Білім инженериясы - бұл бар білімге негізделген мәселелердің шешімін табуға арналған жүйелерді құруға бағытталған әдістер, модельдер және әдістер жиынтығы. Іс жүзінде бұл термин білімді талдау, алу, өңдеу және ұсыну әдістерін қамтитын әдіснама, теория және технология ретінде түсініледі.
Жасанды интеллекттің мәні адамға тән интеллектуалдық функцияларды ғылыми талдау мен автоматтандыруда жатыр. Сонымен қатар, оларды машинада іске асырудың күрделілігі көптеген мәселелерге тән. АИ-ді зерттеу проблемаларды шешудің артында сараптамалық білімге деген қажеттілік жатқанына көз жеткізуге мүмкіндік берді, яғни болашақта тек есте сақтап қана қоймай, сонымен қатар сараптамалық білімді талдап, пайдалана алатын жүйені құру; оны практикалық мақсаттарда пайдалануға болады.
Терминнің тарихы
Білім инженериясы мен интеллектуалды ақпараттық жүйелерді, атап айтқанда сараптамалық жүйелерді дамыту бір-бірімен тығыз байланысты.
60-70 жылдары АҚШ-тың Стэнфорд университетінде Э. Фейгенбаумның жетекшілігімен А. DENDRAL жүйесі, сәл кейінірек - MYCIN. Екі жүйе де компьютер жадында жинақтау және есептерді шешу үшін мамандардың білімін пайдалану қабілетіне байланысты сарапшы атағын алды. Технологияның бұл саласы эксперттік жүйелерді жасаушы профессор Э. Фейгенбаумның хабарламасынан «білім инженериясы» терминін алды.
Тәсілдер
Білім инженериясы екі тәсілге негізделген: білімді түрлендіру және үлгі құру.
- Білімді түрлендіру. Сараптаманы өзгерту процесі және сараптамалық білімнен оны бағдарламалық қамтамасыз етуді енгізуге көшу. Білімге негізделген жүйелердің дамуы соған негізделді. Білімді көрсету форматы – ережелер. Кемшіліктері - жасырын білім мен әртүрлі білім түрлерін адекватты түрде көрсетудің мүмкін еместігі, ережелердің көп санын көрсетудің қиындығы.
- Құрылыс үлгілері. AI құру модельдеу түрі болып саналады; белгілі бір саладағы мәселелерді сарапшылармен тең дәрежеде шешуге арналған компьютерлік модельді құру. Модель когнитивтік деңгейде сарапшының әрекетіне еліктей алмайды, бірақ ұқсас нәтиже алуға мүмкіндік береді.
Білім инженериясының үлгілері мен әдістері компьютерлік жүйелерді дамытуға бағытталған, оның негізгі мақсаты – мамандардан қолжетімді білімді алу, содан кейін оны барынша тиімді пайдалану үшін ұйымдастыру.
Жасанды интеллект, нейрондық желілер және машиналық оқыту: айырмашылығы неде?
Жасанды интеллектті жүзеге асырудың бір жолы – нейрондықжелі.
Машиналық оқыту – бұл өздігінен білім алу алгоритмдерін құру әдістерін зерттеуге бағытталған AI дамыту саласы. Бұл қажеттілік нақты мәселенің нақты шешімі болмаған жағдайда туындайды. Мұндай жағдайда шешімді іздемей, оны табу әдісін жасай алатын механизмді жасау тиімдірек.
Жиі қолданылатын «терең» («терең») оқыту термині жұмыс істеу үшін үлкен көлемдегі есептеу ресурстарын қажет ететін машиналық оқыту алгоритмдерін білдіреді. Тұжырымдама көп жағдайда нейрондық желілермен байланысты.
Жасанды интеллекттің екі түрі бар: тар бағытталған немесе әлсіз, жалпы немесе күшті. Әлсіздердің әрекеті мәселелердің тар тізбесі шешімін табуға бағытталған. Тар бағыттағы AI-ның ең көрнекті өкілдері - Google Assistant, Siri және Алиса дауыстық көмекшілері. Керісінше, күшті AI қабілеттері адамға кез келген дерлік тапсырманы орындауға мүмкіндік береді. бүгінде жасанды жалпы интеллект утопия болып саналады: оны жүзеге асыру мүмкін емес.
