Sun'iy Intellekt

Maʼlumotlar va SI sohasidagi tendensiyalar top 10 taligi

Agentic AI, kichik ma’lumotlar va tartiblanmagan ma’lumotlar toʻplami davrida ularning ahamiyati.

Soha mutaxassislarining fikriga koʻra, 2024-yil generativ SI uchun muvaffaqiyatli yil boʻlishi kutilgan edi. Chunki amaliyotda undan koʻproq foydalanilayotgandi. Texnologiya ham foydalanishdagi toʻsiqlarini kamaytirayotgan, umumiy sunʼiy intellekt yaqin kelajakda paydo boʻlishi kutilayotgan edi.

Xoʻsh... bular amalga oshdimi?

Ha, lekin hammasi ham emas. 2024-yilning oxiriga kelib, yuqoridagi gipotezalarning baʼzilari toʻgʻri chiqdi. Qolganlariga esa yana biroz vaqt kerakligi maʼlum boʻldi (umumiy sunʼiy intellektni nazarda tutyapman).

Maqolada yetakchi futurist va investor Tomas Tunguzning maʼlumotlar va SI sohasi 2024-yil oxirida qanchalik rivojlanishi borasidagi fikrlarini va shaxsiy taxminlarimdan bir shingilini eʼtiboringizga havola qilaman.

2025-yilga kelib maʼlumotlar muhandisligida kutilayotgan tendensiyalar

1. Hozirgi SIning tahlil qilish imkoniyati cheklangan (Tomas)

SIning distopik davri boshlanganidan beri atigi 3 yil oʻtgan boʻlsa-da, baʼzi kompaniyalar ayrim kutilgan sohalarda undan foyda olayotganining guvohi boʻlyapmiz. Ammo bu barcha sohalarga tegishli emas. Tomasning fikriga koʻra, sunʼiy intellektning bugungi imkoniyatlarini 3 toifaga ajratish mumkin.

  1. Bashorat qilish imkoniyati. Sunʼiy intellekt yordamchilari istalgan gapni tugallay oladi. Dastur kodidagi xatoliklarni toʻgʻrilaydi.

  2. Qidiruv. SI savollarga javob berish uchun maʼlumotlar bazasidan foydalanadigan vositalarga ega.

  3. Tahlil qila olish imkoniyati. Murakkab vazifalarni bajarishga qodir boʻlgan koʻp bosqichli ish jarayonini amalga oshiradi.

SI yordamchi vositalari va qidiruv tizimlari korxonalarga maʼlum darajada foyda keltiryapti. Shunday boʻlsa-da (ayniqsa, birinchisi), mantiqiy fikrlash modellari hali ham orqada qolayotgandek. Tomasning taʼkidlashicha, buning aniq sababi bor.

Model aniqligi 

Tomasning tushuntirishicha, hozirgi modellar biron bir namunani ilgari ko‘p marta ko‘rmagan bo‘lsa, vazifalarni bosqichma-bosqich samarali tarzda ajratib chiqishga qiynaladi. Bu holat modellardan talab qilinishi mumkin bo‘lgan ishlarning aksariyatiga to‘g‘ri kelmaydi.

“Bugungi kunda agar katta modeldan FPA&A (moliyaviy rejalashtirish va tahlil) diagrammasini yaratish soʻralsa, u buni bajara oladi. Biroq muhim o‘zgarish bo‘lsa, masalan, dasturiy ta’minot boʻyicha toʻlov tizimidan voz kechib, foydalanishga asoslangan hisob-kitobga o‘tsak, model bu farqni ilg‘ay olmaydi”.

Shunday qilib, hozirgi vaqtda SI yordamchilari va qisman aniq qidiruv natijalari ustunlikni saqlab turganga oʻxshaydi.

2. Jarayon > vositalar

Yangi vosita yoki texnologiyalar faqat ularni qoʻllab-quvvatlovchi va moslashtirilgan jarayonlardagina samarali ishlaydi.

Yillar davomida “Zamonaviy maʼlumotlar toʻplamlari” rivojlanishda davom etar ekan, maʼlumotlar bilan ishlaydigan jamoalar baʼzan behuda urinishlar taʼsiriga tushib qoladi. Ular o‘z platformalarining “nima”siga haddan tashqari ko‘p e’tibor qaratib, (ehtimol, undan-da muhimroq bo‘lgan) “qanday” qismini ahamiyatga olmadi. Bu esa ularning samaradorligiga salbiy ta’sir ko‘rsatdi.

