سۈننى ئەقىل (سۈننى ئىدراك) ھەققىدە تاغدىن-باغدىن

بىر نەچچە كۈن ئىلگىرى ئۇيغۇرستېم UyghurSTEM دىن مەمتىمىن سۈننى ئەقىل توغۇرسدا بىر قىسقىچە سۆھبەت ئېلىب بېرىش توغرىسىدا تەكلىب بەردى، ۋە مەنمۇ ھەم مۇشۇ ساھەگە تولىمۇ قىزىقىدىغانلىقىم ئۈچۈن بۇ تېما توغۇرلۇق ئاز-تولا ئۆزەمنىڭ بىلىدىغانلىرىمنى باشقىلار بىلەن ھەمبەھىرلىشىب، بىرلىكتە ئۈگۈنۈش ۋە پىكىر ئالماشتۇرۇش مەقسىتىدە مەمتىمىننىڭ بۇ تەكلىبىگە قوشۇلغان بولدۇم.

سۈننى ئەقىل ۋە ياكى يەنە بەزى ۋەتەندىگى مېدىيالاردا بولسا سۈننى ئىدراك دەب ئېلىنىب كېلىنىۋاتقان بۇ سۆز ھەممىمىزگە تولىمۇ تونۇش بولسا كېرەك. ئارىمىزدا مۇشۇ تېما بويىنچە تەتقىقات ۋە سانائەت ساھەسىدە ئىشلەۋاتقانلارمۇ ئاز ئەمەس دەب ئويلايمەن.

مېنىڭ بىلىشىمچە ئۇيغۇرسېتىم بۇرۇن سۈننى ئەقىل ۋە مۇناسىۋەتلىك تېمىلاردا بىرنەچچە قېتىملىق تورئۈستى مۇنازىرىسى ئېلىب بارغان، مەن قىزىققۇچىلارغا پايدىلىنىب قېلىشى ئۈچۈن ئۇ مۇنازىرىلەرنىڭ يۇتۇبتدىكى سىن ئادرىسىدا تۆۋەندە قىستۇرۇب قويدۇم:

1. نەق مەيدان: سۈنئىي ئەقىل ھەققىدە سۆھبەت
2. نەق مەيدان سۆھبەت: كومپيۇتېر دۇنيانى قانداق كۆرىدۇ؟
3. نەق مەيدان سۆھبەت: سۈنئىي ئەقىل، ChatGPT ۋە ئۇيغۇرلار

1- بۆلۈم: سۈننى ئەقىل دىگەن نىمە؟

ھازىر تېلىفونىمىزنى ئېچىب گۇگىل ياكى بىڭ دىگەندەك خالىغان بىر ئىزدەش ماتورىدا ياكى ChatGPT قاتارلىق ئەقىللىق پاراڭلىشىش سۇپىلىرىدا «سۈنئىي ئەقىل دىگەن نىمە» دەب ئىزدەيدىغان بولساق، بىزگە ناھايىتى تېزلا، تۆۋەندىكىدەك بىر جاۋابلارنى بېرىشى مۇمكىن :

سۈنئىي ئىدراك ( سۈنئىي ئەقىل) ياكى سۈننى ئەقلى ئىقتىدار (AI) ئىنسانلار ئەقىل پاراسىتىنى تەقلىد قىلىش ۋە كېڭەيتىشنى مەقسەت قىلغان، نەزىرىيە، ئۇسۇل، تېخنىكا ۋە ئۇنىڭ قوللۇنۇش سېستىمىسىنى تەتقىق قىلىش ۋە ئېچىشتىكى بىر يېڭى تېخنىكا ئىلمىدۇر.

بۇ يەردە بىر نەچچە مۇھىم سۆز ۋە ئىبارىلەر بار، بىز بۇ ماقالە ئىچىدە ئۇلار توغۇرلۇق قەدەممۇ قەدەم ئىچكىرىلەب تونۇشۇب چىقىدىغان بولىمىز. شۇنداقلا بۇ ماقالىنىڭ مەيلى تېخنىكىلىق ئاساسى بار ياكى يوق بولغان ئاممىباب بىر كوللىكتىبقا مۇۋاپىق سۇنۇلىشى ئۈچۈن، بىز ئامال بار زاغرا تىلدا مۇناسىۋەتلىك ئۇقۇم ۋە ئىبارىلەرنى چۈشەندۈرۈب چىقىشقا تىرىشىمىز.

سۈنئىي دىگەن نىمە ؟

ئالدى بىلەن سۈننى ئەقىل ياكى سۈننى ئىدراك دەيلى، بۇ قانداق نەرسە دىگەن سۇئالغا جاۋاب بېرىشقا توغرا كېلىدۇ. ھەممىمىز بايقايدىغان بولساق، مەيلى سۈنئىي ئەقىل ياكى ئىدراك دەب ئالىلى، بۇ ئىككى سۆزدىن تەركىب تاپقان. مېنىڭ ئوقۇرمەنلەردىن سورايدىغان بىر سۇئالىم بار، ئۇ بولسىمۇ، «سۈننى» ئىبارىسى زادى نىمىنى كۆرسىتىدۇ ؟

مەن لۇغەت ئىزدىگەندە مۇشۇ سۈنئىي دىگەن سۆزنىڭ مەنىسىنى «ئادەم-كۈچى بىلەن ئىشلەنگەن، ئادەم ياسىغان، ئادەم كۈچى بىلەن ياسالغان، ئەمگەك سىڭگەن.» دەب چىقتى، يەنى بۇ يەردىكى ھەممىدىن مۇھىم نەرسە، ياسالغان، ۋەياكى ئادەم ياسىغان بولىشى كېرەك.

بىراق بىز ئادەم ياسىغان نەرسىنىڭ ھەممىسىنى سۈننى دىمەيمىز، يەنى، بىز سۈننى لەغمەن، سۈننى ئۆي دىمەيمىز، دىمەك، بىر نەرسە سۈننى بولىشى ئۈچۈن، ئۇ يالغۇز ئادەم تەرىپىدىن ياسالغان بولىشى يېتەرلىك ئەمەس، شۇنى ياساش ئۈچۈن قوللىنىلغان كىرگۈزگۈچى مىقتارلارمۇ سۈننى بولىشى كېرەك.

سۈننى ئوغۇت ۋە تەبىئى ئوغۇت. ( سۈننى ئوغۇت نېفىتچىن چىقىرىلغان خىمىيەلىك فوسفور، كالى ناترى قاتارلىق خىمىيەلىك ئېلىمىنتلارنىڭ مەلۇم بىر پىروگرامما ۋە جەريان بويىنچە بىرىكتىرىلگەن نەتىجىسىدۇر)

مەسلەن، لەغمەننى ئېلىب ئېيتساق، بۇ يەردىكى كىرگۈزگۈچى مىقتارلار « قىزىل لازا، باش پىياز، سامساق، زەنجىۋىل، دارچىن، كاۋاۋىچىن، تۇز، شېكەر ، تېتىتقۇ …» دىگەندەكلەر. يەنى بۇ يەردە مەن لەغمەن توغۇرلۇق سۆز ئېچىب باشلىسام، قانداق ئادەم بۇ، تاققا تۇققا سۈننى ئەقىل دەب سۆزلەب كېتىب ئاشپەزلىكتىن ئاساس دىگەن دەرسكە ئۆتۈب كەتتى دەب ئويلاب قالماڭلار، بۇ يەردەىكى مەقسەت بىزگە تونۇش بولغان، بىزگە ئۇقۇمۇشلۇق بولغان تۇرمۇشىڭىزدىكى ئاددى ئۇقۇملار ئارقىلىق سۈننى ئەقىلنىڭ ئاساسىنى قۇرۇش، مەن بىلەن مېنىڭ تەپەككۇر يولۇم بويىنچە ئويلۇنۇڭلار ۋە ناھايىتى تېزلا بىز سۈننى ئەقىلىنىڭ قۇرۇلۇش ۋە خىزمەت قىلىش پىرىنسپىنىڭ لەغمەن بىلەن ناھايىتى چوڭ ئوخشاشلىقى بارلىقىنى چۈشۈنۈب يېتىمىز.

يەنى ماتىماتىكىلىق تىل بىلەن ئېلىب ئېيتقاندا بولسا، لەغمەن دىگىنىمىز، ئوخشاش بولمىغان بىر نەچچە تۈرلۈك كۆكتاتنىڭ مەلۇم نىسپەتتە مەلۇم پىروگرامما بويىنچە ( مەسلەن، بىرىنجى قەدەم بۇنى قىلىسز، ئىككىنجى قەدەمدە ئۇنى قىلىسز دەب ئوچۇق ۋە تەرتىب بويىنچە يېزىلغان رېتسىب، پىروگراممۇدۇر) مەشخۇلات ئېلىب بېرىلغاندىن كىيىنكى نەتىجىسىدۇر. يەنى، .ئەگەر بىز كۆكتاتلىرىمىزنى ئېكىس بىلەن، لەغمەننى، يەنى نەتىجىنى ئىگرىك بىلەن ئىپادىلىسەك، ئىگرىك ئېكىسكە مۇناسىۋەتلىك بىر فۇنكىسىيەنىڭ نەتىجىسىدۇر.

خوش، ئۇنداقتا بىز، سۇنئىي دىگەن مۇشۇ كەلىمە، شۇنداقلا، كىرگۈزگۈچى مىقتار، چىقارغۇچى مىقتار، فۇنكىسىيە دىگەن ئۇقۇملار بىلەن ياخشى تونۇشۇب ئالدۇق،ئەمدى بىز سۈننى ئەقىل ياكى سۈننى ئىدراك دىگەندىكى مۇشۇ ئەقىل ۋەياكى ئىدراك دىگەن سۆز بىلەن توختىلايلى.

ئەقىل دىگەن نىمە ؟

ئەگەر بىز ئېنگىلىزچە كىتابلارغا ياكى كىنولارغا قارايدىغان بولساق، ئېنگىلىزتىلىدە بىر نەچچە كەلىمىلەر بار بولۇپ، لۇغەت تەكشۈرگەندە، ئۇلارنىڭ ھەممىسىنىڭ ئ‍ۇيغۇرچە تەرجىمىسىنىڭ «ئەقىلىق» ئىكەنلىكىنى بايقايمىز، مەسلەن:

• Smart
• Clever
• Intelligent
• Wise
• Brilliant

گەرچە ئۇلار ئېنگىلىزتىلىدە ئوخشىمىغان ئورۇنلاردا ۋە ئوخشىمىغان مەنىدە كەلسىمۇ، كۆپ ۋاقىتتا بىز ئۇيغۇر تىلىدا ئۇلارنى « ئەقىلىق» دەب تەرجىمە قىلىمىز ۋە قوللىنىمىز. ئەمما ئۇ سۆزلەرنىڭ ھەقىقى مەنىسىنى چۈشۈنۈش، ۋە نىمە ئۈچۈن سۈننى ئەقىلنى Artificial Intelligence دەيمىز، نىمىشقا ئۇ Artificial Smartness, Artificial Wiseness, Artificial Cleverness ئەمەس دىگەن سۇئالغا جاۋاب تېپىش ئۈچۈنلا بولۇپ قالماستىن، بەلكى بىزنىڭ سۈننى ئەقىلنىڭ خىزمەت جەريانى، مەقسىتى ۋە ئارتۇقچىلىقى شۇنداقلا كەمچىلىكىنى چۈشۈنىشىمىز ئۈچۈن تولىمۇ مۇھىم.

ئالدى بىلەن ئېنگىلىزتىلىدىكى بۇ سۆزلەر توغۇرلۇق بىرمۇ بىر قىسقىچە توختىلىب ئۆتەيلى.

smart كەلىمىسى كۆپ ۋاقىتتا تۇرمۇشىمىزدا ھەممىدىن كۆپ ئۇچرايدىغان بولۇپ، بىز ئادەمنىڭ سۆزىنى چۈشۈنۈب، ئولتۇر دىگەندە ئولتۇرغان، تۇر دىگەندە تۇرغان ئىت مۈشۈك قاتارلىق ھايۋانلارنى ھەم smart يەنى ئەقىللىق دەيمىز.

يەنى smart سۆزى كۆپ ۋاقىتتا بىزدە ھەم ئېنگىلىزتىلىدە دۆت دىگەننىڭ قارشىسىدا كېلىدىغان بولۇپ، نورمال بىر تۇرمۇشتىكى سۆز ۋە مەسىلىلەرنى چۈشىنەلەيدىغان ۋە بېرىلگەن كوماندا، بۇيرۇق، ياكى يېتەكلەش ئارقىلىق بىر ئىشلارنى قىلالايدىغان بولسا بىز ئۇلارنى ئەقىللىق دەيمىز، يەنى بۇ خىل ئەقىل، ئادەمدىمۇ بار، ھايۋاندىمۇ بار.

