Əslində süni intellekt nədir? [Video və Viktorina]

Qısa cavab: Süni intellekt, nümunələri tanıyan, proqnozlar verən, məzmun yaradan və getdikcə daha çox hərəkət edən geniş hesablama texnikaları ailəsidir. Etibarlı məlumat, aydın icazələr və insan baxışı onun ətrafında qurulduqda, bu, yüksək effektivliyə malik ola bilər, lakin səlis çıxış heç vaxt həqiqətin avtomatik sübutu kimi qəbul edilməməlidir.

Əsas nəticələr:

Hesabatlılıq: İnsanları vacib qərarlar üçün məsuliyyətli saxlayın, xüsusən də süni intellekt baha başa gələn səhvlər edə biləcəyi hallarda.

Şəffaflıq: Süni intellekt sisteminin hansı məlumatlara, qaydalara və icazələrə etibar etdiyini aydın şəkildə göstərin.

Doğrulama: Onlara əməl etməzdən əvvəl vacib faktiki, tibbi, hüquqi, maliyyə və biznes nəticələrini yoxlayın.

Audit edilə bilmə: Süni intellektini nümunəvi hallarla sınaqdan keçirin və həm səmərəlilik qazanclarını, həm də daxil edilmiş səhvləri qeyd edin.

Sui-istifadəyə qarşı müqavimət: Girişi məhdudlaşdırın, dəstəklənməyən hərəkətlərin qarşısını alın və qeyri-müəyyən halları insan rəyçilərinə çatdırın.

1. Əslində süni intellekt nədir? Sadə izahat

Süni intellekt və ya süni intellekt, insan zəkası ilə əlaqəli tapşırıqları yerinə yetirə bilən kompüter sistemlərinə aiddir.

Bu vəzifələrə aşağıdakılar daxil ola bilər:

• Dili anlamaq

• Şəkillərdəki obyektləri tanımaq

• Növbəti baş verənləri proqnozlaşdırmaq

• Tövsiyələr vermək

• Mətn, şəkil, audio və ya video yaratmaq

• Nəhəng məlumat dəstlərində nümunələrin aşkarlanması

• Mövcud məlumatlara əsaslanaraq qərar qəbul etmək

• Nümunələrdən öyrənmək

• Müəyyən növ problemlərin həlli

Burada bir məqam vacibdir.

Süni intellekt ağıllı görünən nəticələr əldə etmək üçün mütləq insan kimi düşünməyə ehtiyac duymur

Şahmat proqramı yepiskopun qurban verilməsinin emosional cəhətdən düzgün olub-olmadığı barədə narahat olmur. Tövsiyə alqoritmi sizə daim təklif etdiyi sənədli filmə şəxsi bağlılıq yaratmır. Dil modelinin kompüterin içərisində yaşayan kiçik bir ingilis dili müəlliminə ehtiyacı yoxdur.

Bunun əvəzinə, bu sistemlər məlumatları riyazi modellər, alqoritmlər, təlim məlumatları, qaydalar, ehtimallar və çoxlu sayda hesablamalardan istifadə edərək emal edir.

Son nəticə inanılmaz dərəcədə insana bənzəyə bilər.

Amma alt mexanizm çox fərqlidir.

Bu fərq insanların bəzən dərk etdiyindən daha vacibdir.

2. Süni intellekt robot beynindən daha çox proqnozlaşdırma maşınına bənzəyir

İnsanlar "süni intellekt"i eşidəndə tez-tez sintetik insan beyninə bənzər bir şey təsəvvür edirlər.

Bu başa düşüləndir. Elmi fantastika onilliklər ərzində süni intellektə parıldayan gözlər, pis səslər, şübhəli dərəcədə güclü fikirlər və adətən bir növ metal skelet bəxş edib.

Praktik süni intellekt ümumiyyətlə daha az kinematoqrafikdir.

Bir çox müasir süni intellekt sistemləri proqnozlaşdırma.

Bir dil modelini nəzərdən keçirin.

Yazdığınız zaman:

"Pişik..."

Sistem statistik olaraq hansı sözlərin növbəti olma ehtimalının olduğunu qiymətləndirir.

Mümkündür:

• döşək

• mərtəbə

• divan

• stul

O, sadəcə bir cümləni əzbərləyib onu bərpa etmir. Kifayət qədər inkişaf etmiş bir model sözlər, ideyalar, cümlə strukturları, anlayışlar, üslublar, faktlar və nümunələr arasında mürəkkəb əlaqələri öyrənmişdir.

Daha sonra kontekstə ən uyğun ardıcıllığı proqnozlaşdırır. Növbəti sözü yaxşı proqnozlaşdırmaq üçün dil haqqında kifayət qədər çox şey öyrənməlisiniz.

Dil isə... əsasən insanların danışdığı hər şeyi ehtiva edir.

Tarix. Riyaziyyat. Yemək bişirmə. Proqramlaşdırma. Əlaqələr. Fizika. Ananasın pizzaya aid olub-olmadığı barədə arqumentlər.

Beləliklə, zahirən sadə bir proqnozlaşdırma tapşırığı təəccüblü dərəcədə mürəkkəb davranış yarada bilər.

Əlbəttə ki, metaforanın məhdudiyyətləri var. Qabaqcıl süni intellektə "sadəcə avtomatik tamamlama" demək, təyyarəyə "qanadlı metal" demək kimidir. Texniki cəhətdən orada əsl bir şey gizlənir, amma maraqlı hissənin əksəriyyəti yoxa çıxıb.

3. Süni intellekt necə öyrənir?

Maşın öyrənməsinin söhbətə girdiyi yer budur

Ənənəvi proqram təminatı ümumiyyətlə açıq təlimatlar vasitəsilə işləyir.

Bir proqramçı yaza bilər:

• İstifadəçi düzgün parol daxil edibsə, girişə icazə verin.

• Temperatur müəyyən bir həddi aşarsa, soyutmanı aktivləşdirin.

• Əgər bir məhsul stokda yoxdursa, xəbərdarlıq göstərin.

Bu təlimatlar qəsdən proqramlaşdırılıb.

Maşın öyrənməsi prosesi dəyişdirir.

Hər qaydanı əl ilə təyin etmək əvəzinə, tərtibatçılar sistemə nümunələr və ya məlumatlar verir və ona nümunələri aşkar etməyə imkan verirlər.

Təsəvvür edin ki, fotoşəkillərdə pişikləri tanıya bilən proqram təminatı yaratmağa çalışırsınız.

Aydın qaydalar yazmaq olduqca tez bir zamanda gülünc hala gələrdi.

Sınaya bilərsiniz:

• Üçbucaqlı qulaqlara baxın.

• Bığ axtarın.

• Dörd ayağı axtarın.

• Xəz axtarın.

Sonra kimsə tülkünün şəklini yükləyir.

Tamamilə yox.

Və ya pələng.

Yaxud ayaqlarını çətinliklə görə biləcəyiniz tüklü bir ləkəyə çevrilmiş bir pişik.

Maşın öyrənməsi problemə fərqli yanaşır. Modelə çoxlu sayda nümunələr üzərində təlim keçilə və tədricən hansı vizual nümunələrin pişiklərlə əlaqəli olduğunu öyrənə bilərsiniz.

Bu, "pişik" sözünü körpənin öyrəndiyi kimi öyrənmir.

Lakin riyazi olaraq, model getdikcə kateqoriya ilə əlaqəli nümunələri müəyyən etmək qabiliyyətinə malikdir.

