

Süni intellekt sahəsində RVC-yə əsaslanan TC Cyber-Physical Systems bir sıra milli standartlar hazırlayır, onların təsdiqi 2019-cu ilin sonu - 2020-ci ilin əvvəlinə planlaşdırılır. Bundan əlavə, bazar oyunçuları ilə birlikdə 2020 və sonrakı illər üçün Milli Standartlaşdırma Planının (NSP) formalaşdırılması istiqamətində iş aparılır. "Kiber-fiziki sistemlər" TC maraqlı təşkilatlardan sənədlərin hazırlanması üçün təkliflərə açıqdır.

2018: Kvant rabitəsi, süni intellekt və ağıllı şəhər sahəsində standartların hazırlanması

6 dekabr 2018-ci il tarixində RVC-yə əsaslanan “Kiber-Fiziki Sistemlər” Texniki Komitəsi “SafeNet” Regional Mühəndislik Mərkəzi ilə birlikdə Milli Texnologiya Təşəbbüsü (NTI) və rəqəmsal iqtisadiyyat bazarları üçün bir sıra standartlar hazırlamağa başladı. 2019-cu ilin mart ayına qədər kvant rabitəsi sahəsində texniki standartlaşdırma sənədlərinin hazırlanması planlaşdırılır və RVC xəbər verir. Daha ətraflı oxuyun.

Süni intellektin təsiri

Bəşər sivilizasiyasının inkişafı üçün risk

İqtisadiyyata və biznesə təsir

• Süni intellekt texnologiyalarının iqtisadiyyata və biznesə təsiri

Əmək bazarına təsir

Süni intellektin qərəzi

Süni intellekt (maşın tərcüməsi, nitqin tanınması, təbii dilin işlənməsi, kompüter görmə, avtomatlaşdırılmış sürücülük və daha çox) təcrübəsi olan hər şeyin mərkəzində dərin öyrənmə dayanır. Bu, beynin işini təqlid etdiyi deyilə bilən neyron şəbəkəsi modellərinin istifadəsi ilə xarakterizə olunan maşın öyrənməsinin alt hissəsidir, buna görə də onları AI kimi təsnif etmək uzanır. İstənilən neyron şəbəkə modeli böyük məlumat dəstləri üzərində öyrədilir, ona görə də o, bəzi “bacarıqlar” əldə edir, lakin onlardan necə istifadə etməsi yaradıcıları üçün qeyri-müəyyən olaraq qalır ki, bu da son nəticədə bir çox dərin öyrənmə proqramları üçün ən vacib problemlərdən birinə çevrilir. Səbəb odur ki, belə bir model formal şəkildə şəkillərlə işləyir, heç bir işi başa düşmədən. Belə bir sistem süni intellektdirmi və maşın öyrənməsi əsasında qurulan sistemlərə etibar etmək olarmı? Sonuncu sualın cavabının əhəmiyyəti həddən artıqdır elmi laboratoriyalar. Buna görə də, AI qərəzliyi adlanan fenomenə medianın diqqəti nəzərəçarpacaq dərəcədə gücləndi. Bunu “AI bias” və ya “AI bias” kimi tərcümə etmək olar. Daha ətraflı oxuyun.

Süni intellekt texnologiya bazarı

Rusiyada AI bazarı

Qlobal AI bazarı

AI-nin tətbiqi sahələri

Süni intellektin tətbiq sahələri kifayət qədər genişdir və həm tanış texnologiyalar, həm də kütləvi tətbiqdən uzaq yaranan yeni sahələri əhatə edir, başqa sözlə, bu, tozsoranlardan tutmuş kosmik stansiyalara qədər bütün həllər spektridir. Onların bütün müxtəlifliyini inkişafın əsas nöqtələrinin meyarına görə bölmək olar.

AI monolit mövzu sahəsi deyil. Üstəlik, süni intellektin bəzi texnoloji sahələri iqtisadiyyatın yeni alt sektorları və ayrı-ayrı qurumlar kimi görünür, eyni zamanda iqtisadiyyatın əksər sahələrinə xidmət edir.

Süni intellektdən istifadənin inkişafı bütün dəyər zənciri boyunca iqtisadiyyatın klassik sektorlarında texnologiyaların uyğunlaşmasına gətirib çıxarır və onları transformasiya edir, logistikadan tutmuş şirkət idarəçiliyinə qədər demək olar ki, bütün funksionallığın alqoritmləşdirilməsinə gətirib çıxarır.

Müdafiə və Hərbi İşlər üçün Süni İntellektdən İstifadə

Təhsildə istifadə edin

Biznesdə AI-dən istifadə

Fırıldaqçılıqla mübarizədə AI

11 iyul 2019-cu ildə məlum oldu ki, cəmi iki ildən sonra fırıldaqçılıqla mübarizə üçün süni intellekt və maşın öyrənməsi 2019-cu ilin iyul ayına nisbətən üç dəfə çox istifadə olunacaq. Belə məlumatlar SAS və Certified Fraud Examiners (ACFE) Assosiasiyasının birgə araşdırması zamanı əldə edilib. 2019-cu ilin iyul ayına olan məlumata görə, sorğuda iştirak edən təşkilatların 13%-də bu cür dələduzluğa qarşı vasitələrdən artıq istifadə olunur və daha 25%-i onları yaxın və ya iki il ərzində tətbiq etməyi planlaşdırdıqlarını bildirib. Daha ətraflı oxuyun.

Elektrik enerjisi sənayesində AI

• Dizayn səviyyəsində: enerji resurslarına istehsalın və tələbatın təkmilləşdirilmiş proqnozlaşdırılması, enerji istehsal edən avadanlıqların etibarlılığının qiymətləndirilməsi, tələbat artdıqda artan istehsalın avtomatlaşdırılması.
• İstehsal səviyyəsində: avadanlıqların profilaktik təmirinin optimallaşdırılması, generasiya səmərəliliyinin artırılması, itkilərin azaldılması, enerji resurslarının oğurlanmasının qarşısının alınması.
• Təqdimat səviyyəsində: günün vaxtından və dinamik hesablaşmadan asılı olaraq qiymətlərin optimallaşdırılması.
• Xidmətin göstərilməsi səviyyəsində: ən gəlirli təchizatçının avtomatik seçimi, ətraflı istehlak statistikası, avtomatlaşdırılmış müştəri xidməti, müştərinin vərdişləri və davranışları nəzərə alınmaqla enerji istehlakının optimallaşdırılması.

İstehsalda AI

• Dizayn səviyyəsində: yeni məhsulun inkişafının səmərəliliyinin artırılması, təchizatçının avtomatlaşdırılmış qiymətləndirilməsi və ehtiyat hissələrinə olan tələblərin təhlili.
• İstehsal səviyyəsində: tapşırıqların yerinə yetirilməsi prosesinin təkmilləşdirilməsi, montaj xətlərinin avtomatlaşdırılması, xətaların sayının azaldılması, xammalın çatdırılma müddətinin azaldılması.
• Təşviq səviyyəsində: dəstək və texniki xidmətin həcminin proqnozlaşdırılması, qiymətlərin idarə edilməsi.
• Xidmətlərin göstərilməsi səviyyəsində: avtonəqliyyat vasitələri parkının marşrutlarının planlaşdırılmasının təkmilləşdirilməsi, park resurslarına tələbat, xidmət mühəndislərinin hazırlanmasının keyfiyyətinin yüksəldilməsi.

Banklarda AI

Nəqliyyatda AI

• Avtomobil sənayesi inqilab astanasındadır: pilotsuz sürücülük dövrünün 5 problemi

Logistikada AI

Məhkəmə sistemində AI

Süni intellekt sahəsindəki inkişaflar məhkəmə sistemini köklü şəkildə dəyişməyə, onu daha ədalətli və korrupsiya sxemlərindən azad etməyə kömək edəcək. Bu fikri 2017-ci ilin yayında Dr. texniki elmlər, Artezio Vladimir Krylovun texniki məsləhətçisi.

Alim hesab edir ki, süni intellekt sahəsində mövcud həllər iqtisadiyyatın və ictimai həyatın müxtəlif sahələrində uğurla tətbiq oluna bilər. Ekspert qeyd edir ki, süni intellekt tibbdə uğurla istifadə olunur, lakin gələcəkdə o, məhkəmə sistemini tamamilə dəyişə bilər.

