Forwarded from Pivot.uz | Startap va texnologiya
Uygʻonsangiz, dunyo oʻzgarib ketgan boʻladi: Anthropic asoschisi AI olamining ichki sirlarini ochdi
Hozirgi kunda sunʼiy intellekt olamining markazida turish qanday his ekanini tasvirlash qiyin. Men buni xuddi Yer yuzidan yorugʻlik tezligiga yaqin tezlikda uzoqlashayotgan kosmik kemaga oʻxshatgan boʻlardim. Nisbiylik nazariyasiga koʻra, siz uxlashga yotasiz va uygʻonsangiz, Yerda ikki kun oʻtib ketgan boʻladi – yaʼni siz bir kunda ikki kunlik yuklamani koʻtarishingiz kerak. Ertasi kuni esa tezlik yanada oshgani sababli, bir kuningiz Yerning uch, keyin esa toʻrt kuniga teng boʻladi. Biz ayni mana shunday aql bovar qilmas tezlik muhitida yashayapmiz.
Koʻpchilik mendan "Har kuni ertalab vahima bilan uygʻonmaysizmi?" deb soʻraydi. Men tarixdagi eng ogʻir va yuqori bosimli vaziyatlarni boshqargan shaxslarni koʻp oʻrganganman. Vahima yoki doimiy xavotir hech qachon samarali yechim bermaydi. Biz xuddi murakkab operatsiyani bajarayotgan jarroh yoki harbiy harakatni boshqarayotgan komandir kabi sovuqqon va ratsional qaror qabul qilishni oʻrganishimiz kerak. Bugun vahima qilib, ertaga xotirjam boʻlish – bu yetuk boʻlmagan boshqaruv belgisidir. Haqiqiy yetuklik xavfni toʻgʻri baholash va asosiy xotirjamlikni saqlab qolishdadir.
👉 Batafsil Pivot.uz'da o'qing
Instagram | LinkedIn | YouTube
Hozirgi kunda sunʼiy intellekt olamining markazida turish qanday his ekanini tasvirlash qiyin. Men buni xuddi Yer yuzidan yorugʻlik tezligiga yaqin tezlikda uzoqlashayotgan kosmik kemaga oʻxshatgan boʻlardim. Nisbiylik nazariyasiga koʻra, siz uxlashga yotasiz va uygʻonsangiz, Yerda ikki kun oʻtib ketgan boʻladi – yaʼni siz bir kunda ikki kunlik yuklamani koʻtarishingiz kerak. Ertasi kuni esa tezlik yanada oshgani sababli, bir kuningiz Yerning uch, keyin esa toʻrt kuniga teng boʻladi. Biz ayni mana shunday aql bovar qilmas tezlik muhitida yashayapmiz.
Koʻpchilik mendan "Har kuni ertalab vahima bilan uygʻonmaysizmi?" deb soʻraydi. Men tarixdagi eng ogʻir va yuqori bosimli vaziyatlarni boshqargan shaxslarni koʻp oʻrganganman. Vahima yoki doimiy xavotir hech qachon samarali yechim bermaydi. Biz xuddi murakkab operatsiyani bajarayotgan jarroh yoki harbiy harakatni boshqarayotgan komandir kabi sovuqqon va ratsional qaror qabul qilishni oʻrganishimiz kerak. Bugun vahima qilib, ertaga xotirjam boʻlish – bu yetuk boʻlmagan boshqaruv belgisidir. Haqiqiy yetuklik xavfni toʻgʻri baholash va asosiy xotirjamlikni saqlab qolishdadir.
Instagram | LinkedIn | YouTube
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3❤1👍1
This media is not supported in your browser
VIEW IN TELEGRAM
AGI tez orada kelmasa kerak. Chunki hozir u koma holatida.
@uzbrainai
@uzbrainai
😁4
Meta yangi AI modelini taqdim etdi — Muse Image
Meta o'zining yangi Muse Image sun'iy intellekt modelini e'lon qildi. Kompaniyaning aytishicha, bu hozirgacha yaratilgan eng kuchli rasm yaratish modeli hisoblanadi.
Yangi model:
Murakkab va batafsil matnli so'rovlarni aniq tushunadi.
