Neyron şəbəkələr üçün tapşırığın spesifikliyi demək olar ki, keçilməz maneədir
“Midijourney” sizin üçün Ulduz müharibələri və ya Harri Potterin şəkillərini asanlıqla yaradacaq, ancaq yalnız ona görə ki, bu tapşırıq kifayət qədər abstraktdır və tanınmışdır. Neyron şəbəkələr texniki göstəriciləri başa düşmür, yalnız sözlər və şəkillər arasındakı əlaqələri başa düşür. O, aydınlaşdırıcı suallar vermək və layihənin kontekstini öyrənmək iqtidarında deyil. Bu isə işin ən vacib hissəsidir.
Verilən tapşırıq nə qədər spesifik olarsa, onun həyata keçirilməsi üçün məlumatların neyron şəbəkənin öyrədildiyi verilənlər bazasında olması ehtimalı da bir o qədər azdır. Hətta elə ola bilər ki, neyron şəbəkəyə sorğu etmək prosesi tapşırığı ənənəvi qayda ilə yerinə yetirməkdən daha çətin olsun.
Bəs robotlar nəyi bacarır?
Artıq indi “Midijourney” köynəklər üzərində müxtəlif təsvirlər çap edə, “Chat-GPT” isə kopirayterlərin və ya texniki operatorun işini öz üzərinə götürə bilər. Lakin mürəkkəb və yaradıcı vəzifələrdə yaxın gələcəkdə robotun insanları əvəz etməsi mümkün deyil.
Neyron şəbəkələr daha ağıllı olmayacaq
Etiraz edə bilərsiniz ki, indi neyron şəbəkələr mürəkkəb tapşırıqları həll edə bilmir, amma N ildən sonra hər şey dəyişə bilər. Unutmamalıyıq ki, neyron şəbəkələr süni intellekt deyil və orada “ağıllanacaq” heç nə yoxdur.
Böyük həcmdə məlumatlar onların həm zəif, həm də güclü tərəfidir
Ehtimalları hesablamaq və nəticələr haqqında dəqiq proqnozlar vermək üçün neyron şəbəkələr böyük həcmdə məlumatlara ehtiyac duyur. Bu, insanlar və maşınlar arasında öyrənmə və uyğunlaşmanın effektivliyində dramatik fərq yaradır: siz dizaynerə və ya rəssama bir şəkil göstərə, onlardan eyni şeyi etməyi xahiş edə və çox oxşar nəticə əldə edə bilərsiniz. Neyron şəbəkə ilə bu tryuk keçməyəcək.
Neyron şəbəkələr proqramçıları və dizaynerləri əvəz etməyəcək, çünki..
1. Avtomarlaşdırma və şablonlaşdırma şablon və qeyri-spesifik nəticələr verir. Bu problem dünya qədər köhnədir: sürətli, ucuz və hamı kimi istəyirsinizsə, H&M-ə gedin; orijinal və bədən ölçülərinizə uyğun istəyirsinizsə, atelyeyə sifariş verin və paltarınız hazır olana kimi gözləyin.
2. Real layihələr nadir hallarda “Request->Result formatında yaradılır. Bu, neyron şəbəkələri və digər avtomatlaşdırmalar üçün təbiidir, lakin insanlar konteksti öyrənir, suallar verir, ekstrapolyasiya edir, araşdırır və cəhd göstərirlər.
3. “Chat-GPT” kiçik tərtibatçı səviyyəsində kodlaşdırmada əladır, lakin komandadakı insanlar belə işləmirlər. Nəticə əldə etmək üçün konkretləşdirici suallar verilir və bütün komanda üzvlərinin cavabı analiz edilir.
4. Nəhayət, layihələr birdəfəlik tapşırıqlar deyil, davamlı iş və inkişaf deməkdir. Dizaynerlər brendbuklar və təlimatlar yaradır, tərtibatçılar arxitektura və prinsipləri. Bütün bunlar araşdırma və ünsiyyət tələb edir.
Beləliklə, neyron şəbəkələr müxtəlif mürəkkəblikdəki tapşırıqlara tətbiq edildikdə digər avtomatlaşdırma növlərindən fərqlənmir:
– Sadə tapşırıqları bütünlüklə yerinə yetirə bilərlər.
– Spesifiklik / orijinallıq / tədqiqat / kontekstin öyrənilməsi / ünsiyyət tələb edən vəzifələrdə bir vasitə ola bilərlər.
– Bir vasitə kimi istifadə edilməsindən yaranan çətinliklər faydaları aşdığı hallarda tamamilə yararsızdırlar.
Nəticə
Neyron şəbəkələr, sözsüz ki, güclü texnologiyadır. Lakin hər bir peşədə neyron şəbəkələrin imkanlarından kənara çıxan və digər avtomatlaşdırma növləri ilə eyni problemlərə gətirib çıxaran sahələr var. Buna görə də onlara obyektiv yanaşmaq lazımdır.
