Սկզբում աշխատանքը կատարվում է սիմվոլների և կանոնների վրա հիմնված: Բայց ԱԲ-ի այս ձևը խիստ սահմանափակ է: Այն հարմար է միայն այն տարածքների համար, որտեղ հստակ կանոններ կարող են սահմանվել բոլոր հնարավոր իրավիճակների համար: 1980-ական թվականներից շատ մեծ առաջընթաց է գրանցվել ինքնուսուցանվող ծրագրերի ոլորտում։

Մեքենայական ուսուցում նշանակում է, որ համակարգիչը սովորում է օրինակներից և փորձից՝ որոշումներ կայացնելու համար՝ առանց ծրագրավորման կոնկրետ խնդիր լուծելու համար: Հատուկ ալգորիթմները սովորում են ցուցադրական տվյալների վրա և զարգացնում են մոդելներ, որոնք այնուհետեւ կարող են օգտագործվել նոր, նախկինում չհանդիպած տվյալների համար: Երբ ինքնակառավարման ուսուցման մեքենաները սովորում են շատ մեծ թվով օրինակներից, նրանք ինքնուրույն զարգացնում են որոշումների կայացման ընդհանրացված գործընթացը: Այնուամենայնիվ, թե ինչպես են ինքնուրույն սովորող ծրագրերը հասնում իրենց լուծումներին, սովորաբար նույնիսկ իրենք՝ ծրագրավորողները չեն կարողանում հասկանալ: Կախված բարդությունից՝ տարբերվում են մեքենայական ուսուցման տարբեր մակարդակներ՝ վերահսկվող ուսուցում, չվերահսկվող ուսուցում, ամրապնդող ուսուցում և խորը ուսուցում:

<<Այսօր մենք ունենք մեքենաներ, որոնք արդեն կարող են համեմատաբար լավ սովորել, բայց դեռ չունենք մեքենաներ, որոնք կարող են մտածել: Նման մեքենաների մշակումը մեր հիմնական խնդիրն է>>։
Բերնհարդ Շոլկոպֆ, Տյուբինգենի Մաքս Պլանկի անվ․ միության ինտելեկտուալ համակարգերի ինստիտուտի տնօրեն

Ինչպե՞ս է ԱԲ-ն սովորում:

Կանոնների վրա հիմնված ուսուցում
Կանոնների վրա հիմնված ուսուցումը, որը նաև կոչվում է խորհրդանշական ԱԲ, կառուցված է տրամաբանական մոդելների վրա և հաճախ կոչվում է <<դասական>> ԱԲ: Այն որոշումներ է կայացնում ծրագրային կոդում նախապես սահմանված հստակ կանոնների համաձայն:
ԱԲ-ի այս ձևի օրինակ է Deep Blue համակարգչային ծրագիրը, որն առաջին անգամ հաղթել է 90-ականների շախմատի աշխարհի չեմպիոն Կասպարովին 1996 թվականին: Նա աշխատում է խորհրդանշական ԱԲ-ի հետ և իր խաղային հզորությանն է հասնում հիմնականում վերամշակող հզորության միջոցով: Շախմատի ծրագրային ապահովումը հաշվարկում է վայրկյանում միջինը 126 միլիոն դիրք: Իրականում, Deep Blue-ն այնքան էլ խելացի չէ, բայց չափից ավելի արագ է:

Վերահսկվող ուսուցում
Վերահսկվող ուսուցման ժամանակ մարդիկ գնահատում են ուսումնական և թեստային տվյալները և բաշխում դրանք ըստ խմբերի։ Դասընթացի ընթացքում ԱԲ-ն սովորում է ճիշտ անվանել կատուների պատկերները, օրինակ՝ <<կատու>>: Եթե ​​շան և կատվի միջև ընտրության համար վարժեցված ալգորիթմին ցույց տան փղի լուսանկարը, ԱԲ-ն չի կարողանա լուծել այս խնդիրը: Այնուամենայնիվ, սահմանափակված նեղ տարածքով, այս ալգորիթմները շատ հուսալի և ճշգրիտ են, եթե վերապատրաստման տվյալները բավականաչափ մեծ են և լավ որակով:
Պատկերների վերլուծությունն՝ օգտագործելով ուսուցման մեթոդները, արդեն իսկ կարևոր դեր է խաղում պատկերների ախտորոշման մեջ: Մի քանի ուսումնասիրություններ ցույց են տալիս, որ արհեստական ​​ինտելեկտը կարող է ավելի արագ և հաճախ ավելի ճշգրիտ ախտորոշել, քան շատ առողջապահական մասնագետներ, օրինակ՝ մաշկի քաղցկեղը գնահատելիս: Լավագույն արդյունքները ձեռք են բերվում մարդու և ԱԲ-ի համատեղ աշխատանքի ժամանակ. նախ ԱԲ-ն գնահատում է, թե արդյոք դա մաշկի քաղցկեղ է, թե մաշկի անվտանգ փոփոխություն: Դրանից հետո բուժումը որոշվում է մասնագետների կողմից։

Չվերահսկվող ուսուցում
Չվերահսկվող ուսուցումը կոչվում է այն դեպքում, երբ ալգորիթմը ստանում է չզտված, չմշակված տվյալներ: Ծրագիրը ինքնուրույն որոնում է տվյալների նմանություններն ու տարբերությունները: Նպատակն է բացահայտել հետաքրքրության օրինաչափությունները և համապատասխան օրինաչափությունները: Այնուամենայնիվ, դա երբեմն հանգեցնում է սխալների, երբ ԱԲ-ն ճանաչում է նմանություններ, հատկապես պատկերի ֆոնին, և, հետևաբար, սխալ արդյունքներ են գալիս: Օրինակ, եթե ԱԲ-ն ճանաչում է միայն, թե ինչ է գայլը, ձյան մեջ գտնվող գայլերի լուսանկարներից, նա նաև <<գայլ>> կանվանի ձյան մեջ գտնվող մեկ այլ կենդանու:
Ինքնուսուցող ցանցերի միջոցով պատկերների ճանաչումը կարող է օգնել հետազոտողներին տեսնել ավելին. կենդանի բջիջների ֆլուորեսցենտային մանրադիտությունը հաճախ պետք է իրականացվի թույլ լուսավորության դեպքում, քանի որ հակառակ դեպքում ուսումնասիրվող օրգանիզմները կվնասվեն: Ինքնուսուցվող պատկերների վերականգնման ծրագիրը վերլուծում է այս վատ լուսավորված, դժվար տեսանելի մանրադիտակային պատկերները, համեմատում դրանք հայտնի պատկերների նմուշների հետ և կարող է բացահայտել <<թաքնված>> պատկերի բովանդակությունը:

Ամրապնդող ուսուցում
Ուսուցման ամրապնդման ժամանակ ուսուցման համակարգը որոշումներ է կայացնում, որոնց համաձայն այն հետագայում գործում է: Յուրաքանչյուր գործողության համար համակարգը ստանում է դրական կամ բացասական արձագանք: Այսպիսով, ալգորիթմը գնալով ավելի ու ավելի լավ է ճանաչում, թե որքան հաջողակ են անհատական ​​գործողությունները տարբեր իրավիճակներում: Խորը ուսուցումը արհեստական նեյրոնային ցանցերում ամրապնդման ուսուցման մեթոդ է, որը նմանակում է ուղեղի աշխատանքը: Այս նեյրոնային ցանցը բաղկացած է մի քանի շերտերից: Առանձին շերտերը կազմված են բազմաթիվ արհեստական ​​նեյրոններից, որոնք կապված են միմյանց հետ և արձագանքում են համապատասխան նախորդ շերտի նեյրոններին։ Որքան մեծ է ցանցը, այնքան ավելի բարդ իրավիճակները կարող են կարգավորվել:

Խոսքի և տեքստի ճանաչում
Խորը ուսուցումն օգտագործվում է հատկապես խոսքի և տեքստի ճանաչման համար: Օրինակ, Քյոլնում մշակված DeepL առցանց թարգմանության ծառայությունը և Կարլսրուեի տեխնոլոգիական ինստիտուտի Lecture Translator համաժամանակյա թարգմանության ծրագիրը աշխատում են արհեստական նեյրոնային ցանցերի հետ։
 
Դեմքի ճանաչում
Ներկայումս արհեստական նեյրոնային ցանցերը նույնպես օգտագործվում են դեմքի ճանաչման համար։ Միայն Մեծ Բրիտանիայի մայրաքաղաք Լոնդոնում ավելի քան 600 հազար տեսախցիկ է տեղադրվել, որոնցից շատերն օգտագործվում են նաև դեմքերի ճանաչման համար։ Տեխնոլոգիան նախատեսված է ոստիկանությանն օգնելու հանցագործությունները բացահայտելու կամ նույնիսկ կանխելու համար: Բայց որքա՞ն մեծ է նման վերահսկողության վտանգը։ Որքանո՞վ է այն համատեղելի ժողովրդավարության և քաղաքացիական իրավունքների հետ։

Ինքնավար վարում
Ավտոարտադրողները արդեն տասնամյակներ շարունակ աշխատում են մեքենա վարելու ավտոմատացման վրա մեքենաների կառավարման տարբեր համակարգերի միջոցով: Շատ բաներ արդեն իրականություն են դարձել, օրինակ՝ արագության ավտոմատ հարմարեցումը կամ կայանման օգնությունը: Հիմնական նպատակը ինքնավար վարելն է, երբ ԱԲ-ով համակարգչային ծրագրերն ամբողջությամբ կառավարում են մեքենան, իսկ մարդիկ միայն ուղևորներ են։ Մի կողմից, դա թույլ կտա կանխել բազմաթիվ ճանապարհային պատահարներ, քանի որ այսօր շատ վթարներ տեղի են ունենում մարդկային գործոնի պատճառով։ Բայց, մյուս կողմից, կան նաև սկզբունքային հարցեր. Ով է պատասխանատվություն կրում առանց վարորդի ավտոմեքենայի հետ բախման դեպքում։


ԱԲ ոլորտում գիտական հետազոտությունների օրինակներ

Արի, հետազոտիր ինձ հետ
Փոքրիկ չորսոտանի SOLO 8 ռոբոտը, որը նույնպես ողջունում է ԱԲ-ի ցուցահանդեսի այցելուներին, հանդիսանում է Մաքս Պլանկի խելացի համակարգերի ինստիտուտի ռոբոտային լաբորատորիաների գլուխգործոցը Տյուբինգենում և Շտուտգարտում: Ռոբոտ հետազոտողը բաց կոդով նախագիծ է: GitHub-ի զարգացման ուղեցույցը և փաստաթղթերը հասանելի են հանրությանը: Մասերի մեծ մասը ստացվում է 3D տպիչից, մնացածը կարելի է հեշտությամբ գնել խանութից: Սա նշանակում է, որ ամբողջ աշխարհում հետազոտողները կարող են էժան և հեշտությամբ վերարտադրել և շարունակել զարգացնել SOLO 8 ռոբոտը: Նախագծի հիմքում ընկած գաղափարն այն է, որ ռոբոտաշինության ցանկացած հետազոտական ​​լաբորատորիա կարող է օգտագործել այս տեխնոլոգիան՝ այդպիսով ստեղծելով մեկ հետազոտական ​​հարթակ ամբողջ աշխարհում: Ի վերջո, եթե շատ գիտնականներ փորձեր են անում նույն հարթակում, նրանք ստանում են համադրելի տվյալներ։ Սա թույլ է տալիս արագացված առաջընթաց գրանցել ռոբոտաշինության ոլորտում:
  © Մաքս Պլանկի անվ․ միության Ինտեկեկտուակ համակարգերի ինստիտուտ, Շտուտգարտ և Տյուբինգեն / Վոլֆրամ Շաիբլե Երկար լուսակայման շնորհիվ SOLO 8 ռոբոտի շարժումների բարձր դինամիկ հաջորդականությունը վերածվում է պարի:

Փոխկապակցվածության ճանաչում
Տյուբինգենում Մաքս Պլանկի անվ․ Ինտելեկտուալ համակարգերի ինստիտուտում Բերնհարդ Շոլկոպֆի հետազոտության ներկայիս ուղղություններից այսպես կոչված պատճառահետևանքային միջամտությունն է: Ընդ որում, խոսքը գնում է ալգորիթմների մասին, որոնք տվյալների հիման վրա կարող են նաև բացահայտել պատճառահետևանքային կապերը, այսինքն ՝ պատճառի և հետևանքի միջև կապը։ Նպատակներից մեկը` ԱԲ համակարգերն ավելի դիմացկուն դարձնելն է արտաքին միջամտությունների նկատմամբ։ Այստեղ լավ օրինակ է նաև ինքնավար մեքենա վարելը. եթե սահմանափակված արագությամբ բնակելի թաղամասում ճանապարհային նշանը դրված է այնպես, որ 30 կմ/ժ-ի փոխարեն գրված է <<130>>, մարդն անմիջապես հասկանում է, որ դա չի կարող ճիշտ լինել. հենց այն պատճառով, որ շրջական բազմաթիվ լրացուցիչ հուշումներ է տալիս: Մյուս կողմից՝ ԱԲ-ի համար դա հեշտ գործ չէ: Այնուամենայնիվ, այն պետք է կարողանա հաղթահարել այն, նախքան մեքենաները կարող են իսկապես ինքնուրույն վարել, հակառակ դեպքում լուրջ վթարները անխուսափելի կլինեն:
  © Bosch լուծումներ շարժունակության ապահովման համար
Կատարյալ փոխազդեցություն
Ֆիլմերը և սերիալները թարգմանվում է են խոշոր կինոշուկաների համար, ինչպիսիք են Գերմանիան: Ընդ որում, թարգմանիչները ոչ միայն պետք է ճիշտ փոխանցեն ասվածի բովանդակությունը, նոր տեքստը պետք է համապատասխանի նաև դերասանների շուրթերի շարժումներին և միմիկաներին։ Բայց դա կարող է փոխվել. ԱԲ տեխնիկան, որը կոչվում է <<Խորը վիդեո դիմանկարներ>>, որը մշակվել է Մաքս Պլանկի անվ․ միության Ինֆորմատիկայի ինստիտուտում, թույլ է տալիս դերասաններին հարմարեցնել իրենց դեմքի արտահայտություններն ավելի լավ թարգմանության համար: Դրա համար ձայնագրվում են դեմքի շարժումները և կրկնօրինակող դերասանների գլխի դիրքը։ Համակարգը դա փոխանցում է ֆիլմի դերասաններին։ Արդյունքում դեմքի արտահայտությունը, հայացքը, գլխի դիրքը և նույնիսկ աչքով անող աչքերը հիանալի կերպով համապատասխանում են ասված բառերին։ Այնուամենայնիվ, նման տեխնիկան հնարավոր է դարձնում մեդիա բովանդակության կեղծումը, որը հայտնի է որպես <<դիփֆեյք>>: Այսօր, օրինակ, քաղաքական գործիչների բերանը կարելի է դնել ցանկացած հայտարարություն, որքան էլ դա անհեթեթ լինի։ Հետևաբար, մենք պետք է վարժվենք քննադատաբար վերաբերվել նույնիսկ առերևույթ օբյեկտիվ ապացույցներին:
  © Մաքս Պլանկի անվ․ միության Ինֆորմատիկայի ինստիտուտ, Սաարբրյուքեն
Լեզուների ուսուցում ՝ ԱԲ-ի միջոցով
Գոյություն ունի մեծ քանակությամբ առցանց լեզվի դասընթացներ։ Բայց առաջարկը հաճախ շատ տարբեր է որակով և գնով: Հատկապես խոստումնալից են այն դասընթացները, որոնց ընթացքում ուսանողները շատ արձագանքներ են ստանում ուսուցիչներից: Բայց այս դասընթացները թանկ են։ Վեյցենբաում-ինստիտուտը Բեռլինի և Բրանդենբուրգի համատեղ հետազոտական նախագիծ է, Գյոթեի ինստիտուտի հետ համատեղ մշակում է ԱԲ-ն, որը թույլ կտա առավելագույնս արդյունավետ օգտագործել դասախոսների ժամանակը և կենտրոնանալ այնպիսի ոլորտների վրա, ինչպիսիք են սեփական տեքստերը գրելը և ճիշտ արտասանության ուսուցումը: Ծրագիրը, ի թիվս այլ բաների, կարող է ստուգել ոչ միայն նոր բառապաշարը ազատ ձևակերպված տեքստերում, այլ նաև վերջերս ուսումնասիրված քերականության ճիշտ օգտագործումը: Նա նույնիսկ կարող է որոշել, թե արդյոք աշակերտներն ինքնուրույն են թարգմանել տեքստը կամ թարգմանիչների միջոցով <<խարդախություն>> են արել։ Այսպիսով, ԱԲ-ն կարող է իր վրա վերցնել ուսուցիչների առօրյա խնդիրները:

Սուր ընկալմամբ da Vinci
Այսօր տարածված մարդ-մեքենայական ինտերֆեյսները հիմնականում ուղղված են լսողությանը կամ տեսողությանը վրա։ Բայց Կատերինե Կուխենբեկերը և Շտուտգարտի Մաքս Պլանկի ինստիտուտի նրա թիմը համոզված են, որ շատ ոլորտներում ռոբոտների կիրառման համար անհրաժեշտ են շոշափելի փոխգործակցության ավելի կատարյալ հնարավորություններ, ինչպես նաև ավելի բարձր սոցիալական ինտելեկտ: Ուստի գիտնականները ռոբոտներին սովորեցնում են ընկալել իրենց միջավայրը հպումով։ Սա հավասարապես կարևոր է, երբ աշխատում եք մարդկանց հետ, օրինակ, ովքեր խնամքի կարիք ունեն, և երբ օգտագործում եք հեռակառավարվող ռոբոտներ: Այսպես, Կատերինե Կուխենբեկերը շարունակում է "da Vinci" վիրաբուժական ռոբոտի մշակումը, որը վիրաբույժներին թույլ է տալիս մեծ հեռավորության վրա վիրահատություններ կատարել: Միևնույն ժամանակ, ԱԲ համակարգը ռոբոտին է փոխանցում հեռահար մասնագետների շարժումները։ Նոր գործառույթների շնորհիվ բժիշկները այժմ կարող են ոչ միայն տեսնել էկրանին, այլև անմիջականորեն զգալ, թե ինչ է անում ռոբոտը:


© Մաքս Պլանկի անվ․ միության Ինտելեկտուալ համակարգերի ինստիտուտ, Շտուտգարտ <<ԱԲ-ի օգնությամբ մենք կարող ենք լավ վիրաբույժներին դարձնել շատ լավ վիրաբույժների>>:
Կատերինե Կուխենբեկեր, Շտուտգարտի Մաքս Պլանկի անվ․ միության Ինտելեկտուալ համակարգերի ինստիտուտի տնօրեն