BakuTime.com – Süni intellekt texnologiya dünyasının ən qədim nailiyyətlərindən biridir və bu gün dünyada bütün istifadəçilərin həyatında mühüm rol oynayır.
Süni intellekt nədir?
Süni intellekt terminini eşitməklə və ya oxumaqla beynimizdə müxtəlif görüntülər və səslər formalaşır. Bəziləri Siri, Cortana və Alexa kimi ağıllı köməkçilərin səslərini eşidir, digərləri isə Terminator kimi elmi fantastika filmlərinin qorxunc və narahatedici görüntülərini xatırladır. Daha ciddi kinosevərlər çox güman ki, məşhur süni intellekt Stiven Spilberq filmindəki David obrazının məsum üzünü xatırlayacaqlar. Bununla belə, süni intellekt bu gün texnologiya istifadəçilərinin bir çoxunun beynindədir və yaxın gələcəkdə həyatımızın bir hissəsi olacaqdır. Bizə parlaq gələcək və bəlkə də Terminator filminə bənzər bir xarabalıq qura biləcək əməkdaş.
Kompüter elmində süni intellekt və ya maşın intellekti hər hansı bir maşından (insandan deyil) gələn zəkadır. Süni intellekt sahəsindəki istinad kitablarında bu elmi intellektual agentlərin öyrənilməsinin biliyi hesab edilir ki, bu da belə təyin olunur: “Ətraf mühiti və fəaliyyəti maksimum müvəffəqiyyət şansı ilə başa düşmək qabiliyyətinə malik olan hər hansı bir cihaz”. Ümumiyyətlə, süni intellekt termini insan zehni ilə əlaqəli idrak fəaliyyətini yaxşı yerinə yetirən maşın və ya kompüterləri təsvir etmək üçün istifadə olunur. Əhəmiyyətli bilişsel fəaliyyətlərə “öyrənmə” və “problemin həlli” daxildir.
Ağıllı maşın fəaliyyətləri kateqoriyasına daxil olan fəaliyyətlər zamanla dəyişir və əslində maşınlar gücləndikcə bəzi fəaliyyətlər artıq mütləq ağıllı olmur. Tesslerin nəzəriyyəsi süni intellektin tərifində qeyd edir ki, indiyə qədər əldə olunmayan istənilən nailiyyət süni intellekt adlanır. Nəticədə, xarakterin tanınması kimi fəaliyyətlər bu gün artıq maşını daha ağıllı etmir. Müasir dünyada insan nitqinin tanınması, şahmat kimi strategiya oyunlarında yarışmaq, avtomatik naviqasiya edən maşınlar kimi daha mürəkkəb vəzifələr kompüterlərdə real zəkanı müəyyən edir.
Akademik şəraitdə AI-nin XX əsrin ortalarına qədər uzanan bir tarixi var. Bununla belə, insanın ağıllı maşınlar haqqında düşüncəsi əsrlər əvvəlinə gedib çıxır. Bu tarix indiyə qədər çoxlu eniş-yoxuşlardan keçmişdir, 21-ci əsrdə bu, bəşəriyyətin öyrəndiyi və müzakirə etdiyi ən mühüm mövzulardan biridir. Kompüterlərin gücünün və onların təhsili üçün mövcud olan məlumatların dramatik şəkildə artması ilə indiki əsr, bu elmi mövzunu texnologiya sənayesinin zəruri hissəsinə çevirən süni intellektin çiçəklənməsi əsridir.
Süni intellektin tarixi
Düşünmək qabiliyyətinə malik olan zəkalı məxluqlara qədim dövrlərə aid tarixi sənədlərdə rast gəlinir. Bu cür canlıların ilk tərifi onların hekayələr söyləmək qabiliyyətinə malik alətlər olması idi. Əsrlər sonra ağıllı maşın nümunələri Frankenstein və RUR kimi hekayə kitablarında peyda oldu. Bu hekayələrdəki personajlar süni intellektin etikasına ilk çətinlikləri qoydular və müəyyən mənada narahatlıq doğurdular.
Ağıl və məntiqin tədqiqi qədim filosofların dövrünə gedib çıxır. Məntiqi nöqteyi-nəzərdən daha çox Alan Turinqdən və onun emal nəzəriyyəsindən irəli gəlir. Emal nəzəriyyəsində Turinq bildirir ki, istənilən maşın riyazi simvolları və sıfır və bir ədədlərini birləşdirərək riyazi nəticədə istənilən mümkün funksiyanı simulyasiya etmək qabiliyyətinə malikdir. Belə yanaşma və perspektiv Church-Turing nəzəriyyəsi kimi tanınır.
Neyrologiya və informasiya nəzəriyyəsi və kibernetika kimi elmlərin inkişafı tədqiqatçıları elektron beynin inkişaf etdirilməsi imkanları üzərində düşünməyə və tədqiq etməyə vadar etdi. Turinq maşın intellektinin mümkünlüyü ilə bağlı sualı belə dəyişdi: “Maşın ağıllı davranışlar həyata keçirə bilərmi?” Bu sahədə yazılan ilk rəsmi məqalə 1943-cü ildə Turinqin “mükəmməllik” nəzəriyyəsinə görə süni neyronları təyin edən McCola və Pittsin işidir.
