Мэдлэгийн инженерчлэл нь одоо байгаа мэдлэг дээр тулгуурлан асуудлын шийдлийг олох зорилготой системийг бий болгоход чиглэсэн арга, загвар, техникийн цогц юм. Үнэн хэрэгтээ энэ нэр томьёо нь мэдлэгийг шинжлэх, гаргаж авах, боловсруулах, илэрхийлэх аргуудыг хамарсан арга зүй, онол, технологи гэж ойлгогддог.
Хиймэл оюун ухааны мөн чанар нь хүний төрөлх оюуны үйл ажиллагааг шинжлэх ухаанч байдлаар шинжлэх, автоматжуулахад оршдог. Үүний зэрэгцээ тэдгээрийн машиныг хэрэгжүүлэх нарийн төвөгтэй байдал нь ихэнх асуудалд нийтлэг байдаг. Хиймэл оюун ухааныг судалснаар асуудлыг шийдэхийн ард шинжээчийн мэдлэг, өөрөөр хэлбэл зөвхөн цээжлэх төдийгүй ирээдүйд шинжээчийн мэдлэгийг шинжлэх, ашиглах боломжтой системийг бий болгох шаардлагатай байгааг батлах боломжтой болсон; үүнийг практик зорилгоор ашиглаж болно.
Нэр томъёоны түүх
Мэдлэгийн инженерчлэл болон ухаалаг мэдээллийн систем, ялангуяа шинжээчдийн системийг хөгжүүлэх нь хоорондоо нягт холбоотой.
60-70-аад онд АНУ-ын Стэнфордын их сургуульд Э. Фейгенбаумын удирдлаган дорDENDRAL систем, хэсэг хугацааны дараа - MYCIN. Энэ хоёр систем нь компьютерийн санах ойд хуримтлуулж, мэргэжилтнүүдийн мэдлэгийг асуудлыг шийдвэрлэхэд ашиглах чадвартай тул шинжээчийн цолыг авсан. Технологийн энэ чиглэл нь шинжээчдийн системийг бүтээгч профессор Э. Фейгенбаумаас "мэдлэгийн инженерчлэл" гэсэн нэр томъёог хүлээн авсан.
Хандлага
Мэдлэгийн инженерчлэл нь мэдлэгийг хувиргах болон загвар бүтээх гэсэн хоёр хандлагад суурилдаг.
- Мэдлэгийн өөрчлөлт. Мэргэшлийг өөрчлөх үйл явц, шинжээчийн мэдлэгээс програм хангамжийн хэрэгжилт рүү шилжих үйл явц. Мэдлэгт суурилсан системийг хөгжүүлэх нь үүн дээр суурилагдсан. Мэдлэгийг илэрхийлэх хэлбэр - дүрэм. Сул тал нь далд мэдлэг болон өөр өөр төрлийн мэдлэгийг зохих хэлбэрээр илэрхийлэх боломжгүй, олон тооны дүрмийг тусгахад хүндрэлтэй байдаг.
- Барилгын загварууд. AI барих нь симуляцийн нэг төрөл гэж тооцогддог; Мэргэжилтнүүдийн хамт тодорхой чиглэлээр асуудлыг шийдвэрлэхэд зориулагдсан компьютерийн загварыг бий болгох. Энэхүү загвар нь танин мэдэхүйн түвшинд шинжээчийн үйл ажиллагааг дуурайх чадваргүй боловч ижил төстэй үр дүнд хүрэх боломжийг олгодог.
Мэдлэгийн инженерчлэлийн загвар, аргууд нь компьютерийн системийг хөгжүүлэхэд чиглэгдсэн бөгөөд гол зорилго нь мэргэжилтнүүдээс байгаа мэдлэгийг олж авч, улмаар түүнийг хамгийн үр дүнтэй ашиглах зорилгоор зохион байгуулах явдал юм.
Хиймэл оюун ухаан, мэдрэлийн сүлжээ ба машин сургалт: ялгаа нь юу вэ?
