Markaziy Osiyo va sun’iy intellektning yangi til infratuzilmalari
Markaziy Osiyoda sun’iy intellektning so‘nggi kengayishining muhim qismi, avvalo, yirik iste’molchi chatbotlari orqali emas, balki bir vaqtning o‘zida ancha asosiy va chuqurroq infratuzilma orqali kirib kelmoqda: raqamli lug‘atlar, nutqni tanib olish tizimlari hamda tarixan yetarlicha namoyon etilmagan tillarni mashinalar qayta ishlay oladigan ma’lumotlarga aylantiruvchi til resurslari.
Uchta yaqinda chop etilgan tadqiqot bu jarayonni turli nuqtalardan kuzatish imkonini beradi. Tojikistonda bir loyiha tojik tilining raqamli izohli lug‘atini yaratish uchun til modellaridan foydalanishni taklif qiladi. Qozog‘iston, Qirg‘iziston va O‘zbekistonda yangi avtomatik nutqni tanib olish modeli mashinalarning mintaqa tillarini transkripsiya qilish qobiliyatini yaxshilaydi. O‘zbekistonda esa o‘yin orqali til o‘rganishga oid taklif til amaliyotining o‘zini sun’iy intellekt tizimlari foydalanadigan leksik resurslarni boyitish mexanizmiga aylantiradi.
Bular uchta alohida texnik yangilikdan ko‘ra ko‘proq narsani anglatadi. Ular umumiy ketma-ketlikni hosil qiladi: ta’riflash, tinglash va o‘rganish. Shuningdek, ular tilni sun’iy intellektga kiritish uning qanday ifodalanishini, uni tavsiflovchi ma’lumotlarni kim ishlab chiqarishini va mashina uni qayta ishlay boshlagach qanday yangi imkoniyatlar paydo bo‘lishini belgilashni anglatishini ko‘rsatadi.
Tojikiston — LLM lug‘at yozishni boshlaganda
Large Language Models for Low-Resource Languages: A Conceptual Framework for an Electronic Explanatory Dictionary of the Tajik Language maqolasining birinchi versiyasi 4-avgustda chop etildi. Ikkinchi versiya 6-avgustda paydo bo‘ldi. Ish Rossiyadagi Qozon federal universitetidan Mullosharaf K. Arabov hamda Dushanbedagi Tojikiston Milliy universitetidan S. S. Pirov va B. Sultonov tomonidan imzolangan.
Taklif klassik leksikografik usullarni morfologik tahlil, lemmatizatsiya, semantik guruhlash va katta til modellari yordamida lug‘at maqolalarini yaratish bilan birlashtirib, tojik tilining elektron izohli lug‘atini ishlab chiqish uchun konseptual arxitekturani belgilaydi.
Boshlang‘ich nuqta aniq bir bo‘shliqdir. Maqolaga ko‘ra, tojik tilida hisoblash muhitida ko‘proq mavjud bo‘lgan tillar uchun yaratilgan resurslar bilan funksional jihatdan taqqoslanadigan to‘liq raqamli leksikografik resurs hanuz mavjud emas. Taklif qilinayotgan kelajakdagi lug‘at nafaqat til sohiblari yoki uni o‘rganuvchilar uchun vosita, balki mashina tarjimasi, matnni qisqartirish, hissiyotlarni tahlil qilish va tabiiy tilni qayta ishlashning boshqa ilovalari uchun infratuzilma bo‘lib xizmat qilishi ko‘zda tutiladi.
Lug‘at hech qachon shunchaki so‘zlarning neytral ro‘yxati emas. U ma’nolarni tanlaydi, atamalar o‘rtasidagi munosabatlarni mustahkamlaydi, variantlarni belgilaydi va til me’yorini ishlab chiqishda ishtirok etadi.
LLM leksikografik maqolalarni yaratishda ishtirok etganda, masala faqat yaratilgan ta’rifning to‘g‘ri yoki noto‘g‘riligida emas. Uni yaratishda qaysi korpusdan foydalanilgani, qaysi til ishlatish shakllari namoyon bo‘lgani, qaysilari chekka holat sifatida ko‘rilgani hamda leksikograflar, institutlar, til jamoalari va generativ tizimlar o‘rtasida vakolat qanday taqsimlangani ham muhim.
