ئۇيغۇرچە AI قامۇسى
AI دۇنياسى
Artificial Intelligence — تولۇق ئۇيغۇرچە يىلنامە
LLM، ML، DL، Narrow AI، AGI، NLP، Computer Vision، Reinforcement Learning ۋە يەنە كۆپرەك — سۈنئىي ئىدراك دۇنياسىنىڭ بارلىق ئاساسلىق چۈشەنچىلىرى تەپسىلىي ئۇيغۇرچە چۈشەندۈرمە بىلەن.
🧠 AI تارىخى 🤖 Narrow AI 🌐 AGI & ASI 📐 ML 🧬 Deep Learning 💬 NLP & LLM 👁️ Computer Vision 🎮 Reinforcement Learning 🎨 Generative AI 🏗️ AI Architecture 🛡️ AI Ethics 🔬 AI Research
سۈنئىي ئىدراك تارىخى
1950-يىلدىن بۈگۈنگىچە — AI نىڭ يىللار بويى ئۆسۈشى، قىشلار ۋە يازلار
سۈنئىي ئىدراك (AI) دېگىنى — ئادەتتە ئىنسان ئەقلى تەلەپ قىلىدىغان ۋەزىپىلەرنى (ئويلىنىش، ئۆگىنىش، مەسىلە ھەل قىلىش، تىل چۈشىنىش) ماشىنىلار ئارقىلىق ئامالغا ئاشۇرۇش ئىلمى ۋە تېخنىكىسى. 1956-يىلى John McCarthy «Artificial Intelligence» ئىستىلاھىنى ئوتتۇرغا قويغاندىن بۇيان بۇ ساھە ئۇزۇق-تۇتۇق رىۋاجلىنىپ كەلدى.
AI تۈرلىرى — ئىقتىدار دەرىجىسىگە قاراپ
Narrow AI دىن AGI ۋە ASI گىچە — ئۈچ دەرىجىلىك سۈنئىي ئىدراك تۈرلىرى
🎯
تار مەيدانلىق AI — Narrow AI (ANI)
ئەڭ كۆپ ئىشلىتىلىدىغان AI تۈرى. پەقەت بىر ياكى بىر نەچچە ئېنىق ۋەزىپىنى ئادا قىلالايدۇ. مەسىلەن: يۈز تونۇش سىستېمىسى پەقەت يۈز تونۇشنى، شاتراڭ AI پەقەت شاتراڭنى ئالىدۇ. ئۆزىنىڭ بەلگىلەنگەن ساھەسىدە ئىنساندىن يۇقىرى بولالايدۇ، ئەمما باشقا ساھەگە كۆچەلمەيدۇ. مىساللار: Siri، Alexa (ئاۋاز ياردەمچىسى) — Google Translate (تىل تەرجىمىسى) — Netflix تاۋسىيە سىستېمىسى — Tesla ئاپتوماتىك يۈرۈش — AlphaGo (Go ئويۇنى) — رەسىم تونۇش — سپام سۈزگۈچ.
ھازىرقى دەۋر
بىر ۋەزىپىلىك
تار ساھە
ئىشلىتىشكە تاياق
🌐
ئومۇمىي سۈنئىي ئىدراك — AGI
ئىنسان سەۋىيىسىدىكى ئومۇمىي ئىدراك. ئىنسان قىلالايدىغان ھەر قانداق بىلىش ۋەزىپىسىنى ئادا قىلالايدۇ. ھازىرچە نەزەرى چۈشەنچە. OpenAI، DeepMind، Anthropic AGI قۇرۇشنى ئاساسلىق مەقسىت قىلغان. AGI مۆلچەرى ئادەمدىن ئادەمگە ئوخشىمايدۇ — بەزىلەر 2027، بەزىلەر 2040، بەزىلەر ھەرگىز دەيدۇ. ئالاھىدىلىكلىرى: يېڭى ساھەگە ئۆز-ئۆزىدىن ماسلىشىش — ئاز مىقداردىكى مىسالدىن ئۆگىنىش — ئىجادىي تەپەككۇر — ئۆزىنى ئۆزى باھالاش — مۇرەككەپ مەسىلە ھەل قىلىش.
نەزەرى
ئىنسان سەۋىيىسى
ھەنۇز يوق
مۆلچەر: 2030-2050
ئىنساندىن ئۈستۈن سۈنئىي ئىدراك — ASI
ئىنسان ئىدراكىدىن كۆپ ھەسسە يۇقىرى. ئىلمى، ئىجادىيلىق، ئىجتىمائى كۆندۈرۈش قاتارلىق بارلىق ساھەدە ئەڭ ئاقىللىق ئىنساندىنمۇ ئۈستۈن. Nick Bostrom نىڭ «Superintelligence» كىتابىدا چوڭقۇر تەھلىل قىلىنغان. Stephen Hawking، Elon Musk ASI نى ئىنسانىيەتنىڭ ئاخىرقى ئىختىرا قىلغۇچىسى ياكى ئەڭ چوڭ خەتىرى دەپ ئاتىغان. ئاگاھلاندۇرۇش: ASI نىڭ ماقسىتى ئىنسانلارنىڭ ماقسىتىغا ماسلاشتۇرۇلمىسا «Alignment Problem» كەلتۈرىپ چىقىرىدۇ — Anthropic، DeepMind نىڭ ئەڭ ئاساسلىق تەتقىقات مەسىلىسى شۇ.