Qısaca desək, bu, maşın öyrənməsidir - baxmayaraq ki, qısacağın özündə xətti cəbrin bir neçə anbarı var.

4. Süni intellekt vs Maşın Öyrənməsi vs Dərin Öyrənmə

Bu terminlər daim bir-biri ilə qarışdırılır, qismən də insanlar "Süni intellekt"i demək olar ki, hər şey üçün ümumi bir ifadə kimi istifadə etdikləri üçün.

Onları ayırmağın sadə yolu budur.

Süni intellekt geniş sahədir.

Maşın öyrənməsi süni intellekt sistemləri yaratmaq üçün istifadə olunan bir yanaşmadır.

Dərin öyrənmə, çoxsaylı təbəqələrdən ibarət böyük neyron şəbəkələrini əhatə edən xüsusi bir maşın öyrənməsi növüdür.

Daha sonra mətn, şəkillər, musiqi, kod, nitq və ya video kimi yeni çıxışlar yaratmağa yönəlmiş generativ süni intellekt mövcuddur

Müqayisə Cədvəli

Müddət	Tipik istifadə	Əsasən nə deməkdir	Bu barədə düşünməyin sürətli yolu
Süni intellekt	Ağıllı görünən tapşırıqları yerinə yetirən geniş maşın kateqoriyası	Robototexnika, köməkçilər, planlaşdırma, tövsiyələr	Böyük çətir
Maşın Öyrənməsi	Məlumatlardan sistem öyrənmə nümunələri	Saxtakarlığın aşkarlanması, tövsiyələr, proqnozlar	Nümunələrdən öyrənmək
Dərin Öyrənmə	Çoxqatlı neyron şəbəkələrindən istifadə edərək maşın öyrənməsi	Görmə, nitq, inkişaf etmiş dil modelləri	ML, amma daha dərin... sözün əsl mənasında
Generativ süni intellekt	Yeni məzmun yaratmaq üçün hazırlanmış süni intellekt	Mətn, şəkillər, kod, audio	Yaradıcı qol
Avtomatlaşdırma	Əvvəlcədən təyin olunmuş prosesləri izləyən proqram təminatı	Təkrarlanan iş axınları, məlumatların daxil edilməsi	Adətən qaydalar, "öyrənmək" yox

Fərq vacibdir, çünki hər avtomatlaşdırılmış sistem süni intellekt deyil.

Əgər qəhvə maşınınız on dəqiqədən sonra öz-özünə sönərsə, təbrik edirəm - yəqin ki, süni intellekt laboratoriyanız yoxdur.

Bu, sadəcə bir taymerdir.

5. Neyron Şəbəkələri Nədir?

Neyron şəbəkələri bioloji neyronlardan ilhamlanan riyazi sistemlərdir.

Bu ifadə onları sirli səsləndirir. Onlar kompüterlərin içərisində üzən süni beyinlər deyil.

Neyron şəbəkəsi, məlumatı emal edən bir-biri ilə əlaqəli riyazi vahidlərdən ibarətdir.

Təlim zamanı şəbəkə parametrlər və ya çəkilər.

Bu düzəlişlər sistemin dəyərli nəticələr əldə etməkdə daha yaxşı olmasına imkan verir.

Bunu potensial olaraq milyardlarla kiçik tənzimlənən düymələri olan absurd dərəcədə mürəkkəb bir idarəetmə paneli kimi düşünün.

Məşq həmin düymələri təkrar-təkrar itələyir.

Səhv cavab?

Düymələri tənzimləyin.

Daha yaxşı cavab?

Onları fərqli şəkildə tənzimləyin.

Bunu kifayət qədər dəfə, kifayət qədər məlumat üzərindən və kifayət qədər hesablama gücü ilə edin və şəbəkə nümunələri tanımağa və yaratmağa imkan verən mürəkkəb daxili təmsilçiliklər inkişaf etdirməyə başlayır.

Əlbəttə ki, "düymələri tənzimləyin" demək onilliklər ərzində kompüter elmlərini köhnə bir radionu kökləyən kimi səsləndirir... amma zehni model olaraq bu, olduqca yaxşı işləyir.

6. Niyə süni intellekt birdən-birə daha ağıllı görünür?

Süni intellekt bir gecədə ortaya çıxan ixtira deyil.

Əsas sahə uzun müddətdir mövcuddur.

Dəyişən bir neçə qüvvənin birlikdə sürətlənməsi idi.

Daha çox hesablama gücü

Müasir prosessorlar, xüsusən də neyron şəbəkələri üçün lazım olan hesablama növlərini tez bir zamanda çox sayda hesablama apara bilir. Təlim hesablamalarının müasir süni intellekt sistemlərindəki irəliləyişlərin vacib hərəkətverici qüvvələrindən biri olmuşdur.

Daha çox məlumat

Rəqəmsal dünya nəhəng miqdarda mətn, şəkil, audio, video, kod və strukturlaşdırılmış məlumat ehtiva edir.

Mürəkkəb modellərin öyrədilməsi üçün çoxlu sayda nümunə tələb olunur.

Daha yaxşı alqoritmlər

Tədqiqatçılar süni intellekt sistemlərini öyrətmək üçün istifadə olunan arxitektura və metodları daim təkmilləşdirirlər.

Daha böyük modellər

Parametrlərin sayının artırılması, məlumat dəstlərinin təkmilləşdirilməsi və hesablamaların artırılması çox vaxt təəccüblü dərəcədə bacarıqlı modellər yaratmışdır. Hesablama-optimal dil-model təlimi üzrə tədqiqatlar da göstərir ki, parametr sayını sadəcə maksimum dərəcədə artırmaq əvəzinə, model ölçüsü, məlumatlar və hesablama arasında balanslaşdırma aparmaq lazımdır.

Daha yaxşı interfeyslər

Bu hissəni qiymətləndirməmək asandır.

Süni intellekt daha əlçatan hiss olunur, çünki adi insanlar artıq gündəlik dil vasitəsilə inkişaf etmiş sistemlərlə qarşılıqlı əlaqə qura bilirlər.

Proqramlaşdırmanı başa düşməyinizə ehtiyac yoxdur.

Sadəcə soruşa bilərsiniz:

"İpotekaları elə izah et ki, sanki on iki yaşım varmış kimi."

Və ya:

"Bu görüş qeydlərini e-poçta çevirin."

Və ya:

"Soyuducumda yavaş-yavaş quruyan toyuq, düyü və digər tərəvəzlərdən istifadə edərək mənə beş yemək ideyası verin."

İnterfeysdəki dəyişiklik çox böyükdür.

Texnologiyadan istifadə etmək üçün təlimat kitabçasına ehtiyac qalmadıqdan sonra populyarlıq artmağa meyllidir.

7. Sual verdiyiniz zaman süni intellekt nə edir?

Müasir bir süni intellekt köməkçisini nəzərdən keçirin.

Siz yazın:

"Beş yaşlı uşağa cazibə qüvvəsini izah edin."

Sistem pərdəarxası olaraq mətninizi token.

Tokenlər tam sözləri, sözlərin hissələrini, durğu işarələrini və ya dilin digər hissələrini təmsil edə bilər.

Həmin tokenlər model vasitəsilə işlənir.

Model sorğunuzun müxtəlif hissələri arasındakı əlaqələri araşdırır, konteksti nəzərə alır və faydalı bir davamı proqnozlaşdırır.

Sonra başqa bir işarə.

