Bilik mühəndisliyi mövcud biliklərə əsaslanan problemlərin həlli yollarını tapmaq üçün nəzərdə tutulmuş sistemlərin yaradılmasına yönəlmiş metodlar, modellər və texnikalar toplusudur. Əslində, bu termin biliyin təhlili, çıxarılması, emalı və təqdim edilməsi üsullarını əhatə edən metodologiya, nəzəriyyə və texnologiya kimi başa düşülür.
Süni intellektin mahiyyəti insana xas olan intellektual funksiyaların elmi təhlili və avtomatlaşdırılmasındadır. Eyni zamanda, onların maşın tətbiqinin mürəkkəbliyi əksər problemlər üçün ümumidir. AI-nin tədqiqi problemlərin həllinin arxasında ekspert biliklərinə ehtiyacın dayandığına əmin olmağa imkan verdi, yəni gələcəkdə ekspert biliklərini təkcə əzbərləmək deyil, həm də təhlil etmək və istifadə etmək imkanı verən sistemin yaradılması; praktiki məqsədlər üçün istifadə edilə bilər.
Termin tarixi
Bilik mühəndisliyi və intellektual informasiya sistemlərinin, xüsusən də ekspert sistemlərinin inkişafı bir-biri ilə sıx bağlıdır.
60-70-ci illərdə ABŞ-da Stenford Universitetində E. Feigenbaumun rəhbərliyi altında a. DENDRAL sistemi, bir az sonra - MYCIN. Hər iki sistem kompüter yaddaşında toplamaq və problemlərin həllində mütəxəssislərin biliklərindən istifadə etmək qabiliyyətinə görə ekspert adını alıb. Bu texnologiya sahəsi "bilik mühəndisliyi" terminini ekspert sistemlərinin yaradıcısı olmuş professor E. Feigenbaumun mesajından almışdır.
Yanlaşmalar
Bilik mühəndisliyi iki yanaşmaya əsaslanır: biliyin transformasiyası və modelin qurulması.
- Biliyin transformasiyası. Ekspertizanın dəyişdirilməsi və ekspert biliklərindən onun proqram təminatının tətbiqinə keçid prosesi. Biliyə əsaslanan sistemlərin inkişafı bunun üzərində qurulmuşdur. Biliyin təmsili formatı - qaydalar. Dezavantajlar gizli biliyi və müxtəlif bilik növlərini adekvat formada təmsil etməyin mümkünsüzlüyü, çoxlu sayda qaydaları əks etdirməyin çətinliyidir.
- Tikinti modelləri. Bina AI bir simulyasiya növü hesab olunur; mütəxəssislərlə bərabər əsasda müəyyən bir sahədə problemləri həll etmək üçün nəzərdə tutulmuş kompüter modelinin qurulması. Model koqnitiv səviyyədə ekspertin fəaliyyətini təqlid etmək iqtidarında deyil, lakin oxşar nəticə əldə etməyə imkan verir.
Bilik mühəndisliyinin modelləri və metodları kompüter sistemlərinin inkişafına yönəldilmişdir ki, onların əsas məqsədi mütəxəssislərdən mövcud olan bilikləri əldə etmək və sonra onları ən səmərəli istifadə üçün təşkil etməkdir.
Süni intellekt, neyron şəbəkələr və maşın öyrənməsi: fərq nədir?
Süni intellektin həyata keçirilməsi yollarından biri sinirdirşəbəkə.
Maşın öyrənməsi öz-özünə öyrənmə alqoritmlərinin qurulması üsullarını öyrənməyə yönəlmiş süni intellekt inkişafı sahəsidir. Bunun zərurəti konkret problemin aydın həlli olmadıqda yaranır. Belə bir vəziyyətdə həll yolu axtarmaqdansa, onu tapmaq üçün üsul yarada bilən mexanizm hazırlamaq daha sərfəlidir.
Ümumi istifadə olunan "dərin" ("dərin") öyrənmə termini işləmək üçün böyük miqdarda hesablama resursları tələb edən maşın öyrənmə alqoritmlərinə aiddir. Konsept əksər hallarda neyron şəbəkələri ilə əlaqələndirilir.