نەزەرى
ئىنساندىن يۇقىرى
خەتەرلىك
مۆلچەر: يىراق
ئىنكاسلىق ماشىنا
ئەڭ ئاددىي AI تۈرى. ئۆتمۈش خاتىرىسى يوق، پەقەت ھازىرقى كىرگۈزمىگە ئىنكاس كۆرسىتىدۇ. مىسال: IBM Deep Blue، ئاددىي تاۋسىيە سىستېمىسى.
چەكلىك خاتىرە AI
قىسقا مۇددەتلىك ئۆتمۈش سانلىقلىرىنى ئىشلىتىپ قارار قىلىدۇ. مىسال: ئاپتوماتىك يۈرۈش ئاپتوماشىنا، ChatGPT سۆھبەت تارىخى.
ئەقىل نەزەرىيىسى
باشقىلارنىڭ دۇيغۇسى، نىيىتى ۋە تەپەككۇرىنى چۈشىنىش ئىقتىدارى. ھازىر تەتقىقات مەرھىلىسىدە. AGI نىڭ مۇھىم جەھەتلىرىدىن.
ئۆز-ئۆزىنى چۈشىنىدىغان AI
ئۆزىنىڭ مەۋجۇتلۇقىنى چۈشىنىدۇ، ئۆز-ئۆزىنى باشقۇرالايدۇ. AGI/ASI نىڭ ئاخىرقى مەرھىلىسى. ھازىر خىيالاتلىق مەرھىلىدە.
ماشىنا ئۆگىنىشى
ماشىنىلارنىڭ ئېنىق كود يازماي تۇرۇپ سانلىقلاردىن ئۆزلۈكىدىن ئۆگىنىش ئۇسۇلى
ماشىنا ئۆگىنىشى (ML) — ماشىنىنىڭ ئاشكارىلانغان سانلىقلاردىن ئۆزلۈكىدىن نامۇنا تاپىش ۋە قارار چىقىرىش ئىقتىدارىنى يوللاش ئىلمى. AI نىڭ ئاساسلىق تارمىقى. Arthur Samuel 1959-يىلى «ML» ئىستىلاھىنى ئوتتۇرغا قويغان. ئاددىي قىلىپ ئېيتقاندا: سانلىق مەلۇمات + ئالگورىزم = مودېل → مۆلچەرلىمە
يېتەكچىلىك ئاستىدا ئۆگىنىش
بەلگىلەنگەن يارلىق (label) بار سانلىقلار بىلەن تەربىيىلەش. مودېل كىرگۈزمە-چىقىم جۈپلىرىدىن نامۇنا تاپىدۇ.
يارلىقسىز ئۆگىنىش
يارلىق بەلگىلەنمىگەن سانلىقلاردىن ئۆزلۈكىدىن گۇرۇپپا ۋە نامۇنا تاپىش. قىزىقىدىغان ئوخشاشلىقلارنى بايقاش.
كۈچەيتىش ئۆگىنىشى
Agent مۇھىت بىلەن ئۆز-ئارا تەسىردە بولۇپ مۇكاپات/جازا ئارقىلىق ئۈستۈنلۈك ئىزدەيدۇ.
ئۆز-ئۆزىدىن يېتەكلىنىش
سانلىقلارنىڭ ئۆزىدىن يارلىق ھاسىللاپ ئۆگىنىش. GPT، BERT قاتارلىق LLM لارنىڭ ئاساسى.
يارىم يارلىقلىق ئۆگىنىش
ئاز مىقداردىكى يارلىقلىق سانلىق بىلەن كۆپ مىقداردىكى يارلىقسىز سانلىقنى بىرلەشتۈرۈش.
ئۆگىنىشنى كۆچۈرۈش
بىر ۋەزىپىدە ئۆگىنىلگەن بىلىمنى باشقا ۋەزىپىگە يوللاش. Fine-tuning نىڭ ئاساسى.
