Süni intellektin təhsilə təsiri

Bu gün neyron şəbəkə (neural network) və süni intellekt (artificial intelligence) texnologiyaları insan həyatının bütün sahələrinə nüfuz edərək, cəmiyyətdə gedən informasiya proseslərinə ciddi təsir edir. Süni intellekt əsaslı neyron şəbəkələr məlumatları axtarır və tapır, onları sistemləşdirərək təqdim edir, qazanılmış bilikləri təhlil etməklə yeni ideya və məzmun formalaşdırmağı bacarır. Bu isə süni intellekt sistemlərinin təhsil sahəsində də tətbiqi üçün geniş imkanlar açır və onu qaçılmaz edir.

Bu baxımdan hazırda təlim-təhsil prosesində öyrədənlərin və öyrənənlərin qarşılıqlı fəaliyyətində süni intellekt əsaslı neyron şəbəkələrin istifadə imkanlarının araşdırılmasına, süni intellektin tədris prosesinə mənfi və müsbət təsirlərinin öyrənilməsinə və tədrisdə süni intellektdən səmərəli istifadə üsullarının tədqiqinə və tətbiqinə ciddi ehtiyac vardır. 

Məlumdur ki, hər bir cəlbedici, faydalı və maraqlı dərsin arxasında öyrədən və öyrənənlərin ciddi hazırlıq işi dayanır. Belə ki, dərsə hazırlaşan öyrədən də öyrənən də öz fəaliyyətlərində ən azı aşağıdakıları mütləq nəzərə almalıdırlar:

 Məlumatın qeyri-standart təqdimatı üçün ideyaların axtarışı;
 Öyrətmə metodlarının, üsullarının və texnologiyalarının seçilməsi;
 Şagirdlərin bilik səviyyəsinə uyğun laboratoriya işlərinin hazırlanması;
 Əlavə materialların axtarışı – şəkillər, illüstrasiyalar, videolar, multimediya vasitələri və s.

Göründüyü kimi dərsə hazırlıq mərhələsi dərs prosesinin idarə olunması qədər zəhmət, vaxt və səriştə tələb edir. Bu baxımdan süni intellekt sistemlərinin yaratdığı imkanlar əvəzolunmazdır. Məsələn, süni intellekt sistemi ona verilmiş dəqiq və aydın sorğuya görə nəzərdə tutulan dərsin tam planını təklif edə bilər. Amma, bu o demək deyil ki, süni intellektin həlləri konkret dərs üçün ideal hesab olunmalıdır. Dərsə hazırlıq sinfin və ya qrupun ümumi səviyyəsini, tədris mühitinin uyğunluğunu, infrastrukturun imkanlarını nəzərə almağı və s. tələb edir. Öyrədən süni intellektdən aldığı dərs planını mütləq nəzərdən keçirməli və onu yuxarıda göstərilən kriteriyalara uyğunlaşdırmalıdır. Məsələn, əgər biz İnformatika dərsi üçün “Alqoritmlər” mövzusunun dərs planını Open AI şirkəti tərəfindən istehsal olunmuş və son vaxtlar çox geniş yayılmış ChatGPT sisteminin vasitəsi ilə əldə etmək istəsək, ChatGPT bizə aşağıdakı məzmunda nümunəvi dərs planı təqdim edə bilər:

ChatGPT sisteminə verilmiş sorğunun məzmunu: “Alqoritmlər mövzusunda dərs proqramını tərtib
et.

Müvafiq sorğuya ChatGPT-nin qaytardığı cavab (cavabı redaktə etmədən alındığı kimi təqdim edirik):

Əlbəttə! Aşağıda “Alqoritmlər” mövzusunda bir dərs proqramı təqdim edirəm. Bu proqram əsasən universitet səviyyəsində (məsələn, Kompüter Elmləri və ya İnformasiya Texnologiyaları ixtisası üzrə) bir semestrlik kurs üçün nəzərdə tutulub. Həmçinin orta məktəb və ya hazırlıq səviyyəsinə uyğunlaşdırmaq da mümkündür. Əgər mövzunun daha sadələşdirilmiş versiyası lazımdırsa, deyin, uyğunlaşdıraq.

Alqoritmlər Dərs Proqramı (1 semestr – 14 həftə)
Dərsin adı: Alqoritmlərə giriş

Dərsin məqsədi: Tələbələrə alqoritmlərin əsas prinsiplərini, verilənlərin səmərəli emalı və müxtəlif alqoritmik problemlərin həllini öyrətmək.