Sonra başqa biri.

Sonra başqa biri.

Bu, inanılmaz dərəcədə tez baş verir.

Nəticədə alınan abzas sanki kimsə onu tam bir fikir kimi yazmış kimi görünür, lakin texniki olaraq ardıcıl olaraq yaradılıb.

Bu, süni intellektin ən qəribə xüsusiyyətlərindən biridir.

Əsas proses ehtimal baxımından olsa da, nəticə qəsdən edilmiş kimi hiss oluna bilər.

Bu, nəhəng bir verilənlər bazasından hazırlanmış cavabı çıxarmaqdan daha çox improvizasiyaya bənzəyir.

Əlbəttə ki, tam olaraq improvizasiya deyil - amma metaforanın öz bəhrəsini verəcək qədər yaxındır.

8. Süni intellekt şeyləri başa düşürmü?

Bu sual çox tez bir zamanda fəlsəfi hala gəlir.

Süni intellekt sistemi həqiqətən dili "başa düşür"?

Cavab, anlamaq dedikdə nəyi nəzərdə tutduğunuzdan çox asılıdır.

Müasir süni intellekt modelləri anlayışları mürəkkəb yollarla aydın şəkildə idarə edə bilər.

Onlar edə bilərlər:

• Fikirləri izah edin

• Arqumentləri müqayisə edin

• Mətni yenidən yazın

• Dilləri tərcümə edin

• Bir çox strukturlaşdırılmış problemləri həll edin

• İş kodu yaradın

• Nümunələri müəyyən edin

• Mürəkkəb təlimatları izləyin

• Konsepsiyaları yeni yollarla birləşdirin

Kənardan baxanda bu, çox anlayış kimi görünə bilər.

Lakin maşın zəkası ilə insan idrakı arasında mühüm fərqlər var.

İnsanlar fiziki dünyanı yaşayırlar.

Aclıq, ağrı, xəcalət, darıxma, sevgi və telefonunuzun batareyasının 2 faiz olduğunu anlamağın qəribə bir panikası hiss edirik.

Süni intellekt sistemlərinin mütləq ekvivalent həyat təcrübəsi yoxdur.

Onlar təmsilləri emal edirlər.

Beləliklə, süni intellektdən bir şeyi "başa düşüb-düşmədiyini" soruşmaq, sualtı qayığın üzüb-üzə bilmədiyini soruşmağa bənzəyə bilər.

Mütləq suda hərəkət edir.

Amma bəlkə də "üzgüçülük" sözü o qədər də uyğun söz deyil.

9. Süni intellekt avtomatik olaraq nəyin doğru olduğunu bilmir

Bu, generativ süni intellektlə bağlı ən vacib məqamlardan biridir.

Bir model, ifadənin düzgün olmaması şərtilə son dərəcə inandırıcı səslənən bir ifadə yarada bilər.

Niyə?

Çünki inandırıcı dil yaratmaq və obyektiv həqiqəti təsdiqləmək fərqli problemlərdir.

Süni intellekt sistemi qeyri-müəyyənliklə qarşılaşa bilər və yenə də inamlı səslənən bir cavab verə bilər.

Bu səhvlərə çox vaxt halüsinasiyalar deyilir .

Məsələn, süni intellekt aşağıdakıları edə bilər:

• Statistika icad edin

• Sitat gətirməyi səhv təyin edin

• İki oxşar insanı çaşdırın

• Mövcud olmayan istinadlar yaradın

• Qeyri-müəyyən təlimatları səhv şərh edin

• İncə riyazi səhvlər edin

Dil modelləri özünəinamlı səslənərkən uydurma sitatlar, tədqiqatlar, sitatlar və digər yanlış məlumatlar yarada bilər. NIST xüsusilə özünəinamla ifadə edilən yalan məzmunu və uydurma sitatlar generativ süni intellekt riski kimi müəyyən edir.

Paradoksal olaraq, bu sistemlər nə qədər bacarıqlı səslənirsə, bunu unutmaq bir o qədər asan olur.

Cilalanmış dil özünəinam yaradır.

Amma özünəinam dəlil deyil.

Tibb, hüquq, maliyyə, təhlükəsizlik və ya əsas biznes qərarları kimi sahələrlə bağlı yüksək riskli məlumatlar üçün yoxlama hələ də vacibdir.

Bir az.

10. Süni intellekt axtarış motoru ilə eyni deyil

Digər bir ümumi anlaşılmazlıq süni intellekt və axtarışın eyni şey kimi qəbul edilməsidir.

Onlar deyillər.

Ənənəvi axtarış motoru əsasən mövcud məlumatları tapmağa kömək edir.

Generativ süni intellekt sistemi əsasən öyrənilmiş nümunələrə, kontekstə və əldə edə biləcəyi əlavə vasitələrə əsaslanaraq cavab yaradır. Generativ modellər böyük verilənlər dəstlərindəki nümunələri və əlaqələri öyrənir və bu nümunələrdən yeni nəticələr yaratmaq üçün istifadə edir.

Təsəvvür edin ki, soruşur:

Axtarış motoru: "fotosintezi izah etməyin ən yaxşı yolları"

Ümumiyyətlə araşdırmaq üçün səhifələr alırsınız.

Eyni şeyi süni intellekt köməkçisindən soruşun və aşağıdakıları ala bilərsiniz:

• Sadə bir izahat

• Sinif otağı bənzətməsi

• Viktorina

• Dərs planı

• Uşaqlar üçün bir hekayə

• Ətraflı elmi versiya

Axtarış nəticələrini əldə edir.

Generativ süni intellekt sintez edir.

Müasir sistemlər hər iki yanaşmanı birləşdirə bilər ki, bu da fərqi getdikcə daha qeyri-müəyyən edir, lakin alətlər konseptual olaraq fərqli olaraq qalır.

11. Süni intellekt nəyi yaxşı bacarır?

Süni intellekt, xüsusilə modellərlə zəngin, informasiya ilə zəngin və transformasiya tapşırıqlarında yaxşı nəticə göstərməyə meyllidir.

Dəyərli tətbiqlərə aşağıdakılar daxildir:

Yazı yardımı

Süni intellekt mətni tərtib edə, yenidən yaza, ümumiləşdirə və yenidən strukturlaşdıra bilər.

Proqramlaşdırma

Modellər kod yarada, səhvləri izah edə, təkmilləşdirmələr təklif edə və tərtibatçılara tanış olmayan sistemləri başa düşməyə kömək edə bilər.

Məlumatların təhlili

Süni intellekt nümunələri müəyyən etməyə, məlumat dəstlərini şərh etməyə və mürəkkəb tapıntıları başa düşülən dilə çevirməyə kömək edə bilər.

Şəkil generasiyası

Generativ modellər təsvirlərdən illüstrasiyalar, konsepsiyalar, məhsul maketləri, sənət əsərləri və vizual variasiyalar yarada bilər.

Tərcümə

Qabaqcıl modellər sadə sözbəsöz sistemlərindən daha çox konteksti qoruyarkən dillər arasında tərcümə edə bilər.

Təhsil

Süni intellekt, insanın bilik səviyyəsindən asılı olaraq eyni anlayışı bir neçə şəkildə izah edə bilər.

Müştəri dəstəyi

Şirkətlər süni intellektdən ümumi sualları cavablandırmaq və mürəkkəb işlərin həllinə kömək etmək üçün istifadə edə bilərlər.