Машинаны оқыту
Машинаны оқыту тәжірибеден үйрене алатын машина жасау үшін қолданылатын жасанды интеллект саласындағы әдістерді білдіреді. Оқу процесі машина арқылы үлкен деректер массивтерін өңдеу және олардан үлгілерді іздеу ретінде түсініледі.
Машиналық оқыту және деректер туралы ғылым ұғымдары, ұқсастығына қарамастан, әлі де әртүрлі және әрқайсысы өз міндеттерін шешеді. Екі құрал да жасандыға кіредіинтеллект.
AI саласының бірі болып табылатын машинада оқыту - бұл компьютер қатаң белгіленген ережелерді сақтамай қорытынды жасай алатын алгоритмдер. Құрылғы адам миынан айырмашылығы, дәлірек жауаптарды таба отырып, параметрлері көп күрделі тапсырмалардағы үлгілерді іздейді. Әдістің нәтижесі дәл болжам болып табылады.
Деректану
Деректерді талдау және олардан құнды білім мен ақпаратты алу (деректерді өндіру) туралы ғылым. Ол машиналық оқытумен және ойлау ғылымымен, деректердің үлкен көлемімен әрекеттесу технологияларымен байланысады. Деректер туралы ғылымның жұмысы деректерді талдауға және кейінгі сұрыптау, өңдеу, іріктеу және ақпаратты іздеу үшін дұрыс тәсілді табуға мүмкіндік береді.
Мысалы, кәсіпорынның қаржылық шығындары туралы ақпарат және контрагенттер туралы ақпарат бар, олар тек операциялардың уақыты мен күні және аралық банктік деректер бойынша өзара байланысты. Аралық деректерді терең машиналық талдау ең қымбат контрагентті анықтауға мүмкіндік береді.
Нейрондық желілер
Нейрондық желілер жеке құрал емес, машиналық оқыту түрлерінің бірі бола отырып, жасанды нейрондардың көмегімен адам миының жұмысын модельдеуге қабілетті. Олардың әрекеті тапсырманы шешуге және қателерді азайту арқылы жинақталған тәжірибе негізінде өздігінен білім алуға бағытталған.
Машинаны оқыту мақсаттары
Машиналық оқытудың негізгі мақсаты әртүрлі аналитикалық шешімдерді іздеуді ішінара немесе толық автоматтандыру болып саналады.тапсырмалар. Осы себепті машиналық оқыту алынған деректерге негізделген ең дәл болжамдарды беруі керек. Машиналық оқытудың нәтижесі – нәтижені болжау және есте сақтау, кейіннен қайта шығару және ең жақсы нұсқалардың бірін таңдау мүмкіндігі.
Машиналық оқыту түрлері
Мұғалімнің қатысуына негізделген оқытудың жіктелуі үш санатта болады:
- Мұғаліммен. Білімді пайдалану құрылғыны сигналдар мен нысандарды тануға үйретуді қамтитын кезде пайдаланылады.
- Мұғалімсіз. Жұмыс принципі объектілер арасындағы ұқсастықтар мен айырмашылықтарды, аномалияларды анықтайтын, содан кейін олардың қайсысы ұқсас емес немесе ерекше деп саналатынын танитын алгоритмдерге негізделген.
- Арматурамен. Құрылғы көптеген ықтимал шешімдері бар ортада тапсырмаларды дұрыс орындауы қажет болғанда қолданылады.
Қолданылатын алгоритмдер түріне қарай олар бөлінеді:
- Классикалық оқыту. Оқыту алгоритмдері жарты ғасырдан астам уақыт бұрын статистикалық кеңселер үшін әзірленген және уақыт өте мұқият зерттелген. Деректермен жұмыс істеуге қатысты мәселелерді шешу үшін пайдаланылады.
