Süni intellekt və ya AI kompüter və maşınlara insan intellektini və problem həll etmə qabiliyyətlərini simulyasiya etməyə imkan verən texnologiyadır.
Tək başına və ya digər texnologiyalarla (məsələn, sensorlar, geolokasiya, robototexnika) birləşdirildikdə AI digər hallarda insan intellekti və ya müdaxiləsi tələb edəcək tapşırıqları yerinə yetirə bilər. Rəqəmsal köməkçilər, GPS naviqasiyası, avtonom nəqliyyat vasitələri və generativ AI alətləri (Open AI-ın Chat GPT-si kimi) gündəlik xəbərlərdə və həyatımızda AI-ın yalnız bir neçə nümunəsidir.
Kompüter elmləri sahəsi olaraq süni intellekt maşın öyrənməsi və dərin öyrənməni əhatə edir (və tez-tez onlarla birlikdə xatırlanır). Bu disiplinlər mövcud məlumatlardan ‘öyrənə’ bilən və zamanla getdikcə daha dəqiq təsnifatlar və ya proqnozlar verə bilən insan beyninin qərar qəbuletmə proseslərindən nümunə götürülmüş AI alqoritmlərinin işlənib hazırlanmasını ehtiva edir.
Süni intellekt bir çox təbliğat dövrlərindən keçib, lakin şübhəçilər üçün belə ChatGPT-nin buraxılışı dönüş nöqtəsi kimi görünür. Generativ AI sonuncu dəfə bu qədər ön planda olanda irəliləyişlər kompüter görmə sahəsində idi, lakin indi irəliyə doğru böyük addım təbii dil emalında (NLP) baş verir. Bu gün generativ AI təkcə insan dilini deyil, həm də şəkillər, video, proqram kodu və hətta molekulyar strukturlar daxil olmaqla digər məlumat növlərini öyrənə və sintez edə bilər.
AI tətbiqləri hər gün böyüyür. Lakin biznesdə AI alətlərindən istifadə ətrafındakı təbliğat sürət qazandıqca, AI etikası və məsuliyyətli AI ətrafındakı müzakirələr son dərəcə vacib olur. IBM-in bu məsələlərdə harada durduğu haqqında daha çox məlumat üçün lütfən AI-a etimadın yaradılması səhifəsini oxuyun.
Zəif AI — dar AI və ya süni dar intellekt (ANI) kimi də tanınır — müəyyən tapşırıqları yerinə yetirmək üçün öyrədilmiş və yönləndirilmiş AI-dır. Zəif AI bu gün bizi əhatə edən AI-ın çox hissəsini idarə edir. “Dar” bu AI növü üçün daha uyğun təsvir ola bilər, çünki o, zəif olmaqdan çox uzaqdır: o, Apple-ın Siri, Amazon-un Alexa, IBM watsonx™ və sürücüsüz avtomobillər kimi bəzi çox güclü tətbiqləri təmin edir.
Güclü AI süni ümumi intellekt (AGI) və süni super intellektdən (ASI) ibarətdir. AGI və ya ümumi AI maşının insanlara bərabər intellektə malik olacağı nəzəri AI formasıdır; o, problemləri həll etmək, öyrənmək və gələcəyi planlaşdırmaq qabiliyyətinə malik şüurla özünü dərk edən olardı. ASI — həmçinin superintellekt kimi tanınır — insan beyninin intellektini və qabiliyyətini üstələyəcəkdir. Güclü AI hələ də bu gün istifadədə olan heç bir praktiki nümunəsi olmayan tamamilə nəzəri olsa da, bu o demək deyil ki, AI tədqiqatçıları onun inkişafını araşdırmırlar. Bu arada, ASI-ın ən yaxşı nümunələri elmi fantastikadan ola bilər, məsələn, 2001: A Space Odyssey filmindəki superinsan və idarəolunmaz kompüter köməkçisi HAL.
Maşın öyrənməsi və dərin öyrənmə AI-ın alt disiplinləridir və dərin öyrənmə maşın öyrənməsinin alt disiplinidir.
