Sun'iy intellektning tasnifi Reja: 1. Sun'iy intellektni modellashtirishning asosiy yo'nalishlarini. 2. Neyrobionik yo'nalish. 3. Axborot yo'nalishi. 4. Sun'iy intellekt tizimlarini turlicha sinflashga misollar. Tayanch iboralar: Sun’iy intellekt (Artificial Intelligence), mashinali untellekt (machine intelligence), neyrobionoka (neurobionics), neyronlar (neurons), neyrotarmoq (neuralnetwork), neyrokompyuterlar (neurocomputers), timsollarni anglash (pattern recognition), global tarmoq (global network), EHM (computer), formal mantiq (formal logic), graflar (counts), to’plamlar nazariyasi (set theory), neyrohisoblash (neurocomputational), Neyronli qayta ishlash tizimlari (neural processing system), umumiy foydalanuvchi neyropaketlar (neuropackage general purpose), neyroilovalar yaratuvchi tizimlar (Neuroapplication development system), sinxronli (synchronous), asinxronli (asynchronous), evristik dasturlash (heuristic programming), bilmlar integratsiyasi (knowledge integration), semantik tarmoq (semantic web), bilimlarni freymli tasvirlash (frame-based knowledgee presentation), bilimlarni tasvirlashning mantiqiy modeli (logical model of knowledgere presentation), PROLOG, EXSYS, GURU, APT, KEE, KEATS, Shelly, VITAL, kognitiv grafikli tizimlar (cognitive graphics system), intellektual robotlar (intellectual work), exspert tizimlar (expert systems). 1. Sun'iy intellektni modellashtirishning asosiy yo'nalishlari Tarixiy jihatdan sun'iy intellekt(SI)ni modellashtirishning uchta asosiy yo’nalishlari shakllandi [1]. Birinchidan, tadqiqotning maqsadi inson miyasining tuzilishi va mexanizmlari va yakuniy maqsadi fikrlash sirlarini oshkor qilishdir. Ushbu yo'nalishda olib borilayotgan izlanishlarning zarur bosqichlari psixofiziologik ma'lumotlarga asoslangan modellarni qurish, ular bilan tajriba o'tkazish, intellektual faoliyat mexanizmlari bo'yicha yangi farazlarni ilgari surish, modellarni takomillashtirish va boshqalar. Ikkinchi yondashuvda tadqiqot ob'ekti sifatida SI qaraladi. Bu yerda so’z kompyuterlar yordamida intellektual faoliyatni modellashtirish masalasi haqida boradi. Bu yo'nalishdagi ishlarning maqsadi - kompyuterlar uchun algoritmik va dasturiy ta'minotni yaratishdir, bu esa intellektual vazifalarni insondan yomonroq bo’lmagan holda yechish imkonini beradi. 1

Va nihoyat, uchinchi yondashuv tabiiy intellekt va SI imkoniyatlari birlashtiruvchi interfaol intellektual tizimlar yoki inson-mashina tizimlarini yaratishga mo’ljallangan. SI mutaxassislari orasida SI sohasi va hatto uni tadqiq etish maqsadlarida yagona nuqtai nazar yo'q. Hozirgi vaqtda SIni modellashtirish uchun ikkita nuqtai nazar (yo'nalishlar) ajratilmoqda: tizimning ichki strukturasini modellashtirishga qaratilgan SI va funksiya vazifasini qat'iy belgilashdan iborat mashinali intellekti. SIga oid ishlar ikki yo'nalishda bo'linishi SI tizimlarini qurish masalasi bo'yicha ikki fikrning mavjudligi bilan bog'liq [2-8]. Neyrobionikaning tarafdorlari inson miyasida yuz beradigan sun'iy jarayonlarni modellashtiradi. Shunday qilib, SI his qilish mexanizmlarini tushunish, miyaning ishlash usullarini ochish, biologik tuzilmalarni modellashtirish uchun