Foydalanuvchi yuklagan suratlar asosida yangi tasvirlar yaratadi.
Rasmning faqat kerakli qismini tahrirlash imkonini beradi.
Instagram, WhatsApp va boshqa Meta ilovalaridagi AI funksiyalarini yanada kuchaytiradi.
Sun'iy intellekt sohasidagi raqobat tobora qizimoqda. OpenAI, Google va Meta endi nafaqat matn, balki rasm yaratish texnologiyalarida ham bir-biridan o'zishga harakat qilmoqda. Oxiri qiziq…. , AI ni oxirgi bekati qayerda ekani?
@uzbrainai
Meta o'zining yangi Muse Image sun'iy intellekt modelini e'lon qildi. Kompaniyaning aytishicha, bu hozirgacha yaratilgan eng kuchli rasm yaratish modeli hisoblanadi.
Yangi model:
Murakkab va batafsil matnli so'rovlarni aniq tushunadi.
Foydalanuvchi yuklagan suratlar asosida yangi tasvirlar yaratadi.
Rasmning faqat kerakli qismini tahrirlash imkonini beradi.
Instagram, WhatsApp va boshqa Meta ilovalaridagi AI funksiyalarini yanada kuchaytiradi.
Sun'iy intellekt sohasidagi raqobat tobora qizimoqda. OpenAI, Google va Meta endi nafaqat matn, balki rasm yaratish texnologiyalarida ham bir-biridan o'zishga harakat qilmoqda. Oxiri qiziq…. , AI ni oxirgi bekati qayerda ekani?
@uzbrainai
Meta Newsroom
Introducing Muse Image: Image Generation Built for Your World
Muse Image is the first image generation model from Meta Superintelligence Labs, now available in Meta AI.
CLIP nima?
CLIP — OpenAI'ning 2021-yilgi modeli. U ~400 million (rasm, matn) juftlikda o'qitilgan: rasm encoder va matn encoder shunday o'rgatilganki, mos rasm va uning tavsifi vektor fazoda bir-biriga yaqin joylashadi. Natijada CLIP'ning rasm encoderi har qanday rasmni 512–768 o'lchamli vektorga (embedding'ga) aylantiradi — va bu vektor rasmning mazmuni, teksturasi, uslubi haqidagi juda boy statistik ma'lumotni o'zida saqlaydi.
@uzbrainai
CLIP — OpenAI'ning 2021-yilgi modeli. U ~400 million (rasm, matn) juftlikda o'qitilgan: rasm encoder va matn encoder shunday o'rgatilganki, mos rasm va uning tavsifi vektor fazoda bir-biriga yaqin joylashadi. Natijada CLIP'ning rasm encoderi har qanday rasmni 512–768 o'lchamli vektorga (embedding'ga) aylantiradi — va bu vektor rasmning mazmuni, teksturasi, uslubi haqidagi juda boy statistik ma'lumotni o'zida saqlaydi.
@uzbrainai
👍2🔥1
OpenAI ChatGPT Voice uchun yangi avlod ovoz modeli — GPT-Live'ni taqdim etdi.
Endi sun'iy intellekt bilan suhbat yanada tabiiy kechadi:
— Siz gapirayotganingizda ham tinglay oladi.
— Kerak bo'lsa, bir vaqtning o'zida javob bera oladi.
— Suhbat davomida pauza, bo'linish va ohangni insondek tushunadi.
— Murakkab savollarni fon rejimida kuchliroq modelga uzatib, javobni suhbatni to'xtatmasdan tayyorlaydi.
GPT-Live pullik foydalanuvchilar uchun GPT-Live-1, bepul foydalanuvchilar uchun esa GPT-Live-1 mini sifatida bosqichma-bosqich ishga tushirilmoqda.
Bu ovozli sun'iy intellektni oddiy chatbotdan haqiqiy suhbatdoshga yaqinlashtiradigan eng katta yangilanishlardan biri.
@uzbrainai
Endi sun'iy intellekt bilan suhbat yanada tabiiy kechadi:
— Siz gapirayotganingizda ham tinglay oladi.
— Kerak bo'lsa, bir vaqtning o'zida javob bera oladi.
