İnsan süni intellektlə yarışır
Süni intellekt ən bəsit təbiriylə maşının insanı təqlid edə bilməsidir. Və nəzərə alsaq ki, insanın (maşın tərəfindən) təqlid edilməsi ən çətin olan yanı qərar qəbul etməsidir, süni intellekti insan kimi qərar verə bilən mexanizm adlandırmaq olar.
Belə çıxır ki, süni intellektin nə olduğu insanın qərarlarını necə verdiyi sualının cavabından gəlir. İnsanın qərarlarını necə verməsi isə başdan-başa bir müəmma, möhtəviyyatı məlum olmayan bir f(X) funksiyasıdır, hansı ki, buradakı X-ı bilmədiyimiz sayda parametrdən ibarət olan bir vektor saymaq olar. Başqa sözlə, əgər həyatın deterministik – müəyyən, aldadılabilməz təbiət qanunlarına tabe, olduğunu qəbul etsək insanın müəyyən situasiyada hansı qərarı qəbul etməsi – hansı X-da f(X)-ın hansı qiyməti almasının müəyyən bir qanuna tabe olduğunu da qəbul etmiş oluruq, ancaq burada əsas problem bu funksiyanın neçə dəyişəndən necə asılı olduğunu müəyyən edə bilməməyimizdir. Belə ki, əgər insan davranışlarının arxasındakı təbii funksiyanın hansı parametrlərdən necə asılı olduğunu bilsək, insanın verilmiş situasiyada (uyğun parametrlərin verilmiş qiymətlərində) necə davranacağını da bilərdik. Və bu funksiyanı bir maşına öyrətdikdə o – maşın, verilmiş X-da insan hansı f(X) qiymətini alarsa onu alar, insan kimi qərar qəbul edərdi.
Fəqət insan qərarlarının necə olmasını şərtləndirən həmin f(X) funksiyasının asılı olduğu bütün parametrləri bilmədən də, insan olmasa da insana müəyyən qədər “yaxınlaşan” maşınlar yarada bilirik. Belə ki, məsələn, f(X) = f(x1, x2, x3, …, xn) = 
olarsa və biz bu “n” parametrdən sadəcə ilk beşini biliriksə, deməli digər parametrlərin əmsallarını 0 (sıfır) sayaraq davam edəcəyik və nəzərə alsaq ki, bu bilmədiyimiz parametrlər əgər çox təsirli olsaydı, biz onlara eksperimentlərdə mütləq rast gələrdik, deməli, bu bilmədiyimiz parametrlərin əmsalları 0 (sıfır) olmasa belə çox kiçik bir ədəddir, yəni haradasa sıfır saymaq olar. Və bu da imkan verəcək ki, biz real f(X) funksiyasını tapa bilməsək də ona yaxın qiymətlər alacaq bir f(X) funksiyası əldə edək. Hətta biz hansısa prosesin necə baş verdiyini maşına o hadisə/proses/fenomen haqdakı müşahidələrimiz və apardığımız təcrübələrin nəticələri əsasında öyrədərsək, nəzərə alsaq ki, insan da bir çox fenomenləri öz təcrübəsi əsasında dərk edir, deməli, maşını əsasında öyrətdiyimiz təcrübələr insanın müəyyən bir prosesi anlamağa çalışarkən qəbul edib emal edə bildiyi təcrübələrdən daha çox və daha dəqiqdirsə, süni intellekt insanın önünə də keçə bilər. 
Başqa sözlə, insan üçün intellekt (obyektlər arasında) əlaqə qurmaq bacarığıdırsa və bu əlaqənin necə olduğunu başa düşmək həmin obyektlər haqda təcrübi məlumatlar əldə etməkdən keçirsə və kompüterlər bizim dərk edə biləcəyimizdən daha çox təcrübəni nəzərə alaraq bu obyektləri başa düşməyə çalışırsa, deməli, bizi ötüb keçə də bilər. Ancaq bu, o qədər də asan olmayacaqdır. Çünki biz müəyyən fenomenlərin necə işlədiyini göstərən funksiyanın yalnız kəmiyyət hissəsini riyazi metodlarla təcrübələr əsasında müəyyən edə bilirik. İşin keyfiyyət tərəfi isə insan persepsiyasından asılıdır. Yəni süni intellektin uğuru yeniden bir insanın subyektiv fikrindən asılı olur. Digər bir deyişlə, f(X) = f(x1, x2, x3, …, xn) = kimi bir funksiyada biz verilmiş X – f(X) cütləri əsasında ai-ləri tapmağa çalışırıq, amma, bəlkə də, hadisəni ifadə edən funksiya kimi yox, 
kimidir. Əslində elə bir süni neyron şəbəkəsi qurmaq olar ki, verilmiş təcrübələrdən asılı olaraq istənilən funksiyanı approksimasiya eləsin. Ancaq bu halda da şəbəkənin neçə səviyyədən ibarət və hər səviyyədə neçə neyronun olacağını yenə insan təyin etməlidir.