مەسلەن يۇقىرىدىكى ۋىدىيودا ئىنسانلارنىڭ دوستى بولغان ھايۋانلارنىڭ ئەمىلەيتتە بىزنىڭ سۆزىمىزنى چۈشۈنەلەيدىغان «ئەقىللىق» ھايۋان ئىكەنلىكى بايان قىلىنغان.

يەنە بىر ئوخشىمىغان نۇقتىدىن ئېلىب ئېيتقاندا، بىر ئىشنى قىلالايدىغان، مەيلى ئۇنى يادىلاب شۇ يادىلىغان بويىنچە قىلىب چىقسۇن، ياكى ئۇنى باشقىلاردىن بىراز تېز تۈگىتەلەيدىغان بولسۇن، بىز بۇ خىلدىكى كىشلەرنى ئادەتتە «ئەقىللىق» دەيمىز، يەنى ئەگەر باشلانغۇچتا ئوقىۋاتقان بىر بالا بولسا، بىز ئۇ بالىنى « بۇ ناھايىتى ئەقىللىق (smart) بالىكەن جۇمۇ» بىز ھەرگىزمۇ بۇ ناھيىتى ئەقىللىق (intelligent) بالىكەن دىمەيمىز.

يەنە تۇرمۇشىمىزدە كۆپ ۋاقىتتا ئەقىللىق دىگەن مۇشۇ smart كەلىمىسى بىلەن بەزىدە ئالماشتۇرۇب ئىشلىتىشكە بولىدىغان بىر كەلىمە بار، ئۇ بولسىمۇ «ئەقىللىق» نىڭ ئېنگىلىزتىلىدىكى يەنە بىر ئاتىلىشى بولغان clever سۆزىدۇر. Clever بەزىدە smart نىڭ ئورنىدا ئالماشتۇرۇب ئشلىتىشكە بولسىمۇ، بىراق ئىپادىلىگەن مەنىسى ئەمىىلىيەتتە ئوخشاش ئەمەس، smart بىر ئىشنى قۇبۇل قىلىش ئىقتىدارى ۋە ئۇنىڭ نەتىجىسىگە قارىتىلغان بولسا، clever بىر ئىشنى قىلىشنىڭ جەريانى ۋە ئۇنىڭ مېتودى ۋە ئامالىغا قارىتىلغان.

مەسلەن، بىر باشقىلار ئويلاب تاپالمىغان ئۇسۇل ئارقىلىق بىر ماتىماتىكىلىق مەسىلىنى يېشىب چىقسىڭىز، سىزنى ئەقىللىق يەنى clever دەيمىز، يەنى clever سىزنىڭ مەسىلىنى ھەل قىلىشتىكى چارىڭىزغا، يېڭىلىق ياراتقانلىقىڭىزغا قاراب دىيىلگەن.

ئۇنىڭدىن باشقا، ئەگەر بىر ئوغرى ياكى بىر ئالدامچى دەيلى، باشقىلار ئويلىمىغان ھەرخىل ئۇسۇل ۋە يوللار بىلەن سىزنى ھاڭ تاڭ قالدۇرۇب پۇلىڭىزنى ئېلىب كەتسە، ياكى بانكىنى بۇلاب كەتسە، بىز ئۇلارنى ئەقىللىق يەنى clever دەيمىز.

يەنى بۇ يەردىكى مۇھىم نۇقتا. بىر مەسىلىنى ھەل قىلىشنىڭ يولىدا، ئەگەر سىز ئىجادچان يېڭىلىق يارىتىشچان بولسىڭىز سىز شۇ clever بولغان بولىسىڭىز. ئويلىنىشقا تېگىشلىك نەرسە شۇكى clever ياخشى يامان ئادەم ياكى ئىش دەب ئايرىمايدۇ.

خوش، ئەمدى ناھايىتى مۇھىم بولغان بىر كەلىمە، ئەقىللىق نىڭ يەنە بىر تۈرى بولغان، intelligent دىگەن سۆزگە كەلدۇق. Intelligent يەنى بۇخىل ئەقىللىق ئادەتتە تۇرمۇشتا كۆپ قوللىنىلمايدۇ، قوللىنىلسىمۇ، بىراز ئۇقۇمۇشلۇق، ۋە ئوقىغان زىيالىلار، يۇقىرى سەۋىيەلىك ئوقۇغۇچىلار ۋە مۇتەخەسىسلەرگە قوللىنىلىدۇ، يەنى بىز باشلانغۇچتا ماتىماتىكىدا 100 ئالغان بىر ئوقۇغىچىنى intelligent دەب كەتمەيمىز.

بىرسىگە ئنتىللىجېنت دىمەكلىك، بىراۋنىڭ يېتەرلىك مىقتاردىكى ئوقۇش، ئوقۇغان ئۇچۇر ۋە سانلىق مەلۇماتلارنى چۈشۈنۈش، ۋە چۈشەنگەندىن كىيىن قۇبۇل قىلغانلىرىنى ئويلاش، يەكۈنلەش، رەتلەش، خۇلاسە قىلىش، قائىدىلەش ۋە چىقىرىلغان شۇ قائىدىلەر بويىنچە راتسىئونال ئۇسۇللار ئارقىلىق مەسىلىلارنى ھەل قىلىش، مۆلچەرلەش ۋە ئالدىن مەلۇمات بېرەش قاتارلىق ئىقتىدارىلارنىڭ مۇجەسسەملەنگەنلىكىنى كۆرسىتىدۇ. يەنى ئىنتىللىجىنت بولۇشنىڭ بىرىنجى قەدىمى، كۆپ مىقتاردا ئوقۇش، ئاندىن ئۇلارنى ھەق ناھەق، توغرا خاتا بويىنچە ئايرىش، بىرتەرەب قىلىش، كېرەك بولسا، كېرەكسىز ئۇچۇرلارنى قالدۇرۇب تاشلاش، يەنى بىزدە دىيىلگەن شاكىلىنى تاشلاب مېغىزىنى ئېلىب قېلىش، كىيىنكى قەدىمى بولسا ، بېرىلگەن سانلىق مەلۇمەت ۋە شۇ ۋاقىتتىكى مۇھىت ۋە شارائىتكە قاراب، ماس كېلىدىغان ھەرخىل پەنلاردىكى قانۇنىيەت ۋە قائىدىلەرنى قوللىنىب ، ئەڭ ئاخىردا بولسا مەقسەت مەسىلىنى ھەل قىلىشتۇر .

يەنى ئىنتېللىجىنت دىگەن مەسىلىنى يالغۇز كۆرۈش ئەمەس، ئۇنى سان سىفىر ۋە ئۇچۇرلار ۋە ھەر تۈرلۈك ماتىرياللارنى ئوقۇب، خۇلاسىلاب، ئانالىز قىلىب، بىر ئىلمى يەكۈن ياكى نەتىجە چىقىرىش دىمەكلىكتۇر.

ئۇنداقتا يەنە بىر ئەقىل، wise دىگەنچۇ ؟ ئۇ قايسى مەنادىكى ئەقىلنى كۆرسىتىدۇ ؟ بىز ئادەتتە ھەمما ئېنتىللىجىنت بولغان ئادەملەرنى ۋايىس دىمەيمىز، ۋايىس بولۇشى ئۈچۈن يالغۇز ئانالىز يېتەرلىك ئەمەس، ئادەتتە ۋايىس نۇرغۇن يىللىق تەجىربىسى بولغان، يېشى چوڭ بولغان ئاقساقاللارغا كۆرسىتىلىدۇ. بەزىدە ئۇلار كۆپ بىلىم ئالمىغان بولىشى مۇمكىن، بىراق ئۇلار بىر بىلىم ئالغان ئالى مەلۇمەتلىق ئىنتىللىجىنت كىشىنىڭ چىقارغان يەكۈنىگە ئۆزىنىڭ نۇرغۇن يىللىق تەجىربىسى ئارقىلىق ، يالغۇزلا سان سىفىر ۋە مەلۇماتقا قاراب ئەمەس، كىشلىك مۇناسىۋەت، سىياسەت ۋە شۇ ۋاقىتنىڭ تەلىبى بويىنچە قارار چىقىرالايدىغان بىلىم-تەجىربە خەزىنىسى بولىشى كېرەك. يەنى بىر ئەقىللىق ئادەم ( ئىنتېللىجىنت)، بىر سۇئالنىڭ توغرا جاۋابىنى بىلىش مۇمكىن ، ئەمما بىر ئاقىل ( دانا ئادەم، ۋايس ئادەم) بولسا، سۇئالنىڭ جاۋابى توغرا بولسىمۇ، ئاغزىنى ئاچماي تىنىچلىقنى ساقلاشنىڭ كېرەكلىكىنى تونۇب يېتەلىگەن بولىشى مۇمكىن.

بىرىللىيەنت دىگەنچۇ دىگەندە، ئەگەر بىر ئادەم مەلۇم بىر ساھەدە ، مەيلى تۇغۇلغان تالانت بولسۇن ياكى كىيىن ئۈگۈنۈب يېتىلدۈرۈلگەن تالانت بولسۇن، شۇ ساھەدە ياكى شۇ مەسىلدەئۈزۈب چىققان ئادەمگە كۆرسىتىلىدۇ، يەنى بىز شۇ ئىنتېللىجىنتلارنىڭ ئىچىدىكى ناھايىتى بىر ئاز قىسىم ،ئاز ساز كىشلەرنى بىرىللىيەنت دەيمىز، ئادەتتە بىرىللىيەنت بولغان كىشلەر ھەم ئىجادچان كېلىدۇ.

سۈنئىي ئەقىل دىگەن نىمە ؟

بىز سۈنئىي دىگەن نىمە، ۋە ئەقىل دىگەن نىمە توغۇرلۇق توختۇلۇب، ئۇلارنىڭ مەناسىنى چوڭقۇر چۈشۈنۈب يەتكەندىن كىيىن، ئەمدى سۈننىي ئەقىل دىگەن نىمە دىگەن سۇئالغا ئ‍ەلۋەتتە ھەممەيلەن ئېنىق بىر جاۋاب تاپالايمىز.

قىسقىسى سۈنئى ئەقىل دىگىنىمىز ئادەملەر ياراتقان، ئادەملەرگە ئوخشاش، ئوقۇيالايدىغان، ئانالىز قىلالايدىغان، تونۇيالايدىغان، سان سىفىر ۋە بېرىلگەن ئۇچۇر مەلۇماتلار ئاساسىدا ئىلمى قارار ۋە يەكۈن ياكى نەتىجە بېرەلەيدىغان ماسلىشىشچان پىروگرامما، سېستىما ياكى ماشىنىنى كۆرسىتىدۇ، يەنى خۇددى ئادەم بولمىسىمۇ، ئادەملەرنىڭ ئىچىدىكى ئىنتېللىجىنت يەنى ئەقىللىق دەب ئاتالغان شۇ خىل ئادەملەرنىڭ خۇسۇسىيىتى ۋە قابىلىيتىگە ئىگە بولغان، سېستىما، پىروگرامما ۋەياكى ماشىنا.

ئەلۋەتتە سۈننى ئەقىلنىڭ ئوخشىمىغان يەرلىدە ئوخشىمىغان مەنادا ۋە ئوخشىمىغان بىر ئېنىقلىمىدا كېلىشى مۇمكىن، ئۇنىڭدىن باشقا خەلقارادىمۇ بۇنىڭ بىر ئېنىق چۈشەندۈرىلىشى يوق بولغان ئۇقۇم، يەنى مەلۇم نۇقتىدىن ئېيتقاندا، سۈننى ئەقىل، بىر تېخنىكا، ياكى بىر مېتود ياكى بىر مودىلنىڭ ئىسمى بولمىاستىن، بۇرۇنقى ۋاقىتالاردا بولسا ئىنسانلارنىڭ ئەقلىگە نەقىل قىلىب تۇرۇب ئويلىغان ئارزۇلۇق بىر يەتمەكچى بولغان نىشاننىڭ ئابىستراكتلىق بىر ئىسمى ۋە ئۇقۇمى. يەنى تەبىي ئەقىل ( ئىنسان ئەقلى) دىن باشقا بولغان سۇننى ئەقىلنىڭ خاسىيىتنى، ماھىيىتى ۋە خۇسۇسىيتىگە ئىگە بولغان نۇرغۇن نەرسىلەرنى سۈننى ئەقىل دەب ئاتىيالايمىز، شۇڭا ھازىر قارايدىغان بولسان، ھەممىلا نەرسە سۈننى ئەقىل. ئۇنىڭدىن باشقا سۈننى ئەقىل دىگەن بۇ سۆزنى نۇرغۇن شىركەت ۋە ئورۇنلار قانداقتۇر ئۆزىنىڭ شۇ چىقارغان مەھسۇلاتىنىڭ ئىلغار ئىكەنلىكىنى بىلدۈرۈب ئېلان قىلىش ئۈچۈن ماركىتىىڭ مەقسىتىدە قوللىنىلىدىغان بىر «ئاقسا» سۆزلەرنىڭ بىرسى.