Həm maşın öyrənməsi, həm də dərin öyrənmə alqoritmləri nəhəng miqyaslı məlumatlardan ‘öyrənmək’ üçün neyron şəbəkələrindən istifadə edirlər. Bu neyron şəbəkələr insan beyninin qərar qəbuletmə proseslərindən nümunə götürülmüş proqram strukturudur. Onlar məlumatlardan xüsusiyyətləri çıxaran və məlumatların nəyi təmsil etdiyinə dair proqnozlar verən bir-biri ilə əlaqəli qovşaq təbəqələrindən ibarətdir.
Maşın öyrənməsi və dərin öyrənmə istifadə etdikləri neyron şəbəkələrinin növlərinə və cəlb olunan insan müdaxiləsinin miqdarına görə fərqlənirlər. Klassik maşın öyrənməsi alqoritmləri giriş təbəqəsi, bir və ya iki ‘gizli’ təbəqə və çıxış təbəqəsi olan neyron şəbəkələrindən istifadə edir. Adətən, bu alqoritmlər nəzarətli öyrənmə ilə məhdudlaşır: alqoritmə məlumatlardan xüsusiyyətləri çıxarmağa imkan vermək üçün məlumatlar insan mütəxəssisləri tərəfindən strukturlaşdırılmalı və ya etiketlənməlidir.
Dərin öyrənmə alqoritmləri dərin neyron şəbəkələrindən – giriş təbəqəsindən, üç və ya daha çox (lakin adətən yüzlərlə) gizli təbəqədən və çıxış tərtibatından ibarət şəbəkələrdən istifadə edir. Bu çoxsaylı təbəqələr nəzarətsiz öyrənməni təmin edir: onlar böyük, etiketlənməmiş və strukturlaşdırılmamış məlumat dəstlərindən xüsusiyyətlərin çıxarılmasını avtomatlaşdırırlar. İnsan müdaxiləsi tələb etmədiyi üçün dərin öyrənmə mahiyyətcə miqyasda maşın öyrənməsini təmin edir.
Generativ AI xam məlumatları (tutaq ki, bütün Vikipediyanı və ya Rembrantın toplanmış əsərlərini) götürə bilən və sorğu edildikdə statistik olaraq ehtimal edilən nəticələr yaratmağı ‘öyrənən’ dərin öyrənmə modellərinə aiddir. Yüksək səviyyədə generativ modellər təlim məlumatlarının sadələşdirilmiş təsvirini kodlaşdırır və orijinal məlumatlara bənzər, lakin eyni olmayan yeni əsər yaratmaq üçün ondan istifadə edirlər.
Generativ modellər ədədi məlumatları təhlil etmək üçün statistikada illərdir istifadə olunur. Lakin dərin öyrənmənin yüksəlişi onları şəkillərə, nitqə və digər mürəkkəb məlumat növlərinə şamil etməyə imkan verdi. Bu kəsişmə uğuruna nail olan ilk AI modelləri sinfi arasında 2013-cü ildə təqdim edilən variasion avtokoderlər və ya VAE-lər var idi. VAE-lər realist şəkillər və nitq yaratmaq üçün geniş istifadə edilən ilk dərin öyrənmə modelləri idi.
MIT-IBM Watson AI Lab-ın generativ AI üzrə mütəxəssisi Akash Srivastava bildirib ki, „VAE-lər modellərin miqyasını genişləndirməyi asanlaşdırmaqla dərin generativ modelləşdirmə üçün qapıları taybatay açdı.“ „Bu gün generativ AI kimi düşündüklərimizin çoxu burada başladı.“
GPT-3, BERT və ya DALL-E 2 daxil olmaqla erkən model nümunələri nəyin mümkün olduğunu göstərdi. Gələcəkdə modellər minimal incə tənzimləmə ilə müxtəlif tapşırıqlar üçün istifadə edilə bilən geniş etiketlənməmiş məlumat dəsti üzrə öyrədiləcək. Tək bir domendə müəyyən tapşırıqları yerinə yetirən sistemlər daha ümumi şəkildə öyrənən və domenlər və problemlər üzrə işləyən geniş AI sistemlərinə yol açır. Böyük, etiketlənməmiş məlumat dəstlərində öyrədilmiş və bir sıra tətbiqlər üçün incə tənzimlənmiş təməl modelləri bu dəyişikliyə təkan verir.