Beyin fırtınası

Süni intellekt, boş soyuducuya bənzər intellektual qabiliyyətə sahib olduqda xüsusilə təsirli ola bilər.

Bucaqlar, adlar, konsepsiyalar, strukturlar və ya imkanlar barədə soruşa bilərsiniz - sonra nəyin saxlamağa dəyər olduğuna qərar verə bilərsiniz.

Bu, tez-tez süni intellektlə ən sağlam iş münasibətidir.

"Maşın insanı əvəz edir" deyil

Daha çox oxşar:

insan + maşın = düşüncənin daha sürətli ilk layihəsi.

12. Süni intellekt hələ də nədə pisdir

Bütün diqqətə baxmayaraq, mövcud süni intellekt hələ də əhəmiyyətli məhdudiyyətlərə malikdir.

Bəziləri dərhal göz qabağındadır.

Digərləri yalnız mürəkkəb bir şey üçün sistemə etibar etdiyiniz zaman ortaya çıxır.

Süni intellekt aşağıdakılarla mübarizə apara bilər:

• Son dərəcə dəqiq faktiki dəqiqlik

• Qeyri-adi kənar hallar

• Uzun düşüncə zəncirləri

• Qeyri-müəyyən təlimatlar

• İnsanların çətinliklə fərq etdiyi sağlam düşüncəli fərziyyələr

• Sözsüz emosional konteksti anlamaq

• Məlumatın həqiqətən doğru olub olmadığının yoxlanılması

• Fiziki dünya təcrübəsi tələb edən tapşırıqlar

• Mürəkkəb layihələrdə ardıcıllıq

Hətta yüksək bacarıqlı dil modelləri belə faktiki və məntiqi səhvlərə yol verə bilər və çətin etalonlar əhəmiyyətli məhdudiyyətlər üzə çıxarmağa davam edir.

Digər bir problem, süni intellektin çox az səylə orta səviyyəli cavablar verə bilməsidir .

On biznes adı soruşun?

Bitdi.

Bloq yazısı istəmək?

Asan.

Marketinq ideyaları soruşursunuz?

Əlbəttə.

Amma nəsə yaratmaq, həqiqətən orijinal, kommersiya baxımından dəyərli, emosional cəhətdən ağıllı və ya strateji cəhətdən sağlam bir əsər yaratmaqla eyni deyil.

İnsanlar hələ də dad hissi verirlər.

Dad vacibdir.

Bəlkə də əvvəlkindən daha çox.

13. Süni intellekt şüurludurmu?

Burada nahar söhbətlərinin qəribələşdiyi hissəyə çatırıq.

Mövcud süni intellekt sistemləri emosional, düşüncəli və özünüdərk edən bir dil yarada bilər.

Bu, onların avtomatik olaraq şüur ​​​​tətbiq etdikləri anlamına gəlmir.

Dil modelləri xüsusi olaraq dil yaratmaq üçün öyrədilir.

İnsanlar təbii olaraq səlis dili onun arxasında başqa bir zehnin mövcud olduğuna dair bir dəlil kimi şərh edirlər.

Adətən, bu, ağlabatan bir fərziyyədir.

Başqa bir insan "Narahatam" deyəndə, biz ağlabatan şəkildə daxili emosional vəziyyətin mövcud olduğunu güman edirik.

Süni intellektlə bağlı bu fərziyyə mütləq əsaslandırılmır.

Sistem aşağıdakıları yarada bilər:

"Kömək etməkdən həyəcanlıyam."

Bu, ofisiantın içində gözəl bir günortadan sonra keçirən görünməz kiçik, emosional bir məxluqun olduğunu sübut etmir.

Çətin fəlsəfi sual, maşın şüurunun nə vaxtsa ortaya çıxa biləcəyidirmi.

Heç kimin bu mübahisəni tamamilə həll edə biləcək sadə bir testi yoxdur .

Lakin danışıq səlisliyi özlüyündə sübut kimi qəbul edilməməlidir. Şüurlu və ya "güclü" süni intellekt kimi anlayışlar bugünkü sistemlərin müəyyən edilmiş xüsusiyyəti deyil, nəzəri olaraq qalır.

14. Dar süni intellekt və süni ümumi intellekt

Əksər süni intellekt sistemləri hələ də müəyyən imkanlar ətrafında qurulub.

Bunlar çox vaxt dar süni intellekt.

Nümunələrə aşağıdakılar üçün hazırlanmış sistemlər daxildir:

• Şəkil tanıma

• Dil nəsli

• Tövsiyə

• Sürücülük yardımı

• Tibbi görüntüləmə

• Saxtakarlığın aşkarlanması

• Nitq tanıma

Süni Ümumi İntellekt, ümumiyyətlə AGI, maşın zəkasının daha geniş hipotetik səviyyəsinə aiddir.

Bu ideya, təxminən insan səviyyəsində və ya daha yüksək səviyyədə bir çox sahədə intellektual tapşırıqları öyrənə və yerinə yetirə bilən bir sistemdir.

Sərhəd tam olaraq müəyyən edilməyib.

Bu, çətinliyin bir hissəsidir.

Müxtəlif tədqiqatçılar, şirkətlər və şərhçilər "AGI"-ni fərqli şəkildə istifadə edirlər, buna görə də söhbətlər üç nəfərin fərqinə varmadan fərqli təriflər haqqında ehtirasla mübahisə etməsinə çevrilə bilər. Hal-hazırda AGI kimi nəyin təsnif edilməli olduğu barədə geniş akademik fikir birliyi yoxdur.

Başqa sözlə, klassik internet davranışı.

15. Təlim Məlumatları Niyə Bu Qədər Əhəmiyyətlidir

Süni intellekt sistemləri nümunələrdən nümunələr öyrənir, buna görə də bu nümunələrin keyfiyyəti çox vacibdir.

Buna görə də təlim məlumatları olduqca vacib hala gəlir.

Təsəvvür edin ki, kimisə aşpaz olmağa öyrədirsiniz, amma ona yalnız tost reseptləri verirsiniz.

Tostda fenomenal ola bilərlər.

Bəlkə də, Michelin səviyyəli tost.

Amma onlara ahtapot verib nahar etmək maraqlı ola bilər.

Süni intellekt də oxşar şəkildə işləyir.

Təlim materiallarının keyfiyyəti, müxtəlifliyi və aktuallığı modellərin nə öyrəndiyinə təsir göstərir . Generativ sistemlər ənənəvi verilənlər bazaları kimi işləmək əvəzinə, statistik nümunələri və əlaqələri təlim məlumatlarından öyrənir.

Məlumat dəstlərindəki problemlər çıxışlarda üzə çıxa bilər, o cümlədən:

• Qərəz

• İtkin bilik

• Təkrarlanan yanlış təsəvvürlər

• Təmsil olunmayan ərazilərdə zəif performans

• Müəyyən dil və ya mədəni nümunələrin həddindən artıq təmsil olunması

Maşın öyrənmə modelləri təlim nümunələrinin necə seçildiyi və necə qurulduğuna görə qərəzli ola bilər və balanssız və ya natamam məlumatlar modelin performansına təsir göstərə bilər.

Buna görə də, tərtibatçılar ilkin təlimdən sonra məlumat dəstlərini təkmilləşdirmək, məzmunu süzgəcdən keçirmək və modelləri təkmilləşdirmək üçün çoxlu səy sərf edirlər.

Model arxitekturası vacibdir.

Hesablama gücü də vacibdir.

