Nega QuizPilot shunchaki sunʼiy intellekt qobigʻi emas

Har bir hujjat toʻgʻri natija beradigan eng qisqa yoʻldan oʻtadi. U fayl turiga qarab oʻqiladi, ichida savollar bor-yoʻqligi tekshiriladi va kontent turiga koʻra tasniflanadi. Chunki fizika varagʻi tarix testidan farqli formatlash qoidalarini talab qiladi.

Shundan soʻng deterministik parserlar kaskadi ishga tushadi. Oʻn bitta format parseri navbat bilan urinib koʻradi va qaysi biri birinchi boʻlib aniq mos kelsa, oʻsha gʻalaba qozonadi, bunda model umuman qatnashmaydi. Agar hech biri mos kelmasa, hujjat bosqichma-bosqich kuchliroq va qimmatroq bosqichlarga oʻtadi: modeldan faqat toʻgʻri variantni tanlashni soʻraydigan struktura tahlili, soʻngra savol chegaralaridan boʻlingan qismlar boʻyicha toʻliq ajratib olish va nihoyat, skaner qilingan yoki sifatsiz sahifalar uchun koʻrish modeli. Aksariyat hujjatlar bu bosqichlargacha umuman yetib bormaydi.

Qobiq degan soʻz aynan shu joyda xato tushuncha beradi. QuizPilot tizimidagi model kichik va qatʼiy cheklangan vazifaga ega. U matn boʻlagidan variantlarni oʻqiydi yoki struktura tahlili bosqichida faqat bitta ishni bajaradi: qaysi variant toʻgʻri ekanini tanlaydi. U bitta savol qayerda tugab, keyingisi qayerda boshlanishini, qaysi javoblar dublikat ekanini yoki natija foydalanuvchiga taqdim etish uchun yetarli darajada yaxshi ekanini hal qilmaydi. Bularning barchasini fayldan maʼlumot ajratish, aniqlash, segmentlash, tekshirish, dublikatlarni tozalash, javoblarni aralashtirish, keshlash va metrikalar bilan birgalikda deterministik kod bajaradi.

Natijani oʻlchash mumkin. Foydalanuvchilar yuklagan har uch hujjatdan taxminan biri ajratish modeliga umuman murojaat qilinmasdan, boshidan oxirigacha deterministik kaskad orqali tahlil qilinib, testga aylanadi. Qolganlari uchun esa model butun boshli konveyer emas, balki uning ishini tekshirib boruvchi konveyer ichidagi bitta cheklangan qadamdir.

Model kerak boʻlganda, asosiy ajratib oluvchi sifatida Gemini 2.5 Flash-Lite ishlatiladi. Agar u cheklovga tushsa yoki rad etsa, avtomatik ravishda ikkinchi provayderga oʻtiladi. Skaner qilingan sahifalar uchun esa alohida koʻrish modeli mavjud. Bu yerdagi eng qiziq muhandislik yechimi qaysi modelni chaqirishimizda emas, balki undan qanchalik kam narsa soʻrashimizdadir. Kichikroq vazifa arzonroq, tezroq bajariladi va xato qilish ehtimolini kamaytiradi.

Bir nechta haqiqiy misollar buni yaqqol koʻrsatadi. Bitta hujjatning oʻzida savollarni raqamlash kamdan-kam hollarda bir xil boʻladi. Bir savol nuqtadan keyin probel bilan 1. deb yozilgan boʻlsa, keyingisi matniga bevosita yopishgan holda 2.Savol deb yoziladi. Oddiy parser yopishib qolgan savolni jimgina oʻzidan oldingi savolga qoʻshib yuboradi va siz u yerda savol borligini bilmay turib uni yoʻqotasiz.

Belgilar haddan tashqari koʻp maʼno tashiydi. Panjara belgisi kontekstga qarab savol raqami, toʻgʻri javob belgisi yoki ajratuvchi boʻlishi mumkin. Toʻgʻri javob belgisi esa mintaqa va formatga qarab oʻzgarib turadi. U yulduzcha, plyus, tenglik belgisi, panjara, tasdiq belgisi yoki toʻliq yozilgan toʻgʻri javob soʻzlari boʻlishi mumkin. Bitta belgini uch xil qatorda uch xil tarzda oʻqishga toʻgʻri keladi. Buni bitta qatʼiy qoida qila olmaydi, ammo puxta ishlangan kaskad eplay oladi.

Jadvallar surilib ketadi. Imtihon banki blokning birinchi qatorida fan ustunini toʻldiradi va pastki qatorlarni boʻsh qoldiradi. Natijada keyingi qator notoʻgʻri ustunga toʻgʻri kelib qoladi va toʻgʻri javob xato deb belgilanadi. Bu holat katakma-katak oʻqiydigan model uchun koʻrinmas boʻlib, jadval shaklini tushunadigan kod orqaligina ushlab qolinadi. Bularning har biri haqiqiy hujjatda topilgan haqiqiy xato edi va endilikda ularning har biri qayta takrorlanmasligi uchun doimiy regression testga aylantirilgan.

