Bilim muhandisligi - bu mavjud bilimlar asosida muammolarga yechim topishga moʻljallangan tizimlarni yaratishga qaratilgan usullar, modellar va texnikalar toʻplami. Aslida, bu atama bilimlarni tahlil qilish, olish, qayta ishlash va taqdim etish usullarini qamrab oluvchi metodologiya, nazariya va texnologiya sifatida tushuniladi.
Sun'iy intellektning mohiyati insonga xos bo'lgan intellektual funktsiyalarni ilmiy tahlil qilish va avtomatlashtirishdan iborat. Shu bilan birga, ularni mashinada amalga oshirishning murakkabligi ko'pchilik muammolarga xosdir. AIni o'rganish muammolarni hal qilish ortida ekspert bilimlariga bo'lgan ehtiyoj, ya'ni nafaqat esda saqlash, balki kelajakda ekspert bilimlarini tahlil qilish va undan foydalanish imkonini beradigan tizimni yaratishga ishonch hosil qilish imkonini berdi; undan amaliy maqsadlarda foydalanish mumkin.
Termin tarixi
Bilim muhandisligi va intellektual axborot tizimlarini, xususan, ekspert tizimlarini ishlab chiqish bir-biri bilan chambarchas bog'liq.
AQShning Stenford universitetida 60-70-yillarda E. Feygenbaum boshchiligida a. DENDRAL tizimi, birozdan keyin - MYCIN. Ikkala tizim ham kompyuter xotirasida to'plash va muammolarni hal qilishda mutaxassislarning bilimlaridan foydalanish qobiliyati tufayli mutaxassis unvonini oldi. Texnologiyaning ushbu sohasi ekspert tizimlarining yaratuvchisiga aylangan professor E. Feygenbaumning xabaridan "bilim muhandisligi" atamasini oldi.
Yondoshuvlar
Bilim muhandisligi ikkita yondashuvga asoslanadi: bilimlarni oʻzgartirish va model yaratish.
- Bilimlarni o'zgartirish. Ekspertizani o'zgartirish jarayoni va ekspert bilimlaridan uning dasturiy ta'minotini amalga oshirishga o'tish. Bilimga asoslangan tizimlarning rivojlanishi shu asosda qurilgan. Bilimlarni ifodalash formati - qoidalar. Kamchiliklari - yashirin bilimlarni va har xil turdagi bilimlarni adekvat shaklda ifodalashning mumkin emasligi, ko'p sonli qoidalarni aks ettirishning qiyinligi.
- Qurilish modellari. Qurilish AI simulyatsiya turi hisoblanadi; mutaxassislar bilan teng asosda muayyan sohadagi muammolarni hal qilish uchun mo'ljallangan kompyuter modelini qurish. Model kognitiv darajadagi mutaxassis faoliyatiga taqlid qilishga qodir emas, lekin shunga o'xshash natijaga erishish imkonini beradi.
Bilimlar injeneriyasining modellari va usullari kompyuter tizimlarini ishlab chiqishga qaratilgan boʻlib, ularning asosiy maqsadi mutaxassislardan mavjud bilimlarni olish va keyinchalik undan samarali foydalanish uchun tashkil etishdir.
Sun'iy intellekt, neyron tarmoqlar va mashinani o'rganish: farq nima?
Sun'iy intellektni amalga oshirish usullaridan biri bu neyrondirtarmoq.
Mashinani oʻrganish - bu oʻz-oʻzini oʻrganish algoritmlarini yaratish usullarini oʻrganishga qaratilgan sunʼiy intellektni rivojlantirish sohasi. Buning zarurati muayyan muammoning aniq yechimi bo'lmaganda paydo bo'ladi. Bunday vaziyatda yechim izlagandan ko'ra, uni topish usulini yarata oladigan mexanizmni ishlab chiqish foydaliroq.
Koʻp qoʻllaniladigan "chuqur" ("chuqur") oʻrganish atamasi ishlash uchun katta hajmdagi hisoblash resurslarini talab qiluvchi mashinani oʻrganish algoritmlariga ishora qiladi. Ko'p hollarda kontseptsiya neyron tarmoqlar bilan bog'langan.
Sun'iy intellektning ikki turi mavjud: tor yo'n altirilgan yoki zaif, umumiy yoki kuchli. Zaiflarning harakati muammolarning tor ro'yxatiga yechim topishga qaratilgan. Dar yo'n altirilgan AIning eng ko'zga ko'ringan vakillari Google Assistant, Siri va Elis ovozli yordamchilaridir. Aksincha, kuchli sun'iy intellekt qobiliyati unga deyarli har qanday insoniy vazifani bajarishga imkon beradi. bugungi kunda sun'iy umumiy intellekt utopiya hisoblanadi: uni amalga oshirishning iloji yo'q.