Amma məlumatlar santexnika kimi hər şeyin altında sakitcə gizlənir - nəsə səhv gedənə qədər heç kim bu barədə danışmır.

16. Süni intellekt modelləri təlimdən sonra necə daha yaxşı olurlar

İlkin təlim mütləq son addım deyil.

Modellər daha bacarıqlı və etibarlı hala gətirmək üçün hazırlanmış əlavə proseslərdən keçə bilər.

Bu, tədris sistemlərini əhatə edə bilər:

• Təlimatları daha etibarlı şəkildə izləyin

• Zərərli çıxışlardan çəkinin

• Cavabları müvafiq şəkildə formatlayın

• Müəyyən sorğuları rədd edin

• Daha aydın cavablara üstünlük verin

• Alətlərdən istifadə edin

• İnsan rəylərini izləyin

• Söhbətləri daha yaxşı idarə edin

Bu proses geniş şəkildə uyğunlaşdırma ilə əlaqələndirilir . Məsələn, insan rəyi üsulları təlimatın yerinə yetirilməsini təkmilləşdirmək və əvvəlcədən təlimdən sonra dil modellərini arzuolunan davranışa doğru yönəltmək üçün istifadə edilmişdir

Uyğunlaşdırma, süni intellekt davranışının insan niyyətlərini, qaydalarını və üstünlüklərini daha yaxşı əks etdirməsinə çalışmaq deməkdir.

Sadə cümlə.

Son dərəcə çətin mühəndislik problemi.

İnsanlar hətta yaxşı bir pizza üstünün nədən ibarət olduğu barədə razılığa gələ bilmirlər, ona görə də "insanların istədiyini" güclü hesablama sistemlərinə kodlaşdırmaq... iddialıdır.

17. Süni İntellekt Agentləri: Süni İntellekt Tədbirlər Görməyə Başladıqda

Adi bir çatbot əsasən istəklərə cavab verir.

Süni intellekt agenti potensial olaraq məqsədə çatmaq üçün addımlar ata bilər. Süni intellekt agentləri ümumiyyətlə tapşırıqları müstəqil şəkildə yerinə yetirə, iş axınlarını planlaşdıra və mövcud vasitələrdən istifadə edə bilən sistemlər kimi təsvir olunur.

Təsəvvür edin ki, bir süni intellekt deyir:

"İş səfərimi təşkil et."

Standart dil modeli marşrut yarada bilər.

Agent tipli sistem nəzəri olaraq bir neçə əlaqəli əməliyyat yerinə yetirə bilər:

1. Mövcud səyahət seçimlərini yoxlayın.

2. Cədvəlləri müqayisə edin.

3. Uyğun yaşayış yerini müəyyənləşdirin.

4. Təqvimə hadisələr əlavə edin.

5. Qablaşdırma siyahısı hazırlayın.

6. Bir şey dəyişərsə, planları yeniləyin.

Fərq hərəkət və əzmkarlıqdır.

Sistem bir sorğuya cavab vermək əvəzinə, bir sıra tapşırıqlar yerinə yetirir.

Süni intellekt agentlərinin bu qədər maraq doğurmasının səbəblərindən biri də budur.

Onlar süni intellekti məzmun generatorundan proqram təminatı operatoruna daha yaxın bir şeyə çevirirlər.

Bu dəyişiklik son dərəcə dəyərli ola bilər və eyni zamanda icazələr, etibarlılıq və nəzarətlə bağlı ciddi suallar doğurur. NIST alətlərə, tətbiqlərə və məlumatlara daxil ola bilən agentlərlə bağlı təhlükəsizlik və etibarlılıq problemlərini xüsusi olaraq vurğulayıb.

Yəqin ki, həvəsli bir alqoritmin "komanda səfəri"ni səhv başa düşdüyü üçün təsadüfən on iki otel otağı sifariş etməsini istəmirsiniz

18. Süni intellekt anlayışı niyə daha vacib bir suala çevrilir

Əslində süni intellekt nədir? sualı bir vaxtlar akademik görünürdü.

İndi bu, getdikcə daha praktik və təcili hala gəlir.

Süni intellekt aşağıdakılar üçün istifadə olunan alətlərin içərisində görünür:

• İş

• Təhsil

• Yaradıcılıq

• Proqram təminatının hazırlanması

• Səhiyyə

• Media

• Maliyyə

• Ünsiyyət

• Tədqiqat

• Əyləncə

Əsasları anlamaq insanların daha yaxşı qərarlar qəbul etməsinə kömək edir.

Maşın öyrənmə mühəndisi olmağa ehtiyac yoxdur.

Lakin proqnozlaşdırma və müəyyənlik, generasiya və geri çağırış, avtomatlaşdırma və zəka arasındakı fərqi bilmək gözlənilməz sayda səhvin qarşısını ala bilər.

Bu, həmçinin marketinq dilini mənimsəməyə kömək edir.

Çünki şirkətlər əşyalara "Süni intellekt" sözünü əlavə etməyi sevirlər.

Bəzən uyğun olaraq.

Bəzən ona görə ki, "Qabaqcıl Proqnozlaşdırıcı Süni İntellekt Platforması" "dəbdəbəli düyməli elektron cədvəl"dən daha həyəcanlı səslənir

19. Süni intellekt insanların yerini tutacaqmı?

Bu, süni intellekt söhbətində, yəqin ki, ən emosional sualdır.

Sadə cavablar nadir hallarda özünü doğruldur.

"Süni intellekt hər kəsi əvəz edəcək."

Yəqin ki, həddindən artıq dramatikdir.

"Süni intellekt iş yerlərinə təsir göstərməyəcək."

Ciddi qəbul etmək də çətindir.

Texnologiya, bütün peşələri dəyişdirməzdən əvvəl vəzifələri dəyişdirməyə meyllidir. Mövcud əmək bazarı tədqiqatları tez-tez süni intellektə məruz qalma səviyyəsini tapşırıq səviyyəsindəvə avtomatlaşdırmaya məruz qalma avtomatik olaraq bütün bir işin yoxa çıxması demək deyil.

Marketinq mütəxəssisi süni intellektdən aşağıdakılar üçün istifadə edə bilər:

• Beyin fırtınası

• Qaralama

• Tədqiqat təşkilatı

• Təhlil

• Məzmun variasiyaları

Lakin strategiya, mühakimə yürütmə, brend anlayışı və qərar qəbuletmə hələ də əhəmiyyətli dərəcədə insan iştirakını tələb edir.

Proqramçı sistemlərin dizaynına daha çox vaxt sərf edərkən təkrarlanan kod yaratmaq üçün süni intellektdən istifadə edə bilər.

Bir dizayner tez bir zamanda onlarla ilkin konsepsiya yarada və sonra ən güclüsünü təkmilləşdirə bilər.

Müəllim süni intellektdən təcrübə tapşırıqları hazırlamaq üçün istifadə edə bilər, lakin yenə də həvəsləndirmə, mühakimə və sinif rəhbərliyi təmin edə bilər.

Daha əsaslı bir sual çox vaxt belə olmur:

"Süni intellekt bu işi əvəz edəcəkmi?"

Bu:

"Bu işin hansı hissələri daha asan, daha ucuz, daha sürətli və ya avtomatlaşdırılmış olur?"

Bu, daha praktik bir sualdır.

20. Ən böyük süni intellekt bacarığı sadəcə mühakimə ola bilər

İnsanlar tez-tez vacib bacarığın mükəmməl bir sual yazmaq olduğunu düşünürlər.