Tojik tili misolida raqamli infratuzilmadan ajratish qiyin bo‘lgan tarixiy qatlam ham mavjud. Til so‘nggi bir asr davomida turli yozuv tizimlaridan o‘tgan va bugungi kunda rasman kirill yozuvidan foydalanadi, ayni paytda fors va dari tillari bilan yaqin tarixiy va lingvistik aloqalarni saqlaydi. Shu sababli lug‘atni raqamlashtirish so‘zlarni shunchaki ma’lumotlar bazasiga ko‘chirish emas. Bu qaysi yozuvlar, variantlar va tarixiy qatlamlar resurs tarkibiga kirishini ham belgilashdir.
Ishning institutsional genealogiyasiga ham e’tibor qaratish kerak. Yetakchi muallif Qozonda faoliyat yuritadi, ikki hammuallif esa Tojikiston Milliy universitetiga mansub. Bu holatning o‘zi loyiha ichidagi vakolatlarning amalda qanday taqsimlanganini aytib bermaydi. Biroq Markaziy Osiyoda til infratuzilmalarini qurish milliy chegaralardan tashqariga chiqadigan akademik tarmoqlar orqali davom etayotganini, bu holatda esa Tojikiston bilan Rossiyani bevosita bog‘layotganini eslatadi.
Shunday qilib, ma’no masalasi bir vaqtning o‘zida ikki darajada paydo bo‘ladi. U ta’riflarni qanday tashkil etish va yaratishni hal qiladigan texnik arxitekturada ham, shu arxitektura ishlab chiqilayotgan institutsional tarmoqning o‘zida ham mavjud.
Tilni ta’riflash ishining bir qismi modelga va transmilliy akademik infratuzilmalarga o‘tganda, ma’no ustidan vakolat bilan nima sodir bo‘ladi?
Qozog‘iston, Qirg‘iziston va O‘zbekiston — Mashinalar Markaziy Osiyoni tinglay boshlaganda
11-iyul kuni GigaAM Multilingual: Foundation Model for Underrepresented Languages chop etildi. Maqolada, boshqa tillar qatorida, qozoq, qirg‘iz va o‘zbek tillariga mo‘ljallangan avtomatik nutqni tanib olish modeli taqdim etiladi.
Tizim yetmishdan ortiq tildagi qariyb ikki million soatlik audio materialda oldindan o‘qitilgan va keyinchalik nutqni tanib olish vazifasiga moslashtirilgan. Jamoa ko‘p tilli tizimlarning keng tarqalgan muammolaridan birini kamaytirishga qaratilgan ma’lumotlarni muvozanatlash mexanizmlarini taklif qiladi: ma’lumoti ko‘proq bo‘lgan tillarning model o‘rganish jarayonida ustunlik qilib ketishi.
Jamoa taqdim etgan baholash natijalariga ko‘ra, GigaAM Multilingual o‘rganilgan uchta Markaziy Osiyo tili bo‘yicha Whisper Large v3 va Omnilingual-1B kabi ochiq modellardan yaxshiroq natija ko‘rsatadi, ayniqsa spontan nutqda sezilarli yutuqlar mavjud.
Spontan nutqni tanib olish antropologik nuqtai nazardan puxta tayyorlangan gaplar to‘plamini tanib olishdan farq qiladi. Kundalik suhbatlarda talaffuz xususiyatlari, registr almashinuvi, ikkilanishlar, o‘zlashmalar, hurmat shakllari, tillar almashinuvi va yozma korpusda xuddi shu tarzda kam uchraydigan ijtimoiy belgilar mavjud.
Mashinaning qozoq, qirg‘iz yoki o‘zbek tilini yaxshiroq tinglay olishi ovozli interfeyslar, subtitrlar, og‘zaki arxivlar va inklyuziv texnologiyalarga kirishni kengaytiradi. Biroq ayni shu qobiliyat suhbatlarni tuzilgan va tahlil qilinadigan matnga aylantirishning texnik xarajatini ham kamaytiradi.
