Süni intellektin növləri: dar, ümumi və super AI

Niyə süni intellekt üçün bir neçə təsnifat var?

AI sistemini “növ” adlandırmaq üçün əvvəl hansı xüsusiyyəti ölçdüyümüzü deməliyik. Qabiliyyət təsnifatı sistemin nə qədər geniş tapşırıq sahəsində işlədiyinə baxır. Funksional təsnifat yaddaş, sosial anlayış və özünü dərk etmə kimi xüsusiyyətləri müzakirə edir. Texniki təsnifat isə sistemin qayda, maşın öyrənməsi, neyron şəbəkə və ya başqa metodla qurulduğunu göstərir.

ISO/IEC 22989:2022 AI terminləri üçün ortaq dil qurmağa çalışır. Bunun özü vacib siqnaldır: eyni söz fərqli şirkət və tədqiqat mətnində başqa sərhədlə işlənə bilər. “Bu, AGI-dir” iddiasından əvvəl tərif, ölçü və test soruşulmalıdır.

Dar, ümumi və super AI qabiliyyət oxudur. Reaktiv və məhdud yaddaşlı sistemlər kimi adlar başqa oxu təsvir edir. Generativ AI isə məzmun yaratma qabiliyyətinə görə texniki və funksional kateqoriyadır. Bir sistem eyni anda dar, generativ, multimodal və müəyyən dərəcədə muxtar ola bilər; bu etiketlər bir-birini ləğv etmir.

Dar süni intellekt (ANI) nədir?

Dar süni intellekt müəyyən tapşırıq və ya əlaqəli tapşırıqlar qrupu üçün hazırlanmış sistemdir. Spam filtri, üz tanıma, məhsul tövsiyəsi, marşrut hesablaması, mətn modeli və fırıldaq aşkarlama sistemi bu kateqoriyaya daxil ola bilər. IBM-in 14 iyul 2026-da yenilənmiş AGI icmalı da mövcud AI sistemlərinin ixtisaslaşmış sahələrlə məhdud qaldığını və AGI üçün elmi konsensus olmadığını qeyd edir. “Dar” alətin zəif olduğunu yox, işlədiyi sərhədin insanın ümumi öyrənmə çevikliyinə malik olmadığını bildirir.

Şahmat proqramı milyardlarla gedişi qiymətləndirib ən güclü insanı keçə bilər, amma müqavilə xülasə etməyi özbaşına öyrənmir. Böyük dil modeli çox mövzuda cavab versə də, imkanları öyrətmə məlumatı, model arxitekturası, alət bağlantıları və verilən təlimatlarla məhdudlaşır. O, yeni bir peşəni insan kimi yaşayaraq mənimsəmir.

Bu fərq biznesdə vacibdir. Dar AI üçün qəbul meyarı konkret yazıla bilər: müraciətlərin neçə faizi düzgün şöbəyə yönəldi, proqnozun səhvi nə qədər oldu, mətn layihəsində neçə fakt düzəldildi? “Ağıllı görünür” ölçüsü yoxdur. Tapşırıq və səhv sərhədi varsa, model real iş alətinə çevrilir.

Dar AI-nin daxilindəki metodları qarışdırmamaq üçün əvvəl süni intellektin əsas işləmə məntiqini, sonra maşın öyrənməsi anlayışını oxumaq faydalıdır. ANI nəticə qabiliyyətini təsvir edir; maşın öyrənməsi həmin nəticəyə çatan üsullardan biridir.

Ümumi süni intellekt (AGI) nədir?

AGI müxtəlif sahələrdə yeni tapşırıqları insan səviyyəsinə yaxın çevikliklə öyrənə və mövcud bilikləri yeni kontekstə keçirə bilən hipotetik sistemdir. Ancaq “insan səviyyəsi”nin hansı insan, hansı tapşırıq və hansı şərait demək olduğu barədə ortaq ölçü yoxdur. Buna görə AGI bu gün hazır məhsul kateqoriyasından çox tədqiqat hədəfi və mübahisəli tərifdir.