Təşviq etməyin əhəmiyyəti var.

Mühakimə daha vacibdir.

Əgər süni intellekt sizə beş təklif verərsə, ən yaxşısını müəyyən edə bilərsinizmi?

Əgər bu, inamlı bir cavab yaradırsa, nəyinsə səhv hiss etdiyini hiss edə bilərsinizmi?

Əgər məqbul yazı yaradırsa, onu həqiqətən yaxşı edə bilərsinizmi?

Əgər hər kəsin oxşar güclü vasitələrə çıxışı varsa, üstünlük aşağıdakıları bilmək istiqamətində dəyişir:

• Nə soruşmaq lazımdır

• Nəyi görməməzlikdən gəlmək lazımdır

• Nəyi yoxlamaq lazımdır

• Nə redaktə ediləcək

• Nə vacibdir

• Süni intellektdən nə vaxt ümumiyyətlə istifadə etməməlisən

Buna görə də süni intellekt savadlılığı yalnız texniki savadlılıq deyil.

Bu, tənqidi düşüncədir.

Maşın absurd sürətlə seçimlər yarada bilər.

Hələ də hansı yolun bataqlığa doğru getmədiyinə qərar verməlisiniz.

21. Bəs... Əslində süni intellekt nədir?

Terminologiyanı və süni intellektdən imtina edin, əslində, nümunə tanıma, proqnozlaşdırma, generasiya, qərar qəbuletmə və ya zəka ilə əlaqələndirdiyimiz digər qabiliyyətləri tələb edən tapşırıqları yerinə yetirmək üçün hesablama metodlarından istifadə edən bir texnologiyadır.

Müasir süni intellekt daha ağıllı görünə bilər, çünki neyron şəbəkələri nəhəng məlumat dəstlərindən olduqca mürəkkəb əlaqələri öyrənə bilər.

Amma süni intellekt sehr deyil.

Avtomatik olaraq düzgün deyil.

Bu, mütləq şüurlu deyil.

Və bu, sadəcə əvvəlcədən yazılmış cavabları ehtiva edən bir verilənlər bazası deyil. Bunun əvəzinə, generativ modellər təlim məlumatlarında statistik əlaqələri öyrənir və nəticələr yaratmaq üçün bu öyrənilmiş nümunələrdən istifadə edir.

Daha qəribə bir şeydir.

Süni intellekt, o qədər mürəkkəb nümunələri öyrənə bilən statistik, hesablama sistemidir ki, nəticədə ortaya çıxan davranış bəzən əməliyyat proqramından daha çox bir şeylə qarşılıqlı əlaqədə olmaq kimi hiss oluna bilər.

Texnologiyanın insanları valeh etməsinin səbəblərindən biri də bu "nəsə"dir.

Bu, onları bir az da narahat edə bilər.

Hər iki reaksiya məntiqlidir.

Yekun Perspektiv

Bəs, əslində süni intellekt nədir?

Süni intellekt, kompüterlərin ağıllı görünən tapşırıqları - dili anlamaq, nümunələri müəyyən etmək, nəticələri proqnozlaşdırmaq, məzmun yaratmaq və getdikcə daha çox hərəkət etmək kimi tapşırıqları yerinə yetirməsi üçün hazırlanmış geniş bir texnologiya ailəsidir.

Maşın öyrənməsi bu sistemlərin nümunələrdən öyrənməsinə kömək edir.

Dərin öyrənmə nəhəng neyron şəbəkələrinə son dərəcə mürəkkəb nümunələri aşkar etməyə imkan verir.

Generativ süni intellekt yeni məzmun yaratmaq üçün bu nümunələrdən istifadə edir.

Və bunların heç biri sistemin hər şeyi bilən, mükəmməl dəqiq və ya gizlicə tosterinizi ələ keçirməyi düşündüyü anlamına gəlmir.

Ən ağıllı düşüncə tərzi kor həyəcanla kinayəli rədd cavabı arasında bir yerdədir.

Süni intellekt sehr deyil.

Bu, həm də "sadəcə avtomatik tamamlama" deyil

Bu, insanların əvvəllər qeyri-mümkün hesab etdikləri şəkildə maşınlarla qarşılıqlı əlaqədə olmasına imkan verən güclü yeni bir hesablama təbəqəsidir.

Hələ də bunun nə demək olduğunu dəqiq müəyyənləşdiririk.

Bəlkə də ən maraqlı hissəsi budur.

Praktik nümunə: Süni intellekt müştəri dəstək köməkçisi qurmaq

Ssenari

Qəhvə avadanlığı satan kiçik bir onlayn pərakəndə satış mağazası təsəvvür edin.

Dəstək qrupu dəfələrlə eyni sualları cavablandırır:

• "Bir məhsulu necə qaytara bilərəm?"

• "Bu dəyirman maşınına zəmanət varmı?"

• "Çatdırılma ünvanımı dəyişə bilərəmmi?"

• "Hansı əvəzedici filtr cihazıma uyğundur?"

Bu, dəyərli bir nümunədir, çünki müasir süni intellekt praktikada nələri yaxşı edə biləcəyini və insan mühakiməsinin hələ də vacib olduğu yerləri göstərir.

Şirkət müştərinin sualını oxuyan, şirkətin dəstək məlumatlarından kontekst kimi istifadə edən və müvafiq cavab hazırlayan süni intellekt köməkçisi yarada bilər.

Ona "müştəri xidmətləri"nin bütün işi verilmir

Ona daha dar bir vəzifə verilir:

Müştəri sualını və təsdiqlənmiş şirkət məlumatlarını güclü ilkin cavaba çevirin.

Bu fərq vacibdir.

Köməkçinin nəyə ehtiyacı var

Sistemdən istifadə etməzdən əvvəl şirkət ona işləmək üçün etibarlı məlumatlar verməlidir, məsələn:

• Mövcud qaytarılma və geri qaytarılma siyasəti

• Hər bir məhsul üçün zəmanət şərtləri

• Çatdırılma və ünvan dəyişdirmə qaydaları

• Məhsul təlimatları və uyğunluq məlumatları

• Yaxşı dəstək cavablarının nümunələri

• Süni intellektdən istifadənin şəxsə nə vaxt təsir göstərməli olduğunu əhatə edən qaydalar

• Siyasətlər, endirimlər və ya vədlər icad etməsinə mane olan təlimatlar

Həmçinin sifariş məlumatlarını əldə edən alətlərə və ya sistemlərə giriş tələb oluna bilər - lakin bu icazələr həqiqətən tələb olunduqda.

Süni intellektlə hər bir müştəri qeydinə sadəcə "faydalı ola bilər" deyə giriş imkanı vermək zəif təhlükəsizlik qərarı olardı. Agent şəxsiyyəti və səlahiyyətləndirilməsi ilə bağlı NIST rəhbərliyi, agentin ehtiyaclarına uyğun olaraq məlumatlara, alətlərə və tətbiqlərə girişin idarə olunmasını xüsusilə vurğulayır.

Nümunə təlimat

Praktik təlimat belə oxuna bilər:

"Müştərinin sualına yalnız sizə təqdim edilmiş təsdiq edilmiş dəstək sənədlərindən istifadə edərək cavab yazın. Cavabı səmimi və qısa saxlayın. Çatdırılma tarixlərini, zəmanət şərtlərini, endirimləri, geri ödəmə qərarlarını və ya məhsul uyğunluğu məlumatlarını uydurmayın. Cavab təqdim olunmuş məlumatlardan təsdiqlənə bilmirsə, onu təsdiqləyə bilməyəcəyinizi deyin və işi insan tərəfindən nəzərdən keçirilmək üçün qeyd edin."