Süni intellektin iki növü var: dar fokuslu və ya zəif, və ümumi və ya güclü. Zəiflərin hərəkəti problemlərin dar siyahısına həll yolu tapmağa yönəlib. Dar konsentrasiyalı AI-nin ən görkəmli nümayəndələri Google Assistant, Siri və Alice səsli köməkçiləridir. Bunun əksinə olaraq, güclü süni intellekt qabiliyyəti ona demək olar ki, istənilən insan tapşırığını yerinə yetirməyə imkan verir. bu gün süni ümumi intellekt utopiya hesab olunur: onun həyata keçirilməsi qeyri-mümkündür.
Maşın öyrənməsi
Maşın öyrənmə təcrübədən öyrənə bilən maşın yaratmaq üçün istifadə edilən süni intellekt sahəsində üsullara aiddir. Öyrənmə prosesi nəhəng məlumat massivlərinin maşın tərəfindən emalı və onlarda nümunələrin axtarışı kimi başa düşülür.
Maşın öyrənməsi və Məlumat elmi anlayışları, oxşarlıqlarına baxmayaraq, yenə də fərqlidir və hər biri öz vəzifələrinin öhdəsindən gəlir. Hər iki alət süniyə daxildirkəşfiyyat.
Süni intellektin qollarından biri olan maşın öyrənməsi kompüterin qəti şəkildə müəyyən edilmiş qaydalara riayət etmədən nəticə çıxara bildiyi alqoritmlərdir. Maşın insan beynindən fərqli olaraq daha dəqiq cavablar taparaq çoxlu sayda parametrləri olan mürəkkəb tapşırıqlarda nümunələr axtarır. Metodun nəticəsi dəqiq proqnozdur.
Data elm
Məlumatların təhlili və onlardan qiymətli bilik və məlumatların necə çıxarılacağına dair elm (data mining). O, maşın öyrənməsi və təfəkkür elmi, böyük həcmli məlumatlarla qarşılıqlı əlaqə texnologiyaları ilə əlaqə saxlayır. Data Science işi sizə məlumatları təhlil etməyə və sonrakı çeşidləmə, emal, nümunə götürmə və məlumat axtarışı üçün düzgün yanaşma tapmağa imkan verir.
Məsələn, müəssisənin maliyyə xərcləri haqqında məlumat və yalnız əməliyyatların vaxtı və tarixi ilə bir-biri ilə əlaqəli olan kontragentlər və aralıq bank məlumatları var. Aralıq məlumatların dərin maşın analizi sizə ən bahalı qarşı tərəfi müəyyən etməyə imkan verir.
Neyron şəbəkələri
Neyron şəbəkələri ayrıca alət deyil, maşın öyrənməsinin növlərindən biri olmaqla, süni neyronlardan istifadə edərək insan beyninin işini simulyasiya edə bilir. Onların hərəkəti tapşırığı həll etməyə və səhvləri minimuma endirməklə əldə edilmiş təcrübəyə əsaslanan öz-özünə öyrənməyə yönəlib.
Maşın öyrənmə məqsədləri
Maşın öyrənmənin əsas məqsədi müxtəlif analitik həllərin axtarışının qismən və ya tam avtomatlaşdırılması hesab olunur.tapşırıqlar. Bu səbəbdən maşın öyrənməsi alınan məlumatlar əsasında ən dəqiq proqnozları verməlidir. Maşın öyrənmənin nəticəsi nəticənin proqnozlaşdırılması və yadda saxlanması və sonradan çoxaldılması və ən yaxşı variantlardan birinin seçilməsidir.
Maşın öyrənməsinin növləri
Müəllim iştirakı əsasında öyrənmənin təsnifatı üç kateqoriyada baş verir:
- Müəllimlə. Bilikdən istifadə maşına siqnalları və obyektləri tanımağı öyrətdikdə istifadə olunur.
- Müəllimsiz. Əməliyyat prinsipi obyektlər arasında oxşarlıq və fərqləri, anomaliyaları aşkar edən və sonra onlardan hansının fərqli və ya qeyri-adi hesab edildiyini tanıyan alqoritmlərə əsaslanır.
- Möhkəmləndiricilərlə. Maşın bir çox mümkün həlli olan mühitdə tapşırıqları düzgün yerinə yetirməli olduqda istifadə olunur.
İstifadə olunan alqoritmlərin növünə görə bunlar bölünür:
- Klassik öyrənmə. Öyrənmə alqoritmləri yarım əsrdən çox əvvəl statistika idarələri üçün hazırlanmış və zamanla diqqətlə öyrənilmişdir. Data ilə işləmək ilə bağlı problemləri həll etmək üçün istifadə olunur.