texnik vositalar yaratish va ulardagi jarayonlarni o'rganadi. Amaliy jihatdan neyron kabi elementlarning yaratilishi, ularning biror tizimlarga birlashtirilishi neyron tarmoq(NT)larini, neyrokompyuterlarni hosil qiladi. Ayni paytda ushbu texnologiyalar juda istiqbolli va jadal rivojlanmoqda. SI bo'yicha ikkinchi, lekin asosiy nuqtai nazar - bu asosiy maqsad biologik tizimning texnik analogini yaratish emas, balki tizimning ishlashini to'g'ri modellash, ya'ni intellektual deb hisoblangan muammolarni hal qilish uchun vositalarni yaratishdir. SIning birinchi yo'nalishi intellektual faoliyatning neyrofiziologik va psixologik mexanizmlari va insonning oqilona xatti-harakatlari haqidagi ma'lumotni ko'rib chiqadi [7]. SI tizimlari inson miyasi faoliyatini matematik izohlashga asoslangan va neyronga o'xshash tarmoq shaklida neyronga o'xshash element - neyronning analogi asosida amalga oshiriladi. Neyronli tarmoqlar yaqinda SI sohasida eng istiqbolli sohalardan biriga aylandi va odamlar hayotining keng ko'lamdagi faoliyatiga kirib bordi. Birinchi guruhning [7] tarmoqlari, masalan, xatolarni qayta targ'ib qilish tarmoqlari, Hopfield tarmoqlari va boshqalar, timsollarni aniqlash, nutqni tahlil qilish va sintez qilish, bir tildan ikkinchi tilga tarjima qilish va bashoratlash uchun ishlatiladi. Ikkinchi guruhning [7] tarmoqlari murakkab ob'ektlar uchun real vaqtda boshqaruv tizimlari sifatida ishlatiladi. Bu oxirgi paytlarda ommalashgan boshqaruv, intellektual agentlar, virtual kotiblar sifatida faoliyat yuritadi. Ushbu guruhning o'ziga xos xususiyatlari ayrim ichki stimullarning paydo bo'lishi, o'zini o'zi o'rganish va real vaqtda ishlash imkoniyatlaridir. Va nihoyat, oldingi ishlarni yanada rivojlantiradigan uchinchi guruhlar [7] tarmoqlari allaqachon neyronga o'xshash tizimlar bo'lib, ular ekzotik virtual shaxslarni yaratish, yashash joylari global Internet bo'lgan nusxalarini yaratishga qaratilgan. Bu yo'nalish faqatgina boshlanmoqda, ammo virtual odamlarning tug'ilishining guvohi bo'lishimiz, ilmiy-fantastik va kino ijodkorlari tomonidan batafsil bayon etilgan. Xulosalar. Yuqoridagilarga asoslanib, SIning asosiy yo'nalishlari modellashtirish bilan bog'liq degan xulosaga kelsak, masinali intellektda biz 2

fenomenologik, imitatsion modellashtirish va SIda strukturali modellashtirish bilan ishlaymiz. Ikkinchi yo'nalish [7], inson intellektual faoliyati mahsulotini ko'rib chiqadi, uning tarkibini o'rganadi va ushbu mahsulotni zamonaviy texnologiyalar vositasida ko'paytirishga intiladi. Mashinali intellekt tizimlarini modellashtirish formal mantiq qonunlari, to’plamlar nazariyasi, graflar, semantik tarmoqlar va diskret hisoblash sohasidagi boshqa ilmiy natijalar asosida amalga oshiriladi. Asosiy natijalar ETlar va tabiiy tilni tahlil qilish tizimlarini yaratishdan iborat. Bu yo’nalashdagi muvaffaqiyatlar , albatta, EHM imkoniyatlarining rivojlanishi va dasturlash mahoratiga uzviy bog’liq. 2.Neyrobionik yo'nalish Neyronli modellar nafaqat inson miyasining funksiyalarini takrorlaydi, balki shu bilan bir qatorda o'zlarining funksiyalarini ham bajarishi mumkin. Shuning uchun ham neyronli modellashtirishda bir-birini o’zaro to’ldiruvchi ikkita maqsad bor edi va hosirgi vaqtda ham mavjud: birinchisi - fiziologiya va psixologiya darajasida inson miyasi tizimlari faoliyatini tushunish, va ikkinchisi - inson miyasi tizimlari faoliyatiga o’xshash funksiyalarni bajaruvchi hosoblash mashonalarini (sun’iy NTlarni) yaratish [7] . 