“Hər gün süni intellekt sahəsindəki inkişaflarla bağlı xəbərlərə baxaraq, bu sahədə tədqiqatçıların və tərtibatçıların tükənməz təxəyyülünə və məhsuldarlığına heyran qalırsınız. Haqqında mesajlar elmi tədqiqat daim bazara daxil olan yeni məhsullar haqqında nəşrlər və müxtəlif sahələrdə AI-nin istifadəsi nəticəsində əldə edilən heyrətamiz nəticələr haqqında hesabatlarla səpələnir. Süni intellektin yenidən xəbərlərin qəhrəmanına çevriləcəyi mediada nəzərəçarpacaq şırınga ilə müşayiət olunan gözlənilən hadisələrdən danışsaq, yəqin ki, texnoloji proqnozlar verməyə risk etməyəcəyəm. Təsəvvür edə bilərəm ki, növbəti hadisə haradasa süni intellekt formasında olduqca səlahiyyətli, ədalətli və pozulmaz məhkəmənin meydana çıxması olacaq. Bu, görünür, 2020-2025-ci illərdə baş verəcək. Və bu məhkəmədə baş verəcək proseslər gözlənilməz düşüncələrə və bir çox insanların insan cəmiyyətinin idarə olunması proseslərinin əksəriyyətini AI-yə ötürmək istəyinə səbəb olacaq”.

Alim məhkəmə sistemində süni intellektdən istifadəni qanunvericilik bərabərliyi və ədalətin inkişafı üçün “məntiqi addım” kimi qəbul edir. Maşın kəşfiyyatı korrupsiyaya və emosiyalara məruz qalmır, qanunvericilik bazasına ciddi riayət edə və bir çox amilləri, o cümlədən mübahisə tərəflərini xarakterizə edən məlumatları nəzərə alaraq qərarlar qəbul edə bilər. Tibb sahəsinə bənzətməklə, robot hakimlər saxlama yerlərindən böyük məlumatlarla işləyə bilərlər ictimai xidmətlər. Güman etmək olar ki, maşın kəşfiyyatı məlumatları tez emal edə və bir insan hakimindən əhəmiyyətli dərəcədə daha çox amili nəzərə alacaq.

Ekspert psixoloqlar isə hesab edirlər ki, məhkəmə işlərinə baxılarkən emosional komponentin olmaması qərarın keyfiyyətinə mənfi təsir göstərəcək. Maşın məhkəməsinin hökmü insanların hisslərinin və əhvalının vacibliyini nəzərə almadan çox sadə ola bilər.

Musiqi

Rəsm

2015-ci ildə Google komandası neyron şəbəkələri sınaqdan keçirərək onların özbaşına şəkillər yarada bilib-bilmədiyini yoxlamışdı. Daha sonra çoxlu sayda müxtəlif şəkillərdən istifadə edərək süni intellekt öyrədilib. Bununla belə, maşından nəyisə öz-özünə təsvir etmək “xahiş olunduqda” məlum oldu ki, o, ətrafımızdakı dünyanı bir qədər qəribə şəkildə şərh edir. Məsələn, dumbbelllərin çəkilməsi tapşırığı üçün tərtibatçılar metalın insan əlləri ilə bağlandığı bir şəkil aldılar. Bu, çox güman ki, məşq mərhələsində qantellərlə təhlil edilən şəkillərdə əllərin olması və neyron şəbəkənin bunu səhv şərh etməsi səbəbindən baş verib.

2016-cı il fevralın 26-da San-Fransiskoda keçirilən xüsusi hərracda Google nümayəndələri süni intellekt tərəfindən yaradılmış psixikaya aid rəsmlərdən təxminən 98 min dollar toplayıblar. Avtomobilin ən uğurlu şəkillərindən biri aşağıda təqdim olunur.

Google-un süni intellektinin çəkdiyi rəsm.

Süni intellekt

Süni intellekt kompüter sistemləri və digər süni cihazlardan istifadə edərək ağıllı düşünmə və hərəkətlərin təmin edilməsi imkanlarını öyrənən kompüter elminin bir sahəsidir. Əksər hallarda problemin həlli alqoritmi əvvəlcədən məlum deyil.

İnsan zəkasının mahiyyəti və statusu məsələsi fəlsəfədə öz həllini tapmadığı üçün bu elmin dəqiq tərifi yoxdur. Süni intellektin başlanğıcında bir sıra fərziyyələr, məsələn, Turing testi və ya Newell-Simon hipotezi təklif olunsa da, kompüterlərin "intellekt" əldə etməsi üçün dəqiq bir meyar yoxdur. Hazırda həm süni intellekt problemini başa düşmək, həm də intellektual sistemlər yaratmaq üçün bir çox yanaşma mövcuddur.

Beləliklə, təsnifatlardan biri AI-nin inkişafına iki yanaşmanı müəyyən edir:

yuxarıdan aşağı, semiotik - yüksək səviyyəli psixi prosesləri modelləşdirən simvolik sistemlərin yaradılması: təfəkkür, düşüncə, nitq, duyğular, yaradıcılıq və s.;

aşağıdan yuxarıya, bioloji - daha kiçik "ağıllı olmayan" elementlər əsasında ağıllı davranışı modelləşdirən neyron şəbəkələrinin və təkamül hesablamalarının öyrənilməsi.

Bu elm psixologiya, neyrofiziologiya, transhumanizm və s. Bütün kompüter elmləri kimi, riyaziyyatdan istifadə edir. Fəlsəfə və robototexnika onun üçün xüsusi əhəmiyyət kəsb edir.

Süni intellekt 1956-cı ildə istifadəyə verilmiş çox gənc tədqiqat sahəsidir. Onun tarixi yol sinus dalğasına bənzəyir, onun hər bir “çıxışı” hansısa yeni ideya tərəfindən başlanmışdır. Hazırda onun inkişafı tənəzzüldədir, artıq əldə edilmiş nəticələrin elmin, sənayenin, biznesin və hətta gündəlik həyatın digər sahələrində tətbiqinə yol verir.

Tədqiqat yanaşmaları

AI sistemlərinin qurulmasına müxtəlif yanaşmalar var. Hal-hazırda 4 tamamilə fərqli yanaşma var:

1. Məntiqi yanaşma. Məntiqi yanaşma üçün əsas Boolean cəbridir. Hər bir proqramçı IF operatorunu mənimsədiyi vaxtdan onunla və məntiqi operatorlarla tanışdır. Boolean cəbri gələcək inkişafını predikat hesablama şəklində aldı - burada mövzu simvollarını, onlar arasındakı əlaqələri, mövcudluğun və universallığın kəmiyyət göstəricilərini təqdim etməklə genişləndirildi. Məntiqi prinsip üzərində qurulmuş demək olar ki, hər bir AI sistemi teoremi sübut edən maşındır. Bu zaman mənbə verilənlər bazasında aksiomlar, məntiqi nəticə çıxarma qaydaları onlar arasında əlaqələr kimi saxlanılır. Bundan əlavə, hər bir belə maşın bir məqsəd yaratmaq vahidinə malikdir və nəticə çıxarma sistemi bu məqsədi bir teorem kimi sübut etməyə çalışır. Məqsəd sübut olunarsa, tətbiq olunan qaydaları izləmək bizə məqsədə çatmaq üçün zəruri olan hərəkətlər zəncirini əldə etməyə imkan verir (belə bir sistem ekspert sistemləri kimi tanınır). Belə bir sistemin gücü məqsəd generatorunun və teoremi sübut edən maşının imkanları ilə müəyyən edilir. Qeyri-səlis məntiq kimi nisbətən yeni istiqamət məntiqi yanaşmaya daha çox ifadəliliyə nail olmağa imkan verir. Onun əsas fərqi ondadır ki, ifadənin doğruluğu bəli/yox (1/0) ilə yanaşı, aralıq dəyərləri də qəbul edə bilər - bilmirəm (0,5), xəstənin öldüyündən daha çox diri olması ehtimalı (0,75) ), xəstənin diridən daha çox ölü olma ehtimalı (0,25). Bu yanaşma insan təfəkkürünə daha çox bənzəyir, çünki o, suallara nadir hallarda yalnız bəli və ya xeyr ilə cavab verir.