Biroq korporativ soha ishlab chiqarishga tayyor sun’iy intellektdan foydalanishga intilyapti. Bu hol kuchaygani sari yangi vositalarni amaliyotga samarali tatbiq etish tobora muhim ahamiyat kasb etadi.

“Keling, maʼlumotlar sifati haqida o‘ylab ko‘raylik. 2024-yilda sun’iy intellekt uchun ma’lumotlarning ahamiyati kuchaygan sari ma’lumot sifati masalasi ham diqqat markaziga chiqdi. Ishlab chiqarishga tayyor sun’iy intellekt yaqinlashar ekan, kompaniya rahbarlarining kichik sinovlar yoki turli usullarni tajribadan o‘tkazishga vaqti yo‘q. Ular hozirning o‘zida natija bera oladigan, ishonchli va samarali yechimlarni topib, joriy etishga majbur”.

Bozorda eng ilg‘or ma’lumot sifati platformasiga ega bo‘lishingiz mumkin. Masalan, platformangiz eng zamonaviy avtomatlashtirish vositalari, eng zoʻr yordamchi vositalar va eng yaxshi integratsiyalarga ega. Lekin agar tashkilotingiz uni tezda ishga tushira olmasa, sizda faqat byudjetingizda xarajat sarfi roʻyxati va kompyuteringizda yangi ochilgan bir oynagina bo‘ladi xolos.

Kelayotgan 12 oy davomida maʼlumotlar bilan ishlovchi jamoalarning turli vositalar to‘plamidan ko‘ra sinovdan o‘tgan to‘liq yechimlarga tayanishini kutyapman. Bu ularga maʼlumot sifati bo‘yicha javobgarlik, hodisalarni boshqarish va uzoq muddatli soha imkoniyatlarini rivojlantirish kabi muhim vazifalarni ustuvor qilish imkonini beradi.

Ana shu ustuvor vazifalarni hal qiladigan yechimlar sunʼiy intellekt sohasida gʻalaba qozonadi.

3. Sunʼiy intellekt daromadni emas, balki investitsiyalarni qaytarish – ROI (Return on investment)ni oshiryapti (Tomas)

Maʼlumotlar koʻrinishidagi har qanday mahsulot singari GenAI’ning qiymati ham ikki yo‘nalishdan birida namoyon bo‘ladi. Yaʼni xarajatlarni kamaytirish yoki yangi daromad sohasi yaratish.

Daromad haqida gapiradigan boʻlsak, sun’iy intellekt yordamida savdoni rivojlantirish tizimlari, ma’lumotlarni kengaytiruvchi vositalar yoki tavsiya berish tizimlaridan foydalanishingiz mumkin. Tomasning aytishicha, bunday vositalar savdoni ko‘paytirishi mumkin. Lekin ular har doim ham foydali va samarali natija bermaydi. Agar sun’iy intellekt daromad keltirmasa, u xarajatlarni kamaytirishga yordam berishi kerak. Bu borada sun’iy intellekt o‘z o‘rnini topmoqda.

“Ko‘p kompaniyalar bundan daromad olayotgani yo‘q. Sunʼiy intellekt asosan xarajatlarni qisqartirish uchun ishlatilyapti. Masalan, Klarna xodimlarning uchdan ikki qismini qisqartirdi. Microsoft va ServiceNow esa muhandislik samaradorligini 50–75% ga oshirdi”.

Tomasning fikricha, sun’iy intellektdan foydalanish xarajatlarni kamaytirish imkonini beradi. Faqatgina quyidagi uchta shartdan biri bajarilsa:

  • Takroriy ishlar

  • Murakkab mehnat bozori

  • Shoshilinch ishga qabul qilish ehtiyojlari

Tomas yangi daromad manbalarini yaratishda muvaffaqiyatli bo‘lgan tashkilot sifatida EvenUp’ni misol qilib keltiradi. Bu kompaniya yuridik xizmatlar sohasida ishlaydi va daʼvo arizalarini avtomatlashtiradi. EvenUp kabi shablonli, ammo yuqori darajada ixtisoslashgan xizmatlarni taklif qiluvchi kompaniyalar sun’iy intellektning hozirgi shaklidan katta foyda ko‘rishi mumkin.