1949-yilda D.Hebb modeli [7]-inson yordamida o’rgatish modeli yaratildi. U shunday o’rgatuvchi qonunni yaratdiki, ushbi qonun sun'iy NTlarni o’ganuvchi algoritmlar uchun boshlang'ich nuqta bo’ldi. 1950-1960 yillarda bir guruh tadqiqotchilar birinchi sun'iy NTlarini yaratdilar. Dastlab ular elektron tarmoqlar sifatida amalga oshirilgan bo;lsa, keyinchalik yanada moslashuvchan kompyuterli modellash muhitiga o'tkazildi. Neyronkompyuter yaratish g’oyasi Fon Neyman EHMlarining yaratilishi bilan bir vaqtda paydo paydo bo'lgan [7]. Mak Kallok va Pittsalarning neyro-hisoblash (Mc Culloch and Pitts,1943) bo’yich asosiy ishlari 1943 yilda paydo bo’ldi. Ular inson miyasiga o’xshab ishlaydigan komputer sxemasini taklif qildilar va nerv katakchalari-neyronning qisqartirilgan modelini yaratdilar. Birinchi tajribaviy neyrokompyuter Snark 1951 yilda Marvin Minsky tomonidan qurilgan, ammo neyrokompyuterning birinchi muvaffaqiyatini Amerikalik Frank Rosenblattning perseptronni (ingliz tilidan perceptron – his, his qilish) ishlab chiqishi bilan bog'lashadi [7]. U sodda tasvirlarni o'rganish bo’yicha birinchi ishlab chiqilgan NTlardan biri edi. Ilmiy jamoatchilikning NTlarga bo'lgan qiziqishi 1980 yillar boshida fizik Xopfildning nazariy ishlaridan so'ng boshlandi (1982, 1984) [7]. NTlarini amaliy qo'llash Rumelxart tomonidan xatoliklarni teskari tarqalish usuli deb nomlanuvchi ko'p qatlamli pertseptron yordamida tanishni o’rgatish haqidagi ilmiy ishlari chop etilgandan keyin boshlandi. Neyronli qayta ishlash tizimlarini quyidagicha sinflash mumkin (2.1 – rasm) [7]. 3

Neyronli qayta ishlash tizimlari NeyroemulyatorlarMaxsuslashtirilgan tizimlar (neyrokompyuterlar) Umumiy maqsadlarga mo’ljallangan neyropaketlar Neyroilovalarni yaratuvchi tizimlar Neyrotarmoqlar asosida tayyor echimlarni olish tizimlari 2.1 –rasm. Neyronli qayta ishlash tizimlarini sinflash. Haqiqatan ham, neyokompyuterlar ixtisoslashgan tizimlarda qo'llaniladi, u yerda yuzlab NTlarini o'qitish va doimiy ravishda qayta o'qitish, birlamchi axborot komplekslariga yoki ishlash tezligi juda muhim bo'lgan real vaqt tizimlariga integrallashtirilgan bo'lishi kerak (Masalan, zamonaviy zarracha tezlatgichlarida eksperimentlar o'tkazishda 1010 gacha bo'lgan CNAPS neyrokomputerdan foydalaniladi va har bir protsessor 512 neyrondan iborat). Zamonaviy kompyuterlarning mavjudligi va hisoblash qobiliyatlari ortishi ma’lumotlarni neyronli hisoblash tamoyillaridan kompyuterlarning ketma-ketligiga mo’ljallangan dasturlarning keng tarqalishiga olib keldi. Bunday yondashuvda parallellashtirishdan foydalanmaydi, lekin neyronlarning tarmoqlarini formallashtirilmagan masalalarni echishga qaratadi va ular neyro emulyatorlar tomonidan amalga oshiriladi. Umumiy maqsadlarga mo’ljallangan neyropaketlar –keng ko'lamli vazifalar (masalan, statistik ma'lumotlarni qayta ishlash) uchun mo'ljallangan