2. Struktur yanaşma dedikdə, biz burada insan beyninin strukturunu modelləşdirməklə süni intellekt yaratmaq cəhdlərini nəzərdə tuturuq. İlk belə cəhdlərdən biri Frank Rosenblattın perseptronu idi. Perseptronlarda əsas modelləşdirilmiş struktur vahid (beyin modelləşdirmə variantlarının əksəriyyətində olduğu kimi) neyrondur. Daha sonra neyron şəbəkələri (NN) termini altında çoxlarına məlum olan başqa modellər meydana çıxdı. Bu modellər ayrı-ayrı neyronların strukturuna, onlar arasındakı əlaqələrin topologiyasına və öyrənmə alqoritmlərinə görə fərqlənir. Hal-hazırda ən məşhur NN variantları arasında səhvlərin geri yayılması ilə NN-lər, Hopfield şəbəkələri və stoxastik neyron şəbəkələri var. Daha geniş mənada bu yanaşma Konnektivizm kimi tanınır.

3. Təkamülçü yanaşma. Bu yanaşmadan istifadə edərək AI sistemlərini qurarkən, əsas diqqət ilkin modelin qurulmasına və onun dəyişə biləcəyi (inkişaf edə biləcəyi) qaydaların qurulmasına verilir. Üstəlik, model müxtəlif üsullardan istifadə etməklə tərtib edilə bilər, neyron şəbəkəsi, məntiqi qaydalar toplusu və ya hər hansı digər model ola bilər. Bundan sonra biz kompüteri işə salırıq və modelləri yoxlamağa əsaslanaraq onlardan ən yaxşısını seçir, bunun əsasında müxtəlif qaydalara uyğun olaraq yeni modellər yaradılır. Təkamül alqoritmləri arasında genetik alqoritm klassik hesab olunur.

4. Simulyasiya yanaşması. Bu yanaşma kibernetika üçün klassikdir, onun əsas anlayışlarından biri qara qutudur. Davranışı simulyasiya edilən obyekt məhz “qara qutu”dur. Onun və modelin içərisində nə olması və necə işləməsi bizim üçün heç bir əhəmiyyət kəsb etmir, əsas odur ki, modelimiz oxşar vəziyyətlərdə tam eyni davranır. Beləliklə, burada başqa bir insan xüsusiyyəti modelləşdirilir - bunun nə üçün lazım olduğu barədə təfərrüata varmadan başqalarının etdiklərini kopyalamaq bacarığı. Çox vaxt bu qabiliyyət ona çox vaxt qənaət edir, xüsusən də həyatının əvvəllərində.

Hibrid intellektual sistemlər çərçivəsində bu sahələri birləşdirməyə çalışırlar. Mütəxəssislərin nəticə çıxarma qaydaları neyron şəbəkələri tərəfindən yaradıla bilər və generativ qaydalar statistik öyrənmə vasitəsilə əldə edilir.

Kəşfiyyatın gücləndirilməsi adlanan perspektivli yeni yanaşma, təkamül inkişaf yolu ilə süni intellektin əldə edilməsinə insan intellektini artıran texnologiyanın yan təsiri kimi baxır.

Tədqiqat istiqamətləri

Süni intellektin tarixini təhlil etsək, modelləşdirmənin əsaslandırılması kimi geniş bir sahəni müəyyən edə bilərik. Uzun illərdir ki, bu elmin inkişafı məhz bu yolda irəliləyib və hazırda müasir süni intellektdə ən inkişaf etmiş sahələrdən biridir. Düşüncənin modelləşdirilməsi simvolik sistemlərin yaradılmasını nəzərdə tutur, onların girişi müəyyən problemdir və çıxış onun həllini tələb edir. Bir qayda olaraq, təklif olunan problem artıq rəsmiləşdirilmişdir, yəni riyazi formaya çevrilmişdir, lakin ya həll alqoritmi yoxdur, ya da çox mürəkkəbdir, vaxt aparır və s. Bu sahəyə daxildir: teoremlərin sübutu, qərarların qəbulu və oyun nəzəriyyəsi, planlaşdırma və göndərmə, proqnozlaşdırma.

Mühüm sahə təbii dil emalıdır ki, bu da “insan” dilində mətnləri anlamaq, emal etmək və yaratmaq imkanlarının təhlilini əhatə edir. Xüsusilə, mətnlərin bir dildən digər dilə maşın tərcüməsi problemi hələ də həllini tapmayıb. Müasir dünyada informasiya axtarışı metodlarının inkişafı mühüm rol oynayır. Təbiətinə görə orijinal Turinq testi bu istiqamətlə bağlıdır.

Bir çox alimlərin fikrincə, zəkanın mühüm xüsusiyyəti öyrənmə qabiliyyətidir. Beləliklə, sadə informasiyadan bilik əldə etmək, onun sistemləşdirilməsi və istifadəsi vəzifələrini birləşdirən bilik mühəndisliyi ön plana çıxır. Bu sahədə irəliləyişlər AI tədqiqatının demək olar ki, bütün digər sahələrinə təsir göstərir. Burada da iki mühüm alt sahəni nəzərdən qaçırmaq olmaz. Onlardan birincisi - maşın öyrənməsi - intellektual sistemin işləməsi prosesində biliklərin müstəqil mənimsənilməsi prosesinə aiddir. İkincisi, hər hansı bir problem üzrə etibarlı nəticələr əldə etmək üçün xüsusi bilik bazalarından istifadə edən ekspert sistemlərinin - proqramların yaradılması ilə bağlıdır.

Bioloji sistemlərin modelləşdirilməsi sahəsində böyük və maraqlı nailiyyətlər var. Düzünü desək, bura bir neçə müstəqil istiqamət daxil ola bilər. Neyron şəbəkələri həndəsi formaların tanınması və ya obyektlərin qruplaşdırılması kimi qeyri-səlis və mürəkkəb problemləri həll etmək üçün istifadə olunur. Genetik yanaşma, bir alqoritmin digər alqoritmlərdən (“valideynlər”) daha yaxşı xüsusiyyətləri götürdüyü təqdirdə daha səmərəli ola biləcəyi fikrinə əsaslanır. Vəzifəsinin muxtar proqram - xarici mühitlə qarşılıqlı əlaqədə olan agent yaratmaq olduğu nisbətən yeni yanaşma agent yanaşması adlanır. Bir çox "çox ağıllı olmayan" agentləri bir-biri ilə qarşılıqlı əlaqədə olmağa məcbur etsəniz, "qarışqa" zəkasını əldə edə bilərsiniz.

Nümunələrin tanınması problemləri artıq digər sahələrdə qismən həll olunub. Buraya xarakterin tanınması, əl yazısının tanınması, nitqin tanınması və mətnin təhlili daxildir. Maşın öyrənməsi və robototexnika ilə əlaqəli olan kompüter görmə qabiliyyətini xüsusilə qeyd etmək lazımdır.

Ümumiyyətlə, robototexnika və süni intellekt çox vaxt bir-biri ilə əlaqələndirilir. Bu iki elmin inteqrasiyası, ağıllı robotların yaradılması AI-nin başqa bir sahəsi hesab edilə bilər.

Maşın yaradıcılığı, insan yaradıcılığının təbiətinin zəkanın təbiətindən daha az öyrənilməsinə görə fərqlənir. Buna baxmayaraq, bu sahə mövcuddur və burada musiqinin, ədəbi əsərlərin (çox vaxt şeir və ya nağılların) kompüterlə yazılması, bədii yaradıcılıq problemləri qoyulur.

Nəhayət, hər biri demək olar ki, müstəqil bir sahə təşkil edən süni intellektin bir çox tətbiqi var. Nümunələrə kompüter oyunlarında proqramlaşdırma zəkasını, qeyri-xətti idarəetməni və ağıllı təhlükəsizlik sistemlərini göstərmək olar.

Bir çox tədqiqat sahələrinin üst-üstə düşdüyünü görmək olar. Bu, istənilən elm üçün xarakterikdir. Lakin süni intellektdə zahirən fərqli görünən sahələr arasında əlaqə xüsusilə güclüdür və bu, güclü və zəif AI haqqında fəlsəfi mübahisə ilə əlaqələndirilir.