4. Sunʼiy intellektni joriy etish kutilganidan koʻra koʻproq vaqt oladi — ammo rahbarlar vaziyatni kuzatmoqda (Tomas)

Bir yil avval yuzaga kelgan katta “sunʼiy intellekt” toʻlqinidan farqli ravishda hozir rahbarlarda bu texnologiyaga nisbatan qiziqish pasaygandek koʻrinyapti.

“Oʻtgan yili odamlar turli xil dasturiy taʼminotlarni tekshirib koʻrish uchun sinagandi. Boshqaruv kengashlari esa sunʼiy intellektni qoʻllash strategiyalari haqida soʻrab-surishtirardi. Lekin hozirgi vaziyatga nazar soladigan boʻlsak, bu toʻlqinda katta oʻzgarishlar boʻlganini koʻrishimiz mumkin”.

Baʼzi tashkilotlar o‘zining dastlabki tajribalari orqali sun’iy intellektdan foyda ko‘rmadi. Boshqalari esa SI texnologiyalarining tez rivojlanishiga dosh bera olmadi. Tomasning fikricha, bu sun’iy intellekt kompaniyalariga sarmoya kiritishda duch kelinadigan eng katta muammolardan biri. Muammo shundaki, texnologiya nazariy jihatdan foydali. Lekin tashkilotlar uni amalda qanday samarali ishlatishni hali topa olmagan.

Tomasning taʼkidlashicha, SIni qabul qilishning keyingi toʻlqini birinchisidan farqli boʻladi. Chunki endi rahbarlar oʻziga nima kerakligi va uni qayerdan topish mumkinligi borasida maʼlumotga ega.

Xuddi katta shoudan oldin repetitsiyada boʻlgani singari jamoalar ham endi nima izlayotganini biladi. Ular huquqiy masalalar va xaridlar bilan bogʻliq ayrim muammoli jihatlarni, ayniqsa, maʼlumotlar yoʻqolishi va uning oldini olish masalalarini puxta oʻrganib chiqqan. Endi esa fursat boʻlishi bilan harakatga oʻtishga shay turibdi.

Ertangi kunning eng katta muammosi nimada? “Qanday qilib qiymatni tezroq aniqlash va sotish mumkin?”

5. Kichik hajmli maʼlumotlar – SIning kelajagi

Open source (ochiq manba) va boshqariladigan tizimlar o‘rtasidagi bahs juda qadimiy... ha, ancha eski bir narsa. Ammo gap sunʼiy intellekt haqida ketganda masala ancha murakkablashadi.

Korporativ tarafdan qaralganda asosiy masala nazorat yoki tizimlarning oʻzaro mosligida emas. Balki koʻproq texnologiyani joriy qilish, yaʼni operatsion xarajatlar masalasi muhimroq.

Tomasning fikricha, eng katta B2C kompaniyalari tayyor modellardan foydalanadi. Ammo u B2B kompaniyalarining o‘z maxsus va ochiq manba modellari tomon yo‘nalishini kutmoqda.

“B2B sohasida, umuman olganda, kichikroq modellar va koʻproq ochiq manbali dasturlar koʻzga tashlanadi. Buning sababi kichik ochiq manbali modelni ishga tushirish ancha arzonroqqa tushadi”.

Lekin bu faqatgina pul masalasi emas. Kichik modellar ham samaradorlikni oshiradi. Masalan, Google kabi katta modellar turli xil vazifalarni bajarishga moʻljallangan. Foydalanuvchilar katta modellardan deyarli har qanday narsa haqida soʻrashi mumkin. Shuning uchun model tegishli javob bera oladigan darajada keng maʼlumotlar miqyosida oʻqitilishi kerak. Masalan, Water polo, Xitoy tarixi, fransuzcha uslubda tayyorlangan non.

Lekin, afsuslar boʻlsinki, model qanchalik koʻp mavzular boʻyicha oʻqitilsa, turli tushunchalarni bir-biriga aralashtirib yuborish ehtimoli ham shunchalik yuqori boʻladi. Shuningdek, natijalarga vaqt oʻtgan sari tobora xato maʼlumotlar aralashib boradi.

“Aytaylik, Llama 2 degan bir sunʼiy intellekt modeli bor, u 8 milliard parametrga ega. Agar uni 10 000 ta mijozdan olingan soʻrovlar yoki muammolar bilan oʻrgatsangiz, model oʻzini ancha yaxshiroq koʻrsatadi. Yaʼni yanada toʻgʻri javoblar beradi va samaraliroq ishlaydi”, deydi Tomas.