ئاساسلىق ML ئالگورىزملارى
| ئالگورىزم | ئۇيغۇرچە ئىسمى | ئىشلىتىلىدىغان ئورۇن | تۈرى |
| Linear Regression | سىزىقلىق چاغىرىشتۇرۇش | سانلىق قىممەت مۆلچەرى — ئۆي باھاسى، سېتىلىش مۆلچەرى | يېتەكچىلىك |
| Logistic Regression | تۈرلەش چاغىرىشتۇرۇش | ئىككى تۈرلۈك تۈرلەش — سپام/نورمال، كېسەل/سالامەت | يېتەكچىلىك |
| Decision Tree | قارار دەرىخى | قارار قاداملىرى — قايتا ئىزاھلانغۇچى مودېل | يېتەكچىلىك |
| Random Forest | تاساددۇپىي ئورمان | كۆپ قارار دەرىخى بىرلىكى — يۇقىرى ئىقتىدار، ئاشىرا ئۆگىنىشنى ئازايتىدۇ | يېتەكچىلىك |
| SVM | قوللاش ۋېكتور ماشىنا | يۇقىرى ئۆلچەملىك تۈرلەش — تېكىست، رەسىم تۈرلەش | يېتەكچىلىك |
| K-Means | K-ئوتتۇرا توپلاش | ئىشلەتكۈچى گۇرۇپپىلاش، بازار تەھلىلى | يارلىقسىز |
| PCA | ئاساسلىق تەرەپ تەھلىلى | ئۆلچەم تۆۋەنلىتىش، ۋىزۇئالىزاتسىيە | يارلىقسىز |
| XGBoost / LightGBM | كۈچلۈك تۆگىنىش ئالگورىزمى | Kaggle رەقابىتىدە ئەڭ مەشھۇر — يۇقىرى ئىقتىدارلىق تۇرغۇن سانلىق | يېتەكچىلىك |
| K-NN | K-يېقىن قوشنا | ئوخشاشلىققا ئاساسەن تۈرلەش — تاۋسىيە سىستېمىسى | يېتەكچىلىك |
| Naive Bayes | سادە Bayes | تىل تۈرلەش، سپام بايقاش — تېز ۋە ئاددىي | يېتەكچىلىك |
چوڭقۇر ئۆگىنىش
ئىنسان مىيىسى نېيرون تارماقلىرىدىن ئىلھام ئالغان كۆپ قەۋەتلىك سۈنئىي نېيرون تارماق
چوڭقۇر ئۆگىنىش (DL) — ML نىڭ تارمىقى. سۈنئىي نېيرون تارماق ئارقىلىق كۆپ قەۋەتلىك نامۇنا تاپىش. «چوڭقۇر» دېگەن — كۆپ قەۋەتلىك (layer) دەمەكتۇر. 2012-يىلى AlexNet ImageNet رەقابىتىدە ئىنسان سەۋىيىسىگە يېتىپ DL ئىنقىلابى باشلاندى. GPU ھىسابلاش كۈچى، چوڭ سانلىق مەلۇمات ۋە ئالگورىزم يۇقىرىلىشى DL نى ممكىن قىلدى.
سۈنئىي نېيرون تارماق
ئىنسان مىيىسى نېيرونلىرىدىن ئىلھام ئالغان. كىرگۈزمە (Input), يوشۇرۇن (Hidden), چىقىش (Output) قەۋەتلىرىدىن تۈزۈلگەن. Backpropagation بىلەن تەربىيىلىنىدۇ.
تورلۇق نېيرون تارماق
رەسىم تەھلىلى ئۈچۈن ئالاھىدە. Convolution قەۋەت ئارقىلىق رەسىمدىن گوشا، چىزىق، شەكىل تاپىدۇ. ResNet، VGG، EfficientNet مىساللار.
قايتالانغۇچ نېيرون تارماق
تۈركۈملۈك سانلىقلار (تىل، ۋاقىت يۈرىكى) ئۈچۈن. ئۆتمۈش خاتىرىسىنى ساقلايدۇ. LSTM، GRU كىيىنچە رىۋاجلاندى.
ئۇزۇن-قىسقا مۇددەتلىك خاتىرە
RNN نىڭ كاملىقى — ئۇزۇن مۇددەتلىك تەئسىرنى ساقلايدۇ. تىل تەرجىمىسى، ئاۋاز تونۇش، ۋاقىت يۈرىكى مۆلچەرى.
ئۆزگەرتكۈچ تارماق
2017-يىلى Google تەرىپىدىن «Attention Is All You Need» ماقالىسىدە تونۇشتۇرۇلغان. Self-Attention مېخانىزمى بىلەن. GPT، BERT، LLaMA ئاساسى.
رەقىبانە ھاسىللاش تارماق
Generator ۋە Discriminator ئىككى تارماقنىڭ رەقابىتى. يۇقىرى سۈپەتلىك رەسىم، ۋىدىيو ھاسىللاش. 2014-يىلى Ian Goodfellow تەكلىپ قىلغان.
تارقىتىش مودېلى
ئاستا-ئاستا تارقاتمىنى قوشۇپ ئاندىن ئەكس تەرەپكە يۈرۈتۈش ئارقىلىق رەسىم ھاسىللاش. Stable Diffusion، DALL-E 3 ئاساسى.
ئاپتوماتىك شىفىرلاش
ئىچكى يوشۇرۇن ۋاساتىلىق ئۆلچەم (Latent Space) ئارقىلىق مەزمۇن پرېسلەش ۋە ئەسلىگە كەلتۈرۈش. رەسىم ھاسىللاشتا ئىشلىتىلىدۇ.
گراپ نېيرون تارماق
گراپ قۇرۇلمىسىدىكى سانلىقلار ئۈچۈن. ئىجتىمائى تار تەھلىلى، مولېكۇل بىولوگىيىسى، تاۋسىيە سىستېمىسى.