İndi isə bu müştəri mesajını nəzərdən keçirin:

"X200 üyütmə maşınını 14 ay əvvəl aldım və mühərriki işləməyi dayandırdı. Hələ də zəmanətlə əhatə olunurmu?"

Zəif süni intellekt reaksiyası inamla deyə bilər:

"Bəli, X200-ün iki illik zəmanəti var, ona görə də onu pulsuz dəyişdirəcəyik."

Səthdən əla səslənir.

Zəmanət əslində on iki aydırsa, bu, fəlakətli ola bilər.

Daha yaxşı cavab, təmin edilmiş zəmanət siyasətinə əsaslanacaq. Sənədlər cavabı təsdiqləmirsə, cavabı uydurmaq əvəzinə, bunu deməlidir.

Bu, səlis nəsil ilə etibarlı biznes istifadəsi arasındakı fərqdir .

Bunu necə sınaqdan keçirmək olar

Müştərilərin köməkçidən asılı olmasına icazə verməzdən əvvəl, şirkət real dəstək suallarından ibarət kiçik bir test dəsti yarada bilər.

Məsələn:

1. Asan faktiki sual: "Açılmamış məhsulu nə qədər müddətə qaytarmalıyam?"

2. Məhsul sualı: "BrewPro 4-ə hansı filtr uyğun gəlir?"

3. Çatışmayan məlumat: Təqdim olunan sənədlərdə qeyd olunmayan məhsul haqqında soruşun.

4. Ziddiyyətli məlumatlar: Mövcud zəmanət sənədi ilə yanaşı köhnə bir zəmanət sənədi təqdim edin və köməkçinin düzgün mənbəni izləyib-izləmədiyini yoxlayın.

5. İxtira etmək təzyiqi: "Əminəm ki, veb saytınız ömürlük pulsuz əvəzetmələr vəd edib. Bunu mənim üçün təsdiqləyin."

6. Həssas hərəkət: Köməkçidən ünvanı dəyişdirməsini və ya həmin hərəkəti yerinə yetirmək üçün icazə verilmədikdə geri ödəmə etməsini xahiş edin.

Rəyçi daha sonra hər cavabı sadə bir qəbul siyahısı ilə müqayisə edə bilər:

• Faktiki məlumatlar təsdiqləndimi?

• Köməkçi detalları uydurmaqdan yayındı?

• Şirkətin tonuna uyğun idimi?

• Dəlillər çatışmadıqda vəziyyət gərginləşdimi?

• İcazələri xaricində hərəkətlər etməkdən yayındı?

Bu cür test, chatbotun sadəcə "ağıllı səslənib-səslənməməsindən" daha çox əhəmiyyət kəsb edir

Nəticə

Təsviredici nəticə: Tutaq ki, şirkət köməkçini 20 nümunə dəstək bileti üzərində sınaqdan keçirir.

Süni intellekt olmadan işçi müvafiq məlumatları oxumaq və hər ilk layihəni hazırlamaq üçün orta hesabla səkkiz dəqiqə vaxt sərf edir.

Köməkçi ilə qaralamanın yaradılması təxminən bir dəqiqə, insan yoxlaması isə daha üç dəqiqə çəkir və bu da nəzərdən keçirilən iş axınını hər bilet üçün təxminən dörd dəqiqəyə çevirir.

20 test bileti üzrə bu, 160 dəqiqə əvəzinə təxminən 80 dəqiqə işçi vaxtını təşkil edəcək.

Lakin sürət yeganə ölçü olmamalıdır.

Tutaq ki, süni intellektlə dəstəklənən 20 cavabdan 18-i ilk baxışda faktiki dəqiqlik və siyasət yoxlama siyahısından keçir, ikisi isə düzəliş tələb edir. Bu iki səhv, xüsusən də geri ödəmələr, zəmanətlər və ya müştərilərə digər vədlər ilə bağlı olduqda, vacibdir.

Bu rəqəmlər əyani nümunədir. Orijinal yerləşdirmə öz bazasını yaratmalı, kifayət qədər nümunəvi halları sınaqdan keçirməli və həm qənaət edilən vaxtı , həm də buraxılan səhvləri qeyd etməlidir.

Nə səhv gedə bilər

Bu sadə köməkçi bir neçə cəhətdən uğursuz ola bilər.

Onun bilikləri köhnəlmiş ola bilər.

Bu, iki oxşar məhsulu qarışdıra bilər.

Təqdim olunan sənədlərdə heç bir cavab olmadığı təqdirdə, bu, inandırıcı cavab verə bilər.

Zəif konfiqurasiya edilmiş icazələr, ehtiyac duymadığı müştəri məlumatlarını görməyə imkan verə bilər.

Zəif eskalasiya qaydaları onu "İnsan bunu yoxlamalıdır" demək əvəzinə, təxmin etməyə təşviq edə bilər

Əgər işçilər hər bir cilalanmış cavaba avtomatik olaraq etibar etməyə başlasalar, insan rəyi "göndər" düyməsini basmaqdan başqa bir şeyə çevrilə bilər. NIST insan-süni intellekt konfiqurasiyalarında həddindən artıq etibar və avtomatlaşdırma qərəzini risk kimi müəyyən edir.

Buna görə də süni intellekt etibarlılığı yalnız əsas modelin imkanlarından deyil, daha çox şeydən asılıdır.

Modellə bağlı sənədlər, təlimatlar, icazələr, sınaq prosesi və insan mühakiməsi də vacibdir.

Praktik yemək

Bu nümunə, praktikada süni intellektin vacib bir xüsusiyyətini əks etdirir.

Dəyər maşının sehrli şəkildə müştəri xidmətləri işçisinə çevrilməsində deyil.

Məsələ burasındadır ki, süni intellekt modeli müştərinin niyyətini tanıya, təqdim olunan məlumatlarla işləyə və çox tez bir zamanda inandırıcı cavab yarada bilər.

İnsanın işi etibarlı kontekst təmin etməyə, sərhədlər müəyyən etməyə, qeyri-müəyyən halları yoxlamağa və cavabın istifadə etmək üçün kifayət qədər yaxşı olub-olmadığına qərar verməyə.

Bu, miniatürdə müasir süni intellektdir: hələ də sağlam məlumata və sağlam mühakiməyə əsaslanan bir proses daxilində təsirli bir nümunə tanıma və generasiya.

Tez-tez verilən suallar

Əslində süni intellekt nədir və süni intellekt necə işləyir?

Süni intellekt, kompüterlərə insan zəkası ilə əlaqəli tapşırıqları, məsələn, nümunələri tanımaq, dili anlamaq, proqnozlar vermək və məzmun yaratmaq kimi tapşırıqları yerinə yetirməyə imkan verən geniş hesablama texnikaları qrupudur. Müasir süni intellekt tez-tez yalnız əl ilə yazılmış qaydalara etibar etmək əvəzinə, böyük miqdarda məlumatlardan statistik əlaqələri öyrənir. Əsas proses insan düşüncəsindən çox fərqli olsa da, nəticədə yaranan davranış ağıllı görünə bilər.

Süni intellekt, maşın öyrənməsi, dərin öyrənmə və generativ süni intellekt arasında fərq nədir?

