Kaizen.az - Fərdi İnkişaf Platforması

Kaizen/ Fərdi İnkişaf

Süni İntellekt: Gələcəyi Formalaşdıran Texnologiya

Giriş

Son on ildə heç bir texnologiya süni intellekt (Sİ) qədər insan həyatının demək olar ki, bütün sahələrinə bu qədər sürətlə nüfuz etməyib. Səhər telefonumuzun üz tanıma sistemi ilə kilidini açmağımızdan tutmuş, gecə Netflix-in bizə hansı filmi tövsiyə etməsinə qədər — süni intellekt artıq gündəlik həyatımızın görünməz, lakin daim işləyən hissəsinə çevrilib. Bəs əslində süni intellekt nədir, necə işləyir və bizi hansı gələcək gözləyir? Bu məqalədə süni intellektin əsaslarından tutmuş maşın öyrənməsi, dərin öyrənmə, onun növləri, tətbiq sahələri, üstünlükləri, riskləri və gələcək perspektivlərinə qədər hər məqama nəzər salacağıq.

Süni İntellekt nədir?

Süni intellekt — insan idrakına xas olan funksiyaları (öyrənmə, məntiqi nəticə çıxarma, problemin həlli, dil anlama, qərar qəbul etmə) yerinə yetirə bilən kompüter sistemlərinin ümumi adıdır. Termin ilk dəfə 1956-cı ildə Dartmut Konfransında Con Makkarti tərəfindən elmi dövriyyəyə daxil edilib. O vaxtdan bəri Sİ bir neçə "qızıl dövr" və "qış dövrü" yaşayaraq, bu gün tarixinin ən inkişaf etmiş mərhələsinə çatıb.

Süni intellekti geniş mənada iki kateqoriyaya bölmək olar:

Dar süni intellekt (Narrow AI / ANI) — konkret bir tapşırığı yerinə yetirmək üçün nəzərdə tutulub (məsələn, şahmat oynamaq, şəkil tanımaq, mətn tərcümə etmək). Bu gün istifadə etdiyimiz demək olar ki, bütün Sİ sistemləri bu kateqoriyaya aiddir.
Ümumi süni intellekt (Artificial General Intelligence / AGI) — insan səviyyəsində, istənilən intellektual tapşırığı yerinə yetirə bilən, hələ ki, nəzəri olaraq mövcud olan konsepsiya.
Super intellekt (ASI) — insan idrakını hər sahədə üstələyən, hələ elmi-fantastika sərhədində qalan fərziyyə.
Maşın Öyrənməsi (Machine Learning) — Süni İntellektin Ürəyi

Süni intellektin bugünkü inqilabının əsas hərəkətverici qüvvəsi maşın öyrənməsidir (ML). Ənənəvi proqramlaşdırmada mühəndis konkret qaydalar yazır və kompüter bu qaydalara əsasən işləyir. Maşın öyrənməsində isə sistemə qaydalar yazılmır — əvəzində ona böyük həcmdə data verilir və sistem bu datadan öz-özünə qanunauyğunluqları "öyrənir".

ML-in əsas üç növü var:

a) Nəzarətli öyrənmə (Supervised Learning)

Modelə həm giriş (input), həm də düzgün cavab (label) verilir. Məsələn, min sayda ev şəkli və onların qiymətləri əsasında model yeni evin qiymətini proqnozlaşdırmağı öyrənir. Spam e-poçt filtrləri, kredit riskinin qiymətləndirilməsi bu üsulun tipik nümunələridir.

b) Nəzarətsiz öyrənmə (Unsupervised Learning)

Modelə yalnız data verilir, cavab verilmir — sistem özü datadakı gizli struktur və qrupları (klasterləri) tapır. Müştəri seqmentasiyası, anomaliyaların aşkarlanması bu qəbildəndir.

c) Gücləndirmə ilə öyrənmə (Reinforcement Learning)

Sistem mühitlə qarşılıqlı əlaqədə olaraq, doğru hərəkətlər üçün "mükafat", yanlış hərəkətlər üçün "cəza" alır və zamanla optimal strategiyanı öyrənir. AlphaGo-nun dünya çempionunu məğlub etməsi məhz bu üsulla mümkün olub.
Dərin Öyrənmə və Neyron Şəbəkələr

Maşın öyrənməsinin bir alt sahəsi olan dərin öyrənmə (Deep Learning) insan beynindəki neyronların işləmə prinsipindən ilhamlanan süni neyron şəbəkələrinə əsaslanır. Bu şəbəkələr çoxlu "qat"lardan (layer) ibarətdir və hər qat datadan getdikcə mürəkkəbləşən xüsusiyyətlər çıxarır.

Məhz dərin öyrənmə sayəsində:
- Kompüter görməsi (Computer Vision) — şəkil və video tanıma, üz tanıma, tibbi görüntülərin analizi;
- Təbii dil emalı (Natural Language Processing, NLP) — mətn tərcüməsi, çat-botlar, ChatGPT kimi böyük dil modelləri (LLM);
- Səs tanıma — Siri, Alexa kimi səsli köməkçilər
kimi sahələrdə inqilabi irəliləyişlər mümkün olub. Xüsusilə "Transformer" arxitekturası (2017-ci ildə Google tərəfindən təqdim olunub) müasir böyük dil modellərinin — o cümlədən GPT ailəsinin və Claude-un — əsasını təşkil edir.
Böyük Dil Modelləri (Large Language Models — LLM)

Son illərin ən böyük diqqət çəkən Sİ hadisəsi şübhəsiz ki, böyük dil modelləridir (LLM). ChatGPT, Claude, Gemini kimi sistemlər cəmiyyətin süni intellektlə gündəlik qarşılıqlı əlaqəsini kökündən dəyişib. Bəs LLM əslində necə işləyir?

LLM necə qurulur?

Böyük dil modelləri internetdəki nəhəng mətn korpusları (kitablar, veb-saytlar, məqalələr) üzərində təlim keçir. Onların əsasında yuxarıda qeyd etdiyimiz Transformer arxitekturası dayanır. Bu arxitekturanın ən mühüm elementi "diqqət mexanizmi" (attention mechanism) adlanır — model mətndəki hər sözün digər sözlərlə əlaqəsini çəkilərə (weight) ayıraraq qiymətləndirir və bununla kontekstual mənanı çox dəqiq tutur.

LLM-lərin təlim prosesi adətən bir neçə mərhələdən keçir:
1. Ön-təlim (Pre-training) — model nəhəng data toplusu üzərində növbəti sözü proqnozlaşdırmağı öyrənir. Bu mərhələdə minlərlə GPU/TPU və milyonlarla dollar hesablama gücü sərf olunur.
2. Nəzarətli incə-tənzimləmə (Supervised Fine-tuning) — model insan tərəfindən hazırlanmış nümunə dialoqlar üzərində konkret formatda cavab verməyi öyrənir.
3. İnsan rəyi əsasında gücləndirmə ilə öyrənmə (RLHF — Reinforcement Learning from Human Feedback) — insanlar modelin verdiyi müxtəlif cavabları qiymətləndirir, model isə bu rəylər əsasında daha faydalı, təhlükəsiz və dəqiq cavab verməyi öyrənir.
LLM-lərin imkanları
- Mətn yazma, redaktə və tərcümə;
- Proqram kodu yazma və xətaların aşkarlanması;
- Mürəkkəb sualların analiz edilməsi və izahı;
- Sənədlərin ümumiləşdirilməsi;
- Söhbət (chatbot) rejimində insanla təbii dialoq aparmaq;
- Son dövrün modelləri həmçinin "əsaslandırma" (reasoning) — yəni mürəkkəb məsələləri addım-addım həll etmək qabiliyyətinə də malikdir.
LLM-lərin məhdudiyyətləri

Bütün gücünə baxmayaraq, LLM-lər mükəmməl deyil:
- Hallüsinasiya — model bəzən əminliklə yanlış və ya uydurma məlumat verə bilər;
- Bilik kəsilməsi (Knowledge cutoff) — model yalnız təlim aldığı vaxta qədər olan məlumatları "bilir", ona görə də ən son hadisələr üçün internetdən axtarış kimi əlavə vasitələrə ehtiyac duyur;
- Kontekst pəncərəsinin məhdudluğu — model bir anda emal edə biləcəyi mətnin həcmi ilə məhdudlaşır;
- Hesablama xərci — nəhəng modellərin işlədilməsi böyük enerji və maliyyə resursu tələb edir.
Multimodal və Agentic istiqamətlər

Müasir LLM-lər artıq təkcə mətnlə məhdudlaşmır — şəkil, səs və hətta video daxil olmaqla müxtəlif məlumat növlərini eyni anda emal edən multimodal modellərə çevrilir. Bundan əlavə, "agentic AI" adlanan yeni istiqamətdə LLM-lər sadəcə sual-cavab vermək əvəzinə, mürəkkəb, çoxaddımlı tapşırıqları (kod yazmaq, fayl yaratmaq, internetdə axtarış aparmaq, alətlərdən istifadə etmək) müstəqil şəkildə icra edən "agentlərə" çevrilir.

Süni İntellektin Tətbiq Sahələri

Süni intellektin tətbiq dairəsi ilbəil genişlənir:

Səhiyyə — Sİ tibbi görüntülərdə (rentgen, MRT) xərçəng kimi xəstəlikləri erkən mərhələdə aşkarlamağa, yeni dərmanların kəşfini sürətləndirməyə kömək edir.

Maliyyə — Bank sektoru fırıldaqçılığın aşkarlanması, alqoritmik ticarət və kredit qiymətləndirilməsi üçün Sİ-dən geniş istifadə edir.

Nəqliyyat — Özünüidarə edən avtomobillər sensor məlumatlarını real vaxt rejimində emal edərək yol qərarları qəbul edir.

Təhsil — Fərdiləşdirilmiş öyrənmə platformaları hər tələbənin sürətinə uyğunlaşan tədris materialları təklif edir.

