2-dars: AI qanday ishlaydi?

Dars haqida

Davomiyligi: 90 daqiqa Maqsad: Talaba AI'ning ichki ishlash tamoyilini — ma'lumotdan o'rganish, neyron tarmoq, "keyingi so'zni bashorat qilish" mexanizmini — sodda darajada tushunishi va AI xatolarining sabablarini bilishi kerak.

1. O'tgan darsdan ko'prik

O'tgan darsda aytdik: AI qoidalar bilan yozilmaydi, u ma'lumotdan o'rganadi. Bugun ana shu jumlaning ichiga kiramiz.

2-oyning 4-darsida siz training, inference va token so'zlarini bir marta ko'rgan edingiz. O'shanda bu — umumiy tanishuv edi. Bugun esa har birini bosqichma-bosqich, misollar bilan ochamiz. Dars oxirida siz "ChatGPT javob yozayotganda ichida nima bo'lyapti?" degan savolga o'z so'zingiz bilan javob bera oladigan bo'lasiz.

Qo'rqmang — matematika bo'lmaydi

AI ichida katta matematika bor, lekin uni tushunish uchun formulalar shart emas. Biz hammasi uchun kundalik hayotdan o'xshatishlar ishlatamiz: oshpaz, murvatlar, taxmin o'yini.

2. Umumiy jarayon — to'rt qadam

Deyarli barcha zamonaviy AI mana shu yo'ldan o'tadi:

Qadam	Nima bo'ladi	O'xshatish
Ma'lumot	Matn, rasm, ovoz — millionlab misol yig'iladi	Oshpazga minglab retsept beriladi
O'qitish (training)	Model misollardagi naqshlarni topadi	Oshpaz pishirib-pishirib qo'li keladi
Model	O'rganish natijasi — tayyor "miya" fayli	Tajribali oshpazning o'zi
Javob (inference)	Model yangi savolga o'rgangan naqshlar bilan javob beradi	Oshpaz yangi buyurtmani pishiradi

Bu jadvalni yodda tuting — butun dars shu to'rt qadam atrofida aylanadi.

3. Machine learning — mushuk va it misolida

Machine learning (mashinaviy o'rganish) — kompyuterni misollar orqali o'rgatish usuli. Klassik misol:

Vazifa: dastur rasmga qarab "mushukmi yoki itmi?" deb aytsin.

Eski usul — qoida yozish (ishlamaydi)

Tasavvur qiling, buni qoidalar bilan yozmoqchimiz:

AGAR quloqlari uchli bo'lsa → mushuk
AGAR tili osilgan bo'lsa → it

Muammo: uchli quloqli itlar bor. Tilini chiqargan mushuklar bor. Yotgan, qorong'ida, orqasi bilan turgan hayvonlar bor... Har holatga qoida yozib tugatib bo'lmaydi.

Yangi usul — misol ko'rsatish

Modelga 10 000 ta mushuk va 10 000 ta it rasmi ko'rsatamiz. Har rasmga "bu mushuk", "bu it" degan yorliq qo'yilgan. Model rasmlarni solishtirib, farq beruvchi naqshlarni topadi — tumshuq shakli, ko'z joylashuvi, yuz proporsiyasi... Ba'zi naqshlarni hatto odam so'z bilan ifodalay olmaydi.

Keyin yangi, hech qachon ko'rmagan rasm bersak — model o'z naqshlariga solishtirib javob beradi: "93% ehtimol bilan mushuk".

Asosiy g'oya

Machine learning'da dasturchi javobni emas, misollarni beradi. Qoidalarni model o'zi chiqaradi. Shuning uchun sifatli ma'lumot — AI'ning eng qimmat boyligi.

4. Neyron tarmoq — juda sodda tushuntirish

Model naqshlarni qayerda saqlaydi? Ko'pincha — neyron tarmoqda.

Miya bilan taqqoslash

Inson miyasida ~86 milliard neyron bor. Har neyron qo'shnilaridan signal oladi, o'ylab ko'radi va kuchli bo'lsa — keyingilarga uzatadi. Siz "mushuk" so'zini eshitganingizda millionlab neyron zanjiri yonadi.

Sun'iy neyron tarmoq — shu g'oyaning juda soddalashtirilgan matematik nusxasi:

• Neyron — raqam qabul qilib, raqam chiqaruvchi kichik hisoblagich
• Qatlam (layer) — yonma-yon turgan neyronlar guruhi
• Og'irlik (weight) — neyronlar orasidagi bog'lanish kuchi. Radio murvati kabi: burasang — signal kuchayadi yoki susayadi

O'qitish qanday ketadi?