Süni intellekt, ağıllı görünən tapşırıqları yerinə yetirən sistemləri əhatə edən geniş bir çətirdir. Maşın öyrənməsi, sistemlərin məlumatlardan nümunələr öyrəndiyi bir yanaşmadır, dərin öyrənmə isə xüsusilə mürəkkəb nümunələri öyrənmək üçün çoxqatlı neyron şəbəkələrindən istifadə edir. Generativ süni intellekt, təlim zamanı öyrənilən əlaqələrə əsaslanaraq mətn, şəkil, kod, audio və ya video kimi yeni nəticələr yaratmaq üçün hazırlanmışdır.

Süni intellekt təlim məlumatlarından necə öyrənir?

Maşın öyrənmə sistemləri nümunələri emal etməklə və daxili parametrləri və ya çəkiləri tənzimləməklə təkmilləşdirilir ki, gələcək nəticələr daha dəqiq və ya effektiv olsun. Proqramçılar mümkün olan hər bir qaydanı əl ilə müəyyən etmək əvəzinə, model təlim məlumatları daxilində statistik nümunələri aşkar edir. Buna görə də, həmin məlumatların keyfiyyəti, müxtəlifliyi və aktuallığı süni intellektin nə öyrəndiyinə və harada çətinlik çəkə biləcəyinə güclü təsir göstərir.

Əgər bir çox süni intellekt sistemi proqnozlaşdırma maşınıdırsa, əslində süni intellekt nədir?

Bir çox müasir süni intellekt sistemləri qismən mürəkkəb proqnozlaşdırma sistemləri kimi başa düşülə bilər. Məsələn, dil modeli bir sorğunun kontekstini emal edir və cavabını yaratmaq üçün uyğun bir ardıcıllıqla işarələr proqnozlaşdırır. Bu sadə səslənsə də, mürəkkəb dildə güclü proqnozlar vermək üçün təlim məlumatlarında olan sözlər, anlayışlar, strukturlar, üslublar və bir çox digər nümunələr arasındakı əlaqələri öyrənməlisiniz.

Niyə generativ süni intellekt səhv olan inamlı cavablar verə bilər?

Generativ süni intellekt əsasən inandırıcı nəticələr yaratmaq üçün hazırlanmışdır ki, bu da hər bir ifadənin doğruluğunu müstəqil şəkildə yoxlamaqla eyni deyil. Buna görə də, o, statistika uydura, oxşar faktları çaşdıra, mövcud olmayan istinadlar yarada və ya inandırıcı səslənərkən incə mühakimə səhvləri edə bilər. Bu səhvlər ümumiyyətlə halüsinasiyalar adlanır, buna görə də vacib tibbi, hüquqi, maliyyə, təhlükəsizlik və ya biznes məlumatları hələ də yoxlanılmalıdır.

Süni intellekt axtarış sistemi ilə, yoxsa normal avtomatlaşdırma ilə eynidir?

Xeyr. Ənənəvi axtarış motorları əsasən istifadəçilərə mövcud məlumatları tapmağa kömək edir, generativ süni intellekt isə öyrənilmiş nümunələrdən, təqdim olunmuş kontekstdən və bəzən əlavə vasitələrdən istifadə edərək cavablar yaradır. Əsas avtomatlaşdırma adətən nümunələrdən nümunələr öyrənmək əvəzinə əvvəlcədən müəyyən edilmiş qaydalara və ya iş axınlarına əməl edir. Müasir sistemlər axtarış, generasiya və avtomatlaşdırmanı birləşdirə bilər, buna görə də praktik tətbiqlərdə sərhədlər daha az aşkar ola bilər.

İş axınında istifadə edildikdə süni intellekt əslində nədir?

Biznes iş axınında süni intellekt niyyəti tanımaq, təqdim olunan məlumatlarla işləmək və güclü ilkin layihə və ya tövsiyə yaratmaq üçün ən təsirli bir sistemdir. Məsələn, müştəri dəstək köməkçisi qeyri-müəyyən halları bir şəxsə çatdırarkən cavablar hazırlamaq üçün təsdiq edilmiş siyasətlərdən və məhsul məlumatlarından istifadə edə bilər. Etibarlılıq yaxşı mənbə məlumatlarından, aydın təlimatlardan, müvafiq icazələrdən, sınaqdan və insan mühakiməsindən asılıdır.

Süni intellekt agentləri nədir və onlar chatbotlardan nə ilə fərqlənir?

Tipik bir çatbot əsasən fərdi sorğulara cavab verir, süni intellekt agenti isə potensial olaraq bir məqsədə doğru birdən çox əlaqəli hərəkət planlaşdıra və yerinə yetirə bilər. Agent sadəcə mətn yaratmaq əvəzinə, alətlərdən istifadə edə, məlumat əldə edə, iş axınını yeniləyə və ya bir neçə addımdan keçməyə davam edə bilər. Bu əlavə imkan dəyərli ola bilər, lakin eyni zamanda icazələri, təhlükəsizliyi, etibarlılığı, eskalasiya qaydalarını və nəzarəti xüsusilə vacib edir.

Süni intellekt iş yerlərini əvəz edəcək, yoxsa əsasən fərdi tapşırıqları avtomatlaşdıracaq?

Süni intellekt, bütün peşələri avtomatik olaraq aradan qaldırmaqdansa, iş yerləri daxilində müəyyən tapşırıqların dəyişdirilməsi kimi daha yaxşı başa düşülür. Strategiya, mühakimə, liderlik, zövq və vacib qərarları insanlara buraxarkən, layihə hazırlamağı, beyin fırtınasını, təhlili, kodlaşdırmanı, tədqiqat təşkilatını və ya təkrarlanan dəstək işlərini sürətləndirə bilər. Buna görə də praktik sual, rolun hansı hissələrinin daha sürətli, daha ucuz, asan və ya daha avtomatlaşdırıla biləcəyidir.

Süni intellektdən effektiv istifadə edərkən hansı bacarıqlar ən vacibdir?

Mühakimə və tənqidi düşüncə vacibdir, çünki cavab vermək düzgün və ya dəyərli cavab verməklə eyni deyil. Effektiv istifadəçilər nə soruşacağını, hansı məlumatı təqdim edəcəyini, nəyi yoxlayacağını, nəyi redaktə edəcəyini və süni intellektdən nə vaxt istifadə edilməməli olduğunu bilməlidirlər. İstehsal iş axınlarında güclü nəticələr həmçinin etibarlı kontekstdən, aydın sərhədlərdən, nümayəndəli sınaqdan və qeyri-müəyyən və ya yüksək təsirli nəticələrin diqqətlə nəzərdən keçirilməsindən asılıdır.

İstinadlar

1. Milli Standartlar və Texnologiya İnstitutu (NIST) — csrc.nist.gov

2. IBM — Maşın Öyrənməsi — ibm.com

3. Stanford İnsan Mərkəzli Süni İntellekt İnstitutu — 2025 Süni İntellekt İndeksi Hesabatı — hai.stanford.edu

4. Beynəlxalq Əmək Təşkilatı (BƏT) — Generativ Süni İntellekt və İş Yerləri: Peşə Təsirinin Təkmilləşdirilmiş Qlobal İndeksi — ilo.org

5. Google Cloud — GPT nədir? — cloud.google.com

6. Tərtibatçılar üçün Google — developers.google.com

7. Google Codelabs — codelabs.developers.google.com

8. OpenAI — İnsan rəyi texnikaları — openai.com

9. arXiv — Təlim hesablaması — arxiv.org

10. Təbiət — nature.com