Жасанды интеллект туралы дәріс 1 PDF

**Дәріс 1.** ЖИ анықтамасы, оның қасиеттері мен зерттеу бағыттары. ЖИ тарихы және дамуы. **Жасанды интеллект туралы түсінік** Жасанды интеллект (ағылш. artificial intelligence; AI) кең мағынада -- бұл машиналар, атап айтқанда компьютерлік жүйелер көрсететін интеллект.  Жасанды интеллект жүйесі (И...

**Дәріс 1.** ЖИ анықтамасы, оның қасиеттері мен зерттеу бағыттары. ЖИ тарихы және дамуы. **Жасанды интеллект туралы түсінік** Жасанды интеллект (ағылш. artificial intelligence; AI) кең мағынада -- бұл машиналар, атап айтқанда компьютерлік жүйелер көрсететін интеллект.  Жасанды интеллект жүйесі (ИИ) -- бұл компьютерде адамның ойлау процесін имитациялайтын бағдарламалық жасақтама жүйесі. Ең танымал жасанды интеллект жүйелеріне озық іздеу жүйелері жатады (мысалы, Google Search); ұсыныс жүйелері (YouTube, Amazon және Netflix қолданады); адамның сөйлеуі арқылы өзара әрекеттесу( мысалы, Google Assistant, Siri және Alexa); автономды көлік құралдары( мысалы, Waymo); генеративті және шығармашылық құралдар (мысалы, ChatGPT, Gemini, Apple Intelligence және т.б.); сонымен қатар стратегиялық ойындардағы адамнан тыс ойындар мен талдау (мысалы, шахмат және го). \"Жасанды интеллект\" термині (ЖИ; ағылш. AI - \"Artificial Intelligence\") Джон Маккарти 1956 жылы Дартмут семинарында енгізген және бұл терминнің өзі адамның интеллектісін (АҚШ) түсінумен тікелей байланысты емес. Джон Маккарти өзінің анықтамасын түсіндіре отырып: \"мәселе мынада, біз қандай есептеу процедураларын интеллектуалды деп атағымыз келетінін әлі анықтай алмаймыз. Біз интеллекттің кейбір механизмдерін түсінеміз, ал қалғандарын түсінбейміз. Сондықтан, осы ғылымның ішіндегі интеллект әлемдегі мақсаттарға жету қабілетінің есептеу компонентін ғана білдіреді\". Дартмут семинарынан кейін Джон Маккарти 1959 жылы \"ақылға қонымды бағдарламалар\" мақаласында \"жасанды интеллект\" деген жаңа ұғымды егжей-тегжейлі сипаттады, мұнда жасанды интеллект кіші бағдарламаларды құруға қабілетті есептеу жүйесі ретінде қарастырылды. Кейінірек Джон Маккарти \"жасанды интеллект -- бұл әлемдегі мақсаттарға жету қабілетінің есептеу бөлігі\"деп түсіндірді. Барлық техникалық жүйелер мақсатты болып табылады және бұл жасанды интеллект әдіснамасының инженерлік қызметте қолданылуын көрсетеді. Джон Маккарти ол енгізген \"интеллект\" анықтамасы \"ақылдылық\", \"түсіну\", \"қабілет\", \"түсінік\", \"тану\" \"ақпаратты жинау және Өңдеу\"дегенді білдіретінін атап өтті. Дәл осы ұстанымдардан, біздің ойымызша, ғылым мен технологияның қазіргі даму кезеңінде ЖИ-ді қарастыру қажет. Айта кету керек, орыс тіліндегі аудармада \"artificial intelligence\" терминінің мағынасы біршама бұрмаланған және бүгінде жасанды интеллектке қатысты кейбір шатасулар мен шамадан тыс негізсіз үміттер бар. Бірақ, егер Дж. Маккарти дәл \"интеллект\" дегенді білдірді, керісінше \"intellect\" емес, \"intelligence\"сөзін қолданды. Жасанды интеллект ұғымындағы кейбір түсініксіздіктер, ең алдымен, адамның ақыл-ой (когнитивті) функцияларын имитациялауға және осы негізде адамның интеллектуалды іс-әрекетінің нәтижелерімен салыстыруға болатын тұжырымдар мен нәтижелерді алуға мүмкіндік беретін шешімдер жүйесі ретінде түсінілгендіктен туындады. Бұл жағдайда модельдеу процесінде жүйенің өзін-өзі оқыту кезеңдерінің болуы және шешімдерді іздеу (көбінесе алдын-ала белгіленген алгоритмсіз) маңызды жағдай болып табылады. Сондықтан, ЖИ туралы айта отырып, біз \"artificial intelligence\" терминін дәл осындай түсіндіруден бастаймыз: жүйеде \"өңдеу, тану және түсіндіру\", \"талдау және болжау\", \"түсіну және түсіну\" сияқты қасиеттерді жүзеге асыратын алгоритмдердің болуы, қазіргі ғылымның заңдарына, әдістері мен тәсілдеріне негізделген және ең алдымен, математика, физика және информатика. Сонымен қатар, бұл қасиеттер қосымшалардың өте кең ауқымына ие. Осы позициялардан *жасанды интеллект адамның интеллектуалды қызметін автоматтандыру құралы* деп санауға болады. Әртүрлі зерттеулерде жасанды интеллекттің әртүрлі анықтамалары берілген: -- Дәстүрлі түрде интеллектуалды деп саналатын адам