1. Modelga mushuk rasmi beriladi
2. Model taxmin qiladi: "60% it" — xato!
3. Xato o'lchanadi va og'irliklar ozgina to'g'ri tomonga buraladi
4. Bu millionlab marta takrorlanadi
5. Sekin-asta model tobora aniq taxmin qila boshlaydi

O'xshatish — velosiped

Bola velosipedni qoida yodlab emas, yiqilib-turib o'rganadi. Har yiqilish — "og'irliklarni to'g'rilash". Neyron tarmoq ham xuddi shunday: millionlab kichik xato-tuzatish sikli orqali "qo'li keladi".

5. LLM — keyingi so'zni bashorat qilish mashinasi

Endi eng qizig'i. ChatGPT, Claude, Gemini — bular LLM (Large Language Model — katta til modeli). Ularning asosidagi vazifa hayratlanarli darajada sodda:

"Shu matndan keyin qaysi so'z kelishi eng ehtimolli?"

Misol

Gapni davom ettiring: "Osmon rangi — ..."

Siz miyangizda allaqachon "ko'k" dedingiz, to'g'rimi? LLM ham xuddi shunday qiladi — faqat u trillionlab jumla ko'rganidan keyin har variantga ehtimol beradi:

Keyingi so'z varianti	Ehtimol
ko'k	88%
kulrang	6%
moviy	4%
qora	1%
olma	0.001%

Model eng ehtimolli so'zni tanlaydi, keyin yana "endi keyingisi qaysi?" deb so'raydi. Shunday qilib javob so'zma-so'z quriladi:

"Osmon" → "rangi" → "—" → "ko'k" → "," → "chunki" → "quyosh" → "nuri" → ...

Hayratlanarli haqiqat

ChatGPT sizga insho yozayotganda hech qanday "reja" ko'rmaydi, "fikr yuritmaydi" — u shunchaki milliardlab naqsh asosida keyingi so'zni juda-juda yaxshi taxmin qiladi. Shu oddiy mexanizm yetarlicha katta miqyosda aql kabi ko'rinadigan natija beradi. Bu — zamonaviy AI'ning eng katta siri va mo'jizasi.

6. Token — AI'ning "so'z bo'laklari"

Aslida LLM so'zlar bilan emas, tokenlar bilan ishlaydi.

Token — matnning kichik bo'lagi: so'z, so'z qismi yoki belgi. Model uchun har token — bitta raqam.

Matn	Tokenlarga bo'linishi	Nechta
Salom	Salom	1
kitob	kitob	1
kitoblarimiz	kitob + lar + imiz	3
assalomu alaykum	ass + alomu + al + ay + kum	~5
AI	AI	1

Qoida tariqasida:

• Inglizcha matnda 1 token ≈ 0.75 so'z
• O'zbekcha matn ko'proq tokenga bo'linadi (model asosan inglizcha matnda o'qitilgan)
• Shuning uchun bir xil savol o'zbekchada "qimmatroq" turadi — token ko'proq sarflanadi

Nega token muhim?

AI xizmatlarining narxi, tezligi va xotira chegarasi — hammasi tokenda o'lchanadi. "1 million token kontekst" degan gapni endi tushunasiz: bu taxminan 700 000 inglizcha so'z sig'adi degani.

7. Training vs inference — ikki alohida hayot

Modelning hayoti ikki bosqichga bo'linadi. Bu farqni bilish juda muhim:

	Training (o'qitish)	Inference (foydalanish)
Qachon	Model yaratilayotganda, bir marta	Har safar siz savol berganingizda
Qancha davom etadi	Haftalar-oylar	Soniyalar
Qancha turadi	Millionlab dollar	Har so'rov — sentning ulushi
Nima bo'ladi	Og'irliklar sozlanadi, model o'rganadi	Og'irliklar o'zgarmaydi, faqat javob hisoblanadi
Kim qiladi	OpenAI, Anthropic, Google kabi laboratoriyalar	Siz — har suhbatda

Keng tarqalgan xato tasavvur

"Men ChatGPT bilan gaplashsam, u mendan o'rganib boradi" — noto'g'ri. Suhbat davomida model og'irliklari o'zgarmaydi. U sizning oldingi gaplaringizni faqat kontekst oynasida (pastda ko'ramiz) eslab turadi. Suhbat yopilsa — "unutadi".

