AI nədir?
Süni intellekt və ya süni intellekt kompüterlərə və maşınlara insan intellektini və problem həll etmə qabiliyyətlərini simulyasiya etməyə imkan verən texnologiyadır.
Süni intellekt tək başına və ya digər texnologiyalarla (məsələn, sensorlar, geolokasiya, robototexnika) birlikdə insan zəkasını və ya müdaxiləsini tələb edən vəzifələri yerinə yetirə bilər. Rəqəmsal köməkçilər, GPS bələdçisi, avtonom nəqliyyat vasitələri və generativ süni intellekt alətləri (Open AI’s Chat GPT kimi) gündəlik xəbərlərdə və gündəlik həyatımızda AI-nin yalnız bir neçə nümunəsidir.
Kompüter elmləri sahəsi kimi süni intellekt maşın öyrənmə və dərin öyrənməni əhatə edir (və tez-tez onunla birlikdə qeyd olunur). Bu fənlər insan beyninin qərar vermə proseslərindən sonra modelləşdirilmiş, mövcud məlumatlardan “öyrənmək” və zaman keçdikcə getdikcə daha dəqiq təsnifatlar və ya proqnozlar verə bilən AI alqoritmlərinin inkişafını əhatə edir.
Süni intellekt bir çox şırınga dövrlərindən keçdi, lakin hətta skeptiklər üçün ChatGPT-nin buraxılması bir dönüş nöqtəsi kimi görünür. Sonuncu dəfə generativ süni intellekt bu qədər böyük göründü, irəliləyişlər kompüter görmə sahəsində idi, lakin indi irəliyə doğru sıçrayış təbii dil emalındadır (NLP). Bu gün generativ süni intellekt təkcə insan dilini deyil, şəkillər, video, proqram kodu və hətta molekulyar strukturlar da daxil olmaqla digər məlumat növlərini öyrənə və sintez edə bilir.
AI üçün müraciətlər hər gün artır. Biznesdə süni intellekt alətlərinin istifadəsi ilə bağlı şırınga qalxdıqca, etik etik və məsuliyyətli iş ətrafında söhbətlər kritik əhəmiyyət kəsb edir. IBM-in bu məsələlərdə mövqeyi haqqında ətraflı məlumat üçün lütfən, süni intellektə etibarın yaradılması bölməsini oxuyun.
Süni intellektin növləri: zəif AI və güclü AI
Zəif süni intellekt (həmçinin dar AI və ya süni dar intellekt (ANI) kimi də tanınır) xüsusi tapşırıqları yerinə yetirmək üçün öyrədilmiş süni intellektdir. Zəif süni intellekt bu gün bizi əhatə edən süni intellektin çox hissəsini idarə edir. “Dar” bu tip süni intellekt üçün daha münasib təsvirçi ola bilər, çünki o, zəifdir: o, Apple-ın Siri, Amazon-un Alexa, IBM watsonx™ və özünü idarə edən nəqliyyat vasitələri kimi çox güclü proqramları işə salır.
Güclü süni intellekt süni ümumi intellekt (AGI) və süni super intellektdən (ASI) ibarətdir. AGI və ya ümumi süni intellekt, süni intellektin nəzəri formasıdır ki, burada maşın insanlarla bərabər zəkaya malikdir; problemləri həll etmək, öyrənmək və gələcək üçün plan qurmaq qabiliyyətinə malik olan bir şüurla özünü dərk edərdi. ASİ – super intellekt olaraq da bilinir – insan beyninin zəkasını və qabiliyyətini üstələyə bilər. Güclü süni intellekt hələ də tamamilə nəzəri olsa da, bu gün praktiki nümunələr istifadə olunmur, bu o demək deyil ki, AI tədqiqatçıları onun inkişafını da araşdırmırlar. Bu arada, ASI-nin ən yaxşı nümunələri 2001-ci ildə fövqəlbəşər və yaramaz kompüter köməkçisi HAL kimi elmi fantastikadan ola bilər: A Space Odyssey.
Dərin öyrənmə və maşın öyrənməsi
Maşın öyrənməsi və dərin öyrənmə süni intellektin alt fənləridir, dərin öyrənmə isə maşın öyrənməsinin alt fənləridir.
