Bu tədqiqat zəkanı tək bir mükafatı, itkini və ya performans göstəricisini maksimuma çatdırmaq əvəzinə; öyrənmə, qorunma, hesablama dəyəri, fəaliyyət səmərəliliyi və uzunmüddətli davamlılıq arasında fasiləsiz tarazlığı qoruma qabiliyyəti kimi müəyyən edən Unified Variational Intelligence Framework (UVIF) adlı çərçivə təklif edir. Çərçivənin mərkəzindəki Variational Equilibrium — Variasional Tarazlıq, sistemin dəyişən mühit və qeyri-müəyyənlik şəraitində tək bir sabit optimuma çatmasından daha çox, bir neçə qüvvənin birlikdə tarazlandığı yaşanabilir iş sahəsində qalmasını ifadə edir. Tədqiqat bu baxışı fizika, bioloji homeostaz, ekoloji dayanıqlılıq, idrak və süni intellekt arasında konseptual şəkildə əlaqələndirərkən; PneumoniaMNIST üzərində eyni CNN proqnoz modelindən istifadə edən iki qərar yanaşmasını da müqayisə edir. Ənənəvi hədləmə ilə UVIF yönümlü qərar qatı arasındakı müqayisədə dəqiqlik 0,862-dən 0,907-yə, balanslaşdırılmış dəqiqlik 0,817-dən 0,905-ə və spesifiklik 0,637-dən 0,897-yə yüksələrkən; həssaslıq 0,997-dən 0,913-ə düşür. Hər iki yanaşmada ROC-AUC 0,967 olduğuna görə nəticələr daha güclü görüntü təsnifatçısından çox, eyni proqnozların fərqli əməliyyat qərar qaydaları ilə işlənməsini göstərir.

UVIF-in əsas iddiası uzun müddət işləyən real dünya sistemlərinin yalnız “ən yüksək performansı” axtarmasının kövrəkliyə səbəb ola bilməsidir. Öyrənmək üçün daha çox məlumat toplamaq hesablama və vaxt xərcini artıra bilər; həddindən artıq qoruma sistemi dəyişikliklərə qapada bilər; çox sürətli hərəkət təhlükəsizliyi azalda bilər; yalnız qısamüddətli səmərəliliyin arxasınca getmək isə sistemin uzunmüddətli iş şəraitini poza bilər. UVIF bu ziddiyyətləri tək bir çəkili məqsəd funksiyasının içində gizlətmək əvəzinə onları ayrı qüvvələr kimi görünən etməyi hədəfləyir.

Tədqiqatın ədədi nümayişi bu düşüncənin xüsusilə qərar həddi və insan nəzarəti baxımından nə demək ola biləcəyini göstərir. Ənənəvi modeldə τ = 0,50 həddi istifadə edilərək bütün hallar ikili qərara məcbur edilərkən, UVIF yönümlü sistemdə τ = 0,98 siqnal həddi və τ = 0,93-dən başlayan baxış zonası müəyyən edilmişdir. Bu yanaşma yanlış müsbət sayını 85-dən 24-ə endirərkən ikili qiymətləndirmədə yanlış mənfi sayını 1-dən 34-ə yüksəltmişdir. Buna görə tədqiqat “bütün metriklər eyni anda yaxşılaşdı” nəticəsini dəstəkləmir; əksinə təhlükəsizlik, yanlış siqnal yükü, qeyri-müəyyənlik və insan baxışı arasında açıq əməliyyat kompromisi qurur.

Türkiyə baxımından: UVIF yanaşması Türkiyədə səhiyyə süni intellekti, avtonom sistemlər, enerji idarəetməsi, kibertəhlükəsizlik və ya institusional qərar dəstəyi kimi sahələrdə araşdırıla biləcək dizayn çərçivəsi təqdim edir; lakin tədqiqatdakı ədədi PneumoniaMNIST nəticələri Türkiyədəki klinik tətbiqlərə və ya başqa süni intellekt sistemlərinə birbaşa köçürülə bilməz. Yerli istifadə üçün türk xəstə populyasiyaları və ya müvafiq sahə məlumatları, real iş axınları, insan nəzarəti, xəta xərcləri, qanunvericilik, hesablama resursları və qəbul edilə bilən risk səviyyələri müstəqil şəkildə doğrulanmalıdır.