2- بۆلۈم : سۈننى ئەقىلنىڭ قىسقىچە تارىخى

دارتمۇت سۈننى ئەقىل تەتقىقات پىروجەسى

1956 يىلى 18-ئىيۇلدىن 17-ئاۋغۇستقىچە ئېچىلغان دارتمۇت سۈننى ئەقىل يازلىق تەتقىقات تۈرى نۇرغۇن كىشىلەر تەرىپىدىن سۈننى ئەقىل تۇغۇلغان يەر دەب قارالماقتا. جون مەككارتىي، مارۋىن مىنسكىي، كلاۋدە شاننون يەنە نەسىنىيال روچېستىر قاتارلىقلار تەرىپىدىن ئۇيۇمداشتۇرۇلغان بۇ يىغىنغا دۇنيانىڭ ھەر قايسى يەرلىرىدىكى مەشھۇر كومپىيوتىر ۋە ئۇچۇر ئىلمى ئالىملىرى،ماتىماتىك، فىزىكشۇناسلار ۋە ئېنجىنىرلار، تەتقىقاتچىلىرى يەنە شۇنىڭدەك مېڭە ۋە تونۇش (cognition) ئىلمى تەتقىقاتچىلىرى قاتناشقان.

1950 يىللىرىدىكى ۋاقىتلاردا كومپىيوتىر ۋە ئۇچۇر ئىلمى تېخى مۇكەممەل شەكىللەنمىگەن، گىگانىت ۋە ناھايىتى ئاستا ھېسابلىغۇچى ماشىنىلار ياكى كومپىيوتىرلارنىڭ بوۋاق دەۋرى ئىدى. مەسلەن 1945 يىلى ياسالىب تاماملانغان ئېنىياك ENIAC ماشىنىسى بولسا دۇنيادىكى بىرىنجى ئ‍لىكتىرونىڭ، پىروگراممىلىنىشچان، ئاممىۋى سىفىرلىق كومپىيوتىر ھېسابلىنىدىغان بولۇپ، كومپىيوتىرنىڭ ئەڭ باشقى لاھىيەلىگۈچىلەردىن بىرى بولسا بىز يۇقىرىدا دەب ئۆتكەن جون مەككارتىي ئىدى. بۇ ماشىنا ئەينى ۋاقىتتا ھەربىي سانائەت ۋە ھەربى سانايى ھېسابلاش تۈرلىرى ئۈچۈن پىلانلانغان ۋە قوللىنىلغان بۇلۇپ، باشقىلار تەرىپىدىن «گىگانىت مېڭە» دەب ئىسىم قويۇلغان.

گەرچە ئۇ ۋاقىتتىكى كومپىيوتىرلارنىڭ ھېسابلاش سۈرئىتى، قوللىنىش دائىرىسى ۋە ئېنىرىگە تېجەمچانلىقى قاتارلىق تەرەپلەردە نۇرغۇن چەكلىمىلەر بولسىمۇ، جون مەككارسىي ، مارۋىن مىنسىكىي قاتارلىق يىراقنى كۆرەر كىشىلەر «كەلگۈسىدە ماشىنىلار ئىنسانلارغا ئوخشاش ئويلىنالايدىغان ۋە ئىنسانلارنى تەقلىد قىلالايدىغان بولىدۇ» دىگەن كۆز قاراشنى ئوتتۇرىغا قويغان ۋە ئۇنىڭغا چوڭقۇر ئىشەنگەن.

Trenchard More, John McCarthy, Marvin Minsky, Oliver Selfridge, Ray Solomonoff

ھەممىمىزگە تونۇش بولغان AlphaGO يەنە GPT قاتارلىقلارنىڭ ھەممىسى، دەل مۇشۇ 1956 يىلىدىكى دارتمۇت يىغىنىنىڭ ئۇلى ئاساسىدا بارلىققا كەلگەن.

سۈننى ئەقىلنىڭ دەسلەپكى ئۇقۇمىدىكى مۇھىم بولغان بىر سۇئال ۋە ۋەزىپە «قانداق قىلىب توختىماي ئۈگىنەلەيدىغان ۋە ئىنسانلارنىڭ ئەقلىنى تەقلىد قىلالايدىغان ماشىنا ياساب چىقىشقا بولىدۇ» ئىدى. بۇ سۇئال ئوتتۇرىغا قويۇلغاندىن كىيىن، نۇرغۇن تەتقىقاتچىلار سۈننى ئەقىل ۋە شۇنىڭغا مۇناسىۋەتلىك كونكىرت مەسىلىلەر ئۈستىدە تەتقىقات ئېلىب بېرىشقا ۋە ئىزدىنىشكە باشلىدى.

سۈننى ئەقىل، يەنى قىسقىچە قىلىب ئېيتقاندا (ئادەم تەرىپىدىن) ياسالغان ئەقىل ، ئۇنىڭ مۇھىم بىر تەركىبى بولسا ئەقىل. ماتىماتىكا ۋە فىزىكا ئوقۇغانلار ياخشى بىلىدۇ، بىز مەلۇم بىر ئوبىيكتنى تەتقىق قىلىشتىن بۇرۇن ئالدى بىلەن تەتقىق قىلماقچى بولغان ئوبىيكتى كۈزىتىمىز، ئانالىز قىلىمىز، ئۆلچەيمىز ۋە ھېسابلايمىز، بۇلارنىڭ ئاساسىدا ئۇنىڭغا بىر ئېنىقلىما بېرىمىز، ماتىماتىكىلىك فورمىلاسىنى يېزىب چىقىرىمىز، ئۇنىڭغا كېرەك بولغان ئۆزگەرگۈچى مىقتارلارنى ئۈگىنىمىز ۋاھاكازالار.

يەنى مۇشۇ لوگىكا بويىنچە ئالىملارنىڭ ئېلىب بارغان تەتقىقاتلىرىمۇ شۇنىڭ ئاساسىدا بولغان. مەسلەن ئالىملار ئالدى بىلەن سۈننى ئەقىلدىكى، ئەقىل دىگەن كەلىمىنى ياخشى چۈشەنمەك ئۈچۈن تەتقىق قىلغان. «ئەقىل دىگەن نىمە؟» دىگەن سۇئالنى سوراشقا توغرا كېلىدۇ دەل بۇ ۋاقىتتا. بىز ماشىنا ئەقلىنى چۈشەنمەكچى، ئەمما بىز تېخى ماشىنا ئەقلىنىڭ قانداق بولىدىغانلىقىنى بىلمەيمىز، شۇڭا تەتقىقاتچىلار ئادەتتە قوللىنىغان مېتود بولسا سېلىشتۇرۇش، يەنى بىز ئەقلى بار بولغان بىر جىسىم ( بۇ يەردە ئىنسانلار) نىڭ ئەقلىنى تونۇش، تەتقىق قىلىش ۋە ئۇنى تەقلىد قىلىش ئارقىلىق بەلكىم ئەقىل دىگەن نىمە، ئۇ قانداق ھاسىل بولغان، ئۇ قانداق شەكىللەنگەن ۋە تەرەققى قىلغان دىگەن سۇئاللارغا جاۋاب ئالالىشىمىز مۇمكىن.

ئەقىلنىڭ ئېنىقلىمىىسى ھەر قايسى پەنلەردە ھەرخىل، بىراق بىز بۈگۈنكى مەزمۇنغا مۇۋاپىق كېلىدىغان بىر ئېنىقلىمىنى ئېلىب ئېيتساق، ئەقىلنىڭ ماھىيىتى بولسا «ئەتراپتىكى ئۇچۇرلارنى يىغىب ئېلىش،تونۇش، ئانالىز قىلىش، ئۈگۈنۈش، ئوخشىمىغان مۇھىت ياكى تەلەب بويىنچە ئوخشىمىغان ئىنكاس قايتۇرۇشتىن ئىبارەت».

يەنى ئالىملارنىڭ بايقىشىچە سىزنىڭ ئۆيىڭىزدىكى ئەرمەك ھايۋانلار ئۇزاق مۇددەتتە سىز بىلەن بىرگە ئۆمۈر كەچۈرۈش جەريانىدا :

1. سىز بىلەن خوشنىڭىز ئالىمجاننى پەرقلەندۈرەلەيدۇ ( ئايرىيالايدۇ) يەنى : classification
2. سىزنىڭ خۇي پەيلىڭىزنى، ئىشارىتىڭىزنى ۋە سۆزلىرىڭىزنى ئۈگۈنىۋالايدۇ يەنى learning
3. سىزنىڭ ئوخشاش بولمىغان بۇيرىقىڭىزغا، مەسلەن تۇر دىسىڭىز تۇرۇب، ئولتۇر دىسىڭىز ئولتۇرۇب ئىنكاس قايتۇرالايدۇ يەنى output

….

ۋە بۇنىڭغا سېلىشتۇرۇب كۆرسەك:

تەڭرىتاغدىكى تاشلار نەچچە مىڭ ھەتتا يۈزمىڭ يىللار بولغان بولىشى مۇمكىن، ئالىمغا كۈلۈمسىرەب، زالىمغا يىغلاب يۈرمەيدۇ، بۇيرۇقىڭىز ياكى تەلىبىڭىزگە ئىنكاس قايتۇرمايدۇ (ئالى بابا ۋە 40 قاراقچى ھېكايىلىرىدە ئاچ دىسە ئېچىلىدىغان قوۋۇقلار رىۋايەت، ماۋەدە پەننى سۆزلەۋاتىمىز جۇما..) …

ئەقىلنى تېخىمۇ قىسقارتىب ئېيتقاندا بەلكىم، ئۈگۈنۈش، ئەھۋالغا قاراب ئىش تۇتۇش دىگەندەك بىر جۈملىگە قىسقارتقىلى بولىشى مۇمكىن. ئەلۋەتتە، بۇ مېنىڭ قىسقاتىب بەرگەن ئېنىقلىمام بولۇپ، بىر كۈنى ئۇنى ئازاتنىڭ ئەقىلگە بەرگەن ئېنىقلىمىسى بويىنچە دەب نەقىل قىلىب ئىشلىتىشىڭىزگە تامامەن بولىدۇ.

مەن نىمە ئۈچۈن ئەقىلنى ئۈگۈنۈش، ئەھۋالغا قاراب ئىش تۇتۇش دەب ئېنىقلىما بەردىم ؟

بۇ سۇئالغا جاۋاب بېرىش ئۈچۈن سۈننى ئەقىل ياكى تەبى ئەقىلنىڭ ماھىيىتىنى چوڭقۇر چۈشۈنۈشكە توغرا كېلىدۇ. يەنى بۇ يەردە ئەلۋالغا قاراب ماتىماتىكىق ئېنىقلىما بويىنچە كىرگۈزگۈچى مىقتارلارنى يەنى inputs نى كۆرسەتسە، ئىش تۇتۇش بولسا، ئىنكاسنى ، يەنى ماتىماتىكىق قىلىب ئېيتقاندا outputs نى كۆرسىتىدۇ. ئەلۋالغا قاراب ئىش تۇتۇش ئۈچۈن ئوتتۇرىدا كېرەك بولغان بارلىق ھەرىكەت ۋە ئويلۇنۇش ئەمىلىيەتتە مېىڭىنىڭ ئۈگۈنۈش ۋە ئىنكاس جەريانىدۇر، يەنى ماتىماتىكىلىق ئۇقۇم بويىچە بىز ئۇ جەرياننى black box دەب ئېلىشىمىزغا بولىدۇ ( ئالگورىتىم دەمسىز، پىروسەس دەمسىز، ئىشقىلىب ئۆزىڭىز بىلىڭ)

مەسلەن سۈننى ئەقىلنىڭ بىر قوللىنىشى بولغان يۈزنى تونۇش تېخنىكىسىنى دەب ئالايلى،

ۋەياكى ئ‍ۆزى-ھەيدەشچان ماشىنا تېخنىكىسى (self-driving) بولسۇن، بۇلارنىڭ ھەممىسى يۇقىرقى فورمۇلاسىمىزغا كېلىدۇ،

يەنى بىز دەسلەبدە كۆرسەتكەن بۇ سۈرەتمۇ ھەم شۇنداق،

يەنى كىرگۈزگۈچى مىقتار بىر قارا ساندۇق ( فۇنكىسىيە ياكى فۇنكىسىيەلەر زەنجىرى) دىن ئۆتكەندىن كىيىن چىقارغۇچى مىقتار(لار) نى ھاسىل قىلىدىغان بىر جەرياندۇر. بۇ يەردىكى قارا ساندۇقنى، ھازىرچە فۇنكىسىيە دەب چۈشۈنۈب تۇرسىڭىز تامامەن بولىدۇ.

