Destpêk
Hişê çêkirî (artificial intelligence), di nîvê sedsala bîstî de wekî
dîsîplînek zanistî dest pê kir û di van deh salên dawî de geşedanên mezin
bidest xist. Ji destpêkê ve sê nêzîkbûnên sereke derketin holê: HÇya sembolîk
(symbolic AI), torên norona çêkirî (artificial neural networks) û nêzîkbûna norosembolîk
(neurosymbolic approach) ku her du rêbazan bi hev re tîne holê. Lêkolerên
sereke yên vî warî, wekî Herbert Simon, John McCarthy û Allen Newell di
destpêkê de wisa bawerî dianîn ku bi kodkirina zanistê bi şêweyeke sembolîk û
mantiqa formel hişê giştî yê çêkirî – HGÇ (artificial general intelligence –
AGI) dikare bê bidestxistin. Vê nêzîkbûnê ku wekî bernamekirina mantiqî jî tê
nasandin, di heyameke dirêj de têkçû lê di serîlêdanên taybetî wekî pergalên
pisporî (expert systems) û lîstikên stratejiyê de serfiraziya xwe nîşanî me da.
Piştî sedsalekê, bi pêşketina torên norona kûr (deep neural networks) û
modelên zimanê mezin – MZM (large language models - LLM), nêzîkbûna fêrbûnê ya
makîneyê (machine learning) serdestiya xwe bi me dan xuyakirin. Serîlêdanên
wekî ChatGPT, Google Gemini û DeepSeek ku di kategoriya HÇya hilberîner
(generative AI) de cih digirin, niha karanîneke berbelav dîtine. Lêbelê, ne
yeka sembolîk û ne jî tora norona tenê ji bo gihîştina HGÇyê têrê dike; ji ber
vê yekê lêkolerên nûjen li nêzîkbûneke hevgirtî digerin ku wekî hişê çêkirî ya norosembolîk
(neurosymbolic artificial intelligence) tê nasandin.
HÇya
Sembolîk (Symbolic AI)
Rêbaz
û Hevoksazî
Di serîlêdanên HÇya sembolîk de, ji bo çareserkirina pirsgirêkên aloz û tevlihev
ên ku hişê mirovî hewce dike, ji sembol û mentiqê sembolik jê sûd tê wergirtin.
Yek ji hêmanên bingehîn ê vê nêzîkbûnê, kodkirina zanistê bi şêweyeke sembolîk
e — bi awayekî ku mirov jî dikare bixwîne û fêm bike. Ji bo vê armancê
bernamekirina mantiqî ya bi zimanên wekî Prolog, ASP û Datalog tê bikaranîn. Di
van zimanan de qanûn bi şêweya A :- B₁,...,Bₙ tên îfadekirin: A, wekî
"serê (head)" qanûnê, B₁,...,Bₙ jî wekî "laşê (body)"
qanûnê tê binavkirin. Eger rastiya qanûnê bi ti şertî ve girêdayî nebe, ew bi
tenê wekî A. tê nivîsîn û ev wekî "rastiyekê (fact)" tê kodkirin. Temeya
pirsê jî bi şêweya ?- B₁,...,Bₙ tê nîşandan (Jones, 2025).
Avantaj
û Dezavantaj
Avantaja herî girîng a HÇya sembolîk (symbolic AI) ew e ku li ser qanûnên
eşkere yên xwendbar disekine; ev jî dihêle meriv bi hêsanî teqez bike ku
serîlêdan di pêvajoya biryardanê de çawa pêş diçe û xeletiyan çêtir vebigire.
Lêbelê, yek ji qelsiyên wê dijwariya berfirehkirinê ye: Dema zanîn zêde dibe,
hejmara qanûnên ku divê bên kodkirin bi awayeke zêde (exponential) mezin dibe.
Serîlêdanên sembolîk di daneyên ne-strukturî yên wekî wêne û vîdyoyê de û di
fêrbûna xweser (autonomous learning) de têkdiçin. Her wiha bi rewşên ne-diyar û
gumanbar re jî nikarin bixebite (Nawaz û hev., 2024). Di pratîkê de pergalên
pisporî (expert systems) yên bijîşkî û hiqûqî wekî serîlêdanên serketî yên vê
nêzîkbûnê tên nîşandan.