Tədqiqatın əsas sualı nədir?

Tədqiqatın əsas sualı budur: Uzun müddət dəyişən mühitlərdə işləməli olan sistem üçün zəkanı tək bir məqsəd funksiyasını maksimuma çatdırmaq əvəzinə, bir neçə əks qüvvə arasında davamlı tarazlığı qoruma qabiliyyəti kimi müəyyən etmək mümkündürmü?

Müəllif müasir süni intellekt sistemlərinin böyük hissəsində itkinin minimumlaşdırılması, mükafatın maksimumlaşdırılması və ya ehtimalın maksimumlaşdırılması kimi skalyar məqsədlərin üstünlük təşkil etdiyini müdafiə edir. Bu yanaşma dar və yaxşı müəyyən olunmuş problemlərdə güclü olsa da, paylanma dəyişikliyi, resurs istehlakı, mükafatın istismarı, yanlış məqsəd təyini və uzunmüddətli uyğunlaşma kimi problemlərdə təkbaşına kifayət etməyə bilər.

UVIF-in təklifi optimallaşdırmanı tamamilə aradan qaldırmaq deyil. Tədqiqatda optimallaşdırma, möhkəmləndirici öyrənmə, aktiv çıxarım və məlumat yönümlü öyrənmənin UVIF daxilində lokal mexanizmlər kimi istifadə oluna biləcəyi; əsas fərqin isə bu mexanizmlərin üzərində hansı təşkilatlanma prinsipinin yerləşəcəyində olduğu bildirilir.

Optimallaşdırmadan variasional tarazlığa keçid nə deməkdir?

Klassik optimallaşdırmada sistem çox vaxt tək bir məqsəd səthinin ən yaxşı nöqtəsinə doğru hərəkət edir. UVIF-də isə “ən yaxşı tək nöqtə” əvəzinə müxtəlif təzyiqlərin birlikdə qarşılandığı yaşanabilir tarazlıq bölgəsi ön plana çıxır. Tədqiqatın Şəkil 3-də bu fərq vizual olaraq göstərilir: klassik optimallaşdırma tərəfi tək zirvəyə irəliləyərkən, UVIF tərəfi fərqli qüvvələrin birgə tarazlandığı geniş bölgə ilə təmsil olunur.

Bu yanaşmada yüksək qısamüddətli performans təkbaşına zəka göstəricisi deyil. Sistemin mühit dəyişdikdə işləməyə davam edə bilməsi, məhdud enerji və hesablama resursu ilə funksiyasını qoruya bilməsi, kritik məlumatını itirməməsi və pozuntudan sonra yenidən yaşanabilir iş bölgəsinə qayıda bilməsi daha əsas xüsusiyyətlər kimi qəbul olunur.

Variasional Tarazlıq necə müəyyən edilir?

Tədqiqat ağıllı sistemin vəziyyət məkanını \(S\), zamandan asılı vəziyyətini isə \(s(t)\in S\) ilə göstərir. Mənbədə sistem dinamikası belə müəyyən edilmişdir:

\[ \dot{s}(t)=F(s(t),t) := E_{\mathrm{pull}} - D_{\mathrm{drag}} - P_{\mathrm{prot}} + A_{\mathrm{eff}} + S_{\mathrm{sus}} \]

Burada \(E_{\mathrm{pull}}\) epistemik çəkimi, \(D_{\mathrm{drag}}\) hesablama sürüklənməsini/xərcini, \(P_{\mathrm{prot}}\) seçici qorumanı, \(A_{\mathrm{eff}}\) fəaliyyət səmərəliliyini və \(S_{\mathrm{sus}}\) davamlılıq sahəsini təmsil edir. Tənlik UVIF-in beş qüvvəli formal nüvəsini göstərir.

Variasional Tarazlıq üçün mənbədə verilən əsas şərt:

\[ F(s^*,t)=0, \qquad s^*\in C_{\mathrm{adm}} \]

şəklindədir. \(s^*\) tarazlıq vəziyyətini, \(C_{\mathrm{adm}}\) isə sistemin daxilində qalmalı olduğu qəbul edilə bilən vəziyyətlər çoxluğunu göstərir.

