Билим инженериясы – бул бар билимдердин негизинде көйгөйлөрдүн чечимдерин табууга багытталган системаларды түзүүгө багытталган методдордун, моделдердин жана техникалардын жыйындысы. Чынында, бул термин билимди талдоо, алуу, иштетүү жана көрсөтүү ыкмаларын камтыган методология, теория жана технология катары түшүнүлөт.
Жасалма интеллекттин маңызы адамга мүнөздүү болгон интеллектуалдык функцияларды илимий анализдөөдө жана автоматташтырууда жатат. Ошол эле учурда, алардын машина ишке ашыруу татаалдыгы көпчүлүк көйгөйлөр үчүн жалпы болуп саналат. Интеллектуалдык интеллектти изилдөө көйгөйлөрдү чечүүнүн артында эксперттик билимге болгон муктаждык турганын, башкача айтканда, келечекте эксперттик билимди жаттап гана тим болбостон, талдоо жана колдоно ала турган системаны түзүүгө мүмкүндүк берди; аны практикалык максаттар үчүн колдонсо болот.
Терминдин тарыхы
Билим инженериясы жана интеллектуалдык маалымат системаларын өнүктүрүү, өзгөчө эксперттик системалар менен тыгыз байланышта.
АКШнын Стэнфорд университетинде 60-70-жылдары Э. Фейгенбаумдун жетекчилиги астында А. DENDRAL системасы, бир аз кийин - MYCIN. Эки система тең эксперттик наамды компьютердин эс тутумунда топтоо жана маселелерди чечүү үчүн эксперттердин билимин колдонуу жөндөмдүүлүгүнө ээ болгон. Технологиянын бул чөйрөсү эксперттик системалардын жаратуучусу болгон профессор Э. Фейгенбаумдун билдирүүсүнөн "билим инженериясы" терминин алган.
Мамилелер
Билим инженериясы эки ыкмага негизделген: билимди трансформациялоо жана моделди түзүү.
- Билимдин трансформациясы. Экспертизаны өзгөртүү процесси жана эксперттик билимден программалык камсыздоону ишке ашырууга өтүү. Билимге негизделген системаларды өнүктүрүү анын негизинде курулган. Билимди көрсөтүү форматы – эрежелер. Кемчиликтери – ачык-айкын эмес билимди жана билимдин ар кандай түрлөрүн адекваттуу формада көрсөтүүнүн мүмкүн эместиги, көп сандагы эрежелерди чагылдыруунун кыйынчылыгы.
- Курулуш моделдери. AI куруу симуляциянын бир түрү болуп эсептелет; эксперттер менен бирдей негизде белгилүү бир чөйрөдөгү маселелерди чечүү үчүн арналган компьютердик моделди куруу. Модель когнитивдик деңгээлдеги эксперттин ишмердүүлүгүн туурай албайт, бирок окшош натыйжаны алууга мүмкүндүк берет.
Билимдерди инженериялоонун моделдери жана методдору компьютердик системаларды өнүктүрүүгө багытталган, анын негизги максаты адистерден жеткиликтүү билимдерди алуу жана андан кийин аны натыйжалуу пайдалануу үчүн уюштуруу болуп саналат.
Жасалма интеллект, нейрон тармактары жана машинаны үйрөнүү: айырмасы эмнеде?
Жасалма интеллектти ишке ашыруунун жолдорунун бири нейронтармак.
Машинаны үйрөнүү – бул өзүн-өзү үйрөнүү алгоритмдерин түзүү ыкмаларын изилдөөгө багытталган AI өнүктүрүү чөйрөсү. Мунун зарылчылыгы конкреттүү маселенин так чечилбегендигинен улам келип чыгат. Мындай кырдаалда чечимди издөөнүн ордуна, аны табуу ыкмасын түзө ала турган механизмди иштеп чыгуу пайдалуураак.
Көбүнчө колдонулган "терең" ("терең") окутуу термини иштөө үчүн көп сандагы эсептөө ресурстарын талап кылган машина үйрөнүү алгоритмдерин билдирет. Көпчүлүк учурларда концепция нейрон тармактары менен байланышкан.
