Sun’iy Intellekt va Raqamli Iqtisodiyot (SIRI 2025)

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 REAL VAQT OPERATSION TIZIMLARI XUSUSIYATLARI VA TASNIFLANISHI Bobur Nishonov, Baxtiyor Akmuradov Kommunikatsiya va raqamli texnologiyalar kafedrasi, “University of management and future technologies” universiteti, Toshkent, 100208, O‘zbekiston; b.nishonov@gmail.com, b.u.akmuradov@gmail.com Annotatsiya: Tezisda real vaqt operatsion tizimlari (RTOS) ning mohiyati, turlari va qo‘llanilish sohalari yoritilgan. RTOS sanoat, aviatsiya va tibbiyot kabi sohalarda vaqtga sezgir tizimlarni yaratishda muhim o‘rin tutadi. Qattiq, yumshoq va qisman real vaqt tizimlarining xususiyatlari va ularning GPOSdan asosiy farqlari misollar asosida ko‘rsatilib, RTOSning ustunligi qat’iy belgilangan vaqt doirasida vazifalarni bajarish zarurligi ta’kidlangan. Kalit so‘zlar: Real vaqt operatsion tizimi (RTOS), Qattiq real vaqt tizimi, Yumshoq real vaqt tizimi, Umumiy maqsadli operatsion tizim, vaqtga sezgirlik, kechikish, multitasking. Kirish Real vaqt operatsion tizimlari (RTOS) ko‘pincha kompyuter tizimidan tashqaridagi katta miqdordagi voqealarni qisqa vaqt ichida yoki ma’lum bir muddat ichida qabul qilish va qayta ishlash talab qilinadigan muhitlarda qo‘llaniladi. Bunday tizimlar sanoat boshqaruvi, telefon almashinuvi uskunalari, parvozlarni boshqarish tizimlari va real vaqt simulyatsiyalarida qo‘llaniladi. RTOS bilan ishlashda ishlov berish vaqti soniyaning o‘ndan bir qismlarida o‘lchanadi. Bu tizim vaqtga bog‘liq bo‘lib, qat’iy muddatga ega. Ushbu turdagi tizimda ishlov berish belgilangan cheklovlar doirasida amalga oshirilishi kerak. Aks holda, bu tizimning muvaffaqiyatsizligiga olib keladi[1]. Real vaqt operatsion tizimlariga misollar: aviatsiya trafikini boshqarish tizimlari, buyruq boshqaruvi tizimlari, aviatsiya bron qilish tizimlari, yurak stimulyatorlari, tarmoq multimedia tizimlari, robotlar va boshqalar. Real vaqt operatsion tizimi - bu tez va o‘z vaqtida bajarilishi zarur bo‘lgan vazifalarni boshqarishga mo‘ljallangan maxsus operatsion tizimdir. Umumiy maqsadli operatsion tizimlardan (GPOS) farqli o‘laroq, RTOS asosiy e’tiborni real vaqt rejimida ishlashga qaratadi, GPOS esa ko‘p vazifali ishlash va foydalanuvchi bilan o‘zaro aloqani yaxshi qo‘llabquvvatlaydi[2]. 281

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot 1-rasm. Real vaqt operatsion tizimlari turlari Real vaqt operatsion tizimlari uch turga bo‘linadi: Qattiq real vaqt operatsion tizimi (Hard RTOS) Ushbu operatsion tizimlar muhim vazifalarni belgilangan vaqt oralig‘ida bajarilishini kafolatlaydi. Masalan, agar robot avtomobil korpusini payvandlash uchun ishga tushirilsa, agar robot juda erta yoki juda kech payvandlashni amalga oshirsa, avtomobil sotilmaydi. Bunday tizimlar uchun vaqt juda qat’iy va muhim, chunki har qanday kechikish yoki ortiqcha tezlik tizimning muvaffaqiyatsizligiga olib kelishi mumkin[3]. Misollar: - Ilmiy eksperimentlar: Foydalanish uchun aniq vaqtda o‘lchovlar va kuzatuvlarni talab qiladigan tizimlar. - Tibbiy tasvirlash tizimlari: Operatsiyalarni aniq vaqt ichida bajarish va diagnostika qilish zarur bo‘lgan tizimlar. - Sanoat boshqaruv tizimlari: Ishlab chiqarish jarayonlarining qat’iy vaqt oralig‘ida bajarilishi kerak bo‘lgan tizimlar. - Qurol-yarog‘ tizimlari: Tezkor va aniq javob berishni talab qiladigan tizimlar. - Robototexnika: Robotlarning harakatlari va funksiyalari aniq vaqtda bajarilishi kerak bo‘lgan tizimlar. - Aviatsiya trafikini boshqarish tizimlari: Samolyotlarning xavfsizligini ta’minlash uchun aniq vaqt va javob berish talab qilinadigan tizimlar. Qattiq real vaqt operatsion tizimlarida kechikishlar qabul qilinmaydi, chunki tizimning muvaffaqiyatsiz ishlashi jiddiy oqibatlarga olib kelishi mumkin. Yumshoq real vaqt operatsion tizimi (Soft RTOS) Ushbu operatsion tizim vaqt chegaralarida ba’zi bir bo‘shliqni taqdim etadi, ya’ni tizim kechikishlarga ba’zan ruxsat beradi. Biroq, kechikishlar tizimning umumiy samaradorligiga ta’sir qilishi mumkin. Yumshoq RTOSlar odatda ko‘p vazifalarni bajarish va tarmoqli yoki multimedia tizimlarida qo‘llaniladi. Masalan: Multimedia tizimlari: Musiqa, video oqimi va tasvirlarni qayta ishlash tizimlari. Raqamli audio tizimlari: Audio signallarni qayta ishlash va tahlil qilish tizimlari. Yumshoq real vaqt tizimlarida dasturchilar tomonidan aniq belgilanadigan va boshqariladigan jarayonlar mavjud. Bu jarayonlar tashqi hodisalar yuzaga kelganda faollashadi va interrupt signaliga javoban ishga tushadi. 282

