6. Sun'iy intellektni yaratish yo’llari
Sun'iy intellekt tizimlarini rivojlantirishga ikkita asosiy yondashuv shakllandi:
1) pastdan yuqoriga (biologik) yondashuv;
2) yuqoridan pastga (semiotik) yondashuv.
Pastdan yuqoriga yoki biologik yondashuv biologik elementlarga asoslangan
aqlli xatti-harakatlarni modellashtiradigan neyron tarmoqlari va evolyutsion hisoblarni
o’rganishga, neyrokompyuter kabi tegishli hisoblash tizimlarini yaratishga qaratilgan.
Ushbu yondashuv tarafdorlari, masalan, miya neyronlariga o’xshash elementlarni
ishlab chiqish va ularni tizimlar - neyron tarmoqlarga birlashtirish orqali inson
miyasida sodir bo’ladigan jarayonlarni sun'iy ravishda simulyatsiya qiladi.
Pastdan yuqoriga yondashuv inson aqliy faoliyatining neyrofiziologik va
psixologik mexanizmlarini o’rganishni o’z ichiga oladi. Mutaxassislar ushbu
mexanizmlarni texnik vositalar yordamida qayta ishlab chiqarishga intilishadi, shunda
tizimning "xulq-atvori" xuddi shunday vaziyatdagi odamning xatti-harakati bilan mos
keladi.
Sun'iy neyron tarmoq - bu biologik neyron tarmoqlarga, ya'ni tirik organizmning
asab tizimiga xos bo’lgan tamoyillar asosida qurilgan dasturiy (va/yoki apparat)
amalga oshirilishi bilan matematik model. Neyron tarmoqlar kiruvchi signallarni
baholashga qodir va tahlillar asosida ularni qayta ishlash natijalarini izchil yaxshilaydi.
Tizimlar sun'iy "neyronlar"dan tashkil topgan ko’p qatlamli tuzilmalar - qabul qilingan
ma'lumotni keyingi qatlamga o’tkazish yoki o’tkazishni hal qiladigan miniatyura
hisoblash tizimlari.
Sun'iy neyron tarmoq - bu o’z bilimlarini qabul qilish, qayta ishlash, saqlash va
ishlatishga qodir tizim. Neyron tarmoqlarni o’qitish, ularga muammolarni avtonom hal
qilish uchun ularni "sozlash" imkonini beradi, turli xil mashinalarni o’rganish usullari
yordamida amalga oshirilishi mumkin, masalan:
- dastur parametrlarini undan kutilayotgan bashoratlar o’quv ma'lumotlarini
qayta ishlash natijalari bilan iloji boricha mos kelishi uchun tanlaydigan nazorat ostida
o’qitish;
- qisman kuzatish bilan o’rganish (Semi-Supervised Learning), bunda tizim
mustaqil ravishda optimal modelni yaratadi va kuzatuvchi faqat optimallashtirish
yo’nalishini to’rilaydi;
- o’qituvchisiz o’rganish (Unsupervised Learning) oldingi mashulotlarga
asoslangan algoritmni to’liq avtomatik yaratish sifatida va hokazo.
Neyron tarmoqlarning har xil turlari va shunga mos ravishda mashinani
o’rganishga turlicha yondashuvlar mavjud. So’nggi paytlarda "chuqur o’rganish" yoki
chuqur o’rganish deb ataladigan usullar keng tarqaldi, ular aniq vazifalar uchun maxsus
25
algoritmlarga emas, balki o’rganish namoyishlariga asoslanadi. Ushbu usullar XX
asrning 80-yillarida ma'lum bo’lgan, ammo faqat sun'iy neyron tarmoqlar
nazariyasining rivojlanishi va mashinalarning hisoblash quvvatining oshishi bilan ular
ilgari mavjud bo’lgan keng ko’lamli muammolarni hal qilishga imkon berdi. mashina
tarjimasi, nutqni aniqlash, kompyuterni ko’rish kabi kirish mumkin emas. Bundan
tashqari, ushbu muammolarni neyron tarmoq yordamida hal qilish sifati ko’pincha
inson samaradorligidan oshadi.
Ko’p chiziqli bo’lmagan transformatsiyalar yordamida yuqori darajadagi
abstraktsiyalarni modellashtirish uchun mashinani o’rganish algoritmlari - Deep
Learning - bu neyron tarmoq kirish va chiqish o’rtasida bir nechta "qatlamlar"
bo’lganda. Chuqur neyron tarmoqlarni o’rgatish usullarini maxsus adabiyotlarda topish
mumkin.
38
.
Neyron tarmoqlar rivojlanishining yuqori darajasi GPT-3 neyron tarmoining
yaratilishi bilan tasdiqlanishi mumkin.