Bundan tashqari, ChatGPT va boshqa sunʼiy intellekt tizimlarining yaratuvchilari sudga berilishi koʻp kuzatilyapti. Bunga modellarni oʻqitish uchun foydalanish huquqiga ega boʻlmaganlik ustidan ochilgan daʼvolar sabab boʻlmoqda.

Koʻp hollarda bu holat haqiqatdan yiroq emas.

Bu xarajatlar va samaradorlik bilan birga xususiy modellarning uzoq muddatli qabul qilinishiga taʼsir qilishi mumkin. Ayniqsa, qattiq nazorat ostidagi sohalarda shunday boʻladi. Biroq bu taʼsirning qanchalik jiddiy boʻlishi hali maʼlum emas.

Albatta, xususiy modellar ham sukut saqlash niyatida emas. Ayniqsa, agar Sam Altman (mashhur OpenAI kompaniyasi rahbari) bunga aralashadigan bo‘lsa. (Axir Twitterʼdan bilganimizdek, Sam Altman aytadigan gaplarni topishda juda ustasi farang.)

Oʻzlariga boʻlgan talabni oshirish uchun xususiy modellar allaqachon narxlarni tushirishni boshladi. Masalan, ChatGPT kabi modellar narxlarini 50% ga tushirdi. Keyingi 6 oy ichida yana 50% ga tushirishi kutilyapti. Xarajatlarning shu yoʻsinda qisqarishi sunʼiy intellekt sohasidagi raqobatda ishtirok etishni istagan B2C kompaniyalar uchun qulay va manfaatli boʻlishi mumkin.

6. Maʼlumotlar analitigi va maʼlumotlar injeneri oʻrtasidagi farq tobora kamaymoqda (Barr)

Ishlab chiqarish jarayonlarini kengaytirishga kelganda maʼlumotlar bilan ishlovchi jamoalarda ikkita muammo yuzaga keladi. Birinchisi, analitiklarning yetarli texnik tajribaga ega boʻlmasligi. Ikkinchisi esa maʼlumotlar injenerida yetarlicha vaqt boʻlmasligi muammosidir.

Bu holat esa SI uchun muammo boʻlishi mumkin.

2025-yilga kelib, muhandislik va tahlil qilish vazifalari birlashishi mumkin. Bunga sabab boʻladigan ikkita asosiy omil mavjud. Biz bunga maʼlumotlar bilan ishlovchi jamoalarning qanday rivojlanishini koʻrib chiqish asosida amin boʻldik:

  • Talabning oshishi. Biznes rahbarlarining maʼlumotlar va sunʼiy intellekt mahsulotlariga boʻlgan qiziqishi ortishidan maʼlumotlar bilan ishlovchi jamoalar kamroq resurslar evaziga koʻproq ish qilishga majbur boʻladi. Jarayonlarda yuzaga kelishi mumkin boʻlgan toʻsiqlarni kamaytirish maqsadida rahbarlar boshqacharoq yoʻl tutadi. Tabiiy ravishda ilgari ixtisoslashgan jamoalarga maʼlumotlar oqimi va manfaatdor tomonlar uchun koʻproq masʼuliyatni oʻz zimmasiga olish vakolatini beradi.

  • Avtomatlashtirish sohasidagi yaxshilanishlar. Yangi ehtiyojlar har doim yangi kashfiyotlarga yoʻl ochgan. (Bu vaziyatda sunʼiy intellekt yordamida ishlaydigan jarayon zanjirlari nazarda tutilyapti.) Texnologiyalar tabiiy ravishda tobora avtomatlashib borgani sari muhandislar kamroq resurs bilan koʻproq vazifalar bajarish imkoniyatiga ega boʻladi. Tahlilchilar esa oʻz ishlarini yanada samaraliroq bajara olishga erishadi.

Dalil oddiy: talab oshgani sari ish jarayonlarini avtomatlashtirish tabiiy ravishda talabga moslashadi. Jarayonlarni avtomatlashtirish talabga moslashgan sari ularni yaratish va boshqarishdagi to‘siqlar kamayadi. Malaka bo‘shliqlari kamayadi va yangi qiymat yaratish imkoniyatlari ortadi.

