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.