Kompaniyalar suhbatlardan keyingi versiyani o'qitishda foydalanishi mumkin — lekin bu keyin, alohida training jarayonida bo'ladi. Shuning uchun ham maxfiy ma'lumotni AI'ga yozmaslik kerak.

8. Parametrlar — model "miyasining" hajmi

Parametr — modelning bitta sozlanadigan raqami (asosan — og'irliklar). Training paytida aynan shu raqamlar sozlanadi.

Zamonaviy modellarda parametrlar soni — milliardlab:

Model avlodi	Parametrlar soni (taxminiy)
GPT-2 (2019)	1.5 milliard
GPT-3 (2020)	175 milliard
Zamonaviy flagman modellar (2024–2026)	Yuzlab milliard — trillion atrofida, aniq soni sir

Nega katta model kuchli?

Ko'proq parametr = ko'proq naqsh saqlash imkoni. Kichik daftar bilan katta kutubxonaning farqi kabi:

• Kichik model — oddiy naqshlar: grammatika, keng tarqalgan faktlar
• Katta model — nozik naqshlar: hazil, kinoya, murakkab mantiq, kam uchraydigan bilimlar

Lekin katta — har doim yaxshi emas

Katta model sekin va qimmat ishlaydi. Shuning uchun kompaniyalar kichik-tez modellarni ham chiqaradi (masalan telefonda ishlaydigan versiyalar). Oddiy savolga — kichik model, murakkab tahlilga — katta model. To'g'ri tanlash ham savodxonlik.

9. Kontekst oynasi — suhbat xotirasi

Kontekst oynasi — model bir vaqtda "ko'ra oladigan" matn hajmi (tokenlarda o'lchanadi). Bu — suhbatning ish stoli: stolga sig'gan narsagina ko'rinadi.

Amaliy oqibatlari:

Holat	Nima bo'ladi
Qisqa suhbat	Hammasi kontekstda — muammo yo'q
Juda uzun suhbat	Boshidagi gaplar "unutiladi"
Katta hujjat yuklash	Sig'sa — tahlil qiladi, sig'masa — qisman ko'radi
Yangi chat ochish	Kontekst nolga tushadi — model sizni "tanimaydi"

Amaliy maslahat

Uzun suhbatda AI "adashsa" — muhim ma'lumotni qayta yozib bering yoki yangi chat ochib, keraklisini boshidan bering. 2-oyda o'rgangan "aniq prompt" qoidasi shu yerda ham ishlaydi.

10. Nega AI xato qiladi — gallyutsinatsiya

Endi eng muhim savolga keldik. 2-oyda gallyutsinatsiyani hodisa sifatida ko'rgan edingiz — AI uydirma fakt aytishi mumkin. Bugun esa sababini tushunasiz.

Sabab — bashorat mexanizmining o'zi

Esingizda: LLM haqiqatni emas, eng ehtimolli davomni biladi. U uchun "to'g'ri javob" degan tushuncha yo'q — "matnga o'xshagan davom" bor.

Model bilmagan narsani so'rasangiz, u "bilmayman" deyish o'rniga ko'pincha eng ishonarli ko'ringan matnni to'qiydi — chunki o'qigan millionlab matnlarida savollarga aniq javob berilgan, "bilmayman" kam uchraydi.

Gallyutsinatsiya qachon ko'payadi?

Vaziyat	Xatar
Aniq raqam va sanalar	Yuqori — raqamlar naqshda oson almashadi
Kam ma'lum shaxs va joylar	Yuqori — model kam misol ko'rgan
Manba va havola so'ralganda	Yuqori — mavjud bo'lmagan kitob "yaratadi"
Umumiy bilim, tushuntirish	Past — millionlab misol ko'rgan
Ijodiy matn	Xatar emas — uydirish shu yerda maqsad

Tekshirish odati — savodxonlik belgisi

1. Muhim faktni doim mustaqil manbada tekshiring (Google, Wikipedia, rasmiy sayt)
2. AI'dan "ishonching qanchalik?" deb so'rang — ba'zan o'zi ogohlantiradi
3. Bir savolni ikki xil AI'ga bering — javoblar farq qilsa, ehtiyot bo'ling
4. Qidiruv bilan ishlaydigan rejimlarni ishlating — ular manba ko'rsatadi

Eng xavfli kombinatsiya

Gallyutsinatsiya + ishonchli ohang = eng xavfli holat. AI hech qachon "duduqlanmaydi" — xato javobni ham xuddi haqiqatday ravon aytadi. Ohangga emas, tekshiruvga ishoning.