Sun’iy intellekt yordamida jarayonlarni boshqarishni avtomatlashtirishga o‘tish har bir kishining mehnat faoliyatidagi eng murakkab vazifani avtomatlashtirishni anglatadi. Bu esa yangi qiymatlar yaratish va taqdim etish imkoniyatlarini kengaytiradi. Bunday kelajak, albatta, yoqimli.

7. Sintetik maʼlumotlar muhim — ammo ular katta xarajat talab qiladi (Tomas)

Ehtimol, ilon o‘z dumini yeyayotgan rasmni qayerdadir ko‘rgandirsiz. Agar diqqat bilan qarasangiz, bu tasvir zamonaviy sun’iy intellektga juda o‘xshaydi. Sun’iy intellekt ham o‘zining o‘rganish jarayonini va maʼlumotlarini doimiy ravishda yangilab, takomillashtirib boradi.

Hozirgi vaqtda internetda 21–25 trillion token (soʻz) bor. Amalda qoʻllanayotgan sunʼiy intellekt modellarining barchasi ana shu tokenlarning hammasidan foydalanyapti. Maʼlumotlarning rivojlanishini davom ettirish uchun ular cheksiz hajmdagi katta maʼlumotlar toʻplami boʻyicha oʻqitilishi kerak. Zaxirada qancha koʻp maʼlumotlar boʻlsa, demak, natijalar uchun shunchalik koʻp kontekst bor. Natijalar aniqligi ham shunchalik yuqori boʻladi.

Xoʻsh... agar SIga oʻrgatish uchun maʼlumotlar tugab qolsa, SI tadqiqotchisi nima qiladi?

Oʻzlari ishlab chiqarishiga toʻgʻri keladi.

Ayni vaqtda oʻquv maʼlumotlari tobora kamayib borayotgani sabab OpenAI kabi kompaniyalar kelajakda modellarini oʻqitish uchun sintetik maʼlumotlar muhim rol oʻynashiga ishonmoqda. Soʻnggi ikki yil ichida aynan shu gʻoyani amalga oshirish uchun butun bir sanoat shakllandi. Bu sanoat tarkibiga 

– Tonic kabi sintetik tuzilmali maʼlumotlar yaratuvchi kompaniyalar,

– moliya va sogʻliqni saqlash singari tartibga solinadigan sohalar uchun qonuniy talablarga mos keladigan maʼlumotlarni ishlab chiqaradigan Gretel kabi korxonalar kiradi.

“Lekin sintetik maʼlumotlar ishlab chiqarish uzoq muddatli yechim boʻla oladimi?” degan savol paydo boʻladi. Ehtimol, bu unday emas.

Sintetik maʼlumotlar modellardan foydalanib, sunʼiy maʼlumotlar to‘plamlarini yaratadi. Bu to‘plamlar aslida mavjud bo‘lishi mumkin bo‘lgan maʼlumotlarni aks ettiradi (yaʼni maʼlumotlar ko‘proq mavjud bo‘lgan boshqa bir real hayotda). Keyin bu yangi maʼlumotlar yordamida boshqa modellar oʻqitiladi. Kichik miqyosda bunday yondashuv juda samarali. Ammo shuni ham unutmaslik kerakki, haddan tashqari ko‘p narsa har doim ham foydali boʻlavermaydi...

Buni o‘ziga xos kontekstual to‘yib ovqatlanmaslik holati deb tasavvur qilish mumkin. Yangi organik mahsulotlar eng to‘yimli ozuqa bo‘lgani singari modellarni o‘rgatishda ham yangi organik ma’lumotlar qimmatlidir. Eski maʼlumotlar to‘plamlaridan qayta olingan maʼlumotlar esa, tabiiyki, avvalgisiga qaraganda kamroq “ozuqaviy”, foydali bo‘ladi.

Sintetik materiallardan oz-ozdan foydalanish zararli emas. Lekin model toʻligʻicha faqat sunʼiy ma’lumotlar bilan “oziqlansa”, vaqt o‘tishi bilan uning ishlashi pasayadi yoki noto‘g‘ri javoblar bera boshlaydi. Yangi, haqiqiy hayotdan olingan ma’lumotlar bilan oʻqitib turilmasa, u oxir-oqibat ishdan chiqishi mumkin.

Gap bu voqea sodir bo‘lishi yoki yo‘qligi haqida emas, balki qachon yuz berishi haqida ketyapti.

