Bu blog — uzoq vaqtdan beri yozmoqchi bo’lib yurgan narsam. Sabohat loyihasi haqidagi birinchi yozuv. Loyiha juda erta bosqichda, lekin yo’l shu yerdan boshlanadi.
Boshlanish — Samantha
Hammasi Her (2013) filmidan boshlandi. Aniqrog’i — undagi AI obrazi Samanthadan. U klassik chatbot emas edi: o’rganadi, his qiladi, vaqt o’tishi bilan o’zgaradi. Suhbatdosh bilan birga “yashaydi”. Men shunday narsa qurmoqchi edim — texnik ma’noda emas, ruh jihatidan.
Loyihaga shunchaki nom qo’ydim: samantha. Folder yaratdim, pyproject.toml yozdim, torch va numpy o’rnatdim. Bo’ldi.
Nima uchun GNN, nima uchun “miyaga o’xshash”
Klassik Transformer arxitekturasi ajoyib, lekin bir muammosi bor: u statik. O’rgatib bo’ldingmi — bo’ldi. Yangi ma’lumot kelsa, qaytadan o’rgatishing kerak. Va eng yomoni — yangi vazifaga moslashtirsang, eski vazifani unutib qo’yadi. Bu hodisa — catastrophic forgetting.
Inson miyasi bunday emas. Bola bog’cha, maktab, universitet — har birida yangi narsa o’rganadi, lekin avvalgilarini esda saqlab qoladi. Demak, miyada nimadir boshqacha. Va shu “boshqacha”ni topib, kichik miqyosda takrorlash mumkinmi degan savol — bu loyihaning asosiy savoli.
Shuning uchun arxitekturani Graph Neural Network (GNN) qilib qurdim:
- L1 — Character Graph — harf darajasidagi tugunlar
- L2 — Morpheme Graph — qo’shimchalar va ildizlar
- L3 — Word Graph — so’zlar darajasi
- L4 — Semantic Graph — ma’no darajasi
Va har bir tugun bir-biri bilan o’zgaruvchan bog’lanishlar orqali gaplashadi — xuddi neyronlar kabi. Yangi ma’lumot kelganda yangi tugun qo’shilishi mumkin (DEN — Dynamic Expandable Networks), keraksizlari kesilishi mumkin (pruning), muhimlari himoyalanadi (TWP — Topology-aware Weight Preserving).
”Tirik” model — Life Cycle
Lekin men yana bir narsani sinab ko’rmoqchi edim — model “tirik” bo’lsa-chi? Ya’ni, doim bir xil rejimda emas, balki holatlari o’zgarib tursa:
ACTIVE → IDLE → SLEEP → DREAM → ACTIVE- ACTIVE — o’rganadi, javob beradi
- IDLE — keraksiz bog’lanishlarni “qisqartiradi”
- SLEEP — eslab qolgan narsalarni mustahkamlaydi (NREM uyqu kabi)
- DREAM — tasavvuriy holatda yangi pattern qidiradi (REM uyqu kabi)
Bu fantastika emas — neyrobiologiyada haqiqatan shunday hodisalar bor. SWR (Sharp-Wave Ripples) uyqu paytida muhim eslarni qaytadan “o’ynatadi”. Hopfield Network xotira mexanizmi — gippokampning matematik analogi. MESU (Metaplasticity from Synaptic Uncertainty) — Bayesian holatdagi sinapslar; har bir og’irlik nafaqat qiymat, balki noaniqlik ham saqlaydi.
Maqsad — bularning hammasini bir tizimda birlashtirib, kichik, lekin o’z-o’zidan o’rganadigan, doim “ishlab turadigan” model qurish.
Va keyin — nom
Loyiha biroz oldinga ketdi. Birinchi prototyplar yozildi (brainnet_v2.py, brainnet_v3.py, pcn.py, dopamine_v3.py). Dataset yig’ildi — kun.uz, daryo.uz, gazeta.uz, O’zbek Wikipediyasi. Birinchi train urinishlarim boshlandi.
Bir kun Claude bilan suhbat paytida shunchaki dedim: “loyihaga o’zbekcha nom topsam yaxshi bo’lardi, samantha — yaxshi nom, lekin biroz uzoq tuyuladi”. Claude bir nechta variant taklif qildi. Biri — Sabohat.
Sabohat — arabchadan, sabah (“tong”) so’zidan keladi. O’zbek tilida ko’pincha ayol ismi sifatida ishlatiladi. “Go’zallik” ma’nosi ham bor. Lekin men uchun asosiy ma’no boshqacha edi — yangi tong, yangi boshlanish.
Bu loyiha haqida o’ylab ko’rsam — aynan shu. Yangi yondashuv, yangi arxitektura, yangi savol: AI o’z-o’zidan o’rgana oladimi? Klassik backprop+gradient descent loop’idan tashqarida, biologik mexanizmlarni hisobga olib, kichik, lekin tirik tizim qurish mumkinmi?
Shu kundan beri ikkala nomni ham ishlataman:
- Sabohat — o’zbek tilida, asosiy nom
- Samantha — ingliz tilida, ilmiy ifodalashda
Ikkalasi ham bir xil narsani anglatadi. Asosiy nom — Sabohat.
Hozirgi holat
Hozirgacha qilingan ishlar:
BrainNetarxitekturasining bir nechta versiyalari (v2, v3) — GNN bosqichiPCN(Predictive Coding Network) — local update qoidasidopamine_v3— learning rate’ni “dopamin signali” bilan boshqarishtrain_v5,train_v6— turli training pipeline’lar- O’zbek tilidagi katta dataset (kun.uz, daryo.uz, Wikipediya, kitoblar)
200+ sinov o’tdi. Ko’pi muvaffaqiyatsiz, lekin har biridan bir narsa o’rgandim.
Muhim eslatma: Yuqorida tasvirlangan GNN-asoslangan arxitektura — loyihaning boshlang’ich bosqichi. Bir nechta sinovdan keyin men SNN (Spiking Neural Network) yondashuviga o’tdim — chunki u biologik miyaga yanada yaqinroq, energiya samarali, va spike-timing orqali tabiiy ravishda continual learning’ga moyil. Bu o’tish va undan keyin nimalar o’zgargani haqida alohida yozuvda batafsil yozaman.
Yo’l uzun. ROADMAP’da 28 hafta yozilgan, men bilamanki amalda ikki barobar ko’p ketadi. Lekin asosiysi — boshlandi.
Keyingi yozuvlar
Bu blogni yo’l davomida yozaman — har bir bosqichda nima ishlagan, nima ishlamagan, nimani o’rgandim degan jurnalda. Texnik chuqur ma’lumotlar ham bo’ladi, oddiy fikrlar ham. Hammasi shu yerda.
Sabohat — yangi tong. Boshlandi.