Həm maşın öyrənməsi, həm də dərin öyrənmə alqoritmləri böyük həcmdə verilənlərdən “öyrənmək” üçün neyron şəbəkələrindən istifadə edir. Bu neyron şəbəkələri insan beyninin qərar vermə proseslərindən sonra modelləşdirilmiş proqram strukturlarıdır. Onlar verilənlərdən xüsusiyyətləri çıxaran və məlumatların nəyi təmsil etdiyi barədə proqnozlar verən bir-biri ilə əlaqəli qovşaqların təbəqələrindən ibarətdir.
Maşın öyrənməsi və dərin öyrənmə istifadə etdikləri neyron şəbəkələrinin növlərinə və insan müdaxiləsinin miqdarına görə fərqlənir. Klassik maşın öyrənmə alqoritmləri giriş qatı, bir və ya iki “gizli” təbəqə və çıxış təbəqəsi olan neyron şəbəkələrindən istifadə edir. Tipik olaraq, bu alqoritmlər nəzarət edilən öyrənmə ilə məhdudlaşır: alqoritmin verilənlərdən xüsusiyyətləri çıxarmasını təmin etmək üçün verilənlər insan ekspertləri tərəfindən strukturlaşdırılmalı və ya etiketlənməlidir.
Dərin öyrənmə alqoritmləri dərin neyron şəbəkələrdən istifadə edir – giriş qatından, üç və ya daha çox (lakin adətən yüzlərlə) gizli təbəqədən və çıxış planından ibarət şəbəkələr. Bu çoxsaylı təbəqələr nəzarətsiz öyrənməyə imkan verir: onlar böyük, etiketlənməmiş və strukturlaşdırılmamış data dəstlərindən funksiyaların çıxarılmasını avtomatlaşdırır. İnsan müdaxiləsini tələb etmədiyi üçün dərin öyrənmə mahiyyətcə miqyasda maşın öyrənməsinə imkan verir.
Generativ modellərin yüksəlişi
Generativ AI xam məlumatları (məsələn, bütün Vikipediyanı və ya Rembrandtın toplanmış əsərlərini) götürə bilən və tələb olunduqda statistik cəhətdən ehtimal olunan nəticələr yaratmağı “öyrənə” bilən dərin öyrənmə modellərinə aiddir. Yüksək səviyyədə generativ modellər təlim məlumatlarının sadələşdirilmiş təqdimatını kodlayır və ondan orijinal məlumatlara oxşar, lakin eyni olmayan yeni iş yaratmaq üçün ondan istifadə edirlər.
Statistikada rəqəmsal məlumatları təhlil etmək üçün generativ modellər illərdir istifadə olunur. Bununla belə, dərin öyrənmənin yüksəlişi onları şəkillər, nitq və digər mürəkkəb məlumat növlərinə genişləndirməyə imkan verdi. 2013-cü ildə təqdim edilən variasiya avtokodlayıcıları və ya VAE-lər bu çarpaz nailiyyətə nail olmaq üçün AI modellərinin birinci sinfi arasında idi.
sehrbazlar və nitq.
MIT-IBM Watson AI Laboratoriyasının generativ süni intellekt üzrə eksperti Akash Srivastava deyib: “VAE-lər modellərin miqyasını asanlaşdırmaqla dərin generativ modelləşdirmə üçün daşqın qapılarını açdı”. “Bu gün generativ süni intellekt kimi düşündüyümüz şeylərin çoxu burada başladı.”
GPT-3, BERT və ya DALL-E 2 daxil olmaqla, ilkin nümunələr nəyin mümkün olduğunu göstərdi. Gələcəkdə modellər, minimal incə tənzimləmə ilə müxtəlif tapşırıqlar üçün istifadə oluna bilən geniş etiketlənməmiş verilənlər toplusunda təlim keçəcəklər. Bir domendə xüsusi tapşırıqları yerinə yetirən sistemlər öz yerini daha ümumi öyrənən və domenlər və problemlər üzrə işləyən geniş AI sistemlərinə verir. Böyük, etiketlənməmiş verilənlər bazasında öyrədilmiş və bir sıra tətbiqlər üçün dəqiqləşdirilmiş təməl modelləri bu dəyişikliyə səbəb olur.