Əsas biliklər: Verilənlər strukturları, proqramlaşdırma dilləri (məsələn: Python, C++, Java)
Həftəlik Plan

1-ci həftə: Alqoritmə giriş
 Alqoritm nədir?
 Alqoritmin xüsusiyyətləri
 Psevdo-kod və axın sxemləri
 Asan nümunələr (maksimum tapmaq, ədədlərin cəmini hesablamaq)

2-ci həftə: Alqoritm analizinə giriş
 Asimptotik anlayış: O(n), Ω(n), Θ(n)
 Əməliyyat sayı və vaxt mürəkkəbliyi
 Əsas nümunələrin müqayisəsi (xətti vs kvadrat)

3-cü həftə: Şərt operatorları və dövrlər
 İf/else, while, for alqoritmlərdə
 Dövrlə sadə tapşırıqlar
 Praktiki məsələlər (faktoriyel, sadə ədəd yoxlama və s.)

4-cü həftə: Axtarış alqoritmləri
 Xətti axtarış (Linear search)
 İkidərəcəli axtarış (Binary search)
 Mürəkkəblik müqayisəsi

5-ci həftə: Sıralama alqoritmləri – I
 Seçmə ilə sıralama (Selection sort)
 Daxiletmə ilə sıralama (Insertion sort)
 Baloncuk (Bubble sort)

6-cı həftə: Sıralama alqoritmləri – II
 Merge sort
 Quick sort
 Time complexity müqayisəsi (praktiki ölçmə)

7-ci həftə: Rekursiya
 Rekursiv düşüncə
 Faktorial, Fibonaccı nümunələri
 Rekursiyanın performansı

8-ci həftə: Verilənlər strukturları ilə tanışlıq
 Siyahılar (lists), yığın (stack), növbə (queue)
 Bu strukturlarla alqoritmlərin yazılması

 Python və ya C++/Java nümunələri

9-cu həftə: Axtarış ağacları və BST
 Binary Search Tree (BST) anlayışı
 Əlavə, axtarış, silmə əməliyyatları
 BST-də balans problemi

10-cu həftə: Qraf alqoritmlərinə giriş
 Qraf anlayışı: düyünlər və qövslər
 Qonşuluq matrisi və siyahısı
 DFS və BFS axtarışları

11-ci həftə: Qısa yol alqoritmləri
 Dijkstra alqoritmi
 Bellman-Ford
 A* alqoritminə giriş (istəyə bağlı)

12-ci həftə: Dinamik proqramlaşdırmaya giriş
 Problem nümunəsi: Fibonacci, sırt çantası problemi
 Alt problemin saxlanılması və təkrar istifadəsi

13-cü həftə: Qreedy alqoritmlər
 Nümunə: pul üstü problemi, fəaliyyət seçimi
 Qreedy və DP fərqi

14-cü həftə: Təkrar və layihə təqdimatları
 Tələbə layihələrinin təqdimatı
 İmtahana hazırlıq sualları

 Tələb olunan materiallar:
 Kitab: “Introduction to Algorithms” – Cormen et al.
 Alternativ: “Grokking Algorithms” – Aditya Bhargava (vizual və sadə izahlar üçün)
 Praktika: LeetCode, HackerRank, Codeforces

Layihə Tapşırığı (Semestr ərzində):

Tələbələrə qraf, sıralama, axtarış və ya optimallaşdırma sahəsində sadə bir alqoritmik problem verilir. Layihə sonunda hesabat və kod təqdim olunur.
 
Bundan sonra dərsin planı şagirdlərin (tələbələrin) hazırlıq səviyyəsindən asılı olaraq uyğunlaşdırıla, materiallar genişləndirilə və ya azaldıla bilər. Qeyd edək ki, süni intellekt sistemlərinə eyni məzmunda verilmiş tapşırıqlar bir-birindən az fərqlə formalaşdırılmış cavablarda qaytarıla bilər.

Süni intellektin köməyi ilə tədris materiallarını müxtəlif növ materiallarla zənginləşdirmək də mümkündür. Məsələn, ChatGPT:
 Mövzu üzrə təqdimatın hazırlanması üçün şəkilli illyustrasiyalar yarada bilir;
 Slaydlara uyğun mətnlər hazırlaya bilir;
 Öyrədici oyunları tərtib edə bilir və onların redaktə edilməsi üçün imkanlar yaradır və s.

