Computer Vision 2023-yilda!

Computer Vision sohasi (CV) ajoyib innovatsiyalar va texnologik sakrashlar bilan to‘lib-toshgan bir yil sifatida esda qoladigan bo'ldi. Bu yil sun'iy intellekt yordamida boshqariladigan vizual texnologiyalarning ajoyib rivojlanishining guvohi bo'ldi, bu bizning vizual ma'lumotlar bilan o'zaro munosabatimizni va talqinimizni tubdan o'zgartirdi. Generativ AI mo'jizalaridan tortib murakkab tahliliy vositalargacha bo'lgan hamma narsani o'z ichiga olgan CV nafaqat rivojlandi, balki uning chegaralarini ham qayta belgilab oldi.

Quyida 2023 yil davomida CV ahamiyatga ega boʻlgan eng yaxshi 10 ta yutuqlarning qisqacha malumotlari keltirilgan:

1. SAM (Segment Anything Model): Meta AI tomonidan ishlab chiqilgan SAM CVdagi segmentatsiya vazifalari uchun asosiy model sifatida paydo bo'ldi. U piksel darajasidagi tasnifda inqilob qildi, bu tasvirdagi deyarli hamma narsani segmentlash imkonini berdi. Ushbu rivojlanish turli xil ma'lumotlar to'plamlarida murakkab segmentatsiya vazifalari uchun yangi yo'llarni ochdi.

2. Multimodal katta til modellari (LLMs): GPT-4 kabi bu modellar matn va vizual maʼlumotlar oʻrtasidagi boʻshliqni bartaraf etib, sunʼiy intellektga murakkab multimodal kirishlarni tushunish va izohlash qobiliyatini taqdim etdi. Ular sun'iy intellektning matn va vizual signallarning kombinatsiyasini qayta ishlash va ularga javob berish imkoniyatlarini oshirishda muhim ro'l o'ynadi, bu esa yanada murakkab AI ilovalariga olib keldi.

3. YOLOv8: YOLO seriyasining ushbu versiyasi o'zining yaxshilangan tezligi va aniqligi bilan obyektni aniqlashda yangi standartlarni o'rnatdi. YOLOv8-ning yutuqlari uni tez va aniq obyektni aniqlashni talab qiluvchi real vaqtda ilovalar uchun afzal ko'rgan tanlovga aylantirdi.

4. DINOv2 (O'z-o'zini nazorat qiladigan o'rganish modeli): DINOv2 CV ichida o'z-o'zini nazorat qilishda muhim qadam bo'ldi. Katta izohli ma'lumotlar to'plamlariga bo'lgan ishonchni kamaytirish orqali u kamroq etiketli tasvirlar bilan yuqori sifatli modellarni o'qitish uchun o'z-o'zini nazorat qiladigan yondashuvlar salohiyatini namoyish etdi.

5. Text-to-Image (T2I) modellari: Bu modellar uzoq roʻyxatiga ega: Midjourney created, DALL-E 3, Stable Diffusion XL, Imagen 2 va boshqalar. Ular matn tavsiflaridan AI tomonidan yaratilgan tasvirlarning sifati va realligini keskin yaxshilagan. Ular raqamli san'at yaratish kabi ijodiy ilovalarni osonlashtirdi, bu esa AIni rassomlar va dizaynerlar uchun bebaho vositaga aylantirdi.

6. CV for LoRA: Dastlab katta til modellarini sozlash uchun ishlab chiqilgan LoRA CVda yangi ilovalarni topdi. U mavjud modellarni muayyan vazifalar uchun moslashtirishning moslashuvchan va samarali usulini taqdim etdi va CV modellarining ko'p qirraliligini sezilarli darajada oshirdi.

7. Meta tomonidan Ego-Exo4D ma'lumotlar to'plami: Ushbu ma'lumotlar to'plami video o'rganish va multimodal idrok etishda sezilarli yutuqlarni aks ettirdi. U birinchi shaxs va uchinchi shaxs tasvirlarining boy to‘plamini taqdim etdi, bu esa inson faoliyatini aniqlash va boshqa ilovalar uchun yanada murakkab modellarni ishlab chiqish imkonini berdi.

8. Text-to-Video (T2V) modellari: T2V modellari (masalan, Runway, Pika Labs va Emu Video) matn tavsiflaridan yuqori sifatli videolar yaratish orqali AI tomonidan yaratilgan kontentga yangi o‘lcham olib keldi. Ushbu yangilik o'yin-kulgi va ta'lim kabi dinamik vizual kontent muhim bo'lgan sohalarda imkoniyatlar ochdi.

