#AI #poyga

➤ Xitoy banki AQSh bilan sun’iy intellekt sohasidagi raqobat uchun 5 yil davomida 1 trillion yuan (137 milliard dollar) ajratadi.

Qaysi davlat poygada yutadi deb o'ylaysiz?

Xitoy 🇨🇳 - 👍
AQSH 🇺🇸 - 🔥

@navoiy_yoshlar_texnoparki

#AI

Turli vazifalarni bajarishga mo‘ljallangan eng yaxshi 5 ta sun’iy intellekt tizimi

Napkin : har qanday matndan grafiklar, jadvallar va boshqa vizual tasvirlarni yaratish uchun g‘oyat ajoyib sun’iy intellekt tizimi;

STORM : faktlarga asoslangan to‘liq maqolalarni yozishga qodir yagona matnli sun’iy intellekt. O‘quvchilar va talabalar uchun eng kuchli va foydali vosita;

Prezo : sifatli taqdimotlarni yaratuvchi noyob sun’iy intellekt tizimi. Bundan tashqari, xizmat bepul, albatta sinab ko‘ring;

Recraft : rasmlarni, shu jumladan matnli tasvirlarni yaratish uchun eng g‘ayrioddiy sun’iy intellekt tizimlaridan biri.

NotebookLLM : Google’ning kutilmaganda ajoyib xizmati bo‘lib, u sizga istalgan matnni qisqacha mazmunini chiqarib beradi. Kurs ishingizni suhbatga, podkastga yoki viktorinaga aylantirishingiz mumkin.

@navoiy_yoshlar_texnoparki

Startap=O'sish

Dunyoda har yili millionlab kompaniyalar yaratiladi, ularning hammasini ham startap deyish mumkin emas, faqat kichkina bir qismini aytish mumkin. Misol uchun, sartaroshxonani startap deb atash mumkin emas, lekin qidiruv tizimi(google)ni aytish mumkin.

Agarda hamma bizneslar bir hil bo’lib, faqatgina ayrimlari omad yoki asoschilarning hatti-xarakati evaziga tez o’sishga erishganlarida, biz alohida “Startap” atamasiga ehtiyoj sezmagan bo’lardik. Startaplarning “DNK”si boshqa bizneslarnikidan farq qiladi. Google omadi kelgani uchun yoki mehnatkash asoschilari bilangina sartaroshxonadan farq qilmaydi, Google boshidan boshqacha bo’lgan.

Qanday tezlikdagi o’sish surati kompaniyani startap maqomiga tenglashtiradi? Aniq javob yo’q.
Tez suratda o’sadigan kompaniya yaratish uchun 2 ta narsa kerak:

ko’p foydalanuvchilarga kerak mahsulot yaratish va shu insonlarni jalb qila bilish.
Qanday tezlikdagi o’sish surati kompaniyani startap maqomiga tenglashtiradi? Aniq javob yo’q. Muvaffaqiyatli startapning o’sishi odatda uch bosqichdan iborat bo’ladi:

Dastlabki davrda sekin yoki umuman o’sish bo’lmaydi.
Ko’p foydalanuvchilarga kerak bo’lgan produkt yaratib ularni qanday jalb qilishni o’rgangandan keyin juda tez suratda o’sish davri boshlanadi.
Va startaplar katta kompaniyaga aylangandan keyin o’sish templari sekinlashadi. Bunga bozorning katta hajmi egallab bo’linganligi va kompaniyaning ichki limitlari sabab bo’ladi.
Startap asoschilari bilish kerak bo’lgan yagona raqam bo’lganda, bu o’sish surati bo’lishi kerak edi. Bu startapning o’lchovi. Agar siz bu raqamni bilmasangiz, yaxshi yoki yomon ishlayotganingizni ham bilmaysiz.

Ko’pgina asoschilar bilan suhbatlashganimda, ular haftasiga shuncha(aniq son) foydalanuvchiga o’sayapmiz deb javob berishadi. Yangi foydalanuvchilarning mutlaq soni muhim emas, balki ularning hozirgi foydalanuvchilarga nisbatan foizidir.