Aşağıda ChatGPT süni intellekt sisteminə verilmiş "Alqoritmlərin tərifini vermək üçün slayd yarat" tapşırığının icrasından alınan şəkil verilmişdir. Nəzərə alsaq ki, ChatGPT bu təsvirin yaradılmasına 7-8 saniyə vaxt sərf edib, onda süni intellekt sistemlərinin dərsin təşkili üçün yaratdığı imkanların nə qədər geniş və vaxt baxımından səmərəli olduğunu aydın təsəvvür etmək olar: 

Müşahidələrimiz göstərir ki, ChatGPT sistemi "Alqoritmlərlə bağlı anlayışları izah etmək üçün nümunəvi təqdimat hazırla" kimi tapşırığa cavab olaraq, 12-14 saniyə ərzində (burada internetin sürəti və digər parametrlər də rol oynayır) 14 slayddan ibarət vizual təqdimat formalaşdıra bilir. Və yaxud, əgər biz ChatGPT sisteminə "Diferensial tənliklərin real həyatda tətbiq sahələri” kimi sorğu ilə müraciət etsək, onda ChatGPT bir neçə saniyə ərzində aşağıda göstərilən müvafiq nümunəni bizə təqdim edəcək. Aşağıda “Differensial tənliklərin real həyatda tətbiq sahələri haqqında məlumat ver”

Tapşırığına sistemdən alınmış cavabı olduğu kimi təqdim edirik:

“Differensial tənliklər riyaziyyatın çox önəmli sahəsidir və real həyatda bir çox sahədə geniş tətbiq olunur. Gəlin bəzi əsas tətbiq sahələrinə nəzər salaq:

1. Fizika və mühəndislik
 Hərəkət qanunları: Newtonun ikinci qanunu – qüvvə = kütlə × sürətlənmə – bir differensial tənlikdir.
 Elektromaqnetizm: Maxwell tənlikləri elektromaqnit sahələrinin təsvirində istifadə olunur.
 Rəqslər və vibrasiyalar: Yay və kütlə sistemlərində hərəkət (məsələn, avtomobil amortizatorları).
 İstilik yayılması: İstilik tənlikləri (Fourier qanunu).

2. Biologiya və tibb
 Populyasiya dinamikası: Məsələn, Lotka-Volterra tənlikləri – yırtıcı və ov münasibətləri.

 Epidemiyaların yayılması: SIR modeli (Susceptible-Infected-Recovered), məsələn, COVID-19 kimi xəstəliklərin yayılma proqnozları.

 Qan axını və ürək döyüntüləri: Bioloji sistemlərdə axın və təzyiq modelləri.

3. İqtisadiyyat və maliyyə
 Faiz hesablamaları: Kompound faiz modelləri differensial tənliklərlə ifadə olunur.
 Opsion qiymətləndirməsi: Black-Scholes tənliyi – maliyyə alətlərinin qiymətlərinin
hesablanması üçün.

 İnflyasiya və investisiya modelləri.

4. Ətraf mühit və ekologiya
 Çirklənmənin yayılması: Havanın və suyun çirklənmə modelləri.
 İqlim modelləri: Temperatur və hava axınlarının dəyişməsi.
 Resursların idarə edilməsi: Balıqçılıq, meşə və su ehtiyatlarının idarəsi.

5. Aerokosmik və robot texnologiyaları
 Raket və peyklərin trayektoriyası: Raketin hərəkət tənliyi.
 Avtomatlaşdırma və robotlar: Robotun hərəkət və idarə modelləri.

Əgər konkret bir sahə maraqlıdırsa (məsələn, tibb və ya iqtisadiyyat), daha detallı nümunələr də verə bilərəm. Hansı sahə üzrə daha çox məlumat istəyirsən?” Əlbəttə, aydındır ki, sistemin müvafiq tapşırığa verilmiş bu cavabı mütləq redaktə olunmalı, bəzi terminlərin dəqiqləşdirilməsi və dilimizdə istifadə olunan terminlərlə əvəz olunmasına ehtiyac vardır. Əgər ChatGPT sisteminin birinci dəfədən verdiyi cavab qaneedici olmayacaqsa, sorğunu təkrar etməklə daha dəqiq, geniş və məntiqli cavabların alınmasına nail olmaq mümkündür. Süni intellekt texnologiyalarının təhsil prosesinin iştirakçıları və təşkilatçıları üçün yaratdığı bəzi müsbət və mənfi cəhətləri qeyd edək:

Süni intellekt vasitələri dərslərdə intizamı qorumağa, tələbələrin öyrənməyə marağını artırmağa, imtahanlarda köçürmə hallarının qarşısını almağa kömək edə bilər. Bu isə, məsələn, buraxılış və qəbul imtahanları keçirilərkən süni intellekt vasitəsilə imtahanın keçirildiyi bütün auditoriyalarda nəzarəti həyata keçirməyə, eləcə də süni intellekt vasitələrindən istifadə etməklə imtahanların təşkili və keçirilməsində ən yüksək səmərəliliyə nail olmağa imkan yaradır. Neyron şəbəkələri öyrənənlərin jestlərini, üz ifadələrini və baxışlarını analiz edir və şübhəli davranışları müəyyən edir. Süni intellekt texnologiyalarının digər istifadə sahəsi – öyrənənlərin akademik göstəricilərinin proqnozlaşdırılmasıdır. Süni intellekt öyrənmə prosesində tapşırıqların yerinə yetirilmə nəticələrini təhlil edərək, öyrənənin tədris prosesində qarşılaşa biləcəyi riskləri hesablaya bilir. Bu cür təhlil öyrədənlərə problemi olan öyrənənlərə vaxtında diqqət yetirməyə, tədris proqramını uyğunlaşdırmağa və qarşılaşılan çətinlikləri başa düşməyə kömək edir. Süni intellekt vasitələrinin başqa tətbiq sahələrindən biri də üz tanıma və vizual məlumatların işlənməsi texnologiyasıdır. Müasir süni intellekt sistemləri öyrənənin sıxılma, yorğunluq, diqqətin dağılması əlamətlərini izləyə bilir. Ona görə də bu texnologiyaların təhsil sahəsində böyük potensialı vardır. Süni intellektin köməyi ilə müəllim dərs proqramını ən effektiv şəkildə hazırlamaq üçün gözəl imkanlar əldə etdiyi kimi dərsin idarə olunmasında da müəyyən imkanlar əldə edir. Məsələn, sinif yorulursa, materialın təqdimatında başqa bir formata keçmək və ya fasilə vermək olar və s.

Süni intellekt texnologiyaları öyrənənlərin aşağıda göstərilən sahələr üzrə müstəqil fəaliyyətinə geniş imkanlar açır:
 keçilmiş materialların daha yaxşı mənimsənilməsində;
 müstəqil layihələr hazırlamaqda;
 əldə olunan nəzəri bilikləri praktik olaraq tətbiq etməkdə və s.

Məsələn, əgər tələbə dərsdə mövzunu tam mənimsəməyibsə və dərslik və ya dərs vəsaitindən də oxuyub-öyrənmək üçün çətinliyi varsa, o, süni intellekt vasitələrinə müraciət edə bilər. Virtual köməkçi sadə dillə mövzunu çox geniş şəkildə və nümunələr göstərməklə izah edəcək. Bundan əlavə, neyron şəbəkələri iri həcmli informasiyalarla da sürətlə işləyə və onları ümumiləşdirib optimal qərarlar qəbul etməyə kömək edir. Bu “bacarıq” infrormasiyanın süzgəcdən keçirilməsi və tədqiqatın sürətləndirilməsi üçün istifadə olunur. Məsələn, tələbə kurs işləri üçün elmi məqalələr seçir. Bunun üçün o, onlarla mətn oxumalı, hər materialın aktuallığını və uyğunluğunu qiymətləndirməlidir. Bu zaman tələbə həmin işə saatlar vaxt sərf edir. Süni intellekt texnologiyalarından istifadə isə həmin vaxtı dəfələrlə azaldır. Bundan əlavə ChatGPT AI xülasə funksiyasına da malikdir. Belə ki, əgər biz iri həcmli bir məqalənim məzmununu ona oxutdursaq, sistem həmin məqalənin mətnini təhlil edərək onun haqqında qısa məzmunlu xülasə də qaytara bilər.