— Suhbat davomida pauza, bo'linish va ohangni insondek tushunadi.
— Murakkab savollarni fon rejimida kuchliroq modelga uzatib, javobni suhbatni to'xtatmasdan tayyorlaydi.
GPT-Live pullik foydalanuvchilar uchun GPT-Live-1, bepul foydalanuvchilar uchun esa GPT-Live-1 mini sifatida bosqichma-bosqich ishga tushirilmoqda.
Bu ovozli sun'iy intellektni oddiy chatbotdan haqiqiy suhbatdoshga yaqinlashtiradigan eng katta yangilanishlardan biri.
@uzbrainai
OpenAI
Introducing GPT-Live
A new generation of voice models for natural human-AI interaction, now powering ChatGPT Voice.
This media is not supported in your browser
VIEW IN TELEGRAM
Yana bir bor aytaman AGI hali kelmaydi. U hali ham koma holatida.
@uzbrainai
@uzbrainai
😁1
Komiljon Mukhammadiev
AGI tez orada kelmasa kerak. Chunki hozir u koma holatida. @uzbrainai
Oldin ham aytgan ekanman.
Embedding modellarida System Prompt nega kerak?
E5 va BGE kabi embedding modellariga matnni yuborishdan oldin query: yoki passage: kabi promptlar qo'shish qidiruv va klasterlash sifatini keskin oshiradi. Buning asosiy sabablari:
Asimmetriyani yo'qotadi: Kalta savol va uzun javob matnlarini shunchaki so'zlar o'xshashligi bo'yicha emas, balki savol-javob mantiqi bo'yicha o'zaro bog'laydi.
Vazifani belgilaydi: Modelga matnning rolini tushuntiradi. passage: — saqlanadigan ma'lumot, query: — qidiruv so'rovi ekanini anglatadi.
Klasterlashni to'g'rilaydi: Hujjat bo'laklarini (chunk) guruhlashda ularga bir xil passage: prompti berilsa, model hammasini teng maqomda ko'radi va klasterlar aniq chiqadi.
Muhim farq: Bu qoida faqat instruksiya bilan ishlaydigan (E5, BGE) modellarga xos. OpenAI embedding modellarida esa hech qanday prompt kerak emas, ularga matn toza holatda yuboriladi.
@uzbrainai
E5 va BGE kabi embedding modellariga matnni yuborishdan oldin query: yoki passage: kabi promptlar qo'shish qidiruv va klasterlash sifatini keskin oshiradi. Buning asosiy sabablari:
Asimmetriyani yo'qotadi: Kalta savol va uzun javob matnlarini shunchaki so'zlar o'xshashligi bo'yicha emas, balki savol-javob mantiqi bo'yicha o'zaro bog'laydi.
Vazifani belgilaydi: Modelga matnning rolini tushuntiradi. passage: — saqlanadigan ma'lumot, query: — qidiruv so'rovi ekanini anglatadi.
Klasterlashni to'g'rilaydi: Hujjat bo'laklarini (chunk) guruhlashda ularga bir xil passage: prompti berilsa, model hammasini teng maqomda ko'radi va klasterlar aniq chiqadi.
Muhim farq: Bu qoida faqat instruksiya bilan ishlaydigan (E5, BGE) modellarga xos. OpenAI embedding modellarida esa hech qanday prompt kerak emas, ularga matn toza holatda yuboriladi.
@uzbrainai
👍1
Forwarded from Mansurbek (Ph.D) | Insights
✨ Generativ AI qanday ishlaydi?
Tasavvur qiling, bir rassom minglab inson yuzlari, hayvonlar, tabiat manzaralari va buyumlarni ko‘rib o‘rgandi.
U rasmlarni shunchaki yodlab olmaydi. Aksincha, ko‘zlar qanday joylashishi, yuz shakli, ranglar uyg‘unligi, yorug‘lik va soyalar qanday ishlashini tushunib boradi.
Generativ AI ham xuddi shunday ishlaydi.
1. Avval ma’lumotlardan o‘rganadi
Model minglab rasmlardagi umumiy qonuniyatlarni o‘zlashtiradi. Ya’ni u ma’lumotlarning ichki tuzilishi va taqsimotini o‘rganadi.
