Süni intellekt: Maşın öyrənməsi və dərin öyrənmə arasındakı fərq

Süni intellekt və ya AI müasir cəmiyyətimizin belə vacib və ayrılmaz hissəsinə çevrilmişdir. Forbes-in məlumatına görə, hələ iki il əvvəl, 2017-ci ildə, müasir müəssisələrin 51% -i indiyə qədər AI tətbiq edir, sənayenin özü 16 milyard ABŞ dolları dəyərindədir. Bunun 2025-ci ildə 190 milyard dollara çatması ilə eksponent olaraq daha da artacağı proqnozlaşdırılır.

Bu gün AI'nin ən təsirli növlərindən ikisi maşın öyrənmə və dərin öyrənmə sistemləridir. Bəs bu ikisi dəqiq nədir? Və bu mövzuda süni intellekti bu ikinin kontekstində necə müəyyənləşdiririk?

Süni intellekt nədir?

Oxford Dictionary’nin 2019-cu il rəsmi girişində bildirilir ki, süni intellekt “insan zəkasını tələb edən vəzifələri yerinə yetirməyi bacaran kompüter sistemlərinin nəzəriyyəsi və inkişafıdır”.

Başqa sözlə, AI, görüntünün aşkarlanması, nitqin tanınması və ya başqa bir avtomatlaşdırılmış, qərar qəbuletmə sistemi üçün lazım olub-olmadığını sizə və mənə bənzər bir şəkildə şərh edir. AI'nin çox sadə bir nümunəsi bir video oyun kompüteri rəqibidir. Oyunçunu cəlb etmək üçün qərarlar və tapşırıqlar ardıcıllığı yaratmaq üçün oyundan verilənləri, həmçinin oyunçunun girişini istifadə edir. AI 1950-ci illərdən etibarən tətbiq edilmişdir, ancaq fərdi kompüterlər və oyun konsolları AI-nin inkişafını onun fəaliyyətinin əsas tələbinə çevirməyə başladıqda yalnız 70-80-ci illər ərzində həqiqətən çəkilməyə başlandı.

Gündəlik həyatımızda AI-nin digər nümunələri bunları əhatə edə bilər:

  1. Simulyatorlar
  2. Ağıllı qurğular
  3. Birja botlar
  4. Məlumatların tanınması (nitq, səs, üz və s.)

Bu gün bir çox AI sistemi, idarəetmə proqramı, tövsiyə alqoritmləri, media analizi və ya hətta səs köməkçiləri kimi məlumatların istifadə edildiyi demək olar ki, hər hansı bir tətbiqdə istifadə olunur. Əslində, hətta sadə izləmə tətbiqləri indi AI istifadə edir. Bir qayda olaraq, insanın birbaşa müdaxiləsi olmadan mütəmadi olaraq yerinə yetirilməli olan nisbətən mürəkkəb tapşırıqların tamamlanması prosesi varsa, çox güman ki, içində Aİ var.

Maşın öyrənmə nədir?

Dəzgahdan öyrənmə - verilən məlumatları ondan uyğunlaşmaq və kifayət qədər ağıllı qərarlar qəbul etmək üçün təhlil və təhlil etmək üzrə ixtisaslaşmış süni intellektin bir növü (və buna görə də onun alt hissəsi). Sadə sözlə desək, bu AI çox şeyi müşahidə etmək və fərq etmək, sonra alınan məlumatlara əsasən bir və ya daha çox fəaliyyət kursu keçirmək üçün edilir.

Tipik maşın təlim tapşırıqları bu gün ola bilər:

  1. Təklif tövsiyələrini bağlayın
  2. Məzmun moderasiyası
  3. Axtarış nəticələri göstərilir
  4. Müalicə vaxtı (sosial mediada)

Bir maşın öyrənmə sistemi qısa müddətdə çox sayda məlumatı təhlil etmək, ondan həll və ya nəticə çıxarmaq qabiliyyətinə malikdir. Dəqiq şərh vermək üçün alqoritmini optimallaşdırır, insanların eyni vaxt məhdudiyyətləri ilə edə biləcəklərindən daha çox. Məsələn, müəyyən bir e-poçtun spam və ya olmadığını avtomatik olaraq müəyyən etmək istəyirik. Bir maşın öyrənmə sistemi, bir spam e-poçtunu təyin etməyə kömək edəcək nümunələri tapmaq üçün minlərlə e-poçt vasitəsilə əldən keçirəcəkdir. Daha sonra spam və müntəzəm e-poçtların kobud bir təsnifatını verəcəkdir ki, bu da təhlilini daha da yaxşılaşdırmağa kömək edəcək daha çox nümunə tapmaq üçün yenidən istifadə edər.

