ხელოვნური ინტელექტი (ისტორია)

ტერმინი ხელოვნური ინტელექტი (artificial intelligence) პირველად გაჟღერდა 1956

წელს აშშ-ში სტანფორდის უნივერსიტეტის ერთ-ერთ სემინარზე (Джон Мак-Карти,
Марвин Мински, Натаниэль Рочестер и Клод Шеннон)-მიერ, რომელიც ეძღვნებოდ
ალოგიკურ და არაგამოთვლით ამოცანებს.

თანამედროვე კომპიუტერის ხელოვნური ინტელექტი საკმაოდ მაღალი დონისაა,

მაგრამ არა იმხელა, რომ მისი ქცევითი შესაძლებლობები უსწრებდეს ნებისმიერი
პრიმიტიული ცხოველისას. მეცნიერთა ნაწილი ირწმუნება, რომ ადამიანი ვერ
შეძლებს შექმნას ხელოვნური ინტელექტი, რომელიც შესაბამისობაში იქნება
ბუნებრივთან.ამავდროულად, მეცნიერთა მეორე ნაწილი დარწმუნებულია იმაში,
რომ ტვინის სტრუქტურის მიხედვით შექმნილი ხელოვნური ინტელექტი
ტექნიკურად რეალიზებადი ამოცანაა.

ყველაზე აშკარად აზროვნების შესახებ ცოდნის ნაკლებობა გამოიხატება მისი

ხელოვნური ფორმის შექმნის მცდელობის დროს. გასაკვირი არაა გამონათქვამი იმის
შესახებ, რომ „მანქანები ვერ ისწავლიან აზროვნებას მანამდე, სანამ მას ადამიანი არ
ისწავლის“. აზროვნების შესახებ დღეისათვის არსებული ცოდნა არ აღმოჩნდა
საკმარისი, რათა „მოაზროვნე“ მანქანის შექმნის მექანიზმის შემუშავება გამხდარიყო
შესაძლებელი.

ხელოვნური ინტელექტი-ინფორმატიკის ის ნაწილია, სადაც გამოიყენება სხვა

სამეცნიერო დისციპლინების შედეგები (მაგალითად, ფსიქოლოგიის, ლინგვისტიკის,
მათემატიკის, მედიცინისდაა.შ.), მსჯელობის მოდელირება, ახალი ცოდნის
გენერაცია, თარგმნა ერთი ენიდან მეორეზე საპროგრამო უზრუნველყოფის
გამოყენებით და ა.შ.

გამოკითხვისას აღმოჩნდა, რომ ტერმინი „ხელოვნური ინტელექტი“, უმრავლეს

შემთხვევაში, ადამიანებში იწვევს გაიგივებას რობოტთან.

რა არის ხელოვნური ინტელექტი?

ხელოვნური ინტელექტი არის სისტემა ან მანქანა, რომელსაც შეუძლია იმიტაცია
გაუკეთოს ადამიანის ქმედებებს, რათა გაიმარტივოს საქმე მომავალი ამოცანების
ამოსახსნელად და ამასთანავე შეუძლია მიღებული ინფორმაციით თან და თან კიდევ
უფრო განვითარდეს.
ხელოვნურ ინტელექტს გააჩნია მრავალი განსახიერება:

 ჩატ–ბოტები ხმარობენ ხი, იმისათვის რომ სწრაფად გაანალიზონ დამკვეთების

მომართვა და უპასუხონ მათ კითხვებს.
 „ჭკვინაი დამხმარეები“ იყენებენ ხი, იმისათვის რომ ამოიღონ მნიშვნელოვანი
ინფორმაცია წყაროებიდან და ოპტიმიზაცია გაუკეთონ მათ.
 რეკომენდაციის მექანიზმები ავტომატურად ურჩევენ მსგავს ტელეგადაცემებს
ადრე ნაყურებების მიხედვით.

ხელოვნური ინტელექტი არ არის რაიმე ფორმატი ან ფუნქცია, ეს არის პროცესი,

აზროვნების უნარი და მონაცემების ანალიზი. აქედან გამომდინარე ხი–ის მიზანია
გააფართოვოს ადამიანის რესურსების და შესაძლებლობების საზღვრები.