9. Ko'rish sintezi uchun Gauss Splatting: Ushbu uslub ko'rish sintezi sohasidagi yangi yondashuvni ifodalaydi. U Neyron Radiance Fields (NeRFs) kabi mavjud usullarni, xususan, mashg'ulot vaqti, kechikish va aniqlik nuqtai nazaridan yaxshilanishlarni taklif qildi va shu bilan 3D renderlash landshaftini qayta shakllantirdi.

10. NVIDIA tomonidan StyleGAN3: StyleGAN3 generativ modellarda, ayniqsa giperreal tasvirlar va videolarni yaratishda chegaralarni oshirdi. Ushbu taraqqiyot batafsil va haqiqiy raqamli san'at va animatsiya yaratishda generativ modellarning imkoniyatlarini kengaytirdi.

​​2023 yildagi ushbu o'nta yutuqlar nafaqat CV sohasidagi tez o'sish va innovatsiyalarni ko'rsatibgina qolmay, balki sohaning turli sohalarda kengayib borayotgan ta'sirini ham ta'kidlaydi. Tibbiy tasvirlashdan tortib ijodiy san'atgacha bo'lgan ushbu ishlanmalar kelajakdagi yutuqlar va kompyuter ko'rishda qo'llanilishi uchun zamin yaratadi.

@machine_learning_lab

​​Diqqat tanlov!!!

Toshkent shahridagi Inha universiteti Agrobank bilan hamkorlikda “Fintechda sun’iy intellekt” tanlovini e’lon qiladi.

Agar siz sun'iy intellektdan foydalangan holda bank industriyasi uchun tizimlarni ishlab chiqishda ajoyib ko'nikmalarni namoyish etishga tayyor bo'lsangiz:
• 3 nafar ishtirokchidan iborat jamoani ro'yxatdan o'tkazing
• bank sektori uchun yechim ishlab chiqing (chat botlari, skoring, mijozlarga xizmat ko‘rsatish va h.k.)
• 31-yanvargacha yechimingizni tavsiflovchi taqdimotni yuboring.

G‘oliblar 2024-yil 5-fevral kuni Inha universitetida aniqlanadi va taqdirlanadi.

Mukofotlar:
• 1-o‘rin: 3 ta MacBook.
• 2-o‘rin: 3 ta iPhone.
• 3-o‘rin: 3 ta iPad.

Ishtirok etish O‘zbekiston Respublikasining barcha oliy o‘quv yurtlari talabalari uchun ochiq. Roʻyxatdan oʻtish https://contests.inha.uz/ sayti orqali 2024-yil 29-yanvargacha davom etadi.

Savollar va tushuntirishlar uchun careercenter@inha.uz orqali tashkiliy qo‘mita bilan bog‘lanishingiz mumkin.

Tanlovga qo‘shiling va zamonaviy bank texnologiyalarini yaratishga hissa qo‘shing!

Manba: ©️Muzaffar Djalalov

@machine_learning_lab

Rossiyaning bosqinchi propagandasi Markaziy Osiyo xalqlariga, jumladan, o‘zbeklarga ochiqdan-ochiq tahdid qilmoqda

Yaqindagina Zaxar Prilepin ismli ahmoq O‘zbekistonni Rossiyaga qo‘shib olish haqida gapirgan edi. Va buni zaldagi boshqa ruslar qarsak chalib qo‘llab-quvvatlagandi.

Endi esa auditoriyasi katta bo‘lgan NTV telekanalida Mixail Smolin degan tovuq miya “1917-yilgacha o‘zbek va qozoq millat sifatida mavjud bo‘lmagan (ozarbayjonlar ham), rus inqilobidan keyin bu millatlar sunʼiy yaratilgan” debdi. Videosini kanalda berib o’tirmayman (menimcha, ko’rib ulgurdingiz), bunaqa jirkanch narsalarni tarqatishni xohlamayman.

Bu kabi holatlar shunchaki tasodif ekanligiga ishonish uchun aqli noraso bo‘lish kerak. Sog‘lom odam bularning barchasi nima uchun qilinayotganini yaxshi biladi. Chunki Ukrainaga bosqin ham aynan mana shu kabi umumiy tezislar asosida boshlangan. Yaʼni uzoq yillar shovinistik propaganda mashinasi tomonidan Ukrainaning davlatchilik tarixi yo‘qligi, millat sifatida mavjud emasligi, Lenin yaratgan sunʼiy davlat ekanligi haqidagi cho‘pchaklar rus xalqi ongiga singdirilgan va bugun buning oqibatini hammamiz ko‘rib turibmiz.