Torên
Norona Çêkirî
Torên norona çêkirî (artificial neural networks), ji avahiya pergala
noronî ya mirovan îlham girtine. Di van modelan de noronên çêkirî (artificial norons)
bi navgîniya pêwendiyên sînapsan bi hev ve girêdayî ne. Her noron agahdariya
têketinê (input) vedigire, hilberîne û bi noronên din re parve dike. Tebeqeyên
veşartî yên di navbera tebeqeya têketinê û tebeqeya derketinê de hene û di
torên kûr (deep networks) de ev tebeqe pir in. Di pêvajoya hînbûnê de matrîsa
giraniyê û vektora lêzêdekirinê tên rêkxistin. Fonksiyona çalakkirinê jî di her
tebeqeyê de nirxên norona tê de vediguherîne (Nawaz û hev., 2024).
Torên norona kûr di warên wekî naskirina rû, analîza wêneyê, parzkirina
spamê û teşxîsa bijîşkî (medical diagnosis) de serketî ne. Modelên zimanê mezin
wekî ChatGPT û Google Gemini di kategoriya HÇya hilberîner de cih digirin û
heta niha serfirazên sereke yên vê qadê ne. Di warê zanistê de jî AlphaFold ku
di sala 2024an de xelata Nobelê ya Kîmyayê stend, bi torên norona çêkirî
(artificial neural networks) avahiya protêînan texmîn kir. Qelsiya sereke ya
torên norona çêkirî "sendroma qutiya reş (black box syndrome)" ye:
gihîştina wan a biryardanê ne eşkere ye û heleciyan zor tê rastderxistin.
Diyardeya "halûsînasyona çêkirî (artificial hallucination)" jî — ku
serîlêdan encamên şaş wekî rast pêşkêş dike — pirsgirêkek girîng dimîne (Jones,
2025).
Hişê
Giştî yê Çêkirî – HGÇ (Artificial General Intelligence – AGI)
Ji destpêka lêkolînên hişê çêkirî (1950an) ve, mebesta hişê giştî yê çêkirî
– HGÇ ew e ku makîneyên ku di hemû karên venasînî (cognitive) de performanseke
wekî mirovan nîşan bidin bên çêkirin. Herbert Simon di sala 1965an de texmîn
kir ku di bîst salên pêş de makîneyên capax (capable) ên ku her karê mirov jî
dikarin bikin dê werin çêkirin; lêbelê ev texmîn derneket. Nêrîna "bîrdoziya
du pergalan (dual-process theory)" ji bo fêmkirina meseleya AGI-yê kêrhatî
ye: Pergala 1 otomatîk, bilez û intuîtîf e; Pergala 2 jî analîtîk, hêdî û
kural-tabanlı (rule-based) ye. Hişê çêkirî ya sembolîk (symbolic AI) bêtir bi Pergala
2 re dişibe, lê torên norona çêkirî (artificial neural networks) bi Pergala 1
re nêz in. Ji ber vê yekê norosembolîk rêyek nêzîktir a AGI-yê xuya dike
(Jones, 2025).
HÇya
Norosembolîk (Neurosymbolic AI)
Nêzîkbûna ku bernamekirina sembolîk û torên norona çêkirî bi hev re tîne,
wekî hişê çêkirî ya norosembolîk tê nasandin. Ev nêzîkbûn, qelsiyên her du
nêzîkbûnan — ne-diyarbûna sembolîkê û qutiya reşiya torên norona — çareser
dike. Di vê modelê de hişê çêkirî ya sembolîk bi Pergala 2 re, torên norona jî
bi Pergala 1 re dişibin; yek li ser Pergala 2yê dişibê, ya din jî li ser Pergala
1ê, û ev yek van serîlêdanên hevgirtî dike makîneyên ku wekî mirovan difikirin
(Nawaz û hev., 2024).