Süni İntellekt üzrə Tədqiqat Sahəsi 1956-cı ildə Dartmut Kollecində laboratoriyada anadan olub. Con Makkarti bu sahəni kibernetikanın alt qrupundan və Norbert Viner kimi kibernetiklərin nəzəriyyələrindən çıxardı və “süni intellekt” terminini ortaya atdı. Süni intellekt sahəsində qabaqcıl və liderlər Alan Knoll, Herbert Simon, John McCarthy, Marvin Minsky və Arthur Samueldir. Onlar tələbələrinin köməyi ilə dünya mediasının “qəribə” adlandırdığı proqramlar hazırlayıblar.
XX əsrin ilk intellektual proqramları ilə təchiz edilmiş kompüterlər dama öyrənmək və oynamaq, müxtəlif cəbri məsələləri həll etmək, məntiqi nəzəriyyələri sübut etmək və ingilis dilində danışmaq kimi qeyri-adi funksiyalara malik idi. 1960-cı illərin ortalarında süni intellektlə bağlı araşdırmalar böyük investisiyalarla texnologiya dünyasında əsas mövzuya çevrildi. ABŞ Müdafiə Nazirliyi süni intellekt layihələrində əsas sərmayəçi olub və başqa ölkələrdə bir neçə laboratoriya yaradılıb. O illərdə süni intellekt tədqiqatçıları çox optimist idilər. Herbert Simon, 20 il ərzində maşınların bütün insan işlərini yerinə yetirə biləcəyini proqnozlaşdırdı. Martin Minski həmçinin hesab edirdi ki, bir nəsildən sonra süni intellektin inkişafı problemi tamamilə aradan qalxacaq.
Tədqiqatçıların süni intellektin inkişaf etdirilməsi üzrə səyləri 1970-ci illərin ortalarına qədər çox da uğurlu olmamışdı, çünki onlarda əldə edilən yeni irəliləyişlər inkişaf prosesində yeni problemlər yaratmışdı. Bu arada ABŞ və İngiltərə kimi varlı hökumətlər layihələrə investisiyaları tədricən azaldıblar. O vaxtdan bəri “Süni intellektin qışı” adlı bir dövr başladı; Süni intellekt layihələri üçün kapitalın tapılması və artırılmasının ən böyük problem olduğu qış.
1980-ci illərə girərək, süni intellektə o qədər də güclü olmayan investisiyalara baxmayaraq, ilk əhəmiyyətli uğurlar görüldü. İnsan ekspertlərinin bilik və analitik bacarıqlarını simulyasiya etmək qabiliyyətinə malik olan ekspert kompüterlər doğuldu. 1980-ci illərin ortalarında süni intellekt bazarı milyardlarla dollara çatmışdı və Yaponiya özünün “beşinci nəsil kompüter” layihəsi ilə elmin uğurunu sübut edirdi. Birləşmiş Ştatlar və İngiltərə yenidən süni intellektə sərmayə qoymağa təşviq edildi, lakin Lisp maşını kimi layihələrin uğursuzluğu yenə də maşın intellektinin gələcəyini qaraldı və investisiya olmadan daha uzun bir dövrə başladı.
1980 ci illərin ortalarında CMOS formasında təqdim edilən MOS və VLSI kimi texnologiyalar süni neyron şəbəkələrini (ANN) inkişaf etdirməyə imkan verdi. Bu cür avadanlıq bir daha ağıllı fəaliyyətlər üçün maşınlardan istifadəni aktual mövzuya çevirdi. 1990-cı illər və 21-ci əsrin əvvəlləri süni intellektin verilənlərin öyrənilməsi və tibbi diaqnostika kimi fəaliyyətlərdə istifadə olunduğu illər idi ki, bu da zamanla yeni elmin potensialını sübut etdi. Süni intellektin statistika, iqtisadiyyat və riyaziyyat kimi sahələrlə inteqrasiyası 21-ci əsrin ilk illərində baş verdi və maşın intellektinin inkişafında yeni dövr başladı. Bəlkə də 1997-ci ildə Deep Blue kompüterində şahmat üzrə dünya çempionu Qari Kasparovun məğlubiyyəti süni intellekt partlayışının qığılcımı oldu.
Çiçəklənən maddi nailiyyətlərin onilliyi
2010-cu illəri gündəlik insan həyatında aydın şəkildə hiss olunan süni intellektin nailiyyətlərinin çiçəkləndiyi dövr hesab etmək olar. 2011-ci ildə məşhur Jeopardy American Television Competition iki ən yaxşı iştirakçı Brad Rutter və Ken Jennings ilə keçirildi və onların qarşısında IBM Watson kompüteri var idi. Watson Computer iki insan qəhrəmanını böyük fərqlə məğlub edə bildi. 2012-ci ildə daha təkmil alqoritmlərlə təchiz edilmiş daha sürətli kompüterlər və daha böyük məlumat mənbələrinə çıxış maşınların başa düşülməsi və öyrənilməsi sahəsində irəliləyişlərə imkan verdi. Dərin öyrənmə yanaşmaları da süni intellekt sistemləri üçün yem kimi məlumatlara ehtiyacı artıran eyni ildə yarandı.