ხელოვნური ინტელექტი და წარმოებები (ბიზნესი)

ტექნლოგიები დაფუძნებულები ხელოვნურ ინტელექტზე გვეხმარება ეფექტურობის
და შრომის პროდუქტიულობის გაზრდაში პროცესების და ამოცანების
ავტომატიზაციის ხარჯზე, რომლებსაც ადრე ადამიანები აკეთებდნენ. ხი–ს ასევე
შეუძლია მონაცემთა მოცულობის ინტერპრეტაცია, რაც ადამიანებს არ შეუძლიათ და
რაც მთავარია, რაც არის ძალიან სასარგებლო ბიზნესისთვის. მაგალითად
ნეთფლიქსი იყენებს მანქანათმცოდნეობას მონაცემთა პერსონალიზაციისთვის, რამაც
მკვეთრად გაუზარდა აუდიტორიის რაოდენობა 25%–ით 2017 წლის მონაცემებით.

Harvard Business Review– ის , მონაცემებით კომპანიები ხი–ს იყენებენ შემდეგი

მიზნებისათვის:

 გამოვლენა და უსაფრთხოების დარღვევის პრევენცია (44%)

 ტექნიკური პრობლემების აღმოფხვრა მომხმარებლებში (41%)
 წარმოების მუშაობის მოცულობის შემცირება (34%)

ხელოვნურ ინტელექტს შეუძლია პასუხის გაცემა კითხვებზე და

თამაში
დღესდღეობით, ყველაზე ძლიერი ტექსტების გენერატორი, რომელიც მუშაობს
ხელოვნური ინტელექტის მეშვეობით არის GPT-2 კომპანია OpenAI–ისგან,
რომელსაც შეუძლია მთელი აბზაცების უშეცდომოთ წერა და ინტელექტუალურ
კითხვებზე პასუხის გაცემაც კი. ასევე აღსანიშნავია ისიც, რომ ბევრი ადამიანი
ხელოვნურ ინტელექტს არასერიოზულად აღიქვამს. საზოგადოების ნაწილს მიაჩნია,
რომ ხელოვნური ინტელექტი ანუ AI უბრალოდ ასრულებს პროგრამისტების მიერ
მიცემულ ბრძანებებს და მას არც ისე შეუძლია დამოუკიდებლად აზროვნება.
სინამდვილეში კი, ამ მითის დასამსხვრევად საკმარისია ჩვენთვის უკვე ნაცნობი
OpenAI–ს პროექტთან გაცნობა.

OpenAI_ს ოცდახუთამდე კვლევებიდან ერთ-ერთი ცნობილი და გამორჩეული

გახლავთ პროექტი გახლავთ ხელოვნური ინტელექტის მქონე მულტი-აგენტების
დამალობანა. ალბათ კითხვა გაგიჩნდებათ თუ რა უნდა იყოს ასეთი რთული
დამალობანაში, რომ ხელოვნურ ინტელექტს გაუჭირდეს მისი თამაში.