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 Yumshoq RTOSda multitasking jarayonlari bir-biridan mustaqil ravishda bajariladi. Har bir jarayonga belgilangan prioritet darajasi beriladi, bu esa unga xizmat qiladigan hodisaning nisbiy muhimligini ifodalaydi. Protsessor eng yuqori prioritetli jarayonlarga ajratiladi. Bunday rejalashtirish turi prioritetga asoslangan preempitiv rejalashtirish deb ataladi, bu esa real vaqt tizimlarida keng qo‘llaniladi[4]. Yumshoq RTOS tizimlari kechikishlarga ba’zi cheklovlar bilan ruxsat beradi, ammo tizimning umumiy ishlash samaradorligini pasaytirishi mumkin. Qisman real vaqt operatsion tizimi (Firm RTOS) Bu turdagi RTOSlar ham belgilangan muddatlarga rioya qilishlari kerak. Garchi muddatni o‘tkazib yuborishning ta’siri kichik bo‘lsa-da, bu tizimning samaradorligiga va mahsulot sifatiga salbiy ta’sir ko‘rsatishi mumkin. Masalan: - Multimedia ilovalari: Video va audio oqimlarida ba’zi kechikishlar ruxsat etilishi mumkin, ammo belgilangan muddatlarni o‘tkazib yuborish mahsulot sifatining pasayishiga olib kelishi mumkin, masalan, video tasvirlarining piksellashishi yoki audio signallarida uzilishlar. 1-jadval. Oddiy va real vaqt operatsion tizimlari o‘rtasidagi farq Xususiyat Oddiy operatsion (GPOS) tizimlar Real vaqt operatsion tizimlari (RTOS) Maqsad Ko‘p vazifali ishlash va Vaqtga sezgir vazifalarni aniq foydalanuvchi bilan o‘zaro bajarish aloqalar Muddatlar Muddatlar qattiq emas, Vazifalar qat’iy belgilangan kechikishlar qabul qilinadi muddatlar ichida bajarilishi kerak Kechikishlar Kechikishlar tizimning Kechikishlar tizim ishlashiga muvaffaqiyatsiz ishlashiga olib jiddiy ta’sir qilmaydi kelishi mumkin Multitasking Ko‘p vazifani bajarish, Ko‘p vazifali ishlash, lekin vaqt foydalanuvchi interaktivligi chegaralarini hisobga oladi Prioritetlar Vazifalar belgilangan prioritetlar Prioritetlar bo‘lishi mumkin, asosida bajariladi, yuqori lekin kechikishlar qabul qilinadi prioritetga ega vazifalar birinchi bajariladi Oddiy tizimlar turli dasturlarni RTOS tizimi har bir vazifani Tizim ishlash boshqaradi, umumiy ishlashga belgilangan vaqt ichida samarali samaradorligi e’tibor qaratiladi bajaradi Misollar Windows, Linux, macOS 283 Qattiq va yumshoq RTOS, masalan, real vaqt tizimlari, robototexnika, sanoat boshqaruvi tizimlari

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Qisman real vaqt tizimlarida kechikishlar qisman ruxsat etiladi, lekin bu tizimning ishlashiga sezilarli ta’sir qilmasligi kerak. Muddatni o‘tkazib yuborish samaradorlikni pasaytiradi, ammo tizim hali ham ishlashini davom ettiradi[5]. Umumiy maqsadli operatsion tizimlar (GPOS), masalan, Windows yoki Linux, ko‘p vazifali ishlash va turli dasturlarni boshqarishda yaxshi ishlaydi, ammo real vaqt operatsion tizimi vaqtga sezgir vazifalarni aniq boshqarish uchun mo‘ljallangan. Oddiy operatsion tizimlar ko‘p vazifali ishlashda yaxshi, ammo ular aniq vaqt boshqaruvini talab qiladigan tizimlarda samarali bo‘lmaydi. Aksincha, real vaqt operatsion tizimlari faqat aniq vaqt ichida vazifalarni bajarish uchun ishlab chiqilgan va ularda kechikishlar jiddiy oqibatlarga olib kelishi mumkin. Xulosa Xulosa qilib aytganda real vaqt operatsion tizimlari (RTOS) zamonaviy sanoat, aviatsiya, tibbiyot va boshqa sohalarda muhim ahamiyatga ega bo‘lib, vaqtga sezgir va ishonchli tizimlarni yaratishda keng qo‘llaniladi. RTOSning qattiq, yumshoq va qisman turlari tizimlarning vaqt talablari va ularning bajarilish natijalariga ko‘ra farqlanadi. RTOS va umumiy maqsadli operatsion tizimlar (GPOS) o‘rtasidagi asosiy farq - bu qat’iy vaqt cheklovlariga rioya qilish zarurati bo‘lib, aynan shu xususiyat RTOSlarni real vaqt rejimida ishlashda ajralmas vositaga aylantiradi. Adabiyotlar 1. Silberschatz, A., Galvin, P. B., & Gagne, G. Operating System Concepts. Wiley, 2018. 2. Jane W. S. Liu. Real-Time Systems. Prentice Hall, 2000. 3. Tanenbaum, A. S., & Bos, H. Modern Operating Systems. Pearson, 2015. 4. Burns, A., & Wellings, A. Real-Time Systems and Programming Languages. Addison-Wesley, 2009. 5. Laplante, P. A. Real-Time Systems Design and Analysis. Wiley-IEEE Press, 2011. 284