Süni intellektin tətbiqi
2010-cu illərdə istifadəçilərin həyatında süni intellektin mühüm tətbiqləri arasında Xbox 360 oyun konsolu və onun Kinect qadceti var ki, bu da illərlə aparılan araşdırma və inkişafdan sonra bədənin üçölçülü strukturunu anlamağa imkan yaradıb. Səsli köməkçilər tədricən smartfonlara əlavə edilərək həyatımızda yeni texnologiyaların istifadəsini artırdılar. Növbəti böyük nailiyyət 2016-cı ildə oyun çempionu Qay Li Sedolun AlphaGo AI tərəfindən məğlub edilməsi oldu. Bir il sonra Alfaqo, çoxlarının fikrincə, tarixdə süni intellektin inkişafında mühüm məqam olan oyunun çempionu KG-ni məğlub etdi. Oyunçunun şahmat oynamaqdan qat-qat mürəkkəbliyi var və onun qəhrəmanı məğlub etmək bacarığı kompüter intellektinin yüksək səviyyəsinin sübutu idi.
Bloomberg-dəki məqaləsində Jack Clark 2015-ci ili süni intellektin çiçəklənməsi ili adlandırıb. 2012-ci ildə süni intellektin səpələnmiş istifadəsi 2015-ci ildə 2700 layihəyə çatdı ki, bu da qədim elmi tətbiqlərin partlayışını təmsil edir. Bulud hesablama infrastrukturunun inkişafı və tədqiqatçılar üçün mövcud olan daha çox məlumat qurğuları neyron şəbəkələri texnologiyanın inkişafını asanlaşdıran əlçatan alətlər etdi. 2017-ci ildə bir sorğunun nəticələri iddia etdi ki, mövcud şirkətlərin beşdə biri öz fəaliyyətlərində hansısa şəkildə süni intellektdən istifadə edib. Nəhayət, bu gün elə bir nöqtəyə gəldik ki, ağıllı brokerlərin iştirakı olmadan bir çoxumuz üçün həyat qeyri-mümkün ola bilər. Süni intellektin nəhəng inkişafı ilə bağlı narahatlıqlar günbəgün artır.
Süni intellektin növləri
Yüksək səviyyəli süni intellekt iki geniş növə bölünür: “Narrow AI” və “General AI”. Belə təsnifat süni intellektin konsepsiyalarını və nailiyyətlərini daha yaxşı başa düşməyə və onları necə inkişaf etdirməyə kömək edir. Məhdud süni intellekt “zəif süni intellekt (Weak AI)” kimi də tanınır.
Məhdud AI bu gün kompüterlərdə gördüyümüz zəkadır. Avtomatlaşdırılmış təlim və ya öyrənmə şəraitində bu tapşırıqlar üçün xüsusi proqramlaşdırma olmadan xüsusi tapşırıqları yerinə yetirməyə imkan verən intellektual sistemlər. Bu cür zəka Siri kimi virtual köməkçilərdə səs və dil tanıma kimi tətbiqlərdə görülür. Süni intellektin digər məhdud tətbiqlərinə özünü idarə edən avtomobillərdə vizual tanınma sistemləri və onlayn pərakəndə satışlarda məhsul təklif edən mühərriklər daxildir. Bu cür ağıllı sistemlər insanlardan fərqli olaraq yalnız məhdud tapşırıqları yerinə yetirməyi öyrənmək qabiliyyətinə malikdir və bu səbəbdən onlara məhdud süni intellekt deyilir.
Məhdud AI imkanları
Bu gün məhdud süni intellekt üçün müxtəlif proqramlar mövcuddur ki, onların sayı günü-gündən artır. Vizual məlumatların şərhi, xüsusilə neft boru kəmərlərinin tədqiqi vəzifəsi ilə sənaye pilotsuz təyyarələrində görülən bu növ süni intellektin vacib tətbiqlərindən biridir. Məhdud süni intellekt bu gün insanların şəxsi və iş təqvimlərini təşkil edib planlaşdıra, hətta digər intellektlərlə işləyə bilər; Otel sifariş etmək və ya avtomobil sifariş etmək və s. kimi gündəlik tətbiqlərdə gördüyümüz əməkdaşlıq.
Məhdud süni intellekt tibbi tətbiqlərdə də geniş şəkildə görülür. Bu gün bəzi maşınlar radioloqlara mümkün şişlərin diaqnozunda kömək edə bilər. Bu ağıllı brokerlər sosial mediada da geniş istifadə olunur və bu yeni şəhərlərdə həyatı daha asan və sağlam edir. Hazırda sosial mediada süni intellekt əhəmiyyətsiz və ya bezdirici məzmunu aşkar etmək qabiliyyətinə malikdir və məzmunun ekran lentlərini çeşidləmək sadə bir işdir. Məhdud süni intellektin IoT avadanlığı ilə birləşməsi də bir çox tətbiqlərə malikdir.
Ümumi süni intellektin bacarıqları
Ümumi süni intellekt məhdud tiplə böyük fərqlər yaratdı. Belə bir zəka tərzi çox insana bənzər davranışlar nümayiş etdirə bilər. Əslində, ümumi zəka daha çox çevikliyə və müxtəlif tapşırıqları yerinə yetirmək üçün bacarıqları öyrənmək qabiliyyətinə malikdir. Saç kəsməkdən tutmuş, menecerlərin geniş səhifə fayllarını təşkil etməyə, hətta əldə edilən məlumat və təcrübələrdən nəticə çıxarmağa və nəticə çıxarmağa qədər hər şey süni ümumi intellekt tərəfindən edilə bilər.