17-ci əsrin əvvəllərində Rene Dekart heyvanın bir növ mürəkkəb mexanizm olduğunu irəli sürdü və bununla da mexaniki nəzəriyyə formalaşdırdı. 1623-cü ildə Wilhelm Schickard ilk mexaniki rəqəmsal kompüteri, ardınca Blez Paskal (1643) və Leibniz (1671) maşınlarını qurdu. Leybniz həm də müasir ikilik say sistemini ilk dəfə təsvir etdi, baxmayaraq ki, ondan əvvəl bir çox böyük alimlər vaxtaşırı bu sistemlə maraqlanırdılar. 19-cu əsrdə Çarlz Bebbic və Ada Lavleys proqramlaşdırıla bilən mexaniki kompüter üzərində işləyirdilər.

1910-1913-cü illərdə Bertrand Russell və A. N. Whitehead formal məntiqdə inqilab edən Principia Mathematica kitabını nəşr etdi. 1941-ci ildə Konrad Zuse ilk işləyən proqram təminatı ilə idarə olunan kompüteri qurdu. Warren McCulloch və Walter Pitts 1943-cü ildə neyroşəbəkələrin əsasını qoyan A Logical Calculus of the Ideas Immanent in Nervous Activity nəşr etdi.

İşlərin hazırkı vəziyyəti

Hazırda (2008) süni intellektin yaradılmasında (sözün ilkin mənasında ekspert sistemləri və şahmat proqramları bura aid deyil) ideya qıtlığı hiss olunur. Demək olar ki, bütün yanaşmalar sınaqdan keçirilib, lakin heç bir tədqiqat qrupu süni intellektin yaranmasına yaxınlaşmayıb.

Ən təsirli mülki AI sistemlərindən bəziləri bunlardır:

Deep Blue - şahmat üzrə dünya çempionunu məğlub etdi. (Kasparovla superkompüterlər arasındakı qarşılaşma nə kompüter alimlərini, nə də şahmat oyunçularını qane etmədi və sistem Kasparov tərəfindən tanınmadı, baxmayaraq ki, orijinal kompakt şahmat proqramları şahmat yaradıcılığının ayrılmaz elementidir. Sonra IBM superkompüterlər xətti meydana çıxdı. brute force layihələri BluGene (molekulyar modelləşdirmə) və piramidal hüceyrə sisteminin modelləşdirilməsi İsveçrənin Mavi Beyin Mərkəzində Bu hekayə süni intellekt, biznes və milli strateji hədəflər arasındakı mürəkkəb və gizli əlaqənin nümunəsidir.)

Misin kiçik bir sıra xəstəliklərə diaqnoz qoya bilən erkən ekspert sistemlərindən biri idi, çox vaxt həkimlər qədər dəqiqdir.

20q klassik “20 ​​Sual” oyununa əsaslanan süni intellekt ideyalarına əsaslanan layihədir. İnternetdə 20q.net saytında göründükdən sonra çox məşhur oldu.

Nitqin tanınması. ViaVoice kimi sistemlər istehlakçılara xidmət göstərməyə qadirdir.

Robotlar illik RoboCup turnirində futbolun sadələşdirilmiş formasında yarışırlar.

AI tətbiqi

Banklar birjada oynayarkən və əmlakın idarə edilməsində sığorta fəaliyyətlərində (aktuar riyaziyyatı) süni intellekt sistemlərindən (AI) istifadə edirlər. 2001-ci ilin avqustunda robotlar, bədahətən ticarət yarışında insanları məğlub etdilər (BBC News, 2001). Nümunələrin tanınması üsulları (həm daha mürəkkəb, həm də ixtisaslaşmış və neyron şəbəkələri daxil olmaqla) optik və akustik tanınmada (mətn və nitq daxil olmaqla), tibbi diaqnostikada, spam filtrlərində, hava hücumundan müdafiə sistemlərində (hədəfin müəyyən edilməsi), həmçinin bir sıra təmin etmək üçün geniş istifadə olunur. digər milli təhlükəsizlik vəzifələri.

Kompüter oyunları tərtibatçıları müxtəlif səviyyələrdə süni intellektdən istifadə etməyə məcbur olurlar. Oyunlarda AI-nin standart vəzifələri iki ölçülü və ya üç ölçülü məkanda yol tapmaq, döyüş bölməsinin davranışını simulyasiya etmək, düzgün iqtisadi strategiyanı hesablamaq və s.

AI üçün perspektivlər

AI inkişafının iki istiqaməti görünür:

birincisi, ixtisaslaşdırılmış süni intellekt sistemlərinin insan imkanlarına yaxınlaşdırılması və onların inteqrasiyası ilə bağlı problemləri həll etməkdir ki, bu da insan təbiəti tərəfindən həyata keçirilir.

ikincisi, artıq yaradılmış AI sistemlərinin inteqrasiyasını təmsil edən Süni İntellektin yaradılmasıdır. vahid sistem bəşəriyyətin problemlərini həll etməyə qadirdir.

Digər elmlərlə əlaqə

Süni intellekt transhumanizmlə sıx bağlıdır. Və neyrofiziologiya və koqnitiv psixologiya ilə birlikdə koqnitiv elm adlanan daha ümumi bir elm təşkil edir. Fəlsəfə süni intellektdə xüsusi rol oynayır.

Fəlsəfi suallar

“Süni intellektin yaradılması” elmi filosofların diqqətini cəlb etməyə bilməzdi. İlk ağıllı sistemlərin meydana çıxması ilə insan və bilik, qismən də dünya nizamı haqqında fundamental suallar ortaya çıxdı. Onlar bir tərəfdən bu elmlə qırılmaz şəkildə bağlıdırlar, digər tərəfdən isə ona hansısa xaos salırlar. Süni intellekt tədqiqatçıları arasında intellekt meyarları, həll edilməli olan məqsəd və vəzifələrin sistemləşdirilməsi ilə bağlı hələ də dominant fikir nöqtəsi yoxdur, hətta elmin ciddi tərifi belə yoxdur.

Bir maşın düşünə bilərmi?

Süni intellekt fəlsəfəsində ən qızğın mübahisə insan əllərinin yaratdığı düşüncənin mümkünlüyü məsələsidir. Tədqiqatçıları insan şüurunu simulyasiya edən elmi yaratmağa sövq edən “Maşın düşünə bilərmi?” sualı 1950-ci ildə Alan Turinq tərəfindən qoyulmuşdur. Bu məsələ ilə bağlı iki əsas baxış nöqtəsi güclü və zəif süni intellektin hipotezləri adlanır.

“Güclü süni intellekt” termini Con Searle tərəfindən təqdim edilmişdir və yanaşma onun sözləri ilə xarakterizə olunur:

“Üstəlik, belə bir proqram sadəcə ağıl modeli olmayacaq; o, sözün hərfi mənasında, insan şüurunun ağıl olduğu kimi, özü də ağıl olacaqdır.

Bunun əksinə olaraq, zəif süni intellekt tərəfdarları proqramlara yalnız insanın idrak qabiliyyətlərinin tam spektrini tələb etməyən müəyyən problemləri həll etməyə imkan verən vasitələr kimi baxmağa üstünlük verirlər.

Onun içində düşüncə təcrübəsi"Çin otağı", Con Searle göstərir ki, Turing testindən keçmək bir maşının həqiqi düşüncə prosesinə malik olması üçün meyar deyil.

Düşüncə yaddaşda saxlanılan məlumatların işlənməsi prosesidir: analiz, sintez və özünü proqramlaşdırma.

Oxşar mövqeyi "Kralın yeni ağlı" kitabında formal sistemlər əsasında düşünmə prosesinin əldə edilməsinin qeyri-mümkünlüyünü müdafiə edən Rocer Penrose tutur.

Bu məsələyə fərqli baxışlar var. Analitik yanaşma insanın ali sinir fəaliyyətinin ən aşağı, bölünməz səviyyəyə (ali sinir fəaliyyətinin funksiyası, xarici qıcıqlandırıcılara elementar reaksiya (stimullar), funksiya ilə əlaqəli bir sıra neyronların sinapslarının qıcıqlanması) təhlilini əhatə edir. bu funksiyaların sonrakı təkrar istehsalı.

Bəzi ekspertlər məlumat çatışmazlığı şəraitində rasional, əsaslandırılmış seçim qabiliyyətini kəşfiyyatla səhv salırlar. Yəni, intellektual proqram sadəcə olaraq müəyyən alternativlər dəsti arasından seçim edə bilən fəaliyyət proqramı (mütləq müasir kompüterlərdə həyata keçirilmir) hesab olunur, məsələn, “sola gedəcəksən .. .", "sağa gedəcəksən ...", "düz gedəcəksən ..."

