KURS ISHI

KIRISH 2023-yilda sun'iy intellekt (SI) global bozori hajmi 200 milliard AQSH dollaridan oshib, 2030-yilga borib 1,8 trillion dollarga yetishi prognoz qilinmoqda, bu har yili oʻrtacha 37,3% oʻsishni anglatadi [1]. Sun'iy neyron to'rlari (SNT) SI texnologiyalarining asosiy bo'g'inlaridan biri bo'lib, ular tasvirlarni aniqlash, tabiiy tilni qayta ishlash, bashorat qilish va avtonom tizimlarni yaratish kabi sohalarda inqilobiy o'zgarishlarga sabab bo'lmoqda. O'zbekistonda ham raqamli iqtisodiyotni rivojlantirishga qaratilgan keng ko'lamli islohotlar doirasida SI texnologiyalariga katta e'tibor qaratilmoqda. Masalan, 2023-yilda "Raqamli O'zbekiston – 2030" strategiyasi qabul qilinib, unda SI loyihalarini moliyalashtirish uchun 100 million dollardan ortiq mablag' ajratish rejalashtirilgan [2]. Bu investitsiyalar SNT asosida ishlab chiqiladigan aqlli tizimlar, masalan, qishloq xo'jaligida hosildorlikni bashorat qilish, tibbiyotda diagnostika sifatini oshirish va transport tizimlarini optimallashtirish uchun muhim ahamiyat kasb etadi [3]. Ushbu tadqiqot mavzusi, ya'ni sun'iy neyron to'rlarini o'rgatish algoritmlari, ayniqsa O'zbekiston sharoitida dolzarbligi yuqori. Mamlakatimizda SI texnologiyalarini keng joriy etish uchun malakali kadrlar yetishmasligi va mavjud ma'lumotlar bazalarini samarali qayta ishlashga qodir SNT modellarini yaratish zarurati tobora ortib bormoqda. Sun'iy neyron to'rlarini samarali o'rgatish metodologiyalarini tushunish va ularni amaliyotga tatbiq etish mahalliylashtirilgan muammolarni hal qilishda kalit hisoblanadi. Jumladan, o'qituvchili va o'qituvchisiz o'rgatish usullarini chuqur o'rganish, O'zbekistonda mavjud bo'lgan cheklangan va belgilangan ma'lumotlar sharoitida optimal yechimlarni topishga yordam beradi. Shu bilan birga, o'quv jarayonining murakkabligi, modellar samaradorligini oshirish va overfitting kabi muammolarni bartaraf etish uchun samarali algoritmlarni ishlab chiqish bugungi kunning asosiy vazifalaridan biridir. Sun'iy neyron to'rlarini o'rgatish sohasidagi tadqiqotlar uzoq tarixga ega bo'lib, ko'plab xalqaro olimlar tomonidan chuqur o'rganilgan. Masalan, Geoffrey Hinton (2006) chuqur o'rganish (deep learning) davrini boshlab bergan "restricted Boltzmann machines" va "deep belief networks" kashfiyotlari bilan tanilgan bo'lib, ko'p qatlamli neyron to'rlarini samarali o'rgatish imkoniyatlarini ko'rsatib berdi [5]. Yann L ...