فۇنكىسىيە توغۇرلۇق توماس گەررىتى نىڭ بۇ ۋىدىيوسىنى نەقىل قىلىشنى توغرا كۆردۈم،

ئەمدى سۇئالىمىزغا قايتىب كېلەيلى، يۇقىرىدا كۆرسىتىلگەندەك، سۈننى ئەقىلگە ئۈچ نەرسە كېرەك، كىرگۈزگۈچى، قارا ساندۇق ( ياكى قارا قۇتا؟ ) ۋە چىقارغۇچى. ئالىملارنىڭ بۇلار توغرىسىدىكى تەتقىقاتلىرى ۋە ئىزدىنىشلىرى نۇرغۇنلىغان يېڭى ۋە قىزىقارلىق مەسىلىلەرنى ۋە تەتقىقاتلارنى بارلىققا كەلتۈرگەن.

قانداق قىلغاندا «ئەقىللىق» بىر قارا ساندۇق ياساب چىققىلى بولىدۇ؟

بۇ يەردىكى مۇھىم بىر مەسىلە ۋە يادرولۇق مەسىلە دەل ئوتتۇرىدا تۇرغان قارا ساندۇققا، يەنى قانداق قىلىب شۇ قارا ساندۇقنى ياساب چىقىشقا مەركەزلەشكەن.

سۇئال، ئەگەر يۇقىرىدىكى سۇئال سىزنىڭ ئالدىڭىزغا تاشلانغان بولسا، سىز بۇ مەسىلىنى قانداق ھەل قىلغان بولىتڭىز؟

لوگىكىلىق AI - Symbolic AI

سىموۋۇللۇق AI, بەزىدە لوگىكا ئاساسىدىكى سۈننى ئەقىل، ياكى لوگىكىلىق سۈننى ئەقىل دەب ئاتىلىدىغان بولۇپ، سانلىق سىفىرلاغا قاراب ئەمەس بەلكى ئوبىيكتلەرنى سىمۇۋۇللۇق بەلگە ياكى ئۇقۇملارغا ئايلاندۇرۇب، ئۇلارنىڭ ئوتتۇرىسىدىكى باغلىنىش ۋە ئوخشاش ئوخشىماسلىقلار ئاساسىدا لوگىكىلىق سېلىشتۇرۇش ۋە ھېسابلاش ئارقىلىق ھەر تۈرلۈك مەسىلىلەرنى بىر تەرەب قىلىش ۋە كونتىرول قىلىشنى ئاساس قىلغان سۈننى ئەقىلنىڭ بىر تارماق ساھەسى.

سىموۋۇللۇق AI ئىنسانلارنىڭ ئەڭ دەسلىبىدە يۇقىرىدا دىيىلگەن قارا ساندۇقنى ياساب چىقىرىش ئۈچۈن ئېلىب بارغان تەتقىقاتى ۋە تىرىشچانلىقىنىڭ مەھسۇلاتىدۇر. ئالىملارنىڭ بۇخىلدىكى ئۇسۇلدا قوللانغان ئاساسى تولىمۇ ئاددى، يەنى ئىنسانلارنىڭ ئەقلى ئىنسانلار ئىگىلىگەن ھەق ( توغرا) ۋە ناھەق (خاتا) بىلىملەرنىڭ توپلىمىسى ( يەنى بىلىم بازىسى) ئاساسىدا قۇرۇلغان، ئىنسانلارنىڭ ئىشلارغا ھۆكۈم قىلىش دەل كۆزىتىلگەن ئىشلارغا بىلىم بازىسىدىكى بىلىم بويىنچە لوگىكىلىق ھېسابلاش ( پىروگرامما تىلىدا بەزىدە Boolean دەب ئېيتىلىدۇ) دىن ئىبارەت دەب قارىغان.

مەسلەن ئىنسانلار كۆزىتىش ئارقىلىق، تۆۋەندىكى بىر بىلىم بازىسىنى قۇرۇب چىقتى دەب تۇرايلى:

ئۆسۈش مۇھىتى	شەكلى	رەڭگى	ئىسمى
تۇپراق ئاستىدا	ئۇزۇنچاق	سېرىق، ياكى قىزىل	سەۋزە
تۇپراق ئاستىدا	يۇمىلاق	ئاق	چامغۇر
تۇپراق ئۈستىدە	يۇمىلاق	قىزىل	پەمىدۇر
تۇپراق ئۈستىدە	ئۇزۇنچاق ياكى يۇمىلاق	قارا	چەيزە
تۇپراق ئاستىدا	يۇمىلاق	ئاق ياكى سېرىق	پىياز

يەنە بىز ھېچقايسى كۆكتاتنى بۇرۇن كۆرمىگەن بىرى بار، ئۇنىڭ ئىسمى ئەخمەت (ياكى ماشىنا) دەب تۇرساق، ئالىملارنىڭ بۇ خىل ئۇسۇلى بويىنچە ئەمىلىيەتتە بىز ئەخمەتكە ياكى ماشىنىغا كۆكتات تونۇش دىگەن قارا ساندۇقنى تامامەن ئۈگىتەلىشىمىز مۇمكىن، يەنى بۇ يەردە ئەخمەت كىرگۈزگۈچى مىقتارنى، بىلىم بازىسىدىكى ئۇچۇرلار ياكى خۇسۇسىيەتلىرى بويىنچە سېلىشتۇرۇب، ئاددى لوگىكىلىق ھېسابلاش ئېلىب بارسا بولدى،

مەسلەن:

رەسىمدىكى بۇ سىمبول (نەرسە) نىڭ خۇسۇسىيەتلىرى: ئۇزۇنچاق، قارا ( ئەلۋەتتە قارا ئەمەس بىراق ئاددىيلاشتۇرۇش ئۈچۈن قارا دەپ تۇرسىلىرى خاپا بولماي)، تۇپراق ئۈستىدە ئۆسىدۇ،

شۇڭا تۆۋەندىكىلەرنى ئىشلەشكە بولىدۇ: (بۇ يەردىكى ئېكس بولسا يۇقىرىدىكى سۈرەتتىكى سىمبول)

ئەگەر مەلۇم بىر خۇسۇسىيەت ھەق بولسا 1 ناھەق بولسا 0 بېرىمىز.

ۋە لوگىكىلىق ھېسابلاش قائىدىسى بويىنچە ( تۆۋەندىكىدە كۆرسىتىلگەن) بىز ئىگرىكنىڭ قىممىتىنى ھېسابلاب چىقىرىمىز، (ئىگرىك 1 دىمەكلىك بېرىلگەن سىمبول شۇ نەرسىگە تەۋە)

x	y	x and y
false	false	false
false	true	false
true	false	false
true	true	true

x	y	x or y
false	false	false
false	true	true
true	false	true
true	true	true

x	not x
false	true
true	false

y	لوگىكىلىق ھېسابلاش	ئۆسۈش مۇھىتى	شەكلى	رەڭگى	ئىسمى	x
0	0 & 1 & 0	(0) تۇپراق ئاستىدا	(1) ئۇزۇنچاق	(0) سېرىق، ياكى قىزىل	سەۋزە
0	0 & 0 & 0	(0) تۇپراق ئاستىدا	(0) يۇمىلاق	(0) ئاق	چامغۇر
0	0 & 1 & 0	(1) تۇپراق ئۈستىدە	(0) يۇمىلاق	(0) قىزىل	پەمىدۇر
1	1 & 1 & 1	(1) تۇپراق ئۈستىدە	(1) ئۇزۇنچاق ياكى يۇمىلاق	(1) قارا	چەيزە
….	…	(0) تۇپراق ئاستىدا	يۇمىلاق	(0) ئاق ياكى سېرىق	پىياز

ئەلۋەتتە، بىز بۇ يەردە مىسالغا ئالغىنىمىز تولىمۇ ئاددى بىر ئۈلگە. بىز بۇ مىسالغا قارايدىغان بولساق سىمۇۋۇللۇق سۈننى ئەقىلنىڭ ئاساسلىق ماھىيىتى بولسا جىسىم ۋە ئوبىيكتلەرنى سىموۋۇل ئارقىلىق بەلگىلەش، ۋە ئۇلارنىڭ بىر بىرى بىلەن بولغان مۇناسىۋىتىنى ۋە ئۇلارنىڭ خۇسۇسىيەتلىرىدىن بىر بىلىم بازىسى قۇرۇش، ۋە شۇ بازا ئاساسىدىكى ياكى بېرىلگەن قىممەت ئاساسىدىكى لوگىكىلىق مەشخۇلاتلاردىن ئىبارەت.

بۇرۇنقى ۋاقىتتا ئالىملار مۇشۇ خىل ئۇسۇل بىلەن نۇرغۇن مەسىلىلەرنى ھەل قىلغان، ئەلۋەتتە ھەل قىلىدىغان مەسىلە مۇرەككەپلەشكەنسىرى، بۇ يەردىكى لوگىكىلىق ھېسابلاش ۋە سومۇۋۇللارمۇ مۇرەككەپلىشىدە، بىراق بۇخىل ئۇسۇلدا ھازىرقى زاماندىكى سۈننى ئەقىل مەشخۇلاتلىرىدەك سان سىفىرلىق ھېسابلاش بولمىغانلىقى ئۈچۈن تولىمۇ ئاددى كۆرىنىدۇ. بۇ تېخنىكا ھازىرمۇ بىر قىسىم ساھەلەردە داۋاملىق قوللىنىلىۋاتقان بولسىمۇ، كۆپىنچە ۋاقىتتا بىز سان سىىفىرلىق ھېسابلاش ئاساسىدا چىقارغان سۈننى ئەقىلگە سېلىشتۇرۇب تۇرۇب، بۇ خىلدىكى سۈننى ئەقىلنىڭ قارا ساندۇقىنى ياساب چېقىرىش ئىدىيەسىنى «كىلاسسىك سۈننى ئەقىل» دەپمۇ ئاتايمىز.

بۇ خىل سېستىمىنىڭ ھازىرقى ۋە ياكى بۇرۇنقى ھەممىدىن بەك داڭلىق بولغان نەتىجىىلىرىدىن بىرى بولسا ، بۇرۇن ناھايىتى كۆپ قوللىنىلغان «مۇتەخەسىس سېستىمىسى»، يەنى ئىنسانلار دىكى مۇتەخەسىسسلەرنىڭ نۇرغۇن يىللىق تەجىربىسىنى يىغىنچاقلاب، ئۇلارنى سىموۋۇللاشتۇرۇب ۋە لوگىلكىلىق بازا قۇرۇب، قائىدە ۋە تەرتىب ئاساسدا قۇرۇلغان، مەسلەن، دوختۇرخانىلاردىكى ئەقلى دىئاگنوز قۇيۇش سېستىمىسى، ئەقلى ھاۋارايىدىن ئالدىن مەلۇمات بېرىش سېستىمىسى، بىر قىسىم فىنانس ۋە ماتىماتىكا پەنلىرىدە قوللىنىلىۋاتقان نەقىش تونۇش تېخنىكىسى قاتارلىقلاردۇر.

مەسلەن:

ئەگەر بىماردا باش ئاغرىقى، قىزىتما، يۆتەل بولسا -> ئۇنداقتا زۇكام،

ئەگەر يېشى كىچىك، تېنى بەك ئورۇق، قاندىكى قەنت مىقتارى نورمىدىن يۇقىرى بولسا -> I تىپلىق دىيابىت كېسىلى …

دىگەندەك، بۇخىل ئەقىل بولسا بىراز ئالدىنقىلارنىڭ مۆرىسىدە تۇرۇش، ياكى باشقا مۇتەخەسىسلەرنىڭ بىلىمىدىن پايدىلىنىب ئىش كۆرۈش دىگەنگە ئوخشايدۇ، يەنى مۇھىم بولىغىنى مۇتەخەسىسلەر بىر نەرسىگە ھۆكۈم قىلغاندا كېرەك بولغان قائىدىلەرنى ۋە ئۇلارنىڭ خۇسۇسىيىتىنى يېزىب قالدۇرۇب كىيىن شۇلار بويىنچە لوگىكىلىق مەشخۇلات قىلىب يېڭى كەلداخۇن ياكى بىر ماشىنىغا «مۇتەخەسىسنىڭ» ئەقلىنى بېرەلىشىمىز تامامەن مۇمكىن، مانا بۇ يۇقىرىدا دىيىلگەن قارا ساندۇقنى ياساب چىقىشنىڭ بىر دەسلەبكى يولى ئىدى.