ئاساسلىق DL چۈشەنچىلىرى
| چۈشەنچە | ئۇيغۇرچە | چۈشەندۈرمە | مۇناسىۋەت |
| Backpropagation | كەينىگە تارقىتىش | خاتالىقنى كەينىگە تارقىتىپ ئاغىرلىقنى تۈزىتىش — تەربىيىلەشنىڭ ئاساسى | ئاساسلىق |
| Gradient Descent | گرادىيېنت چۈشۈشى | يوقىتىش فۇنكسىيىسىنىڭ ئەڭ تۆۋەن نۇقتىسىغا ئىتىلىش — ئالگورىزمنى ئۆزگەرتىدۇ | ئاساسلىق |
| Activation Function | پەئاللاشتۇرۇش فۇنكسىيىسى | ReLU, Sigmoid, Tanh — سىزىقسىزلىق قوشىدۇ، مۇرەككەپ نامۇنا تاپالايدۇ | قۇرۇلما |
| Dropout | تاساددۇپىي ئۆچۈرۈش | تەربىيە دەۋرىدە نېيرونلارنى تاساددۇپى ئۆچۈرۈش — ئاشىرا ئۆگىنىشنى بوستۇرىدۇ | تەڭشەش |
| Batch Normalization | توپلام نورمالىزاتسىيىسى | ھەر قەۋەتنىڭ كىرگۈزمىسىنى نورمالىزاتسىيىلەش — تەربىيىلەشنى تۇراقلاشتۇرىدۇ | تەڭشەش |
| Learning Rate | ئۆگىنىش سۈرئىتى | ھەر قەدەمدە ئاغىرلىقنى قانچە ئۆزگەرتىش — ئەڭ مۇھىم Hyperparameter | Hyperparameter |
| Epoch & Batch | دەۋر ۋە توپلام | Epoch = پۈتۈن سانلىق بىر قېتىم كۆرۈش; Batch = بىر قېتىمدىكى نۇسخا سانى | Hyperparameter |
| Overfitting | ئاشىرا ئۆگىنىش | تەربىيە سانلىقىنى يادلاپ، يېڭى سانلىقتا ئومۇملىشالماش — ئالدىنالماش | مەسىلە |
| Underfitting | يەتكۈسسىز ئۆگىنىش | مودېل نامۇنانى ئۆگىنەلمەش — مودېل ئاددىي ياكى تەربىيە يەتمىدى | مەسىلە |
| Regularization | تەڭشەكچىلىك | L1/L2 كاللىيىك — ئاشىرا ئۆگىنىشنى بوستۇرۇش ئۇسۇلى | ھەل قىلىش |
تىل تەھلىلى ۋە چوڭ تىل مودېلى
ماشىنىلارنىڭ ئىنسان تىلىنى چۈشىنىش ۋە ھاسىللاش ئىلمى — ChatGPT نىڭ مىيى
💬
تەبىئىي تىل تەھلىلى — NLP
ماشىنىلارنىڭ ئىنسان تىلىنى (يازما ياكى ئاۋاز) چۈشىنىش، تەھلىل قىلىش ۋە ھاسىللاش ئىقتىدارى. AI نىڭ ئاساسلىق تارمىقلىرىدىن. 1950-يىللىرى باشلانغان بولۇپ، Transformer مودېلى بىلەن ئىنقىلابلىق ئالغا سەكرىدى. NLP ۋەزىپىلىرى: تىل بايقاش — تامغا تۈرلەش (NER) — تويغۇ تەھلىلى — خۇلاسىلاش — تەرجىمە — سوئال جاۋاپ — سۆھبەت — تىل تولۇقلاش.
Tokenization
Embeddings
Attention
BERT
GPT
🧬
چوڭ تىل مودېلى — LLM
مىلياردلارچە پارامېتر بار، چوڭ سانلىق مەلۇمات ئۈستىدە تەربىيىلەنگەن Transformer ئاساسلىق تىل مودېلى. پارامېتر سانى يۇقىرىلاشقانسىرى ئىقتىدار كۈچىيىدۇ — بەزى ئەقىللىق ئىقتىدار كۈتۈلمىگەن ئاشكارا بولىدۇ (Emergent Abilities). قانداق تەربىيىلىنىدۇ؟ ① Pre-training: ئىنتېرنېت مەزمۇنىدىن ئۆز-ئۆزىدىن ئۆگىنىش (تامغا مۆلچەرى) → ② Fine-tuning: ئېنىق ۋەزىپە سانلىقى بىلەن خاسلاشتۇرۇش → ③ RLHF: ئىنسان باھاسى بىلەن يۇقىرىلاشتۇرۇش.
GPT-4o
Claude 4
Gemini
LLaMA
Mistral
Qwen
تامغالاش
تېكىستنى كىچىك بۆلۈكلەرگە (token) بۆلۈش. «Hello» = 1 token، «Unconditional» = 3 token. BPE، WordPiece ئۇسۇللار.
سۆز ۋېكتورى
سۆزلەرنى سانلىق ۋېكتورغا ئايلاندۇرۇش. «King - Man + Woman = Queen». Word2Vec، GloVe، FastText مىساللار.
دىققەت مېخانىزمى
مودېل جۈملىنى تەھلىل قىلغاندا قايسى سۆزگە كۆپرەك دىققەت قىلىشىنى ئۆزى بەلگىلىيىدۇ. Transformer نىڭ يۈرىكى.