Süni intellektin gələcəyinə gəlincə, generativ süni intellektə gəldikdə, təməl modellərin müəssisədə AI qəbulunu kəskin surətdə sürətləndirəcəyi proqnozlaşdırılır. Etiketləmə tələblərinin azaldılması müəssisələrin daxil olmasını xeyli asanlaşdıracaq və onların işə saldıqları yüksək dəqiqlikli, səmərəli süni intellektlə idarə olunan avtomatlaşdırma daha çox şirkətin missiya üçün kritik vəziyyətlərdə daha geniş spektrdə süni intellekt tətbiq edə biləcəyi anlamına gələcək. IBM üçün ümid odur ki, təməl modellərin hesablama gücü nəhayət sürtünməsiz hibrid-bulud mühitində hər bir müəssisəyə çatdırıla bilər.
Watsonx.ai-də təməl modellərini araşdırın
Süni intellekt proqramları
Bu gün süni intellekt sistemləri üçün çoxsaylı real proqramlar mövcuddur. Aşağıda ən ümumi istifadə hallarından bəziləri verilmişdir:
Nitqin tanınması
Avtomatik nitqin tanınması (ASR), kompüter nitqinin tanınması və ya nitqdən mətnə kimi də tanınan nitqin tanınması insan nitqini yazılı formatda emal etmək üçün NLP-dən istifadə edir. Bir çox mobil cihazlar səsli axtarış aparmaq üçün sistemlərinə nitqin tanınmasını daxil edir (məsələn, Siri) və ya ingilis dilində və ya bir çox geniş istifadə olunan dillərdə mətn yazmaq üçün daha çox əlçatanlıq təmin edir. Keys tədqiqatımızla sinifdə əlçatanlığı yaxşılaşdırmaq üçün Don Constonun IBM Watson Text to Speech-dən necə istifadə etdiyinə baxın.
Müştəri xidməti
Onlayn virtual agentlər və chatbotlar müştəri səyahəti boyunca insan agentlərini əvəz edir. Onlar göndərmə kimi mövzular ətrafında tez-tez verilən suallara (FAQ) cavab verir və ya vebsaytlar və sosial media platformalarında müştəri cəlb edilməsi haqqında düşüncə tərzimizi dəyişdirərək fərdiləşdirilmiş məsləhətlər, məhsullar arası satış və ya istifadəçilər üçün ölçülər təklif edir. Nümunələrə virtual agentləri olan e-ticarət saytlarında mesajlaşma botları, Slack və Facebook Messenger kimi mesajlaşma proqramları və adətən virtual köməkçilər və səs köməkçiləri tərəfindən yerinə yetirilən tapşırıqlar daxildir. Autodesk Inc-in müştərinin cavab müddətini 99% sürətləndirmək üçün IBM watsonx Assistant-dan necə istifadə etdiyinə baxın.
Kompüter görmə
Bu süni intellekt texnologiyası kompüterlərə və sistemlərə rəqəmsal şəkillərdən, videolardan və digər vizual girişlərdən mənalı məlumat əldə etməyə imkan verir və bu girişlərə əsaslanaraq hərəkətə keçə bilər. Tövsiyələr vermək qabiliyyəti onu təsvirin tanınması tapşırıqlarından fərqləndirir. Bükülmə neyron şəbəkələri ilə təchiz edilmiş kompüter görmə sosial mediada foto etiketləmə, səhiyyədə radioloji görüntüləmə və avtomobil sənayesində özünü idarə edən avtomobillərdə tətbiqlərə malikdir. ProMare-nin IBM Maximo-dan necə istifadə edərək okean araşdırması üçün yeni kursu bizim nümunə araşdırmamızla görün.