Müəllif tarazlığı yalnız tək bir nöqtə kimi görmür. Real sistemlərdə Variasional Tarazlığın çox vaxt bir manifold, yəni sistemin fərqli şərtlərə uyğunlaşarkən daxilində hərəkət edə bildiyi çoxölçülü sabit iş bölgəsi ola biləcəyini irəli sürür.

UVIF-in beş əsas qüvvəsi hansılardır?

1. Epistemik çəkim: Sistem nə qədər öyrənməlidir?

Epistemic Pull, sistemin mühiti, öz vəziyyəti və fəaliyyətlərinin nəticələri haqqında qeyri-müəyyənliyi azaltma meylini təmsil edir. Tədqiqatda bu qüvvə gözlənilən informasiya qazancının qradiyenti ilə əlaqələndirilir:

\[ E_{\mathrm{pull}}(s) \propto \nabla_s EIG(s) \]

Burada gözlənilən informasiya qazancı yeni vəziyyətə keçidin sistemin qeyri-müəyyənliyini nə qədər azalda biləcəyini ifadə edir. UVIF baxımından daha çox məlumat həmişə daha yaxşı deyil; məlumat toplamağın vaxtı, enerji sərfi, hesablama xərci və riskləri digər qüvvələr tərəfindən məhdudlaşdırılır.

2. Seçici qoruma: Sistem nəyi dəyişməməlidir?

Selective Protection, sistemin əsas bilik və iş strukturunu qısamüddətli yeniləmələrdən, səs-küydən və ya hücum xarakterli girişlərdən qoruma ehtiyacını ifadə edir. Süni intellekt baxımından bu anlayış bütün parametrlərin eyni sürətlə dəyişməsinə icazə vermək əvəzinə, kritik məlumatın daha güclü şəkildə qorunması və yeni məlumatın daha çevik yenilənməsi ideyasına uyğun gəlir.

Müəllif bu qüvvəni xüsusilə katastrofik unutma problemi ilə əlaqələndirir. Lakin mənbədə seçici qoruma üçün bəzi digər qüvvələrdə olduğu kimi ayrıca və tamamlanmış kəmiyyət funksiyası verilməmişdir.

3. Hesablama sürüklənməsi: Daha çox hesablama nə vaxt lazımsız olur?

Computational Drag, hesablama, enerji və yaddaş kimi resursların istifadə xərcini birbaşa sistem dinamikasına daxil edir. Mənbədə:

\[ D_{\mathrm{drag}}(s,\dot{s}) \propto \|\dot{s}\|^2 C(s) \]

əlaqəsi verilmişdir. \(C(s)\), müəyyən vəziyyətdə işləməyin resurs intensivliyini ifadə edən vəziyyətdən asılı xərc əmsalıdır. Yüksək hesablama xərcli vəziyyətlər, verdikləri informasiya və ya fəaliyyət faydası bu xərci qarşılamırsa sistem tərəfindən təbii olaraq daha az seçilməlidir.

4. Fəaliyyət səmərəliliyi: Sistem qeyri-müəyyənlik altında necə qərar verməlidir?

Action Efficiency, yalnız hesablamanın sürətli olmasını deyil, fəaliyyətin informasiya və praktik nəticə baxımından faydalı olmasını ifadə edir. Tədqiqatdakı düstur:

\[ A_{\mathrm{eff}}(s,a) \propto \mathbb{E}_{p(s'|s,a)} \left[ V(s')-C(a) \right] \]

şəklindədir. \(V(s')\), mümkün sonrakı vəziyyətin Variasional Tarazlığa yaxınlığı baxımından dəyərini; \(C(a)\) isə fəaliyyətin xərcini təmsil edir. Beləliklə sistem yalnız mümkün qədər çox informasiya toplamağa və ya mümkün qədər sürətli hərəkət etməyə deyil, gözlənilən fayda ilə xərc arasında tarazlıq qurmağa yönəldilir.