Жасалма интеллекттин эки түрү бар: тар багытталган, же алсыз, жана жалпы же күчтүү. Алсыздардын аракети көйгөйлөрдүн тар тизмесине чечим табууга багытталган. Тар чөйрөгө багытталган AIнын эң көрүнүктүү өкүлдөрү - Google Assistant, Siri жана Элис үн жардамчылары. Ал эми, күчтүү AI жөндөмдүүлүктөрүн дээрлик бардык адам милдеттерин аткарууга мүмкүндүк берет. бүгүнкү күндө жасалма жалпы интеллект утопия катары каралат: аны ишке ашыруу мүмкүн эмес.
Машинаны үйрөнүү
Машинаны үйрөнүү тажрыйбадан үйрөнө турган машинаны түзүү үчүн колдонулган жасалма интеллект тармагындагы ыкмаларды билдирет. Окуу процесси машина тарабынан чоң маалымат массивдерин иштетүү жана алардан үлгүлөрдү издөө деп түшүнүлөт.
Машиналарды үйрөнүү жана маалымат илими түшүнүктөрү, окшоштугуна карабастан, дагы эле айырмаланат жана ар бири өз милдеттерин аткарат. Эки аспап тең жасалмага киретакыл.
Интеллектуалдык интеллекттин тармактарынын бири болгон машинаны үйрөнүү – бул алгоритмдер, анын негизинде компьютер катуу коюлган эрежелерди сактабастан жыйынтык чыгара алат. Машина адамдын мээсинен айырмаланып, так жоопторду таап, көптөгөн параметрлери бар татаал тапшырмаларда үлгүлөрдү издейт. Методдун натыйжасы - так болжолдоо.
Маалымат таануу
Маалыматтарды талдоо жана алардан баалуу билимдерди жана маалыматтарды алуу (маалыматтарды иштетүү) жөнүндөгү илим. Ал машина үйрөнүү жана ой жүгүртүү илими, чоң көлөмдөгү маалыматтар менен өз ара аракеттенүү технологиялары менен байланышат. Маалымат илиминин иши маалыматтарды талдоо жана кийинки сорттоо, иштетүү, үлгүлөрдү алуу жана маалыматты издөө үчүн туура ыкманы табууга мүмкүндүк берет.
Мисалы, ишкананын каржылык чыгашалары жана контрагенттер жөнүндө маалымат бар, алар операциялардын убактысы жана датасы жана аралык банктык маалыматтар менен гана байланышкан. Аралык маалыматтардын терең машина анализи эң кымбат контрагентти аныктоого мүмкүндүк берет.
Нейрондук тармактар
Нейрондук тармактар өзүнчө курал эмес, бирок машиналык үйрөнүүнүн түрлөрүнүн бири болгондуктан, жасалма нейрондордун жардамы менен адамдын мээсинин ишин имитациялай алат. Алардын аракети каталарды азайтуу менен топтолгон тажрыйбанын негизинде тапшырманы чечүүгө жана өз алдынча үйрөнүүгө багытталган.
Машинаны үйрөнүү максаттары
Машинаны үйрөнүүнүн негизги максаты ар кандай аналитикалык чечимдерди издөөнү жарым-жартылай же толук автоматташтыруу болуп саналат.милдеттер. Ушул себептен улам, машина үйрөнүү алынган маалыматтардын негизинде эң так божомолдорду бериши керек. Машина менен үйрөнүүнүн натыйжасы - натыйжаны алдын ала айтуу жана эстеп калуу, андан кийин кайра чыгаруу жана мыкты варианттардын бирин тандоо.
Машинаны үйрөнүүнүн түрлөрү
Мугалимдин катышуусуна жараша окутуунун классификациясы үч категорияда болот:
- Мугалим менен. Билимди колдонуу машинаны сигналдарды жана объекттерди таанууну үйрөтүүнү камтыганда колдонулат.
- Мугалимсиз. Иштөө принциби объекттердин ортосундагы окшоштуктарды жана айырмачылыктарды, аномалияларды аныктоочу, андан кийин алардын кайсынысы окшош эмес же адаттан тыш деп эсептелерин тааныган алгоритмдерге негизделген.
- Күчтөөлөр менен. Машина көптөгөн мүмкүн болгон чечимдери бар чөйрөдө тапшырмаларды туура аткарышы керек болгондо колдонулат.
Колдонулган алгоритмдердин түрүнө жараша алар төмөнкүлөргө бөлүнөт:
- Классикалык үйрөнүү. Окуу алгоритмдери жарым кылымдан ашык убакыт мурун статистикалык мекемелер үчүн иштелип чыккан жана убакыттын өтүшү менен кылдат изилденген. Дайындар менен иштөөгө байланыштуу көйгөйлөрдү чечүү үчүн колдонулат.