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 TARMOQDA YUKLAMANI MUVOZANATLASH USULLARI Hilola Turopova, Baxtiyor Akmuradov Kommunikatsiya va raqamli texnologiyalar kafedrasi, “University of management and future technologies” universiteti, Toshkent, 100208, O‘zbekiston; h.turopova@gmail.com, b.u.akmuradov@gmail.com Annotatsiya: Ushbu tezisda Elastic Load Balancing tizimining asosiy funksiyalari va ishlash mexanizmlari yoritilgan. Yuklamani muvozanatlashtiruvchilar turlari va ularning trafikni boshqarishdagi farqlari ko‘rsatib o‘tilgan. Shuningdek, kross-zonali yuklamani muvozanatlashtirish orqali zonalar o‘rtasida yuki teng taqsimlanishi va tizimning bardavom ishlashi ta’minlanishi tahlil qilingan. Kalit so‘zlar:Yuklamani muvozanatlashtirish, mavjudlik zonasi, Kross-zonali muvozanatlashtirish, Elastic Load Balancing, tinglovchi (Listener), trafik taqsimoti. Kirish Yuklamani muvozanatlashtiruvchi mijozlardan keladigan trafikni qabul qiladi va so‘rovlarni ro‘yxatdan o‘tgan serverlarga, turli mavjudlik zonalarida yuboradi. Yuklamani muvozanatlashtiruvchi, shuningdek, ro‘yxatdan o‘tgan serverlarning ishchi holatini kuzatib boradi va faqat ishchi serverlarga trafikni yo‘naltirishni ta’minlaydi. Agar u nosog‘lom serverni aniqlasa, trafikni o‘sha serverga yo‘naltirishni to‘xtatadi. Keyinchalik, server sog‘lom bo‘lganda trafikni unga qayta yo‘naltirishni davom ettiradi. Yuklamani muvozanatlashtiruvchi kiruvchi trafikni qabul qilish uchun sozlanadi, buning uchun bitta yoki bir nechta tinglovchilar (listeners) belgilanadi. Tinglovchi - bu ulanish so‘rovlarini tekshiradigan jarayon bo‘lib, u mijozlardan yuklamani muvozanatlashtiruvchiga ulanish uchun protokol va port raqami bilan sozlanadi. Shuningdek, u yuklamani muvozanatlashtiruvchidan maqsadlarga ulanish uchun ham protokol va port raqami bilan sozlanadi[1]. Elastic Load Balancing quyidagi turdagi yuklamani muvozanatlashtiruvchilarni qo‘llab-quvvatlaydi: − − − − Ilova yuklamasini muvozanatlashtiruvchi(Application Load Balancers) Tarmoq yuklamasini muvozanatlashtiruvchi (Network Load Balancers) Shlyuz yuklamasini muvozanatlashtiruvchi (Gateway Load Balancers) Klassik yuklamani muvozanatlashtiruvchi (Classic Load Balancers) Yuklamani muvozanatlashtiruvchi turlarini sozlashda asosiy yondashuv quyidagicha: Ilova, tarmoq va shlyuz yuklamasini muvozanatlashtiruvchilar maqsad guruhlari orqali ishlaydi, ya’ni trafikni maqsad guruhlariga yo‘naltiradi. Klassik yuklamani muvozanatlashtiruvchilar esa to‘g‘ridan-to‘g‘ri instansiyalar bilan ishlaydi va ularga trafikni yo‘naltiradi. Agar yuklamani muvozanatlashtiruvchi uchun biror mavjudlik zonasini yoqsangiz, Elastic Load Balancing ushbu zonada yuklamani muvozanatlashtiruvchi tugunni yaratadi. 285

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Agar siz biror mavjudlik zonasida maqsadlarni ro‘yxatdan o‘tkazsangiz, ammo zonani yoqmasangiz, ushbu ro‘yxatdan o‘tgan maqsadlar trafikni qabul qilmaydi. Yuklamani muvozanatlashtiruvchi eng samarali ishlashi uchun har bir yoqilgan mavjudlik zonasida kamida bitta ro‘yxatdan o‘tgan maqsad bo‘lishini ta’minlash tavsiya etiladi. Bir nechta mavjudlik zonalarini yoqishni barcha yuklamani muvozanatlashtiruvchilar uchun tavsiya qilamiz. Ammo, Ilova yuklamani muvozanatlashtiruvchida kamida ikki yoki undan ortiq mavjudlik zonalarini yoqish talab qilinadi. Bu sozlama, agar biror mavjudlik zonasi ishlamay qolsa yoki sog‘lom maqsadga ega bo‘lmasa, yuklamani muvozanatlashtiruvchi boshqa zonadagi sog‘lom maqsadlarga trafikni yo‘naltirishda davom etishini ta’minlaydi. Mavjudlik zonasini o‘chirishdan so‘ng, ushbu zonadagi maqsadlar yuklamani muvozanatlashtiruvchi bilan ro‘yxatdan o‘tgan holda qoladi. Biroq, ular ro‘yxatdan o‘tgan bo‘lsa-da, yuklamani muvozanatlashtiruvchi ularga trafikni yo‘naltirmaydi. Yuklamani muvozanatlashtiruvchi tugunlar mijozlarning so‘rovlarini ro‘yxatdan o‘tgan maqsadlarga taqsimlaydi. Agar kross-zonali yuklamani muvozanatlashtirish yoqilgan bo‘lsa, har bir yuklamani muvozanatlashtiruvchi tugun barcha yoqilgan mavjudlik zonalaridagi ro‘yxatdan o‘tgan maqsadlarga trafikni taqsimlaydi. Agar bu funksional imkoniyat o‘chirilgan bo‘lsa, har bir yuklamani muvozanatlashtiruvchi tugun faqat o‘zining mavjudlik zonasidagi ro‘yxatdan o‘tgan maqsadlarga trafikni yo‘naltiradi. Masalan, ikkita yoqilgan mavjudlik zonasi mavjud bo‘lib, A zonasida 2 ta va B zonasida 8 ta maqsad bo‘lsa, mijozlarning so‘rovlariga Amazon Route 53 javob qaytarib, yuklamani muvozanatlashtiruvchi tugunlarning IP manzillarini taqdim etadi. Round Robin marshrutlash algoritmi asosida, trafik teng taqsimlanadi va har bir tugun mijozlarning so‘rovlarining 50 foizini qabul qiladi. Agar kross-zonali yuklamani muvozanatlashtirish yoqilgan bo‘lsa, 10 ta serverning har biri trafikning 10 foizini qabul qiladi. Buning sababi, har bir yuklamani muvozanatlashtiruvchi tugun o‘z ulushini barcha 10 ta maqsadga yo‘naltira oladi. 1-rasm. Kross-zonali yuklamani muvozanatlashtirish usuli bunda: agar kross-zonali yuklamani muvozanatlashtirish o‘chirilgan bo‘lsa: 286