‼️ O‘rtoqlar, buni jiddiy qabul qilishimiz, hushyor bo‘lishimiz, kerakli choralarni ko‘rishimiz kerak. Uyg‘onaylik, xaloyiq, uyg‘onaylik! Ko‘zimizni kattaroq ochaylik. Vatanimiz mustaqilligini himoya qilish uchun aqlimizni ishlataylik. Agar hozir aqlimizni ishlatmasak, ertaga Vatan himoyasi uchun qurol ishlatishga majbur bo‘lib qolamiz.

Nega biz mana shunaqa isqirtlarga qarshi biror chora ko‘ra olmaymiz? Nega doim rus shovinistlariga qarshi muloyim va bag‘rikeng munosabatda bo‘lamiz? Nega Rossiya elchisini “chaqirtirmaymizu”, shunchaki “taklif etamiz”? Nega butun boshli O‘zbekistonni bosib olish haqida gapirganlarga qarshi jinoyat ishi qo‘zg‘atmaymiz? Nega o‘zbek xalqini yerga urganlarni O‘zbekistonga kirishini taqiqlash haqida qarorlar qabul qilmaymiz? Nega doim qo‘rqib yashashimiz, “katta og‘a” nima derkin deb, og‘zini poylab turishimiz kerak?

Ijtimoiy tarmoqlarda ham doim Rossiyaning yonini oladigan, u nima qilsa to‘g‘ri deb hisoblaydigan va ming afsuski, millionlar afsuski, milliardlar afsuski, hatto O‘zbekistonni Rossiya bosib olishini ham qo‘llab-quvvatlaydigan yurtdoshlarimiz ham borki, ular ham ko‘zlarini ochishlari kerak. Sal odamga o‘xshab mantiqiy fikrlashni boshlashi, pushti ko‘zoynakni yechishi kerak. Vatanini sevishi kerak. Buning uchun esa eng avvalo iflos rus propaganda telekanallarini O‘zbekistonda cheklash kerak. Bu ilk qadam bo‘lishi shart!

Hooooy, g‘aflat uyqusidan uyg‘oninglar!


👉 @xushnudbek 👈

Albatda bu post kanalimiz faoliyati maqsadi bilan bog’liq emas lekin kanalimiz har bir a’zosi va O’zbekiston fuqarolari kelajagi bilan bog’liq!

Shuni yodda tutingki o’zimizni o’zimiz himoya qilmasak hech kim bizni vatanimizni himoya qilmaydi va yordam ham bermaydi!

​​7 Qishloq xo'jaligida AI qo'llanilishi

Qishloq xo‘jaligi hamisha insoniyat sivilizatsiyasining asosi bo‘lib kelgan. Bugungi kunda, jadal texnologik taraqqiyot sharoitida, u suniy intellekt bilan o'zaro uyg'unlashishni boshdan kechirmoqda. Mamlakatimiz aholisining sezilarli darajada ko'payishi kutilayotgan bir paytda, kelgusi bir necha o'n yilliklarda, taxminan 70% dan ko'proq oziq-ovqatga bo'lgan ehtiyoj, ayniqsa, resurslar tanqisligi va o'zgaruvchan iqlim sharoitlarining hozirgi cheklovlari sharoitida jiddiy muammo tug'dirishi mumkin. Suv resurslarini boshqarish va yerdan barqaror foydalanish tobora muhim ahamiyat kasb etmoqda.

Ushbu muhim pallada sun'iy intellekt qishloq xo'jaligi uchun misli ko'rilmagan imkoniyatlarni taqdim etishi mumkin. Ekin hosildorligi va sifatini oshirishdan tortib, resurslardan foydalanishni optimallashtirishgacha AI-ning ta'siri keng qamrovli. Yuqori aniqlikdagi sunʼiy yoʻldosh tasvirlari yordamida yerdan foydalanishni tahlil qiladimi yoki real vaqtda monitoring orqali ekin kasalliklarini bashorat qiladimi, AI ilovalari asta-sekin butun dunyoda ildiz otib bormoqda. Ushbu texnologiya to'lqini nafaqat agrotexnologiyaga keng e'tibor qaratmoqda, balki innovatsiyalar va o'sish uchun investitsiyalarni jalb qilmoqda.

Sun’iy intellekt qishloq xo‘jaligidagi o'z ta'sirini o'tkazar ekan, biz fermerlikning yanada aqlli, samaraliroq va barqaror davri boshlanishiga guvoh bo‘lamiz. Keling, ushbu qiziqarli texnologiyalarni va ular an'anaviy qishloq xo'jaligi amaliyotini qanday o'zgartirayotganini ko'rib chiqaylik.