- Терең үйрөнүү жана нейрон тармактары. Машиналарды үйрөнүүгө заманбап мамиле. Нейрондук тармактар видеолорду жана сүрөттөрдү жаратуу же таануу, машиналык которуу, татаал чечимдерди кабыл алуу жана талдоо процесстери талап кылынганда колдонулат.
Билим инженериясында бир нече түрдүү ыкмаларды бириктирген моделдердин ансамблдери мүмкүн.
Машинаны үйрөнүүнүн артыкчылыктары
Машинаны үйрөнүүнүн ар кандай түрлөрүн жана алгоритмдерин компетенттүү айкалыштыруу менен күнүмдүк бизнес процесстерин автоматташтырууга болот. Чыгармачыл бөлүгү - сүйлөшүүлөрдү жүргүзүү, келишимдерди түзүү, стратегияларды түзүү жана ишке ашыруу - адамдарга жүктөлөт. Бул бөлүү маанилүү, анткени адам машинадан айырмаланып, кутудан тышкары ойлоно алат.
AI түзүү көйгөйлөрү
AI түзүү контекстинде жасалма интеллектти түзүүнүн эки көйгөйү бар:
- Адамды өзүн-өзү уюштуруучу аң-сезим жана эрк эркиндиги катары таануунун мыйзамдуулугу, демек, жасалма интеллектти акылга сыярлык деп таануу үчүн да ошондой талап кылынат;
- Жасалма интеллектти адамдын акылы жана анын жөндөмдүүлүгү менен салыштыруу, бул бардык системалардын жеке өзгөчөлүктөрүн эске албаган жана алардын ишинин маанисиздигинен улам аларды басмырлоого алып келет.
Жасалма интеллектти түзүү көйгөйлөрү башка нерселер менен катар элестерди жана образдуу эстутумду калыптандырууда жатат. Адамдарда образдуу чынжырлар машинанын иштөөсүнөн айырмаланып, ассоциативдик түрдө түзүлөт; адамдын акылынан айырмаланып, компьютер белгилүү папкаларды жана файлдарды издейт жана ассоциативдик шилтемелердин чынжырларын тандабайт. Билим инженериясындагы жасалма интеллект өз ишинде белгилүү бир маалымат базасын колдонот жана эксперимент жасай албайт.
Экинчи маселе - бул машина үчүн тил үйрөнүү. Котормо программалары менен текстти которуу көбүнчө автоматтык түрдө ишке ашырылат жана акыркы натыйжа сөздөрдүн жыйындысы менен берилет. Туура которуу үчүнсүйлөмдүн маанисин түшүнүүнү талап кылат, аны AI ишке ашыруу кыйын.
Жасалма интеллекттин эркинин жоктугу да аны жаратуу жолунда көйгөй катары каралууда. Жөнөкөй сөз менен айтканда, компүтерде татаал эсептөөлөрдү жүргүзүү күчү жана жөндөмүнөн айырмаланып, жеке каалоолор жок.
Заманбап жасалма интеллект системалары мындан аркы жашоого жана өркүндөтүүгө эч кандай түрткү бербейт. Көпчүлүк АИлер адамдын тапшырмасы жана аны бүтүрүү зарылдыгы гана түрткү берет. Теориялык жактан, буга компьютер менен адамдын ортосунда пикир түзүү жана компьютердин өз алдынча билим алуу системасын жакшыртуу таасир этет.
Жасалма жол менен түзүлгөн нейрон тармактарынын примитивдүүлүгү. Бүгүнкү күндө алар адамдын мээси менен бирдей артыкчылыктарга ээ: алар жеке тажрыйбасынын негизинде үйрөнүшөт, алар тыянак чыгарууга жана алынган маалыматтан негизги нерсени чыгара алышат. Ошол эле учурда акылдуу системалар адамдын мээсинин бардык функцияларын кайталай албайт. Заманбап нейрон тармактарына мүнөздүү интеллект жаныбардын интеллектинен ашпайт.
Аскердик максатта AIнын минималдуу натыйжалуулугу. Жасалма интеллектке негизделген роботтордун жаратуучулары AI өз алдынча үйрөнө албай, реалдуу убакыт режиминде алынган маалыматты автоматтык түрдө таанып жана туура талдай албаган көйгөйгө туш болушат.