2. Latent makondan tasodifiy nuqta olinadi
Bu nuqta hali rasm emas. U shunchaki tasodifiy sonlardan iborat kichik kod:
Buni rassomning xayoliga kelgan tasodifiy g‘oya urug‘i deb tasavvur qilish mumkin.
3. Model ushbu kodni tasvirga aylantiradi
Generativ model tasodifiy kodni o‘rgangan bilimlari orqali bosqichma-bosqich shakllantiradi:
Xuddi rassom xayolidagi mavhum g‘oyani asta-sekin aniq rasmga aylantirgani kabi.
4. Natijada yangi tasvir paydo bo‘ladi
Bu inson yoki obyekt ilgari mavjud bo‘lmagan bo‘lishi mumkin. Model uni tayyor rasmdan ko‘chirmaydi, balki o‘rgangan xususiyatlarni yangicha birlashtiradi.
Demak, generativ AI oqimi quyidagicha:
ma’lumotlarni o‘rganish → latent makondan tasodifiy nuqta olish → model orqali o‘tkazish → yangi va real ko‘rinadigan natija yaratish.
Generativ AIning “sehri” — mavjud narsani tanishda emas, balki o‘rgangan bilimlari asosida yangi narsani tasavvur qilib yaratishda. ✨
Follow for more ^^
@mansurbek_blog
Tasavvur qiling, bir rassom minglab inson yuzlari, hayvonlar, tabiat manzaralari va buyumlarni ko‘rib o‘rgandi.
U rasmlarni shunchaki yodlab olmaydi. Aksincha, ko‘zlar qanday joylashishi, yuz shakli, ranglar uyg‘unligi, yorug‘lik va soyalar qanday ishlashini tushunib boradi.
Generativ AI ham xuddi shunday ishlaydi.
1. Avval ma’lumotlardan o‘rganadi
Model minglab rasmlardagi umumiy qonuniyatlarni o‘zlashtiradi. Ya’ni u ma’lumotlarning ichki tuzilishi va taqsimotini o‘rganadi.
2. Latent makondan tasodifiy nuqta olinadi
Bu nuqta hali rasm emas. U shunchaki tasodifiy sonlardan iborat kichik kod:
z ~ N(0, I)Buni rassomning xayoliga kelgan tasodifiy g‘oya urug‘i deb tasavvur qilish mumkin.
3. Model ushbu kodni tasvirga aylantiradi
Generativ model tasodifiy kodni o‘rgangan bilimlari orqali bosqichma-bosqich shakllantiradi:
z → G(z) → yangi namunaXuddi rassom xayolidagi mavhum g‘oyani asta-sekin aniq rasmga aylantirgani kabi.
4. Natijada yangi tasvir paydo bo‘ladi
Bu inson yoki obyekt ilgari mavjud bo‘lmagan bo‘lishi mumkin. Model uni tayyor rasmdan ko‘chirmaydi, balki o‘rgangan xususiyatlarni yangicha birlashtiradi.
Demak, generativ AI oqimi quyidagicha:
ma’lumotlarni o‘rganish → latent makondan tasodifiy nuqta olish → model orqali o‘tkazish → yangi va real ko‘rinadigan natija yaratish.
Generativ AIning “sehri” — mavjud narsani tanishda emas, balki o‘rgangan bilimlari asosida yangi narsani tasavvur qilib yaratishda. ✨
Follow for more ^^
@mansurbek_blog
Andrej Karpath.pdf
1.4 MB
Hozirgi AI agentlar ko‘p ish qiladi, lekin ish tugagach oldingi tajribalarini eslab qolmaydi.
Knowledge Graph esa barcha ma'lumot va tajribalarni saqlab boradi. Natijada bir nechta AI agent birgalikda ishlaydi, oldingi natijalardan foydalanadi va har safar ishni boshidan boshlamaydi.
Asosiy xulosa shuki, kuchli AI yaratishda faqat model emas, balki to‘g‘ri arxitektura va umumiy xotira tizimi ham juda muhim deydi Andrej Karpath. Siz qanday fikrdasiz brodar?