39
, Massachusets Texnologiya Instituti (MIT)
tadqiqotchilarining fikriga ko’ra, o’zi miyani taqlid qiladi va mashinani o’rganish ko’p
jihatdan inson bilishiga o’xshay boshlaydi. Sun'iy intellekt hali insonga o’xshash
idrokga erishmagan bo’lsa-da, nutqni qayta ishlashni takrorlaydigan sun'iy neyron
tarmoqlar (yuqori bilishning muhim tarkibiy qismi hisoblanadigan tizim) inson
miyasida ko’rgan narsaga juda o’xshash bo’la boshladi. MIT tadqiqotchilarining
fikricha, mashinani o’rganishdagi tendentsiyalarni tahlil qilish miyaning kognitiv
funksiyasi mexanizmlarini yaxshiroq tushunish imkonini beradi va sun’iy intellekt
tabiat bilan konvergent evolyutsiyani boshdan kechirmoqda, garchi hech kim buni
dasturlashmagan. Neyron tarmoq miyaga qanchalik o’xshasa,
40
.
Yana bir misol - inson miya signallarini dekodlash uchun o’ta aniq neyron
tarmoq. Ushbu neyron tarmoq miyaning turli sohalaridan kelib chiqadigan turli xil
xatti-harakatlar va ogohlantirishlarni taniy oladi, miya signallarini o’qiy oladi va inson
xatti-harakatlarini bashorat qiladi. Neyron tarmoq miyaning sensorli va xulq-atvor
signallarini oldindan talab qilinadigan dastlabki ishlovsiz taniy oladi va
o’rganilayotgan hayvon yoki odamning xatti-harakatlarini oldindan aytib beradi. AI
bilan kodlangan dekodlashning aniqligi tadqiqotchilar tomonidan kalamush
elektrofiziologiyasi
va
inson
elektrokortikografiyasidan
miya
signallarini
dekodlashning an'anaviy usullaridan foydalangan holda tasdiqlandi. An'anaviy shifrni
38
Sozikin A.V. Chuqur neyron tarmoqlarni o'rganish usullariga umumiy nuqtai. SUSU byulleteni.
Seriya: Hisoblash matematikasi va informatika. 2017. V. 6. No 3. S. 28–59.
39
Generative Pre-trained Transformer 3 (GPT-3) OpenAIning tabiiy tilni qayta ishlash algoritmining
uchinchi avlodi boʻlib, dunyodagi eng ilgʻor til modellaridan biridir.
40
Schrimpf M., Blank IA, Tuckute G., Kauf C., Hosseini EA, Kanwisher N., Tenenbaum JB,
Fedorenko E. Tilning neyron arxitekturasi: Integrativ modellashtirish bashoratli ishlov berishda
birlashadi // Milliy Fanlar Akademiyasi materiallari. Amerika Qo'shma Shtatlari. 2021 jild. 118 (45).
Art. e2105646118.
26
hal qilish algoritmlaridan farqli o’laroq, sun'iy intellekt ancha katta hajmdagi
ma'lumotlar bilan ishlaydi va ishlash jarayonida o’rganadi,
41
.
Bugungi kunga kelib, neyron tarmoqlar mashinani o’rganishning eng mashhur
usuli hisoblanadi. Bu usul ko’pgina afzalliklarni beradi, masalan, bunday usullardan
foydalanish oson va maxsus matematik bilimlarni talab qilmaydi, bundan tashqari,
neyron tarmoqlardan foydalanish kirish va chiqish ma'lumotlari o’rtasidagi yashirin
boliqliklarni umumlashtirish va ajratib ko’rsatish imkonini beradi.
42
.
Ultra chuqur multimodal neyron tarmoq modellari allaqachon asosiy modellar
deb ataladi, ularning rivojlanishi "parametrlar sonini yanada ko’paytirish orqali
tizimning intellektual qobiliyatini oshirish bilan kuchli sun'iy intellektga o’tishning
bevosita istiqboli sifatida qaraladi. inson miyasida ularning sonining ko’pligi), idrok
etilgan modalliklar (shu jumladan, inson tanasi uchun mavjud bo’lmagan yangi
usullar), shuningdek, katta hajmdagi ma'lumotlarni o’qitish uchun foydalaniladi
(insonga jismoniy jihatdan etib bo’lmaydigan)"
43
.
Pastdan yuqoriga (biologik) yondashuv ba'zan konnektsion yondashuv deb ham
ataladi.
44
.
Ikkinchi yondashuv. Pastdan yuqoriga ko’tarilgan tarafdorlar hisoblash
moslamasi miyaga o’xshash bo’lishi kerakligini ta'kidlasa, pastdan yuqoriga
ko’tarilgan tarafdorlar miya kompyuterga o’xshashligini ta'kidlaydilar. Sun'iy
intellektni yaratishga bunday yondashuv yuqoridan pastga yoki semiotik ("semiotika"
atamasidan - belgilar va belgilar tizimlarining xususiyatlarini o’rganuvchi fan) deb
ataladi. Ushbu yondashuv biologik tizimning texnik analogini yaratishga qaratilgan
emas, u rasmiy mantiq qonunlari, to’plamlar nazariyasi, grafiklar, semantik tarmoqlar
va matematika va mantiqning boshqa yutuqlaridan foydalangan holda sun'iy intellekt
tizimlarini modellashtirishdan iborat. Ushbu yondashuv natijasida bilimga asoslangan
sun'iy intellekt tizimlari yaratiladi: ekspert tizimlari, bilim bazalari, yuqori darajadagi
aqliy jarayonlarga taqlid qiluvchi xulosalar tizimlari, ya'ni nutq, fikrlash. Bunday
tizimlarning ishi ma'lum bir qarorlar to’plami asosida qurilgan: "agar ... - keyin ...".
