İnsan davranışını təhlil edən neyron şəbəkə yaradıldı

Rusiya Milli Tədqiqat Universiteti nəznindəki “Ali İqtisadiyyat Məktəbi”nin (AİM) alimləri Rusiya Elmlər Akademiyasının (REA) Sankt-Peterburq Federal Tədqiqat Mərkəzinin və “Sber”in Tətbiqi Süni İntellekt Mərkəzinin mütəxəssisləri ilə birgə insanın davranışına əsasən eyni vaxtda emosiyaları tanıyan, görünən şəxsi keyfiyyətləri qiymətləndirən və ambivalentliyi — davranışdakı qeyri-müəyyənliyi və ya ziddiyyətliliyi aşkar edən neyron şəbəkəsi yaradıblar.

Publika.az xəbər verir ki, bu barədə AİM-in mətbuat xidməti məlumat yayıb.

İnsanla təbii şəkildə ünsiyyət qurmaq üçün süni intellektin yalnız sözləri və üz ifadəsini təhlil etməsi kifayət deyil — söhbətin kontekstini daha dəqiq anlamağa kömək edən qeyri-verbal siqnallar da vacibdir. Yeni model məlumatı eyni anda bir neçə kanaldan alır: o, videonu, səsi və nitqin məzmununu, həmçinin mimikanın, baxışın, duruşun və jestlərin avtomatik generasiya olunmuş təsvirini təhlil edir.

AİM Sankt-Peterburq İnformatika, Fizika və Texnologiyalar Məktəbinin dosenti Dmitri Ryuminin sözlərinə görə, əvvəlki modellər adətən tək bir məlumat dəsti üzrə ixtisaslaşırdı və əldə olunan bilikləri yeni tapşırıqlara çətinliklə tətbiq edirdi. Bu problemi həll etmək üçün alimlər hər biri öz tapşırığı üçün işarələnmiş bir neçə müxtəlif korpusu birləşdiriblər və neyron şəbəkəsinə bütün məlumatları eyni vaxtda istifadə etməyi öyrədiblər. Model AİM-in “Xarizma” superkompüterində təlim keçib.

Çətinlik onda idi ki, müxtəlif tapşırıqlar üçün fərqli kanallar vacibdir: şəxsi keyfiyyətlərin qiymətləndirilməsi üçün video xüsusilə əhəmiyyətlidir, ambivalentliyin aşkar edilməsi üçün isə nitqin məzmunu. Bu səbəbdən modelə həm müxtəlif modallıqları əlaqələndirən ümumi komponentlər, həm də hər bir tapşırıq üçün əsas məqamları önə çıxaran xüsusiləşdirilmiş komponentlər daxil edilib, deyə layihə rəhbəri, REA Sankt-Peterburq Federal Tədqiqat Mərkəzinin baş elmi işçisi Yelena Ryumina izah edib.

Tədqiqatçılar üç təlim rejimini müqayisə ediblər. Digər korpuslardan əlavə məlumatların toplanması emosiyaların tanınması dəqiqliyini təxminən 6%, şəxsi keyfiyyətlərin qiymətləndirilməsini isə 3,2% artırıb. Modelin təlim zamanı görmədiyi tanış olmayan məlumat dəstində isə çoxməsələlilik emosiyaların tanınmasını 13,7% yaxşılaşdırıb. “Sber”in Tətbiqi Süni İntellekt Mərkəzinin elmi direktoru Andrey Savçenkonun sözlərinə görə, universal “emosional Sİ”yə qədər hələ çox var, lakin bu nəticə rəqəmsal təhsil və intellektual interfeyslər üçün faydalı olan dayanıqlı multimodal sistemlərə doğru böyük bir addımdır.

Hüseyn İbadlı