Y combinatorga qabul qilingan startaplar o’sish suratini haftalik davrda o’lchashadi. Yaxshi o’sish surati 5-7% hisoblanadi, agar haftasiga 10% o’sayotgan bo’lsangiz, siz ajoyib startap ustida ishlayapsiz. Agar 1% o’sayotgan bo’lsangiz, nima qilayotganingizni bilmaysiz.

O’zish suratini o’lchaydigan eng yaxshi birlik – bu daromad. Ikkinchisi esa aktiv foydalanuvchilar soni.

Agar startap haftasiga 1% o’ssa, yiliga 1.7x ga o’sadi, agar 5% bolsa, unda yiliga 12.6x ga o’sadi. Oyiga 1 000(ming) dollar topadigan kompaniya haftasiga 1% ga o’ssa, 4 yildan keyin uning daromadi 7 900(yetti ming tuqqiz yuz) dollarga teng bo’ladii (bu SIlicon vodiysidagi o’rtacha dasturchining maoshidan ham kam). Agar o’sha kompaniya haftasiga 5%ga o’ssa, 4 yildan keyin oyiga 25(yigirma besh) million dollar ishlab topadi.

O’sish suratidagi kichkina o’zgarishlar, katta natijalarga olib keladi. Shu sababdan startap degan alohida atama bor va startaplar boshqa bizneslar qilmaydigan ishlarni qilishadi: investitsiya jalb qilish va startapni katta kompaniyalarga sotib yuborish. Buni qarangki, huddi shu omil ko’pgina startaplarning o’limiga sabab bo’ladi.

Bizni kuzatishda davom eting ?

@navoiy_yoshlar_texnoparki

(Paul Graham, 2012 yil Sentabr)

Startap juda tez suratda o’sishga mo’ljallangan kompaniya hisoblanadi. Yangi boshlangan bizneslar o’zidan o’zi startap bo’lib qolmaydi. Startaplar faqat texnologiyalar ustida ishlashi, venchur fondlaridan investitsiya jalb qilishi yoki “exit” rejasi bo’lishi shart emas. Yagona muhim narsa – o’sish. Qolgan hamma narsa o’sishdan kelib chiqadi.

Bizni kuzatishda davom eting ?

@navoiy_yoshlar_texnoparki

LLM samaradorligida yangi davr ekanligi haqida aytib beraman.

LLM texnologiyalari bugungi kunda chat-botlar, virtual yordamchilar, mashina tarjimasi va kontent yaratish kabi ko‘plab sohalar uchun muhim bo‘lib qoldi. Ammo odatiy transformer modellar, ayniqsa, katta hajmdagi matnlarni qayta ishlashda, juda ko‘p hisoblash resurslarini talab qiladi. Griffin esa bu muammolarga yechim taklif qiladi.

Google’ning ma’lumotlariga ko‘ra, Griffin dizayni transformer modellariga qaraganda samaraliroq. Testlar shuni ko‘rsatadiki, u murakkab matnlarni tezroq va kamroq xotira sarfi bilan qayta ishlay oladi. Masalan, eski modellar uzun tarixiy matnni tahlil qilishda sekinlashsa, Griffin o‘zining soddalashtirilgan arxitekturasi tufayli buni tez amalga oshiradi.

Bu samaradorlik o‘quv jarayonida ham aks etadi. Griffin modellar kamroq o‘quv ma’lumotlari (tokenlar) yordamida raqobatbardosh natijalarni ko‘rsatadi. Tokenlar – bu LLM bilimini shakllantiruvchi elementlar. Kamroq token bilan yuqori samaradorlikka erishish esa o‘quv xarajatlarini sezilarli darajada kamaytiradi. Bu ochiq manbali loyihalar uchun katta foyda keltirishi mumkin.