5. Davamlılıq: Sistem gələcəkdə də işləyə biləcəkmi?

Sustainability, sistemin öz gələcək iş şəraitini tükətməməsi ideyasını birbaşa dinamikaya daxil edir:

\[ S_{\mathrm{sus}}(s) \propto -\nabla_s R_{\mathrm{env}}(s) \]

\(R_{\mathrm{env}}(s)\), müəyyən iş vəziyyətinin ekoloji və ya əməliyyat resurslarını tükətmə sürətini təmsil edir. Resurs istehlakını sürətləndirən vəziyyətlərə qarşı mənfi əks-əlaqə yaradılması və uzunmüddətli yaşanabilirliyi qoruyan vəziyyətlərin dəstəklənməsi hədəflənir.

Qəbul edilə bilən vəziyyətlər çoxluğu niyə lazımdır?

UVIF yalnız qüvvələr arasında yumşaq tarazlıq qurmur. Müəllif həmçinin sistemin aşmamalı olduğu sərt sərhədləri \(C_{\mathrm{adm}}\) qəbul edilə bilənlik çoxluğu ilə müəyyən edir. Tədqiqatda bu çoxluğun dörd komponenti vardır:

• Fiziki həyata keçirilə bilmə: vəziyyət real resurslar və fiziki şərtlərlə mümkün olmalıdır.
• Təhlükəsizlik: sistem və ya onun mühiti qəbuledilməz risk altında qoyulmamalıdır.
• Etik uyğunluq: vəziyyət tətbiqin normativ qaydalarına uyğun olmalıdır.
• Qanunilik: müvafiq hüquq və qaydalara əməl edilməlidir.

Bu məhdudiyyətlər qüvvə kimi deyil, qüvvə dinamikasının daxilində işləyə biləcəyi sərt sərhədlər kimi müəyyən edilir.

Mənbədəki “beş qüvvə / altı qüvvə” uyğunsuzluğu

Tədqiqatın formal nüvəsi və Tənlik 1 açıq şəkildə beş qüvvə müəyyən edir: epistemik çəkim, seçici qoruma, hesablama sürüklənməsi, fəaliyyət səmərəliliyi və davamlılıq. Buna qarşılıq Şəkil 5-də bu beş komponentə əlavə olaraq müstəqil Risk Force göstərilir. Şəkil 7-dəki sahələrarası tərcümədə də risk ayrıca qüvvə sətri olur.

Bu versiya risk qüvvəsinin əsas beş qüvvəli dinamik tənliklə necə riyazi şəkildə birləşdiriləcəyini izah edən ayrıca termin vermir. Risk bəzi tətbiq izahlarında qəbuledilənlik, əməliyyat yükü və ya qərar xərci daxilində nəzərə alınır; lakin mənbə bunu vahid formal tərif altında açıq şəkildə uzlaşdırmamışdır. Buna görə beş və altı qüvvə təsvirləri eyni şey kimi səssizcə birləşdirilə bilməz.

Təbiətdən götürülən əsas fikir nədir?

UVIF təbiəti şüurlu optimallaşdırma sistemi kimi müəyyən etmir. Müəllifin iddiası daha məhduddur: uzun müddət mövcudluğunu qoruyan bioloji və ekoloji sistemlərin tək bir dəyişəni maksimuma çatdırmaq əvəzinə çoxsaylı tənzimləyici proseslər arasındakı tarazlığı saxladığı müşahidəsindən süni sistem dizaynı üçün təşkilatlanma prinsiplərinin çıxarıla biləcəyi müdafiə olunur.

Homeostaz, homeodinamika, ekoloji dayanıqlılıq, özünütəşkil və sərbəst enerji prinsipi bu konseptual çərçivənin fərqli elmi dayaqları kimi müzakirə olunur. Tədqiqat bunların UVIF ilə eyni nəzəriyyə olduğunu demir; UVIF-i bu ideyaların üzərində daha ümumi təşkilatlanma dili yaratmaq cəhdi kimi mövqeləndirir.

UVIF hansı sahələrə tətbiq oluna biləcəyini irəli sürür?

Tədqiqat eyni təşkilatlanma prinsipini beş geniş miqyasda müzakirə edir:

• bioloji tənzimləmə və homeostaz,
• ekoloji dayanıqlılıq,
• insan idrakı və qeyri-müəyyənlik altında qərarvermə,
• süni intellekt və avtonom sistemlər,
• institusional və ictimai təşkilatlar.

