Neyro-simvolik AI: Nəhayət həm məntiqi, həm də öyrənməyi idarə edə bilən maşın

• Author:
• Author adı

  Quantumrun Uzaqgörməsi
• April 13, 2023

Maşın öyrənməsi (ML) həmişə özünəməxsus problemləri ilə perspektivli texnologiya olub, lakin tədqiqatçılar böyük verilənlərdən kənara çıxan məntiqə əsaslanan sistem yaratmağa çalışırlar. Məntiqə əsaslanan sistemlər simvolik təsvirlər və əsaslandırma ilə işləmək üçün nəzərdə tutulmuşdur ki, bu da sistemin qərar qəbul etmə prosesini başa düşmək üçün daha şəffaf və şərh edilə bilən bir üsul təmin edə bilər. 

Neyro-simvolik AI konteksti

Neyro-simvolik AI (kompozit AI adlanır) süni intellektin (AI) iki qolunu birləşdirir. Birincisi, münasibətləri və qaydaları (yəni, obyektin rəngi və formasını) anlamaq üçün simvollardan istifadə edən simvolik AI-dir. Simvolik AI-nin işləməsi üçün bilik bazası dəqiq, təfərrüatlı və hərtərəfli olmalıdır. Bu tələb o deməkdir ki, o, öz-özünə öyrənə bilməz və bilik bazasını daim yeniləmək üçün insan təcrübəsindən asılıdır. 

Neyro-simvolik AI-nin digər komponenti dərin neyron şəbəkələri (dərin şəbəkələr) və ya dərin öyrənmədir (DL). Bu texnologiya insan beyninin neyronlarını təqlid edən çoxsaylı qovşaq təbəqələrindən istifadə edərək böyük verilənlər toplusunu emal etməyi öz-özünə öyrənir. Məsələn, dərin şəbəkələr hansının hansı olduğunu dəqiq müəyyən etmək üçün pişik və itlərin müxtəlif şəkillərindən keçə bilər və zaman keçdikcə yaxşılaşır. Ancaq dərin şəbəkələrin edə bilmədiyi şey mürəkkəb əlaqələri emal etməkdir. Simvolik süni intellekt və dərin şəbəkələri birləşdirərək tədqiqatçılar DL-dən böyük həcmdə məlumatı bilik bazasına daxil etmək üçün istifadə edirlər, bundan sonra simvolik süni intellekt qaydalar və əlaqələri çıxara və ya müəyyən edə bilər. Bu birləşmə biliklərin daha səmərəli və dəqiq tapılmasına və qərar qəbul edilməsinə imkan verir.

Neyro-simvolik AI ünvanladığı başqa bir sahə dərin şəbəkənin bahalı təlim prosesidir. Əlavə olaraq, dərin şəbəkələr kiçik giriş məlumat dəyişikliklərinə həssas ola bilər ki, bu da təsnifat səhvlərinə səbəb olur. Onlar həmçinin çox təlim məlumatları olmadan mücərrəd əsaslandırma və suallara cavab verməklə mübarizə aparırlar. Bundan əlavə, bu şəbəkələrin daxili işləri mürəkkəbdir və insanlar üçün başa düşmək çətindir, bu da onların proqnozlarının arxasında duran əsaslandırmaları şərh etməyi çətinləşdirir.

Dağıdıcı təsir

Stenford Universitetinin tədqiqatçıları əsas 100,000D formaların (kvadratlar, kürələr, silindrlər və s.) 3 təsvirindən istifadə edərək kompozit süni intellekt üzərində ilkin tədqiqatlar aparıblar. Daha sonra onlar hibridi məlumatları emal etmək və əlaqələri çıxarmaq üçün öyrətmək üçün müxtəlif suallardan istifadə ediblər (məsələn, kublar qırmızıdırmı? ). Onlar tapdılar ki, neyro-simvolik süni intellekt bu suallara 98.9 faiz düzgün cavab verə bilir. Bundan əlavə, hibrid həllər hazırlamaq üçün təlim məlumatlarının yalnız 10 faizini tələb edirdi. 