بۇ سېستىما مېدىتسىنا ۋە فىنانس ساھەلەرىدە نۇرغۇن قوللىنىشچان ئەمەلى تەجىربىدىن ئۆتكەن ۋە نۇرغۇن مۇۋاپپىقەتلەرنى قازانغان. بىراق ۋاقىتنىڭ ئۆتىشىگە ئەگىشىب، نۇرغۇنلىغان مەسىلىلەر ھەم كېلىب چىقتى، مەسلەن ھەممىدىن مۇھىم بولغىنى، يۇقىرىدىكى قائىدە ۋە خۇسۇسىيەتنىڭ كۆپ ۋاقىتتا ئېنىق بىر ئېنىقلىمىسى يوق، كىشنىڭ بىلىمى ۋە ئالغان مائارىپى، ئادىتى، مەدەنىيتى دىگەندەك نۇرغۇن سەۋەبلار تۈپەيلى ئوخشاش بولمىغان نەرسىنى ھەرخىل سىموۋۇللاشتۇرش مۇمكىن، يەنە بەزىدە خۇسۇسىيىتىنى ئېلىب ئ‍يتساق، مەن قارا دىگەننى ئەمەت يېشىل دىيىشى مۇمكىن دىگەندەك، يەنە بىر مۇھىم نۇقتا، بۇ سېستىما ئالەمنى ئاددى بولغان سىموۋۇل ۋە قائىدە شۇنىڭدەك لوگىكىلىق مەشخۇلات بىلەنلا تەرھىيلەشنى مەقسەت قىلغان بولغاچ، ئەمما ئالەم بىز ئويلىغاندەك ئاددى بولمىغاچ، بەزىدە مەلۇم بىر نەرسىنى لوگىكىلىق يېزىب چىقىش ياكى تولىغى بىلەن خۇسۇسىيەتلىرىنى بايقاب چىقىش ياكى كۆزىتىش ئەسلا مۇمكىن بولمىغانلىقتىن، بۇ سېستىمىنىڭ كەمچىلىكلىرى بارغانسرى چوڭىيىب باشلاشقا باشلىغان.

ئۇنىڭدىن باشقا، مەسلەن ئالايلى، بەزىدە ھەر تۈرلۈك سەۋەبلار تۈپەيلى، ئوخشاش بىر بىمارنىڭ ھەر تۈرلۈك ئالامەتلىرىگە قاراب ئىككى ئوخشىمىغان مۇتەخەسىس ئىككى خخل ئوخشىمىغان دىياگنوز قويىشى مۇمكىن، يەنى، بۇنداق ۋاقىتتا ماشىنا زادى قايسى مۇتەخەسىسنى ئۈگۈنىشى كېرەك ؟

بۇ سېستىمىنىڭ يەنە بىر كەمچىلىكى بولسا، ئۇ پۈتۈنلەي ئىنسانلار ھازىر بايقىغان ۋە بىلىدىغان بىلىم بانكىسى ئاساسىدىا ياكى بىلىم كورپۇسى ئاساسىدا بايقىغان. دىمەك ئۇنىڭ قابىلىيتى ئەڭ يۇقىرى بولغاندىمۇ دەل شۇ ئىنسانلارنىڭ ئەقلى بىلەن ياكى مۇتەخەسىسلەرنىڭ ئەقلى قابىلىيتى بىلەن باراۋەر، بىراق ئىنسانلارنىڭ ئېرىشمەكچى بولغىنى بولسا، بىر ئىنسانلارنىڭ ئەقلىدىنمۇ ئېشىب چۈشەلەيدىغان بىر سۈنى ئەقىل.

سۇئال : سيمبوللۇق ئۈگۈنۈش بويىنچە، لەغمەن ياساش ئۈچۈن قانداق ئويلىنىمىز ؟ (ئەگەر ئۇنداقتا ..)

شەرتلىك رېفلېكىس سېستىمىسى - ماشىنا ئۈگۈنۈش

يۇقىرىدا دىگەندەك ئالىملار ئالدىنقى ئەسىرنىڭ 70 يىللىرى مابەينىدە يېڭىچە بىر سۈننى ئەقىلنىڭ قارا ساندۇقىنى ياساب چىقىش ئۇسۇلىنى ئوتتۇرىغا قويدى. بۇ سۈننى ئەقىل ئېقىمىنىڭ ئاساسلىق ئىدىيەسى بولسا مەشىقلەندۈرۈش، يەنى ئەڭ دەسلىبىدە سېلىشتۇرىدىغان ياكى ھېسابلايدىغان لوگىكىلىق جەدىۋەل كېرەك ئەمەس بولۇپ، ئاستا ئاستا ئۆز ئۆزىنى تۈزۈتۈش ئاساسىدا ، رىغبەتلەندۈرۈش ۋە جازالاش قاتارلىق شەرلەر بىلەن كېرەك بولغان ئىنكاسقا ئېرىشكۈچە ئۈگۈنۈشتىن ئىبارەت. يەنى ئەگەر بىز ئالدىنقى سۈننى ئەقىل ئېقىمىنى «مۇتەخەسىسلەرنىڭ دىگىنىنى قىل» ئېقىمى دەب ئاتىساق، ماۋۇ ئېقىمنى ئالىملار قويغان ئىسمىدىكى «ماشىنا ئۈگۈنۈش» تىن باشقا يەنە «بىلمەسلىك يامان ئەمەس، ئۈگەنمەسلىك، ئىزدەنمەسلىك ۋە ئوقۇماسلىق يامان» ئېقىمى دەب ئات قويساق بولىدۇ مەنچە … ( خاپا بولماڭلار، مەن مۇشۇ يېقىندا كۆپ ئىسىم قويۇپ قويدۇم، خالىساڭلار مانى ئازاتنامىگە يېزىب قالدۇرۇڭلار)

بۇنىڭ ئاساسلىق ئىدىيولىگەلىك يىلتىزى ھەم تولىمۇ ئاسان، بۇ خۇددى بىر ئىتقا تىل ئۈگەتكەنگە ئوخشايدۇ:

ئالدى بىلەن ئىتقا «ئولتۇر» دەب قايتىلايسىز، ئۇ دەسلىبىدە بۇنىڭ نىمە مەنىسى بارلىقىنى بىلمەسلىكى مۇمكىن، شۇڭا خاتا ئىنكاس قايتۇرىشى تۇرغانلا گەب، بىراق توغرا ئىنكاس قايتۇرۇب ئولتاسىچۇ ؟ گۆش بېرىسىز گۆش! ( سۆڭەك بەرسىڭىزمۇ ئىختىيارىڭىز، مەخسەت ئىتنى مۇكاپاتلاش ئارقىلىق رىغبەتلەندۈرۈش) ئەگەر خاتا قىلسىچۇ ؟ شاپىلاق ھازىر ( يەنە خاتا بولغان ئىنكاسنى جازالايمىز)

يەنى مۇشۇنىڭدەك مەلۇم بىر شەرتلىق بۇيرۇق ئارقىلىق ئىتىڭىزنى مەشىقلاندۈرۈب ئۇنى مەلۇم بىر بۇيرۇققا توغرا بولغان ئىنكاس قايتۇرالايدىغان ھالەتكە كەلتۈرەلەيسىز، بىز بۇ جەريانغا ئىت ئۈگۈنۈش دەب ئىسىم بەرسەك تامامەن بولىدۇ. ئ‍ەگەر ئىتىڭىزنىڭ ئورنىدا بىر كومپىيوتىر (ماشىنا) بولسىچۇ ؟ ئەلۋەتتە جەريانى ھەم شۇنداق، بۇ خۇددى شەرتلىك رېفلىكىس (Conditional Reflex) گە ئوخشاش بولۇپ، ئالىملار بۇخىلدىكى قارا ساندۇق ياساش ئۇسۇلىغا «ماشىنا ئۈگۈنۈش» دەب ئىسىم بەرگەن. نىمە دىگەن ئاددى، چۈشۈنۈشلىك ئىسىم ھە!

ماشىنا ئۈگۈنۈشنىڭ بىر ناھايىتى ياخشى بولغان ئالاھىدىلىكى شۇكىن، ئۇ مۇتەخەسىسكە تايانمايدۇ، ئۈگۈنۈش ۋە ئەلالاشتۇرۇش ئارقىلىق ئاستا ئاستا چېنىقىب بىر مۇتەخەسىسنىڭ ئورنىنى ئالالايدۇ. شۇڭا ماشىنا ئۈگۈنۈشكە كېرەك بولغان ئىككى يادرولۇق نەرسە:

1. ناھايىتى قۇۋەتلىك ۋە كۈچلۈك بولغان قارا ساندۇق ( ھېسابلاش مۇھىتى ۋە ئالگورىتىم)
2. يېتەرلىك مىقتاردىكى ماتىريال (سانلىق مەلۇمات)

مەسلەن كومپىيوتىرڭىزنى بىر ئىت دەب ئويلاڭ، بىزنىڭ مەقسىتمىز كومپىيوتىرغا «قولدا يېزىلغان سانلارنى تونۇش» قابىلىيىتىنى يېتىلدۈرۈش دەب ئويلايلى، ئۇنداقتا بىزگە نىمە كېرەك ؟

بىز ئالدى بىلەن ئويلىنىشقا تېگىشىلىك مەسىلىلەردىن ئەڭ ئاز بولغاندىمۇ تۆۋەندىكىلەر بار،

1. ئالدى بىلەن بىزگە نۇرغۇن نۇرغۇن (يەنە نۇرغۇن) قولدا يېزىلغان سانلار كېرەك. (Data set)
2. بۇ سانلارنى كومپىيوتىرغا قانداق كۆرسىتىمىز ؟ (كومپىيوتىر قانداق كۆرىدۇ؟ بىر سان بىلەن يەنە بىر ساننى قانداق پەرق ئېتىدۇ ؟) (computer vision)

3. كومپىيوتىر خاتا ياكى توغرا بولغىنىنى قانداق بىلىدۇ؟ قانچىلىق توغرا ياكى خاتا بولغىنىنى قانداق بىلىدۇ ؟ (loss function)

4. كومپىيوتىر قايسى خىل يولدا ۋە قايسى قائىدىنى قوللىنىشنى قانداق بىلىدۇ ؟ (activation function)
5. كومپىيوتىرنى قانداق رىفبەتلەندۈرىمىز ۋە جازالايمىز ؟ ( كۆپرەك توك بېرىب ياكى توكىنى سۇغۇرىۋېلىب …… 😅)
6. …

ۋاھاكازالار، يەنى ماشىنا ئۈگۈنۈش دىگەن ئۇقۇم شەكىللەنگىنى يېتەرلىك ئەمەس ئىدى، شۇڭا يۇقىرىدا يېزىلغان ۋە يەنە يېزىلمىغان نۇرغۇن يېڭى ساھەلەر بارلىققا كەلدى.

مەيلى بۇ يەردىكى ئۇسۇللار قانداق بولسۇن، ئۇلارنىڭ ئاساسلىق جەريانى يۇقىرىدە دەب ئۆتكەن ئىتقا سۆز ئۈگۈتۈش بىلەن ئوخشىشىب كېتىدۇ.

بىراق بىر نەچچە مۇھىم سۇئالغا جاۋاب تېپىشىمىز كېرەك، ئۇلارنىڭ ئىچىدىكى ھەممىدىن مۇھىم بولغىنى:

1. قايسى قارا ساندۇق، ماشىنىنى ئۈگۈتەلەيدۇ ؟
2. ماشىنىنى قانداق مۇكاپاتلاب ئۇنى رىفبەتلەندۈرىمىز ؟
3. ماشىنىنىڭ شەرتلىك رېفلېكىسنى ( ئەھۋالغا قاراب ئىش كۆرۈش) قانداق ھاسىل قىلىمىز ؟

بۇ ئۈچ سۇئالنىڭ جاۋابىغا ئالىملار مۇنداق ئۈچ تۈرلۈك يول كۆرسەتكەن:

1. مودىلنىڭ قۇرۇلمىسى ماشىنىنىڭ قانداق جەريان بىلەن ئۈگۈنىدىغىنىنى بەلگىلەيدۇ.
2. زىيان فۇنكىسىيەسى (lose function ) ماشىنىنى قانداق مۇكاپاتلاشقا مەسئۇل بولىدۇ.
3. ئوخشاش بولمىغان مەشىقلەندۈرۈش يولى (training ) ئارقىلىق ماشىنىنىڭ شەرتلىك ئىنكاسىنى يېتىلدۈرىمىز.

بۇ سۆزلەر بەلكىم سىزگە بىراز ناتونۇش بولىشى مۇمكىن، بىراق قورقماڭ. تۆۋەندە مەن ئۇلارغا بىرمۇ بىر چۈشەنچە بېرىب ئ‍ۆتىدىغان بولىمەن.