مەزمۇن دەرىچىسى
LLM بىر قېتىمدا قانچە تامغانى كۆرەلەيدۇ. GPT-4o: 128K، Claude 4: 200K. كۆپ بولغانسىرى ئۇزۇن سۆھبەت ساقلىيالايدۇ.
AI خىيالبازلىقى
LLM توغرا بولمىغان مەلۇماتنى ئىشەنچ بىلەن ئوتتۇرغا قويۇشى. ئەڭ مۇھىم AI بىخەتەرلىك مەسىلىلىرىدىن بىرى.
تەتكۈز يازغانلىقى
LLM دىن ئەڭ ياخشى جاۋابنى ئالىش ئۈچۈن تەتكۈزنى ئىزچىل يېزىش سەنئىتى. Zero-shot، Few-shot، Chain-of-Thought.
ئىزدەش كۈچەيتىلگەن ھاسىللاش
Retrieval-Augmented Generation. تاشقى بىلىم ئامبىرىدىن ئىزدەپ LLM جاۋابىنى كۈچەيتىش. خىيالبازلىقنى ئازايتىدۇ.
مودېل خاسلاشتۇرۇش
ئالدىن تەربىيىلەنگەن LLM نى ئېنىق سانلىق بىلەن داۋاملىق تەربىيىلەش. LoRA، QLoRA ئارزان ئۇسۇللار.
ئىنسان باھاسى بىلەن ئۆگىنىش
Reinforcement Learning from Human Feedback. ئىنسان باھاگۈرى LLM جاۋابلىرىنى تەرتىپلەپ مودېلنى يۇقىرىلاشتۇرىدۇ. ChatGPT نىڭ مۇۋەپپەقىيەت سىرى.
سانلىق تۆۋەنلىتىش
مودېل ئاغىرلىقلىرىنىڭ توغرىلىق دەرىجىسىنى تۆۋەنلىتىش (32bit → 4bit). مودېل ئۆلچىمىنى كىچىكلىتىپ تېزلاتىدۇ. GGUF، GPTQ ئۇسۇللار.
ئاساسلىق LLM مودېللىرى سېلىشتۇرۇشى
| مودېل | شىركەت | پارامېتر / ئالاھىدىلىك | تۈرى |
| GPT-4o | OpenAI | Omni — تېكىست، رەسىم، ئاۋاز ئۈچلىكىنى چۈشىنىدۇ. 128K مەزمۇن دەرىچىسى | تىجارەت |
| Claude 4 Opus | Anthropic | ئەڭ چوڭقۇر ئەقىللىق تەھلىل. 200K مەزمۇن دەرىچىسى. Constitutional AI | تىجارەت |
| Gemini 2 Ultra | Google DeepMind | Google Search، YouTube بىلەن بىرلەشكەن. 1M+ مەزمۇن دەرىچىسى | تىجارەت |
| Llama 3.1 405B | Meta AI | ئوچۇق كودلۇق ئەڭ چوڭ مودېل. تىجارەت ئىشلىتىشكە رۇخسەت | ئوچۇق |
| Mistral Large | Mistral AI | ئەۋروپا AI شىركىتى. MoE ئارقىلىق ئازسانلىق پارامېتردا يۇقىرى ئىقتىدار | ئوچۇق |
| Qwen 2.5 72B | Alibaba | كۆپ تىللىق، كود ئۈستۈنلۈكلۈك. Uyghur، Arabic قاتارلىق قوللايدۇ | ئوچۇق |
| DeepSeek V3 | DeepSeek | 671B MoE. ئارزان تەربىيىلەش خارجىيەتى. ئوچۇق كودلۇق | ئوچۇق |
| Phi-3 / Phi-4 | Microsoft | كىچىك ئەمما كۈچلۈك. 3.8B دا GPT-3.5 سەۋىيىسى | ئوچۇق |
كومپيۇتېر كۆرۈشى
ماشىنىلارنىڭ رەسىم ۋە ۋىدىيودىن مەزمۇن چۈشىنىش ۋە تەھلىل قىلىش ئىقتىدارى
رەسىم تۈرلەش
رەسىمنى بىر تۈرگە تەقسىم قىلىش. «مۇشۇق» ياكى «كۆپەك»؟ ResNet، EfficientNet، ViT مودېللار.
ئوبيېكت بايقاش
رەسىم ئىچىدىكى ئوبيېكتلارنى «صندوق» بىلەن بەلگىلەش ۋە تۈرلەش. YOLO، Faster R-CNN.
مەنالىق بۆلۈش
ھەر پىكسېلنى بىر تۈرگە تەقسىم قىلىش. رەسىمدىكى ھەر نەرسىنى ئايرىم رەڭ بىلەن بەلگىلەيدۇ.
يۈز تونۇش
رەسىمدىن ياكى ۋىدىيودىن يۈز بايقاش ۋە شەخسنى تونۇش. DeepFace، ArcFace ئالگورىزملار.