Google DeepMind tədqiqatçılarının “Levels of AGI” işi bu problemi performans və ümumilik adlı iki oxla ölçməyi təklif edir. Sistem bir neçə tapşırıqda çox güclü ola, amma kifayət qədər ümumi olmaya bilər. Başqa sistem geniş sahədə orta nəticə verə bilər. Tək test balı bu fərqi göstərmir.

Muxtariyyət də AGI ilə eyni anlayış deyil. Sistem plan qurub alətlərdən istifadə edə bilər, amma yenə dar və əvvəlcədən müəyyən edilmiş məqsəd daxilində işləyə bilər. Əksinə, geniş qabiliyyətli model təhlükəsizlik səbəbilə az muxtariyyətlə təqdim oluna bilər. Qabiliyyət “nəyi bacarır?”, muxtariyyət isə “insan müdaxiləsi olmadan nə qədər hərəkət edir?” sualına cavab verir.

AGI ilə “güclü AI” də hər mənbədə eyni işlənmir. Bəzi mətnlər güclü AI-ni AGI-nin sinonimi sayır, fəlsəfi müzakirədə isə bu termin həqiqi şüur və anlama iddiasına bağlanır. Məqalə və ya təqdimatda terminin hansı mənada işləndiyini bir cümlə ilə yazmaq bu qarışıqlığı həll edir.

Süni superintellekt (ASI) nədir?

Süni superintellekt insan qabiliyyətini tək bir sahədə yox, demək olar bütün idrak tapşırıqlarında aşan nəzəri sistemdir. Bu gün belə sistem mövcud deyil və onun üçün qəbul edilmiş ölçmə protokolu yoxdur. Şahmatda, zülal strukturunun proqnozunda və ya böyük məlumat emalında insandan üstün sistem görmək ASI sübutu sayılmır; üstünlük dar sahədə qala bilər.

ASI haqqında iddialar proqnoz, risk ssenarisi və məhsul təsvirini tez-tez eyni cümlədə birləşdirir. Bunları ayırmaq lazımdır.

Mövcud modelin ölçülmüş nəticəsi fakt ola bilər. Gələcəkdə ümumi qabiliyyətin yaranma tarixi proqnozdur. Həmin sistemin niyyət və şüur qazanacağı fikri isə ayrıca fəlsəfi və elmi fərziyyədir.

Superintellekt müzakirəsinin faydalı tərəfi bugünkü idarəetmə suallarını görünən etməsidir: daha güclü və muxtar sistemdə səhv necə dayandırılacaq, məqsədi kim müəyyən edəcək, giriş məlumatına və alətlərə hansı icazə veriləcək? Cavab gələcəkdəki ASI-ni gözləməməlidir. Eyni suallar indi işləyən AI agentləri üçün də lazımdır.

Dar, ümumi və super AI arasındakı fərq nədir?

Əsas fərq tapşırıq genişliyi və yeni şəraitə bilik köçürmə qabiliyyətidir. Dar AI müəyyən sərhəddə işləyir. AGI insan səviyyəsinə yaxın ümumi öyrənmə və transfer qabiliyyəti kimi nəzərdə tutulur. ASI isə bu ümumi qabiliyyətin insanı geniş şəkildə keçdiyi nəzəri mərhələdir.

Reaktiv, məhdud yaddaşlı və özünü dərk edən AI təsnifatı nə qədər dəqiqdir?

Reaktiv maşın, məhdud yaddaş, “nəzəri ağıl” və özünü dərk edən AI adlı dörd pillə populyar izah modelidir, lakin hamı tərəfindən qəbul edilmiş texniki standart deyil. Reaktiv sistem yalnız cari girişə cavab verir. Məhdud yaddaşlı sistem əvvəlki məlumatdan müəyyən çərçivədə istifadə edir. Son iki anlayış isə insanın niyyətini dərin şəkildə anlama və özünü dərk etmə kimi hələ təsdiqlənməmiş xüsusiyyətlərə gedir.