AI-ın gələcəyinə gəldikdə, generativ AI-a gəldikdə, təməl modellərinin müəssisələrdə AI-ın mənimsənilməsini sürətlə sürətləndirəcəyi proqnozlaşdırılır. Etiketləmə tələblərinin azaldılması bizneslər üçün işə başlamağı xeyli asanlaşdıracaq və onların təmin etdiyi yüksək dəqiq, səmərəli AI əsaslı avtomatlaşdırma o deməkdir ki, daha çox şirkət AI-ı daha geniş çeşidli missiya-kritik vəziyyətlərdə tətbiq edə biləcək. IBM üçün ümid ondan ibarətdir ki, təməl modellərinin hesablama gücü nəticəsində sürtünməsiz hibrid bulud mühitində hər bir müəssisəyə gətirilə bilər.
Bu gün AI sistemləri üçün çoxsaylı real dünya tətbiqləri mövcuddur. Aşağıda ən çox yayılmış istifadə hallarından bəziləri verilmişdir:
Avtomatik nitqin tanınması (ASR), kompüter nitqinin tanınması və ya nitqdən mətnə kimi də tanınan nitqin tanınması insan nitqini yazılı saata emal etmək üçün NLP-dən istifadə edir. Bir çox mobil cihazlar səsli axtarış aparmaq üçün öz sistemlərinə nitqin tanınmasını daxil edirlər – məsələn, Siri – və ya ingilis dilində və ya bir çox geniş istifadə olunan dillərdə mesajlaşma ətrafında daha çox əlçatanlıq təmin edirlər. Bizimlə nümunə araşdırmamızda Don Johnston-ın sinif otağında əlçatanlığı yaxşılaşdırmaq üçün IBM Watson Text to Speech-dən necə istifadə etdiyinə baxın.
Onlayn virtual agentlər və çatmbotlar müştəri səyahəti boyunca insan agentləri əvəz edir. Onlar göndərmə kimi mövzularda tez-tez verilən suallara (FAQ) cavab verirlər və ya fərdiləşdirilmiş məsləhətlər verirlər, məhsulları çarpaz şəkildə satırlar və ya istifadəçilər üçün ölçülər təklif edirlər, vebsaytlar və sosial media platformalarında müştəri əlaqəsi haqqında düşüncə tərzimizi dəyişirlər. Nümunələrə virtual agentləri olan e-ticarət saytlarındakı mesajlaşma botları, Slack və Facebook Messenger kimi mesajlaşma tətbiqləri və adətən virtual köməkçilər və səsli köməkçilər tərəfindən yerinə yetirilən tapşırıqlar daxildir. Bizimlə nümunə araşdırmamızda Autodesk Inc.-in müştəri cavab müddətlərini 99% sürətləndirmək üçün IBM watsonx Assistant-dan necə istifadə etdiyinə baxın.
Bu AI texnologiyası kompüterlərə və sistemlərə rəqəmsal şəkillərdən, videolardan və digər vizual girişlərdən mənalı məlumat əldə etməyə imkan verir və həmin girişlərə əsasən hərəkət edə bilər. Tövsiyələr vermək qabiliyyəti onu şəklin tanınması tapşırıqlarından fərqləndirir. Konvolyusion neyron şəbəkələri ilə təchiz edilmiş kompüter görmə qabiliyyəti sosial mediada foto etiketləmə, səhiyyədə radiologiya görüntüləri və avtomobil sənayesində sürücüsüz avtomobillər daxilində tətbiqlərə malikdir. Bizimlə nümunə araşdırmamızda ProMare-nin okean tədqiqatları üçün yeni kurs təyin etmək üçün IBM Maximo-dan necə istifadə etdiyinə baxın.