Quyida 7 biz yosh toliblar qilishimiz mumkin bo'lgan AI loyihalari ro'yhati keltirilgan.

1️⃣Ekin kasalliklarini aniqlash

2️⃣Yovvoyi o'tlarni nazorat qilishning avtomatlashtirilgan tizimlari

3️⃣Chorvachilik salomatligi monitoringi

4️⃣Hosildorlikning bashoratli tahlili

5️⃣Aniq sug'orish tizimi

6️⃣Dron yordamida havodan kuzatuv

7️⃣Ta'minot zanjiri va talabni bashorat qilish

Yuqoridagi loyihalardan birini tanlang hamda 2024-yil uchun o'zingizga kichik bir maqsad qo'yib loyihani boshlang.

@machine_learning_lab

​​YOLOv9

Habaringiz bo'lsa kerak, yaqinda You only look once (YOLO) obyektlarni aniqlash modelini navbatdagi 9 versiyasi taqdim etildi. YOLO modellari objektlarni real vaqtda aniqlashda o'zining tezligi va aniqligi bilan boshqa modellardan ajralib turadi. Quyida qisqacha YOLOv9 ni yutuqlari xaqida ma'lumot.


YOLOv9 modelining muvaffaqiyatini ta’minlovchi asosiy innovatsiyalar quyidagilardir:

✅Programmable Gradient Information(PGI) - chuqur tarmoqlarda ma'lumot muammosi va ishonchsiz gradientlarni hal qiladi.

✅Generalized Efficient Layer Aggregation Network (GELAN) - tez, aniq va parametrlardan samarali bo'lgan yangi backbone.

PGI va GELANni YOLOv9 ga birlashtirish orqali COCO obyektlarini aniqlash bo‘yicha eng so‘nggi natijalarga erishildi. YOLOv9 oldingi YOLO versiyalari va boshqa real vaqt detektorlaridan aniqlik va samaradorlik bo‘yicha ustundir.

@machine_learning_lab

Sun'iy intellekt robotlarning "miyasi"ga kirishni boshladi. Gumanoid robotlar ustida ishlayotgan "Figure" kompaniyasi o'z roboti haqida qisqa video e'lon qildi.

Unda robot odamdek gapiryapti va fikrlayapti. Unga faqat yumushlarni bajarish haqida buyruqlar berilmadi, balki bu ishlarni nega va qanday bajarayotgani haqida ham so'rashdi. Javoblar esa ohang va mazmun jihatidan odamnikidan farq qilmaydi. Qo'l harakatlari ham ancha tekis.

Bu robotlar yaqin 5-6 yil ichida xonadonlarga kirib boradi.

@bmamadiev

Janubiy Koreyada teleboshlovchilar o‘rnini sun’iy idrok egallay boshladi

Teleboshlovchilarning generatsiya qilingan obrazlari barcha davlat kanallarida ishlatila boshlandi. Bu iqtisodiy jihatdan foydali bo‘lmoqda: sun’iy idrokdan foydalanish oyiga 460 dollarga tushmoqda.

👉 @kunonline

Deep Learningda Hyperparameterlar

Barchaga ma'lum, neyron tarmoqlarini tuzganimizdan keyin uni ma'lumotlar bazasida o'qitishda duch kelish mumkin bo'lgan asosiy masala bu to'g'ri hyperparameterlarni tanlash. Chunki bu parameterlar neyron tizimining aniqligida asosiy ro'lni o'ynaydi!

Neyron Tarmoqlari turiga qarab turli xil hyperparameterlarga ega bo'lishi mumkin. Masalan, Artificial Neural Network (ANN) hamda Convolutional Neural Network (CNN) tarmoqlarining hyperparameterlari bir biridan yetarlicha farq qiladi.

ANN tarmog'idagi hyperparameterlarga misollar: Neyron tizimining qatlamlar soni, qatlamlardagi neyronlar soni, boshlang'ich weights qiymatlari, learning rate, dropout rate, ...

CNN tarmog'idagi hyperparameterlarga misollar: ANN dagi hyperparameterlarga qo'shimcha filterlar soni, filterlar o'lchami, filterlar qiymati ...

Qisqa qilib aytganda ushbu maqolani o'qib siz Neyron tarmoqlarining hyperparameterlari haqida to'liqroq ma'lumot olishingiz mumkin.

@machine_learning_lab