Bu sxemi tarix xətti kimi təqdim etmək risklidir. Yaddaş funksiyası olan hər sistem daha “ağıllı” deyil; bəzən sadəcə daha çox kontekst saxlayır. İnsan emosiyasını düzgün etiketləmək də onu yaşamaq və anlamaq demək deyil. Funksiyanı müşahidə edilən davranışla, şüur iddiasını isə ayrıca sübut tələbi ilə qiymətləndirmək lazımdır.

Texniki yanaşmaya görə AI növləri hansılardır?

Texniki yanaşma sistemin hansı mexanizmlə qurulduğunu göstərir. Bu qruplar qabiliyyət pillələri deyil və hibrid sistemdə birlikdə işləyə bilər. Məsələn, çatbot dil modeli ilə mətn yarada, qayda mühərriki ilə icazəni yoxlaya və axtarış sistemi ilə şirkət sənədini tapa bilər.

• Qayda və bilik əsaslı sistem: insanın yazdığı məntiq və əlaqələrlə nəticə çıxarır.
• Maşın öyrənməsi: nümunələrdən proqnoz və təsnifat əlaqələri öyrənir.
• Dərin öyrənmə: çoxqatlı neyron şəbəkələri ilə mətn, görüntü və səs kimi mürəkkəb məlumatı emal edir.
• Generativ AI: öyrənilmiş paylanmaya uyğun yeni mətn, şəkil, audio, video və ya kod yaradır.
• Gücləndirici öyrənmə: mühitdə hərəkətlərin mükafat siqnalına təsirini öyrənir.
• Hibrid sistem: model, qayda, axtarış, verilənlər bazası və insan təsdiqini bir prosesdə birləşdirir.

Generativ süni intellekt ayrıca növ kimi tanınsa da, ANI ilə rəqib kateqoriya deyil. Bu günkü generativ modellər praktik təsnifatda dar AI sayılır. Onların bir neçə format və tapşırıqla işləməsi sərhədi genişləndirir, ümumi insan qabiliyyətini sübut etmir.

Praktik layihədə hansı təsnifat daha faydalıdır?

Alət seçərkən ANI, AGI və ASI söhbətindən əvvəl tapşırıq təsnifatı daha faydalıdır. Sistem məzmun yaradacaq, proqnoz verəcək, sənəddən məlumat çıxaracaq, seçim sıralayacaq, yoxsa alətlərlə hərəkət edəcək? Bu cavab məlumat, ölçü və nəzarət tələbinə birbaşa təsir edir.

1. Giriş və çıxışı bir cümlə ilə yazın.
2. Sistemin yalnız məsləhət verdiyini, yoxsa əməliyyat etdiyini qeyd edin.
3. Adi, natamam və riskli nümunələrdən test dəsti qurun.
4. Dəqiqliklə yanaşı səhvin zərərini ölçün.
5. İnsan təsdiqinin hansı nəticədə məcburi olduğunu müəyyənləşdirin.

“Bu model AGI-yə yaxındır” ifadəsi satınalma meyarı deyil. Real sual budur: bizim məlumatımızda, Azərbaycan dilində və canlı prosesdə qəbul edilən nəticəni verirmi? Cavab ölçülməyibsə, kateqoriya alətin gücünü yox, təqdimatın gücünü göstərir.

Etiketdən əvvəl sərhədi görün

AI növlərini əzbərləmək asandır: ANI mövcuddur, AGI və ASI nəzəridir. Çətin hissə çox qabiliyyətli sistemin yenə harada dayandığını görməkdir. Model neçə iş görürsə görsün, ölçülməmiş sahədə güvən borcu yaranır.

Texnologiyanı düzgün təsnif etmək qərarı sadələşdirir. Qabiliyyət, muxtariyyət, texniki metod və risk ayrı yazıldıqda “ağıllı sistem” kimi boş ifadələr azalır. Qalan sual artıq daha dürüstdür: bu dar alət konkret işi hansı şərtlə yaxşı görür?