Adaptiv robototexnika avtonom qərarlar qəbul etmək üçün Əşyaların İnterneti (IoT) cihazının məlumatlarına, strukturlaşdırılmış və strukturlaşdırılmamış məlumatlara əsasən hərəkət edir. NLP alətləri insan nitqini başa düşə və onlara deyilənlərə reaksiya verə bilər. Proqnozlaşdırıcı analitika tələb cavabdehliyinə, inventar və şəbəkə optimallaşdırılmasına, profilaktik texniki xidmətə və rəqəmsal istehsala tətbiq olunur. Axtarış və nümunə tanınması alqoritmləri – artıq təkcə proqnozlaşdırıcı deyil, həm də iyerarxik olanlar – real vaxt rejimində məlumatları təhlil edir, təchizat zəncirlərinə maşın tərəfindən yaradılan, artırılmış intellektə reaksiya verməyə kömək edir, eyni zamanda ani görünürlük və şəffaflıq təmin edir. Bizimlə nümunə araşdırmamızda Hendrickson-un real vaxt əməliyyatlarını gücləndirmək üçün IBM Sterling-dən necə istifadə etdiyinə baxın.
Yayımçıların dəqiq proqnozlar vermək üçün etibar etdikləri hava modelləri superkompüterlərdə işlədilən mürəkkəb alqoritmlərdən ibarətdir. Maşın öyrənməsi texnikaları bu modelləri daha tətbiq oluna bilən və dəqiq etməklə onları təkmilləşdirir. Bizimlə nümunə araşdırmamızda Emnotion-un havadan asılı olan müəssisələrə daha proaktiv, məlumatlara əsaslanan qərarlar qəbul etmək səlahiyyəti vermək üçün IBM Cloud-dan necə istifadə etdiyinə baxın.
AI modelləri böyük miqdarda məlumatları təhlil edə və məlumat dəsti daxilində qeyri-tipik məlumat nöqtələrini aşkar edə bilər. Bu anomaliyalar nasaz avadanlıq, insan xətası və ya təhlükəsizlik pozuntuları barədə məlumatlılığı artra bilər. Bizimlə nümunə araşdırmamızda Netox-un rəqəmsal biznesləri kibertəhdidlərdən qorumaq üçün IBM QRadar-dan necə istifadə etdiyinə baxın.
“Düşünən maşın” ideyası qədim Yunanıstana gedib çıxır. Lakin elektron hesablamanın yaranmasından bəri (və bu məqalədə müzakirə olunan bəzi mövzularla əlaqədar olaraq) süni intellektin təkamülündə mühüm hadisələr və mərhələlərə aşağıdakılar daxildir:
1950: Alan Turing Computing Machinery and Intelligence əsərini dərc edir (keçid ibm.com saytından kənarda yerləşir). Bu məqalədə İkinci Dünya Müharibəsi zamanı Almaniyanın ENIGMA kodunu sındırması ilə məşhur olan və tez-tez “kompüter elmlərinin atası” adlandırılan Turing aşağıdakı sualı verir: “Maşınlar düşünə bilərmi?” Oradan o, indi “Türing Testi” kimi məşhur olan, insan dindiricinin kompüter və insan mətn cavabını ayırmağa çalışacağı bir test təklif edir. Bu test dərc olunduğundan bəri çoxlu yoxlamalardan keçsə də, o, AI tarixinin mühüm hissəsi və linqvistika ətrafında ideyalardan istifadə etdiyi üçün fəlsəfə daxilində davam edən konsept olaraq qalır.
1956: Con MakKarti Dartmouth Kollecində keçirilən ilk AI konfransında “süni intellekt” terminini işlədir. (MakKarti Lisp dilini ixtira etməyə davam edəcəkdi.) Həmin ilin əvvəlində Allen Newell, J.C. Şou və Herbert Simon ilk işləyən AI proqram təminatı Logic Theorist-i yaradırlar.
