Хиймэл оюуны (Artificial Intelligence)
арга, технологиудыг энгийн бөгөөд ойлгомжтой байдлаар авч үзвэл өөрийгөө
хөгжүүлдэг, суралцдаг программ хангамжийн төгс хувилбар гэж хэлж болно. Өөрөөр
хэлбэл сургах гэж буй өгөгдлөөс хамааран өөрөө сурах чадвартай загварчлал
программ буюу хамгийн гүйцэтгэл сайтай алгоритмыг зохиосноороо программд
тооцоолж оруулаагүй хэсгийг машин (компьютер) өөрөө тооцоолон гаргах
боломжтой юм.
Орчин үед
техник, технологийн үсрэнгүй хөгжилтэй холбоотойгоор хиймэл оюун ухааныг олон
салбарт амжилттай ашиглаж хүний хөдөлмөрийн хөнгөвчлөхийг оролдож байна.
Анх 1956 онд “Хиймэл оюун” хэмээх нэр томьёог
Жон Маккарти өөрийн бүтээл (ухаалаг машин бүтээх онолын болон инженерийн
шинжлэх ухааны судалгаа)–дээ ашиглаж байжээ (Ууганбаатар, 2021).
Хиймэл оюуны аргууд нь дотроо машин сургалт (Machine
Learning), гүн сургалт (Deep Learning) гэсэн дэд хэсгүүдэд хуваагддаг.
Машин сургалт нь их хэмжээний өгөгдлөөс суралцаж, нийтлэг
хэв загваруудыг тодорхойлсны үндсэн дээр өөр шинэ өгөгдөл дээр хүний оролцоогүй
бие даан дүгнэлт гаргах чадвартай аргачлал юм (Ууганбаатар, 2021).
Үүнийг хүний сурах үйл явцтай харьцуулбал хүмүүс бид өмнөх туршлагаасаа
суралцдагтай адилаар машин өгөгдлөөс суралцаж буй юм.
Машин сургалт хэмээх нэр томьёог анх 1959 онд Артур Самуел (англи. Arthur Samuel) тодорхойлсон байдаг ба энэ
нь хиймэл оюуны хөгжилд жинтэй хувь нэмэр оруулж байгаа юм (Ууганбаатар, 2021).
Машин сургалт нь дотроо гүн сургалт (deep learning) гэсэн дэд хэсэгтэй бөгөөд тус нэр томьёоны анхны тайлбарыг 1986 онд танилцуулж байсан бол шинжлэх ухааны үндэслэлтэй дэлгэрэнгүй тайлбарыг 2006 онд Жефри Хинтон танилцуулсан байна (Ууганбаатар, 2021). Өөрөөр хэлбэл, хиймэл оюун (Artificial Intelligence), машин сургалт (Machine Learning), гүн сургалт (Deep Learning)–ууд нь хоорондоо нягт холбоотой ойлголтууд юм.
.jpg?w=1200)
Байгалийн чиглэлийн судалгаанд машин сургалтын
аргыг хэрэглэхийн зорилго нь их хэмжээний оролтын өгөгдөл дээр үндэслэн нарийн
шинжилгээний дагуу тогтоох зүй тогтлыг олж үр дүнг хурдан хугацаанд бага
зардлаар, нарийвчлал сайтай тодорхойлдогт оршино. Тухайлбал, тандан судалгааны
өгөгдөл боловсруулахад мэдээллийг шүүх, тайлбарлах, урьдчилан таамаглах гэсэн 3
үндсэн зарчимд тулгуурладаг.
Машин сургалт нь өгөгдсөн мэдээллийн өгөгдлийг ашиглан тодорхой даалгаврыг математик, статистик загваруудын тусламжтайгаар гүйцэтгэх компьютерын шинжлэх ухааны нэг салбар (Батсуурь, 2020). Үүний үр дүнд түүврийн өгөгдөл дээр суурилсан математик загварыг бий болгодог. Машин сургалтад дата буюу өгөгдөл хамгийн чухал бөгөөд сургаж буй өгөгдөл нь чанартай, алдаагүй, их хэмжээний байх нь тухайн судалгааны оновчлолыг сайжруулж өгдөг. Өгөгдлийн хэмжээ бага, хэт энгийн модель сонгосны улмаас өгөгдлөөс юу ч сурч чадахгүйд хүрнэ. Энэ асуудлыг шийдэхийн тулд хувьсагч нэмэх шаардлага тулгардаг. Өгөгдлийн төрөл нь хувьсагчийн цаанаа агуулагдаж буй утга ямар төрлийн мэдээлэл бэ гэдгийг илтгэх бөгөөд өгөгдлийг урьдчилан бэлтгэж боловсруулалт хийх нь тухайн судалгааны ажлын хамгийн чухал үе шатуудын нэг юм. Өгөгдлийг шинж чанараас нь хамааруулан тоон (numeric), бүхэл тоо (integer), текст (character), логик (logical) гэх мэтээр ангилдаг. Машин сургалтад өгөгдлийг сургалтын багц (training dataset), болон тестийн багц (test dataset) хэмээх хэсгүүдэд хуваах нь түгээмэл байдаг.