Filmlərdə gördüyümüz və maşın hökmranlığının gələcəyi ilə bağlı narahatlığımızı artıran süni intellekt ümumi süni intellektlə eynidir. Space Odyssey seriyasındakı HAL-lar və ya Terminatorda Skynet, insanlara hakim ola bilən ümumi süni intellektdir (AGI). Təbii ki, bu gün dünyada intellekt deyə bir şey yoxdur və süni intellekt tədqiqatçıları onu inkişaf etdirmək üçün hər cür səy göstəriblər. Ümumi süni intellektə çatma vaxtının proqnozlaşdırılması baxımından elm adamları tərəfindən edilən bir çox fərqli proqnozlar var.
2012 və 2013-cü illərdə süni intellekt və fəlsəfə ekspertləri Vincent C. Moore və Nick Bostrom tərəfindən dörd qrup süni intellekt ekspertləri arasında sorğu keçirilib. Sorğunun nəticələri göstərdi ki, 2040 və 2050-ci illərdə ümumi süni intellektə nail olmaq ehtimalı təxminən 50%, 2075-ci ilə qədər isə 90% təşkil edirdi. Komanda proqnozdan kənara çıxdı və “super intellekt” terminini tətbiq etdi. Bostrom deyir ki, super intellekt insanı bütün mümkün sahələrdə idrak qabiliyyətləri baxımından məğlub edən istənilən zəkadır. O, ümumi süni intellektə çatdıqdan 30 il sonra super zəkaya çatmağın vaxtını proqnozlaşdırır.
Bir qrup ekspert və süni intellekt nəzəriyyəçiləri 2040-cı və 2050-ci illərin təxminləri ilə mövcud proqnozları reallıqdan uzaq hesab edirlər. İnsan beynini və zehnini anlamaq üçün ilk gəlməyən süni intellektin inkişafı yanaşmasına görə onlar belə nailiyyətləri görmürlər. Əslində belə bir nəzəriyyədə insanın beyin haqqında biliklərinin məhdudlaşdırılması süni intellektin daha sürətli inkişafını mümkünsüz edir.
Süni intellektin əsas amilləri
Bu gün süni intellektin bir neçə alt anlayışı və tərifləri var və onun bəzi əsas elementləri ilə tanışlıq ləyaqətsiz deyil:
- Rekursiv (xətti emal) prosesləri intellektual sistemdə çox səviyyəli mücərrəd başa düşməyə imkan verir.
- İnformasiya proseslərdə hərtərəfli işlənir. Hər bir nöqtədə məlumat ilk növbədə mövzu və kontekstdən asılı olaraq müəyyən edilir; Lakin mücərrəd anlayışlar arasında və onlar boyunca hərəkət edən kontekstlər məlumatın dəyişdirilməsində mühüm rol oynayır.
- Təsnifat süni intellekt proseslərinin əsas hissələrindən biridir.
- Məlumat qrafiki daim dəyişir və mövcud məlumatlara əsaslanaraq dəyişdirmək üçün filtrlərdən istifadə edir.
- Zəka nöqtə, paylanmış və təsadüfi olaraq təyin olunur. Başqa sözlə, sistemdə əldə etdiyimiz məlumatlar heç vaxt tam və ya hər şeyi əhatə etmir və süni intellekt qərarları yalnız bir faktı təsdiqləyən və ya təkzib edən məlumatların kulminasiyası təqdim edildikdə mümkündür.
- Sistemin hər bir nöqtəsində bir modeldə məlumat var, lakin modelin özü çevikdir və özünü dəyişdirmək qabiliyyətinə malikdir. Belə bir model əvvəlcədən müəyyən edilmiş və sabitlənmiş indiki modellərdən fərqlənir.
- Sistem indi özünüdərketmə səviyyəsinə malikdir.
Yuxarıdakı əsas anlayışlar göstərir ki, süni intellekt 2020-ci ilə qədər diqqətəlayiq mürəkkəblik səviyyəsinə çatıb və onun emal modelləri heç vaxt əvvəlki kimi qalmayacaq.
Maşın öyrənməsi və neyron şəbəkələri və dərin öyrənmə
Süni intellektin tarixi və tətbiqi bölməsində bu texnologiyanın çiçəklənməsi üçün əsas vasitə kimi iki anlayış təqdim edilib. Maşın öyrənməsi zəkanın əsas anlayışlarını təşkil edən maşınlarda zəkanın inkişafı üçün əsas vasitələrdən biridir. Əslində, öyrənmə ilə təchiz edilmiş maşın ağıllı olmaq üçün ilk addımı atdı (eynilə insan kimi).