Tomasning aytishicha, hozirda biz modellarning yuqorida aytilganidek inqirozidan ancha uzoqdamiz. Lekin sunʼiy intellekt sohasidagi tadqiqotlar modellarni funksional chegaralariga yetkazishni davom ettiryapti. Shunday ekan, SIning oʻz funksional choʻqqisiga erishgan vaqtdagi dunyoni koʻz oldimizga keltirish qiyin emas. Ehtimol, bu kutganimizdan ham koʻra tezroq yetib keladi.

8. Tartiblanmagan maʼlumotlar toʻplami paydo boʻladi (Barr)

Ishlab chiqarishda tartibsiz maʼlumotlardan foydalanish g‘oyasi yangilik emas. Biroq sun’iy intellekt davrida tartibsiz ma’lumotlar mutlaqo yangi ahamiyat kasb etadi.

IDC (International Data Corporation) hisobotiga koʻra, hozirgi kunda tashkilotlar tartiblanmagan maʼlumotlarining atigi yarmi tahlil qilinyapti.

Ammo bu holat oʻzgarish arafasida turibdi.

Generativ SI haqida gap ketganda korxonaning muvaffaqiyati asosan uni oʻqitish, sozlash va takomillashtirish uchun qoʻllanadigan tartiblanmagan maʼlumotlar toʻplamiga bogʻliq. Korxonalar SIni amaliy ishlar uchun joriy qilishga harakat qilgani sari tartiblanmagan maʼlumotlarga va bu sohadagi rivojlanayotgan “tartiblanmagan maʼlumotlar toʻplamiga” bo‘lgan qiziqish ham ortib boradi. 

Baʼzi jamoalar allaqachon qo‘shimcha katta til modellari (LLM) yordamida tartibsiz maʼlumotlarni tartiblash usullarini o‘rganmoqda. Bu yondashuv maʼlumotlarning qo‘shimcha trening va tahlil vazifalarida samaradorligini oshirishga imkon beradi. Shu bilan birga, ularning imkoniyatlarini yanada kengaytiradi.

Tashkilotingizdagi mavjud tartiblanmagan ichki maʼlumotlarni aniqlash va manfaatdor tomonlar uchun qanday ishlatish mumkinligini topish ularga ancha foyda keltiradi. Chunki bu orqali ular o‘z maʼlumot platformasining biznes qiymatini namoyish etadi. Shu orqali ustuvor tashabbuslar uchun qo‘shimcha mablagʻ ajratilishiga erishadi ham.

Agar 2024-yilda tartiblanmagan maʼlumotlarning imkoniyatlari oʻrganib chiqilgan boʻlsa, 2025-yil uning qiymatini tahlil qilish yili boʻladi. Savol tugʻiladi: bu jarayonda qanday vositalar yetakchilik qiladi?

9. Agentic AI deployment uchun emas, balki suhbatga zoʻr vosita (Tomas)

Agar bugungi kunda venchur kapital doirasida faoliyat yuritayotgan boʻlsangiz, copilot va agents atamalari tez-tez qulogʻingizga chalinayotgan boʻlishi kerak. “Copilot” soʻzi bir bosqichli vazifalarni bajarish (masalan, yomon yozgan kodimni toʻgʻrila) uchun qoʻllanadigan SIning zamonaviy nomi. “Agents” esa koʻp bosqichli ish jarayoni boʻlib, maʼlumotlarni toʻplash va ulardan vazifani bajarishda (masalan, yomon kodim haqida blogpost yoz va uni Wordpressʼda eʼlon qil kabi) foydalanish mumkin.

Shubhasiz, 2024-yilda SI yordamchi dasturlari ko‘plab muvaffaqiyat keltirdi (masalan, Github, Snowflake, Microsoft paperclip va boshqalarga qarang), lekin SI agentlari-chi?

“Agentic AI” mijozlarni qoʻllab-quvvatlash xizmatlarida tartibsizlik yaratib, ancha vaqt oʻzini koʻrsatgan boʻlsa-da, yaqin kelajakda uning vazifasi faqat shu bilan cheklanib qoladigandek tuyulyapti. Garchi ushbu dastlabki SI agentlari muhim yutuq hisoblansa ham, ularni hali ancha takomillashtirish kerak boʻladi.