Təchizat zənciri
Adaptiv robot texnikası Əşyaların İnterneti (IoT) cihaz məlumatlarında və müstəqil qərarlar qəbul etmək üçün strukturlaşdırılmış və strukturlaşdırılmamış məlumatlarda fəaliyyət göstərir. NLP alətləri insan nitqini başa düşə və onlara deyilənlərə reaksiya verə bilər. Proqnozlu analitika tələblərə cavab vermək, inventar və şəbəkə optimallaşdırması, profilaktik baxım və rəqəmsal istehsal üçün tətbiq edilir. Axtarış və nümunənin tanınması alqoritmləri – artıq sadəcə proqnozlaşdırıcı deyil, iyerarxikdir – real vaxt məlumatları təhlil edir, təchizat zəncirlərinə maşın tərəfindən yaradılan, genişləndirilmiş kəşfiyyata reaksiya verməyə kömək edir, eyni zamanda ani görünmə və şəffaflıq təmin edir. Hendrickson’un IBM Sterlinqindən necə istifadə etdiyinə baxın.
Hava proqnozu
Dəqiq proqnozlar vermək üçün yayımçıların etibar etdiyi hava modelləri superkompüterlərdə işləyən mürəkkəb alqoritmlərdən ibarətdir. Maşın öyrənmə üsulları bu modelləri daha uyğun və dəqiq etməklə təkmilləşdirir. Emnotion’un meteohəssas müəssisələrə daha proaktiv, dataya əsaslanan qərarlar qəbul etmək imkanı vermək üçün IBM Cloud-dan necə istifadə etdiyinə baxın.
Anomaliya aşkarlanması
Süni intellekt modelləri böyük həcmdə məlumatı tarayaraq verilənlər bazasında atipik məlumat nöqtələrini aşkar edə bilər. Bu anomaliyalar nasaz avadanlıq, insan səhvi və ya təhlükəsizlik pozuntuları haqqında məlumatlılığı artıra bilər. Netox-un rəqəmsal biznesi kibertəhlükələrdən qorumaq üçün IBM QRadar-dan necə istifadə etdiyinə nəzər salın.
Süni intellektin tarixi: əsas tarixlər və adlar
“Düşünən maşın” ideyası qədim Yunanıstana gedib çıxır. Lakin elektron hesablamanın yaranmasından (və bu məqalədə müzakirə olunan bəzi mövzulara nisbətən) süni intellektin təkamülündə mühüm hadisələr və mərhələlər i.
aşağıdakıları daxil edin:
1950: Alan Turinq Hesablama Maşınları və Kəşfiyyat nəşr edir (link ibm.com-dan kənarda yerləşir). Bu məqalədə İkinci Dünya Müharibəsi zamanı Alman ENIGMA kodunu sındırmaqla məşhur olan və tez-tez “informatika elminin atası” adlandırılan Turing bu sualı verir: “Maşınlar düşünə bilərmi?” Oradan o, indi məşhur olaraq “Türinq Testi” kimi tanınan bir test təklif edir ki, burada insan sorğulayıcısı kompüter və insan mətn cavabı arasında fərq qoymağa çalışacaq. Bu test nəşr olunduğu gündən çox araşdırmadan keçsə də, o, süni intellekt tarixinin mühüm bir hissəsi olmaqla yanaşı, dilçilik ətrafında fikirlərdən istifadə etdiyi üçün fəlsəfədə davam edən bir konsepsiya olaraq qalır.
1956: Con Makkarti Dartmut Kollecində keçirilən ilk süni intellekt konfransında “süni intellekt” terminini işlətdi. (McCarthy Lisp dilini icad etməyə davam edəcəkdi.) Həmin ilin sonunda Allen Newell, J.C. Shaw və Herbert Simon, ilk işləyən süni intellekt proqram proqramı olan Logic Theorist-i yaradırlar.
1967: Frank Rosenblatt sınaq və səhv vasitəsilə “öyrənən” neyron şəbəkəyə əsaslanan ilk kompüter olan Mark 1 Perceptron-u qurur. Cəmi bir il sonra Marvin Minsky və Seymur Papert “Perceptrons” adlı kitab nəşr edirlər ki, bu kitab həm neyron şəbəkələri üzərində əlamətdar iş olur, həm də ən azı bir müddət gələcək neyron şəbəkə tədqiqat layihələrinə qarşı arqumentdir.
1980-ci illər: Özünü öyrətmək üçün geri yayılma alqoritmindən istifadə edən neyron şəbəkələri süni intellekt tətbiqlərində geniş istifadə olunur.