Çünki süni neyron şəbəkəsinin strukturu, verilmiş təcrübənin nə qədər öyrədiləcəyini təyin edir və biz verilmiş təcrübənin bu fenomen üzrə baş verən bütün hadisələr içərisində nə qədər əksəriyyət təşkil etdiyini bilmirik. Nümunə üçün tutalım ki, verilmiş müəssisədə, verilmiş işlə məşğul olan əməkdaşların işə davamiyyətinin işə qəbul zamanında təyin olunması lazımdır. Ki, bu yolla qəbul edilən işçi işinə nə qədər məsuliyyətlə yanaşacaq işə götürən onu müəyyən etməyə çalışır. Deməli, bizim 0-la 1 arasında qiymət alan bir f(X)-mız var, hansı ki, məsələn, f(X5) burada X5 xüsusiyyətlərinə malik işə müraciət edən şəxsin işə gəldiyi vaxtların işdə olmalı olduğu vaxtara nisbətidir. Məsələn, 6 aylıq müqaviləylə işə götürülməsi planlanan bir müraciətçinin “davamiyyət funksiyasının” qiyməti əgər 0.2-dirsə, bu o deməkdir ki, həmin işçi 6 aylıq iş dövrünün cəmisi 20%-də işə gələcək. Və hipotetik olaraq belə hesab etsək ki, yaradacağımız süni neyron şəbəkəsi özünü analitik şəkildə ifadə olunan (düsturu yazıla bilən) istənilən funksiya kimi apara bilər, biz isə sadəcə verilmiş məlumatları nə qədər əzbərləyəcəyini bildirmək üçün süni neyron şəbəkəsinin strukturunu (səviyyələrinin sayı və hansı səviyyədə neçə neyron olacağı) təyin edirik, bu halda işçinin potensial işə davamiyyətini əvvəlcədən hesablayacaq funksiyanın approksimasiya olunması (süni neyron şəbəkəsinin real qanunauyğunluğa oxşar şəkildə hesablamalar aparacaq şəklə salınması) üçün istifadə olunacaq – modelə öyrədiləcək təcrübələrin keçmişdə baş vermiş, indi baş verən və gələcəkdə baş verəcək bütün təcrübələrin ən azından neçədə bir hissəsi olduğunu bilməliyik. Əslində bizim bir model qurmamız – onu öyrətməmiz, yemək süfrəsində qabağımıza qoyulmuş kasadakı lobyaları sayaraq bunun əsasında qazanda ümumilikdə neçə lobya olduğunu təxmin etmək kimidir. Və əgər o qazanda neçə kasa xörək olduğunu bilmiriksə, modelimizin nə qədər inanılası nəticələr verəcəyi sual altındadır. Və əslində proqnozlaşdırma ilə əlaqəli bütün məsələlərdə oxşar problem özünü göstərir. Eləcə də biz əgər fövqəl-insan formada olmuş, olan və olacaq bütün zamanlar boyunca bütün işçilərin X xüsusiyyətlərini və realda baş vermiş f(X) ədədlərini bilib modelimizi buna tam əzbərlətdirsəydik, modelimizin verilmiş X üçün aldığı f(X) cavabını ideal saymaq olardı. Ancaq biz nəinki bütün zamanlardakı məlumatları bilmək, bizim bildiklərimiz və ya tapa bildiklərimiz keçmişin sadəcə çox kiçik bir qismi olacaqdır və gələcəyin nə vaxt bitib-tükənəcəyini, ya da ümumiyyətlə, nə vaxtsa bitib-bitməyəcəyini bilmədiyimizdən biz heç vaxt modelimizin proqnozlaşdırdığı məsələdə verilmiş hadisə baş verənə kimi doğru olduğundan əmin ola bilməyəcəyik. Ancaq nəzərə alsaq ki, həyatdakı bir çox situasiyada yanlış qərar vermək