تۆۋەندىكى مەزمۇنلار يۇقىرىدىكى سۇئاللارغا ئاساسەن شۇلارنى چۆرىدىگەن ئاساستا بولىدۇ.

connectionism - ئۇلاشتىرمىزىم

يۇقىرىدا بىز دەب ئۆتكىنىمىزدەك ھەر يولدىكى ئالىملار ۋە تەتقىقاتچىلار قارا ساندۇق ئىچىدىكى فۇنكىسىيەلەرنى ھەل قىلىش ئۈچۈن نۇرغۇن ئىدىيە ۋە يوللارنى كۆرسەتتى. يۇقىرىدا دىگەندەك سيموۋۇللۇق سۈننى ئەقىل ئىقلى شۇنىڭ ئىچىدىكى بىر قەدەر بۇرۇن ئوتتۇرىغا قويۇلغان بولۇنسا، ئۇنىڭدىن كىيىن يەنە بىر قەدەر مودا بولغىنى بولسا ئۇلاشتىرمىزىم ئىدى، ئۇلارنىڭ ئىدىيەسى بولسا ھازىر بار بولغان ئەقىللىق زاتلارنىڭ قانداق ئ‍ەقىلگە ئېرىشكىنىنى تەقلىد قىلىب تۇرۇب، شۇ بويىنچە بىر ئالگورىتىم ياكى بىر يۈرۈش سېستىما پىلانلاش ۋە لەھىيەلەش ۋە شۇنىڭ ئارقىلىق سۈننى ئەقىنىڭ قارا ساندۇقىنى يېزىب چىقىش ئىدى.

ھازىرغىچە بىز بىلىدىغان ھەممىدىم ئەقىللىق دەب قارالغان زات دەل ئىنسان بولۇپ، ئىنسانلار نەچچە مىڭ يىللىق تەدىرجى تەرەققىيات جەريانىدا ئۆز ئەتراپىدىكى مۇھىت ۋە تەبىيەتنى كۆزىتىب، ۋە شۇنىڭدىن ئۈگۈنۈب قائىدىلەرنى يەكۈنلەب ۋە شۇ ئارقىلىق ئەقلى قارار چىقارالايدىغان بولغان ئىدى، شۇڭا ئالىملار ئەگەر ھەقىقى سۈننى ئەقىلگە ئېرىشمەكچى بولساق، بەلكىم ئۇ قارا ساندۇقنىڭ جاۋابى ئىنساننىڭ مېڭىسىدە بولىشى مۇمكىن دەب قارىدى.

ئالىملار كۆزىتىش ئارقىلىق بىز كۆرگەن، ئاڭلىغان ۋە ياكى تېنىمىزدىكى ھەر تۈرلۈك سەزگۈر ئەزالار ئارقىلق سەزگەن مۇھىتتىكى ئۇچۇرلارنىڭ ھەممىسى ئېلىكتىر سىگنالغا ئايلىنىب مېڭىمىزگە يېتىب كېلىدىغانلىقى ۋە مېڭىمىزدىكى نىيرونلار ئوتتىرىسدا يۈرۈش قىلىدىغانلىقى، بىر قىسىم ئېلىكتىر سىگناللار نېيرونلارنىڭ ئوتتۇرىسىدىكى يوچۇقتىن خىميەلىك سىگنالغا ئايلىنىب كىيىنكى نىيرونغا يېتىب بارىدىغانلىقى ( رەسىمدىكى 1) يەنە بىر قىسىم سىگناللارنىڭ بولسا كىيىنكى نىيرونلارغا ئۇلانمايدىغانلىقىنى بايقىغان ( رەسىمدىكى 2).

ئۇنىڭدىن باشقا ئالىملار يەنە، مۇناسىۋەتلىك سىگناللارنىڭ مېڭىنىڭ ئوخشاش بولغان نېيرونلىرىنى قايتا قايتا غىدىقلىشى نەتىجىسىدە مۇناسىۋەتلىك نېيرونلار ئوتتۇرىسىدىكى ئۇلانمىنىڭ بارغانسىرى كۈچىيىدىغانلىقىنى بايقىغان. دىمەك ئالىملار ئەمدى قىلىشقا تېگىشلىق بولغىنى ئادەم مېڭىسىگە تەقلىد قىلىنغان بىر سېستىما قۇرۇب چىقىش، يەنى ئۇ سېستىما ئىچىدىكى تارماق سېستىمىلارنىڭ ھەر بىر بۆلىكى ئادەم مېڭىسىدىكى نېيرونلۇق تورنىڭ مەلۇم بىر بۆلىكىنىڭ خىزمىتىنىىڭ ھۆدىدىسىدىن چىقىشى كېرەك، دەل مۇشۇ ئىدىيە ئۇلاشتىرمىزىم دەب ئاتالغان.

بىز قايتىدىن يۇقىرىدا كۆرسىتىلگەن كۆكتاتلارنى ئايرىشى مەسىلىسىگە قايتىب كېلەيلى ۋە يۇقىرىدا دىيىلگەن ئىدىيە بويىنچە بىر ئاددى «كۆكتاتلارنى تۈرلەرگە ئايرىيالايدىغان قارا ساندۇق» يېزىب چىقايلى.

بىزنىڭ قىلىدىغان ئىشىمىز ئالدى بىلەن كۆكتاتلاردىكى بارلىق خۇسۇسىيەت (خاراكتىر) لەرنى تېپىپ چىقىش (Feature extraction)،ئاندىن ئۇلاردىن بىر نېيرونلۇق تور ھاسىل قىلىش، ھازىرقى مەسىلىگە ئاساسەن ھەر بىر نېيرونغا مەلۇم مىقتاردا ۋەزىن (ئېغىرلىق، يەنى ئېنگىلىزچىدىكى weight) بېرىش، ۋە ماتىماتىكىلق ھېساب ئارقىلىق بىر نەتىجىگە ئېرىشىش، ۋە نەتىجىدىكى سانغا ئاساسەن ھۆكۈم قىلىشتىن ئىبارەت. بۇ جەرياننى تىلدا يازغاندا بىراز مۇرەككەبتەك قىلغىنى بىلەن، ئەگەر سۈرەت ئارقىلىق ئىپادىلىسەك ئادەتتە تولىمۇ ئوڭاي.

ئەگەر بىزنىڭ ئىگرىكتە ئېرىشكەن نەتىجىمىز مەلۇم بىر بوسۇغا قىممىتىدىن ئاشسا (بەزى كىتاپلاردا چەڭ قىممىتى دەب ئېلىنغان) ئۇنداقتا بىز بۇ سۇئالغا ھەئە دەب جاۋاب بېرىمىز. بۇ يەردە ھەممىدىن مۇھىم بولغىنى يۇقىرىدا كۆرسىتىلگە ۋەزىن سانلىرى بۇلۇپ، بىز ۋەزىن سانلىرىنى باشقىچە ئالماشتۇرۇش ئارقىلىق بۇ سېستىمىدا ( مودىلدا) باشقا كۆكتاتلارنى تونۇيدىغان قىلالايمىز. ئەگەر بىزنىڭ ئىگرىك قىممىتىمىز مەلۇم بىر چەك قىممىتىدىن ئاشسا بىز بۇ نىيرون تورىدىكى نىيرونننى ئاكتىپلىدۇق دەيمىز.

ئادەتتە بىز يۇقىرىدىكى ۋەزىن قىممەتلىرىنى پارامېتىرلار دەب تونۇيمىز، يەنى ئۇلار مودىلنىڭ پارامېتىرلىرىدۇر، ئۇلارنىڭ مەقسىتى مەلۇم بىر ۋەزىپە ئۈچۈن، ئوخشىمىغان خۇسۇسىيەتلەرگە ئوخشاش بولمىغان ئېغىرلىق بۆلەب بەرگەنلىكتۇر.

بۇ خىلدىكى ئوخشاش بولمىغان ئىش ۋە خۇسۇسىيەتكە ئوخشاش بولمىغان سالماق بېرىش، تۇرمۇشىىمىزدىمۇ ناھايىتى كۆپ قوللىنىلىدۇ. مەسلەن سىزنىڭ ئۇنىۋېرسىتىتا ئوقۇغان ۋاقىتڭىزدا ئوخشاش بولمىغان پەنلەرگە ئوخشاش بولمىغان كېرىدىت نۇمۇرى بېرىلگەن بولىشى مۇمكىن، ئاندىن سىزنىڭ ئەڭ ئاخىرقى GPA نۇمۇرىڭىز ھېسابلانغاندا بولسا مۇشۇ سالماقلار بويىنچە كۆپەيتىلىنىدۇ.

بىزنىڭ يۇقىرىدا يېزىب چىققان قارا ساندۇقىنىڭ كومپىيوتىر ئىلمىدە بىر ئىسمى بار بۇلۇپ، ئۇنى بىز نەقىش تونۇش تېخنىكىسى يەنى pattern recognition دەب ئاتايمىز.

يۇقىرىدىكى سۈرەتتە كۆرسىتىلگىنى بولسا ئىنسانلار ئالدىنقى ئەسىرنىڭ ئەللىگىنجى يىللىرى ئوتتۇرىغا قويغان بىرخىل نەقىش تونۇش تېخنىكىسى ئالگورىتىمى بولغان سەزگۈ ماشىنىسى (Perceptron) نىڭ ئالگورىتىمى.

(ماشىنا ئۈگۈنۈش ۋە نەقىش تونۇش تېخنىكىسى دىگەن بىرخىل تېخنىكا ياكى ئېنجىنىرلىق ئۇقۇم، يەنى ئىنسانلار مەلۇم بىر ئىشنى ھەل قىلىش ئۈچۈن قوللانغان مېتود ، سەزگۈ ماشىنىسى بولسا شۇ نەقىش تونۇش مەقسىتىگە يېتىش ئۈچۈن ئەمەلى قوللىنىلغان كونكىرت بىر ئالگورىتىم)

يۇقىرىدىكى ئادەمنىڭ نېيرون تورىنى تەقلىد قىلىب لوگىكلىق ھېسابلاش توغىرسىدىكى بايقاش ئەمىلىيەتتە ئىككىنجى دۇنيا ئۇرىشى ۋاقتىدا ئاللى بۇرۇن تىلغا ئېلىنغان.

1957 يىلى كورنىل ئۇنىۋېرسىتىتىدىكى تەتقىقاتچى ئالىم فرەنك روسېنبلەت (Frank Rosenblatt) دۇنيادىكى تۇنجى ئەمەلى قوللىنىشچان سەزگۈ ماشىنىسىنى ياساب چىقتى، ئۇ ماشىنا ئەينى ۋاقىتتا بېرىلگەن سۈرەتكە قاراب ئەر ئايالنى پەرقلەندۈرەلەيتى.

ئەگەر يۇقىرىدىكى ئەينى ۋاقىتتىكى گېزىتتىكى خەۋەرگە قارايدىغان بولسىڭىز ئۇنىڭدا، يۈرەلەيدىغان، كۆرەلەيدىغان، يازالايدىغان، ئۆزىنى ئۆزى ياسىيالايدىغان بىر ئېلىكترونلۇق ھېسابلىغۇچى ياساب چىقىلدى دەب ئېلان قىلغان. ئەلۋەتتە ئۇ ۋاقىتتا ئىنسانلارنىڭ بۇ ئارزۇ ئارمانلىرىغا خىېلى يىراق بولغان بولسىمۇ، ئەينى زاماندىكى ئىلىم پەندىكى بۇ بۈيۈك بۆسۈش ئىنسانلارنى تولىمۇ رىغبەتلەندۈرگەن ئىدى. يەنە بىر قىززىق نەرسە شۇكى، بىز ھازىر قوللىنىب كېلىۋاتقان «كومپىيوتىر» دىگەن سۆز دەل يۇقىرىدىكى مۇشۇ خەۋەردىن كىيىن كەڭ كۆلەمدە قوللىنىلىشقا باشلىغان.

ئەلۋەتتە ئۇنىڭدىن كىيىن ئۇزاق ئۆتمىگەن سوغۇق ئۇرۇش مەزگىلىدە، ئالىملار ئاللى بۇرۇن يۇقىىرىدىكى تېخنىكىلارنى قوللىنىب روستىلىدىن ئېنگىلىزتىلىغا ئاپتوماتىك تەرجىمە قىلالايدىغان ئەقىللىق سېستىمىنى ياساب چىققان ۋە ئۇنى سوۋىت ھۆكۈمۈتىگە قارشى ئىشپىيونلۇق ھەرىكەتلىرىدە كەڭ كۆلەمدە قوللانغان.