қызметінің түрлерін аппараттық немесе бағдарламалық модельдеу міндеттері қойылған және шешілетін ғылыми бағыт. -- Информатика мен ақпараттық технологиялардағы бағыт, оның міндеті есептеу жүйелері мен басқа да жасанды құрылғылардың көмегімен ақылға қонымды пайымдаулар мен әрекеттерді қайта құру болып табылады. -- Жүйенің сыртқы деректерді дұрыс түсіндіру, осындай мәліметтерден сабақ алу және алған білімдерін икемді бейімделу арқылы нақты мақсаттар мен міндеттерге жету үшін пайдалану мүмкіндігі. -- Информатикадағы зерттеу саласы, оның мақсаты адам интеллектісін қажет ететін тапсырмаларды орындай алатын және компьютерлерге адамдармен табиғи тілде сөйлесуге және олардың өтініші бойынша әртүрлі тапсырмаларды шешуге мүмкіндік беретін интеллектуалды бағдарламалық жүйелерді әзірлеу болып табылады. Мысалы, сөйлеуді тану, мәтіндерді аудару, өнер туындыларын жасау, тіпті көлік жүргізу. Анықтамалардың әртүрлілігіне қарамастан, олардың негізінде бір іргелі идея жатыр. **--** *Адам интеллектісін модельдеу:* дәстүрлі түрде адамның құзыреті деп саналатын тапсырмаларды орындауға қабілетті интеллектуалды бағдарламалық жүйелерді әзірлеу, мысалы: - - - - - **--***Күнделікті зияткерлік міндеттерді автоматтандыру*, бұл әр түрлі қызмет салаларында тиімділік пен өнімділікті арттыруға мүмкіндік береді. Жасанды интеллект жүйесінің құрылымы үш негізгі блокты қамтиды -- білім базасы, шешуші және деректерді енгізуге арналған арнайы бағдарламаларсыз компьютермен байланыс орнатуға мүмкіндік беретін интеллектуалды интерфейс. Жасанды интеллект жүйелерінің қасиеттері: - *Оқу қабілеті:* жасанды интеллект жүйелері олардан заңдылықтар мен білім алу арқылы деректерден сабақ ала алады. - *Бейімделу:* жүйелер жаңа жағдайларға және өзгеретін талаптарға бейімделе алады және алынған мәліметтер негізінде нәтижелерін жақсартады. - *Автономия:* жасанды интеллект жүйелері адамның тікелей қатысуынсыз өздігінен шешім қабылдай алады. Бұл қасиет әсіресе робототехника мен автопилоттарда маңызды/ - *Жалпылау:* алынған білімді жаңа деректер мен тапсырмаларға қолдану және қолдану мүмкіндігі, бұл әсіресе мәтіндерді аудару немесе кескінді тану сияқты күрделі когнитивті тапсырмалар үшін өте маңызды. - *Масштабтау:* ЖИ жүйелері үлкен көлемдегі деректерді өңдей алады және осының арқасында оларды одан да үлкен ақпарат жиынтығымен жұмыс істеу үшін оңай масштабтауға болады. - *Белгісіздік жағдайында шешім қабылдау:* және-жүйелер толық емес немесе белгісіз ақпарат жағдайында жұмыс істей алады, бұл оларды медициналық диагностикада немесе қаржылық болжауда қолданудың негізі болып табылады. АИ жүйелерінің жұмыс істеуінің негізгі принциптерін түсіну, олардың құрылымы мен қасиеттерін білу - нақты мәселелерді шешу үшін ең қолайлы технологияларды таңдауға көмектеседі. - жасанды интеллекттің жаңа алгоритмдері мен модельдерінің дамуын ынталандырады. **АИ-дегі зерттеу бағыттары** Жасанды интеллект саласындағы негізгі зерттеулер келесі бағыттар бойынша жүргізіледі: *- Ойлау процестерін символдық модельдеу.* Жасанды интеллект тарихын талдай отырып, ойлауды модельдеу сияқты зерттеу бағытын алғашқы негізгі бағыттардың бірі ретінде анықтауға болады. Көптеген жылдар бойы жасанды интеллекттің ғылым ретінде дамуы дәл осы жолмен алға жылжыды және қазіргі заманғы жасанды интеллект технологияларындағы ең дамыған салалардың бірі болып табылады. Ойлауды модельдеу символдық жүйелерді құруды білдіреді, олардың кірісіне белгілі бір міндет қойылады, ал шығысында оны шешу қажет. Әдетте, ұсынылған есеп қазірдің өзінде рәсімделген, яғни математикалық формаға аударылған, бірақ шешім алгоритмі жоқ немесе ол тым күрделі және уақытты қажет етеді. Бұл бағыт, мысалы: теоремаларды дәлелдеу, шешім қабылдау және ойын теориясы, жоспарлау және диспетчерлеу, болжау және т. б. *- Табиғи тілдермен жұмыс.