1967: Frank Rozenblatt sınaq və səhv yolu ilə “öyrənən” neyron şəbəkəsinə əsaslanan ilk kompüter olan Mark 1 Perceptron-u qurur. Cəmi bir il sonra Marvin Minski və Seymur Papert neyron şəbəkələri üzrə əlamətdar işə və ən azı bir müddət gələcək neyron şəbəkəsi tədqiqat layihələrinə qarşı arqumentə çevrilən Perceptrons adlı kitab nəşr edirlər.
1980-ci illər: Özünü öyrətmək üçün əks yayılma alqoritmindən istifadə edən neyron şəbəkələri AI tətbiqlərində geniş istifadə olunmağa başlayır.
1995: Stüart Rassell və Piter Norviq Artificial Intelligence: A Modern Approach əsərini dərc edirlər (keçid ibm.com saytından kənarda yerləşir) və bu əsər AI-ın öyrənilməsində aparıcı dərsliklərdən birinə çevrilir. Orada onlar kompüter sistemlərini rasionallıq və düşünməklə hərəkət etmək prinsipi əsasında fərqləndirən AI-ın dörd potensial məqsədi və ya tərifini araşdırırlar.
1997: IBM-in Deep Blue şahmat matçında (və revanş matçında) həmin dövrün dünya şahmat çempionu Qarry Kasparovu məğlub edir.
2004: Con MakKarti What Is Artificial Intelligence? məqaləsini yazır (keçid ibm.com saytından kənarda yerləşir) və AI-ın tez-tez istinad edilən tərifini təklif edir.
2015: Baidu-nun Minwa superkompüter orta insanla müqayisədə daha yüksək dəqiqliklə şəkilləri müəyyən etmək və kateqoriyalara ayırmaq üçün konvolyusion neyron şəbəkəsi adlanan xüsusi dərin neyron şəbəkə növündən istifadə edir.
2016: Dərin neyron şəbəkəsi ilə təchiz edilmiş DeepMind-ın AlphaGo proqramı beş oyunluq matçda dünya çempionu Go oyunçusu Li Sodolu məğlub edir. Oyun irəlilədikcə mümkün gedişlərin çoxluğuna görə qələbə əhəmiyyətlidir (cəmi dörd gedişdən sonra 14,5 trilyondan çox!). Daha sonra Google DeepMind-ı təxminən 400 milyon ABŞ dollarına satın aldı.
2023: ChatGPT kimi böyük dil modellərinin və ya LLM-lərin yüksəlişi AI-ın performansında və onun müəssisə dəyərini artırmaq potensialında nəhəng dəyişiklik yaradır. Bu yeni generativ AI təcrübələri ilə dərin öyrənmə modelləri geniş miqyasda xam, etiketlənməmiş məlumatlar üzrə əvvəlcədən öyrədilə bilər.
Yanınızda IBM-in sənayedə qabaqcıl AI təcrübəsi və həllər portfeli ilə biznesinizdə AI-ı işə salın.
Təcrübələri, real vaxt qərarlarının qəbul edilməsini və biznes dəyərini maksimum dərəcədə artırmaq üçün AI əlavə etməklə kritik iş axınlarını və əməliyyatlarını yenidən kəşf edin.
AI cavab müddətlərini sürətləndirmək və resursları çatışmayan təhlükəsizlik əməliyyatlarını gücləndirmək üçün külli miqdarda risk məlumatlarını təhlil edərək kibertəhlükəsizlik üçün oyunu dəyişdirir.
Biznes ehtiyaclarınız üçün təməl modelini seçmək üçün model seçimi çərçivəsindən necə istifadə edəcəyinizi öyrənin.
Bu gün fərdi və ya çox istifadəçili rəqəmsal öyrənmə abunəliyi əldə etməklə 100-dən çox onlayn kursdan ibarət tam kataloqumuza daxil olun, bu da sizə bir aşağı qiymətə məhsullarımız üzrə bacarıqlarınızı genişləndirməyə imkan verir.
IBM watsonx Assistant 2023-cü il Gartner Peer Insights Enterprise Conversational AI platformaları üçün Müştərinin Səsi hesabatında Müştərilərin Seçimi kimi tanındı
Əlaqəli xidmət: AI Marketinq Agentliyi