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 1. Har bir yuklamani muvozanatlashtiruvchi tugun faqat o‘zining mavjudlik zonasidagi ro‘yxatdan o‘tgan maqsadlarga trafikni taqsimlaydi. 2. Trafik teng taqsimlanmaydi, chunki mavjudlik zonalaridagi maqsadlar soni har xil bo‘lishi mumkin[2]. 3. Masalan, agar A zonada 2 ta va B zonada 8 ta maqsad bo‘lsa, A zonadagi maqsadlar trafikning katta qismini qabul qiladi, chunki har bir tugun faqat o‘z zonasidagi maqsadlarga xizmat qiladi. 4. Natijada, mavjudlik zonalari o‘rtasida trafik balansida nomutanosiblik yuzaga kelishi mumkin. Agar kross-zonali yuklamani muvozanatlashtirish o‘chirilgan bo‘lsa va A zonasida 2 ta, B zonasida esa 8 ta maqsad bo‘lsa: - A zonasidagi har bir maqsad 25% trafikni qabul qiladi. - B zonasidagi har bir maqsad 6.25% trafikni qabul qiladi. Bunda, har bir yuklamani muvozanatlashtiruvchi tugun faqat o‘zining mavjudlik zonasidagi maqsadlarga trafikni taqsimlaydi, shuning uchun A va B zonalaridagi maqsadlar orasida trafik taqsimoti o‘zgaradi[3]. Bu shuning uchun, har bir yuklamani muvozanatlashtiruvchi tugun faqat o‘zining mavjudlik zonasidagi maqsadlarga trafikni yo‘naltira oladi va uning 50% mijozlar trafiki faqat o‘z zonasidagi maqsadlarga taqsimlanadi. Shunday qilib, A zonasidagi har bir maqsad 25% trafikni qabul qiladi, B zonasidagi har bir maqsad esa 6.25% trafikni qabul qiladi. 2-rasm. Elastik yuklamani muvozanatlashtirish usuli Ilova yuklamani muvozanatlashtiruvchilar bilan kross-zonali yuklamani muvozanatlashtirish har doim yuklamani muvozanatlashtiruvchi darajasida yoqilgan bo‘ladi. Ammo, maqsad guruhlarida kross-zonali yuklamani muvozanatlashtirishni o‘chirish mumkin. Xulosa Xulosa qilib aytganda Elastic Load Balancing tizimi trafikni sog‘lom serverlarga taqsimlab, yuqori ishonchlilik va samaradorlikni ta’minlaydi. Yuklamani muvozanatlashtiruvchi doimiy kuzatuv orqali nosog‘lom serverlarga trafikni yubormaydi. 287

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Ilova, tarmoq, shlyuz va klassik turdagi muvozanatlashtiruvchilar mavjud bo‘lib, ularda trafikni boshqarish usullari farqlanadi. Kross-zonali yuklamani muvozanatlashtirish funksiyasi trafikni barcha zonalar o‘rtasida muvozanatlashtirib, tizim barqarorligini oshiradi. Xususan, ilova yuklamani muvozanatlashtiruvchilarda bu funksiya doimiy yoqilgan bo‘lib, zonalar nosog‘lom bo‘lsa ham, tizim ishonchli ishlashda davom etadi. Adabiyotlar 1. Amazon Web Services (AWS) Documentation Elastic Load Balancing User Guide, Amazon Web Services, 2024. 2. Hwang, K., & Dongarra, J. Distributed and Cloud Computing: From Parallel Processing to the Internet of Things, Morgan Kaufmann, 2012. 3. Murty, M. N., & Devi, V. S. Cloud Computing: Principles and Paradigms, Wiley, 2011. 288

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 TIBBIY AXBOROT ALMASHISH JARAYONLARINI TADQIQ QILISHNING NORAVSHAN KOGNITIV XARITALARI Bekturdiyev Sanjarbek Sharifboyevich Toshkent ijtimoiy innovatsiya universiteti, sanjarbeksharifboyevich@gmail.com Annotatsiya. Mazkur maqolada tibbiy axborot almashish jarayonlarini raqamlashtirish va uni axborot texnologiyalari asosida takomillashtirish masalalari yoritilgan. Tibbiy muassasalar o‘rtasidagi axborot oqimini avtomatlashtirish, tibbiy ma’lumotlarni tezkor, xavfsiz va aniq uzatish muammolari tahlil qilingan. Maqolada mavjud tizimlarning kamchiliklari tahlil qilinib, zamonaviy axborot texnologiyalaridan foydalangan holda takomillashtirish yo‘llari taklif etilgan. Shuningdek, ilg‘or xorijiy tajribalar asosida tibbiy axborot tizimlarining arxitekturasi va funksional imkoniyatlari ko‘rib chiqilgan. Kalit so‘zlar: tibbiy axborot, raqamlashtirish, axborot texnologiyalari, axborot tizimi, elektron sog‘liqni saqlash, ma’lumotlar almashinuvi, tibbiy muassasa. Kirish Zamonaviy sog‘liqni saqlash tizimi samaradorligini oshirishda axborot texnologiyalarining o‘rni beqiyosdir. Bugungi kunda tibbiy ma’lumotlarni to‘plash, saqlash va ulardan foydalanish jarayonlarini raqamlashtirish global miqyosda dolzarb masalaga aylangan. Raqamli axborot almashinuvi orqali bemorlar haqidagi ma’lumotlarga tezkor va aniq tarzda kirish imkoniyati yaratilmoqda. Bu esa nafaqat tibbiy xizmat sifatini oshirish, balki sog‘liqni saqlash tizimi resurslaridan oqilona foydalanishga ham xizmat qiladi. Ushbu maqolada aynan tibbiy axborot almashish jarayonlarining bugungi holati, mavjud muammolar va ularni yechish yo‘llari ko‘rib chiqiladi. Tibbiyot sohasi uchun noravshan kognitiv xaritani shakllantirish jarayoni asosiy muammodir. Yaratilgan kognitiv xaritani modellashtirilayotgan real jarayonga adekvatligini aniqlashda ham qiyinchiliklar yuzaga keladi. Yuqordagi muammoni hal qilish uchun kognitiv xaritalarni qurishni turli xil avtomatlashtirilgan algoritmlari ishlab chiqilgan va qo‘llanilmoqda. Noravshan kognitiv xaritani yaratishning turli usullari tahlil qilindi. 1 B. Koskoning noravshan kognitiv xaritasi: NKX 1 = C , U (1) bu yerda C = c1 , c 2 , ... , c n – model obyektlari (konseptlar) to‘plami, t = 1, 0 – obyektlar orasidagi bog‘lanishlarni aniqlaydigan C to‘plamdagi binar munosabat. To‘liq maʼnoda B. Kosko xaritalarini «noravshan» deb hisoblash mumkin emas, chunki ularda noravshan to‘plamlar nazariyasida qo‘llaniladigan va tegishlilik darajasini belgilovchi tayanch to‘plamning taʼrifi mavjud emas. Ushbu xaritalar klassik, ammo tibbiy obyektlar bilan ishlash uchun noqulay hisoblanadi [1, 2]. 2 V.Silovning noravshan kognitiv xaritasi: 289