* Жасанды интеллекттің маңызды бағыты-табиғи тілдерді өңдеу. Бұл бағыт компьютерлік талдау және табиғи тілдерді синтездеу мәселелерін зерттейді. ЖИ-ге қатысты талдау тілді түсінуді, ал синтез сауатты мәтінді құруды білдіреді. Осы екі мәселені шешу компьютер мен адамның өзара әрекеттесуінің ыңғайлы түрін құруды білдіреді. Теориялық тұрғыдан алғанда, компьютерлер үшін табиғи тіл интерфейсін құру өте тартымды мақсат болып табылады. Шектеулі лексиканы қолданатын алғашқы жүйелер әлі де жақсы көрінді, бұл олардың жасаушыларын шабыттандырды. Алайда, бұл жүйелер нақты әлемнің күрделілігі мен түсініксіздігіне тап болған кезде оптимизм тез кебеді. Табиғи тілді түсіну жасанды интеллекттің толық міндеті болып саналады, өйткені тірі тілді тану жүйенің қоршаған әлем туралы үлкен білімін және онымен өзара әрекеттесу мүмкіндігін қажет етеді. \"Түсіну\" мағынасының анықтамасы жасанды интеллекттің негізгі міндеттерінің бірі болып табылады. Қазіргі уақытта машиналардың мәтінді қабылдау проблемасы белсенді түрде зерттелуде. Көптеген әзірлеушілер алгоритм құруға тырысады, соның арқасында бағдарлама мәтіннің семантикасын қабылдайды және өңдейді, грамматикалық және пунктуациялық емес, нақты және логикалық қателерді табады және түзетеді. Бұл типтегі қателіктерді адам оңай анықтайды, бірақ машина емес. Бұл жасанды интеллектті зерттеудің осы бағыты жұмыс істейтін негізгі мәселе. Бұл мәселенің өзектілігіне байланысты ол жасанды интеллект саласындағы негізгі проблемалардың бірі ретінде танылды. *--Білімді ұсыну, өңдеу және пайдалану.* Бағыты білім инженериясы қарапайым ақпараттан білім алу, оларды жүйелеу және пайдалану міндеттерін біріктіреді. Бұл бағыт тарихи тұрғыдан сараптамалық жүйелерді құрумен байланысты-әдетте адамның бай тәжірибесін қажет ететін күрделі мәселелерді шешу үшін кез-келген мәселе бойынша сенімді қорытындылар алу үшін мамандандырылған Білім базаларын қолданатын бағдарламалар. Сонымен қатар, бұл бағыт білімді алу, ұсыну, құрылымдау және пайдалану әдістері мен құралдарын зерттейді. Ақпаратты алу-құрылымдалмаған немесе құрылымдалмаған машинада оқылатын құжаттардан құрылымдық деректерді автоматты түрде алу (құру) міндеті. Ақпаратты алу-бұл мәтінді табиғи тілде өңдеуге байланысты ақпараттық іздеудің бір түрі. Ақпаратты алудың әдеттегі міндеттеріне, мысалы, мыналар жатады: табиғи тілде жазылған құжаттар жиынтығын сканерлеп, базаны толтырыңыз берілген пайдалы ақпаратпен. Өкінішке орай, заманауи тәсілдер ақпаратты алу табиғи тілді өңдеу әдістерін қолданады,тақырыптардың өте шектеулі жиынтығына (сұрақтар, мәселелер) бағытталған, көбінесе тек бір тақырып бойынша. Білімді ұсыну-когнитологияда (ойлау ғылымында), информатикада және жасанды интеллектті зерттеуде туындайтын мәселе. Когнитологияда бұл адамдардың ақпаратты сақтау және өңдеу тәсілдерімен байланысты. Информатикада-компьютерлерде ақпаратты жинақтау және өңдеу үшін нақты және жалпыланған білімді, мәліметтер мен фактілерді ұсынуды таңдаумен. Жасанды интеллекттегі басты міндет-білімді бағдарламалар мағыналы түрде өңдей алатындай етіп сақтауды үйрену және сол арқылы адам интеллектінің ұқсастығына қол жеткізу. \"Білімді ұсыну\" термині көбінесе заманауи компьютерлермен автоматты түрде өңдеуге бағытталған білімді ұсыну тәсілдерін, атап айтқанда, Айқын объектілерден және олар туралы пайымдаулардан немесе пікірлерден тұратын идеяларды білдіреді. Білімді осындай айқын түрде ұсыну компьютерлерге бұрын сақталған БІЛІМНЕН дедуктивті қорытынды жасауға мүмкіндік береді. Білім инженериясы бүгінде кең практикалық қолданысқа ие. АҚШ-та бөлшек банктік клиенттердің несиелік шешімдерінің 90% - ы FICO білім базасына негізделген сараптамалық жүйелерді қолдана отырып қабылданады. Деректерден білім алу-деректерді өндірудің негізгі мәселелерінің бірі. Бұл мәселені шешудің әртүрлі тәсілдері бар, соның ішінде-нейрондық желілерді вербализациялау процедураларын қолданатын нейрондық желі технологияларына негізделген. Нейрондық желілерді вербализациялау-бірнеше өзара тәуелді алгебралық немесе логикалық функциялар түрінде синтезделген және қазірдің өзінде оқытылған нейрондық желінің жұмыс сипаттамасын азайту. \- Машиналық оқыту. Машиналық оқыту проблематикасы интеллектуалды жүйенің жұмыс процесінде өз бетінше білім алу процесіне қатысты. Бұл бағыт АИ дамуының басынан бастап Орталық болды. 