Хиймэл оюун ухааныг хэрэгжүүлэх нэг арга бол мэдрэлийнсүлжээ.
Машинаар суралцах нь бие даан суралцах алгоритмыг бий болгох аргуудыг судлах зорилготой хиймэл оюун ухааны хөгжлийн салбар юм. Тодорхой асуудлыг шийдэх тодорхой шийдэл байхгүй үед ийм хэрэгцээ үүсдэг. Ийм үед эрэл хайгуул хийхээсээ илүүтэй шийдлийг олох аргыг бий болгож чадах механизм боловсруулах нь илүү ашигтай.
Түгээмэл хэрэглэгддэг "гүн" ("гүнзгий") сурах нэр томъёо нь ажиллахын тулд их хэмжээний тооцоолох нөөц шаарддаг машин сургалтын алгоритмуудыг хэлдэг. Ихэнх тохиолдолд энэ ойлголт нь мэдрэлийн сүлжээтэй холбоотой байдаг.
Хиймэл оюун ухаан нь нарийн төвлөрсөн, эсвэл сул, ерөнхий эсвэл хүчтэй гэсэн хоёр төрөлтэй. Сул дорой хүмүүсийн үйлдэл нь асуудлын нарийн жагсаалтын шийдлийг олоход чиглэгддэг. Нарийн төвлөрсөн хиймэл оюун ухааны хамгийн алдартай төлөөлөгчид бол Google Assistant, Siri, Алис нарын дуут туслахууд юм. Үүний эсрэгээр хүчирхэг хиймэл оюун ухаан нь хүний бараг бүх ажлыг гүйцэтгэх боломжийг олгодог. Өнөөдөр хиймэл ерөнхий оюун ухааныг утопи гэж үздэг: үүнийг хэрэгжүүлэх боломжгүй.
Машин сурах
Машины сургалт гэдэг нь туршлагаас суралцах боломжтой машин бүтээхэд ашигладаг хиймэл оюун ухааны салбарын аргуудыг хэлнэ. Сурах үйл явц нь асар том өгөгдлийн массивуудыг машинд боловсруулж, тэдгээрт хэв маягийг хайх явдал гэж ойлгогддог.
Машины сургалт ба Өгөгдлийн шинжлэх ухаан гэсэн ойлголтууд нь ижил төстэй хэдий ч өөр өөр хэвээр байгаа бөгөөд тус бүр өөр өөрийн даалгаврыг даван туулж чаддаг. Хоёр хэрэгсэл хоёулаа хиймэл зүйлд багтдагоюун ухаан.
Хиймэл оюун ухааны нэг салбар болох Машины сургалт нь компьютер хатуу тогтоосон дүрмийг дагаж мөрдөхгүйгээр дүгнэлт хийх боломжтой алгоритмууд юм. Уг машин нь хүний тархинаас ялгаатай нь олон тооны параметр бүхий нарийн төвөгтэй ажлуудын хэв маягийг хайж, илүү үнэн зөв хариултыг олдог. Аргын үр дүн нь үнэн зөв таамаглал юм.
Өгөгдлийн шинжлэх ухаан
Өгөгдлийг хэрхэн шинжлэх, тэдгээрээс үнэ цэнэтэй мэдлэг, мэдээллийг гаргаж авах шинжлэх ухаан (өгөгдлийн олборлолт). Энэ нь машин сургалт, сэтгэлгээний шинжлэх ухаан, их хэмжээний өгөгдөлтэй харилцах технологитой харилцдаг. Өгөгдлийн шинжлэх ухааны ажил нь танд өгөгдөлд дүн шинжилгээ хийх, дараа нь ангилах, боловсруулах, түүвэрлэх, мэдээлэл хайхад зөв хандлагыг олох боломжийг олгодог.