Tanqid va tasdiqlash zarurati
Griffin’ning va’dalari umidbaxsh bo‘lsa-da, tanqidiy yondashuv muhimdir. Ba’zi mutaxassislar Google test natijalarining haqqoniyligiga shubha bildirishmoqda, chunki ular kompaniya modellarini afzal ko‘rsatishi mumkin. Testlar murakkab jarayon bo‘lib, natijalarga ishlatilgan ma’lumotlar to‘plami katta ta’sir ko‘rsatadi. Masalan, marafon yuguruvchini qisqa masofada yuguruvchi bilan taqqoslash noto‘liq xulosaga olib kelishi mumkin. Xuddi shunday, Griffin uchun tanlangan testlar uning haqiqiy imkoniyatlarini to‘liq aks ettirmasligi ehtimoli bor.

Bundan tashqari, Griffin’ning samaradorligi haqiqiy hayotda qanchalik o‘zini ko‘rsatishi ham hal qiluvchi ahamiyatga ega. Ushbu modelni turli sohalarda keng ko‘lamli sinovdan o‘tkazish zarur.

LLM rivojlanishining keng ko‘lam konteksti
Griffin yangiligi muhim yutuq bo‘lsa-da, LLM’larning mavjud cheklovlarini ham ko‘rsatib beradi. Hozirgi modellar matn yaratish va tarjima qilishda yaxshi natijalar ko‘rsatadi, ammo mantiqiy fikrlash va murakkab rejalar tuzishda qiyinchiliklarga duch keladi. Masalan, LLM’dan murakkab ta’til rejasini tuzishni so‘rasangiz, u kutilmagan vaziyatlarni hisobga olishda qiynalishi mumkin.

Griffin kabi yangiliklar ushbu cheklovlarni yengib o‘tishga qaratilgan. Samaradorlikni oshirish va natijalarni yaxshilash orqali ular LLM imkoniyatlarini yanada rivojlantirish yo‘lini ochadi. Kelajakda LLM’lar nafaqat ijodiy matn yaratishi, balki mantiqiy fikrlash qobiliyatiga ega bo‘lishi ham mumkin.

Xulosa
Google’ning Griffin dizayni LLM sohasiga yangicha yondashuv olib keldi. Samaradorlikni oshirish borasidagi va’dalari katta qadam hisoblanadi, ammo uni haqiqiy hayotda qo‘llash natijalari bilan tasdiqlash zarur. AI rivojlanishda davom etar ekan, Griffin yanada kuchli va moslashuvchan modellar uchun asos bo‘lib xizmat qilishi mumkin. U oxirgi nuqta bo‘ladimi yoki yangi yutuqlarga ko‘prik vazifasini bajaradimi, vaqt va doimiy izlanishlar bu savollarga javob beradi. Eng muhimi, LLM imkoniyatlarini kengaytirish yo‘lidagi sayohat endi boshlangani aniq.

Bizni kuzatishda davom eting ?

@navoiy_yoshlar_texnoparki

*? AI Code Assistant: Dasturchilarning eng yaxshi yordamchisi! ?*?**

AI Code Assistant – bu sun’iy intellektga asoslangan dasturchiga yordamchi vosita bo‘lib, uning asosiy funksiyalari:
✔️ Autocompletion – kodingizni davom ettirish.
✔️** Yordamchi vosita – dastur yozishda samaradorlikni oshirish.

⚡ Hozirgi kundagi ommabop AI Code Assistant-lar:**

*1️⃣ GitHub Copilot:*? Foydalanuvchilar soni: 26 million
? Yaratuvchisi: GitHub
? Link: GitHub Copilot

*2️⃣ Tabnine AI:*? Foydalanuvchilar soni: 8.5 million
? Yaratuvchisi: Tabnine Ltd.
? Link: Tabnine AI

*3️⃣ Codeium:*? Foydalanuvchilar soni: 2.2 million
? Yaratuvchisi: Exafunction Inc.
? Link: Codeium

*4️⃣ Amazon Q:*? Foydalanuvchilar soni: 584 ming
? Yaratuvchisi: Amazon Web Services
? Link: Amazon Q
*5️⃣ Gemini Code Assist:*? Foydalanuvchilar soni: 120 ming
? Yaratuvchisi: Google DeepMind
? Link: Gemini Code Assist

? Qaysi AI Code Assistant’ni foydalanasiz? Fikrlaringizni izohlarda yozib qoldiring! ?

@navoiy_yoshlar_texnoparki