1956 жылы Дартмунд жазғы конференциясында Рей Соломонофф мұғалімсіз оқитын ықтималдық машинасы туралы есеп жазып, оны \"индуктивті шығару машинасы\"деп атады. Машиналық оқыту-бұл жасанды интеллект әдістерінің класы, оның ерекшелігі мәселені тікелей шешу емес, көптеген ұқсас есептердің шешімдерін қолдану процесінде оқыту. Мұндай әдістерді құру үшін математикалық статистика құралдары, сандық әдістер, оңтайландыру әдістері, Ықтималдықтар теориясы, графиктер теориясы, сандық түрде мәліметтермен жұмыс істеудің әртүрлі әдістері қолданылады. Оқытудың екі тәсілі бар: Прецеденттік оқыту немесе индуктивті оқыту деректердегі эмпирикалық заңдылықтарды анықтауға негізделген. 2\. Дедуктивті оқыту сарапшылардың білімін ресімдеуді және оларды білім базасы түрінде компьютерге көшіруді қамтиды. Дедуктивті оқыту көбінесе сараптамалық жүйелер саласына жатады. Сондықтан, \"Машиналық оқыту\" және \"прецеденттік оқыту\" терминдерін синоним деп санауға болады. Дедуктивті оқытуға арналған тапсырманы (Машиналық оқыту) келесідей тұжырымдауға болады: Көптеген нысандар (жағдайлар) және көптеген мүмкін жауаптар (жауаптар, реакциялар) бар. Жауаптар мен нысандар арасында біршама байланыс бар, бірақ ол белгісіз. Тек прецеденттердің соңғы жиынтығы белгілі -- оқыту үлгісі деп аталатын \"объект -- жауап\" жұптары. Осы мәліметтер негізінде жасырын тәуелділікті қалпына келтіру қажет, яғни кез-келген ықтимал кіріс объектісі үшін жеткілікті дәл жіктеу жауабын бере алатын алгоритм құру қажет. Бұл тәуелділік міндетті түрде аналитикалық түрде көрсетілмейді және мұнда эмпирикалық түрде қалыптасқан шешім принципі жүзеге асырылады. Бұл жағдайда маңызды ерекшелігі-оқыту жүйесінің жалпылау қабілеті, яғни қолданыстағы оқу үлгісінен тыс мәліметтерге барабар жауап беру. Жауаптардың дәлдігін өлшеу үшін cапаның бағалау функциясы енгізіледі.Осы мәліметтер негізінде қалпына келтіру қажет жасырын тәуелділік, яғни кез-келген мүмкіндікке қабілетті алгоритм құру кіріс объектісі жеткілікті дәл жіктеу жауабын береді. Бұл тәуелділік бұл міндетті түрде аналитикалық түрде көрсетілмейді және мұнда олар принципті эмпирикалық түрде жүзеге асырады қалыптастырылатын шешім. Бұл ретте маңызды ерекшелігі оқытылатын қабілет болып табылады жалпылауға арналған жүйелер, яғни шектен тыс мәліметтерге барабар жауап беру қолда бар оқыту үлгісі. Жауаптардың дәлдігін өлшеу үшін бағалау енгізіледі сапа функционалы. Бұл өндіріс жуықтаудың классикалық есептерін жалпылау болып табылады функциялар. Классикалық жуықтау есептерінде объектілер жарамды болып табылады сандар немесе векторлар. Нақты қолданбалы тапсырмаларда объектілер туралы кіріс деректері мүмкін толық емес, дәл емес, сандық емес, гетерогенді болу. Бұл ерекшеліктер мыналарға әкеледі Машиналық оқыту әдістерінің алуан түрлілігі. Машиналық оқытудың мақсаты шешімді ішінара немесе толық автоматтандыру болып табылады адам қызметінің әртүрлі салаларындағы күрделі кәсіби міндеттер. Машиналық оқытуды қолдану аясы үнемі кеңейіп келеді. Барлық жерде ақпараттандыру ғылымда үлкен көлемдегі деректердің жинақталуына әкеледі, өндіріс, бизнес, Көлік, Денсаулық сақтау. Бұл жағдайда туындайтын міндеттер болжау, басқару және шешім қабылдау көбінесе оқытуға байланысты прецеденттерге. Бұрын мұндай деректер болмаған кезде бұл тапсырмалар мүлдем қойылмаған, немесе олар мүлдем басқа әдістермен шешілді. \- ЖИ жүйелеріндегі *\"биологиялық модельдеу\"*. Бұл тәсіл басқаша Джон Маккартидің жасанды интеллект туралы түсініктері жасанды жүйелер өз құрылымында қайталауға міндетті емес және құрылымның жұмыс істеуі және ондағы биологиялық процестерге тән процестер жүйелеріне. *\"Биологиялық модельдеуді\"* жақтаушылар құбылыстар деп санайды адамның мінез-құлқы, оның оқу және бейімделу қабілеті бұл биологиялық құрылым және оның жұмыс істеу ерекшеліктері. *\"Биологиялық модельдеу\"* технологияларына мыналар жатады бағыттар. Нейрондық желілер бұлыңғыр және күрделі мәселелерді шешу үшін қолданылады, геометриялық фигураларды тану немесе объектілерді кластерлеу сияқты. Генетикалық тәсіл белгілі бір алгоритм көбірек болуы мүмкін деген идеяға негізделген тиімді, егер ол басқа алгоритмдерден жақсы сипаттамаларды алса *(\"ата-аналар\"*). Автономды