تۇرۇش تەخمىنى
رەسىمدىن ئىنساننىڭ تۈگۈن ئورنىنى (بىلەك، تىز…) بايقاش. MediaPipe، OpenPose ئۈسكۈنىلىرى.
رەسىم ھاسىللاش
تېكىستتىن رەسىم ھاسىللاش (T2I). Stable Diffusion، DALL-E 3، Midjourney، FLUX.1. Diffusion ئالگورىزمى ئاساس.
ئوپتىك ھەرپ تونۇش
رەسىمدىكى تېكىستنى رەقەملىك تېكىستكە ئايلاندۇرۇش. Tesseract، PaddleOCR، Azure Form Recognizer.
ۋىدىيو چۈشىنىش
ۋىدىيودىن ئىش-ھەرىكەت تونۇش، مەزمۇن تەھلىلى. Sora، Runway قاتارلىق ۋىدىيو AI لار.
ھاسىللاش AI
يېڭى مەزمۇن — تېكىست، رەسىم، ئاۋاز، ۋىدىيو، كود — ھاسىللىيالايدىغان AI
تېكىست ھاسىللاش
LLM ئارقىلىق تۈرلۈك تىل ئۇسلۇبىدا مەزمۇن ئىجاد قىلىش. ماقالە، كود، شىئىر، ئۆگىتىم…
رەسىم يارىتىش
Diffusion Model ئارقىلىق تېكىست تەسۋىرىدىن يۇقىرى سۈپەتلىك رەسىم ھاسىللاش.
ئاۋاز ۋە مۇزىكا ھاسىللاش
Suno، Udio (مۇزىكا); Bark، ElevenLabs (TTS); AudioCraft (Meta). تىللاردىن ئاۋاز ياسايدۇ.
ۋىدىيو ھاسىللاش
Sora (OpenAI)، Runway Gen-3، Kling، Pika — تېكىستتىن ياكى رەسىمدىن ۋىدىيو ياسايدۇ.
كود ھاسىللاش
GitHub Copilot، Cursor، Claude Code، Devin — تەبىئىي تىل تەسۋىرىدىن كود يېزىش.
3D مودېل ھاسىللاش
تېكىست ياكى رەسىمدىن 3D مودېل ياسايدۇ. Point-E، Shap-E (OpenAI)، TripoSR.
كۆپ مۇھىتلىق AI
تېكىست، رەسىم، ئاۋاز، ۋىدىيونى بىرلىكتە چۈشىنىپ جاۋاپ بىرىدۇ. GPT-4o، Gemini Ultra، Claude 4.
AI Agent ئىجراچىسى
LLM ئاساسىدا ئۆز-ئۆزىگە ۋەزىپە رەتلەيدىغان ۋە قورال ئىشلىتىدىغان سىستېما. AutoGPT، Claude Code، Devin.
ئالاھىدە AI تارماقلىرى
Reinforcement Learning، Robotics، Edge AI، Federated Learning ۋە يەنە كۆپرەك
🎮
كۈچەيتىش ئۆگىنىشى — RL
Agent مۇھىت بىلەن ئۆز-ئارا تەسىردە بولۇپ مۇكاپات (reward) ئارقىلىق ئالتۇن سىياسەت (optimal policy) ئۆگىنىدۇ. ئىنسان يول كۆرسىتىشى تەلەپ قىلمايدۇ — ئۆزلۈكىدىن تەجرىبە قىلىدۇ. ئاساسلىق ئۇسۇللار: Q-Learning، Deep Q-Network (DQN)، PPO (Proximal Policy Optimization)، Actor-Critic، AlphaZero ئۆز-ئۆزىنى ئوينىتىش. مىساللار: AlphaGo/AlphaZero (Go ئويۇنى), OpenAI Five (Dota 2), ChatGPT RLHF, رومبوتىق قوللار تەربىيىسى, Stock Trading Bot.
تارقالغان ئۆگىنىش
سانلىقنى مەركەزگە يوللاماي، ھەر ئۈسكۈنىدە يەرلىك تەربىيىلەپ پەقەت مودېل يېڭىلاشلىرىنى ئوتتۇرغا يوللاش. خۇسۇسىيەت قوغداش.
چەت ھىسابلاش AI
AI مودېلىنى بولۇت ئەۋەتمەي تۇرۇپ يەرلىك ئۈسكۈنىدە (تېلىفون، IoT, رومبوت) ئىجرا قىلىش. Tflite، ONNX.
رومبوتىق AI
جىسمانىي دۇنيادا ھەرىكەت قىلالايدىغان AI. Boston Dynamics، Tesla Optimus، Figure AI رومبوتلىرى.
تىببىي AI
AlphaFold (پروتئىن قۇرۇلمىسى), Pathology AI, Drug Discovery, تىببىي رەسىم تەشخىسلاش.
ئاپتوماتىك يۈرۈش
Tesla FSD، Waymo، Cruise — LIDAR، Radar، Camera بىرلەشتۈرۈپ يول كۆرۈش. SAE 0-5 دەرىجىسى.
ئىلمىي AI
AlphaFold (DeepMind) — پروتئىن قۇرۇلمىسىنى ھەل قىلدى. GNoME — يېڭى ماددە تاپتى. AI4Science يىلتىزى باشلاندى.