Машин сургалтад дата буюу өгөгдөл хамгийн чухал хэрэглэдхүүн болохын хувьд судлагдаж буй өгөгдөл нь чанартай, алдаагүй, их хэмжээний байх нь тухайн ажлыг хялбар болгож өгдөг байна. Өгөгдлийн төрөл нь хувьсагчийн цаанаа агуулагдаж буй утга ямар төрлийн мэдээлэл бэ гэдгийг илтгэх бөгөөд өгөгдлийг урьдчилан бэлтгэж боловсруулалт хийх нь төслийн ажилд чухалд тооцогддог.
Сүүлийн
жилүүдэд бид судалгаандаа өндөр нарийвчлалтай төрөл бүрийн хиймэл дагуулын
цуврал өгөгдлийг хиймэл оюун ухааны дэвшилтэд шинэ арга болох машин сургалттай
аргаар тооцоолон судалгааныхаа үр дүнг гарган авч байна. Тухайлбал, Газарзүйн
мэдээллийн систем зайнаас тандан судлах өгөгдөл боловсруулахад машин сургалтын
аргыг ашиглаж байгаа нь мэдээллийг шүүх, тайлбарлах, урьдчилан таамаглахад
оршино. Ихэнх тохиолдолд GIS программуудын хувьд цаг хугацаа маш чухал учир
олон тооны машин сургалттай алгоритмуудаас сонголт хийж ашиглах нь түүний хурд,
нарийвчлал, сургах, урьдчилан таамаглах хугацаа, сургалтанд шаардагдах өгөгдлийн
хэмжээ, өгөгдлийн төрлийг сонгоход хялбар байдаг (Nasim Tohidi, 2020).
.jpg?w=1200)
Зураг 1. Машины сургалтын төрлүүд
Шинжлэх ухааны үсрэнгүй хөгжилтэй
холбоотойгоор сүүлийн 20 жилийн хугацаанд хиймэл оюуны арга, технологийг
шинжлэх ухааны олон салбарт ашиглах болсон. Манай орны байгалийн газарзүйн
судалгаанд хиймэл оюуны дэд хэсгүүд болох машин сургалтын, гүн сургалтын
ангиллын болон регрессийн загварууд нэвтэрч эхэлснээр олон шинж чанарын мэдээлэл
агуулж буй орон зайн өгөгдлийг богино хугацаанд үр дүнтэй загварлах боломж
нээгдсэн. Өөрөөр хэлбэл, цаг хугацаа их шаарддаг ажлуудыг мэдээллийн
технологийн тусламжтайгаар богино хугацаанд гүйцэтгэх боломж бий болж
байгаагаас гадна газрын хэмжилтийн бодит мэдээгээр орон зайн олон давхаргуудыг
өндөр нарийвчлалтайгаар тайлбарлаж олон хүчин зүйл, олон процессын нэгдсэн
судалгаа хийх боломжийг бий болгож байна..
Сүүлийн жилүүдэд байгалийн газарзүйн
судалгаанд өндөр, дунд нарийвчлалын төрөл бүрийн хиймэл дагуулын цуврал
өгөгдлийг машин сургалтын аргуудтай хослуулах замаар байгалийн хувьсагчуудыг
урьдчилан таамаглах хэд хэдэн судалгааны ажлуудын хийгдсэн. Тухайлбал,
Э.Авирмэд нар (2019)–ын “Монгол орны
ландшафтын экологийн чадавхын үнэлгээ”, О.Мөнхдулам нар (2019)–ын санамсаргүй ойн регрессийн загварыг
ашигласан бэлчээрийн ургамлын урьдчилан таамаглах загвар, мөн гадаргын
температурын цуврал өгөгдлийг агаарын температурт хөрвүүлэх зэрэг судалгааны
ажлуудыг дурьдаж болно.
Ашигласан ном
1.
Burch, C. (2001). A Survey
of Machine Learning. PA, USA, Pennsylvania Governor’s School for the
Sciences; Volume 4.
2.
Nasim Tohidi, Rustam B Rustamov. (2020). A Review of the
Machine Learning in GIS for Megacities Application. Geographic information systems in Geospatial
Intelligence.
3.
Батсуурь, Д. (2020). Даатгуулагчийн эрсдэлийг машин
сургалтаар үнэлэх. Хүмүүнлэгийн Ухааны Их Сургууль Бизнесийн Сургууль Санхүү Эдийн засгийн
тэнхим.
4.
Ууганбаатар, Д. (2021). Машин сургалт (Танин
мэдэхүйн товхимол 73).
Мэдээг бэлтгэсэн: ФГОСС-ын ЭШАА Т.Рэнчинмядаг, ЭШДА О.Мөнхдулам, Т.Даваагатан