Daha yeni və daha yeni məlumat dəsti verildikdə, maşın öyrənmə sistemləri alqoritmlərini daha yaxşı əldə etmək üçün uyğunlaşdıra və yeniləyə bilər. Və ya ən azından səhvlərin olma ehtimalını minimuma endir. Mövcud məlumat idarəedici dövrümüzdə maşın öyrənməsini çox vacib edən şey budur.

Dərin öyrənmə nədir?

Dərin öyrənmə, yenə bir başqa xüsusiyyət, bu maşın öyrənmə dövrüdür. Dərin öyrənmə sistemlərinin əsas dizaynı üzvi bir beyinə əsaslanır. Neyron nümunələrinin mürəkkəb bir şəbəkəsini istifadə edərək yeni xatirələr meydana gətirdiyimiz halda, bu cür sistem saysız alqoritmik təbəqələrdən ibarət olan bir süni sinir şəbəkəsindən istifadə edərək öz mürəkkəb qərar şəbəkəsini toxuyur.

Bir neçə nəzərə çarpan dərin öyrənmə sistemləri bunlardır:

  1. Watson (Jeopardy-də məğlub olan iştirakçılar!)
  2. AlphaGo (Mart 2016-da professional Go oyunçusu Lee Sedol'u məğlub etdi)
  3. Deepfake (çox real, lakin həqiqi insanların süni nümayəndələrini yaradır)
  4. OpenAI Beş (bir oyun dərindən öyrənmə layihəsi, DOTA oyunçusu Dendi son 2017'i məğlub etdi)

Hələ nisbətən təməl məlumat toplamaqla da kifayət qədər yaxşı fəaliyyət göstərə bilən standart maşın təlim sistemlərindən fərqli olaraq bir başlanğıc dərin öyrənmə sistemi sanki sıfırdan başlayır. AI-nin ilk bir neçə nəsli bir neçə saysız-hesabsız uğursuz nəsillərdən bir uyğunlaşma dövründən sonra həqiqi nəticələr verməyə başlayacağı 'kəskin dövr' ilə xarakterizə olunur.

Səmərəliliyin kifayət qədər mürəkkəb səviyyəsinə çatdıqda, dərin öyrənmə sistemləri əvvəlkindən qalan hər şeyi alt-üst etməyə başlayır. Məsələn, DeepMind-in AlphaGo, özünə qarşı milyonlarla dəfə oynayaraq peşəkar Go oyunçularını məğlub etmək yolunda büdrəmədən əvvəl 160.000 həvəskar Go matçlarından istifadə etməyə başladı.

Dərin öyrənmə sistemləri, əvvəllər hazırlanmış digər maşın öyrənmə sistemlərindən fərqli olaraq məlumat yaratmaq üçün matris vurmalarına çox etibar edir. Belə ki, kommersiya GPU-ları ümumiyyətlə bu sistemlər üçün ən yaxşı aparatdır, çünki onlar əməliyyat qabiliyyətini qorumaq üçün lazım olan yüksək səviyyəli paralel emal tələblərini çatdıra bilirlər.

Standart AI və Maşın Öyrənmə

Süni intellekt və maşın təhsili bir çox ümumi tətbiqlər üçün bir-birini əvəz edə bilsə də, maşın öyrənməsinin bir çox fərqli bir xüsusiyyətə sahib olduğunu qeyd etmək lazımdır: uyğunlaşma. Bu öyrənir deməkdir. Əvvəlcədən qurulmuş AI-dən fərqli olaraq bir çox ilkin səhv edə bilər, ancaq onlardan öyrənmək, onlardan düzəltmək və nəticədə optimallaşdırmaq üçün hazırlanan hər şeyi əvəz etmək üçün hazırlanmışdır.

Dizayn baxımından, maşın öyrənməsi də ilkin quruluşu ilə çətinləşməyin üstünlüyü qazanır. Tipik bir AI, geliştiricinin ehtimal edə biləcəyi hər bir vəziyyət üçün xüsusi kodlaşdırmaya və ya xüsusi təlimatlara ehtiyac ola bilər. Ancaq bir maşın öyrənmə sistemi sadəcə bir qərar ağacına, üstəgəl bir öyrənmə standartına və ya ikisinə, eləcə də lazımi emal qabiliyyətinə işləyə bilər və sonra öz vəzifəsində yaxşılaşmağa doğru gedə bilər.

Fərqləndirici maşın öyrənmə sistemlərinin əhəmiyyəti, bu gün belə sistemlərin standart, müntəzəm AI-ni daha az vacib tapşırıq və tapşırıqlarda istifadə etməyimizdən irəli gəlir. Axı, daha sadə sənəd idarəetmə qərarlarının avtomatlaşdırılması üçün mütləq maşın öyrənmə sistemlərinə ehtiyacınız olmayacaq. Eyni şəkildə, bir nitqi tanıma sistemi kimi inkişaf etmiş bir şeyi 'sadəcə AI' olaraq təsnif etmək düzgün olmaya bilər və buna görə də onu düzgün təsnif edirik.