Səhiyyə, ağıllı enerji sistemləri, avtonom nəqliyyat, kibertəhlükəsizlik və uzunmüddətli institusional idarəetmə üçün verilən nümunələrin böyük hissəsi konseptual tətbiq ssenariləridir. Bunlar müvafiq sahələrdə UVIF-in empirik şəkildə doğrulandığı mənasına gəlmir.

PneumoniaMNIST təcrübəsi niyə vacibdir?

Tədqiqatın ən konkret eksperimental hissəsi PneumoniaMNIST görüntülərindən istifadə edən tibbi qərar dəstəyi nümunəsidir. Təcrübədə ənənəvi yanaşma ilə UVIF yanaşması üçün eyni əsas kompakt CNN proqnoz modeli istifadə edilmişdir. Buna görə müqayisənin əsas dəyişəni CNN arxitekturası deyil, proqnoz ehtimalından son əməliyyat qərarına keçid qaydasıdır.

Ənənəvi yanaşmada ehtimal həddi \(τ=0,50\) müəyyən edilmiş və hər hal birbaşa normal və ya pnevmoniya sinfinə təyin edilmişdir. UVIF yönümlü yanaşmada siqnal həddi \(τ=0,98\), insan baxışına yönləndirmə bölgəsinin başlanğıcı isə \(τ=0,93\) olaraq verilmişdir.

Şəkil 11-də 624 test halının UVIF əməliyyat şərhində 380 siqnal, 34 baxış və 210 izləmə/təcili fəaliyyət tələb etməyən hal kimi yönləndirildiyi göstərilir. Bu üçlü struktur klassik ikili təsnifatdan fərqlənir və qeyri-müəyyən halların insan nəzarətinə buraxılmasını UVIF-in mühüm hissəsinə çevirir.

Eyni CNN istifadə edildikdə hansı performans dəyişdi?

Cədvəl 1-də bildirilən nəticələr aşağıdakı kimidir:

Ən mühüm şərh ROC-AUC-nin dəyişməməsidir. UVIF yönümlü qərar qaydası əsas CNN-in halları sıralama və ya ayırdetmə gücünü artırmamışdır; eyni proqnoz çıxışlarının hansı nöqtədə siqnala, baxışa və ya daha aşağı riskli fəaliyyətə çevriləcəyini dəyişdirmişdir.

Yanlış müsbət və yanlış mənfi yük necə dəyişdi?

624 hallıq test nümunəsinin ikili qarışıqlıq matrisləri aşağıdakı dəyişikliyi göstərir:

Ənənəvi hədd pnevmoniya hallarını qaçırmamaq üçün çox aqressiv davranır və yalnız bir yanlış mənfi yaradırkən 85 normal halı yanlış müsbət kimi işarələyir. UVIF yönümlü hədd yanlış müsbətləri 24-ə endirərkən ikili təsnifat baxımından 34 yanlış mənfi yaradır.

Lakin tədqiqatın əməliyyat UVIF şərhi bu 34 qeyri-müəyyən halı yalnız “qaçırılmış hal” kimi qəbul etmir; Şəkil 11-də 34 hallıq ayrıca Review / Baxış vəziyyəti müəyyən edilmişdir. Buna görə sistemin klinik dəyəri qiymətləndirilərkən yalnız ikili qarışıqlıq matrisi deyil, insan baxışına yönləndirmə mexanizmi də nəzərə alınmalıdır.

Şəkil 12–15 nə göstərir?

Şəkil 12 proqnozlaşdırılan pnevmoniya ehtimalı ilə proqnoz qeyri-müəyyənliyi arasındakı əlaqəni və UVIF qərar-enerji sahəsini göstərir. Qeyri-müəyyənlik sinif keçid bölgəsi ətrafında yüksələrkən, uc ehtimallarda azalır. Tədqiqat bu strukturu qeyri-müəyyən halların avtomatik olaraq qəti sinfə məcbur edilməsi əvəzinə ayrıca baxış bölgəsinə yönləndirilməsi üçün istifadə edir.

Şəkil 13-də diaqnostik aqressivlik ilə çəkili klinik yük müqayisə olunur. Əyri çox aqressiv qərarın yanlış siqnal yükünü artıra biləcəyini və yükün aralıq iş bölgəsində daha aşağı ola biləcəyini göstərir. Lakin mənbə bu yük funksiyasının real klinik xərclərlə xarici doğrulamasını təqdim etmir.