құру міндеті қойылған салыстырмалы түрде жаңа тәсіл сыртқы ортамен әрекеттесетін агент бағдарламалары агент деп аталады тәсілмен. Биологиялық бағыт, квазибиологиялық парадигма деп аталатын, компьютерлерді әзірлеуге және пайдалануға бағытталған, яғни тірі организмдер немесе құрамында биологиялық компоненттер бар биокомпьютер. Биокомпьютинг күрделі есептеу есептерін ұйымдастыруға мүмкіндік береді тірі тіндердің, жасушалардың, вирустардың және биомолекулалардың көмегімен есептеу. Жиі қолданылады дезоксирибонуклеин қышқылының молекулалары, олардың негізінде ДНҚ түзіледі- компьютер. ДНҚ-дан басқа, ақуыздар биопроцессор ретінде де қолданыла алады Молекулалар және биологиялық мембраналар. Мысалы, негізінде құрамында бактериородопсин бар пленкалар перцептронның молекулалық модельдерін жасайды. -- *Интеллектуалды робототехника.* Робототехника және жасанды интеллект салалары бір-бірімен тығыз байланысты. Осы екі ғылымды біріктіру, интеллектуалды роботтарды құру жасанды интеллекттің тағы бір бағытын құрайды. Роботтар объектілерді манипуляциялау, локализация мәселелерімен навигация жасау (орналасқан жерді анықтау, жақын аймақтарды зерттеу) және қозғалысты жоспарлау (мақсатқа қалай жетуге болады) үшін интеллектуалдылықты қажет етеді. Интеллектуалды робототехника-жасанды интеллект әзірлемелерін пайдалана отырып, автоматтандырылған робототехникалық жүйелерді әзірлеумен айналысатын қолданбалы ғылым. Ақылды робототехниканың мысалы ретінде көптеген заманауи Робот ойыншықтарын (Pleo, AIBO, QRIO және т. б.) келтіруге болады. --*Машина жасау.* Адам шығармашылығының табиғаты интеллект табиғатына қарағанда аз зерттелген. Дегенмен, бұл AI аймағы бар. АИ-нің осы бағытының негізгі міндеттері-компьютермен музыка, әдеби шығармалар (көбінесе өлеңдер немесе ертегілер) жазу, көркем шығармашылық. Сонымен, шынайы бейнелерді жасау кино мен ойын индустриясында кеңінен қолданылады. Жеке бағытқа жасанды интеллект жүйелеріндегі техникалық шығармашылық мәселесін шешу кіреді. Осы бағыттағы зерттеулердің басталуы 1946 жылы Г. С. Альтшуллердің өнертапқыштық есептерді шешу теориясын дамытуы деп санауға болады. Әрине, жоғарыда айтылғандардан басқа, әрине, AI-ны қолдану мен дамытудың басқа бағыттары бар, олар өз кезегінде жоғарыда келтірілген мысалдармен біріктіріледі немесе мүлдем сәйкес келмейді. Мысалы, компьютерлік ойындардағы интеллектті бағдарламалау, сызықтық емес басқару, ақпараттық қауіпсіздіктің интеллектуалды жүйелері және т. б. болашақта жасанды интеллекттің дамуының кванттық компьютердің дамуымен тығыз байланысы болжанады, өйткені жасанды интеллекттің кейбір қасиеттері кванттық компьютерлермен ұқсас әрекет принциптеріне ие. **Қолданбалы Интеллектуалды ақпараттық жүйелерге қысқаша шолу** Негізгі қолданбалы ИАЖ: 1.*Сараптамалық жүйелер (білімге негізделген жүйелер)*. Мұндай жүйелерді құрудың негізгі мақсаты тәжірибеде туындайтын күрделі және нашар құрылымдалған (нашар ресімделген) міндеттерді шешу үшін жоғары білікті сарапшылардың білімін анықтау, зерттеу және қолдану болып табылады. Бұл есептер нақты шешім алгоритмдерінің болмауымен сипатталады, осыған байланысты іс жүзінде сарапшылар әртүрлі эвристикалық әдістер мен түйсіктерді қолданады. Сараптамалық жүйелер дәл осындай мәселелерді талдау және шешу кезінде сарапшылардың пікірін модельдеуге арналған. 2. *Үлгілерді тану жүйелері*. Бұл жағдайда кескін тек визуалды объектілерді ғана емес, сонымен қатар аудио бейнелерді, жағдайларды, құбылыстарды, процестерді және т.б. тануды олардың белгілердің белгілі бір мәндерінің жиынтығымен сипатталатын сыныптарға қатынасы арқылы қамтамасыз етеді. Үлгіні тану нейрокибернетикамен тығыз байланысты. 3\. *Сөйлеуді өңдеу жүйелері*. Сөйлеуді тану және синтездеу жүйелері ақпараттық жүйелерге ақпаратты енгізу жылдамдығын арттыру, көру мен қолды түсіру, сондай-ақ айтарлықтай қашықтықта сөйлеу қарым-қатынасын жүзеге асыру мақсатында құрылады. 