Kontekstual holatda sunʼiy intellekt uchun 75–90% aniqlik eng yuqori koʻrsatkichdir. Aksariyat SI vositalari darajasi oʻrta maktab oʻquvchisiniki bilan teng holatda. Biroq agar sizda 75–90% aniqlikdagi uchta bosqich mavjud bo‘lsa, yakuniy aniqlik taxminan 50% atrofida bo‘ladi.

“Hatto fillarni ham bundan yaxshiroq aniqlik bilan rasm chizishga o‘rgatish mumkin”.

Agar koʻpchilik SI agentlari hozirgi samaradorligi bilan ishlab chiqarishga joriy etilsa, kompaniyaga faol ravishda zarar yetkazishi mumkin. Foyda keltirish haqida-ku oʻylamasa ham boʻladi. Tomasning aytishicha, avvalo shu muammo yechilishi kerak.

Ular haqida gapirish juda muhim, chunki hech kim demo versiya tashqarisida muvaffaqiyatga erishmagan. Chunki Silikon vodiysidagi odamlar SI agentlari haqida qancha koʻp gapirmasin, amaliyotga kelganda bu gaplar samaradorlikni belgilamaydi.

10. Texnologiyalar kengaymoqda, lekin natijalarda oʻsish yoʻq (Tomas)

“SI sohasidagi bir guruh rahbarlar bilan kechki ovqat paytida nechta odam natijalar sifatidan xursand ekanini soʻradim. Hech kimdan sado chiqmadi. Shundan kelib chiqib barqaror natijalar olishda sifat bilan bogʻliq haqiqiy muammo mavjud deyolaman”.

Texnologiyalar kengaymoqda, ularni nazorat qilish esa juda zarur. Gap boshdan oxirigacha sunʼiy intellekt yechimlari haqida ketyapti. Hamma odamlar ish jarayoniga SIni joriy etishni xohlayotgan bir paytda maʼlumotlar oqimi keskin koʻpayadi. Bu maʼlumotlarning sifati esa juda muhim. Maʼlumotlar oqimi shiddat bilan kengayib bormoqda. Agar buni kuzatib bormasangiz, notoʻgʻri qarorlar qabul qilib qoʻyishingiz hech gapmas. Shu bilan birga, maʼlumotlar hajmi ham tobora ulkan miqyosga yetib boraveradi.

Monte Karlo har yili maʼlumotlar sifati borasida real maʼlumot mutaxassislari orasida soʻrovnoma oʻtkazadi. Bu yil eʼtiborimizni sunʼiy intellektning yashirin jihatlariga qaratdik, natija esa ma’lum.

Maʼlumotlar sifati bilan bogʻliq xavf-xatar oshib bormoqda. Ammo sifatni boshqarish usullarida oʻzgarish yoʻq.

Jamoalar katta miqyosda vektor ma’lumotlar bazalarini yoki embedding modellarini ishlab chiqayotgani hammaga ma’lum. SQLLiteʼdan esa keng koʻlamda foydalanilyapti: bular yuz millionlab kichik ma’lumotlar bazalaridir. Barcha kichik modellarni ishga tushirish uchun ular CDN darajasida loyihalashtirilyapti. Kelajakda iPhone’larda mashinali o‘rganish modellari qoʻllanishi kutilyapti. Shuningdek, ma’lumotlarni qayta ishlash oqimlarining umumiy sonida o‘sish bo‘ladi. Ammo ular ancha kichik hajmdagi ma’lumotlar bilan ishlaydi."

Fine tuning namunasi tashkilot ichidagi maʼlumotlar oqimi sonining keskin oshishiga sabab boʻladi. Lekin oqimlar qanchalik kengaysa, maʼlumotlar sifatini taʼminlash shunchalik qiyinlashadi.

Ma’lumotlar sifati oqimingizning hajmi va murakkabligiga mos ravishda oshib boradi. Oqimingiz qanchalik ko‘p va murakkab bo‘lsa, xatoliklar yuzaga kelish ehtimoli shunchalik yuqori bo‘ladi. Ularni o‘z vaqtida aniqlash imkoniyati ham kamayadi.


Manba: Top 10 Data & AI Trends for 2025

Mohirdev Telegram

Telegram kanalimizga obuna bo’lishni unutmang

Obuna bo'lish
https://mohirdevbucket.s3.eu-central-1.amazonaws.com/practicum/images/8a370386-5cad-4b37-bc06-253636076498.original.png

medium.com