Mashina oʻrganish
Mashinani oʻrganish bu tajribadan oʻrganishi mumkin boʻlgan mashina yaratish uchun ishlatiladigan sunʼiy intellekt sohasidagi usullarni anglatadi. O‘quv jarayoni deganda mashina tomonidan ulkan ma’lumotlar massivlarini qayta ishlash va ulardagi naqshlarni izlash tushuniladi.
Mashinalarni oʻrganish va maʼlumotlar fani tushunchalari, oʻxshashligiga qaramay, baribir farq qiladi va ularning har biri oʻz vazifalarini bajara oladi. Ikkala asbob ham sun'iyga kiritilganrazvedka.
Inteliy intellektning tarmoqlaridan biri boʻlgan mashinani oʻrganish bu algoritmlar boʻlib, ular asosida kompyuter qatʼiy belgilangan qoidalarga rioya qilmasdan xulosalar chiqarishi mumkin. Mashina inson miyasidan farqli o'laroq, ko'p sonli parametrlarga ega murakkab vazifalarda naqshlarni qidiradi, aniqroq javoblarni topadi. Usul natijasi aniq bashoratdir.
Ma'lumotlar fani
Ma'lumotlarni qanday tahlil qilish va ulardan qimmatli bilim va ma'lumotlarni olish haqidagi fan (ma'lumotni qazib olish). U mashinani o'rganish va fikrlash fani, katta hajmdagi ma'lumotlar bilan o'zaro ta'sir qilish texnologiyalari bilan bog'lanadi. Ma'lumotlar fanining ishi ma'lumotlarni tahlil qilish va keyingi saralash, qayta ishlash, namuna olish va ma'lumotlarni qidirish uchun to'g'ri yondashuvni topish imkonini beradi.
Masalan, korxonaning moliyaviy xarajatlari toʻgʻrisidagi maʼlumotlar va kontragentlar toʻgʻrisidagi maʼlumotlar mavjud boʻlib, ular faqat operatsiyalarning vaqti va sanasi va oraliq bank maʼlumotlari bilan bogʻlangan. Oraliq ma'lumotlarni chuqur mashina tahlili sizga eng qimmat kontragentni aniqlash imkonini beradi.
Neyron tarmoqlar
Neyron tarmoqlar alohida vosita emas, balki mashinani oʻrganish turlaridan biri boʻlib, sunʼiy neyronlar yordamida inson miyasining ishini taqlid qilishga qodir. Ularning harakati vazifani hal qilishga va xatolarni minimallashtirish orqali toʻplangan tajribaga asoslangan holda oʻz-oʻzini oʻrganishga qaratilgan.
Mashinani oʻrganish maqsadlari
Mashinani o'rganishning asosiy maqsadi turli xil tahliliy echimlarni qidirishni qisman yoki to'liq avtomatlashtirish hisoblanadi.vazifalar. Shu sababli, mashinani o'rganish olingan ma'lumotlarga asoslangan eng aniq bashoratlarni berishi kerak. Mashinada o'rganish natijasi - natijani bashorat qilish va eslab qolish, keyinchalik takrorlash va eng yaxshi variantlardan birini tanlash imkoniyati.
Mashinani oʻrganish turlari
Oʻqituvchi borligiga koʻra taʼlimning tasnifi uchta toifaga boʻlinadi:
- Oʻqituvchi bilan. Bilimlardan foydalanish mashinani signallar va ob'ektlarni tanib olishga o'rgatish bilan bog'liq bo'lsa ishlatiladi.
- Oʻqituvchisiz. Ishlash printsipi ob'ektlar o'rtasidagi o'xshashlik va farqlarni, anomaliyalarni aniqlaydigan, so'ngra ularning qaysi biri o'xshash yoki g'ayrioddiy deb hisoblanishini tan oladigan algoritmlarga asoslanadi.
- Mustahkamlagichlar bilan. Mashina koʻplab yechimlari boʻlgan muhitda vazifalarni toʻgʻri bajarishi kerak boʻlganda foydalaniladi.
Qo'llaniladigan algoritmlar turiga ko'ra ular quyidagilarga bo'linadi:
- Klassik ta'lim. O'rganish algoritmlari yarim asrdan ko'proq vaqt oldin statistika idoralari uchun ishlab chiqilgan va vaqt o'tishi bilan sinchkovlik bilan o'rganilgan. Maʼlumotlar bilan ishlash bilan bogʻliq muammolarni hal qilish uchun foydalaniladi.