AlphaGeometry
û AlphaGo
Mînakek girîng a serîlêdanên norosembolîk AlphaGeometry ye. Fonksiyona
bingehîn a vê serîlêdanê ku modeleke zimanê mezin e, îspata teoremên têkildarî
geometriya vêşanê ye. Dema motorê çîkariya sembolîk (symbolic inference engine)
pirsgirêkek çareser nekiribe, modela zimanê mezin konstruksiyoneke nû pêşniyar
dike û pirsgirêk bi vî awayî tê çareserkirin. AlphaGeometry di tekoşîna bi
xwendekarên asta navîn de, di pirsên Olîmpiyada Matematîkê ya Navneteweyî
(International Mathematical Olympiad) de, ji 30 pirsan 25 çareser kir —
performanseke nêzî xwendekarên ku madalya zêrîn stendine (Trinh û hev., 2025).
Mînakê din AlphaGo ye ku ji bo lîstina lîstika Go (Go game) hatiye
çêkirin. Di lîstika Go de ku wekî lîstikeke stratejiyê (strategy game) tê
nasandin, hejmara gengaz a hamleyan ji 10¹⁷⁰ zêdetir e. AlphaGo ji hêla torên norona
kûr hamleya herî qenc tê texmîn kirin û algorîtmayên sembolîk navbêna tercîhên
texmînkirî hildibijêrin; ev yek biryarê pir bilez dike. Di rêbaza PAL de jî
modelê zimanê mezin kodek Python hildiberîne, bernamekirina sembolîk vê kodê
davêje karê çareserkirinê û encam vedigere zimanê xwezayî (Cao û hev., 2025).
Lêkolerên wekî J. Mao, J. Tenenbaum û J. Wu jî norosembolîkê di perwerdehiya
robotan de bi kar anîne. Pergala wan ji bo destnîşankirina tiştên di qada
dîtina robotan de torên norona bikar tîne û ji bo danasîna têkiliyan di navbera
tiştan de algorîtmayên sembolîk bikar tîne. Pergala norosembolîk a wan di
destnîşankirinê de % 99 rastiyê bi 700,000 nimûneyan gihîşt, lêbelê pergala norosembolîk
bi tenê %10 nimûneyan xwedî heman rast û bi %1 nimûneyan jî %92 rastiyê ve
gihîşt.
Encam
Di destpêka lêkolînên hişê çêkirî (artificial intelligence) de nêzîkbûna
serdest a HÇya sembolîk bû. Damezrênerên vî warî wisa bawerî dianîn ku zanist û
qanûn bi şêweyeke sembolîk bên kodkirin û bi vî awayî hişê giştî yê çêkirî –
HGÇ wê bê sazkirin. Her çend ev nêzîkbûn di warên pergalên pisporî û lîstikên
stratejiyê de serkeftineke destnîşankar nîşan da jî di fêrbûna xweser û bi
rewşên ne-diyar re mijûlbûnê de têkçû.
Pişt re, pêşketina torên norona kûr û bi taybetî modelên zimanê mezin –
MZM nêzîkbûna fêrbûnê ya makîneyê serdest kir. Ev serîlêdan di warên gelek wekî
vîzyona makîneyê, naskirina axaftinê û hilberîna nivîsê de serfiraziya mezin
nîşan didin. Lêbelê pirsgirêkên "sendroma qutiya reş" û "halûsînasyona
çêkirî" wan rê li ber HGÇyê digirin.
Ji ber vê yekê hişê çêkirî yê norosembolîk ku her du rêbazan — mantiqî û fêrbûna kûr — bi hev re tîne, wekî nêzîkbûna herî hêvîdar a niha xuya dike. Mînakên wekî AlphaGeometry û AlphaGo nîşanî me didin ku ev hevgirtin di pirsgirêkên matematîkî û lîstikên stratejiyê de serfiraz e. Lêbelê gelo ev nêzîkbûn dikare rêyekê li ber HGÇyê veke an na, hê jî mijara lêkolîn û niqaşên aktîf e. Ji bo gihîştina vê mebestê, geşedanên di warê "HÇya banvenasînî (AI metacognition)" — ku makîne bizanibe çawa difikire — jî pêwîst in.
Not: Edîtorê vê nivîsê Hişê Çêkirî - HÇ (AI) ye.