Süni intellekt müstəqil öyrənmə zamanı geribildirim çatışmazlığı problemini də həll edə bilir. Məsələn, xarici dilləri öyrənərkən yalnız qaydaları yadda saxlamaq deyil, onları düzgün şəkildə tətbiq etmək vacibdir. Bu bacarığı təkmilləşdirmək üçün tələbə cümlələr, dialoqlar, mətnlər hazırlayır. Məktəbdə və ya universitetdə tapşırıqların yoxlanması müəllim tərəfindən həyata keçirilir. Müstəqil öyrənən halda isə yoxlayıcı rolunu neyron şəbəkə oynayır. Yəni, əgər öyrənən ingilis dilində mətnin düzgünlüyünü yoxlamaq istəyirsə, o hazırladığı mətni olduğu kimi ChatGPT-yə göndərərək ondan mətndə getmiş səhvləri tapmasını xahiş edə bilər. Neyron şəbəkə səhvləri göstərəcək və onların düzgün yazılışı qaydalarını da izah edəcək.

Lənkəran şəhər orta ümumtəhsil məktəblərinin müəllimləri arasında apardığımız sorğulardan alınmış nəticələrin təhlili göstərir ki, bu gün artıq təxminən 10% müəllimlər dərsə hazırlıq zamanı neyron şəbəkələrdən mütəmadi istifadə edir. Sorğuya cəlb olunmuş müəllimlərin təxminən 30%-i dərsə hazırlıq zamanı neyron şəbəkə köməkçilərindən nadir hallarda, 60%-i isə süni intellekt sistemlərindən, ümumiyyətlə, istifadə etmədiklərini qeyd edirlər. Sorğu nəticəsində bəlli olmuşdur ki, süni intellekt texnologiyaları çətin tapşırıqların həllində əsas işi öz üzərinə götürür, müəllimə qeyri- adi və gözlənildiyindən daha maraqlı ideyalar verir, onlara daha geniş məlumat əldə etmək üçün yeni mənbələrə çıxışı təmin edir. Ən maraqlı fakt isə odur ki, sorğuda iştirak etmiş müəllimlərin dərs dediyi şagirdlər arasında keçirilmiş sorğulardan bəlli olur ki, süni intellekt sistemlərindən mütəmadiistifadə edən müəllimlərin dərsləri daha maraqlı və daha yaddaqalan olur.

Bundan əlavə süni intellekt sistemlərinın tədris prosesinə tətbiqi adi tapşırıqların avtomatlaşdırılmasına gətirib çıxarır. Neyron şəbəkələrdən istifadə müəllimin dərsə hazırlıq mərhələsində daha az enerji və vaxt sərf etməsinə kömək edir. Bu isə, öz növbəsində müəllimin zəif və gec qavrayan öyrənənlərə daha çox vaxt ayırmasına şərait yaradır, fəaliyyətinin daha yaradıcı təşkilində ona kömək etmiş olur.

Süni intellekt texnologiyalarını həm də geniş rəqəmsal məlumat bazalarına giriş qapısı kimi dəyərləndirmək olar. Çünki, bir çox neyron şəbəkələri çoxfunksiyalı texnologiyalardır. Belə texnologiyalara misal olaraq, yenə son vaxtlar çox geniş yayılmış və intensiv istifadə olunan ChatGPT sistemini göstərmək olar. Belə ki, ChatGPT sistemi, məsələn,
 Hər hansı bir mövzuya aid suallara konkret və tutarlı cavablar verə bilir;
 Müxtəlif sahələr üzrə problemlərin həlli üçün ideyalar verə bilir, mətnlər, şəkillər, proqram
kodu yaradır və s.;
 Mətnləri ingilis, rus və digər dillərə tərcümə edə bilir və s.
ChatGPT vasitəsilə
 Xarici mənbələrdən tərcümə etmək;
 Yeni sahələrdə biliklər əldə etmək;
 Yeni terminlərin mənasını öyrənmək
 Və s. mümkündür.
Bu imkanlar uşaqların və böyüklərin peşəkar, ümumi və əlavə təhsilində istifadə oluna bilər. Neyron şəbəkələr vasitəsilə menecment proseslərini optimallaşdırmaq da mümkündür. Süni intellekt məktəb və ya universitetdə vacib hesab edilən aşağıdakı məlumatların təhlil edilməsində çox yaxşı vasitəçi kimi də çıxış edə bilir:
 Tədris planları;

 Tələbə sayı;
 Dərs yükləri;
 Dərs cədvəlləri;
 Resurslar və materiallara çıxış;
 və s.
Süni intellekt vasitələrindən təhsil sisteminin idarə edilməsində və idarəetmədə optimal qərarların qəbul edilməsində də yaxşı köməkçi kimi istifadə edilə bilər.