@uzbrainai
Knowledge Graph esa barcha ma'lumot va tajribalarni saqlab boradi. Natijada bir nechta AI agent birgalikda ishlaydi, oldingi natijalardan foydalanadi va har safar ishni boshidan boshlamaydi.
Asosiy xulosa shuki, kuchli AI yaratishda faqat model emas, balki to‘g‘ri arxitektura va umumiy xotira tizimi ham juda muhim deydi Andrej Karpath. Siz qanday fikrdasiz brodar?
@uzbrainai
👍2
Avto-regressiv modellar (LLM/VLM) qanday ishlaydi?
• VLLM tezlashtiradigan modellar matn yoki rasmni konveyer (zanjir) usulida ketma-ket generatsiya qiladi. Ishlash prinsipi: Model birinchi so'zni o'qiydi, ikkinchi so'zni bashorat qiladi. Keyin birinchi va ikkinchi so'zni qo'shib o'qib, uchinchi so'zni bashorat qiladi.
• Muammo: Har safar orqadagi barcha so'zlarni qayta hisoblash GPU xotirasini to'ldirib tashlaydi.
• VLLM ning vazifasi (PagedAttention yadrosi): VLLM xuddi kompyuterlarning operativ xotirasi (RAM) kabi, o'sha o'tilgan so'zlar tarixini (KV Cache) GPU xotirasida kichik bloklarga bo'lib, juda samarali saqlaydi va chaqiradi. VLLM dagi barcha yadrolar (kernels) faqat shu ketma-ket zanjirni va KV keshni boshqarish uchun yozilgan.
Xullas, vLLM - bu matn terish mashinasini sekundiga 100 ta so'z yozadigan qilib tezlashtiruvchi motor.
@uzbrainai
• VLLM tezlashtiradigan modellar matn yoki rasmni konveyer (zanjir) usulida ketma-ket generatsiya qiladi. Ishlash prinsipi: Model birinchi so'zni o'qiydi, ikkinchi so'zni bashorat qiladi. Keyin birinchi va ikkinchi so'zni qo'shib o'qib, uchinchi so'zni bashorat qiladi.
• Muammo: Har safar orqadagi barcha so'zlarni qayta hisoblash GPU xotirasini to'ldirib tashlaydi.
• VLLM ning vazifasi (PagedAttention yadrosi): VLLM xuddi kompyuterlarning operativ xotirasi (RAM) kabi, o'sha o'tilgan so'zlar tarixini (KV Cache) GPU xotirasida kichik bloklarga bo'lib, juda samarali saqlaydi va chaqiradi. VLLM dagi barcha yadrolar (kernels) faqat shu ketma-ket zanjirni va KV keshni boshqarish uchun yozilgan.
Xullas, vLLM - bu matn terish mashinasini sekundiga 100 ta so'z yozadigan qilib tezlashtiruvchi motor.
@uzbrainai
👍1
Rag pipeline.
Bir bor takrorlab olishga arziydi. Agar agentic chatbot yoki oddiy chatbot qurayotgan bo’lsangiz ham doim tizim ichida nimalar borligiga etibor bering. Bir marta katta prompt berib(Claude , codex), katta tizim qurib bo’lmaydi.
@uzbrainai
Bir bor takrorlab olishga arziydi. Agar agentic chatbot yoki oddiy chatbot qurayotgan bo’lsangiz ham doim tizim ichida nimalar borligiga etibor bering. Bir marta katta prompt berib(Claude , codex), katta tizim qurib bo’lmaydi.
@uzbrainai
✍1
VQ → RVQ → FSQ: uzluksiz vektorni tokenga aylantirish.
Har qanday audio kodek, rasm tokenizatori yoki nutq LLM'iga bitta narsa kerak — encoder chiqishini diskret tokenga aylantirish. Yo'lning uch bosqichi:
VQ
Codebook'dan eng yaqin vektor topiladi, uning indeksi token bo'ladi. Muammosi — codebook collapse: codebook kattalashgani sari kodlarning katta qismi ishlatilmay qoladi.