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot NKX 2 = C ,U (2) V.Silovning noravshan kognitiv xaritasida faqat bitta «noravshan koordinata» (bazaviy qiymatlar to‘plami) amalga oshiriladi va noravshan to‘plamlar nazariyasidan ikkinchi «noravshan koordinata» mavjud emas (bazaviy to‘plamga tegishli), bu esa tibbiyot fanlari sohalarini modellashtirishda undan foydalanishni o‘rinsiz ekanligini ko‘rsatadi[2, 3, 4]. 3 Noravshan produksion kognitiv xaritasi: NKX 3 = C , U (3) Noravshan produksion kognitiv xaritalarda, yuqorida muhokama qilinganlardan farqli o‘laroq, ikkala «noravshan koordinatalar» ham amalga oshiriladi. Biroq, noravshan produksion kognitiv xaritaning kamchiliklari shundaki, bu mexanizmning o‘zi o‘zboshimchalik bilan amalga oshiriladi va uni aniq tasvirlashning iloji yo‘q. TAAJning kognitiv xaritalarini shakllantirishning an’anaviy usullari 1-rasmda keltirilgan. 1-rasm. TAAJning kognitiv xaritalarini shakllantirishning an'anaviy usullari. Tibbiyot sohasining modelini barcha konseptlari o‘rtasidagi sabab-oqibat munosabatlarining ahamiyatini baholash eng qiyin bosqichlardan biri bo‘lib, uni amalga oshirishni quyidagi bosqichlarga bo‘lish mumkin: o‘zaro bog‘liqlik belgisini musbat yoki manfiy kabi aniqlash; noravshan atamali o‘zaro bog‘liqlikni baholash (juda kuchli, kuchli, o‘rtacha, kuchsiz, juda kuchsiz); noravshan qiymatlarni shakllantirish, (1-jadval) [5,6,7]. 1-jadval. Kontseptning taʼsir ko‘rsatish shkalasi. Qiymati веса Taʼrif Belgilanish -1.0 Juda kuchli salbiy taʼsir V1 -0.75 Kuchli salbiy taʼsir V2 -0.5 o‘rtacha salbiy taʼsir V3 290

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 -0.25 Zaif salbiy taʼsir V4 0.0 Taʼsir yo‘q V5 +0.25 Taʼsir kuchsiz V6 +0.5 o‘rtacha taʼsir V7 +0.75 Taʼsiri kuchli V8 +1.0 Taʼsiri juda kuchli V9 Tibbiyot sohasida konseptlar ta’sirining batafsil shkalasidan foydalangan holda kirish konseptlari to‘plamining ta’sirini hisobga oluvchi, chiqish konseptiga bevosita ta’sir qiluvchi gibrid yondashuvdan yaxshiroq modellarni yaratish uchun foydalaniladi. Noravshan kognitiv xaritalarni qurishda tibbiyot mutaxassislari ko‘pincha bilimlar bazasi muhandisi bilan birgalikda 1-jadvalda keltirilgan ta’sir shkalasidan foydalanadilar [7,8]. TAAJ lar uchun noravshan kognitiv xaritalarni qurish algoritmi 2 – rasmda keltirilgan. 2-rasm. TAAJ ning noravshan kognitiv xaritasini tuzish algoritmi 291

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Noravshan kognitiv xaritani o‘qitish davomida konseptlar ta’sirining kattaliklari statistik ma’lumotlar asosida shakllantiriladi va [-1, 1] oralig‘idagi ixtiyoriy qiymatlarni o‘zida namoyon qiladi. Konseptlar to‘plamining o‘zaro ta’sirini to‘plash va konseptlarning bilvosita ta’sirini o‘rnatish uchun «kauzal algebra» deb ataluvchi noravshan matritsali muntazam algebradan foydalaniladi [9,10]. Chiqish konseptlariga bevosita ta’sir ko‘rsatadigan kirish konseptlari to‘plamining ta’siri S - me’yorlari asosida to‘planadi - bu noravshan to‘plamlar ustida bajariladigan, konseptlar orasidagi yo‘lning umumiy «vazni» ni aniqlaydigan, jami maksimal ta’sir qiymatlari bilan xarakterlanuvchi birlashtirish amali hisoblanadi. Maksimalni topish operatsiyasi noravshan to‘plamlarda birlashma operatsiyalari uchun eng ko‘p ishlatiladigan uchburchak S -me’yoridir. Noravshan kognitiv xaritada kirish konseptlarining chiqishga taʼsirini tasvirlash uchun Zadening S-me’yorlaridan foydalananiladi: S (a, b) = max( a, b ) (4) Chiqarish kontseptsining maʼnosini aniqlaymiz: Ci = S C jTuij j =1 (5) bu yerda C i - N kirish konseptli C j bilan qo‘shni bolgan chiqish konseptsi qiymati, S – s -me’yor, T – t – me’yor. t – me’yor sifatida ko‘paytirish amalidan foydalanish mumkin. Noravshan kognitiv xaritada chiqish konseptlari uchun noravshan qiymatlari ta’sir vaznlari va kirish konseptlarining noravshan qiymatlari ustida noravshan mantiq uchun xos bo‘lgan t – me’yor amallarini qo‘llash orqali aniqlanadi. T - normaning eng ko‘p ishlatiladigan turlari algebraik ko‘paytma va minimum amallaridir. NKXda chiqish konseptlarining kirishga ta’sirini tavsiflash uchun Zadening t – me’yoridan foydalaniladi: T(a,b) = min(a,b) (6) Shunday qilib, Zadehga ko‘ra bog‘lovchi t - me'yordan foydalanib, C j kontseptsining C i kontseptsiga bevosita taʼsirini quyidagi shaklda ko‘rsatish mumkin: Ci = min (C j uij ) (7) bu yerda C i - chiqish konseptining qiymati, C j - kirish konsepti, Tuij - taʼsir vazni. ~ Noravshan kognitiv xaritaning barcha kontseptlarining taʼsirini aniqlash uchun U vaznli noravshan kvadrat matritsaga ishlov berish uchun tranzitiv yopish operatsiyasidan foydalanish mumkin. Tranzitiv yopiq binar munosabatlarning ko‘rib chiqilayotgan eng kichik tranzitiv to‘plami sifatida matritsa ko‘rinishida quyidagicha ifodalanadi: ~ U = U k , (8) k =1 bu yerda U k juft konseptlar (a va b ) o‘rtasidagi binar munosabatlarni ifodalaydi, ular orasida uzunligi k ga teng bo‘lgan U -bog‘lanishlar zanjiri (semantik tarmoqdagi bog‘lanishlar qurilishiga o‘xshash, 2-rasm) mavjud, yaʼni d1 , d 2 , ... , d k ketma-ketlik bo‘lsa, 292