თავდაპირველად უნდა ვახსენოთ, რომ მულტი-აგენტების დამალობანა

საკმაოდ განსხვავდება იმ თამაშისგან, რომელსაც ჩვენ მივეჩვიეთ. თამაშის აზრი
იმაშია, რომ წითელმა მულტი-აგენტებმა უნდა დაინახონ ლურჯი მულტი-აგენტები.
ასეთ შემთხვევაში წითლები თითო ქულას მოიპოვებენ თითოეული ლურჯი მულტი-
აგენტის დანახვისას. ხოლო თვითონ ლურჯები იმ შემთხვევაში მოიპოვებენ ქულას,
თუ არ იქნებიან დანახული წითლების მიერ. ლურჯებს ასევე ფორა, ანუ მათ აქვთ
დრო დასამალად სანამ წითლები დაიწყებენ მათ ძებნას. თამაში სპეციალურად
შექმნილ გარემოში მიმდინარეობს. მულტი-აგენტების ორივე ჯგუფს შეუძლია
გარემოში მოცემული სპეციალური ობიექტების გადანაცვლება, რომლებიც შეიძლება
გამოყენებული იქნას გასასვლელის დასაკეტად ან კედელზე გადასაძრომად. ასევე
ნებისმიერ აგენტს შეუძლია დაბლოკოს ობიექტი, რის შედეგადაც მხოლოდ მას
შეეძლება შემდგომში მისი გადაადგილება. თამაშის მექანიკა ავხსენით, მაგრამ ეს
ნამდვილად არ არის ამ პროექტის უნიკალურობის მიზეზი. საქმე იმაშია, რომ
მულტი-აგენტები თავიდან არ იციან რა უნდა გააკეთონ. ერთადერთი რაც იციან არის
ის, რომ მათ ქულები უნდა მოიპოვონ. ანუ აგენტები უბრალოდ ქაოსურად
მოძრაობენ, მაგრამ ისინი ნელ-ნელა შეისწავლიან გარემოს და ასევე იმას თუ როგორ
უნდა მოიპოვონ ქულები. მათ სწავლა-განვითარების გზა რამდენიმე ეტაპადაა
დაყოფილი.

პირველი ეტაპია ქაოსური მოძრაობა. აგენტები ვერ ხვდებიან როგორ უნდა

მოიპოვონ ქულები და უბრალოდ წრეზე დარბიან.

მხოლოდ 2.69 მლნ ეპიზოდის შემდეგ, წითლები ხვდებიან, რომ თუ ლურჯებს

დაინახავენ ამით ქულას მოიპოვებენ.
 ამის შემდეგ ლურჯ აგენტებს ექვსი მილიონი ცდა დასჭირდათ იმის
მისახვედრად, რომ თუ შესასვლელებს კუბებით დაბლოკავენ, მაშინ მდევრები ვერ
შეძლებენ მათ დანახვას.

არც წითლები აპირებენ ასე ადვილად დანებებას, ამიტომ კიდევ 6 მლნ

დამალობანის ეპიზოდის შემდეგ ისინი მიხვნენ, რომ თუ კედელს რამპას
მიადგამდნენ შეძლებ მასზე გადაძრომას და ლურჯებთან მოხვედრას.

ლურჯებს ასეთი ტაქტიკის წინააღმდეგ გამკლავება გაუჭირდათ. ამიტომ

მხოლოდ თითქმის 30 მლნ ცდის შემდეგ მიაღწიეს ამ პრობლემის გადაწყვეტის გზას.
როგორც ვიცით სანამ წითლები დაიწყებენ თამაშს, ლურჯებს დრო აქვთ დასამალად.
მათ ეს დრო ჭკვიანურად გამოიყენეს და იმისთვის, რომ დამალვამდე თვითონ
რამპაც შეიტანონ თავიანთ ოთახში. შესაბამისად წითლები უკვე ვერ შეძლებენ
კედელზე გადასვლას.

ეს იყო უკანასკნელი ეტაპი, რადგან მდევრები უკვე აღარქონდათ არანაირი გზა

ლურჯ აგენტებთან მოსახვედრად. ასევე უნდა ითქვას, რომ ლურჯები უკვე 2 მლნ
ეპიზოდის შემდეგ მიხვდნენ, რომ ჯგუფურად უნდა იმუშავონ თუ უნდათ ქულის
მოპოვება.

თამაშის ეპიზოდების განმავლობაში შემქმნელებმა რამოდენიმე

გაუთვალისწინებელი ქცევა შეამჩნიეს აგენტებში.

მაგალითად, მანამ სანამ შემქმნელები გარემოს ზღვარს დაუწესებდნენ

აგენტებს და ამ ზღვარის გადაკვეთის შემთხვევაში ქულის ჩამოჭრას დაიწყებდნენ,
ლურჯი აგენტები უბრალოდ უსასრულოდ გარბოდნენ და რახან წითლები
მოგვიანებით იწყებენ თამაშს ისინი ვერ ეწეოდნენ მათ.