Ba'zan semiotik yondashuv ramziy deb ataladi, chunki u intellektual jarayonlar
(muammolarni hal qilish, qaror qabul qilish va hokazo) tabiiy va sun'iy tizimlarda
ishlaydigan ma'lum universal qoidalarga muvofiq belgilar bilan ketma-ket
operatsiyalar sifatida amalga oshiriladi, degan oyaga asoslanadi. Ya'ni, aqlli
mashinalarni yaratish uchun miya qanday ishlashini tushunish shart emas: sun'iy
41
Frey M., Tanni S., Perrodin C., O'Leary A., Nau M., Kelly J., Banino A., Bendor D., Lefort J.,
Doeller CF, Barry C. Keng tarmoqli neyron faoliyatini talqin qilish konvolyutsion neyron
tarmoqlardan foydalanish // Elife. 2021. Yoʻq. 10-modda. e66551.
42
Dremlyuga R.I. Sun'iy intellekt qonuni va etikasi: o'quv qo'llanma. Vladivostok: FEFU nashriyoti.
2021. S. 7.
43
Kolonin A. Hozirgi vaqtda AIning chuqurligi, shaffofligi va "kuchliligi" haqida, 08.12.2021. URL:
https://russiancouncil.ru/analytics-and-comments/analytics/o-glubine-prozrachnosti-i-sile-ii-v-
tekushchem-momente/ (kirish sanasi: 10.12.2021).
44
Alekseeva E.A. Sun'iy intellektning rivojlanish tarixida simvolizm va aloqadorlik o'rtasidagi
qarama-qarshilik // Istoriya. 2020. 11-jild. № 11 (97). S. 30.
27
intellektni kompyuter muhitida aqlli algoritmlar to’plami sifatida amalga oshirish
mumkin.
Yuqoridagi yondashuvlarning har biri o’zining afzalliklariga ega. Agar
yuqoridan pastga yondashuv bilimga asoslangan tizimlarni yaratishga va algoritmlar
asosida qarorlar qabul qilishga qaratilgan bo’lsa, u holda pastdan yuqoriga (biologik)
yondashuv asosida yaratilgan tizim bilan, neyron tarmoqlar haqida gap ketganda, xatti-
harakatlar algoritmi. oldindan belgilanmagan. Neyron tarmoqlarni qurishda algoritmlar
ham qo’llanilsa-da, neyron tarmoqlar so’zning odatiy ma'nosida dasturlashtirilmaydi,
ular o’qitiladi. Neyron tarmoqning o’zi kirish va chiqish ma'lumotlari o’rtasidagi
boliqlikni aniqlashga va umumlashtirishga qodir, ya'ni biz muammoni hal qilish
algoritmlari haqida emas, balki muayyan sohadagi muammolarni hal qilish
algoritmlarini o’rganish haqida gapiramiz.
Shunday qilib, pastdan yuqoriga yondashuv o’z-o’zini tashkil etuvchi tizimlarni
yaratishga olib keladi. Bu erda aqliy faoliyatni mantiqiy darajada emas, balki asab
tizimining fiziologik darajasida modellashtirishga urinish mavjud. Bu sun'iy neyron
tarmoqlarga naqshlarni tanib olish imkonini beradi, bu esa ramziy yondashuv asosida
ishlab chiqilgan sun'iy intellekt tizimlari uchun qiyinchiliklar tudirdi. Boshqa
tomondan, neyron tarmoqlar odatiy ramziy tizimlar uchun mavjud bo’lgan bir qator
vazifalarni hal qila olmaydi.
Ikki asosiy yondashuvdan tashqari, boshqa yondashuvlar ham mavjud: gibrid,
evristik va boshqalar. Masalan, evristik yondashuvning asosiy xususiyati mantiqiy
fikrlashni modellashtirishni ham, fikrlash fiziologiyasini modellashtirishni ham rad
etish, umuman, intellektual faoliyat mexanizmini qurish analogiyalarini rad etishdir.
Natijada, evristik qidiruv tizimlari odamlar tomonidan an'anaviy ravishda bajariladigan
muammolarni hal qilishga qodir, lekin buni boshqa yo’llar bilan amalga oshiradi.
Bunday tizimlar "genetik algoritmlar" deb ataladigan vositalar yordamida qurilgan.
Evristik qidiruv tizimlarining kamchiliklari shundaki, ularning bir sohada intellektual
muammolarni hal qilish uchun algoritm va dasturlarni yaratish usullari, qoida
tariqasida, boshqalarga mos kelmaydi. Shunga qaramay, bunday tizimlar shaxmat,
shashka, ya'ni o’yin tizimlarida muammolarni hal qilishda juda keng tarqalgan.
| 