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 shunday d1 = a, d k = b va har qanday ikkita qo‘shni U munosabatga kiritilgan. Noravshan matritsalarning U k darajalari quyidagi formulaga asoslanib hisoblanadi: U k = U k −1 U . (9) Modelni qanchalik aniq qurish kerakligiga qarab, k soni kattaroq bo‘ladi, lekin bunda modelni qurishning murakkabligi ham ortadi. Ushbu yondashuv bilan c a kontseptsining cb kontseptsiga u ab taʼsirini quyidagicha ifodalash mumkin: M M m=1 rRm u ab = max min (u r ,r +1 ) (10) bu yerda M - yo‘llarning mumkin bo‘lgan soni, Rm - t kiritilgan konseptlar to‘plami, r - konsept raqami a konseptdan boshlanib, b konsept raqami bilan tugaydigan konseptlarning soni. u vaznli noravshan kvadrat matritsa asosida asosiy tizim ko‘rsatkichlarini (noravshan kognitiv xarita) olish mumkin, ulardan o‘zaro dissonans, konsonans, manfiy va musbat tushunchalarning butun tibbiyot tizimiga va bir-biriga ta’sirini aniqlash mumkin. Tibbiyot ma’lumotlari oqimning noravshan kognitiv xaritasidagi konseptlar orasidagi bog‘lanishlar ahamiyatini baholash algoritmi 3-rasmda keltirilgan. Noravshan kognitiv xaritani qo‘lda ishlab chiqishdagi kamchilik - bu tibbiy mutaxassislarning bilimlaridan foydalanish, xaritani qurishnig sub’ektivligi va natijada olingan baholarning to‘g‘riligini aniqlash, ularning o‘rtacha qiymatini aniqlash masalasidir. 3-rasm. TAAJ ning noravshan kognitiv xaritasidagi konseptlar o‘rtasidagi bog‘lanishlar ahamiyatini baholash algoritmi. 293

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Noravshan kognitiv xaritaning ayrim kamchiliklarini dinamik va statik modellashtirish usullarini takomillashtirish orqali bartaraf etish mumkin. Intensivlik ko‘rsatkichi yordamida bir ob’ektning-sababga boshqa ob’ektning oqibatga ta’siridan foydalanib, u ij elementlari («+» va «-») yo‘nalishini munosabatdan va C i va C j ob’ektlar aro ta’sirning intensivlik (vazn) darajasini xarakterlovchi noravshan U munosabatga o‘tish amalga oshiriladi: uij = u (Ci , C j ), (11) bu yerda u ij - taʼsir intensivligining normalangan ko‘rsatkichi ( U munosabatining xarakterli funksiyasi), C i - chiqish konseptsining qiymati, C j - kirish konseptsi. Masalan: C1 - «Bemorga II guruh antibiotiklari buyurilgan», C2 - «Antibiotikni nojo‘ya ta’siri mavjudligi»; C 3 - «Tibbiy kassalikning sinonimi» va boshqalar); U - modelni ishlab chiqish jarayonida mutaxassislar tomonidan belgilanadigan va qo‘shni matritsada saqlanadigan sabab-oqibat munosabatlari. Bu misol noravshan kognitiv xaritani og‘irlikli yo‘naltirilgan grafik shaklida tasavvur qilish imkonini beradi, uning uchlari C to‘plamining obyektlariga to‘g‘ri keladi (bular tibbiy fan sohasi modelini qurishda e'tiborga olinishi kerak bo‘lgan konseptlar). Har bir yoy mos keladigan uv qiymati bilan belgilangan vaznga ega (4rasm) [9,10,11]. 4 –rasm. Noravshan kognitiv xaritalarning vaznli yo‘naltirilgan grafigiga misol. U munosabatining o‘zi n n o‘lchovli matritsa shaklida taqdim etilishi mumkin (bu yerda n - tibbiyot tizimdagi obyektlar soni), uni berilgan grafikning qo‘shni matritsasi sifatida ko‘rib chiqish va kognitiv matritsa deb atash mumkin. Tibbiy axborot almashinuvi tizimlarini raqamlashtirish jarayonida noravshan kognitiv xaritalar muhim vosita sifatida xizmat qiladi. Ushbu yondashuv real hayotdagi murakkab, ko‘p omilli va aniq chegaralanmagan holatlarni modellashtirishga imkon yaratadi. Sog‘liqni saqlash tizimida qaror qabul qilish ko‘pincha noaniqlik, noma’lumlik va turli manbalardan keladigan axborotlar asosida amalga oshiriladi. Shu sababli, noravshan kognitiv xaritalar yordamida bu jarayonlarni tizimli tahlil qilish, sabab-oqibat munosabatlarini aniqlashtirish hamda optimallashtirilgan raqamli yechimlarni ishlab chiqish imkoniyati mavjud bo‘ladi. 294