Bilik elmi

Həmçinin qnoseologiya - fəlsəfə çərçivəsində biliklər elmi süni intellekt problemləri ilə sıx bağlıdır. Bu mövzu üzərində işləyən filosoflar, bilik və məlumatı ən yaxşı şəkildə necə təmsil etmək və istifadə etmək barədə süni intellekt mühəndislərinin qarşılaşdıqları suallara oxşar suallarla mübarizə aparırlar.

Cəmiyyətdə AI-ya münasibət

AI və din

İbrahim dinlərinin davamçıları arasında struktur yanaşma əsasında süni intellekt yaratmağın mümkünlüyü ilə bağlı bir neçə fikir var.

Onlardan birinə görə, sistemlərin işini təqlid etməyə çalışdığı beyin, onların fikrincə, təfəkkür prosesində iştirak etmir, şüurun və hər hansı digər psixi fəaliyyətin mənbəyi deyil. Strukturlaşdırılmış yanaşma əsasında AI yaratmaq mümkün deyil.

Başqa bir nöqteyi-nəzərdən beyin təfəkkür prosesində iştirak edir, lakin ruhdan gələn məlumatın “ötürücü” şəklindədir. Beyin şərtsiz reflekslər, ağrıya cavab və s. kimi "sadə" funksiyalara cavabdehdir. Struktur yanaşma əsasında süni intellekt yaratmaq, layihələndirilən sistem “transfer” funksiyalarını yerinə yetirə bildiyi halda mümkündür.

Hər iki mövqe müasir elmin məlumatlarına uyğun gəlmir, çünki ruh anlayışı nəzərə alınmır müasir elm elmi kateqoriya kimi.

Bir çox Buddistlərə görə, AI mümkündür. Beləliklə, ruhani lider XIV Dalay Lama şüurun kompüter əsasında mövcudluğunu istisna etmir.

Raelitlər süni intellekt sahəsindəki inkişafı fəal şəkildə dəstəkləyirlər.

AI və elmi fantastika

Elmi fantastika ədəbiyyatında süni intellekt ən çox insan gücünü devirməyə cəhd edən qüvvə (Omnius, HAL 9000, Skynet, Colossus, The Matrix və Replicant) və ya xidmət edən humanoid (C-3PO, Data, KITT və KARR, Bicentennial Man). Nəzarətdən çıxan süni intellektin dünyaya hökmranlığının qaçınılmazlığı İsaak Asimov və Kevin Uorvik kimi fantastika yazıçıları tərəfindən mübahisələndirilir.

Elmi fantastika yazıçısı Harri Qarrison və alim Marvin Minskinin “Türinq seçimi” romanında gələcəyə maraqlı baxış təqdim olunur. Müəlliflər beyninə kompüter implantasiya edilmiş insanda insanlığın itirilməsi, insan beynindən məlumatların yaddaşına köçürülən süni intellekt maşınının bəşəriyyətin əldə edilməsi mövzusunu müzakirə edirlər.

Vernor Vinge kimi bəzi elmi fantastika yazıçıları da cəmiyyətdə dramatik dəyişikliklərə səbəb ola biləcək süni intellektin meydana gəlməsinin nəticələri haqqında fərziyyələr irəli sürdülər. Bu dövr texnoloji təklik adlanır.

Demək olar ki, hər yerdə istifadə olunur: yüksək texnologiya və kompleks sferasından riyazi hesablamalar tibb, avtomobil və hətta smartfonlara. Müasir süni intellektin işinin əsasını təşkil edən texnologiyalardan hər gün istifadə edirik və bəzən bu barədə düşünməyə də bilərik. Bəs süni intellekt nədir? Bu necə işləyir? Və bu təhlükəlidirmi?

BB tezliklə hər yerdə olacaq!

Əvvəlcə terminologiyanı müəyyən edək. Əgər siz süni intellekti müstəqil düşünməyə, qərar qəbul etməyə və ümumiyyətlə şüur ​​əlamətləri göstərməyə qadir bir şey kimi təsəvvür edirsinizsə, onda biz sizi məyus etməyə tələsirik. Bu gün mövcud olan demək olar ki, bütün sistemlər süni intellektin bu tərifinə belə yaxın deyil. Və bu cür fəaliyyətin əlamətlərini göstərən sistemlər əslində hələ də əvvəlcədən müəyyən edilmiş alqoritmlər çərçivəsində fəaliyyət göstərir.

Neyron şəbəkələri 1950-ci illərdən bəri mövcuddur (ən azı konsepsiya şəklində). Lakin son vaxtlara qədər onlar çox inkişaf etmədilər, çünki onların yaradılması böyük həcmdə məlumat və hesablama gücü tələb edirdi. Son bir neçə ildə bütün bunlar əlçatan oldu və buna görə də neyron şəbəkələri ön plana çıxdı və öz inkişafını aldı. Onların tam görünüşü üçün kifayət qədər texnologiya olmadığını başa düşmək vacibdir. Texnologiyanı yeni səviyyəyə qaldırmaq üçün indi onların sayı kifayət qədər deyil.

Tərifin mərhələləri.

Dərin öyrənmə və neyron şəbəkələri nə üçün istifadə olunur?

Bu iki texnologiyanın əhəmiyyətli irəliləyişlərə kömək etdiyi bir neçə sahə var. Üstəlik, onlardan bəzilərini həyatımızda hər gün istifadə edirik və onların arxasında nə olduğunu düşünmürük.

• proqram təminatının şəkillərin və videoların məzmununu anlamaq qabiliyyətidir. Bu, dərin öyrənmənin böyük irəliləyiş əldə etdiyi bir sahədir. Məsələn, dərin öyrənmə təsviri emal alqoritmləri müxtəlif növ xərçəng növlərini, ağciyər xəstəliklərini, ürək xəstəliklərini və s. Və bunu həkimlərdən daha sürətli və daha səmərəli edin. Ancaq dərin öyrənmə hər gün istifadə etdiyiniz bir çox proqramda da kök salmışdır. Apple Face ID və Google Photos üzləri tanımaq və fotoşəkillərin keyfiyyətini yaxşılaşdırmaq üçün dərin öyrənmədən istifadə edir. Facebook yüklənmiş fotoşəkillərdə insanları avtomatik olaraq etiketləmək üçün dərin öyrənmədən istifadə edir və s. Kompüter görmə, həmçinin şirkətlərə zorakılıq və çılpaqlıq kimi problemli məzmunu avtomatik olaraq müəyyən etməyə və blok etməyə kömək edir. Nəhayət, dərin öyrənmə özü idarə edən avtomobillərin ətraflarını anlamaqda çox mühüm rol oynayır.
• Səsin və nitqin tanınması. Google Assistantınıza əmr danışdığınız zaman dərin öyrənmə alqoritmləri . Bir neçə onlayn proqram audio və video faylları transkripsiya etmək üçün dərin öyrənmədən istifadə edir. Mahnı “shazam” etdiyiniz zaman belə, neyron şəbəkəsi və dərin maşın öyrənmə alqoritmləri işə düşür.
• İnternet axtarışı: Axtarış sistemində nəsə axtarırsınızsa belə, sorğunuzun daha dəqiq işlənməsi və nəticələrin mümkün qədər düzgün olması üçün şirkətlər neyron şəbəkəsi alqoritmlərini axtarış sistemlərinə birləşdirməyə başlayıblar. Beləliklə, sistem dərin maşın öyrənməsi və neyron şəbəkələrinə keçdikdən sonra Google axtarış sisteminin performansı bir neçə dəfə artıb.

Dərin Öyrənmə və Neyron Şəbəkələrin Limitləri

Bütün üstünlüklərinə baxmayaraq, dərin öyrənmə və neyron şəbəkələrin bəzi çatışmazlıqları da var.

