Süni intellektin tarixi: 1950-ci illərdən günümüzə

Süni intellektin tarixi düşünə bilən maşınlar yaratmaq xəyalının onilliklər süren macərasıdır. Bu macəranın bu gün maliyyə komandaları üçün xüsusi mənası var: Qəbzləri oxuyan, xərcləri təsnifləşdirən və şübhəli əməliyyatları aşkarlayan sistemlər bir gecədə ortaya çıxmadı. Bu gün xərc və məsrəf idarəetməsini dəyişən süni intellekti düzgün qiymətləndirmək üçün bu texnologiyanın haradan gəlib hara getdiyini bilmək lazımdır. Bu yazıda əvvəlcə qısa bir xronologiya ilə süni intellektin dönüş nöqtələrinə baxacaq, ardından bu texnologiyanın maliyyə proseslərinə — xüsusən xərc idarəetməsinə — necə gəldiyini araşdıracağıq.

Süni İntellekt Fikri Necə Ortaya Çıxdı?

Maşınların düşünüb-düşünə bilməyəcəyi sualı kompüterlərin otaq boyda olduğu dövrə gedib çıxır. 1950-ci ildə ingilis riyaziyyatçısı Alan Türinq artıq klassikləşmiş sualını verdi: "Maşınlar düşünə bilərmi?" Bu sual bu gün Türinq testi kimi tanıdığımız anlayışın təməlini qoydu: Bir maşın insan qiymətləndiricini inandıracaq qədər təbii danışa bilirsə, onun "düşünə bildiyi" qəbul edilə bilərdi.

Sahənin rəsmi doğuşu isə 1956-cı ildəki Dartmut Konfransıdır. John McCarthy, Marvin Minsky və dövrün digər öncülləri burada maşınların öyrənə və problem həll edə biləcəyi fikrini müzakirə etdi; "süni intellekt" termini ilk dəfə bu konfransda işlədildi.

İlk Ümidlər və Süni İntellekt Qışları

Dartmutdan sonrakı iyirmi ildə riyazi teoremləri sübut edən və sadə şablonlarla söhbət edə bilən ilk proqramlar böyük həyəcan yaratdı. Bəzi tədqiqatçılar insan səviyyəsində düşünən maşınların çox yaxın olduğunu proqnozlaşdırırdı. Reallıq gözləntilərdən geri qaldı.

Sahə "süni intellekt qışı" adlanan iki böyük durğunluq yaşadı. Birincisində (1974–1980) məhdud emal gücü və qeyri-kafi məlumat vədlərin yerinə yetirilə bilməyəcəyini göstərdi; resurslar kəsildi. 1980-ci illərdə isə qayda əsaslı ekspert sistemləri iş dünyasında populyar oldu: Ekspert biliyini "əgər bu şərt varsa bunu et" formasında kodlaşdıran bu qurumlar müəyyən sahələrdə işə yaradı, lakin baxımı çətin, çevikliyi az və maliyyəti yüksək idi. Hüdudları aydınlaşınca ikinci qış (1987–1993) gəldi.

Bu dövrün dərsi bu gün də keçərlidir: Əllə yazılmış qaydalar real dünyanın mürəkkəbliyinə çatmır. Eyni dərs, irəlidə görəcəyimiz kimi, maliyyə proqramlarının təkamülündə də eynilə təkrarlanacaqdı.

Maşın Öyrənməsindən Dərin Öyrənməyə

1990-cı illərin sonundan etibarən sakit bir paradiqma dəyişikliyi baş verdi: Maşın öyrənməsi ilə sistemlər qaydaları insanlardan hazır almaq əvəzinə məlumatdan özləri öyrənməyə başladı. Artan emal gücü, internetlə gələn məlumat bolluğu və süni neyron şəbəkələrindəki irəliləyişlər bu dəyişikliyi mümkün etdi. 1997-ci ildə Deep Blue-nun dünya şahmat çempionu Qarri Kasparovu məğlub etməsi maşınların müəyyən sahələrdə insanı üstələyə biləcəyinin simvolu oldu.

2010-cu illər isə dərin öyrənmə çağıdır. Çoxqatlı süni neyron şəbəkələri böyük məlumat toplularıyla öyrədildikdə şəkil tanımada və təbii dil emalında dönüş yaratdı: 2012-ci ildə şəkil tanıma yarışlarında dərin öyrənmə modelləri rəqiblərini geridə qoydu, 2016-cı ildə AlphaGo dünya Go çempionunu məğlub etdi, 2017-ci ildə dərc olunan transformer memarlığı bugünkü böyük dil modellərinin təməlini qoydu. 2020-ci illərdə generativ süni intellekt — mətn yazan, görsel istehsal edən, sənəd xülasələyən modellər — milyonlarla insanın gündəlik iş axınına daxil oldu.

Süni İntellektin Maliyyə və Məsrəf İdarəetməsinə Gəlişi

Süni intellektin tarixindəki hər mərhələ maliyyə proqramlarında bir qarşılıq tapdı. Bu təkamülü üç mərhələdə oxumaq mümkündür.