Жишээ нь, аж ахуйн нэгжийн санхүүгийн зардлын тухай мэдээлэл, зөвхөн гүйлгээний цаг, огноогоор харилцан уялдаатай байгаа харилцагч талуудын тухай мэдээлэл, завсрын банкны мэдээлэл байдаг. Завсрын өгөгдөлд гүн гүнзгий дүн шинжилгээ хийх нь танд хамгийн өндөр өртөгтэй түншийг тодорхойлох боломжийг олгоно.
Мэдрэлийн сүлжээ
Мэдрэлийн сүлжээнүүд нь тусдаа хэрэгсэл биш, харин машин сургалтын нэг төрөл учраас хиймэл нейрон ашиглан хүний тархины ажлыг дуурайлган хийх чадвартай. Тэдний үйлдэл нь даалгаврыг шийдвэрлэх, алдааг багасгах замаар олж авсан туршлага дээрээ үндэслэн бие даан суралцахад чиглэгддэг.
Машин сурах зорилго
Машин сургалтын гол зорилго нь төрөл бүрийн аналитик шийдлүүдийг хайх ажиллагааг хэсэгчлэн эсвэл бүрэн автоматжуулах явдал юм.даалгавар. Энэ шалтгааны улмаас машин сургалт нь хүлээн авсан өгөгдөл дээр үндэслэн хамгийн зөв таамаглалыг өгөх ёстой. Машины сургалтын үр дүн нь үр дүнг урьдчилан таамаглах, цээжлэх, дараа нь дахин хуулбарлах, хамгийн сайн сонголтуудын аль нэгийг сонгох явдал юм.
Машин сургалтын төрлүүд
Багшийн оролцоонд тулгуурлан сургалтын ангиллыг 3 ангилдаг:
- Багштай. Мэдлэг ашиглах нь машинд дохио болон объектыг танихыг заахтай холбоотой үед ашиглагддаг.
- Багшгүй. Үйл ажиллагааны зарчим нь объектуудын ижил төстэй байдал, ялгаа, гажигийг илрүүлж, дараа нь тэдгээрийн алийг нь ялгаатай эсвэл ер бусын гэж үздэгийг таних алгоритм дээр суурилдаг.
- Арматуртай. Олон боломжит шийдэл бүхий орчинд машин нь даалгавраа зөв гүйцэтгэх ёстой үед ашиглагддаг.
Ашигласан алгоритмын төрлөөс хамааран тэдгээрийг дараах байдлаар хуваадаг.
- Сонгодог сургалт. Сурах алгоритмыг хагас зуун гаруй жилийн өмнө статистикийн газруудад зориулж боловсруулж, цаг хугацааны явцад сайтар судалж үзсэн. Өгөгдөлтэй ажиллахтай холбоотой асуудлыг шийдвэрлэхэд ашигладаг.
- Гүн суралцах ба мэдрэлийн сүлжээ. Машин сургалтын орчин үеийн хандлага. Мэдрэлийн сүлжээг видео, зураг үүсгэх, таних, машин орчуулга хийх, шийдвэр гаргах, дүн шинжилгээ хийх цогц үйл явц шаардлагатай үед ашигладаг.
Мэдлэгийн инженерчлэлд хэд хэдэн өөр хандлагыг хослуулсан загваруудыг нэгтгэх боломжтой.
Машинаар сурахын ашиг тус
Машин сургалтын янз бүрийн хэлбэр, алгоритмуудыг чадварлаг хослуулснаар ердийн бизнесийн үйл явцыг автоматжуулах боломжтой. Бүтээлч хэсэг болох хэлэлцээр хийх, гэрээ байгуулах, стратеги боловсруулах, хэрэгжүүлэх зэрэг нь хүмүүст үлддэг. Хүн машинаас ялгаатай нь хайрцагнаас гадуур сэтгэж чаддаг учраас энэ хуваагдал чухал юм.