Termên Bingehîn
Hişê Çêkirî – HÇ (Artificial Intelligence – AI) Zanisteke
kompûterê ye ku bi hêza makîneyan wekî mirovan difikirin û biryaran didin.
Hişê Giştî yê Çêkirî – HGÇ
(Artificial General Intelligence – AGI) Armanca ku makîneyek di hemû karên
venasînî de wekî mirovan bibe capax — hê negihîştiye.
HÇya Sembolîk (Symbolic AI) Nêzîkbûnek
ku zanist û qanûn bi sembol û mentiqê formel tên kodkirin; mirov dikare bixwîne
û fêm bike. Zimanên wekî Prolog, ASP û Datalog tên bikaranîn.
Pergala Pisporî (Expert System) Serîlêdaneke
sembolîk e ku zanina pisporekî mirovî (bijîjk, parêzer…) di qanûnan de kodkirî
ye.
Tora Norona Çêkirî (Artificial
Neural Network) Ji avahiya mêjiyê mirovan îlham girtiye; noronên çêkirî bi
hev ve girêdayî ne û ji daneyê fêr dibin.
Torên Norona Kûr (Deep Neural
Networks) Torên norona ku tebeqeyên veşartî yên pir tê de hene; di wêne,
deng û zimanê xwezayî de serketî ne.
Modela Zimanê Mezin – MZM (Large
Language Model – LLM) Celebek tora norona kûr e ku li ser metnên pirr mezin
hatiye perwerdekirin; mînak: ChatGPT, Gemini, DeepSeek.
HÇya Hilberîner (Generative AI) Serîlêdanên
ku naveroka nû (nivîs, wêne, kod…) hildiberînin; ChatGPT mînakeke wê ye.
HÇya Norosembolîk (Neurosymbolic AI)
Nêzîkbûna hevgirtî ye ku hem tora norona hem jî bernamekirina sembolîk bi
hev re bikar tîne; ji bo HGÇyê (AGI) hêvîdariya herî mezin e.
Bernamekirina Mantiqî (Logic
Programming) Şêweya kodkirinê ya bi qanûnên A :- B₁,...,Bₙ; eger şert rast
bin, serê qanûnê jî rast tê hesibandin.
Sendroma Qutiya Reş (Black Box
Syndrome) Pirsgirêka torên norona ye: meriv nizane biryar çawa tê dayîn,
pêvajoya hundurîn ne eşkere ye.
Halûsînasyona Çêkirî (Artificial
Hallucination) Dema modelek encameke şaş wekî rast û bi pêbawerî pêşkêş
dike.
Motorê Çîkariya Sembolîk (Symbolic
Inference Engine) Beşa sembolîk e ku ji qanûnan encamên mantiqî derdixe.
Bîrdoziya Du Pergalan
(Dual-Process Theory) Pergala 1 —
bilez, otomatîk, intuîtîf → tora norona wisa dixebite. Pergala 2 — hêdî,
analîtîk, li ser qanûnan → HÇya sembolîk wisa dixebite. Norosembolîk her duyan dihevxe, ji ber vê yekê nêzîktirê mêjiyê
mirovî tê hesibandin.
AlphaGeometry Modela norosembolîk e;
pirsa Olîmpiyada Matematîkê ji 30an 25 çareser kir.
AlphaGo Ji bo lîstika Go hatiye
çêkirin; tora norona + algorîtmaya sembolîk bikar tîne.
AlphaFold Avahiya protêînan texmîn
dike; di 2024an de xelata Nobelê ya Kîmyayê stand.
PAL Modela zimanê mezin kodê Python
hildiberîne, bernamekirina sembolîk jî çareser dike.
Çavkanî
Cao, L., û hev.
(2025). PAL: Program-aided language models. arXiv.
https://arxiv.org/abs/2211.10435
Jones, N. (2025). The
great AI mash-up. Nature, 647, 842.
Nawaz, U., û hev.
(2024). A review of neuro-symbolic AI integrating reasoning and learning for
advanced cognitive systems. Intelligent Systems with Applications, 26, Makale
No. 200541.
Trinh, T. H., û hev.
(2025). Solving Olympiad geometry without human demonstrations. Nature, 625,
476.
Comments
Post a Comment