Shu yagona qoida butun tekshirish qatlamini tushuntirib beradi. Test foydalanuvchiga taqdim etilishidan oldin har bir savol tekshiriladi. Unda shunchaki toʻldirgich yoki boʻsh joylar emas, balki haqiqiy variantlar boʻlishi kerak. Variantlar takrorlanmas boʻlishi shart. Toʻgʻri javob indeksi mavjud variantga ishora qilishi kerak. Bunda modelning noldan emas, birdan sanash kabi keng tarqalgan xatosi avtomatik tuzatiladi. Variantlari juda kam boʻlgan savollar yoki model ishonch hosil qilmagan struktura tahlili taxmin qilib oʻtirilmasdan, shunchaki tashlab yuboriladi.

Yigʻilgan test normallashtirilgan imzo orqali dublikatlardan tozalanadi, toʻgʻri tanlov doim bir joyda boʻlib qolmasligi uchun javob oʻrinlari aralashtiriladi. Muvaffaqiyatsiz yoki qisman ajratib olingan maʼlumotlar hech qachon keshlanmaydi, shunda yomon urinish keyingilarini buzib qoʻymaydi. Qamrov nazorati uzun hujjatdagi bir nechta adashgan belgilarning butun tahlil jarayonini buzib yuborishiga yoʻl qoʻymaydi. Agar pullik obunaga ega foydalanuvchi kutgan savollarining kichik bir qismidan koʻprogʻini yoʻqotsa, avtomatik ravishda ogohlantirish tizimi ishga tushadi. Shunday qilib, biz yomon hujjat haqida foydalanuvchi bizga aytishidan oldinroq xabar topamiz.

Bu darajaga yetish uchun taqdimotlarda hech qachon koʻrsatilmaydigan mashaqqatli mehnat talab qilindi. Savollar aslida qayerdan boshlanishini inobatga oladigan, chegaraga asoslangan ajratuvchi savol oʻrtasidagi uzilishlarni 18 foizga va modelga murojaatlarni 13 foizga kamaytirdi. Tizimni yopishib qolgan va panjara belgisi bilan raqamlangan savollarni qayta ishlashga oʻrgatish esa bu uzilishlarni yana 33 foizga qisqartirdi.

Deterministik ulush bir joyda qotib qolmagan. U takrorlanuvchi tsikl orqali oʻsib boradi: haqiqiy foydalanuvchilar yuklaydigan yangi hujjat formatlarini yigʻish, parserlar oʻtkazib yuborganlarini topish, haqiqiy fayllar asosida yangi parser yaratib, uni qatʼiy sinovdan oʻtkazish va ishga tushirish. Har bir tsikl sunʼiy intellekt ishtirokisiz qayta ishlanadigan hujjatlar toʻplamini kengaytiradi. Qobiq dastur faqatgina uning modeli shu haftada qanchalik yaxshi ishlasa, shunchalik yaxshi boʻla oladi. Bizning tizimimiz esa oʻz jadvali boʻyicha mustaqil yaxshilanib boradi.

Shuningdek, u oʻziga xos reallik uchun qurilgan. Markaziy Osiyo imtihon banklarining oʻz qoidalari bor: biletlar, aralash kirill, lotin va turkiy yozuvlar, mintaqaga xos javob belgilari. Hujjatni testga aylantiruvchi oddiy vositalar ularda qoqiladi. QuizPilot ana shunday minglab haqiqiy hujjatlar asosida shakllantirilgan. Bu shunday ustunlikki, uning modelga deyarli aloqasi yoʻq, aksincha, u yillar davomida oʻqishni oʻrgangan formatlar bazasiga toʻliq bogʻliqdir.

Bularning hech biri QuizPilot sunʼiy intellektdan qochadi degani emas. U modeldan faqatgina oʻzi kuchli boʻlgan qarorlar uchun ataylab va tor doirada foydalanadi. Atrofdagi barcha ishlarni esa deterministik kod bajaradi va natijani tekshiradi. Biz natija mukammal deb daʼvo qilmaymiz. Bizning haqqoniy daʼvomiz shuki, deterministik yoʻldagi javoblar shunchaki taxmin qilinmaydi, balki manbadagi belgiga asoslanadi. Model yoʻli esa koʻr-koʻrona ishonchga emas, balki qatʼiy cheklov va tekshiruvga tayanadi.

Xulosa qilib aytganda, sunʼiy intellektdan jarrohlik aniqligida foydalanish, mintaqaviy formatlarni tushunish va toʻplanib boradigan jarayonni koʻchirib olish har qanday yakka model chaqiruvidan koʻra ancha qiyin. Qobiq dastur va tizim oʻrtasidagi farq ham aynan shunda. Biri model nima desa shuni taqdim etadi. Ikkinchisi esa toʻgʻri ishlash uchun maxsus muhandislik yechimlari bilan qurilgan.