Simvollar və ya qaydalar dərin şəbəkələrə nəzarət etdiyi üçün tədqiqatçılar onların necə “öyrəndiklərini” və nasazlıqların harada baş verdiyini asanlıqla görə bilirlər. Əvvəllər bu, dərin şəbəkələrin zəif tərəflərindən biri, mürəkkəb kod və alqoritmlərin təbəqələri və təbəqələri səbəbindən izlənilə bilməməsi idi. Neyro-simvolik süni intellekt yolda olan obyektləri və ətrafdakı hər hansı dəyişikliyi tanımaq üçün özü idarə olunan avtomobillərdə sınaqdan keçirilir. Daha sonra bu xarici amillərə uyğun reaksiya vermək üçün öyrədilir. 

Bununla belə, simvolik süni intellekt və dərin şəbəkələrin birləşməsinin daha təkmil süni intellektə doğru ən yaxşı yol olub-olmaması ilə bağlı müxtəlif fikirlər mövcuddur. Bəzi tədqiqatçılar, məsələn, Braun Universitetinin tədqiqatçıları hesab edirlər ki, bu hibrid yanaşma insan ağlının əldə etdiyi mücərrəd düşüncə səviyyəsinə uyğun gəlməyə bilər. İnsan şüuru xüsusi simvolik komponentə ehtiyac duymadan bioloji neyron şəbəkələrindən istifadə edərək bu simvollardan istifadə edərək obyektlərin simvolik təsvirlərini yarada və müxtəlif növ mülahizələri həyata keçirə bilər. Bəzi ekspertlər iddia edirlər ki, insan qabiliyyətlərini təqlid edən dərin şəbəkələrə funksiyalar əlavə etmək kimi alternativ üsullar süni intellekt imkanlarının artırılmasında daha effektiv ola bilər.

Neyro-simvolik AI üçün tətbiqlər

Neyro-simvolik AI üçün bəzi tətbiqlərə aşağıdakılar daxil ola bilər:

• İnsan əmrlərini və motivasiyasını daha yaxşı anlaya bilən, daha dəqiq cavablar və xidmətlər istehsal edən chatbotlar kimi botlar.
• Tibbi diaqnostika, müalicənin planlaşdırılması və dərmanların hazırlanması kimi daha mürəkkəb və həssas problem həlli ssenarilərində tətbiqi. Texnologiya nəqliyyat, enerji və istehsal kimi sahələr üçün elmi və texnoloji tədqiqatları sürətləndirmək üçün də tətbiq oluna bilər. 
• Hazırda insan mühakiməsini tələb edən qərar qəbuletmə proseslərinin avtomatlaşdırılması. Nəticədə, bu cür tətbiqlər müştəri xidməti kimi müəyyən sahələrdə empatiya və hesabatlılığın itirilməsinə səbəb ola bilər.
• Elektrik enerjisinə proaktiv şəkildə qənaət etmək və təhlükəsizlik tədbirlərini həyata keçirmək kimi müxtəlif ssenariləri emal edə bilən daha intuitiv ağıllı cihazlar və virtual köməkçilər.
• Məxfilik, sahiblik və məsuliyyətlə bağlı məsələlər kimi yeni etik və hüquqi suallar.
• Hökumətdə və digər siyasi kontekstlərdə təkmilləşdirilmiş qərar qəbulu. Bu texnologiya daha çox hədəflənmiş reklamlar və hiper-fərdiləşdirilmiş reklamlar və medianın yaradılması vasitəsilə ictimai rəyə təsir etmək üçün də istifadə edilə bilər.

Nəzərə alınmalı suallar

• Neyro-simvolik süni intellektin gündəlik həyatımıza başqa necə təsir edəcəyini düşünürsünüz?
• Bu texnologiya digər sənaye sahələrində necə istifadə oluna bilər?