Startup Grind Baku tərəfindən “Davam” Gənclər Hərəkatı əməkdaşlığında bu ilin səkkizinci görüşü baş tutdu. Bildiyiniz kimi, ötən Startup Grind tədbirimiz bu həftə Süni intellekt layihələrinin idarə olunması İnkişafı mövzusu üzərində qurulmuşdu.
Görüşün spikeri İnnovasiyaları Mərkəzi, Data Təhlili şöbəsinin rəhbəri Əsgər Məmmədli oldu. Süni intellekt layihələr , startuplar, və digər sektorlarda inkişaf etməkdə davam edir. Həmçinin layihələrin idarə olunması prosesində layihənin yaradılmasının bütün mərhələlərində istifadə olunur. Bu tədbirimizin də olan Əsgər Məmmədli süni intellekt ilə layihələrin uğurlu şəkildə necə idarə olunmasından bəhs etdi.
Süni intellekt layihələrinin idarə olunması mövzusunda nələrdən danışıldı?
Ümumilikdə süni intellekt anlayışının nə olduğuna nəzər salsaq, termin olaraq çox sadə, lakin yaxın aspektdən baxdıqda bir o qədər qarmaşıq və mürəkkəb bir anlayışla üz-üzə olduğunuzu görürsünüz. Ən anlaşılan şəkildə ifadə etdikdə isə, etdiyiniz bir prosesi optimal və effektiv nəticə ilə avtonomlaşdıran vasitə süni intellektdir. Süni intellektin müxtəlif səviyyələri olsa da kateqoriyalara ayırsaq dar, ümumi və super-ağıllı süni intellekt texnologiyalarının varlığından danışmaq mümkündür.
“Dar süni intellekt” məhdud əhatə dairəsində xüsusi tapşırıqları yerinə yetirmək üçün nəzərdə tutulmuş AI sistemlərinə deyilir. Məsələn, Siri və ya Alexa kimi səs köməkçiləri, əslində dar süni intellekt sistemləridir. Çünki, yalnız musiqi çalmaq və ya xatırlatmalar qurmaq kimi xüsusi tapşırıqları yerinə yetirməkdə daha çox yararlı olur. Dar AI hal-hazırda bu gün istifadə edilən ən çox yayılmış növdür.
Ümumi süni intellekt insanın edə biləcəyi hər hansı intellektual işi yerinə yetirmək üçün nəzərdə tutulmuş süni intellekt sistemlərinə aiddir. Ümumi süni intellekt hazırda yalnız insanlar üçün mümkün olan üsullarla öyrənmək, problem həll etmək və yeni vəziyyətlərə uyğunlaşmaq qabiliyyətinə malikdir. Bununla belə, ümumi süni intellektin inkişafı hələ nəzəri mərhələdədir və hələ tam əldə olunmayıb.
Super AI ümumi süni intellektdən daha təkmil olan və bütün sahələrdə insan intellektini ötməyə qadir olan AI sistemlərinə aiddir. Super AI hazırda insanın dərk edə bilmədiyi problemləri həll edə bilər və daha da ağıllı olmaq üçün özünü təkmilləşdirə bilər. Super AI də inkişafın nəzəri mərhələsindədir və yarandığı, yaradıldığına dair heç bir irəliləyiş mövcud olmayıb.
Təəssüfləndirici bir fakt var ki, AI layihələrinin 85%-lik hissəsi statistik göstəricilərə görə, uğursuzluqla nəticələnir. Böyük datalarla işləməyin yaratdığı çətinliklər, resursların yoxluğu və ya maddi problemlər AI layihələrinin böyüməsinə birbaşa ciddi təsir edən faktor olaraq qiymətləndirilir. Yaxşı bəs, ənənəvi proqramlaşdırma və maşın öyrənməsi arasındakı fərq proseslərin təkmilləşməsinə necə təsir edə bilər.
Ənənəvi proqramlaşdırma kompüterə nə edəcəyini açıq şəkildə bildirən kodun yazılmasını nəzərdə tutur. Proqramçılar proqramlaşdırma dilində təlimatlar yazır və kompüter istənilən nəticəni çıxarmaq üçün həmin təlimatları müəyyən ardıcıllıqla yerinə yetirir. Ənənəvi proqramlaşdırma kodları isə insan təcrübəsini tələb edir.
Maşın öyrənməsi isə, ən sadə halda məlumatlardan öyrənə bilən alqoritmlərin yaradılmasını əhatə edir. Maşın öyrənməsində proqramçılar kompüterin əməl etməsi üçün xüsusi təlimatlar yazmırlar. Bunun əvəzinə, onlar alqoritmə məlumat toplusunu təqdim edirlər, süni intellekt isə məlumatları təhlil edir. Nümunələri tanımağı və proqnozlar verməyi öyrənir. Alqoritm daha çox məlumatla “qidalandıqca” zamanla performansını yaxşılaşdırır.
Xülasə, ənənəvi proqramlaşdırma kod yazmaq üçün insan təcrübəsini tələb edən qaydaya əsaslanan bir yanaşmadır. Maşın öyrənməsi isə proqram təminatının zamanla öyrənilməsinə və təkmilləşdirilməsinə imkan verən yanaşma kimi nəzərdə tutulur.
