O’zbekistonrespublikasiaxborottexnologiyalarivakommunikatsiyalarinirivojlantirishvazirligimuhammadal-xorazmiynomidagitoshkentaxborottexnologiyalariuniversitetiqarshifiliali“telekommunikatsiyatexnologiyalarivakasbiyta’lim”fakulteti

Sun’iy intellekt
Ilmiy ish sifatida, mashinada o'rganish sun'iy intellektni izlash natijasida o'sdi.AI ning dastlabki kunlarida o'quv intizomi, ba'zi tadqiqotchilar mashinalarning ma'lumotlardan o'rganishiga qiziqishgan. Ular muammoga turli xil ramziy usullar bilan yondashishga harakat qilishdi, shuningdek keyinchalik "asab tarmoqlari "; asosan ular edi perceptronlar va boshqa modellar keyinchalik ixtirolari deb topilgan umumlashtirilgan chiziqli modellar statistika.Ehtimolli fikrlash, ayniqsa, avtomatlashtirilgan holda ham ishlatilgan tibbiy diagnostika.
Biroq, tobora ortib borayotgan e'tibor mantiqiy, bilimga asoslangan yondashuv sun'iy intellekt va kompyuterni o'rganish o'rtasida ziddiyatga olib keldi. Ehtimollik tizimlari ma'lumot to'plash va namoyish qilishning nazariy va amaliy muammolari bilan qiynalgan. 1980 yilga kelib, ekspert tizimlari sun'iy intellektda hukmronlik qilgan va statistika foydasiz edi. Ramziy / bilimga asoslangan o'rganish bo'yicha ishlar sun'iy intellekt doirasida davom etdi va natijada induktiv mantiqiy dasturlash, ammo tadqiqotning statistik yo'nalishi endi sun'iy intellekt sohasidan tashqarida edi naqshni aniqlash va ma'lumot olish. Neytral tarmoqlarni tadqiq qilish A.I.dan voz kechgan edi Kompyuter fanlari bir vaqtning o'zida. Ushbu yo'nalish ham sun'iy intellekt / CS maydonidan tashqarida davom etdi "ulanish ", boshqa fanlarning tadqiqotchilari tomonidan, shu jumladan Xopfild, Rumelxart va Xinton. Ularning asosiy muvaffaqiyati 1980-yillarning o'rtalarida qayta kashf etilishi bilan sodir bo'ldi.

Mashinalarni o'rganish sun'iy intellektning subfiligi sifatida
Alohida soha sifatida qayta tashkil etilgan mashinasozlik (ML) 1990 yillarda rivojlana boshladi.Bu soha o'z maqsadini sun'iy intellektga erishishdan amaliy xarakterdagi hal qilinadigan muammolarni hal qilishga o'zgartirdi. Bu diqqat markazidan uzoqlashdi ramziy yondashuvlar u sun'iy intellektdan meros bo'lib, statistika va ehtimollik nazariyasi. 2020 yildan boshlab, ko'plab manbalar mashinani o'rganish AIning subfediyasi bo'lib qolmoqda deb ta'kidlamoqda. Asosiy kelishmovchilik, barcha ML AI ning bir qismi bo'ladimi, chunki bu ML dan foydalanadigan har kim AIdan foydalanayotganligini da'vo qilishi mumkin. Boshqalar fikricha, MLning hammasi ham AIning bir qismi emas bu erda faqat MLning "aqlli" to'plami sun'iy intellektning bir qismidir.
ML va AI o'rtasidagi farq nimada degan savolga javob beriladi Yahudiya marvaridi yilda Nima uchun kitob. Shunga ko'ra ML passiv kuzatuvlar asosida o'rganadi va bashorat qiladi, AI esa o'z maqsadlariga muvaffaqiyatli erishish imkoniyatini maksimal darajada oshiradigan, o'rganish va harakatlar qilish uchun atrof-muhit bilan o'zaro aloqada bo'lgan agentni nazarda tutadi.

Ma'lumotlarni qazib olish

Mashinada o'qitish va ma'lumotlar qazib olish ko'pincha bir xil usullarni qo'llaydi va bir-birining ustiga bir-birini qoplaydi, ammo mashinada o'qitish, bashoratga asoslanadi ma'lum o'quv ma'lumotlaridan o'rganilgan xususiyatlar, ma'lumotlar qazib olish ga e'tibor qaratadi kashfiyot ning (ilgari) noma'lum ma'lumotlardagi xususiyatlar (bu tahlil qadamidir bilim kashfiyoti ma'lumotlar bazalarida). Ma'lumotlarni qazib olishda ko'plab kompyuterlarni o'rganish usullari qo'llaniladi, ammo maqsadlari har xil; boshqa tomondan, mashinasozlik ma'lumotlarini qazib olish usullarini "nazoratsiz o'rganish" yoki o'quvchilar aniqligini oshirish uchun oldindan ishlov berish bosqichi sifatida ham qo'llaydi. Ushbu ikkita tadqiqot jamoalari o'rtasidagi chalkashliklarning aksariyati (ko'pincha alohida konferentsiyalar va alohida jurnallar mavjud) ECML PKDD katta istisno bo'lish) ular bilan ishlaydigan asosiy taxminlardan kelib chiqadi: mashinasozlikda ishlash odatda qobiliyatiga qarab baholanadi ko'payish ma'lum bilimlarni topish va ma'lumotlarni qazib olishda (KDD) asosiy vazifa ilgari kashf etishdir noma'lum bilim. Ma'lum bo'lgan bilimlarga qarab baholanadigan ma'lumotsiz (nazoratsiz) usul boshqa boshqariladigan usullar bilan osonlikcha ustunlikka ega bo'ladi, odatdagi KDD topshirig'ida o'qitish ma'lumotlari mavjud emasligi sababli boshqariladigan usullardan foydalanish mumkin emas.
Optimallashtirish
Mashinada o'qitish ham yaqin aloqalarga ega optimallashtirish: ko'plab o'quv muammolari ba'zilarini minimallashtirish sifatida shakllantiriladi yo'qotish funktsiyasi misollar to'plami bo'yicha. Yo'qotish funktsiyalari o'qitilayotgan modelning prognozlari bilan muammoning dolzarb misollari o'rtasidagi farqni ifodalaydi (masalan, tasniflashda misollarga yorliq berishni xohlaydi va modellar to'plamning oldindan belgilangan yorliqlarini to'g'ri bashorat qilish uchun o'qitiladi) misollar). Ikkala maydon o'rtasidagi farq umumlashtirish maqsadidan kelib chiqadi: optimallashtirish algoritmlari o'quv to'plamidagi yo'qotishlarni minimallashtirishi mumkin bo'lsa, mashinada o'rganish ko'rinmaydigan namunalardagi yo'qotishlarni minimallashtirish bilan bog'liq.