Süni intellekti başlanğıc səviyyədən öyrən: əsas anlayışlar və plan

Süni intellekti başlanğıcdan öyrənmək üçün bir neçə əsas ideyadan başlayın: süni intellekt sistemləri əllə yazılmış qaydalara əməl etmək əvəzinə məlumatlardan qanunauyğunluqları öyrənir, neyron şəbəkələri müasir süni intellektin arxasındakı əsas alətdir, çatbotlar kimi böyük dil modelləri isə mətnin növbəti parçasını proqnozlaşdıraraq işləyir. Bunlar oturduqdan sonra xəbərləri anlaya, süni intellekt alətlərindən daha ağıllı istifadə edə və kodlaşdırmaya daha dərindən getməyi qərara ala bilərsiniz. Bu bələdçi əsas anlayışları sadə dillə izah edir və süni intellekti gündə bir neçə dəqiqəyə öyrənmək üçün sadə plan təklif edir.

Əsas nəticələr

• Süni intellekt, maşın öyrənməsi və dərin öyrənmə ən genişdən ən darına doğru bir-birinin içindəki ideyalardır.
• Maşın öyrənməsinin üç əsas növü var: nəzarətli, nəzarətsiz və gücləndirmə ilə öyrənmə.
• Böyük dil modelləri tokenləri proqnozlaşdırır; onların səlisliyi yoxlanılmış bilikdən fərqlidir.
• Qısa gündəlik seanslar və özünü yoxlama ilə real anlayış qura bilərsiniz.

#Süni intellekt əslində nədir?

Süni intellekt insan zəkası ilə əlaqələndirdiyimiz tapşırıqları yerinə yetirən kompüter sistemləri qurma sahəsidir: təsvirləri tanımaq, dili anlamaq, qərar vermək və ya oyun oynamaq.

Bilməyə dəyər iki tarixi dayaq nöqtəsi var:

• 1950-ci ildə Alan Turing maşınların düşünüb-düşünə bilməyəcəyini soruşan və sonradan Turing testi kimi tanınan ideyanı təklif edən "Computing Machinery and Intelligence" əsərini dərc etdi.
• "Süni intellekt" termini John McCarthy və həmkarlarının təşkil etdiyi 1956-cı ildə Dartmouth Kollecindəki yay seminarı ilə əlaqələndirilir.

İlk süni intellekt əsasən əllə yazılmış qaydalara söykənirdi. Müasir süni intellekt isə əsasən məlumatlardan öyrənir.

#Süni intellekt, maşın öyrənməsi və dərin öyrənmə necə fərqlənir?

#Maşın öyrənməsi necə işləyir?

Hər qaydanı proqramlaşdırmaq əvəzinə modelə nümunələr verirsiniz və o, nəticələri nümunələrə yaxşı uyğun gələnə qədər parametrlər adlanan daxili ədədləri tənzimləyir.

#Maşın öyrənməsinin üç əsas növü

1. Nəzarətli öyrənmə: Model etiketli nümunələrdən öyrənir. Ona "spam" və ya "spam deyil" işarələnmiş minlərlə e-poçt göstərin, o, yenilərini təsnif etməyi öyrənir.
2. Nəzarətsiz öyrənmə: Model etiketsiz məlumatlarda quruluş tapır, məsələn, oxşar davranışlı müştəriləri qruplaşdırmaq (klasterləşdirmə).
3. Gücləndirmə ilə öyrənmə: Agent sınaq və səhv yolu ilə öyrənir, mükafat və ya cərimə alır. 2016-cı ildə qabaqcıl Go oyunçusu Lee Sedol-u məğlub edən DeepMind-in AlphaGo-su gücləndirmə ilə öyrənməni dərin neyron şəbəkələri ilə birləşdirirdi.

#Təlim məlumatları, xüsusiyyətlər və etiketlər

• Təlim məlumatları: modelin öyrəndiyi nümunələr.
• Xüsusiyyətlər: giriş məlumatı (pikselər, sözlər, ədədlər).
• Etiketlər: nəzarətli öyrənmədə düzgün cavablar.
• Test məlumatları: modelin görmədiyi məlumatlarda işləyib-işləmədiyini yoxlamaq üçün kənarda saxlanmış nümunələr.

#Həddindən artıq uyğunlaşma (overfitting) nədir?

Həddindən artıq uyğunlaşma modelin ümumi qanunauyğunluqları öyrənmək əvəzinə səs-küy də daxil olmaqla təlim məlumatlarını əzbərləməsi zamanı baş verir. O, təlim nümunələrində yaxşı, yenilərində isə pis işləyir; keçmiş imtahan cavablarını fənni anlamadan əzbərləyən tələbəyə bir qədər bənzəyir.

#Neyron şəbəkəsi nədir?

Neyron şəbəkəsi beyindən yüngülcə ilhamlanmış riyazi modeldir. O, sadə vahidlərdən ("neyronlardan") ibarət qatlardan təşkil olunub. Hər əlaqənin bir çəkisi var. Məlumat giriş qatından daxil olur, gizli qatlardan keçir və çıxış yaradır.

Təlim zamanı:

1. Şəbəkə proqnoz verir.
2. İtki funksiyası onun nə qədər yanıldığını ölçür.
3. Əks yayılma (backpropagation) adlı alqoritm hər çəkinin xətaya necə töhfə verdiyini hesablayır.
4. Qradiyent enişi xətanı azaltmaq üçün çəkiləri bir qədər tənzimləyir.
5. Milyonlarla dəfə təkrarlanır.

"Dərin" öyrənmə sadəcə çoxlu qatı olan şəbəkələr deməkdir; onlar getdikcə mücərrədləşən xüsusiyyətləri öyrənə bilir, məsələn, təsvirdə əvvəlcə kənarlar, sonra formalar, sonra obyektlər.