4\. *Көрнекі ақпаратты өңдеу жүйелері*. Осы бағыт аясында кескіндерді өңдеу, талдау және синтездеу мәселелері шешіледі. Кескінді өңдеу міндеті графикалық кескіндерді өзгертумен байланысты, нәтижесінде жаңа кескіндер пайда болады. Талдау тапсырмасында бастапқы кескіндер басқа типтегі деректерге, мысалы, мәтіндік сипаттамаларға түрлендіріледі. Кескіндерді синтездеу кезінде жүйенің кірісіне кескін құру алгоритмі келеді, ал шығыс графикалық нысандар болып табылады. 5\. *Ойындар және машиналық шығармашылық.* Машиналық шығармашылық компьютерлік музыканы, өлеңдерді, Жаңа объектілерді синтездеуді және т.б. қамтиды. Сонымен қатар, компьютерлік ойындар оқыту үшін қолданылатын әртүрлі құралдардың қуатты арсеналын ұсынады. 6\. *Машиналық аударма жүйелері.* Бір табиғи тілден екінші тілге машиналық аударма жүйелері ақпаратқа қол жеткізудің жылдамдығы мен жүйелілігін, үлкен ағындарды, әдетте, ғылыми-техникалық мәтіндерді аударудың жеделдігі мен біркелкілігін қамтамасыз етеді. 7\. *Жаңа білім алу жүйелері (оқыту және өзін-өзі оқыту).* Бұл жүйелер деректерді талдау және жалпылау процедураларын қолдана отырып, білімді автоматты түрде жинақтауға және қалыптастыруға бағытталған. Оларға символдық, нейрондық және эволюциялық оқыту жүйелері жатады. Символдық оқыту жүйелері деректерді өндіруге бағытталған (ағылш. Data-mining, мәліметтер базасында білімді анықтау-ағылш. Knowledge discovery in Databases), Теоремалардың Автоматты пайымдаулары мен дәлелдемелері және т. б. соңғы ИАЖ үшін міндет (проблема) және оған қатысты ақпарат логикалық аксиомалар түрінде сипатталады. Болашақта жүйе мәселенің әртүрлі нұсқаларын дәлелдеуге болатын теоремалар ретінде қарастырады. Таза теориялық есептерді шешуден басқа (мысалы, математикалық Теоремалардың дәлелі), осы бағытта қолданбалы есептер де шешіледі (мысалы, компьютерлік бағдарламалардың дұрыстығын тексеру (тестілеу)). Биологиялық организмдердің жүйке жүйесінің принциптеріне негізделген нейрондық желілік жүйелерде элементтер арасындағы байланыстардың өзіндік құрылымын және/немесе салмақ коэффициенттерін өзгертуге байланысты оқыту әдістері қолданылады. Эволюциялық жүйелер табиғаттағы генетикалық және эволюциялық процестердің принциптеріне негізделген, мұнда кресттер мен мутациялар арқылы алынған үміткерлер (популяциялар) жиынтығынан өмір сүруге (мәселені шешуге) бейімделген ең жақсы критерий таңдалады. 8\. *ИАЖ бағдарламалық жасақтамасы.* Жасанды интеллект бағдарламаларын құру үшін келесі мамандандырылған бағдарламалау тілдері бар: AIML, IPL (жасанды интеллектке арналған алғашқы бағдарламалау тілі), Lisp, Smalltalk, STRIPS, Planner, POP-11,++, Haskell, Prolog, Python (соңғысы бүгінде кеңінен қолданылады). 9\. *Жоспарлау жүйелері және ақылды роботтар.* Жоспарлау саласындағы зерттеулер белгілі бір дәрежеде икемділікпен және қоршаған әлемге жауап беру қабілетімен өз міндеттерін орындайтын роботтарды жасауға тырысудан басталды. Бірнеше себептерге байланысты жоспарлау қиын мәселе. Мүмкін болатын әрекеттер тізбегінің көптеген баламалары бұл жерде маңызды рөл атқарады. Жазықтықта қозғала алатын роботты және бөлменің бір бұрышынан екінші бұрышына жету үшін жасауы керек қарапайым қозғалыс нұсқаларының санын елестетіп көріңіз. Оңтайлы маршрутты таңдау мәселесі (әсіресе бөлмеде кедергілер болса және қоршаған орта динамикалық түрде өзгеруі мүмкін болса) интеллектуалды міндет болып табылады. Интеллектуалды роботтарды құру робототехниканың түпкі мақсатын құрайды. Мұндай робот дегеніміз-көру, есту, тактильді және т.б. қабылдауы бар, жағдайға және табиғи тілдегі адаммен қарым-қатынасқа байланысты ақылға қонымды мінез-құлыққа қабілетті машина. Қазіргі уақытта негізінен бірінші буын роботтары деп аталатын бағдарламаланатын қатты басқару схемасының манипуляторлары қолданылады. Жеке дамудың айқын жетістіктеріне қарамастан, интеллектуалды автономды роботтар дәуірі әлі келген жоқ. Автономды роботтарды дамытудың негізгі тежегіштері білімді түсіндіру, машиналық көру, үш өлшемді визуалды ақпаратты барабар сақтау және өңдеу саласындағы шешілмеген мәселелер болып табылады. ХХІ ғасырда жасанды интеллектті қолданудың артуы, денсаулық сақтау, мемлекеттік басқару, өнеркәсіп, білім беру және т. б. қоса алғанда, экономиканың әртүрлі секторлары мен өмір салаларына жасанды интеллект жүйелерін интеграциялау үлкен автоматтандыруға Әлеуметтік және экономикалық ауысуға әсер етеді, мәліметтер негізінде шешім қабылдау олармен танысу қажеттілігі, оларды қолдану мүмкіндігін зерттеу туралы сұрақтар туғызады кәсіби қызметте. **ИИ даму тарихы** Күрделі мәселелерді шешу және адамның ақыл-ойын модельдеу үшін адамның жасанды ұқсастығын жасау идеясы ежелгі уақытта \"ауада\" болған. Жасанды интеллекттің негізін қалаушы-ортағасырлық испан философы, математигі және ақыны Раймонд Луллиус, ол XIII ғасырда-ақ.