Shu tariqa, til inklyuziyasi va avtomatlashtirilgan tinglash imkoniyati bir infratuzilmaning ikki tomoni sifatida namoyon bo‘ladi. Guvohliklarni saqlash va xizmatlardan foydalanishni yengillashtirishi mumkin bo‘lgan ayni texnologiya katta hajmdagi nutqni yozib olish, tasniflash va avtomatik tahlil qilish imkoniyatlarini ham kengaytirishi mumkin.
Bu “eshitish” infratuzilmasini kim qurayotganini ham aniqlash muhim. Maqolaning sakkiz muallifi ham Rossiyaning Sber guruhi texnologik ekotizimi bilan bog‘liq SaluteDevices kompaniyasiga mansub. Demak, GigaAM Multilingual Markaziy Osiyodagi akademik yoki texnologik institutdan kelib chiqmagan.
Bu holat texnik yutuqni inkor etmaydi va uning kelajakdagi qo‘llanishlarini oldindan belgilab bermaydi. Biroq “til inklyuziyasi” deb ataladigan jarayonni qanday o‘qishimizga ta’sir qiladi. Qozoq, qirg‘iz yoki o‘zbek tilini katta miqyosda tanib olish qobiliyati ushbu mamlakatlardan tashqarida joylashgan texnologik infratuzilma orqali ishlab chiqilmoqda. Rossiya bilan uzoq siyosiy, iqtisodiy va lingvistik munosabatlar tarixiga ega mintaqada mashinalarga “quloq”ni kim berayotgani haqidagi savol aniqlik ko‘rsatkichlari kabi muhimdir.
Ovoz infratuzilmasi ilgari deyarli qayta ishlay olmagan tizimlarga til bilan ishlash imkonini beradi. Shu bilan birga, u texnik chegarani suradi. Ilgari transkripsiya qilish qimmat bo‘lgan nutq tasniflash, qidirish va tahlil qilish mumkin bo‘lgan matn oqimiga aylanishi mumkin.
Tilni avtomatik ravishda qayta ishlash qiyin bo‘lgan holatdan mintaqadan tashqarida yaratilgan infratuzilma orqali katta miqyosda tinglash mumkin bo‘lgan holatga o‘tishi ijtimoiy va siyosiy jihatdan nimani o‘zgartiradi?
O‘zbekiston — Tilni o‘rganish bilan birga datasetni ham qurish
2026-yil 6-may kuni arXiv’da chop etilgan UzWordnet and Generative AI for Learning Uzbek by Game Playing mavjud leksik resurslar va generativ sun’iy intellekt tizimlaridan foydalanib, o‘zbek tilini o‘rganishga mo‘ljallangan o‘yinlarni ishlab chiqishni taklif qiladi.
Maqola Alessandro Agostini, Saydobid Khusanov va Mirkamol Mirkamilov tomonidan imzolangan. Arxitektura UzWordnet, o‘zbek tili uchun yirik leksik resurs, imlo lug‘ati va generativ sun’iy intellekt vositalarini birlashtiradi. Jamoa ikki maqsadli to‘rtta ta’limiy o‘yin yaratadi. Bir tomondan, ular til o‘rganishni yengillashtirishga qaratilgan. Ikkinchi tomondan, o‘yinlarning o‘z dinamikasidan UzWordnet’ni yaxshilash va boyitish uchun foydalaniladi.
Aynan ikkinchi jihat loyihani sun’iy intellekt yordamidagi oddiy ta’lim ilovasidan qiziqroq qiladi. Ishtirokchilarning o‘zaro aloqasi keyinchalik boshqa hisoblash tizimlari foydalanadigan leksik infratuzilmani kengaytirishga hissa qo‘shishi mumkin.
Bundan tashqari, UzWordnet ushbu maqola bilan boshlangan emas. Resurs 2021-yilda Agostini T. Usmanov, U. Khamdamov, N. Abdurakhmonova va M. Mamasaidov bilan birgalikda Global WordNet Conference’da taqdim etilgan va o‘sha paytgacha yaratilgan eng katta o‘zbek wordnet’i sifatida, taxminan 28 140 ta synset bilan tavsiflangan. 2026-yildagi ish infratuzilmani noldan yaratmaydi. U o‘yin mexanikalari orqali uni saqlash, kengaytirish va muomalaga kiritishning yangi usulini sinab ko‘radi.