Təhsildə süni intellekt sistemlərinin imkanlarından düzgün istifadə aşağıdakı bacarıqları inkişaf etdirməyə kömək edir:
 İş prosesinin təşkili;
 Tənqidi düşüncə;
 Fakt yoxlama: yəni xəbərlər, məqalələr, bəyanatlar, tədqiqatlar və digər mənbələrdə təqdimolunan məlumatların faktiki düzgünlüyünü yoxlama prosesidir. Fakt yoxlamanın əsas məqsədi məlumatların doğru və ya yanlış olduğunu müəyyən etməkdir. Bu məqsədlə məlumatlar etibarlı mənbələr və faktlarla müqayisə edilir.

Süni intellekt sistemlərinin yuxarıda göstərilən bu və ya digər üstün cəhətləri ilə yanaşı mənfi xüsusiyyətlərini də qeyd etmək lazımdır. Belə ki, psixologiya və sosialogiya elmləri sübut edir ki, süni intellekt vasitələrindən intensiv istifadə edən öyrənənlərin zehni bacarıqları daha zəif inkişaf edir və onlarda yaddaş problemləri yaranmağa başlayır. Əlbəttə, neyron şəbəkələrdən məlumat axtarmaq, tapşırıqları yoxlamaq, öyrənilən mövzuları təkrarlamaq üçün istifadə etmək normaldır. Lakin öyrənən süni intellekt vasitələrinin imkanlarından nəzarətsiz və sui istifadə edərsə, bu əksinə öyrənmənin səmərəliliyinin azalmasına səbəb olacaq. Aşağıda neyron şəbəkələrin imkanlarında səhv istifadənin  bəzi nümumələri verilmişdir. Məsələn,

 Bütün test suallarına cavab almaq;
 Süni intellektin tətbiqindən alınmış nəticələrdən istifadə edərkən məlumatların keyfiyyətini və
aktualığını qiymətləndirməmək;
 Esse, məruzə, referat üçün tam mətnin yaradılması;
 və s.

Lənkəran Dövlət Universiteti tələbələri arasında apardığımız sorğular göstərir ki, artıq bu gün təxminən 50% tələbə təhsil məqsədləri üçün neyron şəbəkələrdən istifadə edir. Bu, daha çox
 Xarici mənbələrdən məlumat axtarışı və tərcümə;
 Mətnin redaktəsi;
 Şəkillərin yaradılması və işlənməsi;
 İmtahan hazırlığı, laboratoriya işləri və s. məqsədləri ilə edilir.

Sorğuda iştirak edən bəzi tələbələr etiraf edirlər ki, neyron şəbəkələrin xidmətindən daha tez-tez imtahanqabağı çətinliklərin aradan qaldırılması üçün istifadə edirlər. Bu isə o deməkdir ki, həmin tələbələr dərs zamanı aktivlik göstərmir, dərsin gedişində yaranan müzakirə və mübahisələrdə “iştirak etmir” və beləliklə, onlarda dialoq aparmaq, fikrini ifadə etmək, onu əsaslandırmaq və müdafiə etmək kimi bacarıqların formalaşması ləngiyir. Sorğuda iştirak edənlərin təxminən 70%-i təhsil müddətini bitirdikdən sonra süni intellekt vasitələrindən peşə fəaliyyətində faydalanmağı planlaşdırır.

Belə şəraitdə öyrədənlərin qarşısında əsasən iki aktual vəzifə durur:

 Tələbələrin tədris fəaliyyətini yoxlayarkən – neyron şəbəkə tərəfindən yaradılmış məzmunu
müəyyən etməyi öyrənmək;
 Tələbələri öz bacarıqlarını inkişaf etdirməyə motivasiya etmək.

Nəticə olaraq, qeyd edək ki, bu gün süni intellekt sistemlərinin həyatın bütün sahələrinə qarşısıalınmaz müdaxiləsi şəraitində dövrün tələblərinə uyğun insanı yetişdirmık təhsil sisteminin başlıca missiyasıdır, onda süni intellekt sistemlərinin təhsil prosesinə tətbiqinin metod və metodologiyasının yaradılması də təhsil sisteminin qarşısına qoyulan prioritet məsələlərdən olmalıdır. Bu baxımdan həm orta təhsil, həm də mütəxəssis hazırlığı proqramlarına neyron şəbəkələrin imkanlarından səmərəli istifadəyə dair mövzuların salınmasını məqsədə uyğun hesab edirik.

LDU Elm, İKT və Kitabxana mərkəzinin direktoru,  baş müəllim Ənvər Şahqubadbəyli