Kənd təsərrüfatı — Peyk şəkilləri və sensor məlumatları əsasında məhsuldarlığın proqnozlaşdırılması, xəstəliklərin erkən aşkarlanması.

Yaradıcı sənayelər — Mətn, şəkil, musiqi və video generasiya edən Sİ alətləri sənaye standartlarını dəyişir.

Süni İntellektin Üstünlükləri
- İnsan səhvlərinin minimuma endirilməsi;
- 24/7 fasiləsiz iş qabiliyyəti;
- Böyük həcmli datanın saniyələr ərzində analiz edilməsi;
- Təkrarlanan, yorucu tapşırıqların avtomatlaşdırılması, bununla insanların yaradıcı işlərə fokuslanması;
- Yeni elmi kəşflərin sürətləndirilməsi (məsələn, zülal strukturlarının proqnozlaşdırılması).
Riskləri və Etik Çağırışlar

Hər güclü texnologiya kimi süni intellekt də ciddi riskləri özündə daşıyır:
- İşsizlik — avtomatlaşdırma nəticəsində müəyyən peşələrin aradan qalxması ehtimalı;
- Qərəzlilik (Bias) — model təlim datasındakı qərəzləri əks etdirə bilər, bu da ədalətsiz qərarlara səbəb ola bilər;
- Şəxsi məlumatların qorunması — böyük data toplanması məxfilik problemləri yaradır;
- Dezinformasiya — deepfake texnologiyaları saxta məzmunun yaradılmasını asanlaşdırır;
- Şəffaflıq çatışmazlığı — mürəkkəb modellərin qərar mexanizmini izah etmək çətinləşir ("qara qutu" problemi).
Bu səbəbdən dünyada Sİ-nin tənzimlənməsi (AI regulation) mövzusu getdikcə aktuallaşır — Avropa İttifaqının AI Act sənədi buna bariz nümunədir.

Süni İntellektin Gələcəyi

Ekspertlər hesab edir ki, gələcək illərdə süni intellekt daha da "multimodal" olacaq — yəni mətn, şəkil, səs və videonu eyni anda başa düşən və generasiya edən sistemlər norma halına gələcək. Eyni zamanda "agentic AI" — yəni insan nəzarəti olmadan mürəkkəb, çoxmərhələli tapşırıqları müstəqil yerinə yetirə bilən Sİ agentləri sürətlə inkişaf edir. Robotika ilə Sİ-nin inteqrasiyası fiziki dünyada da avtomatlaşdırmanı yeni səviyyəyə qaldıracaq.

Lakin texnologiyanın nə qədər inkişaf etməsindən asılı olmayaraq, əsas sual dəyişməz qalır: bu gücdən insanlığın xeyrinə necə istifadə edəcəyik? Süni intellekt özlüyündə nə "xeyirxah", nə də "pisniyyətli"dir — o, insan əlində olan bir alətdir. Onun gələcəyini formalaşdıracaq əsas amil məhz bu alətdən necə məsuliyyətlə istifadə etdiyimizdir.
- Nəticə
  
  Süni intellekt, maşın öyrənməsi və dərin öyrənmə üzərində qurulan bu texnoloji dalğa artıq sənaye inqilabları ilə müqayisə olunan miqyasda dəyişikliklərə səbəb olur. Onun potensialından tam faydalanmaq üçün cəmiyyət olaraq həm texniki savadımızı artırmalı, həm də etik və hüquqi çərçivələri vaxtında formalaşdırmalıyıq. Süni intellekt bizim rəqibimiz deyil — düzgün istifadə edildikdə, o, insan potensialını qat-qat artıran ən güclü tərəfdaşımıza çevrilə bilər.

Setdarova Jale

24.08.2026

Uğurlar👍

Bəstixanım Səmədli

24.08.2026

Maraqlı mövzudur ✨

Xuraman

24.08.2026

Uğurlarrr🙏

Kenan

24.08.2026

Uğurlar👍

Xurşudov

24.08.2026

Ugurlar❤️

Style

24.08.2026

Əla.

Südabə

24.08.2026

Əla👍🏻

Fuad Əliyev

24.08.2026

Çox maraqlı və marifləndirici mövzudur təşəkkür. Uğurlar

Dilenov

24.08.2026

Uğurlar

Yazar

İstifadəçi adı:
Fəqan
Ad Soyad:
Fəqan Ağakərimov
Məqalə sayı:
1

Əlaqəli məqalələr

CV hazırlayarkən nələrə diqqət yetirməli

07.03.2021

Fərdi İnkişaf

Günümüzün qlobal problemlərindən biri: - CV göndərirəm lakin heç bir vakansiyadan geri dönüş almıram. Niyə? Bunun əsas səbəblərindən biri CV-nin düzgün hazırlanmaması və əsas məqamlara diqqət yetirilməməsidir. Bu məqalədə sizlər üçün CV-də hansı məsələlərə diqqət yetirməli olduğunuzu addım-addım qeyd etmişik.