- Dərin öyrənmə və neyron şəbəkələri. Maşın öyrənməsinə müasir yanaşma. Neyron şəbəkələri video və şəkillərin yaradılması və ya tanınması, maşın tərcüməsi, mürəkkəb qərarların qəbulu və təhlil prosesləri tələb olunduqda istifadə olunur.
Bilik mühəndisliyində bir neçə fərqli yanaşmanı birləşdirən model ansamblları mümkündür.
Maşın öyrənmənin faydaları
Maşın öyrənməsinin müxtəlif növləri və alqoritmlərinin bacarıqlı kombinasiyası ilə gündəlik iş proseslərini avtomatlaşdırmaq mümkündür. Yaradıcı hissə - danışıqlar aparmaq, müqavilələr bağlamaq, strategiyaları tərtib etmək və həyata keçirmək - insanların öhdəsinə buraxılır. Bu bölgü vacibdir, çünki insan maşından fərqli olaraq qutudan kənar düşünə bilir.
AI yaratmaq problemləri
Süni intellektin yaradılması kontekstində süni intellektin yaradılması ilə bağlı iki problem var:
- İnsanın özünü təşkil edən şüur və iradə azadlığı kimi tanınmasının qanuniliyi və buna uyğun olaraq süni intellektin ağlabatan kimi tanınması üçün də eyni şey tələb olunur;
- Bütün sistemlərin fərdi xüsusiyyətlərini nəzərə almayan və fəaliyyətlərinin mənasızlığına görə ayrı-seçkiliyə səbəb olan süni intellektin insan şüuru və onun qabiliyyətləri ilə müqayisəsi.
Süni intellektin yaradılması problemləri, digər məsələlərlə yanaşı, obrazların və obrazlı yaddaşın formalaşmasındadır. İnsanda məcazi zəncirlər maşının işindən fərqli olaraq assosiativ şəkildə əmələ gəlir; insan şüurundan fərqli olaraq, kompüter xüsusi qovluq və faylları axtarır və assosiativ əlaqələr zəncirlərini seçmir. Bilik mühəndisliyindəki süni intellekt öz işində xüsusi verilənlər bazasından istifadə edir və sınaqdan keçirə bilmir.
İkinci problem maşın üçün dil öyrənməkdir. Mətnin tərcümə proqramları ilə tərcüməsi çox vaxt avtomatik həyata keçirilir və son nəticə sözlər toplusu ilə təmsil olunur. Düzgün tərcümə üçünAI-nin həyata keçirməsi çətin olan cümlənin mənasını başa düşməyi tələb edir.
Süni intellektin iradəsinin təzahürünün olmaması da onun yaradılması yolunda problem hesab olunur. Sadə dillə desək, kompüterin mürəkkəb hesablamalar aparmaq gücü və bacarığından fərqli olaraq şəxsi istəkləri yoxdur.
Müasir süni intellekt sistemlərinin gələcək mövcudluğu və təkmilləşdirilməsi üçün heç bir stimulu yoxdur. Əksər AI-lər yalnız insan tapşırığı və onu yerinə yetirmək ehtiyacı ilə motivasiya olunur. Nəzəri olaraq, buna kompüter və insan arasında əks əlaqə yaratmaq və kompüterin öz-özünə öyrənmə sistemini təkmilləşdirməklə təsir etmək olar.
Süni yaradılmış neyron şəbəkələrinin primitivliyi. Bu gün onların insan beyni ilə eyni olan üstünlükləri var: şəxsi təcrübəyə əsaslanaraq öyrənirlər, nəticə çıxarmağı və alınan məlumatdan əsas şeyi çıxarmağı bacarırlar. Eyni zamanda, intellektual sistemlər insan beyninin bütün funksiyalarını təkrarlamaq iqtidarında deyil. Müasir neyron şəbəkələrinə xas olan intellekt heyvanın intellektini keçmir.
Hərbi məqsədlər üçün AI-nin minimum effektivliyi. Süni intellektə əsaslanan robotların yaradıcıları süni intellektin real vaxt rejimində öz-özünə öyrənə bilməməsi, avtomatik tanıması və alınan məlumatları düzgün təhlil edə bilməməsi problemi ilə üzləşirlər.