Bu holat sun’iy intellektni o‘qitishning odatiy sxemasini qisman teskarisiga aylantiradi. Insonlar faqat oldindan katta ma’lumotlar to‘plamlaridan qurilgan tizimning foydalanuvchilari sifatida namoyon bo‘lmaydi. Ular o‘ynab va o‘rganib, asosiy til resursini yaxshilash uchun foydali bo‘lgan ma’lumotlarni ham ishlab chiqarishi mumkin.
Shu tariqa o‘rganish, ishtirok etish va ma’lumotlar mehnati o‘rtasidagi chegara noaniqlashadi.
Bu model yirik platformalardan til ma’lumotlarini ommaviy ravishda ajratib olishga nisbatan boshqa imkoniyatni ham ochadi. Til jamoasi o‘z tilini ifodalovchi resurslarni yaratishda to‘g‘ridan-to‘g‘riroq ishtirok etishi mumkin. Biroq bunday ishtirok mulkchilik, mualliflikni tan olish, boshqaruv va ishlab chiqarilgan ma’lumotlarning keyingi taqdiri haqida savollar tug‘diradi.
Hissa ixtiyoriy bo‘lishining o‘zi bu savollarning barchasini yo‘q qilmaydi. Agar o‘yin ichida berilgan javob keyinchalik boshqa til tizimlari qayta foydalanadigan resursni yaxshilasa, bu o‘zaro aloqa shunchaki o‘rganish aktidan boshqa qiymatga ega bo‘ladi.
Taklif ayniqsa muhim, chunki u bir necha yillik tarixga ega infratuzilmaga tatbiq etilmoqda. Gap alohida tajriba uchun javoblarni yig‘ish haqida emas, balki o‘rganuvchilarning faoliyatini mavjud leksik resursni saqlash va kengaytirishning bir qismiga aylantirish imkoniyatini o‘rganish haqida ketmoqda.
Madaniy yoki ta’limiy faoliyat qachon sun’iy intellekt infratuzilmasi uchun mehnatga ham aylanadi va bu qiymatni ishlab chiqarayotgan jamoa evaziga nima oladi?
Ta’riflash, tinglash, o‘rganish
Uchta holatni bir jarayonning turli qatlamlari sifatida o‘qish mumkin.
Avvalo, til mashinalar uning ma’nolarini tashkil eta oladigan shaklda ta’riflanishi kerak. Keyin u spontan suhbatlarda paydo bo‘lganda ham tinglanishi kerak. Nihoyat, uni gapiradigan yoki o‘rganadigan insonlarning o‘zaro aloqalaridan til infratuzilmasini yanada kengaytirish uchun foydalanish mumkin.
Har bir qatlam tanlovni o‘z ichiga oladi.
Lug‘at qaysi ma’nolar, variantlar va yozuvlar hisoblash mumkin bo‘lgan me’yorga kiritilishini tanlaydi. Nutqni tanib olish qaysi talaffuzlar, registrlar va nutq shakllari qayta ishlanishini tanlaydi. O‘yin esa qaysi insoniy o‘zaro aloqalar leksik ma’lumotlar bazasini saqlash va kengaytirish uchun foydali ma’lumotga aylanishini tanlaydi.
Birgalikda qaralganda, bu tanlovlar Markaziy Osiyo tillarining hisoblashdagi tasvirini yaratadi, ammo bu tasvir hech qachon avtomatik ravishda ularning to‘liq ijtimoiy xilma-xilligiga teng kelmaydi.
Ikkinchi bir yo‘nalish ham ko‘rinadi. Uch holatdan ikkitasida turli shakllarda Rossiya bilan bog‘liqlik mavjud. Tojik lug‘ati ustidagi ish Qozon va Dushanbedagi institutlarni bog‘laydi. GigaAM Multilingual esa bevosita Sber texnologik ekotizimidagi SaluteDevices’dan kelib chiqadi. O‘zbek loyihasi esa, aksincha, bir necha yil davomida ishlab chiqilgan til infratuzilmasi atrofida shakllangan xalqaro akademik hamkorlikdir.