ол жасаған тұжырымдамалардың әмбебап классификациясы негізінде әртүрлі мәселелерді шешуге арналған механикалық құрылғы жасауға тырысты. Кейінірек Лейбниц пен Декарт бұл идеяны дербес жалғастырып, барлық ғылымдар үшін әмбебап жіктеу тілдерін ұсынды. Бұл жұмыстарды жасанды интеллект саласындағы алғашқы теориялық жұмыстар деп санауға болады. Орта ғасырларда және қазіргі заманда ғалымдар адам еңбегін алмастыратын механизмдер жасады, мысалы, 17 ғасырда Паскаль алғашқы механикалық цифрлық есептеу машинасын ойлап тапты, 19 ғасырда Джозеф-Мари Жаккард перфокарталарда нұсқаулары бар бағдарламаланатын тоқу станогын жасады. 1937 жылы Алан Тюрунинг өзінің өнертабысын-әмбебап Тьюринг машинасын, 1939 жылы Нью-Йоркте Sparco иті бар алғашқы механикалық адам Electro енгізілді. Дегенмен, күрделі интеллектуалды тапсырмаларды орындайтын бағдарламаларды әзірлеу мүмкіндігі Екінші дүниежүзілік соғыстан кейінгі заманауи компьютерлер пайда болғаннан кейін ғана пайда болды. 1950 жылдары әр түрлі саладағы ғалымдар жасанды ми жасау мүмкіндігі туралы ойлана бастады. Содан кейін неврология саласындағы зерттеулер мидың нейрондық желі екенін көрсетті, ал Алан Тьюринг қарым-қатынаста адамнан ерекшеленбейтін жүйелерді интеллектуалды деп санауды ұсынды. Сол кезде Тьюринг машиналық интеллектті бағалау үшін эмпирикалық тест жасады. Бұл жасанды жүйенің қарым-қатынасты оқытуда қаншалықты дамығанын және оның өзін адам ретінде көрсете алатынын көрсетеді. Жасанды интеллекттің алғашқы сәтті бағдарламасын 1951 жылы Кристофер Стрейчи жасаған. Ал 1952 жылы ол адаммен дойбы ойнады және көрермендерді қимылдарды болжау қабілетімен таң қалдырды. Осыған байланысты 1953 жылы Тьюринг шахматты бағдарламалау туралы мақала жариялады. \"Жасанды интеллект\" атауын алғаш рет 1956 жылы функционалды бағдарламалаудың негізін қалаушы және Lisp тілін ойлап тапқан Джон МакКарти Дартмут университетінде өткен конференцияда қолданды, сол кезде \"жасанды интеллектті зерттеу\"ғылыми пәні пайда болды. Кейіннен адамның сөйлеуін түсінетін, берілген тақырыптар бойынша әңгімелесуді, үстел ойындарын ойнайтын роботтарды қолдай алатын көптеген машиналар жасалды. 1965 жылы Массачусетс технологиялық университетінің маманы Джозеф Вайценбаум Қазіргі Siri прототипі болып саналатын\" Элиза \" бағдарламасын жасады. 1973 жылы компьютермен басқарылатын алғашқы өзін-өзі басқаратын \"Стэнфорд арбасы\" ойлап табылды. 1970 жылдардың аяғында АИ-ге деген қызығушылық төмендей бастады. Ең танымал мысал-1997 жылы әлем чемпионы Гарри Каспаровты шахматтан жеңген IBM Deep Blue суперкомпьютері. Бүгінгі таңда мұндай желілер ақпаратты цифрландыру, оның айналымы мен көлемін ұлғайту арқылы өте тез дамып келеді. Машиналар ақпаратты тез талдайды және үйренеді, содан кейін олар бұрын таза адам құқығы деп саналған қабілеттерге ие болады. Қолдану аясы мен ауқымына байланысты AI-нің екі түрі бар-Weak AI, ол әлі де \"әлсіз\" деп аталады және Strong AI, \"күшті\". Бірінші жағдайда жүйеге жоғары мамандандырылған міндеттер қойылады-медицинадағы диагностика, роботтарды басқару, электрондық сауда платформалары негізінде жұмыс. Екіншісінде жаһандық міндеттерді шешу көзделеді. Сонымен, AI-ді қолданудың ең танымал бағыттарының бірі-коммерциядағы Big Data. Ірі базарлар тұтынушылардың мінез-құлқын зерттеу үшін осындай технологияларды қолданады. \"Яндекс\" компаниясы жалпы олардың көмегімен музыка жасайды. Кейбір мобильді қосымшаларда Siri, Алиса немесе Cortana сияқты дауыстық көмекшілер бар. Олар қызметті шарлау және сатып алу процесін жеңілдетеді. Фотосуреттер мен бейнелерді өңдейтін нейрондық желілері бар бағдарламалар туралы