بىز يۇقىرىدا بەزىدە مودىل دىسەك بەزىدە سېستىما بەزىدە پىروگرامما دەب يېزىب كەلدۇق، ئەمىليەتتە كومپىيوتىر ئۇچۇر ئىلمىدىكى كەسپى سۆز بىلەن ئېيتقاندا يۇقىرىدا دىگەن سېزىش ماشىنىسى دىگىنىمىزنىڭ ئۆزى بىر «مودىل» دۇر. مودىل بىلەن ماتىماتىكىلىق ئۇقۇم فۇنكىسىيەنىڭ ئوتتۇرىسىدا بىر چوڭ ئوخشىماسلىق بار، يەنى ماتىماتىكىدىكى فۇنكىسىيە بولسا بىر بەلگىلەنگەن ئ‍ۇقۇم، يەنى بىر فۇنكىسىيەنى باشقا ھەممىلە يەردە شۇنداق ئىشلىتىمىز، فۇنكىسىيەنى تەڭشەش ياكى ئۈگۈتۈش ياكى مەشىق قىلدۇرۇش دىگەندەك گەب يوق، ئەمما مودىل ئوخشاش ئەمەس، يۇقىرىدىكى بىزنىڭ كۆكتات تونۇيدىغان قارا ساندۇقىمىز ئۇ بىر مودىل، پەقەت بىز ئۇنىڭغا ئوخشىمىغان پارامېتىرلىىرىنى تەڭشىسەك ( يەنى سالماق نىسپىتى ياكى ۋەزىن نىسپىتىنى ئۆزگەرتسەك) ئۇ ئوخشاش بولمىغان كۆكتاتلارنى تونۇيالايدىغان بولىدۇ.

ماتروشكا - матрёшка

مەن بۇ بۆلەك مەزمۇنغا ماتروشكا دەب ئىسىم قويۇشنى لايىق كۆردۈم. بەلكىم ھەممەيلەن ماتروشكىنىڭ نىمە ئىكەنلىكىنى بىلىدىغان بولسا كېرەك، ئەگەر بىلمىسەڭلار، ئۇنداقتا تۆۋەندىكى بۇ ۋىدىيوغا بىر قاراب چىقىڭلار،

https://www.youtube.com/watch?v=9kEdkJZ-nHs

ئالىملار ناھايىتى تېزلا، بىر يالغۇز قەۋەتلىك سەزمە ماشىنىسى ياكى يالغۇز قەۋەتلىك نېيرونلۇق تورنىڭ بەزى مۇرەككەب مەسىلىلەرنى ھەل قىلىشقا ھالسىزلىق قىلىدىغانلىقىنى بايقىغان. ئۇنداقتا بۇ مەسىلىنى قانداق ھەل قىلىش كېرەك ؟ بۇ مەسىلە ئالىملارنى تولىمۇ قىيىن ئەھۋالغا قالدۇرغان، بولۇپمۇ كىيىنكى بىرنەچچە يىلدا مىنسكىي قاتارلىق كىشلەر مەخسۇس كىتاب يېزىب يۇقىرىدىكى ئاددى نېيرونلۇق تور ئاساسىدا يېزىلغان مودىللارنى «ئەخلەت» قاتارىدا سانىغان.

نۇرغۇنلىغان نېيرونلۇق تور تەتقىقات ئۈستىدىكى كىشىلەر ۋە ئوقۇغۇچىلار نېيرونلۇق توردىن ۋاز كەچكەن ۋە ئۇنىڭ كەلگۈسى يوق دەب قارىغان. ئەلۋەتتە ھەممەيلەن ۋاز كەچسىمۇ ۋاز كەچمەيدىغان بىرىلىرى بولىدۇ، بۇلارنىڭ ئىچىدە بىزگە ناھايىتى تونۇش بولغان، يېقىندا نوبىل مۇكاپاتى ئالغان گېوفرىي خىنتون مۇ بار ئىدى.

ئۇلار نەچچە ئون يىللىق تەتقىق قىلىش نەتىجىسىدە يۇقىرىدىكى ئاددى نىيرونلۇق سەزگۈچى ماشىنا ھەل قىلالمايدۇ دەب قارالغان لوگىكىلىق XOR مەسىلىىسىنى ھەل قىلغان، قانداق ھەل قىلغان دەمسىز ؟

ماتروشكا، يەنى ئۇلار، «بىرسى يەتمىسە ئىككىسى، ئىككىسى يەتمىسە ئۈچى، ئۈچى يەتمىسە تۆرتى…» دىگەندەك يالغۇز بىر قەۋەتلىك نېيرونلۇق تورنىڭ ئورنىغا كۆپ قەۋەتلىك نېيرونلۇق تور ياساش كېرەكلىكىنى دەلىللەب چىققان.

يۇقىرىدىكى بىز كۆرسەتكەن بۇخىل ماتروشكىلىق سەزگۈ ماشىنىسىنىڭ ئۆزىنىڭ ئىسمى بولۇپ، ئۇ «كۆپ قەۋەتلىك سەزگۈ ماشىنىسى (Multi-layer perceptron) » دەب ئاتىلىدۇ. ئەگەر ئوتتۇرىدىكا قەۋەت سانى نۇرغۇن، نۇرغۇن بولسىچۇ ؟ ئۇۋاقىتتا بىز ئۇنى نېرۋا تورى يەنى Neural Network دەب ئاتايمىز.

يەنى روم بىر كۈندە قۇرۇب چىقىلمىغان، ئۇ ئەڭ دەسلەبكى ئىنسانلارنىڭ ئارزۇسى ۋە ئىدىيەسىدىن ئاستا ئاستا - ئاز ئازدىن تەرەققى قىلىب بۈگۈنكى كۈنگە يەتكەن.

ئالىملارنىڭ ماتىماتىكىلىق ئىسپاتلىشى بويىنچە ، نېيرونلۇق تورنىڭ ئوتتۇرىدىكى قەۋەت سانىنى يېتەرلىك كۆپەيتىش ئارقىلىق بىزگە كېرەك بولغان ھەر قانداق مودىلغا ئېرىشەلەيمىز ( بۇ تىئورىيە)، يەنى شۇنداق مودىلدىكى ھەر بىر نېيروننىڭ ئوتتىرىسىدىكى ئۇلانما بىز يۇقىرىدا دەب ئۆتكەن پارامېتىر يەنى سالماق نىسپىتى ياكى تېخنىمۇ تېخنىكىلىق تىل بىلەن دەب ئۆتكەندە ۋەزىن نىسپىتىدۇر.

مەسلەن، ئالدىدا بىز يازغان يالغۇز قەۋەتلىك قارا ساندۇقنى ئەمدى بۇنداق كۆپ قەۋەتلىك قارا ساندۇققا ئۆزگەرتەلەيمىز:

مەسلەن بىز يۇقىرىدىكىدەك ئاددى بولغان ئۈچ قاتلىق بىر نېيرونلۇق تور لاھىيەلىدۇق دەب تۇرايلى،

ھەر ئىككى نيروننىڭ ئوتتۇرىدىكى ئۇلانمىدا بىزنىڭ ۋەزىن ياكى ماسسا نىسپىتىمىز بولىدۇ (weights), بۇلار بىزنىڭ مودىلىمىزنىڭ پارامېتىرى بۇلۇپ، ئەمىلىيەتتە بىز كىيىن تىلغا ئالىدىغان مودىلنى ئۈگۈتۈش ياكى مودىلنى چېنىقتۇرۇش دىگىنىمىز دەل مۇشۇ پارامېتىرلارنىڭ ئەلالاشتۇرۇش جەريانىدۇر ( يەنى ئوخشىمىغان پارامېتىرلارنى قويۇب سىناب، قايسى ئەڭ ياخشى نەتىجىگە ئېرىشەلەيدۇ شۇنىڭغا قارايمىز، بۇ دەل ماشىنا ئۈگۈنۈشتىكى ئۈگۈنۈش جەريانى ياكى بەزىدە چېنىقىش جەريانى دەپمۇ ئېيتىلىدۇ)

ئەلۋەتتە، بىز يۇقىرىدىكى مەسىلىنى چۈشۈنۈشكە ئېنىق بولىشى ئۈچۈن، ھەر بىر قەۋەت نېيرون تورىغا بىر كونكىرت ۋەزىپە تاپشۇرساق بولىدۇ، يەنى بىرىنجى قەۋەت يەر ئۈستىدە ( تۇپراق ئۈستىدە) ياكى يەر ئاستىدا ( تۇپراق ئاستىدا) ئۆسۈدىغانلىقىغا قاراب ئاكتىپلىنىدۇ (ئادام مېڭىسىنىڭ نېيرونلۇق سۈرىتىگە قاراڭ، ئادەم مېڭىسى توغرا بولغان ئۇلانمىدا ئاكتىپلىندۇ) ، ئىككىنجى قەۋەت بولسا شەكىلگە قاراب ئاكتىپلىنىدۇ، ئۈچۈنجى قەۋەت بولسا رەڭگىگە قاراب،

بىر دىققەت قىلىشقا ئەرزىيدىغان نەرسە شۇكى، بۇ سيمبوۋۇللىق ئۈگۈنۈشكە ئوخشاش بىۋاستە نەق ناھەق دەب ئاددى سېلىشتۇرۇش بولماستىن بەلكى پارامېتىرلارغا ئاساسلانغان بىر ماتىماتىكىلىق ھېسابلاش جەريانىدۇر.

يەنى زاغرا تىل بىلەن ئېيتقاندا بۇ يەردىكى كۆپ قەۋەتلىك نېيرونلۇق تورنىڭ ئاساسلىق ئىدىيەسى بولسا بىر مۇرەككەپ بولغان مەسىلىنىنى مەسىلىنىڭ خۇسۇسىيتى بويىنچە نۇرغۇنلىغان ئوخشاش بولمىغان كىچىك مەسىلىلەرگە بۆلۈب، ئاندىن ھەربىر قاتلامدا ( ھەبىر قەدەمدە) بىر ئىشنى پۇختا قىلىش دىمەكلىكتۇر.

ئەلۋەتتە ۋاقىتنىڭ ئۆتىشىگە ئەگىشىب نېيرونلۇق تور تېخنىكىسىمۇ ھەم بارغانسىرى تەرەتققى قىلغان. يۇقىرىدا بىز كۆرۈب ئۆتكەن كۆپ قاتلىق سەزگۈ ماشىنىسى بولسا، نېيرونلۇق تورنىڭ ئەڭ ئاددى ۋە كىلاسسىك بولغان بىر تۈرىدۇر. ئۇنداقتا قانداق قىلىب تېخىمۇ مۇرەككەب بولغان ۋە تېخىمۇ كۈچلۈك بولغان مودىل لاھىيەلەشكە بولىدۇ ؟ بۇ سۇئال كىيىنكى يىللاردىكى تەتقىقاتچىلار ۋە ئالىملارنىڭ ئىزدىنىۋاتقان ئاساسلىق يۆنىلىشىدۇر.

مەسلەن، يەن لېكۈن قاتارلىقلار تەتقىق قىلىب چىققان CNN نىڭ ئاسالىق نەتىجىسى «ھەممە نېيرونلارنى بىر بىرىگە ئۇلىماستىن، ئالدىنقى نېيرونلار ئوتتىرىسىدىكى سالماق نىسپىتىگە قاراب تاللاب ئالغان (مۇھىم دەب قارالغان) نېيرونلارنى بىر بىرگە ئۇلاش» بۇ ئارقىلىق بىر قىسىم ماتىماتىكىق ھېسابلاش جەريانىنى ئازايتىشقا بولىدۇ.

كىيىن ئ‍الىملار ھەممە قەۋەتنى بىربىرگە ئۇلىماي بەزى قەۋەتلەردىن سەكرەب ئۆتۈب كېتىشكە بولىشى مۇمكىن دىگەن ئىديە ئاساسىدا چىقارغان نېيرونلۇق تور RESNET تۇر.

ۋەياكى بەلكىم سىزدە مەسلەن «ئىككى سەكرەب ئىككى ئۇلاب» دىگەن ئىدىيە شەكىللەنگەن بولىشىمۇ مۇمكىن، شۇڭا ئالىملار بۇنىڭغا DENSENET دەب ئىسىم قويغان.

ھەتتا بىز بۈگۈن قوللىنىۋاتقان GPT (Generative Pre-training Transformer) نىڭ ئەسلى ماھىيىتىمۇ مەلۇم بىر خىل مۇرەككەب بولغان نېيرونلۇق تور ئارخىتېكتۇرىسى خالاس.

يەنى بىز يۇقىرىدا كۆرگەندەك نېرۋا تورىنىڭ قۇرۇلمىسى (ئارخىتېكتۇراسى) ئوخشىمىسا ئۇلارغا بېرىلگەن ئىسىممۇ ئوخشىمايدۇ. بىر ياخشى تور قۇرۇلمىسى ماشىنىنىڭ (كومپىيوتىرنىڭ) كېرەك بولغان پارامېتىرلارنى تېخىمۇ تېز ۋە توغرا ئۈگۈنىشىگە پايدىسى كۆپ.

