Sinxua universiteti va ByteDance kompaniyasi olimlari sun’iy intellektni o‘qitishning inqilobiy usulini taqdim etishdi. FLEX (“Forward Learning from EXperience” – “Tajriba asosida oldinga o‘rganish”) deb nomlangan ushbu texnologiya modellarga o‘z xato va yutuqlaridan mustaqil saboq olish, eski bilimlarni yo‘qotmaslik va eng muhimi – o‘zlashtirilgan strategiyalarni boshqa AI modellariga ham o‘rgatish imkonini beradi.
Yirik til modellarining (LLM) asosiy kamchiliklaridan biri – ular o‘qitish jarayoni tugagach, “qotib qolishi” va keyingi tajribalaridan mustaqil xulosa chiqara olmasligidir. FLEX tizimi esa bu muammoni hal qilish uchun sun’iy intellektga maxsus “tajriba kutubxonasi”ni taqdim etadi. Bu o‘ziga xos “ta’lim kundaligi” bo‘lib, unda yuqori darajadagi strategik tamoyillar va aniq bilimlar jamlanadi. Kutubxona ikki asosiy bo‘limdan iborat:
-
«Oltin hudud» – muvaffaqiyatli sinovdan o‘tgan strategiyalar;
-
«Ogohlantirish hududi» – qo‘llash tavsiya etilmaydigan, samarasiz yondashuvlar.
Model yangi vazifani bajarishga kirishishdan oldin aynan shu bazaga murojaat qiladi va eng maqbul yo‘lni tanlaydi.
FLEX uch bosqichli tizim asosida ishlaydi:
-
«Ijrochi» (AI agenti) – muammoni mustaqil hal qilib ko‘radi.
-
«Tanqidchi» va «Yangilovchi» – qo‘llanilgan strategiyalarni baholab, qaysi usul ishlagani va qaysi biri muvaffaqiyatsiz bo‘lganini tahlil qiladi.
-
Xulosa – olingan saboqlar tajriba kutubxonasida tizimli yozuvga aylanadi.
E’tiborlisi, bu jarayonda modelning asosiy parametrlari (vaznlari) o‘zgarmaydi – faqat bilimlar bazasi boyib boradi. Bu esa sun’iy intellektni qayta o‘qitishdek qimmat va ko‘p resurs talab qiluvchi jarayonlarsiz uzluksiz rivojlantirish imkonini beradi.
Natijalar va samaradorlik Olimlar FLEXni bir qator murakkab ilmiy masalalarda sinab ko‘rishdi. Natijalar hayratlanarli:
-
AIME25 matematik testida Claude-Sonnet-4 modelining aniqligi 40 foizdan 63,3 foizga ko‘tarildi.
-
USPTO50k kimyoviy hisob-kitoblar to‘plamida samaradorlik 20 foizdan 30 foizga yaxshilandi.
Texnologiyaning eng inqilobiy jihati – “tajribani meros qilish” imkoniyatidir. Tajriba kutubxonasi modelning ichki tuzilmasiga bog‘lanmagani bois, uni osonlikcha boshqa modellarga ko‘chirish mumkin. Masalan, Claude-Sonnet-4.5 tomonidan to‘plangan tajriba Gemini-2.5-Pro modeliga yuklanganda, Geminining kimyoviy masalalarni yechishdagi ko‘rsatkichi bir lahzada 11 ballga oshgan. Qizig‘i shundaki, hatto kuchsizroq modellar ham o‘z tajribasini kuchliroq modellarga o‘tkaza olishi mumkin, chunki kutubxona tayyor javoblarni emas, balki umumiy fikrlash strategiyalarini saqlaydi.
Olimlarning fikricha, bu yondashuv kelajakda turli AI modellari uchun yagona integratsiyalashgan bilimlar bazasini shakllantirish va sun’iy intellektda “jamoaviy aql” yaratishga xizmat qiladi. Shuningdek, u yangi bilimlar eskisini siqib chiqarishi oqibatida yuzaga keladigan “halokatli unutish” muammosiga ham samarali yechim bo‘la oladi.