#Böyük dil modelləri necə işləyir?

Böyük dil modelləri Google tədqiqatçılarının 2017-ci ildə "Attention Is All You Need" tədqiqat məqaləsində təqdim etdiyi transformer arxitekturası üzərində qurulub. Transformerlər diqqət (attention) adlı mexanizmdən istifadə edir; bu mexanizm modelə mətn parçasındakı hər sözün digər hər sözlə nə qədər əlaqəli olduğunu çəkməyə imkan verir.

Əsas təlim tapşırığı təəccüblü dərəcədə sadədir:

• Mətn tokenlərə (sözlərə və ya söz hissələrinə) bölünür.
• Model özündən əvvəlki tokenlərə əsasən növbəti tokeni proqnozlaşdırmağı öyrənir.
• Nəhəng həcmdə mətn üzərində təlim keçdikdə bu məqsəd xülasə edən, tərcümə edən, izah edən və kod yazan modellər yaradır.

Bir çox çat köməkçiləri sonra göstərişlərə əməl etmək, daha faydalı və təhlükəsiz cavab vermək üçün insan rəyi və digər üsullarla əlavə tənzimlənir.

#Təlim və inferens

• Təlim məlumatlardan parametrləri öyrənmənin bahalı prosesidir.
• İnferens təlim keçmiş modeldən nəticə yaratmaq üçün, məsələn, sualınıza cavab vermək üçün istifadə etməkdir.

#Kontekst pəncərəsi nədir?

Kontekst pəncərəsi modelin eyni anda, sorğunuz və cavabı daxil olmaqla, nə qədər mətni (tokenlərlə ölçülür) nəzərə ala biləcəyidir. Ondan kənardakı hər şeyi model həmin anda "görmür".

#Süni intellektin əsas məhdudiyyətləri nələrdir?

Məhdudiyyətləri anlamaq imkanları anlamaq qədər vacibdir.

• Hallüsinasiyalar: Modellər səlis, əmin, yalan ifadələr yarada bilər. Vacib faktları yoxlayın.
• Qərəz: Modellər sosial qərəzlər ehtiva edə bilən məlumatlardan öyrənir və onları təkrarlaya bilər.
• Bilik həddi: Axtarışa və ya digər alətlərə qoşulmayıbsa, modelin daxili biliyi təlim məlumatlarının toplandığı vaxtda dayanır.
• Şəffaflığın olmaması: Böyük neyron şəbəkəsinin müəyyən nəticəni niyə verdiyini dəqiq izah etmək çox vaxt çətindir.
• Məxfilik: Süni intellekt alətləri ilə hansı şəxsi və ya məxfi məlumatı paylaşdığınıza diqqət edin.

#Başlanğıc səviyyəli nəyi birinci öyrənməlidir?

Mütəxəssis olmayanlar üçün praktik ardıcıllıq:

1. Lüğət: süni intellekt, ML, dərin öyrənmə, neyron şəbəkələri, LLM-lər, tokenlər, təlim, inferens.
2. Süni intellekt alətlərindən yaxşı istifadə: aydın sorğular, kontekst vermək, nəticələri yoxlamaq.
3. Məhdudiyyətlər və risklər: hallüsinasiyalar, qərəz, məxfilik.
4. Süni intellekt xəbərlərini tənqidi oxumaq: benchmark və ya "irəliləyiş" əslində nəyi göstərir.

Süni intellekti özünüz qurmaq istəyirsinizsə, əlavə edin:

1. Python, süni intellekt işində ən geniş yayılmış dil.
2. Əsas statistika və ehtimal.
3. Xətti cəbr və bir az hesab, ən azı vektorlar, matrislər və qradiyentlər üçün anlayış.
4. Praktik layihə, məsələn, məşhur kitabxana ilə sadə təsnifatçı öyrətmək.

#Süni intellekti gündə bir neçə dəqiqəyə necə öyrənmək olar?

Süni intellekt böyük sahədir, lakin təbii şəkildə kiçik anlayışlara bölünür və bu, onu mikroöyrənmə üçün uyğun edir.

Kömək edən məsləhətlər:

• Sadə izah edin. Hər anlayışdan sonra dostunuza izah edirmiş kimi iki cümlə yazın.
• Ertəsi gün özünüzü yoxlayın. "Overfitting nədir?" Yadasalma yaddaşı gücləndirir; aktiv yadasalma yazısına baxın.
• Süni intellekti öyrənmək üçün süni intellektdən diqqətlə istifadə edin. Çatbotdan anlayışı izah etməsini xahiş edin, sonra etibarlı mənbə ilə yoxlayın.
• Xəbərləri ölçüdə saxlayın. Süni intellekt xəbərlərini necə izləmək bələdçimiz bunu yüklənmədən necə etməyi əhatə edir.

Topicly-nin süni intellekt mövzusu seçdiyiniz dərinlik və oxu müddətində gündə bir qısa kəşf hazırlayır, ardınca oxuduğunuz barədə bir neçə sürətli sual gəlir. Tətbiqin özünün mövzuları fərdiləşdirmək üçün süni intellektdən necə istifadə etdiyini görmək istəyirsinizsə, süni intellektlə fərdiləşdirilmiş öyrənmənin necə işlədiyini oxuyun.

#Sınayın

Bu gün süni intellekt, maşın öyrənməsi və dərin öyrənmə arasındakı fərqi öz sözlərinizlə yazın. Sabah tokenin nə olduğunu baxmadan izah etməyə çalışın. Hər gün sizi gözləyən qısa süni intellekt dərsi istəyirsinizsə, Topicly-ni yükləyin və süni intellekti mövzu kimi əlavə edin.