- Chuqur oʻrganish va neyron tarmoqlar. Mashinani o'rganishga zamonaviy yondashuv. Neyron tarmoqlar video va tasvirlarni yaratish yoki tanib olish, mashina tarjimasi, murakkab qarorlar qabul qilish va tahlil jarayonlari zarur bo‘lganda foydalaniladi.
Bilim muhandisligida bir nechta turli yondashuvlarni birlashtirgan modellar ansambllari mumkin.
Mashina oʻrganishning afzalliklari
Mashinani oʻrganishning turli turlari va algoritmlarining malakali kombinatsiyasi bilan oddiy biznes jarayonlarini avtomatlashtirish mumkin. Ijodiy qism - muzokaralar olib borish, shartnomalar tuzish, strategiyalarni ishlab chiqish va amalga oshirish - odamlarga qoldiriladi. Bu boʻlinish muhim, chunki odam mashinadan farqli oʻlaroq, qutidan tashqarida oʻylay oladi.
AI yaratish muammolari
AI yaratish kontekstida sun'iy intellektni yaratishning ikkita muammosi mavjud:
- Shaxsni o'z-o'zini tashkil etuvchi ong va iroda erkinligi sifatida tan olishning qonuniyligi va shunga mos ravishda sun'iy intellektni oqilona deb tan olish uchun ham xuddi shunday talab qilinadi;
- Sun'iy intellektni inson ongi va uning qobiliyatlari bilan taqqoslash, bu barcha tizimlarning individual xususiyatlarini hisobga olmaydi va ularning faoliyatining ma'nosizligi tufayli ularni kamsitishga olib keladi.
Sun'iy intellektni yaratish muammolari, jumladan, tasvirlar va majoziy xotirani shakllantirishda yotadi. Odamlardagi obrazli zanjirlar mashinaning ishlashidan farqli ravishda assotsiativ shakllanadi; inson aqlidan farqli o'laroq, kompyuter ma'lum papkalar va fayllarni qidiradi va assotsiativ aloqa zanjirlarini tanlamaydi. Bilim injeneriyasidagi sun'iy intellekt o'z ishida ma'lum ma'lumotlar bazasidan foydalanadi va tajriba o'tkaza olmaydi.
Ikkinchi muammo - bu mashina uchun tillarni o'rganish. Matnni tarjima dasturlari orqali tarjima qilish ko'pincha avtomatik tarzda amalga oshiriladi va yakuniy natija so'zlar to'plami bilan ifodalanadi. To'g'ri tarjima qilish uchunAI uchun amalga oshirish qiyin bo'lgan jumlaning ma'nosini tushunishni talab qiladi.
Sun'iy intellekt irodasining namoyon boʻlmasligi ham uni yaratish yoʻlidagi muammo hisoblanadi. Oddiy qilib aytganda, kompyuterda murakkab hisob-kitoblarni amalga oshirish kuchi va qobiliyatidan farqli o'laroq, shaxsiy xohish-istaklari yo'q.
Zamonaviy sun'iy intellekt tizimlari keyingi mavjudlik va takomillashtirish uchun hech qanday rag'batga ega emas. Aksariyat AIlar faqat insoniy vazifa va uni bajarish zarurati bilan turtki bo'ladi. Nazariy jihatdan bunga kompyuter va odam oʻrtasida fikr-mulohaza yaratish va kompyuterning oʻz-oʻzini oʻrganish tizimini takomillashtirish orqali taʼsir qilish mumkin.
Sun'iy ravishda yaratilgan neyron tarmoqlarning primitivligi. Bugungi kunda ular inson miyasi bilan bir xil bo'lgan afzalliklarga ega: ular shaxsiy tajribaga asoslangan holda o'rganishadi, ular xulosa chiqarishga va olingan ma'lumotlardan asosiy narsani ajratib olishga qodir. Shu bilan birga, aqlli tizimlar inson miyasining barcha funktsiyalarini takrorlashga qodir emas. Zamonaviy neyron tarmoqlarga xos bo'lgan aql hayvonlarning aqlidan oshmaydi.
Harbiy maqsadlarda sun'iy intellektning minimal samaradorligi. Sun'iy intellektga asoslangan robotlar yaratuvchilari sun'iy intellektning real vaqt rejimida o'z-o'zini o'rganish, avtomatik ravishda tan olish va olingan ma'lumotlarni to'g'ri tahlil qilish qobiliyatiga ega emasligi muammosiga duch kelishmoqda.