dasturiy mahsulotlardir [7]. Tijorat paketlari (Brain Maker Professional, Neuro Meteorologiyasi, Jopa - IQ300) o'zlarining ma'lumotlar bazasini oldindan tayyorlash blokiga ega, lekin ba'zida bu maqsadlar uchun standart elektron jadvallardan foydalanish qulayroq. Shunday qilib, FIAN guruhining neyromahsulotlari to'g'ridan-to'g'ri Microsoft Excel- ga maxsus ma'lumotni qayta ishlash funksiyasi sifatida kiritilgan. Neyroilovalarni ishlab chiqish tizimlari - bu ma'lumotlarni qayta ishlash uchun o'rgatilgan NTlardan foydalanadigan dasturiy kodni ishlab chiqishi mumkin bo'lgan dasturdir [7]. Murakkab NTlarini ishlab chiqish uchun qulay vositalardan biri – MATLAB hisoblanadi. MATLAB qayta ishlash ( wavelet – tahlil, statistika, iqtisodiy tahlil va h.k.) usullari bilan birgalikda neyrotarmoqli usllarni tahlili uchun qulay muhit hisoblanadi. 4

Hozirgi vaqtda neyrotarmoqlar ishlab chiqarishning aniq (korxonani boshqarish, tashkiliy-texnik tizimlar, reaktorlar va boshqalar) masalalarida keng qo’llanolmoqda. Misol uchun, Falcon mahsuloti plastik karta to'lovlari bo’yicha bankning avtomatlashtirilgan xizmat ko’rsatish tizimiga kiritilgan. Shunday qilib, neyropaketlar mustaqil dasturlashni talab qilmaydi, ular o'rganishga oson, bu amaliy muammolarni tez va arzon hal etish vositasi. Neyroilovalar murakkab real vaqtda ma'lumotlarni qayta ishlash tizimlarini yaratish uchun ishlatilishi mumkin. Tayyor echimlar tizimi muammolarni kompleks echishni ta’minlaydi. Kirish va chiqish signallarining binarligi va analogli(uzlukli)giga qarab neyrotarmoqlarni binar va analogli tiplarga ajratish mumkin. B inar neyrotarmoqlarda kirish ikkilik signallardan, har bir neyronning chiqishi esa mantiqiy nol va mantiqiy birdan iborat bo’ladi. Analogli nerotarmoqlarda neyronlarning chiqish qiymatlari uzluksiz qiymatlarni qabul qiladi. Yana tasniflanishiga ko'ra neyron tarmog’i sinxronli va asinxronli tiplarga bo'linadi [7]. Birinchi holatda, vaqtning har bir momentida faqat bitta neyron o'z holatini o'zgartiradi, ikkinchisida - bir guruh neyronlar birdaniga o’z holatini o'zgartiradi. Bart Kosko tomonidan aloqalar tipi va o’gatish tiplariga (Encoding – Decoding) ko’ra NTlar 2.1 – jadvaldagidek sinflashtiriladi. 2.1 – jadval. Aloqalat tipiga asosan ( Decoding ) O’rgatish tipiga asosan (Coding) <<O’qituvchili>> << O’qituvchisiz >> Teskari aloqasiz Ko’pqatlamli pertseptronlar (funksiyalar approksimatsiyasi, sinflash) Musobaqalashuvchi tarmoqlar, Кохонен kartalari (ma’lumotlarni siqish, belgilarni tanlash) Teskari aloqali Rekkurentli approksimatorlar (sonly qatorlarni bashoratlash, on- line rejimida o’rgatish) Xopfild tarmog’i ( assotsiativ xotira, ma’lumotlarni klasterizatsiyalash, optimallashtirish ) 3. Axborot li yo'nalishi Axborotli yo'nalishi uch tipga bo'linadi [7]. 1. Evristik dasturlash - bu original uslublarni ishlab chiqish, masalalarni inson kabi, ba’zi hollarda undan ham yaxshi echadigan algoritmlarni ishlab chiqishdir. Evristika deganda – bu murakkab masalalar yechimni topishda qo’llaniladigan tizimning samaradorligini oshirish uchun foydalaniladigan qoida, strategiya, uslub yoki qoidalar tushuniladi. Evristik dastur - bu evristikani 5