• Məlumatdan asılılıq: Ümumiyyətlə, dərin öyrənmə alqoritmləri öz vəzifələrini dəqiq yerinə yetirmək üçün böyük miqdarda təlim məlumatı tələb edir. Təəssüf ki, bir çox problemlər üçün işləyən modellər yaratmaq üçün kifayət qədər yüksək keyfiyyətli təlim məlumatları yoxdur.
• Gözlənilməzlik: Neyron şəbəkələri qəribə şəkildə inkişaf edir. Bəzən hər şey planlaşdırıldığı kimi gedir. Və bəzən (neyron şəbəkə öz işini yaxşı görsə belə), hətta yaradıcılar alqoritmlərin necə işlədiyini başa düşməkdə çətinlik çəkirlər. Proqnozlaşdırılmanın olmaması neyron şəbəkə alqoritmlərindəki səhvləri aradan qaldırmağı və düzəltməyi son dərəcə çətinləşdirir.
• Alqoritmik qərəz: Dərin öyrənmə alqoritmləri yalnız öyrədildikləri məlumatlar qədər yaxşıdır. Problem ondadır ki, təlim məlumatlarında çox vaxt gizli və ya aşkar səhvlər və ya çatışmazlıqlar olur və alqoritmlər onları “miras alır”. Məsələn, əsasən ağ insanların fotoşəkilləri üzərində öyrədilmiş sifətin tanınması alqoritmi digər dəri rəngli insanlarda daha az dəqiq performans göstərəcək.
• Ümumiləşdirmənin olmaması: Dərin öyrənmə alqoritmləri fokuslanmış tapşırıqları yerinə yetirməkdə yaxşıdır, lakin biliklərini ümumiləşdirməkdə zəifdir. İnsanlardan fərqli olaraq, dərin öyrənmə modeli başqa oxşar oyunu oynaya bilməyəcək: deyək ki, WarCraft. Bundan əlavə, dərin öyrənmə təlim nümunələrindən kənara çıxan məlumatları yaxşı idarə etmir.

Dərin öyrənmə, neyron şəbəkələr və AI-nin gələcəyi

Aydındır ki, dərin öyrənmə və neyron şəbəkələri üzərində iş tam başa çatmaqdan çox uzaqdır. Dərin öyrənmə alqoritmlərini təkmilləşdirmək üçün müxtəlif səylər göstərilir. Dərin öyrənmə süni intellektin yaradılmasında qabaqcıl üsuldur. Məlumatların bolluğu və artan hesablama gücü sayəsində son bir neçə ildə getdikcə populyarlaşdı. Bu, hər gün istifadə etdiyimiz bir çox tətbiqin arxasında duran əsas texnologiyadır.

Problemlərin həlli sxemləri və yolları tezliklə bir çox şeyi əvəz edəcəkdir.

Bəs şüur ​​nə vaxtsa bu texnologiya əsasında yaranacaqmı? Əsl süni həyat? Bəzi elm adamları hesab edirlər ki, süni neyron şəbəkələrinin komponentləri arasındakı əlaqələrin sayı insan beynində neyronlarımız arasında mövcud olan eyni göstəriciyə yaxınlaşdığı anda oxşar hadisə baş verə bilər. Lakin bu bəyanat çox şübhəlidir. Əsl AI-nin ortaya çıxması üçün biz süni intellektlə işləyən sistemləri qurma üsulumuzu yenidən düşünməliyik. İndi mövcud olan hər şey, sadəcə olaraq, məhdud sayda tapşırıqlar üçün tətbiq proqramlarıdır. Gələcəyin artıq gəldiyinə nə qədər inanmaq istəsək də...

Bu il Yandex, Alice səsli köməkçisini işə saldı. Yeni xidmət istifadəçiyə xəbərləri və hava şəraitini dinləmək, suallara cavab almaq və sadəcə botla əlaqə saxlamaq imkanı verir. "Alisa" bəzən özündənrazı olur, bəzən demək olar ki, ağlabatan və insani istehzalı görünür, lakin çox vaxt ondan nə soruşduqlarını anlaya bilmir və sonu gölməçəyə düşür.

Bütün bunlar təkcə zarafat dalğasına deyil, həm də süni intellektin inkişafı ilə bağlı yeni müzakirələr mərhələsinə səbəb olub. Ağıllı alqoritmlərin nəyə nail olduğu haqqında xəbərlər bu gün demək olar ki, hər gün gəlir və maşın öyrənməsi özünüzü həsr edə biləcəyiniz ən perspektivli sahələrdən biri adlanır.

Süni intellektlə bağlı əsas suallara aydınlıq gətirmək üçün süni intellekt və maşın öyrənmə metodları üzrə mütəxəssis, ən güclü yerli şahmat proqramlarından biri olan SmarThink-in müəllifi və XXII Əsr layihəsinin yaradıcısı Sergey Markovla söhbət etdik.

Sergey Markov,

süni intellekt üzrə mütəxəssis

Süni intellekt haqqında mifləri təkzib etmək

bəs "süni intellekt" nədir?

“Süni intellekt” anlayışı müəyyən dərəcədə uğursuz olub. İlkin olaraq elmi ictimaiyyətdə yaranan o, nəhayət fantastik ədəbiyyata, onun vasitəsilə isə pop mədəniyyətinə nüfuz etdi. bütöv bir seriya dəyişikliklər, çoxlu təfsirlərə bürünmüş və sonda tamamilə mistikləşdirilmişdir.

Buna görə də qeyri-mütəxəssislərdən tez-tez belə ifadələr eşidirik: “AI mövcud deyil”, “AI yaradıla bilməz”. Süni intellektlə bağlı tədqiqatın mahiyyətinin anlaşılmazlığı insanları asanlıqla başqa ifrata aparır - məsələn, müasir süni intellekt sistemləri şüurun, azad iradənin və gizli motivlərin mövcudluğu ilə əlaqələndirilir.

Milçəkləri kotletlərdən ayırmağa çalışaq.

Elmdə süni intellekt intellektual problemləri həll etmək üçün nəzərdə tutulmuş sistemlərə aiddir.

Öz növbəsində, intellektual vəzifə insanların öz zəkalarından istifadə edərək həll etdikləri bir vəzifədir. Qeyd edək ki, bu halda ekspertlər bilərəkdən “intellekt” anlayışını müəyyən etməkdən yayınırlar, çünki süni intellekt sistemlərinin yaranmasından əvvəl intellektin yeganə nümunəsi insan zəkasıdır və intellekt anlayışını tək bir misal əsasında müəyyən etmək cəhd etməklə eynidir. bir nöqtədən düz xətt çəkmək. İstənilən sayda belə sətir ola bilər, yəni zəka anlayışı ilə bağlı mübahisələr əsrlər boyu davam edə bilər.

"güclü" və "zəif" süni intellekt

AI sistemləri iki böyük qrupa bölünür.

Tətbiqi süni intellekt("zəif AI" və ya "dar AI" termini də istifadə olunur İngilis ənənəsi- zəif/tətbiqi/dar AI) hər hansı bir intellektual problemi və ya onların kiçik dəstini həll etmək üçün nəzərdə tutulmuş süni intellektdir. Bu sinfə şahmat oynamaq, Go, təsvirin tanınması, nitq, bank kreditinin verilməsi və ya verilməməsi barədə qərarların qəbulu və s. sistemlər daxildir.

Tətbiq olunan AI-dən fərqli olaraq, konsepsiya təqdim olunur universal süni intellekt(həmçinin "güclü AI", ingiliscə - güclü AI/Süni Ümumi İntellekt) - yəni hipotetik (hazırda) hər hansı bir intellektual problemi həll etməyə qadir olan AI.

Çox vaxt insanlar terminologiyanı bilmədən AI-ni güclü AI ilə eyniləşdirirlər, buna görə də “AI mövcud deyil” ruhunda mülahizələr yaranır.

Güclü AI həqiqətən hələ mövcud deyil. Süni intellekt sahəsində son on ildə gördüyümüz irəliləyişlərin demək olar ki, hamısı tətbiq sistemlərindəki irəliləyişlərdir. Bu uğurları laqeyd yanaşmaq olmaz, çünki tətbiq olunan sistemlər bəzi hallarda ümumbəşəri intellektdən daha yaxşı intellektual problemləri həll etməyə qadirdir.

Düşünürəm ki, siz süni intellekt anlayışının kifayət qədər geniş olduğunu görmüsünüz. Tutaq ki, əqli hesablama həm də intellektual bir işdir və bu, istənilən hesablama maşınının AI sistemi sayılacağı deməkdir. Bəs fakturalar? Abaka? Antikythera mexanizmi? Həqiqətən, bunların hamısı formal olaraq primitiv olsa da, AI sistemləridir. Bununla belə, adətən, bir sistemi AI sistemi adlandırmaqla, biz bununla bu sistemin həll etdiyi problemin mürəkkəbliyini vurğulayırıq.