AI үүсгэхэд тулгарч буй асуудлууд
Хиймэл оюун ухаан бүтээхтэй холбоотойгоор хиймэл оюун ухаан бий болгох хоёр асуудал тулгардаг:
- Хүнийг өөрийгөө зохион байгуулах ухамсар, чөлөөт хүсэл зориг гэж хүлээн зөвшөөрөх хууль ёсны байдал, үүний дагуу хиймэл оюун ухааныг үндэслэлтэй гэж хүлээн зөвшөөрөхийн тулд ижил зүйл шаардлагатай;
- Хиймэл оюун ухааныг хүний оюун ухаан, түүний чадвартай харьцуулах нь бүх системийн бие даасан шинж чанарыг харгалздаггүй бөгөөд үйл ажиллагааных нь утгагүй байдлаас болж ялгаварлан гадуурхах явдал юм.
Хиймэл оюун ухааныг бий болгоход тулгардаг бэрхшээлүүд нь дүр төрх, дүрслэлийн ой санамжийг бүрдүүлэхэд оршдог. Хүний дүрслэлийн гинж нь машины үйл ажиллагаанаас ялгаатай нь ассоциатив байдлаар үүсдэг; Хүний оюун ухаанаас ялгаатай нь компьютер нь тодорхой хавтас, файлуудыг хайдаг бөгөөд ассоциатив холбоосын гинжийг сонгодоггүй. Мэдлэгийн инженерчлэл дэх хиймэл оюун ухаан нь ажилдаа тодорхой мэдээллийн санг ашигладаг бөгөөд туршилт хийх боломжгүй.
Хоёр дахь асуудал бол машинд зориулсан хэл сурах явдал юм. Орчуулгын программуудаар текстийг орчуулах нь ихэвчлэн автоматаар хийгддэг бөгөөд эцсийн үр дүнг үгийн багцаар илэрхийлдэг. Зөв орчуулгын хувьдЭнэ өгүүлбэрийн утгыг ойлгохыг шаарддаг бөгөөд үүнийг хиймэл оюун ухаан хэрэгжүүлэхэд хэцүү.
Хиймэл оюун ухааны хүсэл зоригийн илэрхийлэл дутмаг байгаа нь түүнийг бүтээх замд бас асуудал гэж үздэг. Энгийнээр хэлбэл, компьютерт нарийн төвөгтэй тооцоолол хийх хүч чадал, чадвараас ялгаатай нь хувийн хүсэл сонирхол байхгүй.
Орчин үеийн хиймэл оюун ухааны системд цаашид оршин тогтнох, сайжруулах ямар ч хөшүүрэг байхгүй. Ихэнх хиймэл оюун ухаан нь зөвхөн хүний даалгавар, түүнийг дуусгах хэрэгцээ шаардлагаас үүдэлтэй байдаг. Онолын хувьд компьютер болон хүний хооронд санал хүсэлтийг бий болгож, компьютерийн өөрөө суралцах системийг сайжруулснаар үүнд нөлөөлж болно.
Хиймэл үүсгэсэн мэдрэлийн сүлжээнүүдийн анхдагч байдал. Өнөөдөр тэд хүний тархитай адил давуу талтай: тэд хувийн туршлага дээр үндэслэн суралцдаг, тэд дүгнэлт хийж, хүлээн авсан мэдээллээс гол зүйлийг гаргаж авах чадвартай. Үүний зэрэгцээ, ухаалаг систем нь хүний тархины бүх үйл ажиллагааг давтах боломжгүй юм. Орчин үеийн мэдрэлийн сүлжээнд байдаг оюун ухаан нь амьтны оюун ухаанаас хэтрэхгүй.
Цэргийн зориулалттай хиймэл оюун ухааны хамгийн бага үр ашиг. Хиймэл оюун ухаанд суурилсан робот бүтээгчид хиймэл оюун ухаан өөрөө суралцах, хүлээн авсан мэдээллийг автоматаар таньж, бодит цаг хугацаанд зөв шинжлэх чадваргүй болох асуудалтай тулгараад байна.
