1. Sun'iy intellektning asosiy tushuncha va ta'riflari, sun'iy intellekt sohasidagi tadqiqot yo'nalishlari, qanday tizimlar intellektual tizimlar toifasiga kiradi

36.Chuqur teskari svertkaning grafik tarmog'i
"Chuqur teskari svertka" (Deep Residual Learning) yoki "ResNet" — bu chuqur tarmoq modellari uchun innovatsion yondashuvdir. Uning asosiy maqsadi chuqur tarmoq modellarining o'zgaruvchanlarning o'rganishida yuz beradigan muammolarni hal qilish va o'zgaruvchanlarni tezkor o'rganishni osonlashdirishdir.

ResNet grafik tarmogi quyidagi hususiyatlarga ega:

1. **Makro bloklar:** ResNet tarmoqi, tarmoqni bir nechta "makro bloklar" ga bo'lishi orqali tuzilgan. Har bir makro blokda, biror sonli o'zgaruvchanlarning boshqaruv tizimlari, aktivatsiya funksiyalari (masalan, ReLU) va o'zgaruvchanlarning o'zgarishlarini yenglash uchun "Skip Connection" (ya'ni, qadam ko'tarish) ni qo'llab-quvvatlaydigan "identitet" bo'lgan ikkita qadam bor.

2. **Chuqur tuzilgan tarmoq:** ResNet chuqur tuzilgan tarmoqdir. ResNet tarmoqi tuzilgan tarmoqni o'sishi orqali ko'payadi. Bu, ma'lumotlarni o'rganish va tasniflash uchun yorqinligini oshiradi.

3. **Skip Connection (Qadam Ko'tarish):** ResNet tarmoqining asosiy qismi "Skip Connection" bo'lgan. Ular, har bir blokdan o'tadigan o'zgaruvchanlarni o'zgartirish uchun qo'llaniladi. Bu qadam ko'tarish, ma'lumotlarni tarmoqning yuqori qismidan pastga tezroq o'tkazishda va gradientlar yo'lida yo'qolishni kamaytiradi.

Chuqur teskari svertka yondashuvi, ma'lumotlarni o'rganishda va tasniflashda yuqori natijalarga olib kelmoqda va ko'p muammolar hal qilinayotgan yagona modellar orasida juda ko'p ishlatilmoqda. ResNetning tarmoqni chuqur o'sishi, tarmoqni o'rganish va tasniflashda yuqori natijalarga olib kelmoqda.

37.Generativ qarama-qarshilik tarmog'i (generative adversarial network, GAN)
"Generativ qarama-qarshilik tarmoqi" (GAN) — bu sun'iy intellekt modeli, tasvirlarni generatsiya qilish uchun ishlatiladi. GAN, 2014-yilda Ian Goodfellow va boshqa tadqiqotchilar tomonidan taklif etilgan, va uni generativ tarmoqlar maydonida katta rivojlanishni olib chiqdi. U GANning asosiy maqsadi, yangi tasvirlar (masalan, suratlar, san'at asarlar) generatsiya qilish uchun boshqa tasvirlardan o'rganilgan statistik xususiyatlarni ishlatishdir.

GAN tizimida ikkita asosiy qism mavjud:

1. **Generativ tarmoq (Generator):** Generativ tarmoq, kiritilgan xususiyatlarga (bias) ega tasvirlarni generatsiya qilish uchun ishlatiladi. U yangi tasvirlar tuzishda o'rganilgan statistik xususiyatlarni o'z ichiga oladi.

2. **Diskriminator tarmoqi (Discriminator):** Diskriminator tarmoqi, kiritilgan tasvirlarni va generatsiya qilingan tasvirlarni farq qilish uchun ishlatiladi. U yangi tasvirlarni haqiqiy tasvirlardan farqli ko'rsatishi kerak bo'lgan statistik xususiyatlarni o'rganadi.

GAN tizimi quyidagi bosqichlarda ishlaydi:

1. **Generatsiya (Generative Step):** Generativ tarmoq, kiritilgan xususiyatlarga ega tasvirlarni generatsiya qiladi.

2. **Baholanish (Scoring):** Diskriminator tarmoqi kiritilgan tasvirlarni va generatsiya qilingan tasvirlarni baholaydi.

3. **Trenirovka (Training):** Generativ tarmoq va diskriminator tarmoqi bir-biriga qarshi baholanishda olib kelgan xatolarni o'zgartirib, tarmoqni o'rganishda va generatsiya qilishda ko'proq yaxshi natijalarga yo'l qo'ymoq uchun o'zlarini yangi bilimlar boyicha rivojlantirishadi.

Bu jarayon GAN tizimining ixtirolarni o'rganish va generatsiya qilishda keng qo'llanilishiga olib kelgan, chunki u yangi tasvirlar yaratishda o'zgaruvchanlar va ixtirolar yaratishda mahoratli bo'lishi mumkin. GANlar yaratilgan tasvirlarning haqiqiy va asl tasvirlardan farqli bo'lishini o'rganishda va tasvirlarni generatsiya qilishda juda muvaffaqiyatli bo'lib chiqmoqda.