1995: Stüart Russell və Peter Norviq süni intellekt: Müasir yanaşma (link ibm.com-dan kənarda yerləşir) kitabını nəşr edir və bu, süni intellektin öyrənilməsində aparıcı dərsliklərdən birinə çevrilir. Burada onlar kompüter sistemlərini rasionallıq və düşünmə ilə hərəkətə görə fərqləndirən dörd potensial məqsəd və ya süni intellekt tərifini araşdırırlar.
1997: IBM-in Deep Blue şirkəti şahmat matçında (və revanşda) o vaxt şahmat üzrə dünya çempionu Qarri Kasparovu məğlub etdi.
2004: Con Makkarti “Süni intellekt nədir?” adlı məqalə yazır. (link ibm.com xaricində yerləşir) və AI-nin tez-tez istinad edilən tərifini təklif edir.
2011: IBM Watson Təhlükədə çempionlar Ken Jennings və Brad Rutter-i məğlub etdi!
2015: Baidu-nun Minwa superkompüteri adi insandan daha yüksək dəqiqliklə təsvirləri müəyyən etmək və kateqoriyalara ayırmaq üçün konvolyusiya neyron şəbəkəsi adlanan xüsusi növ dərin neyron şəbəkəsindən istifadə edir.
2016: Dərin neyron şəbəkəsi ilə təchiz edilmiş DeepMind-in AlphaGo proqramı beş oyunluq matçda dünya çempionu Go oyunçusu Li Sodolu məğlub etdi. Oyun irəlilədikcə çoxlu sayda mümkün hərəkətləri nəzərə alsaq, qələbə əhəmiyyətlidir (cəmi dörd hərəkətdən sonra 14,5 trilyondan çox!). Daha sonra Google DeepMind-i 400 milyon dollara satın aldı.
2023: Böyük dil modellərinin və ya ChatGPT kimi LLM-lərin artması
AI-nin performansında böyük dəyişiklik və onun müəssisə dəyərini artırmaq potensialı. Bu yeni generativ süni intellekt təcrübələri ilə dərin öyrənmə modelləri böyük miqdarda xam, etiketlənməmiş data üzərində əvvəlcədən öyrədilə bilər.
Əlaqədar həllər
Süni intellekt (AI) həlləri
IBM-in sənayedə qabaqcıl AI təcrübəsi və həllər portfeli ilə sizin biznesinizdə işləmək üçün AI qoyun.
AI həllərini araşdırın
AI xidmətləri
Təcrübələri, real vaxtda qərar qəbul etməyi və biznes dəyərini artırmaq üçün AI əlavə edərək kritik iş axınlarını və əməliyyatları yenidən kəşf edin.
AI xidmətlərini araşdırın
Kibertəhlükəsizlik üçün AI
Süni intellekt cavab vaxtlarını sürətləndirmək və ehtiyatsız təhlükəsizlik əməliyyatlarını artırmaq üçün böyük miqdarda risk məlumatlarını təhlil edərək kibertəhlükəsizlik üçün oyunu dəyişir.
Kibertəhlükəsizlik üçün AI-ni araşdırın
Resurslar
EbookDüzgün AI təməl modelini necə seçmək olar
Biznes ehtiyaclarınız üçün təməl modelini seçmək üçün model seçim çərçivəsindən necə istifadə edəcəyinizi öyrənin.
Təlim Rəqəmsal Öyrənmə Abunəliyimizlə 70%-ə qədər qənaət edin
Bu gün fərdi və ya çox istifadəçili rəqəmsal öyrənmə abunəsi almaqla 100-dən çox onlayn kursdan ibarət tam kataloqumuza daxil olun ki, bu da sizə bir aşağı qiymətə məhsullarımızın çeşidində bacarıqlarınızı genişləndirməyə imkan verir.
Bazar araşdırması2023 Gartner Peer Insights Müştərilərin Seçimi
IBM watsonx Assistant, Enterprise Conversational AI platformaları üçün 2023 Gartner Peer Insights Müştərinin Səsi hesabatında Müştərilərin Seçimi kimi tanınıb.
MaddəAI ilə gücləndirilmiş satınalma strategiyası
Maşın öyrənmənin tələbi necə proqnozlaşdıra biləcəyini və xərcləri azalda biləcəyini kəşf edin.
Recent Comments