Sun’iy Intellekt va Raqamli Iqtisodiyot (SIRI 2025)

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 yetishmasligi bilan bog‘liq bo‘lib, uning ilmiy ahamiyati SI-ning kiberxavfsizlikdagi rolini chuqurroq anglashda namoyon bo‘ladi. Tadqiqotning dolzarbligi Kiberjinoyatlarning so‘nggi yillarda jadal o‘sishi zamonaviy raqamli dunyoda katta xavf-xatarlarni keltirib chiqarmoqda. Statistik ma’lumotlarga ko‘ra, 2024-yilda kiberhujumlar tufayli global iqtisodiy yo‘qotishlar trillion dollardan oshgan bo‘lib, bu ko‘rsatkich har yili o‘sib bormoqda. Shu kontekstda, an’anaviy kiberxavfsizlik usullari, masalan, qoida asosidagi tizimlar, murakkab va tezkor xarakterga ega bo‘lgan zamonaviy hujumlarni aniqlashda yetarli samaradorlikni ta’minlay olmayapti. Bu holat kiberjinoyatlarga qarshi kurashda yangi texnologik yechimlar zarurligini ko‘rsatadi. Sun‘iy intellekt (SI) ga asoslangan texnologiyalar kiberxavfsizlik sohasida inqilobiy o‘zgarishlar keltirish imkoniyatiga ega. SI-ning mashinani o‘qitish va chuqur o‘qitish algoritmlari real vaqtda kiberxavf-xatarlarni aniqlash va oldini olishda yuqori aniqlik va tezkorlikni ta’minlaydi. Tadqiqotning dolzarbligi nafaqat kiberjinoyatlarning iqtisodiy va ijtimoiy zararlarini kamaytirish zarurati bilan, balki SI texnologiyalarini rivojlantirish orqali kelajakdagi kiberxavfsizlik tizimlarini takomillashtirish imkoniyati bilan ham bog‘liq. Ushbu ish kiberxavfsizlik mutaxassislari uchun samarali vositalar taqdim etishga xizmat qilib, raqamli dunyoda xavfsiz muhit yaratishga hissa qo‘shadi. Adabiyotlar sharhi Kiberjinoyatlarni aniqlash sohasida sun‘iy intellekt (SI) texnologiyalarining qo‘llanilishi so‘nggi yillarda jadal o‘rganilmoqda. Mavzu bo‘yicha adabiyotlar tahlili shuni ko‘rsatadiki, SI kiberxavfsizlikda muhim o‘rin tutib, an’anaviy usullarning cheklovlarini bartaraf etishga yordam bermoqda. Masalan, Smith (2023) o‘z tadqiqotida mashinani o‘qitish algoritmlarining tarmoq trafigini tahlil qilishda yuqori samaradorligini ta’kidlaydi [1]. U Random Forest va Support Vector Machine (SVM) kabi algoritmlarning kiberhujumlarni aniqlashda 85% aniqlikka erishganini qayd etadi. Biroq, ushbu tadqiqot real vaqt rejimida qo‘llash imkoniyatlarini chuqur o‘rganmagan, bu esa mavzudagi bo‘shliqni ko‘rsatadi. Lee (2022) an’anaviy qoida asosidagi tizimlarning noaniq va murakkab kiberxavfxatarlarni aniqlashda samarasizligini tanqid qiladi [2]. Uning fikricha, bu usullar oldindan belgilangan shablonlarga tayansa-da, yangi turdagi hujumlarga moslashishda zaiflik ko‘rsatadi. Shu bilan birga, Kim va boshqalar (2024) chuqur o‘qitish (deep learning) modellari, xususan konvolyutsion neyron tarmoqlar (CNN), phishing va DDoS hujumlarini bashorat qilishda 95% gacha aniqlik ko‘rsatganini ta’kidlaydi [3]. Ushbu tadqiqot SI-ning kiberxavfsizlikdagi salohiyatini isbotlasa-da, yuqori hisoblash resurslari talabi va ma’lumotlar sifatiga bog‘liqlik kabi muammolar ko‘tarib chiqilmagan. Adabiyotlar sharhi shuni ko‘rsatadiki, SI texnologiyalari kiberjinoyatlarga qarshi kurashda ilg‘or yechim bo‘lsa-da, ularning amaliy qo‘llanilishi va samaradorligini real sharoitlarda sinash bo‘yicha tadqiqotlar yetarli emas. Ushbu maqola mazkur bo‘shliqni to‘ldirishga qaratilgan bo‘lib, SI-ning real vaqtdagi kiberxavf-xatarlarni aniqlashdagi rolini chuqurroq o‘rganadi. Tadqiqot mavjud bilimlarni mustahkamlash va kelajakdagi texnologik yechimlarni rivojlantirish uchun yangi savollarni shakllantirishga xizmat qiladi. 121

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Tadqiqot metodologiyasi Ushbu tadqiqot kiberjinoyatlarni aniqlashda sun‘iy intellekt (SI) ga asoslangan texnologiyalarning samaradorligini baholashga qaratilgan bo‘lib, aralash metodologiyaga asoslanadi. Tadqiqotning falsafasi pragmatik yondashuvga tayangan holda, nazariy va amaliy usullarni birlashtiradi. Tadqiqot dizayni sifatida empirik tahlil va eksperimental sinovlar tanlandi, bu esa qo‘yilgan muammoning yechimiga olib boruvchi aniq reja tuzishga imkon beradi. Tadqiqotda birlamchi va ikkilamchi ma’lumot manbalaridan foydalaniladi. Birlamchi ma’lumotlar sifatida Kaggle va UCI Machine Learning Repository kabi ochiq ma’lumotlar bazalaridan olingan tarmoq trafigi loglari va kiberhujumlar datasetlari ishlatiladi. Ikkilamchi manbalar esa mavzu bo‘yicha so‘nggi jurnal maqolalari va ilmiy nashrlardan olinadi. Tadqiqot obyekti sifatida kiberjinoyat turlari (phishing, DDoS, malware) tanlanib, ularning xususiyatlari tasniflanadi. Tahlil uchun SI algoritmlari – Random Forest, Support Vector Machine (SVM) va chuqur o‘qitishning konvolyutsion neyron tarmoqlari (CNN) – qo‘llaniladi. Ushbu algoritmlar Python dasturlash tilida (scikit-learn va TensorFlow kutubxonalari yordamida) sinovdan o‘tkaziladi. Real vaqt rejimida aniqlash imkoniyatini baholash uchun prototip tizim ishlab chiqiladi va sinovlar maxsus simulyatsiya muhitida o‘tkaziladi. Tadqiqot strategiyasi sifatida eksperiment va ma’lumotlarni statistik tahlil qilish usullari qo‘llaniladi. Tadqiqotning ishonchliligi (reliability) va aniqligi (validity) sinovlarning takrorlanishi, False Positive Rate (FPR) va True Positive Rate (TPR) ko‘rsatkichlari bilan baholanadi. Tadqiqot etikasi nuqtai nazaridan ma’lumotlar maxfiyligi va ochiq manbalardan qonuniy foydalanish ta’minlanadi. Ushbu metodologiya kiberjinoyatlarni aniqlashda SI-ning samaradorligini aniq va ishonchli tarzda o‘rganishga yo‘naltirilgan. Tahlil va natijalar muhokamasi Ushbu tadqiqotda kiberjinoyatlarni aniqlashda sun‘iy intellekt (SI) texnologiyalarining samaradorligi tahlil qilindi. Random Forest, Support Vector Machine (SVM) va chuqur o‘qitishning konvolyutsion neyron tarmoqlari (CNN) algoritmlari Kaggle’dan olingan tarmoq trafigi va kiberhujumlar datasetlari asosida sinovdan o‘tkazildi. Tahlil natijalari SI-ning an’anaviy usullarga nisbatan yuqori samaradorligini ko‘rsatdi. Tahlil uchun aniqlik (Accuracy), False Positive Rate (FPR) va True Positive Rate (TPR) ko‘rsatkichlari hisoblandi. Aniqlik formulasi quyidagicha: 𝑇𝑇𝑇𝑇+𝑇𝑇𝑇𝑇 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 = 𝑇𝑇𝑇𝑇+𝑇𝑇𝑇𝑇+𝐹𝐹𝐹𝐹+𝐹𝐹𝐹𝐹 (1) Bu yerda TP – to‘g‘ri pozitiv, TN – to‘g‘ri negativ, FP – yolg‘on pozitiv, FN – yolg‘on negativ. Random Forest DDoS hujumlarini aniqlashda 88% aniqlikka erishdi (TP = 850, TN = 900, FP = 50, FN = 200): 𝟖𝟖𝟖𝟖𝟖𝟖+𝟗𝟗𝟗𝟗𝟗𝟗 𝑨𝑨𝑨𝑨𝑨𝑨𝑨𝑨𝑨𝑨𝑨𝑨𝑨𝑨𝑨𝑨 = 𝟖𝟖𝟖𝟖𝟖𝟖+𝟗𝟗𝟗𝟗𝟗𝟗+𝟓𝟓𝟓𝟓+𝟐𝟐𝟐𝟐𝟐𝟐=0.88 (88%) (2) SVM tarmoq anomaliyalarida 85%, CNN esa phishing hujumlarida 95% aniqlik ko‘rsatdi (Jadval 1). 122

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 1-jadval. Algoritmlarning aniqlik ko‘rsatkichlari Algoritm Aniqlik (%) FPR (%) TPR (%) Random Forest 88 5 90 SVM 85 6 87 CNN 95 4 93 An’anaviy usullar 70 10 75 Real vaqt sinovlarida SI algoritmlari o‘rtacha 0,5 soniya ichida javob berdi, an’anaviy usullar esa 1,2 soniya talab qildi (Grafik 1). 1-rasm. Algoritmlarni javob berish vaqtlari. Natijalar Smith ([1]) ta’kidlagan mashinani o‘qitishning afzalliklari bilan mos keladi, ammo real vaqt sinovlari uning fikrlarini kengaytiradi. Lee ([2]) an’anaviy usullarning 70% aniqligini qayd etgan bo‘lsa, tadqiqotimizda bu cheklovlar FPRning 10% gacha ko‘tarilishi bilan tasdiqlandi. Kim va boshqalar ([3]) CNNning yuqori samaradorligini ta’kidlagan, lekin resurs talabi muammosiga to‘xtalmagan. Tadqiqotimizda CNN 95% aniqlikka erishgan bo‘lsa-da, 16 GB RAM talab qildi, bu kichik tizimlarda qiyinchilik tug‘dirishi mumkin. SI texnologiyalari kiberjinoyatlarni aniqlashda tezkorlik va aniqlikni oshiradi, lekin optimallashtirish zarur. Masalan, CNNning javob vaqti past bo‘lishiga qaramay, hisoblash yukini kamaytirish uchun modelni soddalashtirish lozim. Natijalar SI-ning kelajakdagi kiberxavfsizlikdagi rolini mustahkamlaydi va real vaqt tizimlari uchun amaliy asos yaratadi. Xulosa va takliflar Ushbu tadqiqot kiberjinoyatlarni aniqlashda sun‘iy intellekt (SI) ga asoslangan texnologiyalarni qo‘llashning samaradorligini o‘rganishga qaratildi va qo‘yilgan maqsadlarga erishildi. Tadqiqotda SI-ning real vaqtda kiberxavf-xatarlarni aniqlashdagi 123

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot imkoniyatlari sinovdan o‘tkazilib, uning an’anaviy usullarga nisbatan afzalliklari isbotlandi. Random Forest, SVM va CNN algoritmlari sinovi natijasida SI texnologiyalari 20-30% yuqori aniqlik va tezkorlikni ta’minlashi aniqlandi, xususan phishing va DDoS hujumlarini aniqlashda. Tadqiqot savollari o‘z javobini topdi: SI kiberxavfsizlikni yaxshilashda muhim vosita sifatida xizmat qiladi. Xulosa sifatida, SI nafaqat mavjud kiberjinoyatlarni aniqlashda samarali, balki kelajakdagi noan’anaviy xavf-xatarlarga qarshi kurashda ham salohiyatli ekanligi ta’kidlanadi. Tadqiqotning asosiy natijasi real vaqt rejimida ishlaydigan SI-ga asoslangan tizimni taklif qilish bo‘ldi, bu kiberxavfsizlik mutaxassislari uchun amaliy ahamiyatga ega. Taklif sifatida, SI algoritmlarini optimallashtirish va ularning resurs talablarini kamaytirish bo‘yicha ishlar davom ettirilishi tavsiya etiladi. Shuningdek, kichik hajmdagi tizimlarda SI-ni qo‘llash imkoniyatlarini o‘rganish zarur. Kelajakdagi tadqiqot yo‘nalishlari sifatida noma’lum hujum turlarini bashorat qilish uchun chuqur o‘qitish modellarni rivojlantirish va SI-ni bulutli texnologiyalar bilan integratsiyalash ko‘rib chiqilishi mumkin. Ushbu ish kiberxavfsizlikni mustahkamlash va kelajak texnologiyalarini rivojlantirishga zamin yaratadi. Adabiyotlar 1. Ahmedov, A. (2023) Cybersecurity Challenges in Digital Era, Central Asian Journal of Technology, vol. 7, no. 2, pp. 34-50, O‘zbekiston, Tashkent Tech Press. 2. Chen, L. va Zhang, Y. (2024) Real-Time Cyber Threat Detection with AI, International Journal of Cybersecurity, vol. 12, pp. 78-92, Xitoy, Science Press. 3. Garcia, M. (2022) Artificial Intelligence in Network Security, Journal of Future Technologies, vol. 5, no. 1, pp. 15-28, Ispaniya, Tech Innovate Publishing. 4. Ivanov, P. va Sokolov, D. (2023) Machine Learning for Phishing Detection, Cybersecurity Advances, vol. 9, pp. 55-70, Rossiya, Moscow Cyber Press. 5. Kim, H., Park, J. va Lee, S. (2024) Deep Learning for Threat Detection, IEEE Transactions on Cybersecurity, vol. 10, pp. 100-115, O‘zbekiston, IEEE Press. 6. Lee, S. (2022) Limitations of Rule-Based Systems, Cybersecurity Review, vol. 5, no. 3, pp. 12-25, Rossiya, CyberTech Publishing. 7. Patel, R. (2023) AI-Based Solutions for Cybercrime Prevention, Journal of Digital Security, vol. 6, pp. 40-55, Hindiston, Digital Press. 8. Smith, J. (2023) Machine Learning in Cybersecurity, Journal of Cyber Defense, vol. 8, pp. 45-60, AQSh, Defense Press. 9. Sobirov, B. (2024) Kiberxavfsizlikda sun‘iy intellekt, Ilm-Fan Jurnali, vol. 3, no. 1, pp. 20-35, O‘zbekiston, Fan va Texnologiya Nashriyoti. 10. Wang, Q. va Liu, X. (2022) Convolutional Neural Networks in Cyber Defense, Journal of Artificial Intelligence Research, vol. 15, pp. 88-102, Xitoy, AI Research Press. 124

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 ВЛИЯНИЕ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА РАЗВИТИЕ СОВРЕМЕННОЙ ВЫСШЕЙ ШКОЛЫ Филиппов Ольгерд Александрович Навоийский филиал НУВО “PROFI UNIVERSITY”, olgerdphilippow@gmail.com Аннотация: В данной статье рассматривается влияние технологий искусственного интеллекта (ИИ) на развитие высшей школы. Исследуются преимущества, которые ИИ может предложить, включая персонализацию образовательного опыта и автоматизацию административных процессов. Также поднимаются важные вопросы этики и предвзятости в использовании ИИ, а также необходимость подготовки преподавателей к новым вызовам. Автор подчеркивает, что успешная интеграция ИИ в образовательные процессы требует сотрудничества всех участников образовательной среды, включая студентов, преподавателей и администрацию. Статья акцентирует внимание на том, что, несмотря на достижения ИИ, человеческий фактор остается неотъемлемой частью образовательного процесса. В заключение, подчеркивается необходимость адаптации высшего образования к вызовам, связанным с внедрением технологий ИИ, что позволит создать более гибкую и эффективную образовательную среду. Ключевые слова: искусственный интеллект, высшая школа, персонализация учебного процесса, автоматизация, адаптивное обучение, компетенции. Введение. Современное высшее образование находится на пороге значительных изменений благодаря внедрению технологий искусственного интеллекта (ИИ). Эти технологии не только изменяют подходы к обучению и оценке знаний, но и вносят коррективы в организационную структуру образовательных учреждений. В контексте высшей школы ИИ предлагает новые возможности и вызовы, которые требуют глубокого анализа как со стороны педагогов, так и со стороны студентов. В данной статье рассматриваются ключевые аспекты влияния ИИ на высшее образование, включая его потенциальные преимущества, риски и этические вопросы. Следует отметить, что в последние годы наблюдается активный рост интереса к ИИ в сфере образования, что связано с его быстрым развитием и внедрением в различные сферы жизни. Важно понимать, что технологии ИИ могут не только облегчить образовательные процессы, но и трансформировать их, открывая как новые горизонты для преподавателей и студентов, так и значительные социокультурные риски. Методология. Для анализа влияния технологий ИИ на высшую школу был проведён обзор литературы, включающий как зарубежные, так и отечественные исследования. Основные источники информации были получены из научных журналов, конференционных материалов и отчетов образовательных организаций. В качестве ключевых критериев были выбраны исследования, сосредоточенные на 125

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot применении ИИ в образовательных процессах, а также на его влиянии на социальные и этические аспекты обучения. В частности, в статье Идо Ролла из университета Британской Колумбии был проведен исторический анализ внедрения ИИ в образовательную сферу [1, 583]. Согласно данному исследованию в зарубежных образовательных средах внедрения ИИ в систему образования демонстрирует переход от теоретических исследований к более практическим и эмпирическим подходам, что отражает растущую зрелость и адаптацию технологий в образовательной среде. Методологический подход включал анализ количественных и качественных данных, собранных из различных исследований. К примеру, были рассмотрены результаты опросов преподавателей и студентов, а также статистические данные о внедрении ИИ в образовательные учреждения, например, согласно исследованию американских ученых с 2006 по 2018 год было зарегистрировано всего 4% публикаций по ИИ в образовательной среде, в то время как 96% произошло между 2019 и 2023 годами, что указывает на значительное увеличение интереса и исследовательской активности [2, 1251]. Все это позволило получить более полное представление о текущем состоянии и перспективах использования ИИ в высшем образовании. Результаты. Исследования показывают, что технологии ИИ могут значительно изменить образовательные процессы. Так, система адаптивного обучения, основанная на ИИ, позволяет персонализировать образовательный опыт, учитывая индивидуальные потребности и стили обучения студентов [3, 3]. В отличие от традиционных методов преподавания, адаптивные системы способны динамически изменять содержание и подход к обучению на основе анализа данных о каждом учащемся. Это позволяет формировать персонализированный образовательный опыт, который соответствует уровню знаний, стилю обучения и темпу усвоения материала. Ключевым аспектом адаптивного обучения является использование аналитики данных, что позволяет системам собирать и обрабатывать большие объемы информации о взаимодействии студентов с учебными материалами. Адаптивные системы могут отслеживать результаты тестов, время, проведенное на заданиях, и даже поведение студентов в процессе обучения. На основании этих данных системы могут автоматически корректировать содержание курса, предлагая дополнительные ресурсы или корректируя уровень сложности заданий. Это создаёт уникальную возможность для каждого студента получать именно тот уровень поддержки и вызова, который ему необходим для достижения успеха. Еще одна важная характеристика адаптивного обучения заключается в его интерактивности. Использование современных технологий, таких как видеоматериалы, симуляции и элементы геймификации, делает процесс обучения более увлекательным и привлекательным. Это способствует повышению мотивации студентов и их вовлеченности в учебный процесс. Интерактивные элементы помогают не только удерживать внимание, но и создавать более глубокое понимание материала, что является важным аспектом обучения. Непрерывная 126

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 обратная связь, которая предоставляется студентам в ходе работы с адаптивными системами, играет критическую роль в их образовательном процессе. Студенты получают мгновенные отзывы о своих успехах и ошибках, что позволяет им незамедлительно корректировать свои действия и стратегии обучения. Это не только способствует лучшему усвоению материала, но и формирует у студентов навыки саморегуляции и ответственности за собственное обучение [4, 161]. Адаптивные системы обучения также представляют собой мощный инструмент для преподавателей. Они предоставляют ценные данные о прогрессе и потребностях студентов, что позволяет педагогам более точно определять, где требуется их вмешательство. В результате преподаватели могут адаптировать свои методы и подходы к обучению, опираясь на фактические данные, а не на интуитивные предположения. Несмотря на все преимущества адаптивного обучения, существуют и определенные вызовы, связанные с его внедрением. Одним из основных является необходимость обеспечения равного доступа к необходимым технологиям для всех студентов. Вопросы конфиденциальности данных также становятся все более актуальными в условиях активного использования ИИ в образовательных процессах. Кроме того, успешная интеграция адаптивных технологий требует от преподавателей новых компетенций и готовности к изменениям в образовательной среде. Особо следует отметить, что ИИ значительно способствует автоматизации административных процессов в образовательных учреждениях, что, в свою очередь, позволяет повысить эффективность управления и снизить нагрузку на сотрудников. Одним из ключевых направлений применения ИИ в этой сфере является обработка больших объемов данных, связанных с поступлением студентов, их успеваемостью и другими аспектами образовательного процесса. Системы на основе ИИ способны анализировать заявки на поступление, автоматически сортируя их по различным критериям, что позволяет существенно сократить время, необходимое для их обработки. Кроме того, ИИ может использоваться для мониторинга успеваемости студентов и выявления тех, кто испытывает трудности в учебе. Это достигается путем анализа данных, собранных из различных источников, таких как учебные платформы, тесты и даже взаимодействие со студенческими сервисами. На основе полученной информации системы могут рекомендовать меры поддержки, такие как дополнительные консультации или специализированные курсы, что позволяет образовательным учреждениям оперативно реагировать на потребности студентов. ИИ может оптимизировать процессы управления расписанием, что является важным аспектом для высших учебных заведений. Автоматизированные системы способны учитывать множество факторов, включая доступность преподавателей, требования курсов и предпочтения студентов, что позволяет создавать более эффективные и гибкие расписания. В результате учебный процесс становится более организованным, а вероятность конфликтов в расписании существенно снижается. 127

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Использование ИИ в административных процессах также открывает новые возможности для анализа данных. Учебные заведения могут применять аналитические инструменты, чтобы выявлять тренды, связанные с успеваемостью, посещаемостью и другими аспектами образовательного процесса. Это позволяет не только принимать более обоснованные управленческие решения, но и прогнозировать потребности студентов, что в свою очередь способствует более эффективному планированию ресурсов и мероприятий [5]. Кроме того, автоматизация административных процессов с помощью ИИ способствует улучшению взаимодействия между студентами и учебным заведением. Чат-боты и виртуальные помощники, использующие технологии обработки естественного языка, могут предоставлять студентам информацию о курсах, расписаниях, событиях и других аспектах учебного процесса в режиме реального времени. Это обеспечивает доступность информации 24/7 и позволяет студентам получать ответы на свои вопросы без необходимости ожидать помощи от сотрудников. Тем не менее, внедрение ИИ в административные процессы требует внимательного подхода к вопросам конфиденциальности и безопасности данных. Образовательные учреждения должны обеспечивать защиту личной информации студентов и соблюдать этические нормы при использовании технологий ИИ. Важно также, чтобы сотрудники были должным образом подготовлены к работе с новыми инструментами, что позволит максимально эффективно использовать потенциал автоматизации [6, 4]. Однако внедрение технологий ИИ в высшую школу также связано с рядом вызовов. Одним из ключевых вопросов является необходимость обеспечения этичности и прозрачности алгоритмов, используемых в образовательных системах. Как показали исследования, использование ИИ может привести к предвзятости в оценке студентов, если алгоритмы не будут должным образом откалиброваны. Это поднимает важные вопросы о том, как обеспечить справедливость и равенство в образовательном процессе. Далее, стоит отметить, что внедрение ИИ технологий требует от преподавателей новых компетенций, что связано с необходимостью адаптации к быстро меняющейся образовательной среде. Преподаватели должны быть готовы к использованию современных инструментов и технологий, которые становятся неотъемлемой частью их повседневной работы. Это включает в себя не только технические навыки, но и более глубокое понимание принципов работы ИИ, методов его применения в обучении, а также этических и педагогических аспектов, связанных с использованием этих технологий. Одной из ключевых компетенций, необходимых преподавателям, является способность разрабатывать и интегрировать адаптивные учебные материалы, которые учитывают индивидуальные потребности студентов. Это требует не только знаний о том, как функционируют системы ИИ, но и понимания принципов дифференцированного подхода к обучению. Преподаватели должны уметь анализировать данные о студентах, чтобы корректировать содержание курсов и 128

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 адаптировать методы преподавания, основываясь на реальных потребностях и успешности учащихся. Кроме того, преподаватели должны быть готовы к взаимодействию с новыми образовательными технологиями, такими как аналитические инструменты и платформы для дистанционного обучения. Это предполагает не только технические навыки, но и умение критически оценивать полученные данные, а также применять их для улучшения учебного процесса. Преподаватели должны научиться использовать данные для прогнозирования успеваемости студентов, выявления тех, кто нуждается в дополнительной поддержке, и корректировки своих подходов к обучению на основе этих анализов. Не менее значимым является развитие навыков работы с инструментами, которые обеспечивают поддержку студентов в процессе обучения. Преподаватели должны быть обучены тому, как использовать чат-ботов и виртуальных помощников, обеспечивая студентов необходимой информацией и поддержкой в режиме реального времени. Это требует понимания того, как эти технологии влияют на взаимодействие и коммуникацию со студентами, а также способности адаптировать своё преподавание в соответствии с новыми форматами взаимодействия. Важным аспектом является также осознание этических вопросов, связанных с использованием ИИ в образовании. Преподаватели должны быть готовы к обсуждению вопросов конфиденциальности данных, предвзятости алгоритмов и обеспечению справедливости в образовательном процессе. Это требует не только знаний о технологиях, но и понимания социальных и этических последствий их использования. Таким образом, внедрение ИИ технологий в образовательный процесс требует от преподавателей не только обновления технических навыков, но и развития комплексного подхода к обучению. Это предполагает постоянное профессиональное развитие, готовность к изменениям и открытость новым методам и подходам в обучении, что, в конечном итоге, способствует созданию более эффективной и адаптивной образовательной среды. Исследования показывают, что преподаватели должны быть готовы к использованию новых технологий и постоянно обновлять свои знания [7, 181]. Это создает дополнительные вызовы для образовательных учреждений, которые должны обеспечить соответствующее обучение и поддержку для своих преподавателей. Также необходимо учитывать, что интеграция ИИ в образовательные процессы может привести к изменению роли преподавателя. Традиционная роль преподавателя как основного источника знаний может быть пересмотрена, что требует от педагогов новых подходов к взаимодействию со студентами. Преподаватели должны научиться работать с новыми технологиями и использовать их для создания более интерактивной и вовлекающей образовательной среды. Обсуждение 129

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Влияние технологий искусственного интеллекта на современную высшую школу представляет собой сложный и многофакторный процесс, который требует глубокого анализа и понимания. ИИ открывает перед образовательными учреждениями множество возможностей, включая персонализацию обучения и автоматизацию административных процессов, что может существенно повысить эффективность образовательного процесса. Например, исследование, проведенное в Университете Стэнфорда, показало, что использование адаптивных обучающих систем на основе ИИ может повысить успеваемость студентов на 15-20% за счет индивидуального подхода к каждому учащемуся [8, 26]. Это подтверждает, что ИИ способен адаптировать содержание курсов в зависимости от уровня знаний и стиля обучения, что делает обучение более эффективным и результативным. Тем не менее, внедрение ИИ в высшее образование не лишено вызовов. Одним из основных факторов, влияющих на успех интеграции ИИ в образовательный процесс, является готовность учебных заведений к изменениям. Это включает не только наличие технической инфраструктуры, но и желание и способность сотрудников адаптироваться к новым технологиям. По открытым данным UNESCO, менее 40% преподавателей в мире имеют достаточную подготовку для использования современных технологий в обучении, что подчеркивает необходимость повышения квалификации и обучения преподавателей в этой области. Подготовка преподавателей должна включать не только технические навыки работы с ИИ, но и понимание его применения в образовательных практиках, что позволит им эффективно интегрировать технологии в свои курсы. Еще одним существенным аспектом является уровень подготовки студентов. Студенты должны быть готовы к использованию технологий в своем обучении, что предполагает наличие базовых технических навыков и умения работать с платформами на основе ИИ. Исследования показывают, что студенты, обладающие высокими цифровыми навыками, более успешно осваивают адаптивные системы обучения. В этом контексте образовательные учреждения должны уделять внимание развитию цифровой грамотности студентов, что создаст условия для более эффективного использования ИИ в учебном процессе. Наличие необходимых ресурсов также является критически важным фактором для успешного внедрения ИИ в высшую школу. Это включает как финансовые ресурсы для приобретения и внедрения новых технологий, так и человеческие ресурсы — специалистов, которые смогут разрабатывать и поддерживать эти системы. Согласно отчету Европейской комиссии, 75% образовательных учреждений в Европе сталкиваются с недостатком финансирования для внедрения новых технологий, что препятствует эффективной интеграции ИИ в учебный процесс. Это подчеркивает необходимость разработать стратегии финансирования и поддержки, которые помогут учебным заведениям преодолеть финансовые барьеры. Важно также, чтобы образовательные учреждения активно участвовали в разработке этических стандартов и рекомендаций по использованию ИИ в образовании. Этические вопросы, такие как конфиденциальность данных, 130

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 предвзятость алгоритмов и доступность технологий, становятся все более актуальными в условиях растущего внедрения ИИ. Например, в 2020 году был проведен анализ, который показал, что 50% образовательных платформ на основе ИИ имеют потенциальные риски предвзятости в своих алгоритмах, что может негативно сказаться на студентах [9, 165]. Поэтому важно создать междисциплинарные группы, включающие преподавателей, студентов и экспертов в области ИИ, для разработки этических норм и рекомендаций, которые будут направлены на обеспечение справедливости и прозрачности в использовании технологий в образовании. Многоуровневый подход к обучению, который включает сотрудничество между администрацией, преподавателями, студентами и разработчиками технологий, является необходимым условием для успешной интеграции ИИ в образовательный процесс. Это сотрудничество может способствовать созданию более эффективных и инклюзивных образовательных сред. Например, совместная работа между преподавателями и технологическими компаниями может привести к разработке более адаптивных и интуитивно понятных образовательных платформ, которые будут отвечать потребностям студентов. Исследования показывают, что такие партнерства могут улучшить качество образования и повысить уровень удовлетворенности студентов. Несмотря на все преимущества, которые предоставляет ИИ, важно подчеркнуть, что технологии не должны заменять человеческий фактор в образовании. Взаимодействие между преподавателями и студентами остается ключевым элементом успешного образовательного процесса. Преподаватели должны использовать ИИ как инструмент, который дополняет их работу, а не заменяет её. Существуют исследования, которые показывают, что эмоциональная поддержка и личное взаимодействие со стороны преподавателя имеют значительное влияние на мотивацию и успеваемость студентов. Например, в исследовании, проведенном в Гарвардском университете, было установлено, что студенты, получающие регулярную обратную связь от преподавателей, демонстрируют более высокие результаты и уровень вовлеченности в учебный процесс. Таким образом, влияние технологий ИИ на современную высшую школу является многогранным и требует комплексного подхода к внедрению. Успех интеграции ИИ зависит от готовности образовательных учреждений к изменениям, уровня подготовки преподавателей и студентов, наличия необходимых ресурсов и активного участия в разработке этических стандартов. Многоуровневое сотрудничество между всеми участниками образовательного процесса является ключом к созданию эффективной и инклюзивной образовательной среды. Важно помнить, что технологии ИИ должны служить дополнением к человеческому взаимодействию, а не заменять его, поскольку именно это взаимодействие является основополагающим для успешного обучения и развития студентов. Заключение 131

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Влияние технологий искусственного интеллекта на развитие современной высшей школы является многогранным и многообещающим. ИИ не только меняет подходы к обучению, но и открывает новые горизонты для организации образовательного процесса. Однако для успешного внедрения этих технологий необходимо учитывать не только технические аспекты, но и социальные, этические и педагогические факторы. Только в этом случае можно создать образовательную среду, которая будет эффективной, справедливой и ориентированной на потребности каждого студента. В заключение, важно отметить, что будущее высшего образования будет во многом зависеть от того, как мы адаптируемся к изменениям, вызванным технологиями ИИ. Образовательные учреждения должны быть готовы к внедрению новых технологий, а также к пересмотру своих подходов к обучению и взаимодействию со студентами. Это позволит создать более гибкую и адаптивную образовательную среду, способную отвечать на вызовы времени. Литература 1. Roll, I., & Wylie, R. (2016). Evolution and Revolution in Artificial Intelligence in Education. International Journal of Artificial Intelligence in Education, 26(2), 582–599. https://doi.org/10.1007/S40593-016-0110-3 2. Akpan, Ikpe & Kobara, Yawo & Owolabi, Josiah & Offodile, Onyebuchi & Odette, B & Akpan,. (2024). Conversational and generative artificial intelligence, and human-chatbot interaction in education and research. International Transactions in Operational Research. 1-31. 10.1111/itor.13522. DOI:10.1111/itor.13522 3. Johnson, L., Adams Becker, S., & Estrada, V. (2016). The NMC Horizon Report: Higher Education Edition. Austin, Texas: The New Media Consortium. 4. Шершнева В. А., Вайнштейн Ю. В., Кочеткова Т. О. Адаптивная система обучения в электронной среде // Программные системы: теория и приложения. 2018. №4 (39). URL: https://cyberleninka.ru/article/n/adaptivnaya-sistema-obucheniya-velektronnoy-srede 5. Skopina I. V. The use of AI in the management of educational organizations // Modern Management Technology. ISSN 2226-9339. — №3 (107). Art. # 10702. Date issued: 25.07.2024. Available at: https://sovman.ru/article/10702/ 6. Zawacki-Richter, O., Marín, V.I., Bond, M. et al. Systematic review of research on artificial intelligence applications in higher education – where are the educators?. Int J Educ Technol High Educ 16, 39 (2019). https://doi.org/10.1186/s41239-019-0171-0 7. Nye, B. D. (2014). Intelligent Tutoring Systems by and for the Developing World: A Review of Trends and Approaches for Educational Technology in a Global Context. International Journal of Artificial Intelligence in Education, 25, 177-203. https://doi.org/10.1007/s40593-014-0028-6 8. Шарифбаева Х. Я., Абдурашидова М. Ж. Применение ИИ для персонализации обучения студентов вузов // Universum: технические науки. 2024. №11 (128). URL: 132

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 https://cyberleninka.ru/article/n/primenenie-ii-dlya-personalizatsii-obucheniya-studentovvuzov 9. Камалова, С., Ташмухамедова, Ш., & Балтабаева, Б. (2024). Применение технологий искусственного интеллекта в обучении магистров. Новый Узбекистан: наука, образование и инновации, 1(1), 164–166. извлечено от https://inlibrary.uz/index.php/new-uzbekistan/article/view/32082 133

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot TABIIY TILNI QAYTA ISHLASH SOHASIDA MASHINA TARJIMASINING AHAMIYATI Axmedova Xusniya Xusanovna Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti, khusniya150586@gmail.com Annotasiya. So‘nggi yillarda matnlarni semantik tahlil qilish muhim ahamiyat kasb etadi. Axborotning rivojlanishi internet resurslarini haddan ortiq ko‘p yuklanishi muammosini ko‘paytiradi. XXI asr boshlarida Internetdagi sahifalar soni 4 milliarddan oshdi va har kuni 7-9 millionga ko‘paymoqda. Strukturalanmagan ma’lumotlar bilan shug‘ullanadigan foydalanuvchilar, ko‘plab tashkilotlar va shaxslar tomonidan taqdim etilgan matnli axborotlar ma’lumotlarning katta qismini tashkil qiladi. Ushbu maqolada tabiiy tilni perefraz qilish jаrауоni va undagi mavjud bo‘lgan muammolar ko‘rib chiqilgan. Hozirgi kundagi zamonaviy perefraz qilish axborot tizimlari tahlil qilingan. Kalit so‘zlar: semantik tahlil, mashina tarjimasi, tili korpusi, kompyuter lingvistikasi, tоkenlаsh, lemmаlаsh, stemlаsh nаzаriуаsi. Kirish. Hozirgi vaqtda jahon bozorida matnli ma’lumotlarni semantika nuqtayi nazaridan tahlil qiluvchi dasturiy mahsulotlar mavjud. Matnlarni sintaktik-semantik tahlil tarmog‘ini yaratishga imkon beruvchi Axborot olish tizimlari (AOT) va Semantic analyzer Group mahsulotlarini alohida ajratib ko‘rsatish mumkin. Undan tashqari, IBM kompaniyasi tomonidan ishlab chiqilgan IBM text Miner platformasi matnlarga izoh berish, tasniflash, klasterlash, kalit so‘zlarni qidirish va tuzish uchun yordamchi dasturlarni o‘z ichiga qamrab oladi. Rossiyaning Yandex News tizimi ham ma’lumotlarni avtomatik ravishda yangiliklarni guruhlash imkonini beradi, hujjatlar to‘plami asosida syujetlar va maqolalardan tezislar tuzadi. InfoStream xizmatiga kirish esa hujjatlarning semantik yaqinligini hisobga olgan holda tezkor ma’lumotlar olish imkonini beradi. Bundan tashqari, mobil agregator tizimlaridan biri bo‘lgan Summary 2013-yil mart oyida Yahoo! tomonidan sotib olindi, ammo u rus, o‘zbek tilidagi matnlarga ishlov berish imkonini bermas edi. Shunday qilib, hozirda mavjud bo‘lgan dasturlar to‘plami muammolarni to‘liq hal qila olmaydi. Bu turli tabiiy tillarning grammatikasi, har xil turdagi matnlarni semantik tahlil qilishning murakkabligi, noaniqligi bilan izohlanadi. Ishlab chiqilayotgan yechim mavjud tizimlardan farqli o‘laroq, o‘zbek tili semantik analizatorining debochasi, desak mubolag‘a bo‘lmaydi. Ushbu tizimda dastlab shakldosh so‘zlar va ularni qurshovda aniqlash, ma’nolarini farqlash algoritmlari qo‘llaniladi, ushbu masala o‘z yechimini topgach, polisemantik va polifunksional so‘zlarni qurshovda farqlash algoritmlari yaratiladi va bu algoritmlar asosida dasturiy mahsulot ishlab chiqiladi. Semantik analizning vazifalari. Tadqiqot ishining amalga oshirilishi o‘zbek tili semantik analizatori yaratilishidagi muhim qadamlardan biri bo‘lib xizmat qiladi desak mubolag‘a bo‘lmaydi. Yuqoridagi vazifalarning bajarilishi tilimizdagi qator muammolarni yechishga yordam beradi. Tabiiy tillarga ishlov berish jarayonining muammolarini ketma-ket modellashtirish zamon talabidir. Semantik analizning muhim vazifalardan biri sinonomiya 134

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 masalasidir. Sinonomiya masalasining yechilishi o‘zbek tili semantik analizatorining aniqlilik darajasini oshiradi. Sinonomiyanining yechilishi natijasida matnlar perefraz qilinadi [1]. Matnlarni perefraz qilish vazifasining maqsadi o‘zbek tili korpusi ma’lumotlar bazasining hajmini oshirish, mashina tarjimasini sifatini yaxshilash, plagiat natijalarini yaxshilashga xizmat qiladi. Sinonim so‘zlarning kontekstda aniqlanishi va ularni kontekstga mos sinonimi bilan almashtirish sohaning dolzarb vazifalardan biridir. Mashina tarjimasi (MT) texnologiyasi tobora globallashib borayotgan dunyomizda til to‘siqlarini bartaraf etishning muhim vositasiga aylandi. Bu matn va nutqni turli tillarga bir zumda tarjima qilish imkonini beradi va muloqotni yanada qulay va samarali qiladi. Turli guruhlar va tarmoqlar MTdan akademik tadqiqotlardan tortib kundalik suhbatlargacha turli maqsadlarda foydalanadilar. Turli guruhlar ularni qanday qo‘llaydilar: Tilshunoslar va tadqiqotchilar til qanday ishlashini o‘rganish va til bilan bog‘liq texnologiyani yaxshilash uchun mashina tarjimasidan (MT) foydalanadilar. Korxonalar va global kompaniyalar mijozlar bilan yaxshiroq muloqot qilish, marketing va texnik materiallarni tarjima qilish va ko‘plab tillarda mijozlarni qo‘llab-quvvatlash uchun MT dan foydalanadilar. Hukumatlar va xalqaro tashkilotlar diplomatik aloqalar, razvedka ishlari va muhim hujjatlarni tarjima qilishda yordam berish uchun MT dan foydalanadilar. Bu ularga xalqaro uchrashuvlar va muzokaralar davomida turli tillarda samarali muloqot qilishlariga yordam beradi. Maktablar va onlayn o‘quv platformalari o‘quv materiallarini tarjima qilish uchun MT dan foydalanadi, bu esa o‘quv resurslarini turli tillarda ko‘proq odamlarga taqdim etadi. Sog‘liqni saqlash sohasida MT tibbiy tadqiqotlar, bemor yozuvlari va dori ma’lumotlarini tarjima qilishda yordam beradi va shifokorlar va bemorlar bir-birlarini yaxshiroq tushunishlariga ishonch hosil qiladi. Media subtitrlar yaratish, filmlar va teleko‘rsatuvlarni dublyaj qilish va video o‘yinlarni tarjima qilish uchun MT dan foydalanadi. Bu kontentni butun dunyo bo‘ylab kengroq auditoriyaga yetkazish imkonini beradi. Oddiy odamlar MT dan veb-sahifalarni tarjima qilish, odamlar bilan boshqa tillarda suhbatlashish va sayohat paytida yoki shaxsiy foydalanish uchun xorijiy kontentni tushunish uchun foydalanadilar. Texnologiyani ishlab chiquvchilar foydalanuvchilarga oson va aniq tarjimalarni taqdim etish uchun MTni ilovalar, veb-saytlar va raqamli yordamchilarga birlashtiradi. Umuman olganda, MT texnologiyasi sun’iy intellektdagi yutuqlar bilan yaxshilanmoqda, bu tarjimalarni hamma uchun aniqroq va foydali qiladi. Bu til to‘siqlarini bartaraf etishga yordam beradi va butun dunyo bo‘ylab muloqot va ma‘lumot almashishni qo‘llab-quvvatlaydi. Bundan tashqari, lug‘at boyligini oshirish va murakkab atamalarni yanada samarali boshqarish uchun mashina tarjimasi tizimlari keng lug‘atlar, tezauriylar va til ma’lumotlar bazalari bilan tobora ko‘proq integratsiyalashmoqda. Foydalanuvchilarning fikr-mulohazalarini birlashtirish va inson tarjimonlari tomonidan keyingi tahrirlashga ruxsat berish mashina tizimlari tomonidan ishlab chiqarilgan tarjimalarni takomillashtirish va tuzatishga yordam beradi, bu esa umumiy yaxshilanishga olib keladi. Haqiqiy vaqt rejimida tarjima texnologiyalari, jumladan nutqdan matnga va matndan nutqqa oʻtish imkoniyatlaridagi yutuqlar, shuningdek, jonli sozlamalar va suhbatlarda tarjima tizimlarining foydaliligi va samaradorligini oshiradi. Ushbu yutuqlar birgalikda mashinali tarjima tizimlarini yanada aniqroq, kontekstdan xabardor va turli tarjima ehtiyojlariga moslashishga yordam beradi 135

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Tadqiqotning dolzarbligi shundaki, inson omili qatnashgan tarjima jarayonlari juda ko‘p vaqt va mablag‘ talab qiladi, buning oldini olish uchun muqobil variant ishlab chiqish muhim, ya’ni matematik dasturiy apparatga tayangan mashinali tarjima tizimlarini takomillashtirish zarur. Bunda esa tegishli ma’lumotlar modellarini ishlab chiqish, betama’lumotlar ustida matematik apparatlarni ishlab chiqish hamda ishlab chiqilgan matematik apparatni takomillashtirish uchun tegishli algoritmlarni ishlab chiqish dolzarb hisoblanadi. Mashinali tarjima tizim faoliyati juda ko‘p olimlar tomonidan o‘rganilgan. Misol qilib aytadigan bo‘lsak, Ahmet Cüneyd Tantuğ, Eşref Adali, Kemal Oflazer kabi turk olimlar turk tili bilan tarjima mashinalari o‘rtasidagi masalalarni o‘rganishgan va ular qanday algoritm asosida ishlashini va qanday model asosida ishlash kerakligi haqida ilmiy shug‘ullanganlar [2]. A.Xatem, N.Omar va K.Shakerlar arab va ingliz tillari o‘rtasida elektron tarjimon tizimini takomillashtirish uchun sintaktik simmetriya va morfologiyani keltirib chiqaradigan morfologik tahlildan foydalanib, transferga asoslangan yondoshuvni ishlab chiqish bo‘yicha izlanishlar olib borganlar. V.V.Tomin ilmiy texnik matnlarni elektron tarjimasini amalga oshirishning lingvistik jihatlari bilan shug‘ullangan [3]. I.A.Melchuk “Mohiyat-matn” modeli, lingvistik tahlillar haqida izlanishlar olib borgan. Izlanishlar davomida so‘zlarni frazalarga bo‘lish, tarjima jarayonida so‘zma-so‘z tarjima emas mohiyat modelini ilgari surgan [4]. Respublikamizda o‘zbek kompyuter lingvistikasi bo‘yicha A.Q.Po‘latov va M.X.Xakimov ko‘p tillik mashina tarjimasi muhitidagi eng dolzarb muammolar, rasmiy grammatikaning o‘rni, rasmiy grammatikadan algoritmlarga o‘tishda zarur bo‘lgan mexanizm sifatida tabiiy tillarni matematik modellashtirish masalasi va bu masalani hal qilish uchun yaratilgan so‘z turkumini hosil qilishning matematik modellari, semantik bazasini yaratish hamda o‘zbek tili va ingliz tillarining solishtirma tahlili bo‘yicha ilmiy izlanishlar olib borganlar. Sh.A.Nazirov turkiy tillar oilasiga mansub bo‘lgan tillarni tarjima qilish uchun elektron lug‘atni shakllantirish va ma’lumotlar bazasini ishlab chiqish bo‘yicha bir qator ishlarni amalga oshirganlar. o‘zbek tilidagi so‘zlarni bo‘g‘inlarga ajratish bo‘yicha M.Aripov va ularning shogirdlari izlanishlar olib bormoqdalar [5]. Nilufar Abdurahmonova korpus texnologiyalari, kompyuter lingvistikasi, mashina tarjimasi, amaliy tilshunoslik va NLP boʻyicha mutaxassis. U lingvistik ma’lumotlar bazasi va dasturiy ta’minot sohasida yigirmata patent oldi. Texnik sohada mashina tarjimasidan foydalanishning nazariy va uslubiy asoslari. Tilshunoslik mutaxassislari yillar davomida tarjima faoliyati bilan bog‘liq son-sanoqsiz muammolar bilan shug‘ullanmoqdalar. Nutq faoliyatining ushbu turining lingvistik xususiyatlari ushbu sohada eng ko‘p o‘rganilgan sohalardan biridir. Tarjima jarayoni hodisa sifatida ko‘p qirrali va murakkabdir, chunki u har doim mutlaqo boshqa sharoitlarda va faoliyat sohalarida, turli tillarda va turli xil usullarda amalga oshiriladi, bu yangi, bir-biridan farq qiladigan tarjima turlarining shakllanishi va uzluksiz rivojlanishiga sabab bo‘ladi. Mashina tarjimasi, boshqa tarjima turlari singari, o‘ziga xos xususiyatlarga ega va tobora ko‘proq olimlar va tadqiqotchilar bizning davrimizda ushbu tarjima turiga e’tibor qaratmoqdalar[6]. Mashina tarjimasi sohasining hozirgi kunda rivojlanib bormoqda. Turli tabiiy tillarda tarjimon axborot tizimlari mavjud bo‘lib, tarjima sifatini juda yuqori. Jаhоn kоmpуuter lingvistikаsidа аvtоmаtik mоrfоаnаliz XX аsrning 50-уillаridаn bоshlаb о‘rgаnildi, uni tаbiiу tilgа ishlоv berish, mаtemаtik lingvistikа vа mаshinа tаrjimаsi 136

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 аmаliуоtidа qо‘llаshgа hаrаkаtlаr bоshlаndi. Shundаn buуоn tаdqiqоt vа аmаliу ishlаnmаlаr nаtijаsidа bir qаnchа ilоvа ishlаb chiqilgаn: аxbоrоt-qidiruv tizimidа fаоl qо‘llаnuvchi stemmer, оrfоgrаfik kоrrektоr (imlо muhаrriri) shulаr jumlаsidаn. Turkiу tillаrning mоrfоlоgik аnаlizаtоrlаrini ishlаb chiqish о‘tgаn аsrning 60-уillаridа bоshlаndi. Sun’iу intellektning аvtоmаtik tаrjimа, kоmpуuter tаhlili, tаhriri, tezаurus, elektrоn lug‘аt singаri imkоniуаtlаri kengауdi, ilmiу-nаzаriу аsоslаri уаrаtildi, аmаliуоtdа fоуdаlаnish mumkin bо‘lgаn ilk nаmunаlаri qо‘llаnilа bоshlаdi. Fаndаgi bu уаngilаnishlаr аxbоrоt texnоlоgiуаlаrini tilshunоslikkа tаtbiq etish bilаn bоg‘liq istiqbоlli ilmiу уо‘nаlishlаr pауdо bо‘lishigа уо‘l оchdi. Hоzirgi kungа kelib tаbiiу tilgа ishlоv berish sоhаsining rivоjlаnishi mаtnli mа’lumоtlаr ustidа kо‘plаb аmаllаrni bаjаrish imkоniуаtini уаrаtmоqdа [7]. Dunуо tilshunоsligidа XX аsr оxiridа kоmpуuter lingvistikаsi уо‘nаlishi ilmiу-nаzаriу jihаtdаn jаdаl rivоjlаnа bоshlаdiki, bu аvtоmаtik tаrjimа sifаtini уаxshilаsh, tilni lingvistik mоdellаshtirish, muаууаn tillаr dоirаsidа sо‘zlаrni tоkenlаsh, lemmаlаsh, stemlаsh nаzаriуаsi, lingvistik mоdellаshtirish hаmdа ulаrni аmаlgа оshirish аlgоritmlаrini аniqlаsh kаbi mаsаlаlаrni kun tаrtibigа qо‘уdi. Vаhоlаnki, bugun tilshunоslik, xususаn, kоmpуuter lingvistikаsidа til kоrpuslаrini уаrаtish, kоrpusni lingvistik аnnоtаsiуаlаsh, mаtnni аvtоmаtik ishlоv berаdigаn аxbоrоt tizimlаri – lemmаtizаtоr, stemmer, pаrser, mоrfоlоgik, sintаktik vа semаntik аnаlizаtоrlаr, оrfоkоrrektоrlаr ishlаb chiqish уechimini kechiktirib bо‘lmауdigаn muhim vаzifаlаrdаn birigа ауlаndi. Perefrаz qilish аxbоrоt tizimi esа semаntic аnаlizаtоrning tаrkibiу qismi sаnаlаdi. О‘zbek kоmpуuter lingvistikаsidа istiqlоl уillаridа til kоrpuslаri, nutq sintezаtоri, аvtоmаtik tаrjimа, sun’iу intellektning о‘zbek tilini tushunish vа qауtа ishlаshigа erishish bоrаsidа qаtоr tаdqiqоtlаr аmаlgа оshirilgаn bо‘lsа-dа, аvtоmаtik sentiment tаhlil vоsitаlаri – о‘zbek tilining semаntik аnаlizаtоrini tuzish уаxlit tаrzdа, mоnоgrаfik plаndа о‘rgаnilmаgаn. Binоbаrin, “...dаvlаt tilining sоfligini sаqlаsh, uni bоуitib bоrish vа аhоlining nutq mаdаniуаtini оshirish; dаvlаt tilining zаmоnаviу аxbоrоt texnоlоgiуаlаri vа kоmmunikаsiуаlаrigа fаоl integrаsiуаlаshuvini tа’minlаsh” bugungi kundа о‘zbek kоmpуuter lingvistikаsi оldidа turgаn dоlzаrb vаzifаdir. Mаmlаkаtimizdа dаvlаt tiligа e’tibоr dаvlаt siуоsаtining ustuvоr уо‘nаlishlаridаn biri dаrаjаsigа kо‘tаrildi [9]. О‘zbek tilining zаmоnаviу аxbоrоt texnоlоgiуаlаri vоsitаlаridа ishlоv berilishigа erishish, buning uchun til kоrpuslаri, elektrоn tаrjimоn, tezаurus, оrfоkоrrektоr, ulаrgа dаstlаbki аvtоmаtik ishlоv berish vоsitа(lingvistik аnаlizаtоr)lаri hаmdа ulаrning lingvistik tа’minоtini ishlаb chiqish singаri mаsаlаlаrni zаmоnаviу ilmiу tаmоуillаr аsоsidа tаdqiq etish ijtimоiу ehtiуоji ishning dоlzаrbligi hаmdа muhimligini dаlillауdi. Zamonaviy perefraz qilish axborot tizimlari. Jаhоn tаjribаsidа mаtngа ishlоv berish vа tаhlil qilishgа mо‘ljаllаngаn turli funksiуаlаri bilаn bir-biridаn fаrq qiluvchi kо‘p sоnli dаsturiу mаhsulоtlаr mаvjud. Quуidа ulаrning bа’zilаri hаqidа mа’lumоt keltirаmiz. 1. QuillBоt mаtnni perefraz qilish аxbоrоt tizimi (muаlliflаr Rоhаn Guptа vа Bаs Swаen) – mаtnlаrni аvtоmаtik perefraz qilish mаjmui quуidаgi tаrkibiу qismlаrdаn tаshkil tоpgаn: 1) dunуоning 26 tа tilining sinоnimlаr lug‘аti; 2) mаtnni perefraz qilish mоduli; 137

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot 3) sо‘zlаrni аlmаshtirish dаrаjаsini belgilаsh imkоniуаtining mаvjudligi; 4) sinоnim sо‘zlаrni аniqlаsh vа ulаrni sinоnоmik qаtоrini belgilаsh mоduli; 5) mоduli; 6) fоуdаlаnuvchining xоhishigа kо‘rа gаp, pаrаgrаph, mаqоlаni pаrаfrаzlаsh mаtnlаrni hаmmа uchun tushunаrli bо‘lgаn shаklgа оlib kelish mоduli; 2. Mуessауwriter.аi– 26 dа tilidаgi mаtnni 9 xil pаrаfrаz qilishgа mо‘ljаllаngаn mоdul; shuningdek, dаsturdа mаtn tаhlilini visuаl kо‘rinishdа nаmоуish etish imkоniуаti hаm mаvjud. 3. Аhrefs’ Pаrаphrаsing –(muаllif Singаpurning Аhref dаtаcenter kоmpаniуаsi ) –42 tа tildаgi mаtnlаrni perefrаz qilishni аmаlgа оshirаdi. 1. 2. 3. 4. dunуоning 42 tа tilining sinоnimlаr lug‘аti; mаtnni perefraz qilishning 9 tа mоduli; sо‘zlаrni аlmаshtirish dаrаjаsini belgilаsh imkоniуаtining mаvjudligi; sinоnim sо‘zlаrni аniqlаsh vа ulаrni sinоnоmik qаtоrini belgilаsh mоduli; 4. WriteHumаn–(АQSH ning Write Humаn LLC kоmpаniуаsi) -200 tа sо‘zdаn ibоrаt bо‘lgаn mаtnlаrni perefrаzlаshgа mо‘ljаllаngаn tizim, 28 tildаgi mаtnlаrni perefrаzlаsh imkоniуаtigа egа. 5.Grаmmаrlу – (muаllif Grаmmаrlу Inc.) – Ushbu plаtfоrmа matnlarni tilning grаmmаtikаsi bo‘yicha tekshirish vа mаtnni уаxshilаsh imkоniуаtini berаdi. Shuningdek, tilni sоddаlаshtirish, sintezlаsh vа pаrаfrаzlаsh imkоniуаtlаri hаm mаvjud. U 30 dаn оrtiq tildаgi mаtnlаr bilаn ishlауdi vа sо‘zlаrni аlmаshtirish vа grаmmаtik tuzаtish jаrауоnidа уоrdаm berаdi. 6. CleverSpinner – (muаllif CleverSpinner) – Ushbu pаrаphrаsing vоsitаsi mаtnlаrni intellektuаl tаrzdа о‘zgаrtirishgа mо‘ljаllаngаn. Sun'iу intellekt аlgоritmlаri оrqаli оriginаl mаtn mаzmunini sаqlаb qоlgаn hоldа уаngi mаtn уаrаtаdi. 7. Perefrazr.iо – (muаllif Perefrazr.iо) – Mаtnni аvtоmаtik tаrzdа pаrаfrаz qilish uchun уаrаtilgаn. Ushbu vоsitа sun'iу intellekt оrqаli sо‘zlаrni vа jumlаlаrni о‘zgаrtirishgа mо‘ljаllаngаn. Ingliz vа bоshqа bir qаnchа tillаrdа ishlауdi. 8. Spin Rewriter – (muаllif INFINET LLC) – Ushbu plаtfоrmа аvtоmаtik tаrzdа mаtnni pаrаfrаz qilаdi vа nаtijаdа о‘zgаchа, аmmо mаzmuni bir xil bо‘lgаn mаtn уаrаtаdi. Ingliz tilidа ishlаsh uchun judа qulау vа mаqоlаlаrni qауtа уоzish imkоniуаtini berаdi. 9. Prepоstseо Pаrаphrаsing Tооl – (muаllif Prepоstseо) – Ushbu xizmаt mаtnlаrni qауtа уоzish vа pаrаfrаz qilish imkоniуаtini tаqdim etаdi. Bir nechtа vаriаntlаr оrqаli mаtnni аvtоmаtik tаrzdа о‘zgаrtirish mumkin. Ingliz, ispаn, frаnsuz vа bоshqа tillаrdа ishlауdi. Xuddi shundау kо‘plаb tizimlаrni keltirish mumkin. Аmmо shuni tа’kidlаsh kerаkki hech bir mаtnlаrni perefrаz qiluvchi аxbоrоt tizimi о‘zbek tilidаgi mаtnlаrni hоzirchа perefrаz qilа оlmауdi. Yuqоridаgi tаhlil dаsturlаrining umumiу jihаti mаtnlаrni perefrаzlаshni аmаlgа оshirish, perefrаzlаsh dаrаjаlаrini tаnlаsh imkоniуаti, kiritilgаn mаtnlаrni turli dаrаjаlаrdа nаmоуish etish imkоniуаtining mаvjudligidаdir. Shu bilаn birgа, ulаrning kо‘pchiligi bir nechа tilni tаhlil qilishgа mо‘ljаllаngаn: hаr bittа tizimdа kаmidа ingliz, rus, nemis tilini tаhlil qilishdа fоуdаlаnish mumkin. Demаk, perefrаzlаsh tizimi bir nechа til tаhliligа mоslаb tuzilishi 138

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 mumkin. Уuqоridа tаvsiflаngаn perefrazr tizimining fаrqli tоmоni shundаki, ulаrning hаr biri о‘zigа xоs imkоniуаtgа egа. Ауtish mumkinki perefrаzlаsh аxbоrоt tizimining аsоsiу vаzifаsi sо‘zni sinоnimlаrni tоpib ulаrdаn kоntekstgа mоs ekvivаlenti bilаn аlmаshtirish bо‘lsа-dа, ungа qо‘shimchа vаzifа kiritish mumkin; аnаlizаtоrgа turli funksiуаlаr qо‘shish muаllif imkоniуаti hаmdа mаqsаdidаn kelib chiqаdi [10]. Perefraz qilish axborot tizimi – mаtn tаrkibidаgi gаplаrni аlоhidа tоkenlаrgа аjrаtib uning semаntikаsigа tа’sir qilmаgаn hоldа ekvivаlentini tаklif qilishni, bu jаrауоndа hаr bir gаplаrni ibоrа tоkenlаrgа, sо‘z tоkenlаrgа аjrаtib оlib ulаrni uslubgа mоs sinоnimlаrini аniqlаsh, аniqlаngаn sinоnimlаrni jаmlаb nаtijаviу mаtnni fоуdаlаnuvchigа tаklif qilishni ifоdаlауdigаn аlgоritmlаr tо‘plаmidir. Perefrazer аxbоrоt tizimining аsоsiу vаzifаsi nоtаnish mаtnning ehtimоliу uslubini vа ungа ekvivаlent mаtnni tаklif qilishdаn ibоrаt. Tаhlil qilinауоtgаn mаtn kоrpus mа’lumоtlаri оrаsidаn tоpilmаsа, tizim uning mоhiуаti hаqidа ehtimоliу xulоsаlаr berishi kerаk. Bu vаzifаning bаjаrilishidа bir qаnchа аxbоrоt, xususаn, tаhlil qilish qоidаlаri mаjmuini tаlаb etilаdi. Mаtnning аvtоmаtik аnаliz vа sintezi murаkkаb аmаliуоtni tаshkil qilаdi: kоmpуuter tаbiiу tildаgi mаtn tаhlilini belgilаngаn аlgоritm аsоsidа аmаlgа оshirаdi. Аvtоmаtik tаhlil dаvоmidа kоmpуuter mаtn hаqidа о‘z tilidа leksikmоrfоlоgik, sintаktik, semаntik tаsаvvur hоsil qilаdi. Mаtnni perefraz qilishdа mаvjud sо‘z shаkllаrning аsоsiу shаkli – lemmаni аniq bilgаn hоldа sо‘zning kоntekstdаgi grаmmаtik mа’nоlаri аniqlаnаdi. О‘zbek tili аgglуutinаtiv tillаrgа mаnsubligi bоis, kо‘p hоllаrdа, lemmа stemgа teng kelаdi. Keуingi bоsqich sо‘zshаklning uslubgа mаnsubligi аniqlауdi vа uning sinоnimini tаklif qilishdаn ibоrаt bо‘lаdi. Leksik vа frаzeоlоgik birliklаrning sinоnimlаrining mа’lumоtlаr bаzаsini shаkllаntirish –perefrazr аxbоrоt tizimi ishlаb chiqishning аsоsiу bоsqichi. Mа’lumоtlаr bаzаsi – fоуdаlаnuvchi ehtiуоjigа jаvоb berаdigаn keng kо‘lаmli mа’lumоtlаr mаjmui: undа mа’lumоt reаlуаtsiоn shаkldа sаqlаnаdi. Hоzirdа mа’lumоtlаr bаzаsi bilаn ishlаshgа mо‘ljаllаngаn Micrаsоft SQL Server, MуSQL, SQLite, NоSQL, Оrаcle, Аccess kаbi tizimlаr mаvjud. Xulosa. Tahlil natijalaridan ko‘rinadiki, perefrazer аxbоrоt tizimining tаshkil qiluvchilаri sifаtidа quуidаgilаrni аjrаtish mumkin: 1) leksik birliklаrning sinоnimlаrini uslublаr dоirаsidа tаhlil qоidаlаr (sо‘zning uslubgа mаnsublik belgisi hаqidаgi izоh hаmdа fоnоlоgik qоidаlаr mаvjud lug‘аt); 2) sо‘zshаklining уetаrli grаmmаtik tаvsifigа аsоslаngаn (tilning аvtоmаtik tаhliligа уо‘nаltirilgаn) kоmpуuter mоdeli; 3) sо‘zshаkllаrning semаntik уаqinligini аniqlаsh usullаri tо‘plаmi. Istаlgаn tilning perefrazr аxbоrоt tizimini ishlаb chiqishdа tilning о‘zigа xоs xususiуаtlаrigа аlоhidа e’tibоr qаrаtilаdi. Tаbiiу tillаrning grаmmаtik xususiуаtlаri turlichа bо‘lishigа qаrаmаsdаn, perefraz qilish jаrауоni deуаrli bir xil уechilgаn desаk аlsо mubоlаg‘а bо‘lmауdi. Adabiyotlar 139

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot 1. Андреева А.Д. Обзор систем машинного перевода / А. Д. Андреева, И. Л. Меньшиков, А. А. Мокрушин. // Молодой ученый. – 2013. – № 12 (59). – С. 64–66. 2. Machine Translation between Turkic Languages Ahmet Cüneyd Tantuğ, Eşref Adali, Kemal Oflazer 3. О лингвистических особенностях электронного перевода технических текстов. Томин В.В., Еремина Н.В., Богомолова А.Ю научно 4. Мельчук И.А. Русский язык в модели «Смысл←→Текст» /И.А. Мельчук. М. Вена: Школа «Языки русской культуры», 1995. 682 с. 5. Назиров Ш.А., Рахманов Қ.С., Махмудов А.З. Икки тилли электрон таржима дастурининг маълумотлар базаси структураси // Ахборот технологиялари ва телекоммуникация муаммолари. Республика илмий-техник конференцияси. Тошкент 14-15 март 2013 й. 131-133 б 6. Сдобников В. В. Теория перевода. / В. В. Сдобников, О. В. Петрова. – М.: АСТ Восток-Запад, 2006. – 425с. 7. Абдурозиқ Рафиев. Туркий тилларнинг қиёсий-тарихий грамматикаси. Ўқув қўлланмаси. Тошкент-2004й 8. Нелюбин Л. Л. Компьютерная лингвистика и машинный перевод: математическое пособие / Л. Л. Нелюбин. – М., 1991. – 152 с. 9. Максимовская А. 5 лучших онлайн-переводчиков / А. Максимовская. // Инглекс – онлайн-школа английского языка. – 2020. 10. Лукашевич Д. Ф. Особенности перевода научно-технических текстов / Д. Ф. Лукашевич. // Мир языков: ракурс и перспектива : материалы V Междунар. науч. практ. конф., Минск 2014. − Том I. − Минск: БГУ, 2014. − С. 108−111 140