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 Bu usul tibbiy muassasalar o‘rtasidagi axborot oqimini samarali boshqarish, axborot almashishdagi kechikishlar, noto‘g‘ri yoki yetarlicha aniqlanmagan ma’lumotlar muammosini aniqlash va bartaraf etishga xizmat qiladi. Natijada, bemor ma’lumotlarini boshqarish sifati oshadi, tizimning ishonchliligi va samaradorligi ta’minlanadi. Noravshan kognitiv xaritalarning qo‘llanilishi – raqamli sog‘liqni saqlash tizimlarini yanada ilg‘or, intellektual va adaptiv qilishda strategik vosita sifatida e’tirof etiladi. Adabiyotlar 1. Э. Новицкий // Врач и информационные технологии. -2019. - № 2. - С. 38-49. 2. Бектурдеив С., Инновации в медицинских записях пациентов Научнопрактической конференции «Беларусь-Узбекистан: формирование рынка инновационной продукции» ISBN 978-985-583-895-2. 2023. p 269-272 p. 3. Гусев, А. В. Тренды и прогнозы развития медицинских информационных систем в России / А. В. Гусев, М. А. Плисс, М. Б. Левин, Р. 4. M. M. Musaev «Развитие спектральных методов в обработке сигналов и изображений. » Вестник ТУИТ, №1, 2007 г. - С. 14-18. 5. Bekturdiyev Sanjarbek The main problems creation of electronic health system Economy and society ISSN 2225-1545 2023 № 6(109). 6. T. F. Bekmuratov «Разработка вопросов теории и методов применения проблемно-ориентированных гибридных вычислительных систем для моделирования и управления непрерывными технологическими процессами» 1975 7. A. X. Nishonov «Электрон хизматлар фойдаланувчанлигини ошириш» (igov – маслаҳат-муҳокама-мониторинг тизими). Монография. Т.: “IMPRESS MEDIA”. Тошкент -2021. 302 б. 302/151 8. Kroshilin, A.V. Intellectual material flows management in expert systems / A.V. Kroshilin, S.V. Kroshilina, A.N. Pylkin // 2014 International conference on computer technologies in physical and engineering applications (ICCTPEA) Editor: E. I. Veremey. – SPb.: IEEE (IEEE Catalog number CFP14BDA-USB). – 2014. – P. 89–90. 9. Абдуманонов А. А. Модели интеллектуализации медицинских информационных сиcтем с помощью формализации медицинских знаний //Инновации в образовании и медицине. Материалы IV Всероссийской на. – 2017. – С. 28Bekturdiev S.Sh. «Methods for organizing data exchange in a distributed medical information system (MIS)» “Innovatsion iqtisodiyotni shakllantirishda axborot kommunikatsiya texnologiyalarining tutgan o‘rni” mavzusidagi Respublika ilmiy-amaliy konferensiya, 2023-yil 23-noyabr, Tоshkеnt, O‘zbekiston. 17-20 p. 10. Abdumanonov А. А., & Ruziev Sh.I. (2022). Artificial intelligence in medical diagnostics. Acta CAMU, 1(ISSN: 2181-4155), 54–62. https://doi.org/10.5281/zenodo.7578352 11. Bekturdiev S.Sh. Jabborov A. «Digitalization of healthcare and telemedical technologies as a mechanism for increasing the accessibility of medical care» Международный научный журнал «Новости образования: исследование в XXI веке» № 14(100), часть 1 Октября,2023 19-24 p. 295

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot THE IMPORTANCE OF USING AI FOR THE DEVELOPMENT OF E-COMMERCE IN UZBEKISTAN Abduvalieva Nodira Alisher kizi1 University of Management and Future Technologies; alisherovna.n03@gmail.com Abstract: This article examines the state of e-commerce using AI technologies and shows the results and effectiveness of their implementation. Trading operations using artificial intelligence can lead to an increase in the speed of market processes and the efficiency of markets, but also to an increase in sales volumes and an increase in volatility not only during periods of stress. Key words: AI, robotics, e-commerce, scientific and technological progress, personalization, strategies, dynamics, change, meaning, retail representatives, forum. The main text may consist of chapters: The rapid development of artificial intelligence covers the entire trading network in the world, causing both satisfaction and anxiety, exploring important questions about its potential impact on the global economy. Researchers are confident, with some confidence, that it is necessary to develop a set of strategies for the safe use of the enormous potential of AI for the benefit of humanity. We are on the cusp of a technological revolution that could boost productivity, stimulate global economic growth, particularly e-commerce, and generate higher incomes worldwide. Automated trading algorithms help markets execute transactions faster and process large trades more efficiently across major asset classes. But there have been instances where market prices have fluctuated wildly over very short periods of time, such as in May 2010 when US stocks crashed and then rose again minutes later, raising concerns that they could destabilise markets during periods of high stress and uncertainty. With its ability to process large amounts of data and even text almost instantly for use by traders, artificial intelligence will take this kind of change to the next level. Artificial intelligence (AI) is becoming a key enabler in this endeavour, offering tools to create hyper-personalised shopping experiences. In fact, AI is changing the retail landscape by creating personalised experiences that resonate with individual shoppers. 296

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 Figure 1. Dynamics of growth of AI changes in trading applications in the world (%) [1] As competition in e-commerce intensifies and the personalized approach to shopping becomes more common, companies of all sizes are finding it increasingly difficult to retain customers with low loyalty. According to the Decree of the President of Uzbekistan “On measures to create conditions for the accelerated implementation of artificial intelligence technologies”, a Program of measures for the study and implementation of these technologies in 2021-2022 was approved, the priority areas of which include: development of an artificial intelligence development strategy; development of a regulatory framework; widespread use of artificial intelligence technologies; creation of a domestic ecosystem of innovative developments; creation of conditions for developers of software using artificial intelligence technologies to access digital data; formation of investment attractiveness of scientific work and developments in the field of artificial intelligence; ensuring access of domestic enterprises and specialists to information resources and competencies in the field of artificial intelligence; development of the necessary educational environment; development of international cooperation in the field of artificial intelligence and technologies for its application. Modern artificial intelligence technologies are quite labor-intensive to analyze huge volumes of user data, namely from patterns of browsing purchase histories to the number of clicks and time spent on social media pages. The collected data allows AI functions to understand the specifics of consumer behavior, their preferences and even predict future purchases. The main advantage of AI technologies is its ability to use this data for large-scale personalization of each segment of e-commerce. From the moment a buyer enters an online store, AI begins to select the shopping process taking into account their individual preferences. More and more participants in e-commerce in Uzbekistan: banks, retail, fintech companies, marketplaces are striving to use speech and video analytics, as well as smart assistants.[2] 297