11. AI "tushunadimi?" — qisqa mulohaza

Falsafiy savol: keyingi so'zni bashorat qilayotgan model matnni tushunadimi?

• Bir tomondan: u faqat statistika — ma'noni "his qilmaydi", maqsadi yo'q, dunyoni ko'rmagan
• Boshqa tomondan: u tarjima qiladi, hazilni tushuntiradi, xatoni topadi — bular "tushunish"ga juda o'xshaydi

Olimlar bu haqda hali bahslashadi. Biz uchun amaliy xulosa yetarli:

Amaliy xulosa

AI so'zlar orasidagi bog'lanishlarni juda chuqur biladi, lekin haqiqiy dunyo tajribasi, maqsadi va mas'uliyati yo'q. Shuning uchun u ajoyib yordamchi, lekin yakuniy qaror va javobgarlik — doim insonda.

12. Ma'lumot sifati va bias

Model — ma'lumotining ko'zgusi. Dasturchilar orasida mashhur ibora bor: "Axlat kirsa — axlat chiqadi".

2-oyda bias (tarafkashlik) tushunchasi bilan tanishgan edingiz. Endi sababi ravshan bo'ladi:

• Model internetdagi matnlardan o'qigan
• Internetda odamlarning stereotiplari ham yozilgan
• Model naqsh sifatida ularni ham o'rganadi

Ma'lumotdagi muammo	Modeldagi natija
"Shifokor" ko'pincha erkak deb yozilgan	Model ham shifokorni erkak deb tasavvur qiladi
Ba'zi tillar va madaniyatlar kam yoritilgan	O'sha mavzularda javob sifati past
Eski ma'lumot ko'p	Eskirgan faktlarni "hozirgi" deb aytadi
Internetdagi xato faktlar	Model ularni ham o'rganib oladi

Shuning uchun AI laboratoriyalari ma'lumotni tozalash va muvozanatlashga milliardlab dollar sarflaydi. Lekin mukammal toza ma'lumot yo'q — demak, tanqidiy ko'z har doim kerak.

13. Katta rasm — hammasini birlashtiramiz

Dars boshidagi to'rt qadamga endi to'liq bilim bilan qaraymiz:

Endi siz ChatGPT yozayotganda so'zlar nega birin-ketin paydo bo'lishini ham bilasiz: model har so'zni alohida bashorat qilyapti — jonli efirda!

Darsdagi topshiriqlar

Topshiriq 1 — So'z bashorati o'yini

Avval o'zingiz model bo'ling. Daftarga quyidagi gaplarning davomini yozing (birinchi kelgan so'zni):

1. "Non — bizning ..."
2. "Yomg'ir yog'sa, men ..."
3. "O'zbekistonning poytaxti — ..."

Keyin xuddi shu gaplarni ChatGPT yoki Gemini'ga bering: "Bu gapni bitta so'z bilan davom ettir va yana 2 ta muqobil variant ayt".

Daftarga yozing: sizning bashoratingiz AI'niki bilan mos keldimi? Nega ko'pchilik odamlar ham, AI ham bir xil so'zni tanlaydi? (Javob: ikkalasi ham til naqshlaridan foydalanadi!)

Topshiriq 2 — Token hisoblagich

ChatGPT yoki Claude'dan so'rang:

"Quyidagi gaplarni tokenlarga bo'lib ko'rsat va nechta token ekanini ayt:
1. Salom dunyo
2. Men kitob o'qishni yaxshi ko'raman
3. Hello world
4. Assalomu alaykum, ahvollaringiz qanday?"

Daftarga yozing:

• O'zbekcha va inglizcha gapda token soni qanday farq qildi?
• Qaysi so'zlar bo'laklarga bo'linib ketdi?

Topshiriq 3 — Gallyutsinatsiya ovi

AI'ni "qopqonga" tushiring. Quyidagi savollarni bering (ikkalasi ham mavjud emas!):

1. "Alisher Navoiyning 'Temir qanot' asari haqida gapirib ber"
2. "Samarqanddagi 'Ko'k daryo' metro bekati qachon ochilgan?"