ұмытпаңыз. Сондай-ақ, AI жұмысшылардың іс-әрекеттерін тіркеу үшін өндірістік процестерге енгізеді. Көлік саласында жаңа технологиялық шешімдерді енгізусіз болған жоқ. Сонымен, жасанды интеллект жолдардағы жағдайды бақылайды, кептелістерді бекітеді, дұрыс емес жерлерде әртүрлі заттарды анықтайды. Автономды (пилотсыз) көлік жүргізу туралы және олар үнемі айтады... Сәнді брендтер тұтынушылардың қажеттіліктерін талдау үшін өз жүйелеріне AI енгізеді. Мұндай жүйелерді Денсаулық сақтау жүйелерінде, негізінен ауруларды диагностикалау, дәрі-дәрмектерді әзірлеу, медициналық сақтандыруды құру, клиникалық зерттеулер жүргізу және т.б. қолдану қарқынды дамып келеді. Жасанды интеллект қатысатын барлық салаларды бірден тізімдеу іс жүзінде мүмкін емес. Қазіргі уақытта ол білім беруді қоса алғанда, көптеген салаларға әсер етеді. Бұған көптеген себептер бар -- өндірістік процестерді автоматтандыру және ақпараттық айналымның тез өсуі. 2017 жылы \"трансформатор\" деп аталатын тілді өңдеу үшін нейрондық желілік архитектураны құру жасанды интеллекттің мүлдем жаңа дәуірін бастайды: генеративті AI дамыту. *Генеративті жасанды интеллект-*бұл мәтін, суреттер, музыка немесе тіпті бейнелер сияқты жаңа деректерді жасауға арналған машиналық оқыту саласы. Ол деректердің үлкен көлемінде оқытылады, содан кейін ол үйретілгенге ұқсас жаңа үлгілерді жасайды. Шығармашылық мазмұнды құруға қабілетті машиналар жасау туралы идеялар 20 ғасырдың ортасында пайда болды. Алайда, есептеу қуатының шектеулері және қажетті алгоритмдердің болмауы бұл идеяларды толық жүзеге асыруға мүмкіндік бермеді. Генеративті модельдеудің алғашқы әрекеттері мәтін мен музыканы құру үшін статистикалық әдістерді қолданумен байланысты болды. Бұл әдістер қолданыстағы мәтіндер мен музыкалық шығармалардағы сөздер мен ноталардың пайда болу жиілігін талдауға негізделген. Нейрондық желілер мен терең оқытудың дамуы (1980-2010) генеративті AI дамуына жаңа серпін берді. Нейрондық желілер деректер арасындағы күрделі қатынастарды модельдеудің тиімді құралына айналды. Генеративті модельдеуде нейрондық желілерді алғашқы сәтті қолданудың бірі Вариациялық автоэнкодерлер болды. Олар деректерді жасырын кеңістікке қысуға, содан кейін оларды жаңа, бірақ ұқсас деректерге қайта декодтауға мүмкіндік береді. Революциялық серпіліс 2014 жылы Ян Гудфеллоу ұсынған генеративті-қарсылас желілер болды. GANs екі бәсекелес нейрондық желіден тұрады: жаңа деректерді жасайтын генератор және жасалған деректерді нақты деректерден ажыратуға тырысатын дискриминатор. Бұл алдыңғы модельдерге қарағанда әлдеқайда жоғары сапалы кескіндер жасауға мүмкіндік берді. 2017 жылы трансформаторлық архитектураның енгізілуі табиғи тілді өңдеуде төңкеріс жасады және үлкен тілдік модельдерді (LLM) жасауға мүмкіндік берді. GPT-3 (\"generative pre-trained Transformer\" -- \"generative pre-trained transformer\") және оның кейінгі нұсқалары, Gemini, CoPilot және т.б. сияқты LLM дамуы адамдардан іс жүзінде ерекшеленбейтін мәтіндер жасауға мүмкіндік берді. Бұл модельдер өлең, сценарий, эссе және тіпті бағдарламалық код жаза алады. Соңғы жылдары диффузиялық модельдер пайда болды және танымал бола бастады, бұл кескін генерациясында әсерлі нәтижелер көрсетті. Заманауи зерттеулер бір уақытта әртүрлі деректер түрлерін, мысалы, мәтін мен кескіндерді жасауға қабілетті мультимодальды модельдерді құруға бағытталған. Генеративті жасанды интеллект-бұл үлкен әлеуеті бар қарқынды дамып келе жатқан сала. Ол қазірдің өзінде біздің әлемді өзгертуде және болашақта оның әсері тек арта түседі. Генеративті AI медицина, білім беру және робототехника сияқты жаңа салаларда қолданылады. ГЖИ виртуалды және кеңейтілген шындық сияқты басқа технологиялармен біріктіріліп, пайдаланушының өзара әрекеттесуінің жаңа формаларын жасайды. Әсерлі жетістіктерге қарамастан, генеративті жасанды интеллект бізге бірқатар қиындықтар туғызады: \- Генеративті AI қолдану жалған ақпаратқа, жалған жаңалықтарға және терең фейктерге әкелуі мүмкін. \- Жасалған мазмұнға авторлық құқық мәселелері ашық күйінде қалып отыр. \- Генеративті AI зиянды мазмұнды жасау үшін пайдаланылуы мүмкін.