Sadə bir tərifdə maşın öyrənməsi maşına böyük məlumatların verilməsi ilə başlayır. Daha sonra maşın nitqi başa düşmə və ya şəkil etiketləmə kimi xüsusi tapşırıqları yerinə yetirməyi öyrənmək üçün eyni məlumatlardan istifadə edir. Məlumatlar maşın öyrənməsinin inkişafında əsas elementdir və bu səbəbdən son illərdə texnologiya şirkətləri tərəfindən məlumatların toplanmasının artdığını müşahidə edirik. Əslində, bu gün makro verilənlər və maşın öyrənməsi bir-biri ilə əlaqəli iki anlayışdır. Süni intellektin əsas üçbucağını tamamlayan başqa bir konsepsiya neyron şəbəkəsi adlanır.
Neyron şəbəkələri maşın öyrənməsinin işlənməsinin açarıdır. Belə şəbəkələr insan beynindəki neyronların strukturundan ilhamlanır və neyron adlanan alqoritmin bir-biri ilə əlaqəli çoxsaylı təbəqələrindən ibarətdir. Neyron şəbəkəsindəki alqoritmik təbəqələr bir-biri ilə məlumat mübadiləsi aparır. Hər bir neyron, mübadilə edilən məlumat strukturunu prioritetləşdirməklə müəyyən bir tapşırığı yerinə yetirməyi və onun üzərində bir prosesi yerinə yetirməyi öyrənmək qabiliyyətinə malikdir. Neyroşəbəkə öyrənmə yolunda, tələb olunan çıxış nəhayət şəbəkədən çıxarılana qədər giriş məlumatlarının prioriteti və vətəni dəyişir. Belə bir vəziyyətdə şəbəkə müəyyən bir işi düzgün yerinə yetirməyi öyrəndi.
Süni intellekt nümunələri
Dərin öyrənmə maşın öyrənməsindən doğan anlayışlardan biridir. Bu öyrənmə tərzində olan neyron şəbəkələri geniş şəbəkələrə çevrilir və çoxlu təbəqələrə malikdir. Dərin öyrənmədə hər bir təbəqə böyük həcmdə məlumatları emal edə və emal edə biləcək. Dərin öyrənmə müasir kompüterlərə nümunəvi intellekt və öyrənmə imkanları əldə etməyə imkan verdi ki, bunun nümunələrini kompüter nitqi və görmə tanınmasında görmək olar.
Təkamül prosesi neyron şəbəkələrinin inkişafı ilə yaranan süni intellektin tədqiqat sahələrindən biridir. Tədqiqatçılar Darvinin nəzəriyyələri və genetik mutasiya anlayışlarına əsaslanan yeni süni intellekt üslubu təklif edirlər. Belə bir yanaşma digər süni intellekt yaratmaq qabiliyyətinə malik süni intellektin inkişafına səbəb oldu. Neyroşəbəkələri optimallaşdırmaq üçün təkamül alqoritmlərindən istifadə Neuroevolution kimi tanınır və gələcək nəsillərin intellektual sistemlərinin inkişafında çox təsirli olacaqdır. Bu sahədə ən son irəliləyiş qabaqcıl öyrənmə üçün dərin neyron şəbəkələrini hazırlamaq üçün genetik alqoritmlərdən istifadə edən Uber Süni İntellekt Laboratoriyasında baş verdi.
Ekspert sistemləri süni intellekt sahəsində inkişaf etdirilən başqa bir konsepsiyadır. Bu sistemlər böyük məlumat dəstləri əsasında qərarlar qəbul etməyə imkan verən qaydalarla proqramlaşdırılmışdır. Belə bir yanaşma müəyyən sahələrdə insan şüurunun davranışını simulyasiya edir. Ekspert sisteminə misal olaraq təyyarədəki avtopilotu göstərmək olar.
Xüsusi maşın öyrənmə prosessorları
Süni intellekt sahəsində son illərdə əldə olunan mühüm nailiyyətlərdən biri olan maşın öyrənmə və xüsusilə dərin öyrənmə sahəsində irəliləyişlər elmin tərəqqisinə ən mühüm təsir göstərmişdir. Nailiyyətin mühüm hissəsi böyük verilənlər konseptlərinin yaranması ilə mümkün olmuşdur. Bundan əlavə, paralel hesablamalarda gücün artırılması texnologiyanın inkişafının sürətləndirilməsinə kömək etdi. Paralel hesablamada GPU-ların klasterləri maşın öyrənmə sistemlərini öyrətmək üçün istifadə olunur.
GPU klasterləri maşın öyrənmə modellərini öyrətmək üçün daha güclü sistemlərdir və indi bulud xidmətləri şəklində mütəxəssislər üçün əlçatandır. Bu cür konsepsiyaların inkişafı ilə maşın öyrənmə modellərinin tətbiqi və öyrədilməsi üçün xüsusi çiplərin inkişafı da sürətləndi. Mülkiyyət prosessorları arasında məlumatlardan məlumat çıxarmaq üçün şirkətin TensorFlow proqram kitabxanasından istifadə edən Google-un Tensor Processing Unit (TPU) var.
Google-un mülkiyyətçi çipləri təkcə DePaymand və Google Brain modellərinin hazırlanmasında istifadə edilmir, həmçinin şirkətin tərcümə xidməti və ya fotoşəkil axtarışında təsvirin tanınması kimi daha çox yayılmış funksiyalarda da görünür. Bundan əlavə, ictimai istifadəçilər Google prosessorlarından istifadə edərək maşın öyrənmə modellərini inkişaf etdirmək üçün TensorFlow Research Cloud kimi bulud xidmətlərindən istifadə edə bilərlər.