RVQ
Quantize → qoldiqni ol → yana quantize, N marta. Sig'im L^N ga chiqadi, xotira esa N×L. Bosqichlarni kesib bitrate'ni pasaytirish mumkin. EnCodec, DAC, SoundStream shunga qurilgan. Narxi — VQ muammolari N barobar.
FSQ (VQ-VAE Made Simple, 2023)
Codebook butunlay yo'q. Latentni 3–8 o'lchamga tushiramiz → tanh → har o'lchovni bir necha darajaga yaxlitlaymiz. Codebook yashirin: [8,5,5,5] → 1000 ta kod tekinga. Commitment loss yo'q, EMA yo'q, collapse yo'q, utilization ~100%.
@uzbrainai
Har qanday audio kodek, rasm tokenizatori yoki nutq LLM'iga bitta narsa kerak — encoder chiqishini diskret tokenga aylantirish. Yo'lning uch bosqichi:
VQ
Codebook'dan eng yaqin vektor topiladi, uning indeksi token bo'ladi. Muammosi — codebook collapse: codebook kattalashgani sari kodlarning katta qismi ishlatilmay qoladi.
RVQ
Quantize → qoldiqni ol → yana quantize, N marta. Sig'im L^N ga chiqadi, xotira esa N×L. Bosqichlarni kesib bitrate'ni pasaytirish mumkin. EnCodec, DAC, SoundStream shunga qurilgan. Narxi — VQ muammolari N barobar.
FSQ (VQ-VAE Made Simple, 2023)
Codebook butunlay yo'q. Latentni 3–8 o'lchamga tushiramiz → tanh → har o'lchovni bir necha darajaga yaxlitlaymiz. Codebook yashirin: [8,5,5,5] → 1000 ta kod tekinga. Commitment loss yo'q, EMA yo'q, collapse yo'q, utilization ~100%.
@uzbrainai
Kim nima uchun tanlaydi:
▪️ Tokenizatordan bosh og'rig'i kerak emas → FSQ
▪️ Real-time streaming, moslashuvchan sifat → RVQ
▪️ Eski RVQ'da yarim codebook o'lik → bosqichlarni FSQ'ga almashtiring.
@uzbrainai
▪️ Tokenizatordan bosh og'rig'i kerak emas → FSQ
▪️ Real-time streaming, moslashuvchan sifat → RVQ
▪️ Eski RVQ'da yarim codebook o'lik → bosqichlarni FSQ'ga almashtiring.
@uzbrainai
Aylanma moslik: Ikki tomonlama difuziya modellari o‘zlarining xatoliklarini bashorat qila oladi deb maqola o’qib qoldim. Ancha qiziq ekan.
@uzbeainai
@uzbeainai
Aslida muammo nima (Problem Statement)?
Avtoregressiv generativ modellar (masalan, fizika simulyatsiyalari, ob-havo prognozi, video generatsiya va PDE modellari) vaqt o‘tishi bilan qadam-baqadam bashorat qiladi.
Asosiy muammo: Uzoq vaqt oralig‘ida xatoliklar to‘planib boradi (error accumulation).
Modelni amaliyotda qo‘llashda (test-time/deployment) haqiqiy ko‘rsatkichlar (ground truth) bo‘lmagani uchun modelning natijasi qanchalik to‘g‘ri yoki xato ekanligini baholashning oson yo‘li yo‘q.
@uzbrainai
Avtoregressiv generativ modellar (masalan, fizika simulyatsiyalari, ob-havo prognozi, video generatsiya va PDE modellari) vaqt o‘tishi bilan qadam-baqadam bashorat qiladi.
Asosiy muammo: Uzoq vaqt oralig‘ida xatoliklar to‘planib boradi (error accumulation).
Modelni amaliyotda qo‘llashda (test-time/deployment) haqiqiy ko‘rsatkichlar (ground truth) bo‘lmagani uchun modelning natijasi qanchalik to‘g‘ri yoki xato ekanligini baholashning oson yo‘li yo‘q.