ასევე ლურჯებმა აღმოაჩინეს ისიც, რომ თუ რამპას გარკვეულ ადგილას

კედელთან დააჯახებ ის დატოვებს სათამაშო გარემოს ტერიტორიას, შესაბამისად
მდევრები მას ვერ გამოიყენებენ და ქულასაც ვერ მოიპოვებდნენ.

რამპას კიდევ ერთი გაუთვალისწინებელი პროგრამული შეცდომა იპოვეს

წითლებმაც. ისინი რამპით კედელს ეჯახებოდნენ და ეს მოქმედება მათ ჰაერში
უშვებდა, შემდეგ კი ისინი ლურჯებთან ხტებოდნენ.

ბოლო ე.წ. bug_იც წითლებმა აღმოაჩინეს. ისინი დაბლოკილი რამპის

მეშვეობით კუბს ზემოდან ახტებოდნენ და ასე გადაადგილდებოდნენ. ეს
რათქმაუნდა უადვილებდა მათ ლურჯების პოვნას.
 OpenAI_ს ეს პროექტი კიდევ ერთხელ ამტკიცებს, რომ ხელოვნურ ინტელექტს,
ისევე როგორც ადამიანს შეუძლია სწავლა და განვითარება. ასე რომ უახლოეს
მომავალში შეიძლება ხელოვნური ინტელექტის, ადამიანის ანალოგიური
რობოტებიც ვიხილოთ.

ხელოვნური ინტელექტი და ნეირონული ქსელი

ხელოვნური ინტელექტის ერთერთი ძალიან გამოყენებადი და საინტერესო სფეროა
ნეირონული ქსელი, რომელიც ახდენს ადამიანის ტვინში ურთიერთქმედების
მოდელირებას.

ნეირონული ქსელები, ასევე ცნობილია, როგორც ხელოვნური ნერვული ქსელები,

რომლებიც არის ადამიანის ტვინის იმიტირებული ნერვული ქსელები, მათი
არქიტექტურა და სტრუქტურა შთაგონებულია ადამიანის ტვინით, რომელიც ბაძავს
ბიოლოგიური ნეირონების სიგნალს.

ხელოვნური ნერვული ქსელები (ANN) შედგება Node ფენებისაგან, რომლებიც

შეიცავენ Input ფენას, ერთ ან მეტ ფარულ ფენას და Output ფენას. თითოეული კვანძი,
ანუ ხელოვნური ნეირონი, უკავშირდება მეორეს და აქვს დასაკავშირებელი წონა და
ბარიერი.

თუ რომელიმე ცალკეული კვანძის გამომუშავება აღემატება მითითებული ბარიერის

მნიშვნელობას, ეს კვანძი გააქტიურებულია და მონაცემებს აგზავნის ქსელის შემდეგ
ფენაში. წინააღმდეგ შემთხვევაში, მონაცემები არ გადაეცემა ქსელის შემდეგ
ფენას.თუ რომელიმე ცალკეული კვანძის გამომავალი სიგნალი აღემატება თავის
მიცემულ ზღვრულ ღირებულებას ეს კვანძი აქტიურდება, ხოლო თუ Output სიგნალს
არ შეუძლია გადალახოს , აღემატებოდეს მიცემულ ბარიერს (ზღვრულ
ღირებულებას) ეს კვანძი არ გააქტურდება.

ნეირონული ქსელის ერთერთი ცნობილი მაგალითია აპლიკაცია Photomath რომელიც

ახდენს რიცხვების და მათემატიკური ოპერატორების აღქმას და აღქმული ნიმუშის
გამოსათვლელი პროგრამისთვის გადაცემას.ნეირონული ქსელი დღევანდელ
საუკუნეში უფრო და უფრო მოთხოვნადი ხდება.

ხელოვნურ ნეირონულ ქსელზე მუშაობს ასევე ერთერთი ქართული კომპანია

ფაბერი.ფაბერი არის ტანსაცმლის ყიდვა გაყიდვის საიტი და უახლოეს მომავალში
ჩვენ შეგვეძლება სურათის გამოყენებით მოვძებნოთ სასურველი პროდუქტი.