Maşın Öyrənmə və Dərin Öyrənmə

Bəlkə də öyrənməli olduğumuz daha vacib fərq, maşın öyrənməsi ilə dərin öyrənmə arasındakı fərqdir. Əvvəla, əvvəllər qeyd edildiyi kimi, texniki cəhətdən bir növ və ya onun alt hissəsini dərindən öyrənən IS maşın öyrənməsidir. Maşın öyrənməsi, həmişə dərin öyrənmə deyildir. Fərq, əsasən, hər ikisinin qurulması ilə əlaqədardır.

Maşın öyrənməsi son bir neçə onillikdə bir çox proqramımızla eyni kompüter mühitində hazırlanmışdır. Bu şəkildə, bir şəkildə, doğrudur və hətta Mur Qanununa uyğunlaşmaq üçün qurulsa da, hələ də qərar ağacları və alqoritmləri ilə məhdudlaşır. Dərin öyrənmə digər tərəfdən bütün alqoritmlərini bir sinir şəbəkəsi daxilində tamamlayır. Bu, maşın öyrənməsində gələcək nəsil hesab edə biləcəyimiz yüksək səviyyəli paralel hesablama üçün hazırlanmışdır.

Dərin bir öyrənmə sisteminin tətbiq olunduğunu müəyyənləşdirmək üçün kifayət qədər etibarlı bir yol, AI vəzifəsinin mürəkkəbliyini qiymətləndirməkdir. Adətən, ədədi olmayan, ixtiyari dəyişənlərin nə qədər çox olması, dərin bir təhsil sistemi olma ehtimalı daha yüksəkdir. Məsələn, Netflix tövsiyələri, bütün internet istifadəçi bazasından yığılmış məlumatları öyrənsələr də, dil tərcüməsi qədər mürəkkəb deyildir. Bu fərq iki ayrı işə, məsələn iki ayrı özünü idarəetmə sistemi kimi tətbiq edilə bilər. Sensor məlumatlarını əzməkdən daha çox güvənən, Tesla'nın hazırda inkişaf etdirdiyi bir şeyə bənzər bir şəkildə ətraf mühitə toxunan insanlara daha çox güvənməklə ümumi maşın öyrənmə sistemi olmalıdır.

Fərqliliyin aydın olub-olmamasından asılı olmayaraq, dərin öyrənmənin gələcəyi şübhəsizdir. Ancaq məqsədlərimiz üçün, dərin öyrənmə Aİ-ni standart maşın öyrənmə AI-dən ayırmaq, bunun həqiqətən nə qədər fərqli olduğunu və əslində nə qədər inkişaf etmiş olduğunu anlamaq üçün vacibdir. Bu gün hələ inkişaf mərhələsində olmasına baxmayaraq, ondan əvvəl gələn hər şeylə demək olar ki, müqayisə olunmur.

Bənzər bir saxta fonda bir neçə qısa cümlə söyləyən bir saxta Barak Obama normal izləyicini narahat edə bilər, ancaq fərqi anlayan insanlar üçün bilirik ki, bu belə bir oyun dəyişdirmə texnologiyasının geniş imkanlarından biridir. .

Vietnam AI Grand Challenge

Süni intellekt haqqında daha çox məlumat əldə etmək istəyirsiniz? Kambria, vəzifəsi gənc AI inkişaf etdiricilərini yetişdirmək olan bir hackathon seriyası olan Vietnam AI Grand Challenge 2019-a rəhbərlik edir. Vyetnam hökuməti, McKinsey & Company və VietnamAI ilə birlikdə, Böyük Çağırış, ölkənin ən yaxşı AI qabiliyyətini Vyetnamdakı korporasiyalara və qlobal miqyasda son AI virtual köməkçisinin dizaynında dəstəkləmək üçün bir araya gətirəcəkdir.

İştirak etmək üçün necə:
 1. Kambria platformasında qeydiyyatdan keçin: https://bounty.kambria.io/
 2. Gələcək hadisə haqqında məlumat üçün Grand Challenge Facebook səhifəsini izləyin: https://www.facebook.com/VietnamAIGC/

1 İyun 2019 Şənbə günü Kambria Da Nang'da Vyetnam AI Grand Challenge iştirakçılarına təlim və təhsil vermək üçün "Öz Scratch From Virtual köməkçinizi yaradın" adlı seminar keçirəcək. Seminar haqqında daha ətraflı məlumat üçün buraya vurun. Məkan 40 iştirakçı ilə məhdudlaşır ki, tezliklə qeydiyyatdan keçməyinizə əmin olun!

Əvvəlcə Kambriyada nəşr edilmişdir.