يەنى يۇقىرىدا دىگىنىمىزدەك بىر مودىل مودىلنى قۇرۇلمىسى، ۋ ئىچىدىكى مودىل سانى، شۇنداقتا قوللانغان تېخنىكىسىغا ئ‍وخشاب ئوخشاش بولمايدۇ. بىراق يېقىنقى زامانلاردا بارلىق مودىل دىگۈدەك قوللىنىۋاتقان بىر تېخنىكا بار بولۇپ ، ئۇنىڭ ئاساسلىق رولى تېز ھالدا ئەڭ ئەلا بولغان پارامېتىرنى تېپىپ چىقىشتۇر، ئۇ تېخنىكىنىڭ ئىسمى بولسا گىرادىئېنتلىق تۆۋەنلەشتۇر (Gradient Decent) .

بۇ سۆز بىر ئاڭلاشقا بىراز ئەجەبى ۋە مۇرەككەب كۆرۈنگىنى بىلەن ئەمىلىيەتتە ئۇنىڭ ئەسلى ماھىيىتىنى چۈشۈنۈش قىيىن ئەمەس.

قېنى ئەمىسە، باشلاب كېتەيلى.

بايا يۇقىرىدا دەب ئۆتكىنىمىزدەك بىر مودىلنىڭ ئۈگۈنۈش جەريانى ياكى چېنىقىش جەريانى بولسا يۇقىرىدا كۆرسىتىلگەن ۋەزىن يەنى سالماق نىسپىتىنى تېپىش جەريانىدۇر. (مەن يۇقىرىدا خالىغانچە سانلارنى بەردىم) بۇ سانلارنى قانداق قىلىب بېكىتىش كېرەك ؟ قايسى سانلار ئەڭ ياخشى سانلار ؟

بىز يۇقىرىدا ئەقىل ماشىنىغا نىسپىتەن بىر قارا ساندۇق ئىكەنلىكىنى، ئۇنى ئەقىللىق بولدى دىگىمىز ئۇ قارا ساندۇقنىڭ بېرىلگەن مەلۇماتلار يەنى كىرگۈزگۈچى مىقتارلاردىن پايدىلىنىب توغرا بولغان چىقارغۇچى مىقتارلارنى بىزگە چىقىرىب بېرەلەيدىغانلىقىنى دەب ئۆتتۇق. بىز يەنە ماشىنا ئۈگۈنۈش دىگەن بۇ ئۇسۇل بىلەن ئەنە شۇنداق قارا ساندۇقنى چىقارغىلى بولىدىغانلىقىنى ھەم دەب ئ‍ۆتتۇق، ئەمما ناھايىتى مۇھىم بولغان پارامېتىرلار يەنى ئېغىرلىق نىسپىتى توغۇرلۇق ھېچنىمە دىمىدۇق، ئەمدى بىز شۇ توغۇرلۇق سۆزلىمەكچىمىز.

ئۇنداقتا ئالدى بىلەن بىر نەرسىنى ئويلايلى، ۋەزىنگە ئوخشىاش بولمىغان قىممەت بەرگەن ۋاقتىمىزدا y نىڭ قىممىتى ئوخشاش بولمايدۇ، ئۇنداقتا قايسى ئىگرىك ئەڭ ياخشىسى بولىدۇ ؟ ياكى يەنە مۇنداق ئويلاڭ بىر مودىل بار دەيلى، ئۇ مودىل ئوخشاش بولمىغان سىنىپتىكى ئوقۇغۇچىلارنىڭ ئوموۋى ئەھۋالىغا قاراب بۇ سىنىپقا ياخشى، يامان دىگەندەك باھالارنى بېرىدۇ.سىز بىر سىنىبقا كىرىب خالىغان ئون ئوقۇغۇچىدىن ئۇلارنىڭ ئىمتىھان نەتىجىسىنى سورىغىنىڭىزدا ئەگەر ئۇلارنىڭ ھەممىسى «يامان ئەمەس» دەب جاۋاب بەرسە ئۇلارنىڭ زادى قايسىسى ياخشى ئىكەنلىكىنى سېلىشتۇرغىلى بولمايدۇ. ئۇنىڭ ئۈستىگە بىر ياخشى ئوقۇغۇچى 100 نۇمۇرلۇق ئىمتىھاندا 90 ئالغىنىدا «ياخشى بېرەلمەي قالدىم» دىسە بىر ناچار ئوقۇغۇچى 60 ئالغىنىدا «كاتتا تاپشۇردۇم» دىيىشى مۇمكىن، يەنى بىز قانداق قىلىب ئۇلارنىڭ ياخشى يامانلىقىنى ئايرىيمىز ؟

بۇ مەسلىنىڭ جاۋابىنى تېپىشى ئۈچۈن بىز توغرا ۋە مودىلدىن ئېرىشكەن جاۋابنى بىر بىرى بىلەن بىر سېلىشتۇرۇب كۆرسەكلا بولىدۇ خالاس، يەنى ئالىملار بۇ جەريانغا يوقاتقۇچى فۇنكىسىيەسى (lose function) دەب ئىسىم بەرگەن، يەنى، ئەگەر بىز تولۇق نۇمۇر يۆز نۇمۇرنى ھەقىقەت دەب $ y$ بىلەن ئىپادىلىسەك، مەلۇم ئوقۇغۇچىنىڭ ئالغان نۇمۇرىنى، يەنى ئەمەلىيەتنى $\hat y$ دەب ئىپادىلىسەك، ئۇنداقتا بىز تۆۋەندىكىدەك بىر فورمۇلا يېزىب چىقىرالايمىز: \(L = \sum_{i=1}^n{(\hat y_i-y_i)^2}\) يەنى يوقاتقۇچى فۇنكىسىيە ئەمەلىيەت بىلەن ھەقىقەتنىڭ قانچىلىق يىراقلىقىغا قاراب، بۇ مودىلدىكى ھازىرقى پارامېتىرلارنى بىر بىرى بىلەن سېلىشتۇرۇب، كىمنىڭ ياخشى يامان ئىكەنلىكىنى پەرقلەندۈرۈشتۇر.

ئەلۋەتتە ئاددى مودىللارنىڭ پارامېتىرنى تەڭشەش بەلكىم ئاددى بولسا كېرەك، بىراق مۇرەككەب بولغاندا .ئۇنداق ئەمەس، مەسلەن GPT 3 نىڭ 175،181،291،520 پارامېتىرى بار بولۇپ، ئۇنىڭ خالىغان بىر پارامېتىرىنى يۇقىرىلىتىش ۋە تۆۋەنلىتىش بۇ مودىلنىڭ ئومومى ساپاسىنى ئۆزگەرتىدۇ.

يەنى سىز ئەگەر GPT گە ئوخشاش بىر مودىلنى تەڭشىمەكچى (ئۈگەتمەكچى) بولسىڭىز ئوخشاش ۋاقىتتا مىللىيونلىغان پارامېتىرلارنى تەڭشىشىڭىزگە توغرا كېلىدۇ. ھەر بىرسىنىڭ ئوخشىاش بولمىغان قىممەت ئېلىشى يەنە بىر تەڭشەككە ھەم تەسىر كۆرسىتىدۇ.

ماتىماتىكا ئىلمىدە بۇ خىلدىكى مەسىلىلەردىكى پارامېتىرنى ئەلالاشتۇرۇش ئۈچۈن قوللىنىلىدىغان ۋە ھازىر ناھايىتى مودا بولىۋاتقان بىر تېخنىكىنىڭ ئىسمى دەل شۇ گرادىئېنتلىق تۆۋەنلەشتۇر.

بۇ تېخنىكا قارىماققا ۋە ئاڭلاشقا تولىمۇ مۇرەككەب كۆرىدىنىغان بولۇپ (ئەمىلىيەتتە ماتىماتىكىلىق ھېسابلاش جەريانىمۇ ھەم شۇنداق مۇرەككەب)، ئەمما ئۇنىڭ ئەسلى ماھىيىتى ۋە ئارقىدىكى ئىدىيەسى تولىمۇ ئاددى، بۇ خۇددى يولى ياسالمىغان تاغدىن چۈشۈشكە ئوخشايدۇ. سىز تاغنىڭ چوققىسىن تاغ ئاستىغا چۈشمەكچىسىز،

بىراق سىز تاغنىڭ چوققىسىدا تۇرغىنىڭىزدا تاغنىڭ ئاستىنى كۆرەلمەيسىز، بۇ ۋاقىتتا سىز ھەرقانداق بىر يۆنىلىشتە يەنى 360 گىرادۇسنىڭ ھەر قانداق بىرىگە قاراب مېڭىشىڭىز مۇمكىن، ئۇنداقتا قايسى يۆنىلىشتە مېڭىشىڭىز كېرەڭ ؟

مەن ئەمدى سىزگە يەنە كىچكىنە بىر ئەقىل كۆرسىتەي، بىز ئالدىدا دەب ئۆتكەن يوقاتقۇچى فۇنكىسىيەنى ئېسىڭىزگە ئېلىڭ،

بىز سىز چۈشمەكچى بولغان بۇ تاغ چوققىسىنى تەڭرىتاغ چوققىسى دەب تۇرايلى، ئۇنداقتا تەڭرتاغ چوققىىنىڭ دېڭىز يۈزىدىن ئىگىزلىكى 7439 مېتىر. سىزنىڭ مەقسىتىڭىز دېڭىز يۈزىدىن 0 مېتىر بولغان (ئاددىلاشتۇرۇش ئۈچۈن) تاغنىڭ ئاستىغا يېتىش، شۇنىڭ ئۈچۈن سىز قانداق قىلىسز ؟

ئەگەر بىز سىزنىڭ ھازىرقى ئادرىسىڭىزنى h1 دەب تۇرساق ، ئۇنداقتا سىزنىڭ ھازىرقى يوقاتقۇچى فۇنكىسيە قىممىتىڭىز : \(L = 7439 - h1\) بولىدۇ،. دىمەك سىز ھەر قانداق بىر كىچىك قەدەم مېڭىشتىن كىيىن سىزنىڭ «ھەقىقەت» كە قانچىلىك يېقىنلاشقانلىقىڭىزنى يۇقىرىدىكى ئۇسۇل بىلەن ھېسابلىيالايسىز. يەنى گرېدىئېنتلىك چۈشۈشنىڭ ئاسالىقى ئىدىلوگىيەسى بولسا، ئالدى بىلەن سىز تۇرغان يەردىن ئەڭ تىك كۆرۈنگەن بىر يۆنىلىشكە قاراب كىچىك بىر قەدەم يۈرىسىز، ئاندىن دەرھال توختاب يۇقىرىدىكى فۇنكىسىيە بويىنچە سىزنىڭ تاغ ئاستىدىن يېقىنلىغان ياكى يىراقلىغىنىڭىزنى ھېسابلايسىز، ئەگەر يىراقلاب كەتكەن بولىسڭىز ئەينى يول بويىچە قايتىسىز، يىقىنلىغان بولسىڭىز يەنە يۇقىرىدىكى جەرياننى قايتىلاب ئەڭ تىك كۆرۈنگەن شۇ يۆنىلىش بويىنچە يەنە بىر كىچىك قەدەم يۈرىسىز …. ۋاھاكازالار. يەنى يۇقىرىدىكى ئالگورىتىم بىلەن سىز ئالىملارنىڭ ئېنىقلىشىچە ھامان بىر كۈنى تاغنىڭ ئاستىغا يېتەلەيسىز.

يەنى گرائېدىنيەت دىگەن سۆز ئەسلىدە يانتۇلۇقنى كۆرسىتىدىغان بولۇپ، بىز باشلانغۇچ ۋە ئوتتۇرا مەكتەپتە ئۈگەنگەن ئۈچ بۇلۇڭدىكى تانگىنوسنى ئېسىڭىزگە ئالسىڭىز بولىدۇ.

(ئەلۋەتتە بۇ بىر قەدەر ئادديلاشتۇرۇلغان ئەھۋال، ئەمەلىي ئەھۋالدا بۇنىڭدىن كۆپ مۇرەككەب ئەھۋاللارغا ھەم ئۇچرايمىز، بىراق ھەممىسىنىڭ ئەسلى ماھىيتى ئاساسەن بىردەك)

شۇنداق قىلىب سۈننى ئەقىل توغۇرلۇق ۋە ئۇنىڭدىكى مۇھىم ماتىماتىكىلىق ئۇقۇملار توغۇرلۇق يېزىلغان بۇ يازما مۇشۇ يەردە ئاياقلاشتى. ئەسلىدە بۇ يازمىنىڭ ئ‍استىغا قويۇلغان سۈننى ئەقىلنىڭ قوللىنىشى توغۇرلۇق مەزمۇن بۇ يازما ناھايىتى ئۇزۇن بولۇپ كەتكەچكە يېڭى يازما قىلىب چىقىرىلىدۇ.

ئۇنداقتا خوش، سىز لەغمەن قىلالايدىغان بىر سۈننى ئەقىل ياساب چىقىرالامسىز ؟ ئۇنى چىقىرىش ئۈچۈن قانداق تېخنىكا ۋە باسقۇچلارنى قوللىنىشىڭىز مۇمكىن ؟