Süni intellekt layihələrinin idarə olunmasındakı əsas prioritetlər nədir?
Tədbirimizin əsas mövzusu Süni intellekt layihələrinin idarə olunması isə, müvəffəqiyyət əldə etmək üçün diqqətli planlaşdırma və icra tələb edən bir neçə inkişaf mərhələsini əhatə edir. Bu mərhələlər adətən CRISP-DM kimi tanınan prosesi təşkil edilir. CRISP-DM çərçivəsi altı mərhələdən ibarətdir. Belə ki, hərfi tərcümə olaraq baxdıqda Biznesin Anlanması, Məlumatların Anlanması, Məlumatların Hazırlanması, Modelləşdirmə, Qiymətləndirmə və Yerləşdirmədən söhbət gedir.
Biznes Anlaşması AI layihəsinin biznes məqsəd və məqsədlərini başa düşməyi əhatə edir. Layihə komandası həll edilməli olan problem, cəlb olunan biznes prosesləri və əsas maraqlı tərəflər haqqında aydın anlayışa malik olmalıdır. Komanda həmçinin layihənin uğuruna təsir edə biləcək hər hansı problemləri müəyyən etməlidir.
Məlumatların Anlanması mərhələsi layihədə istifadə olunacaq məlumatların toplanması və təhlilini əhatə edir. Komanda məlumat mənbələrini müəyyən etməli, məlumatların keyfiyyətini qiymətləndirməli və məlumatların strukturu və əlaqələri haqqında anlayış əldə etməlidir. Bu mərhələ çox vacibdir. Çünki, komandaya layihənin uğuruna təsir edə biləcək hər hansı məlumatla bağlı problemləri müəyyən etməyə kömək edir.
Məlumatların hazırlanması mərhələsi verilənlərin modelləşdirmə üçün uyğun olması üçün təmizlənməsi, dəyişdirilməsi və formatlaşdırılmasını əhatə edir. Bu mərhələ çatışmayan dəyərlərin aradan qaldırılmasını, kənar göstəricilərin idarə edilməsini və məlumatların normallaşdırılmasını əhatə edir. Komanda həmçinin məlumatların düzgün etiketlənməsini və kateqoriyalara bölünməsini təmin etməlidir.
Modelləşdirmə mərhələsi layihə üçün uyğun maşın öyrənmə modelinin seçilməsi və qurulmasını əhatə edir. Komanda həll edilməli olan problemə və mövcud olan məlumatlara əsasən uyğun alqoritmi seçməlidir. Model uyğun qiymətləndirmə metrikasından istifadə etməklə öyrədilməli və təsdiq edilməlidir.
Qiymətləndirmə mərhələsi modelin fəaliyyətinin qiymətləndirilməsini, onun düzgünlüyünün və effektivliyinin müəyyən edilməsini əhatə edir. Komanda modelin performansını layihənin biznes məqsəd və məqsədləri ilə müqayisə etməlidir. Model yaxşı performans göstərmirsə, komanda modeli təkmilləşdirməli və ya başqa alqoritm seçməlidir.
Yerləşdirmə mərhələsi modelin istehsal mühitinə yerləşdirilməsini əhatə edir. Komanda modelin mövcud biznes prosesləri və sistemləri ilə düzgün inteqrasiyasını təmin etməlidir. Komanda həmçinin modelin fəaliyyətinə nəzarət etməli və onun layihənin məqsədlərinə cavab verməyə davam etməsini təmin etmək üçün lazımi düzəlişlər etməlidir.
Yekun olaraq, CRISP-DM çərçivəsi Süni intellekt layihələrinin idarə olunması üzrə sübut edilmiş yanaşmadır. Çərçivə layihənin inkişafının hər bir mərhələsində diqqətli planlaşdırmanın və icranın vacibliyini vurğulayır. CRISP-DM çərçivəsinə riayət etməklə, layihə komandaları uğur ehtimalını artıra və layihənin məqsəd və məqsədlərinə cavab verən süni intellekt həllərini təqdim edə bilər.
Növbəti tədbirimizdə nələr olacaq?
12 martda baş tutacaq bu həftəyə olan tədbirimiz Orxan Talıbzadə ilə “Business Valuation” mövzusunda olacaq. Şirkətin dəyərini müəyyən etmək heçdə asan iş deyil. Xüsusilə də əvvəlcədən datası olmayan startaplar bundan çox əziyyət çəkirlər.
PashaPay-in Büdcə və Maliyyə modelləşdirməsi üzrə baş mütəxəssis Orxan bəy bizə qiymətləndirmə üsullarından, maliyyə modellərinin qiymətləndirmədəki rolundan, və bu modelləri biznes planlarda və digər qərar vermə və idarə etmə proseslərində necə istifadə edə biləcəyiniz barədə danışacaq.
Startap ekosistemi xəbərlərini "İnformasiya və Rəqəmsal İnkişaf Agentliyi" ilə tərfdaşlığımız çərçivəsində oxuyursunuz.