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Why the use of artificial intelligence for companies is an important growth factor was discussed at the International PLUS-Forum "RETAIL CENTRAL ASIA" held in Tashkent on November 20-21, 2024 at the Tashkent Hotel, International hotel. Figure 2. Market segments represented by participants of the Forum "RETAIL CENTRAL ASIA" [3] One of the most discussed topics was artificial intelligence in e-commerce and retail. The participants of the thematic session were representatives of the Unified Integrator UZINFOCOM, which is engaged in the creation and support of state information systems, fintech companies, providers and marketplaces. Each of them shared their personal experience of "cooperation" with artificial intelligence and talked about how AI influenced business development. Artificial intelligence is increasingly being used to develop ecommerce in Uzbekistan. As the forum participants noted, artificial intelligence has come a long way - from a very ambitious project of the future to the main direction in digital technologies. And if at first AI was often perceived as something threatening, with the advent of the GPT chat (generative artificial intelligence), communicating in human language, people began to treat it more loyally and use it more actively. They noted that more than 70% of the world's largest organizations need artificial intelligence technologies, but to date, only about 5% of them have implemented AI. Company executives intend to use artificial intelligence in almost all areas. However, most plan to use AI in supply chain planning, demand forecasting, marketing and advertising, pricing and promotion of goods and services. For example, one of the leaders of global e-commerce Amazon estimated that they were able to achieve 30% of sales thanks to recommendations that the neural network gave to customers using the history of their previous purchases, they noted. Artificial intelligence is actively used in remote biometric identification for face recognition and checking for "liveness". In turn, the fintech company Alif Uzbekistan presented its unusual assistant named GulChatAI. She analyzed and considered more than 80 client parameters at the same time, such as demographic, financial and geographic. The new "employee" took on the load of more than 60% of the total volume of Alif installments. [4] To make a decision, she needs 25 seconds - this is the time to collect data. GulChatAI is able to make the right decisions instantly, so the level of overdue loans is only 0.3%, while 298

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 the average in the Uzbek market is from 2% to 5%, noted Muna Shukurova, Managing Director of the fintech company Alif Uzbekistan. Vitaly Akulov, Director of Business Development at CyberNet, spoke about voice robots, which became a resident of the IT Park in Uzbekistan. "The strongest points of all robots are the weak points of people. The robot does not need vacation, sick leave, it is always in a good mood, because in the morning it did not quarrel with either its wife or husband, and its children do not get sick," Akulov began his speech at the forum. Another interesting application of artificial intelligence is speech analytics, a toolkit that allows you to extract new, valuable knowledge for business from dialogues between employees and clients and with each other. Speech analytics allows you to automate the quality control of employee work. This means that each dialogue is automatically analyzed. After this, both the employee and the manager can understand what needs to be worked on. Every company has communication standards that form the basis of each such project. It is also worth noting the method of personalization based on AI, which uses advanced algorithms and machine learning models that dynamically adapt to customer requests. Next-generation search platforms use these tools to improve product search processes, ensuring that each search or recommendation is precisely tailored to the buyer's interests. These platforms are capable of real-time learning, which allows them to constantly improve their accuracy and relevance based on ongoing interactions with users. One of the most prominent technologies in the spotlight is dynamic pricing. This approach adjusts product prices in real time based on a variety of factors, including market demand, customer characteristics, and purchasing behavior. This strategy is particularly effective in B2B e-commerce, where prices can vary significantly based on pre-existing agreements and bulk purchases. Several B2B retailers have already made significant strides by implementing AI-powered personalization into their platforms. One example is ecommerce company GroupBy Inc., which receives personalized search results and recommendations, as well as pricing strategies tailored to individual customer agreements. This level of personalization ensures that B2B buyers receive the most relevant offers. “AI models have advanced to the point that they can process massive amounts of user behavior data to provide a personalized, 1:1 product search experience. “Every search query, web page review, or recommendation can be tailored to specific users at scale,” says Arvind Natarajan, Chief Product Officer at GroupBy. “Next-generation search platforms powered by this kind of AI technology can deliver better, hyper-personalized shopping experiences at scale for both B2B and B2C retailers and distributors across any industry or vertical.” And hyper-personalization doesn’t just make shopping convenient, it makes it memorable. AI-powered personalization treats shoppers as individuals with unique needs and preferences. [5] A personalized experience makes the shopper feel understood and valued, which in turn increases customer engagement. Engaged customers are more likely to return and, in turn, promote the brand to other customers. Thus, AI-powered personalization drives sales 299

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot and builds a loyal customer base, which is the true sign of a successful digital commerce strategy. As AI technology advances, its capabilities in e-commerce will only expand. More advanced personalization technologies are expected to be implemented in the future, with the introduction of augmented reality (AR) that will allow shoppers to feel and experience before they buy online. Voice-activated shopping assistants with AI assistants and sophisticated chatbots that will manage customer service are expected. The role of AI in e-commerce personalization is transformative. As companies leverage these advanced technologies, they will have more opportunities to meet the growing expectations of their customers. For companies looking to succeed in the world of online retail, AI is an indispensable tool.[6] Coonclusion In conclusion, the intersection of AI and e-commerce is the future of e-commerce, i.e. deeply personalized, highly satisfying and efficient. In this rapidly evolving market, those who master AI-powered personalization will lead the way, setting new standards for buying and selling in the digital age. References. 1. https://www.imf.org/ru/Blogs/Articles/2024/10/15/artificial-intelligence-canmake-markets-more-efficient-and-more-volatile 2. Gulyamov S.S., Shermukhamedov A.T., Khaitmatov U.T. Development and implementation of AI in Uzbekistan https://cyberleninka.ru/article/n/razvitie-i-vnedrenieiskusstvennogo-intellekta-v-uzbekistane/viewer 2022 3. Forum "RETAIL CENTRAL ASIA" with the support of the National Agency for Promising Projects of the Republic of Uzbekistan 2024 https://rca.plus-forum.com/ 4. What is the difference between artificial intelligence and machine learning? https://aws.amazon.com/ru/compare/the-difference-between-artificial-intelligence-andmachine-learning/ 5. https://www.newscentralasia.net/2024/06/14/rastushchaya-rol-iskusstvennogointellekta-v-elektronnoy-kommertsii/ 6. The Power of Personalization: How Tailored Customer Experiences Fuel Business Growth https://www.doola.com/ru/blog/the-power-of-personalization-h 300