Tamamilə aydındır ki, zehni tapşırıqların sadə və mürəkkəbə bölünməsi çox sünidir və müəyyən tapşırıqların mürəkkəbliyi haqqında təsəvvürlərimiz tədricən dəyişir. Mexanik hesablama maşını 17-ci əsrdə texnologiyanın möcüzəsi idi, lakin bu gün uşaqlıqdan çox daha mürəkkəb mexanizmlərə məruz qalan insanlar artıq ondan heyran ola bilmirlər. Go oynayan avtomobillər və ya özünü idarə edən avtomobillər ictimaiyyəti heyrətləndirməyi dayandırdıqda, yəqin ki, kimsə bu sistemləri süni intellekt kimi təsnifləşdirəcəyinə görə gözünü qamaşdıracaq insanlar olacaq.

"Əla Robotlar": AI-nin öyrənmə qabiliyyətləri haqqında

Başqa bir gülməli yanlış fikir, AI sistemlərinin öz-özünə öyrənmə qabiliyyətinə malik olmasıdır. Bir tərəfdən, bu, süni intellekt sistemlərinin zəruri xüsusiyyəti deyil: öz-özünə öyrənməyə qadir olmayan bir çox heyrətamiz sistemlər var, lakin buna baxmayaraq, bir çox problemləri insan beynindən daha yaxşı həll edir. Digər tərəfdən, bəzi insanlar sadəcə bilmirlər ki, öz-özünə öyrənmə bir çox AI sisteminin əlli ildən çox əvvəl əldə etdiyi bir xüsusiyyətdir.

1999-cu ildə şahmat üzrə ilk proqramımı yazanda bu sahədə artıq öz-özünə öyrənmə tamamilə adi bir yer idi - proqramlar təhlükəli mövqeləri yadda saxlamağı, açılış variasiyalarını özlərinə uyğun tənzimləməyi və rəqibə uyğunlaşaraq oyun üslubunu tənzimləməyi bacarırdı. Əlbəttə ki, o proqramlar hələ də Alpha Zero-dan çox uzaq idi. Bununla belə, hətta “möhkəmləndirici öyrənmə” adlanan təcrübələr vasitəsilə digər sistemlərlə qarşılıqlı əlaqəyə əsaslanan davranışı öyrənən sistemlər artıq mövcud idi. Bununla belə, bəzi anlaşılmaz səbəblərə görə, bəzi insanlar hələ də öz-özünə öyrənmə qabiliyyətinin insan zəkasının üstünlüyü olduğunu düşünürlər.

Maşın öyrənməsi, bütövlükdə elmi intizam, müəyyən problemlərin həlli üçün maşınların öyrədilməsi prosesləri ilə məşğul olur.

Maşın öyrənməsinin iki böyük qütbü var - nəzarət olunan öyrənmə və nəzarətsiz öyrənmə.

At müəllimlə təlim maşında artıq müəyyən bir sıra hallar üçün müəyyən sayda şərti düzgün həllər var. Bu vəziyyətdə təlimin vəzifəsi mövcud nümunələrə əsaslanaraq maşına digər, naməlum vəziyyətlərdə düzgün qərarlar qəbul etməyi öyrətməkdir.

Digər ekstremaldır müəllimsiz öyrənmək. Yəni, maşın düzgün qərarların bilinmədiyi bir vəziyyətdə yerləşdirilir, yalnız xammal, etiketsiz formada məlumatlar mövcuddur. Belə çıxır ki, belə hallarda müəyyən uğurlar əldə etmək olar. Məsələn, çox böyük mətnlər toplusunun təhlili əsasında dildə sözlər arasında semantik əlaqələri müəyyən etmək üçün maşına öyrədə bilərsiniz.

Nəzarət olunan öyrənmənin bir növü möhkəmləndirmə öyrənməsidir. İdeya ondan ibarətdir ki, AI sistemi digər agentlərlə, məsələn, özünün nüsxələri ilə qarşılıqlı əlaqədə ola biləcəyi və mükafat funksiyası vasitəsilə ətrafdan bəzi rəylər ala biləcəyi bəzi simulyasiya edilmiş mühitdə yerləşdirilən bir agent kimi çıxış edir. Məsələn, özü ilə oynayan, tədricən parametrlərini düzəldən və bununla da öz oyununu tədricən gücləndirən şahmat proqramı.

Möhkəmləndirici öyrənmə təkamül alqoritmlərindən Bayesian optimallaşdırmasına qədər bir çox maraqlı texnikadan istifadə edilən kifayət qədər geniş sahədir. Oyunlar üçün süni intellektdə ən son irəliləyişlər gücləndirici öyrənmə yolu ilə AI-ni təkmilləşdirməklə bağlıdır.

Texnologiyanın inkişafının riskləri: “Qiyamətdən” qorxmalıyıq?

Mən AI həyəcanvericilərindən deyiləm və bu mənada tək deyiləm. Məsələn, maşın öyrənməsi üzrə Stenford kursunun yaradıcısı Endryu Nq süni intellekt təhlükəsi problemini Marsın həddindən artıq çoxalması problemi ilə müqayisə edir.

Həqiqətən də, insanların gələcəkdə Marsı koloniyalaşdıracağı ehtimalı var. Çox güman ki, gec-tez Marsda həddindən artıq əhali problemi yarana bilər, amma tam aydın deyil ki, niyə bu problemlə indi məşğul olmalıyıq? Qıvrımlı neyron şəbəkələrinin yaradıcısı Yann LeKun və onun rəhbəri Mark Zukerberq və tədqiqatları sayəsində müasir neyron şəbəkələri mətnin işlənməsi sahəsində mürəkkəb problemləri həll edə bilən Yoşua Benyo Ng ilə razılaşır.

Yəqin ki, bu problemlə bağlı fikirlərimi təqdim etmək bir neçə saat çəkəcək, ona görə də yalnız əsas məqamlara diqqət yetirəcəyəm.

1. SİZ AI-NİN İNKİŞAFINI MƏHDUD EDƏ BİLMƏZSİNİZ

Siqnalistlər süni intellektin potensial dağıdıcı təsiri ilə bağlı riskləri nəzərə alır, eyni zamanda bu sahədə irəliləyişi məhdudlaşdırmaq və ya hətta dayandırmaq cəhdi ilə bağlı risklərə məhəl qoymurlar. Bəşəriyyətin texnoloji gücü son dərəcə sürətlə artır və mənim "apokalipsisin ucuzlaşması" adlandırdığım effektə gətirib çıxarır.

150 il əvvəl bəşəriyyət bütün arzusu ilə nə biosferə, nə də bir növ olaraq özünə bərpası mümkün olmayan ziyan vura bilməzdi. 50 il əvvəl baş vermiş fəlakətli ssenarini həyata keçirmək üçün nüvə güclərinin bütün texnoloji gücünü cəmləşdirmək lazım gələrdi. Sabah kiçik bir ovuc fanatik qlobal texnogen fəlakət gətirmək üçün kifayət edə bilər.

Bizim texnoloji gücümüz insan zəkasının bu gücü idarə etmək qabiliyyətindən qat-qat sürətlə artır.

Əgər insan zəkasını qərəzləri, aqressivliyi, aldatmaları və məhdudiyyətləri ilə daha yaxşı qərarlar qəbul etməyə qadir bir sistem (ya AI, ya da, məncə, texnoloji cəhətdən təkmilləşmiş və maşınlarla inteqrasiya olunmuş insan zəkası) əvəz etmədikcə, biz qlobal fəlakəti gözləyə bilər.

2. super intellekt yaratmaq kökündən qeyri-mümkündür

Gələcəyin süni intellektinin, insanların qarışqalardan üstün olmasından belə, insanlardan daha üstün intellekt olacağına dair bir fikir var. Bu halda, mən texnoloji optimistləri də məyus etməkdən qorxuram - Kainatımız, görünür, super intellektin yaradılmasını qeyri-mümkün edəcək bir sıra fundamental fiziki məhdudiyyətləri ehtiva edir.