- Терең оқыту және нейрондық желілер. Машиналық оқытуға заманауи көзқарас. Бейнелер мен кескіндерді жасау немесе тану, машиналық аударма, күрделі шешім қабылдау және талдау процестері қажет болғанда нейрондық желілер пайдаланылады.
Білім инженериясында бірнеше түрлі тәсілдерді біріктіретін үлгілер ансамбльдері мүмкін.
Машиналық оқытудың артықшылықтары
Машиналық оқытудың әртүрлі түрлері мен алгоритмдерінің сауатты үйлесімі арқылы күнделікті бизнес процестерін автоматтандыруға болады. Шығармашылық бөлігі – келіссөздер жүргізу, келісім-шарттар жасау, стратегияларды құрастыру және орындау – адамдарға қалдырылады. Бұл бөлу маңызды, өйткені адам, машинадан айырмашылығы, қораптан тыс ойлауға қабілетті.
AI құру мәселелері
AI құру контекстінде жасанды интеллект құрудың екі мәселесі бар:
- Тұлғаны өзін-өзі ұйымдастыратын сана және ерік еркіндігі ретінде танудың заңдылығы, сәйкесінше жасанды интеллектіні орынды деп тану үшін де дәл солай қажет;
- Жасанды интеллектті адам санасымен және оның қабілеттерімен салыстыру, ол барлық жүйелердің жеке ерекшеліктерін ескермейді және олардың қызметінің мағынасыздығына байланысты оларды кемсітуге әкеп соғады.
Жасанды интеллект құру мәселелері басқа нәрселермен қатар бейнелер мен бейнелі есте сақтауды қалыптастыруда жатыр. Адамдардағы бейнелі тізбектер машинаның жұмысынан айырмашылығы ассоциативті түрде қалыптасады; адам санасынан айырмашылығы, компьютер белгілі бір қалталар мен файлдарды іздейді және ассоциативті байланыстар тізбегін таңдамайды. Білім инженериясындағы жасанды интеллект өз жұмысында белгілі бір дерекқорды пайдаланады және эксперимент жасай алмайды.
Екінші мәселе - құрылғы үшін тілдерді үйрену. Мәтінді аударма бағдарламалары арқылы аудару көбінесе автоматты түрде жүзеге асады және соңғы нәтиже сөздер жиынтығымен көрсетіледі. Дұрыс аударма үшінсөйлемнің мағынасын түсінуді талап етеді, бұл AI жүзеге асыруы қиын.
Жасанды интеллект ерік-жігерінің көрінбеуі де оны құру жолындағы мәселе болып саналады. Қарапайым тілмен айтқанда, компьютерде күрделі есептеулерді орындау мүмкіндігі мен қуатына қарағанда жеке қалаулар жоқ.
Заманауи жасанды интеллект жүйелерінің одан әрі өмір сүруі мен жетілдірілуі үшін ешқандай ынталандыру жоқ. Көптеген АИ-лер тек адам тапсырмасымен және оны орындау қажеттілігінен туындайды. Теориялық тұрғыдан бұған компьютер мен адам арасында кері байланыс жасау және компьютердің өздігінен білім алу жүйесін жақсарту әсер етуі мүмкін.
Жасанды құрылған нейрондық желілердің примитивтілігі. Бүгінгі күні олардың адам миымен бірдей артықшылықтары бар: олар жеке тәжірибеге сүйене отырып үйренеді, олар қорытынды жасай алады және алынған ақпараттан ең бастысын алады. Сонымен қатар, интеллектуалды жүйелер адам миының барлық функцияларын қайталай алмайды. Қазіргі нейрондық желілерге тән интеллект жануардың интеллектінен аспайды.
Әскери мақсаттағы AI-ның минималды тиімділігі. Жасанды интеллект негізіндегі роботтарды жасаушылар AI-ның нақты уақыт режимінде алынған ақпаратты өздігінен үйренуге, автоматты түрде тануға және дұрыс талдауға қабілетсіздігі мәселесіне тап болды.