belə qərar verməməkdən daha yaxşıdır və əgər gələcək sonludursa, hər keçən gün və bu keçən günlə artan və düzəliş olunan məlumatlar artacaqsa, ehtimal ki, modelimiz yeni təcrübələr qazandıqca daha az yalandanışan olacaq və doğruya daha yaxın nəticələr verəcək. Bir şeyi də qeyd etmək lazımdır ki, həyatda baş verən fenomenlər, adətən, kəsilməz (continuous) funksiyayla işləyənə oxşamır, modelimizin faydalı olması ehtimalı bir az da artır. Yəni “işçi işinə nə qədər məsuliyyətlidir” sualını “işçi məsuliyyətlidir, yoxsa yox” sualı ilə əvəz etdikdə f(X)-ın nəticə kimi 0 və ya 1 alması bizə kifayət edəcək. Bayaq aldığımız ədəd 0 və 1-dən hansına yaxındırsa, nəticə kimi o da götürülə bilər, hansı ki, müraciətçinin işə məsuliyyətli yanaşma indeksi 0-a yaxın, yəni 0 götürüldükdə işə götürülmür, 1, yəni 1-ə yaxın olduqda isə müraciətçi bu kriteriyadan uğurla keçmiş sayılır. Başqa bir deyişlə, bir müraciətçi realda işə qəbul edilsə 6 aydan cəmisi 15 gün işə getməyəcəksə, hər ayda 20 iş günü olduğunu desək, işçinin işə davamiyyəti (20*6 – 15) / 120 = 0.875, yəni 1 edəcək, hansı ki, çılpaq gözlə belə görünür ki, bu işçi əksərən işə gələcəkdir. Əgər bizim modelimiz hesablayıb 0.875 əvəzinə 0.762 tapıbsa belə nəticələr eyni – 1 olacaq. O cümlədən bir müəssisə öz kriteriyasını başqa cür də seçə bilər. Məsələn, deyə bilər ki, işə qəbul edilənlərin işə davamiyyət indeksi 0.95-dən böyük olmalıdır. Bu halda da modelin aldığı riyazi cavabı 0.5-dən yox, 0.95-dən böyük-kiçik olmasına görə şərh edirik və bu, modelin doğru cavab alıb-almadığı haqdakı təsəvvürlərimizi dəyişməyəcək.
Yekunda deyək ki, süni intellekt öz haqqlı şöhrətini insanın yaxşı elədiyini daha yaxşı edə bilməklə qazanıb. Və insanın eləyə bildiklərini eləyə bilməsi o demək deyil o insanı sadəcə immitasiya – təqlid etməlidir. O, insanın elədiklərini eləyə bilməli, ancaq eləyə bilmədiklərini də etməyə çalışmalıdır. İcazə vermək olmaz ki, insanlara oxşamağı süni intellektin ayağına yük eləyək. Nə qədər xəbərlərə, paylaşımlara, video müsahibələrə Sophianı çıxarıb danışdırsalar da, bir şeyi yaddan çıxarmaq olmaz: Sophianın bir insan kimi elədiklərini ətrafımızda hər on insandan onu da eləyə bilir, ancaq müəssisələrə yüz insanın gördüyü işi tək canına və insanlardan daha az xətayla görən robotlar və cəmisi bir neçə yüz sətr yazıdan ibarət olan süni intellekt alqoritmləri milyonlar qazandırır. Ev heyvanına oxşayan eksperimental, nümayişkaranə parıltılı metallar yox.
Süni intellektlə insanın yarışındakı hələ ki, son nöqtə budur ki, süni intellekt hələ bizimlə yarışmaqla maraqlanmır. Ancaq biz – insanlar onlarla yarışmaqla o qədər maraqlanır və robotların bir gün dünyanı ələ keçirəcəklərindən o qədər qorxuruq ki, qorxasan onlara yarışmağı da öyrədək.
Rüstəm Əzimov
Şəkillər:
