SUN’IY INTELLEKT ASOSIDA AVTOMATLASHTIRILGAN DIAGNOSTIKA TIZIMLARINI YARATISHNING ARXITEKTURAVIY YONDASHUVLARI

Аннотация

Ushbu maqolada sun’iy intellekt (SI) asosida avtomatlashtirilgan diagnostika tizimlarini loyihalash vaularning arxitekturasinishakllantirishdagi asosiy yondashuvlaryoritiladi. Tizim samaradorligi, modullilik, mashinali o‘rganish algoritmlarini integratsiyalash va real vaqt rejimidagi tahlil usullari muhokama qilinadi. Tibbiyot, sanoat va axborot xavfsizligi sohalaridagi amaliy misollarorqali ushbu texnologiyalarning ahamiyati yoritiladi. Kalit so‘zlar: sun’iy intellekt, diagnostika tizimi, neyron tarmoqlar, mashinali o‘rganish, tizim arxitekturasi, avtomatlashtirish. XXI asrda sun’iy intellekt (SI) texnologiyalarining jadal rivojlanishi insoniyat faoliyatining turli sohalarida tub o‘zgarishlarni yuzaga keltirmoqda. Ayniqsa, avtomatlashtirilgan diagnostika tizimlarining paydo bo‘lishi va rivojlanishi, tibbiy xizmatlardan tortib sanoat uskunalari texnik xizmatiga, transport xavfsizligidan tortib axborot tizimlarining monitoringigacha bo‘lgan keng ko‘lamdagi masalalarni tez, aniq va ishonchli tarzda hal qilish imkonini bermoqda. An’anaviy tashxis qo‘yish jarayonlari ko‘p vaqt talab qiladigan, yuqori darajadagi mutaxassislikni va doimiy inson ishtirokini talab qiluvchi faoliyat bo‘lgan. Biroq, sun’iy intellekt yordamida bu jarayonlar avtomatlashtirilmoqda, xatoliklar kamaymoqda, tahlilning aniqligi va tezligi esa sezilarli darajada oshmoqda1. Sun’iy intellekt asosida ishlovchi avtomatlashtirilgan diagnostika tizimlari, ayniqsa, chuqur o‘rganish (deep learning), konvolyutsion neyron tarmoqlar (CNN), rekurrent neyron tarmoqlar (RNN) va boshqa mashinali o‘rganish algoritmlari yordamida real vaqt rejimida kattahajmdagi ma’lumotlarni tahlilqilish,ularni ilgari o‘rganilgan namunalar bilan solishtirish, muammoli holatlarni aniqlash va xulosa chiqarish imkoniyatiga ega. Bu esa sog‘liqni saqlash sohasida erta tashxis qo‘yish, sanoat tarmoqlarida avariyaviy holatlarning oldini olish, kiberxavfsizlikda esa hujumlarni aniqlashda yuqori natijalarga erishishga xizmat qiladi2. Mazkur maqolada ushbu tizimlarning arxitektura jihatlari, texnologik komponentlari, ularni yaratishda foydalaniladigan algoritmlar va amaliy qo‘llanilishi tahlil qilinadi. Shu bilan birga, turli sohalarda SI asosida ishlab chiqilgan diagnostika tizimlarining samaradorligi, ularning texnik imkoniyatlari vakelajakdagi rivojlanish istiqbollari muhokama qilinadi.  Avtomatlashtirilgandiagnostika tiziminingumumiy arxitekturasi Avtomatlashtirilgan diagnostika tizimlari, ayniqsa sun’iy intellekt asosidagilari, odatda qatlamli (modulli)arxitekturaga ega bo‘lib, quyidagi asosiy komponentlardan tashkil topadi: 1Goodfellow, I.,Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. 2 Russell, S.J., & Norvig, P.(2020). Artificial Intelligence: AModern Approach (4th Edition). Pearson. www.wordlyknowledge.uz ILMIYMETODIK JURNAL JOURNAL OFIQRO –ЖУРНАЛ ИҚРО –IQRO JURNALI –volume 16,issue02,2025 ISSN:2181-4341, IMPACT FACTOR( RESEARCH BIB )–7,245,SJIF–5,431 Sensorli axborot yig‘ish tizimi – Tizimning boshlang‘ich bosqichida real vaqt rejimida o ma’lumotlar yig‘iladi. Bu ma’lumotlar tibbiyotda – bemorning yurak urish ritmi, qon bosimi, skaner tasvirlari; sanoatda – uskuna tebranishi, harorati, ish rejimi haqidagi sensor ma’lumotlari bo‘lishi mumkin3. Ma’lumotlarni dastlabki qayta ishlash bloki (Data preprocessing) – Tizimga kelgan o ma’lumotlar ba’zida toza bo‘lmaydi, shovqin (noise), nomukammal qiymatlar yoki ortiqcha axborotlar bo‘ladi. Shu bois, bu qatlamda normalizatsiya, filtratsiya, kodlash va statistika asosida ma’lumotlar tozalanadi. Diagnostika dvigateli (AI engine) – Bu moduldamashinali o‘rganish algoritmlari yordamida o model oldindan belgilangan muammo doirasida o‘qitiladi va natijalar chiqariladi. CNN, LSTM, Random Forest, Naive Bayes kabi algoritmlarbubosqichdaqo‘llaniladi4. Chiqish va xulosa chiqarish moduli – Olingan natijalar foydalanuvchi uchun grafik interfeys o orqali chiqariladi. Natijalarga asoslanib, tizim tavsiya yoki ogohlantirish beradi.  Mashinalio‘rganish (MachineLearning)vachuquro‘rganish(Deep Learning)roli Diagnostika tizimlari aynan mashinali o‘rganish orqali samarali ishlaydi. Quyida diagnostikada keng qo‘llaniladigan asosiy algoritmlarkeltiriladi: KNN (K-yaqin qo‘shnilar) – Anomal holatlarni aniqlashda foydali, ammo katta hajmdagi o ma’lumotlarda sekin ishlaydi; Decision Tree / Random Forest – Qaror daraxtlari tahlil qilinayotgan atributlar asosida aniq o tasniflash imkonini beradi; CNN (Convolutional Neural Networks) – Kompyuter tomografiyasi (KT), MRT, rentgen o kabi tasvirlarda saraton kabi kasalliklarni aniqlashdayuqori aniqlikkaega5; LSTM (Long Short-Term Memory) – Yurak urish ritmlari, EKG yoki sanoatdagi vaqtga o bog‘liq o‘zgaruvchanliklarni tahlilqilish uchun mo‘ljallangan6.  Real vaqttizimlari vachekka hisoblash(EdgeComputing) Ko‘pgina diagnostika tizimlari real vaqt rejimida ishlashi kerak, chunki kechikish (latency) inson salomatligiga, sanoat jarayonlariga salbiy ta’sir ko‘rsatishi mumkin. Shu sababli, edge computing t