AI ئارخىتىكتۇرىسى ۋە قۇرۇلمىسى
GPU، TPU، MLOps، Vector Database ۋە AI تەرەققىيات تىزىمى
| چۈشەنچە | ئۇيغۇرچە | چۈشەندۈرمە | تۈرى |
| GPU (A100/H100) | گرافىك پروتسېسسورى | AI تەربىيىلەشنىڭ ئاساسى. NVIDIA H100 ئەڭ مۇقىم GPU. $30,000-40,000/دانە | ئۈسكۈنە |
| TPU (Google) | تەنسور پروتسېسسورى | Google نىڭ AI ئالاھىدە چىپى. GPU دىن تېزرەك ML ھىسابلاشقا مۇۋاپىق | ئۈسكۈنە |
| Vector Database | ۋېكتور سانلىق مەلۇمات بازىسى | AI Embedding لىرىنى ساقلاش ۋە ئوخشاشلىق ئىزدەش. Pinecone، Weaviate، Chroma، pgvector | ئۈسكۈنە |
| MLOps | ML مەشغۇلاتى | ML مودېلىنى تەربىيىلەش، يايدۇرۇش، كۆزىتىش تىزىمى. MLflow، Weights & Biases | تىزىم |
| Model Serving | مودېل مۇلازىمىتى | AI مودېلىنى API ئارقىلىق ئەتراپقا چىقىرىش. TorchServe، Triton، vLLM، Ollama | تىزىم |
| Data Pipeline | سانلىق مەلۇمات تىزمىسى | خام سانلىقدىن تەربىيە سانلىقىغىچە تەييارلاش تىزمىسى. Apache Airflow، Prefect | تىزىم |
| Experiment Tracking | تەجرىبە ئىزدەش | ML تەربىيىسىدىكى Hyperparameter، كۆرسەتكۈچلەرنى خاتىرىلەش. Weights & Biases، MLflow | تىزىم |
| Inference Optimization | ئىجرا ئۇسۇلى ئۆزىنى | Quantization، Distillation، Pruning — مودېلنى تېزلىتىش ۋە كىچىكلىتىش | ئۇسۇل |
| ONNX | ئوچۇق نېيرون تارماق | مودېل ئۆز-ئارا ئالماشتۇرۇش ئۆلچىمى. PyTorch → ONNX → TensorRT بىلەن تېزلىتىش | ئۆلچەم |
| LangChain / LlamaIndex | LLM ئۈستىدىكى قۇرۇلما | LLM ئاساسلىق ئاپپلىكاتسىيە قۇرۇش چارچۇۋىسى. RAG، Agent، Chain بىنا قىلىش | چارچۇۋا |
AI ئەخلاقى ۋە بىخەتەرلىكى
AI نى ئادالەتلىك، ئاشكارە ۋە بىخەتەر قىلىش — ئەڭ مۇھىم تەتقىقات ساھەسى
AI لا-ئادالەتلىكى
تەربىيە سانلىقىدىكى تەرەپكە ئاغۇلاش مودېل قارارلىرىدا ئەكس ئەتكۈزۈلىدۇ. يۈز تونۇش سىستېمىسى قارا چۈمبۈل ئاياللارنى ئاز توغرىلىق بىلەن تونۇيىشى مىسال.
AI ماسلىشىش مەسىلىسى
AI نىڭ ئىنسان قىممەتلىرى ۋە ماقسىتىغا ماسلىشىشى. Anthropic نىڭ Constitutional AI شۇنىڭغا مەركەزلىشىدۇ.
چۈشىنىشچانلىق
AI نىڭ نېمىشقا مۇنداق قارار قىلغانلىقىنى چۈشىنىش. «قارا سندۇق» مەسىلىسى. Mechanistic Interpretability تەتقىقاتى.
AI ئالداپ-مالداش
AI بىلەن ھاسىللانغان يالغان رەسىم، ۋىدىيو، ئاۋاز. مەلۇمات توغرىلىقى ۋە ئىنسان ئوبرازىنى قوغداش مەسىلىسى.
AI قانۇنى
EU AI Act (2024) — دۇنيادىكى تۇنجى جامع AI قانۇنى. ئامېرىكا، خىتاي، ئاۋستىراليا قاتارلىقلارمۇ قانۇن تەييارلاۋاتىدۇ.
AI مەزمۇن بەلگىسى
AI ھاسىللانغان مەزمۇننى بايقاش ئۈچۈن كۆرۈنمەيدىغان بەلگە قوشۇش. Google SynthID، C2PA ئۆلچىمى.