Nəzarət olunan öyrənmə
Nəzarət olunan maşın öyrənməsi modelləri öyrətməyin ən geniş yayılmış üsullarından biridir. Bu şəkildə, AI sistemi bir çox etiketli nümunələrdən istifadə edərək öyrədilir. Təhsil məlumatları məzmunu xüsusi etiketlə qeyd olunan şəkillər toplusu ola bilər. Digər nümunələrdə əsas mövzusu xüsusi qeydlərlə müəyyən edilən mətnlərdən tədris üçün istifadə edildiyini görürük. Öyrənmə modeli yeni verilənlərin necə etiketlənməsini öyrənmək üçün bu teqlərdən istifadə edir.
Nümunələrdən istifadə edərək maşın modelinin öyrədilməsi nəzarətli öyrənmə kimi tanınır. Amazon Mechanical Turk kimi platformalarda işə götürülən insan istifadəçiləri ilkin məlumatları etiketləmək üçün istifadə olunur. Belə modellərin öyrədilməsi böyük verilənlər bazası tələb edir və bəzən konkret tapşırığı öyrənmək üçün alqoritmə milyonlarla nümunə daxil edilməlidir.
Maşın öyrənmə modelləri üçün təlim məlumat dəstləri getdikcə genişlənir və daha əlçatan olur. Google-un Open Images adlı verilənlər bazası var və istifadəçiyə 9 milyon şəkil təqdim edir. YouTube həmçinin yeddi milyon videodan ibarət etiketlənmiş videolar kolleksiyasına malikdir. Digər verilənlər bazalarına xüsusi kateqoriyalarla 14 milyon şəkil təqdim edən qabaqcıl ImageNet verilənlər bazası daxildir. Bu məlumat bazasının hazırlanmasına 50 000-ə yaxın insan cəlb edilib və onun hazırlanması iki il çəkib. Onların əksəriyyəti Amazon platformasında şəkillərin etiketlənməsini nəzərdən keçirmək və təsnif etmək üçün işə götürülüb.
Süni intellekt vasitələrinin meydana çıxması ilə böyük etiketli verilənlər toplusuna giriş kütləvi emal gücünə çıxışdan daha az əhəmiyyət kəsb etdi. Son illərdə GAN adlanan şəbəkələr göstərdi ki, maşın öyrənmə sistemləri yalnız məhdud və kiçik verilənləri qəbul etməklə təlim üçün böyük həcmdə məlumat yaratmağa qadirdir. Bu cür yanaşma, çox güman ki, sistemlərin bugünkü verilənlər toplusundan daha kiçik verilənlər dəstləri ilə öyrədildiyi yarı-tənzimləyici öyrənmə konsepsiyasının inkişafına gətirib çıxaracaq.
Nəzarət olmadan öyrənmək
Nəzarətsiz öyrənmə etiketlənmiş verilənlər bazasına ehtiyac olmadan baş verir. Belə bir öyrənmə prosesində alqoritmlər verilənlər arasında ümumi nümunə tapmağa çalışırlar. Əslində, onlar məlumatların təsnifatını asanlaşdıran oxşarlıqlar axtarırlar. Məsələn, homogen meyvələri və ya mühərrik ölçüləri bərabər olan avtomobilləri təsnif edə bilərik.
Nəzarətsiz öyrənmə verilənlər toplusundan xüsusi məlumatların seçilməsi məqsədi ilə həyata keçirilmir. Əslində, bu cür alqoritmlər yalnız oxşar xüsusiyyətlərə malik məlumatları tapmağa çalışır. Praktik bir nümunə olaraq, gündəlik olaraq oxşar mövzuları kateqoriyalara ayıran xəbər lentlərinə istinad edə bilərik.
Gücləndirilmiş öyrənmə
Gücləndirilmiş və ya mükafatlandırılmış öyrənmə ev heyvanları təliminə çox bənzəyir. Belə bir modeldə sistem istənilən nəticəyə nail olmaq üçün mükafatlandırılır. Nəticədə, daxil olan məlumatlara əsaslanaraq mükafatlarını maksimum dərəcədə artırmağa çalışır. Belə bir təlim üsulu, bir çox variant arasında maksimum mükafatı tapmaq üçün əsasən sınaq və səhv ilə aparılır.
Google-un Deep Q şəbəkəsi təkmil öyrənmənin ən məşhur nümunələrindən biridir. Şəbəkə indiyədək müxtəlif video oyun yarışmalarında peşəkar oyunçuları məğlub edib. Sistem hər oyunun piksellərini alır və ekrandakı elementlərin məsafəsi kimi şeyləri aşkarlayır. Daha sonra sistem hər oyunun hesabını müşahidə edərək, ən çox xal toplayan seçimlərin modelini yaradır.
Tibbdə süni intellekt
Süni intellektin tətbiqinin mühüm sahələrindən biri tibb elmidir. Ağıllı maşınlar bu gün həkimlər və mütəxəssislərlə birlikdə tibbi görüntülərdən xəstəliklərə diaqnoz qoymağa kömək edir. Bundan əlavə, onlar spesifik xəstəliklərə səbəb olan genetik nümunələri aşkar etmək qabiliyyətinə malikdirlər. Əczaçılıqda süni intellektdən istifadə edərək dərman istehsalında daha praktik molekullar kəşf edilə bilər.