Birinci mərhələ: Qayda əsaslı nəzarətlər

Maliyyə proqramlarının ilk nəsli, tıpkı 1980-ci illərin ekspert sistemləri kimi əllə yazılmış qaydalarla işləyirdi: "Yemək xərci bu məbləği aşarsa təsdiqə düşsün", "bu kateqoriyadakı faktura bu hesaba işlənsin". Bu qaydalar faydalı idi, lakin kövrək idi. Siyasət dəyişəndə qaydaların bir-bir yenilənməsi lazım gəlirdi; qaydaya uymayan hər istisna əllə yoxlanılırdı. Qəbz girişi, kateqoriya seçimi və üzləşdirmə tamamilə insana qalırdı — yavaş və xətaya açıq bir düzən. Bu manual yükün şirkətlərə maliyyətini xərc girişinin gizli zaman maliyyəti yazısında ətraflı ələ almışdıq.

İkinci mərhələ: Sənədi oxuyan maşınlar

Maşın öyrənməsi və dərin öyrənmə maliyyə komandalarının ən böyük yükünü hədəf aldı: sənəd emalı. Şəkil tanıma sahəsindəki irəliləyişlər sayəsində sistemlər qəbz və fakturaları şəkildən oxuya bilən hala gəldi; məbləğ, tarix, satıcı və vergi məlumatları saniyələr içində çıxarılıb düzgün sahələrə işləndi. Kateqoriyalaşdırma da qaydaya deyil, örüntüyə əsaslanmağa başladı: Sistem keçmiş xərclərdən öyrənərək yeni bir xərci düzgün kateqoriyaya özü yerləşdirir. Əllə məlumat girişi azaldıqca həm xəta nisbəti düşdü, həm də işçilərin xərc bəyanına sərf etdiyi vaxt qısaldı.

Üçüncü mərhələ: Anomaliya aşkarlanması və proqnoz

Güncəl mərhələ maşının yalnız oxuyub təsnifləşdirməklə qalmayıb sapmanı fərq etməsidir. Süni intellekt şirkətin xərcləmə örüntülərini öyrənir və qeyri-adi olanı işarələyir: təkrar qəbzlər, həftə sonuna düşən şübhəli bəyanlar, siyasət həddinin dərhal altında təkrarlanan xərclər. Əllə seçmə yoxlamasının gözdən qaçırdığı bu cür siqnallar xərc suiistifadəsi riskini böyümədən yaxalamağı mümkün edir. Eyni örüntü öyrənmə qabiliyyəti irəliyə də baxır: Keçmiş məlumatlardan çıxış edərək xərcləmə meylləri proqnozlaşdırıla, büdcə sapmaları erkən fərq edilə bilər. Qaydalar da yox olmadı; artıq xərc siyasəti nəzarətləri öyrənən sistemlərlə birlikdə işləyərək aykırı xərci bəyan anında yaxalayır.

Masraff bu təkamülün güncəl halqasını təmsil edən süni intellekt dəstəkli bir xərc idarəetməsi platformasıdır: Qəbz və faktura oxumadan ağıllı kateqoriyalaşdırmaya, siyasət nəzarətindən anomaliya işarələməyə qədər xərc prosesini uçdan-uca avtomatlaşdırır.

Tez-tez Verilən Suallar (FAQ)

Süni intellekt ilk nə zaman ortaya çıxdı?

Anlayış rəsmi olaraq 1956-cı ildəki Dartmut Konfransında ortaya atıldı; nəzəri təməli isə Alan Türinqin 1950-ci il tarixli işinə əsaslanır.

Qayda əsaslı sistemlərlə öyrənən sistemlər arasındakı fərq nədir?

Qayda əsaslı sistemlərdə insanlar hər şərti bir-bir yazır; sistem yalnız təyin edilmiş ssenarilərə cavab verir. Öyrənən sistemlər isə məlumatdan örüntü çıxarır: Yeni və əvvəlcədən təyin edilməmiş vəziyyətlərlə qarşılaşdıqda da məqbul qərarlar verə bilər. Maliyyə tərəfində bu fərq "sabit limit nəzarəti" ilə "qeyri-adi xərci öz-özünə fərq etmə" arasındakı fərqdir.

Süni intellekt xərc idarəetməsində necə istifadə olunur?

Üç əsas sahədə: qəbz və fakturaların şəkildən avtomatik oxunması, xərclərin keçmiş məlumatlara görə ağıllı kateqoriyalaşdırılması və qeyri-adi ya da siyasətə aykırı xərclərin dərhal işarələnməsi. Beləliklə əllə iş yükü azalır, xətalar düşür və maliyyə komandası nəzarət yerinə strategiyaya fokuslanır.

Süni intellekt maliyyə komandasının yerini alır mı?

Xeyr; təkrarlanan işləri üzərinə götürür. Məlumat girişi, uyğunlaşdırma və ilk mərhələ nəzarət maşına keçərkən, mühakimə tələb edən qərarlar — siyasət dizaynı, istisna təsdiqi, büdcə strategiyası — insanda qalır.

---

Süni intellektin onilliklər süren inkişafı bu gün xərc proseslərinizi somut şəkildə yüngülləşdirə biləcək yetkinliyə çatdı. Qayda əsaslı nəzarətlərdən öyrənən sistemlərə keçidi öz şirkətinizdə görmək istəyirsinizsə bizimlə əlaqə saxlayın — xərc idarəetməsində süni intellektin nəyi dəyişdiyini birlikdə araşdıraq.