AI تىل بايلىقى قامۇسى
AI دۇنياسىدىكى ئەڭ كۆپ ئىشلىتىلىدىغان ئىستىلاھلار — ئۇيغۇرچە چۈشەندۈرمە
| ئىستىلاھ | ئۇيغۇرچە | چۈشەندۈرمە | ساھە |
| Parameter | پارامېتر | نېيرون تارماقنىڭ تەربىيىلەش جەريانىدا ئۆزگىرىدىغان ئاغىرلىق سانلىقلىرى. GPT-4: ~1.8T | DL |
| Token | تامغا | LLM نىڭ ئىشلىتىدىغان ئاساسلىق بۆلۈك. سۆز، بۆلۈك سۆز ياكى بىر ھەرپ بولالايدۇ | NLP |
| Embedding | ۋېكتور ۋاساتى | سۆز ياكى جۈملىنى يۇقىرى ئۆلچەملىك سانلىق ۋېكتورغا ئايلاندۇرۇش | NLP |
| Hyperparameter | يۇقىرى پارامېتر | تەربىيىلەشتىن ئالدىن بەلگىلىنىدىغان تەڭشەك: ئۆگىنىش سۈرئىتى، Epoch سانى… | ML |
| Inference | مۆلچەرلىمە | تەربىيىلەنگەن مودېلنى يېڭى سانلىقتا ئىجرا قىلىش — «AI غا سوئال سوراش» دەۋرى | ML |
| Latent Space | يوشۇرۇن ۋاساتى | مودېل ئىچىدىكى قىسقا، يوشۇرۇن ئۆلچەملىك كۆرۈنۈش. Diffusion مودېللىرىنىڭ «ئويلىنىش مەيدانى» | GenAI |
| Zero-shot | نۆل مىسال | مودېلغا ئالدىن مىسال بەرمەي بىۋاسىتە سوئال سوراش. GPT نىڭ كۈچلۈك تەرىپى | LLM |
| Few-shot | ئازسانلىق مىسال | مودېلغا 1-5 مىسال كۆرسىتىپ ئاندىن سوئال سوراش — توغرىلىقنى ئاشۇرىدۇ | LLM |
| Chain-of-Thought | تەپەككۇر زەنجىرى | LLM نى ئادىمجاي مەرھىلىدە ئويلاندۇرۇش — «قەدەممۇ-قەدەم ئويلا» دەپ تەلەپ قىلىش | LLM |
| Emergent Abilities | كۈتۈلمىگەن ئىقتىدار | مودېل چوڭلىشىشى بىلەن كۈتۈلمىگەن يېڭى ئىقتىدارلار ئاشكارا بولۇشى | LLM |
| Benchmark | بىنجىمار ئۆلچىمى | AI مودېللىرىنى سېلىشتۇرۇش ئۆلچىمى. MMLU، HumanEval، ARC، HELM قاتارلىقلار | ئۆلچەم |
| MoE | مۇتەخەسسىسلەر ئارلاشمىسى | Mixture of Experts — كىرگۈزمىگە قاراپ مۇۋاپىق «مۇتەخەسسىس» تارماقنى پەئاللاشتۇرۇش | DL |
| LoRA | تۆۋەن دەرىجىلىك ماسلىشىش | Low-Rank Adaptation. كىچىك مىقداردا پارامېتر ئۆزگەرتىپ مودېلنى خاسلاشتۇرۇش | Fine-tuning |
| Perplexity | ئەقلىي چاتاقلىق | LLM نىڭ تېكىست ھاسىللاش ئىقتىدارىنى ئۆلچەيدىغان كۆرسەتكۈچ — تۆۋەن بولسا ياخشى | NLP |
| Temperature | ھاسىللاش ئىسسىقلىقى | 0=جامع، 1=ئورتا، 2=ئىجادىيچان. LLM جاۋابىنىڭ تاساددۇپىيلىق دەرىجىسى | LLM |
| BLEU / ROUGE | تېكىست ئۆلچىمى | تەرجىمە ۋە خۇلاسىلاش ئىقتىدارىنى ئۆلچەيدىغان ئاپتوماتىك كۆرسەتكۈچ | NLP |
| Precision / Recall | توغرىلىق / تولۇق ئالغانلىق | ML مودېلى باھالاش كۆرسەتكۈچلىرى. F1-Score ئىككىسىنىڭ ئورتا قىممىتى | ML |
| Sigmoid / ReLU / Softmax | پەئاللاشتۇرۇش ئىقتىدارلىرى | نېيرون تارماقنىڭ سىزىقسىزلىق قوشىدىغان ئىقتىدارلىرى. Softmax چىقىشنى ئىقتىمالىيەتكە ئايلاندۇرىدۇ | DL |
| Adam / SGD | ئۆزگەرتكۈچ ئالگورىزمى | گرادىيېنت چۈشۈش ئالگورىزملىرى. Adam ئەڭ كۆپ ئىشلىتىلىدۇ. AdaGrad، RMSProp تارماقلار | DL |
| F1-Score | F1 نومۇرى | Precision ۋە Recall نىڭ گارمونىيىلىك ئوتتۇرىسى. تەڭسىز سانلىق توپلىمىدا مۇھىم | ML |
// AI Encyclopedia v1.0 | Lang: Uyghur | Author: سۈنئىي ئىدراك | Platform: idirak.com
تۈزگۈچى: سۈنئىي ئىدراك — idirak.com سۇپىسى ئۈچۈن ئۇيغۇرچە AI قامۇسى
مۇندەرىجە: تارىخ، ML، DL، NLP/LLM، CV، GenAI، RL، AI Ethics — 2026-2026