Kuzating:

• AI "bunday narsa yo'q" dedimi yoki to'qib berdimi?
• Xuddi shu savolni boshqa AI'ga bering — natija farq qildimi?
• Endi "Agar aniq bilmasang, bilmayman deb ayt" qo'shib qayta so'rang. O'zgarish bo'ldimi?

Xulosani daftarga yozing: qaysi usul gallyutsinatsiyani kamaytirdi?

Topshiriq 4 — Kontekst oynasi sinovi

Kontekst xotirasini tekshiramiz:

1. Yangi chat oching va boshida ayting: "Mening mushugimning ismi Barfi, buni eslab qol"
2. Keyin 6–7 ta boshqa savol bering (istalgan mavzuda, javoblari uzun bo'lsin)
3. Oxirida so'rang: "Mushugimning ismi nima edi?"
4. Endi yangi chat oching va darhol so'rang: "Mushugimning ismi nima?"

Daftarga yozing: birinchi chatda eslab qoldimi? Yangi chatda-chi? Nega? (Javob: kontekst oynasi — faqat shu suhbat ichida ishlaydi.)

Topshiriq 5 — Qoida yozish qiyinligini his qilish

Juftlikda ishlang. Vazifa: "spamni aniqlash qoidalarini" qo'lda yozish.

1. Har juftlik daftarga spam xatni aniqlaydigan 5 ta qoida yozsin (masalan: "ichida 'yutuq' so'zi bo'lsa — spam")
2. Keyin boshqa juftlik sizning qoidalaringizni buzadigan misol topsin (spam bo'lmagan, lekin qoidaga tushadigan xat — masalan do'stingiz "yutuq bilan tabriklayman!" deb yozsa?)
3. Sinf bilan muhokama: nega qoidalar bilan hamma holatni qamrab bo'lmaydi?

Bu mashq sizga machine learning nima uchun kerakligini "qo'l bilan" his qildiradi.

Topshiriq 6 — Bias tajribasi

ChatGPT yoki Gemini'ga 5 marta (har safar yangi chatda) quyidagi promptni bering:

"Shifokor haqida 3 jumlalik hikoya yoz. Ismini ham ayt."

Daftarga jadval tuzing: necha marta erkak ism, necha marta ayol ism chiqdi?

Keyin xuddi shu tajribani "o'qituvchi" va "dasturchi" bilan takrorlang. Natijalar bo'yicha 3 jumlalik xulosa yozing: bu naqshlar qayerdan kelgan?

Topshiriq 7 — O'z so'zing bilan tushuntir

Dars yakuni. Daftaringizga quyidagi savollarga o'z so'zlaringiz bilan (kitobdan ko'chirmasdan) 2–3 jumladan javob yozing:

1. AI qoidalar bilan yozilgan dasturdan nimasi bilan farq qiladi?
2. ChatGPT javobni qanday "o'ylab topadi"?
3. Nega AI ba'zan ishonchli ohangda xato gapiradi?
4. Nega AI'ga maxfiy ma'lumot yozmaslik kerak?

Bu javoblar — keyingi darslar va imtihon uchun poydevoringiz.

Asosiy tushunchalar (lug'at)

Termin	Qisqacha izoh
Machine learning	Kompyuterni misollar orqali o'rgatish usuli
Training (o'qitish)	Model naqshlarni o'rganadigan bosqich — bir marta, qimmat
Inference	Tayyor modeldan javob olish — har so'rovda, tez
Model	O'rganish natijasi — AI'ning "miyasi"
Neyron tarmoq	Miya neyronlaridan ilhomlangan matematik tuzilma
Qatlam (layer)	Neyronlar guruhi — har biri o'z darajasidagi naqshni topadi
Og'irlik (weight)	Neyronlar orasidagi sozlanadigan bog'lanish kuchi
Parametr	Modelning bitta sozlanadigan raqami — milliardlab bo'ladi
LLM	Katta til modeli — keyingi tokenni bashorat qiluvchi AI
Token	Matnning kichik bo'lagi — modelning ish birligi
Kontekst oynasi	Model bir vaqtda ko'ra oladigan matn hajmi
Gallyutsinatsiya	Modelning ishonchli ohangda uydirma aytishi
Bias (tarafkashlik)	O'quv ma'lumotidagi stereotiplarning modelga o'tishi
GIGO	"Axlat kirsa — axlat chiqadi" — ma'lumot sifati qoidasi
Yorliq (label)	O'quv misoliga qo'yilgan to'g'ri javob belgisi

Keyingi dars

3-dars: AI turlari →