Xəstəxanalarda süni intellektin təsirini və tətbiqini öyrənmək üçün bütün dünyada çoxsaylı eksperimental proqramlar həyata keçirilib. Məsələn, IBM-dən Watson-un klinik qərara dəstək vasitəsi bəzi xəstəxanalarda sınaq əsasında istifadə olunur. Google-un DeepMay süni intellekti Böyük Britaniya Milli Səhiyyə Xidməti tərəfindən də diaqnozda göz anormallıqlarını araşdıran Baş və Boyun Xəstəlikləri Departamentində istifadə olunur.
Süni intellektin gələcəyi və onun dünyaya təsiri
Avtomatik işləmək və ətraf aləmdə qavramaq və hərəkət etmək qabiliyyətinə malik robotların inkişafına hazırkı dünya yanaşması robototexnika ilə süni intellekt arasında mövcud olan təbii üst-üstə düşməyi əks etdirir. Süni intellekt robotlarda istifadə olunan çoxsaylı texnologiyalardan biridir. Digər tərəfdən, süni intellektin inkişafı özü idarə edən avtomobillər, çatdırılma robotları və təlim robotları kimi yeni sahələrdə robotların yaranmasına səbəb olub.
Bu gün texnologiya dünyası süni intellekt imkanlarının yeni mərhələsinə keçmək ərəfəsindədir. Müasir neyron şəbəkələri yüksək keyfiyyətlə real təsvirlər yaratmaq və hətta insanların səslərini simulyasiya etmək qabiliyyətinə malikdir. Təbii ki, bu cür hadisələr həm də sosial narahatlıqlarla müşayiət olunub. Son xəbərlər nailiyyətlərinə süni intellektin inkişafı üzərində daha çox nəzarət və tənzimləmə ehtiyacını ikiqat artıran Deepfake daxildir.
Bu gün maşın öyrənməsində ən mühüm irəliləyişlərdən biri istifadəçi nitqinin dəqiq tanınmasıdır. Mövcud sistemlər insan nitqini 95% dəqiqliklə müəyyən edir. Microsoft bu yaxınlarda elan etdi ki, səsi mətnə çevirmək qabiliyyətinə malik olan eyni insan dəqiqliyi ilə süni intellekt inkişaf etdirib. Tədqiqatçılar süni intellektlə səsin tanınmasında 99 faiz dəqiqlik axtarırlar və çox da uzaq olmayan gələcəkdə maşınla danışmaq istifadəçi-kompüter qarşılıqlı əlaqəsinin əsas yanaşmalarından birinə çevriləcək.
Son illərdə kompüter sistemlərində sifətin tanınmasının dəqiqliyi və keyfiyyəti yüksəlmişdir. Bu gün Çin texnologiya nəhəngi Baidu, sistemin 99% dəqiqliklə üzləri tanımaq qabiliyyətinə malik olduğunu iddia edir. Qərb ölkələrinin polisi və digər hüquq-mühafizə orqanları cinayətkarların üzlərini müəyyən etmək üçün süni intellektdən istifadəyə yönəlmiş pilot proqramlara başlayıblar. Çinlilər bir neçə addım irəli getdilər və CCTV kameralarını kütləvi üz tanıma süni intellektə qoşulmaq üçün milli plana sahib oldular. Onlar həmçinin polislərini üz tanıma eynəkləri ilə təchiz etməyə çalışırlar.
Süni intellekt insanı məhv edirmi?
Süni intellektin təhdidləri ilə bağlı narahatlığın cavabı sualın auditoriyasından asılıdır. Lakin süni intellektə əsaslanan sistemlərin inkişafı ilə onların riski ilə bağlı narahatlıqlar artıb. Tesla və SpaceX-in baş direktoru İlan Mask süni intellekti “bəşər sivilizasiyasının mövcudluğu üçün əsas təhlükə” adlandırır. O, süni intellekt tədqiqatlarına nəzarəti və tənzimləməni artırmaq və onun zərərli təsirlərini azaltmaq məqsədilə qeyri-kommersiya təşkilatı kimi OpenAI tədqiqat şirkətinə başlamışdır. Mərhum Stiven Hokinq də süni intellektin təhlükələri barədə xəbərdarlıq edib. O hesab edirdi ki, peşəkar və qabaqcıl süni intellekt inkişaf etdirildikdə, o, tez bir zamanda insanları qabaqlayacaq və orijinallığına görə insan cəmiyyəti üçün ciddi təhlükə yaradacaq.
Bəzi ekspertlərin süni intellektlə bağlı qaldırdıqları çoxsaylı narahatlıqlara baxmayaraq, bir çox tədqiqatçılar bunu gülünc hesab edirlər. Əslində, onlar üçün biz süni intellektin partlamasından və onun insan ağılından irəliləməsindən hələ çox uzaqdayıq. Böyük Britaniyanın Kembricdəki Microsoft Araşdırmalarının direktoru Kris Bişop hesab edir ki, mövcud məhdud süni intellekt ümumi süni intellektdən çox uzaqdır. Onun fikrincə, Terminatora bənzəyən gələcəyin şəklini çəkən “gülünc” narahatlıqlar hələ də reallıqdan onilliklər uzaqdadır.