@uzbrainai
❤1
Taqdim etilgan yechim (Proposed Solution)
Muallif Round-Trip Consistency (Aylanma moslik) deb nomlangan o‘z-o‘zini nazorat qiluvchi (self-supervised) usulni taklif etadi:
1. Ikki tomonlama (Bidirectional) Diffuziya Modeli: Neyron tarmog‘iga maxsus yo‘nalish bayrog‘i (c_d = \\pm 1) kiritiladi. Model dinamik tizimni vaqt bo‘yicha oldinga (forward) ham, orqaga (backward) ham simulyatsiya qila oladi.
2. Aylanma moslik signali (C_i):
Tizim boshlang‘ich nuqtadan i qadam oldinga yurgiziladi, so‘ngra i qadam orqaga qaytariladi.
Ideal holda model aniq ishlasa, u boshlang‘ich nuqtaga aynan qaytib kelishi kerak.
Boshlang‘ich va qaytib kelingan holat o‘rtasidagi farq (C_i) — hech qanday qo‘shimcha tashqi o‘lchovlarsiz modelning haqiqiy xatoligini ko‘rsatib beruvchi signal vazifasini o‘taydi.
@uzbrainai
Muallif Round-Trip Consistency (Aylanma moslik) deb nomlangan o‘z-o‘zini nazorat qiluvchi (self-supervised) usulni taklif etadi:
1. Ikki tomonlama (Bidirectional) Diffuziya Modeli: Neyron tarmog‘iga maxsus yo‘nalish bayrog‘i (c_d = \\pm 1) kiritiladi. Model dinamik tizimni vaqt bo‘yicha oldinga (forward) ham, orqaga (backward) ham simulyatsiya qila oladi.
2. Aylanma moslik signali (C_i):
Tizim boshlang‘ich nuqtadan i qadam oldinga yurgiziladi, so‘ngra i qadam orqaga qaytariladi.
Ideal holda model aniq ishlasa, u boshlang‘ich nuqtaga aynan qaytib kelishi kerak.
Boshlang‘ich va qaytib kelingan holat o‘rtasidagi farq (C_i) — hech qanday qo‘shimcha tashqi o‘lchovlarsiz modelning haqiqiy xatoligini ko‘rsatib beruvchi signal vazifasini o‘taydi.
@uzbrainai
Asosiy natijalar va afzalliklar
Resurslarni keskin tejamkorligi:
Bitta bidirectional model 10 ta modeldan iborat ansambl (ensemble) aniqligiga yaqinlashadi.
O‘qitish resurslari hamda xarajatlari 10 baravarga kamayadi.
Sinergiya (Ikkala yo‘nalishni birga o‘qitish): Ikkala yo‘nalishni bitta neyron tarmog‘ida birgalikda o‘qitish ikki alohida ixtisoslashgan modelni o‘qitishdan ko‘ra sifatliroq va aniqroq natija bergan.
Teskari masalalarni yechish (Inverse Solver): Orqaga yo‘naltirilgan rejim o‘z-o me'yorida tezkor inverse solver vazifasini ham bajaradi.
@uzbrainai
Resurslarni keskin tejamkorligi:
Bitta bidirectional model 10 ta modeldan iborat ansambl (ensemble) aniqligiga yaqinlashadi.
O‘qitish resurslari hamda xarajatlari 10 baravarga kamayadi.
Sinergiya (Ikkala yo‘nalishni birga o‘qitish): Ikkala yo‘nalishni bitta neyron tarmog‘ida birgalikda o‘qitish ikki alohida ixtisoslashgan modelni o‘qitishdan ko‘ra sifatliroq va aniqroq natija bergan.
Teskari masalalarni yechish (Inverse Solver): Orqaga yo‘naltirilgan rejim o‘z-o me'yorida tezkor inverse solver vazifasini ham bajaradi.
@uzbrainai
Ushbu tadqiqot AI va fizik simulyatsiyalar sohasida juda muhim muammoni — generativ modellarning o‘z-o‘ziga bo‘lgan ishonchini va xatoliklarini nazoratsiz baholash masalasini hal qiladi. Qo‘shimcha ansambllarsiz yoki fizik tenglamalarsiz, shunchaki modelni qaytarish (round-trip) orqali xatolikni baholash usuli ham nazariy, ham amaliy jihatdan juda samarali ekanligini isbotlagan. O’qib ko’ring commitda discussion qilamiz.
@uzbrainai
@uzbrainai