Məsələn, siqnalın ötürülmə sürəti işığın sürəti ilə məhdudlaşır və Plank şkalasında Heisenberg qeyri-müəyyənliyi ortaya çıxır. Bu, ilk fundamental həddi - verilmiş kütlə m olan avtonom sistem üçün hesablamaların maksimum sürətinə məhdudiyyətlər qoyan Bremerman limitinə gətirib çıxarır.

Başqa bir məhdudiyyət Landauer prinsipi ilə bağlıdır, ona görə də mövcuddur minimum miqdar 1 bit məlumatı emal edərkən yaranan istilik. Çox sürətli hesablamalar sistemin qəbuledilməz istiləşməsinə və məhvinə səbəb olacaqdır. Əslində, müasir prosessorlar Landauer limitindən min dəfə geri qalır. Görünür ki, 1000 kifayət qədər çoxdur, lakin başqa bir problem, bir çox intellektual tapşırıqların EXPTIME çətinlik sinfinə aid olmasıdır. Bu o deməkdir ki, onları həll etmək üçün tələb olunan vaxt problemin ölçüsünün eksponensial funksiyasıdır. Sistemin bir neçə dəfə sürətləndirilməsi yalnız “intellekt”də daimi artım verir.

Ümumiyyətlə, super intellektli güclü süni intellektin nəticə verməyəcəyinə inanmaq üçün çox ciddi səbəblər var, baxmayaraq ki, təbii ki, insan zəkasının səviyyəsini üstələmək olar. Bu nə dərəcədə təhlükəlidir? Çox güman ki, çox deyil.

Təsəvvür edin ki, siz birdən-birə digər insanlardan 100 dəfə sürətli düşünməyə başladınız. Bu o deməkdirmi ki, siz asanlıqla yoldan keçən hər kəsi pul kisəsini sizə verməyə inandıra biləcəksiniz?

3. Biz yanlış şeylərdən narahat oluruq

Təəssüf ki, "Terminator" və Klark və Kubrikin məşhur HAL 9000-də gündəmə gətirilən həyəcanvericilərin ictimaiyyətin qorxuları ilə bağlı fərziyyələri nəticəsində süni intellekt təhlükəsizliyi sahəsində diqqətin qeyri-mümkün olanların təhlilinə doğru dəyişmə var. , lakin təsirli ssenarilər. Eyni zamanda real təhlükələr də gözdən qaçır.

Texnoloji mənzərəmizdə mühüm yer tutmağa can atan hər hansı kifayət qədər mürəkkəb texnologiya, şübhəsiz ki, özünəməxsus riskləri də gətirir. Effektiv qaydalar və təhlükəsizlik tədbirləri hazırlanmamışdan əvvəl bir çox insan buxar maşınları tərəfindən - istehsalatda, nəqliyyatda və s.

Tətbiqi AI sahəsində irəliləyişdən danışsaq, "Rəqəmsal Gizli Məhkəmə" adlanan problemə diqqət yetirə bilərik. Getdikcə daha çox AI tətbiqi insanların həyatına və sağlamlığına təsir edən məsələlərlə bağlı qərarlar qəbul edir. Buraya tibbi diaqnostika sistemləri və məsələn, banklarda müştəriyə kreditin verilməsi və ya verilməməsi barədə qərar qəbul edən sistemlər daxildir.

Eyni zamanda, istifadə olunan modellərin strukturu, istifadə olunan amillər toplusu və qərar qəbul etmə prosedurunun digər detalları taleyi təhlükə altında olan şəxsdən kommersiya sirri kimi gizlədilir.

İstifadə edilən modellər öz qərarlarını sistematik səhvlərə yol verən və ya müəyyən qərəzli - irqi, cinsiyyəti olan ekspert müəllimlərin rəylərinə əsaslandıra bilər.

Bu cür ekspertlərin qərarları üzrə təlim keçmiş süni intellekt öz qərarlarında bu qərəzləri sədaqətlə təkrarlayacaqdır. Axı, bu modellərdə xüsusi qüsurlar ola bilər.

İndi bu problemlərlə az adam məşğul olur, çünki əlbəttə ki, SkyNet-dən ayrılır nüvə müharibəsi, əlbəttə ki, daha möhtəşəmdir.

Neyron şəbəkələri “qaynar trend” kimi

Bir tərəfdən, neyron şəbəkələr süni intellekt sistemlərinin yaradılması üçün istifadə edilən ən qədim modellərdən biridir. Əvvəlcə bionik yanaşma nəticəsində ortaya çıxan onlar bioloji prototiplərindən tez qaçdılar. Burada yeganə istisna impuls neyron şəbəkələridir (lakin onlar hələ sənayedə geniş tətbiq tapmayıblar).

Son onilliklərin tərəqqisi dərin öyrənmə texnologiyalarının inkişafı ilə əlaqələndirilir - neyron şəbəkələrinin hər biri müəyyən müntəzəm nümunələr əsasında qurulan çoxlu sayda təbəqədən yığılan bir yanaşma.

Yeni neyron şəbəkə modellərinin yaradılması ilə yanaşı, təlim texnologiyaları sahəsində də mühüm irəliləyişlər əldə edilmişdir. Bu gün neyron şəbəkələri artıq kompüter mərkəzi prosessorlarından istifadə etməklə deyil, matris və tenzor hesablamalarını tez yerinə yetirməyə qadir olan xüsusi prosessorlardan istifadə etməklə öyrədilir. Bu gün belə cihazların ən çox yayılmış növü video kartlardır. Bununla belə, neyroşəbəkələrin öyrədilməsi üçün daha da ixtisaslaşmış cihazların inkişafı fəal şəkildə aparılır.

Ümumiyyətlə, əlbəttə ki, neyron şəbəkələri bu gün maşın öyrənməsi sahəsində əsas texnologiyalardan biridir və biz əvvəllər qeyri-qənaətbəxş şəkildə həll edilmiş bir çox problemlərin həllinə borcluyuq. Digər tərəfdən, təbii ki, neyron şəbəkələrin dərdin dərmanı olmadığını başa düşməlisiniz. Bəzi vəzifələr üçün onlar ən təsirli vasitədən uzaqdırlar.

Bəs indiki robotlar həqiqətən nə qədər ağıllıdırlar?

Hər şey müqayisə ilə öyrənilir. 2000-ci il texnologiyası ilə müqayisədə indiki nailiyyətlər əsl möcüzə kimi görünür. Deyinməyi sevən insanlar həmişə olacaq. 5 il əvvəl onlar bütün gücləri ilə maşınların Go-da insanlara qarşı heç vaxt qalib gələ bilməyəcəyindən danışırdılar (yaxud heç olmasa, tezliklə qalib gəlməyəcəklər). Onlar deyirdilər ki, maşın heç vaxt sıfırdan şəkil çəkə bilməyəcək, halbuki bu gün insanlar maşınların yaratdığı rəsmləri onlara tanımadığı rəssamların rəsmlərindən praktiki olaraq ayıra bilmirlər. Keçən ilin sonunda maşınlar insan nitqindən praktiki olaraq fərqlənməyən nitqi sintez etməyi öyrəndilər və son illər Maşınların yaratdığı musiqi qulaqlarınızı qurutmur.

Görək sabah nə olacaq. AI-nin bu tətbiqləri ilə bağlı çox optimistəm.

Perspektivli istiqamətlər: AI sahəsinə dalmağa haradan başlamaq lazımdır?

Mən sizə cəhd etməyi məsləhət görərdim yaxşı səviyyə məşhur neyron şəbəkə çərçivələrindən birini və maşın öyrənməsi sahəsində ən populyar proqramlaşdırma dillərindən birini mənimsəyin (bu gün ən populyar birləşmə TensorFlow + Python-dur).

Bu alətləri mənimsəmiş və ideal olaraq riyazi statistika və ehtimal nəzəriyyəsi sahəsində güclü təmələ sahib olmaqla, səylərinizi şəxsən sizin üçün ən maraqlı olacaq sahəyə yönəltməlisiniz.

İşinizin mövzusuna maraq ən vacib köməkçilərinizdən biridir.

Maşın öyrənməsi üzrə mütəxəssislərə ehtiyac müxtəlif sahələrdə - tibbdə, bank işində, elmdə, istehsalatda mövcuddur, ona görə də bu gün yaxşı mütəxəssisin seçimi həmişəkindən daha genişdir. Bu sənayelərdən hər hansı birinin potensial faydaları, işdən zövq almağınızla müqayisədə mənə əhəmiyyətsiz görünür.