Süni intellekt bizim işsiz qalmağımıza səbəb olurmu?
Süni intellektlə bağlı narahatlıqlar arasında iş yerlərinin ağıllı maşınlarla əvəzlənməsi ilə bağlı narahatlıq daha ağıllı və daha çox ehtimal görünür. Süni intellekt insanların məşğulluğunu tam əvəz etməsə də, işin xarakterini dəyişir. İndi yalnız sürət və avtomatlaşdırma səbəbiylə iş yerində necə dəyişdiriləcəyi müzakirə olunur. Digər tərəfdən, süni intellekt insanın bir çox qabiliyyətini əvəz etmək qabiliyyətinə malikdir. Süni intellekt üzrə mütəxəssis Andrew Anji deyir ki, insanlar bu gün iş mühitlərində süni intellektin asanlıqla əvəz edə biləcəyi bir çox təkrarlanan və sadə fəaliyyətlər həyata keçirirlər.
İnsan işlərinin avtomatlaşdırma ilə əvəzlənməsi ilə bağlı cari xəbərlər narahatlıq doğurur. Amazon işçi qüvvəsini robotlarla əvəz edən qabaqcıllardan biridir. Onlar bu yaxınlarda Seattleda Amazon Go mağazasını işə saldılar ki, bu da mağazalar şəbəkəsində kassir ehtiyacını aradan qaldırdı. Belə yanaşma ABŞ-da ən azı üç milyon kassir üçün ciddi təhlükə yarada bilər. Bundan əlavə, e-ticarət nəhəngi malların daşınması üçün anbarlarında robotlardan istifadə edir və indiyədək anbarlarında 100.000 işçi robotu işə götürüb. Təbii ki, onlar robotlar qədər işçi qüvvəsinə malik olduqlarını iddia edirlər, lakin Amazon və tərəfdaş robot şirkətləri anbarlarda qalan əl işlərini avtomatlaşdırma ilə əvəz etməyə çalışırlar.
Nəqliyyat sənayesində avtomatlaşdırmanın inkişafı üçün hələ çox vaxt lazımdır. Avtomobillərin və yük maşınlarının son inkişafdan hələ illər uzaq olmasına baxmayaraq, sürücülük işlərini süni intellektlə əvəz etməkdən narahat olmaq yersiz olmazdı. Digər tərəfdən, süni intellektlə əvəz edilə bilən bütün işləri robotlar əvəz edə bilməz. İndi təkrarlanan ofis işləri ilə məşğul olan bir çox insan var və proqram təminatı və avtomatlaşdırma sistemlərinin inkişafı ilə onların işləri də təhlükə altındadır.
Texnologiya dünyasındakı hər bir dəyişiklik bir sıra iş yerlərinin itirilməsi və yeni iş yerlərinin yaranması ilə müşayiət olunur. İş dünyasına hakim olan süni intellekt nəzəriyyəsinin tənqidçiləri də hesab edirlər ki, yeni iş yerləri həmişə işçi qüvvəsi üçün iş imkanlarını canlı saxlayır. Bununla belə, hələ də sual yaranır ki, yeni iş yerləri düzgün sürətlə doğulur və köhnə iş yerləri itirilirmi?
Süni intellektlə məşğulluğun gələcəyi ilə bağlı bütün nəzəriyyələr pessimist deyil. Bəziləri hesab edir ki, süni intellekt işlərimizi əvəz etmək əvəzinə gələcəkdə fəaliyyətləri yaxşılaşdırmağa kömək edəcək. Məsələn, virtual reallıq eynəkləri kimi ağıllı alətlər işçilərin məhsuldarlığını artıra bilər.
Oksford Universitetinin Bəşəriyyətin Gələcəyi İnstitutu süni intellekt nailiyyətləri və gələcək imkanlar haqqında fikirlərini soruşan yüzlərlə maşın öyrənmə mütəxəssisi arasında əlamətdar sorğu keçirib. Sorğunun nəticələri insanın süni intellektin mühüm imkanlarına çıxışının maraqlı tarixçələrini göstərir. Məsələn, 2026-cı ildə süni intellektin peşəkar məqalə yazacağı proqnozlaşdırılır. 2027-ci ildə yəqin ki, avtomatik yük maşını sürücüləri görəcəyik. 2031, 2049 və 2053-cü illərdə pərakəndə satış, kitab yazma və cərrahiyyə imkanlarına malik süni intellektin ortaya çıxması mümkün olacaq.
Süni intellekt yeni texnologiya deyil və təxminən yarım əsrdir ki, bizimlədir. Bu texnologiya yaxın gələcəkdə mütləq yox olmayacaq və bizimlə qalmaq məqsədi ilə inkişaf etdiriləcək. Qanunsuz inkişafla bağlı narahatlıqlar da aradan qaldırılmalıdır. Bununla belə, zəkanın heç bir həddi yoxdur və bəzilərimiz Skynet hakimiyyətinin gələcəyi ilə o qədər də narahat olmaya bilərik.