Gap bu loyihalarni yagona geosiyosiy izohga tushirish haqida emas. Muhimi, til sun’iy intellektga mavhum holda kirmasligini tan olishdir. U aniq universitetlar, kompaniyalar, korpuslar, serverlar, moliyalashtirish tizimlari va jamoalar orqali kiradi.
Shu nuqtai nazardan, tojik, o‘zbek, qozoq yoki qirg‘iz tillarini “kam resursli tillar” deb atash tillarning o‘ziga xos ichki xususiyatidan ko‘ra, raqamli resurslarni ishlab chiqarishdagi tarixiy tengsizlikni ko‘proq tavsiflaydi.
Markaziy Osiyoda sun’iy intellektning kengayishi bu holatni o‘zgartira boshlamoqda. Ammo antropologik savol til modelga kirishi bilan tugamaydi. Aksincha, aynan o‘sha yerda boshlanadi: uning hisoblashdagi tasvirini kim quradi, qaysi foydalanish shakli legitim hisoblanishini kim belgilaydi va tilni o‘qish, tinglash hamda ishlab chiqarish qobiliyati bilan keyinchalik kim qanday yangi ishlarni amalga oshira oladi.
Manbalar
Tojikiston
Arabov, M. K., Pirov, S. S. va Sultonov, B. (2026). Large Language Models for Low-Resource Languages: A Conceptual Framework for an Electronic Explanatory Dictionary of the Tajik Language. arXiv:2608.04186. Birinchi versiya, 2026-yil 4-avgust; v2, 2026-yil 6-avgust.
Qozog‘iston, Qirg‘iziston va O‘zbekiston
Kuzmenko, A. va boshq. (2026). GigaAM Multilingual: Foundation Model for Underrepresented Languages. arXiv:2607.10371. 2026-yil 11-iyul.
SaluteDevelopers. (2026). GigaAM. Kod repozitoriysi.
O‘zbekiston
Agostini, A., Khusanov, S. va Mirkamilov, M. (2026). UzWordnet and Generative AI for Learning Uzbek by Game Playing. arXiv:2607.14104. 2026-yil 6-may.
Alessandro Agostini, Timur Usmanov, Ulugbek Khamdamov, Nilufar Abdurakhmonova va Mukhammadsaid Mamasaidov. (2021). UZWORDNET: A Lexical-Semantic Database for the Uzbek Language. Proceedings of the 11th Global Wordnet Conference, 8–19-betlar. Global Wordnet Association. DOI.
Manbalar haqida izoh
Uchta asosiy yangilik jurnalistik ma’nodagi dolzarb yangilik sifatida emas, balki yaqinda chop etilgan akademik ishlar sifatida ko‘rib chiqildi. 2026-yildagi maqolalarning sanalari, nomlari va muallifligi bevosita arXiv’da tekshirildi. Tojik lug‘ati bo‘yicha 4-avgustda chop etilgan birinchi versiya bilan 6-avgustdagi qayta ko‘rib chiqilgan versiya alohida ko‘rsatiladi.
Tojik maqolasi mualliflarining institutsional mansubligi til infratuzilmasi qurilayotgan akademik tarmoqlarni tushunish uchun muhim bo‘lgani sababli kiritildi. GigaAM Multilingual’ning kelib chiqishi ham SaluteDevices va Sber texnologik ekotizimi doirasida ko‘rsatiladi. Bu ma’lumotlar loyihalarning institutsional ishlab chiqarilishini tavsiflaydi, ammo ulardan siyosiy niyatlar yoki kelajakdagi foydalanish holatlarini avtomatik ravishda chiqarish uchun foydalanilmaydi.
UzWordnet 2026-yilgi maqoladan oldin mavjud bo‘lgan infratuzilma sifatida taqdim etiladi. 2021-yilgi havola loyiha davomiyligini ko‘rsatish va yangi ishni leksik resursning noldan yaratilishi sifatida talqin qilmaslik uchun qo‘llanadi.
Kuzatuv, qiymatni ajratib olish, til me’yorlarini mustahkamlash yoki texnologik qaramlik imkoniyatlari maqolalarning o‘zida isbotlangan foydalanish yoki oqibatlar sifatida emas, balki tasvirlangan imkoniyatlardan kelib chiqadigan ochiq antropologik savollar sifatida qo‘yiladi.