Şəkil 14, \(τ=0,93\) ilə \(τ=0,98\) arasında müəyyən edilmiş UVIF baxış bölgəsini göstərərkən; Şəkil 15 avtomatlaşdırma nisbəti yüksəldikcə tədqiqatda müəyyən edilən təhlükəsizlik-etibarlılıq skorunun azaldığı kompromisi təqdim edir. Bu şəkillər UVIF-in “maksimum avtomatlaşdırma” əvəzinə nəzarət olunan insan müşahidəsini müdafiə edən əməliyyat şərhini dəstəkləyir.

Tədqiqatın dəstəklədiyi nəticələr

• Tək məqsədli optimallaşdırmadan kənarda, bir neçə əməliyyat təzyiqini ayrı qüvvələr kimi nəzərdən keçirən UVIF adlı açıq nəzəri arxitektura müəyyən edilmişdir.
• Variasional Tarazlıq UVIF daxilində sabit tək optimum əvəzinə dəyişən şərtlər altında qoruna bilən yaşanabilir iş bölgəsi kimi formallaşdırılmışdır.
• PneumoniaMNIST nümayişində eyni CNN çıxışlarının fərqli qərar siyasəti ilə işlənməsi yanlış müsbət/yanlış mənfi balansını nəzərəçarpacaq dərəcədə dəyişdirmişdir.
• UVIF yönümlü qərar qaydasında spesifiklik, balanslaşdırılmış dəqiqlik, precision və F1 daha yüksək; həssaslıq isə ənənəvi aqressiv hədləmədən daha aşağıdır.
• Hər iki yanaşmada ROC-AUC-nin 0,967 olması performans fərqinin əsas CNN-in diskriminasiya qabiliyyətindən qaynaqlanmadığını dəstəkləyir.
• Qeyri-müəyyən halları insan baxışına yönləndirən üçüncü əməliyyat vəziyyəti məcburi ikili təsnifata alternativ kimi göstərilmişdir.

Tədqiqatın sübut etmədiyi və ya hələ sınaqdan keçirmədiyi nəticələr

• UVIF-in zəkanın universal və doğrulanmış nəzəriyyəsi olduğu göstərilməmişdir.
• Beş qüvvəli struktur biologiya, ekologiya, idrak, süni intellekt və təşkilatlarda ortaq kəmiyyət qanunu ilə doğrulanmamışdır.
• PneumoniaMNIST təcrübəsi UVIF-in real klinik mühitdə xəstə nəticəsini yaxşılaşdırdığını sübut etmir.
• UVIF-in yeni və ya daha güclü görüntü təsnifat modeli yaratdığı göstərilməmişdir; əsas CNN hər iki müqayisədə eynidir.
• 0,93 və 0,98 hədlərinin fərqli məlumat dəstləri, xəstəxanalar və ya risk profilləri üçün universal optimum olduğu göstərilməmişdir.
• Avtonom avtomobil, enerji şəbəkəsi, kibertəhlükəsizlik, ekologiya və ya institusional idarəetmə nümunələrinin çoxu eksperimental UVIF doğrulaması deyil; konseptual tətbiq ssenariləridir.
• Uzun illər işləyən süni sistemlərdə UVIF-in resurs istehlakını, təhlükəsizliyi və ya davamlılığı həqiqətən yaxşılaşdırdığına dair uzunmüddətli sahə təcrübəsi təqdim edilməmişdir.

Tədqiqatın Metodu və Nəticələri

Tədqiqat dizaynı

Tədqiqat iki qatdan ibarətdir. Birinci qat UVIF-in fəlsəfi və riyazi konseptuallaşdırılmasıdır. Burada variasional prinsiplər, homeostaz, homeodinamika, ekoloji dayanıqlılıq və sərbəst enerji yanaşması üzərindən beş qüvvəli təşkilatlanma arxitekturası hazırlanmışdır. İkinci qat isə bu arxitekturanın əməliyyat qərar ideyasını göstərmək üçün PneumoniaMNIST üzərində ənənəvi hədləmə ilə UVIF yönümlü qərar yönləndirməsini müqayisə edən eksperimental bölümdür.

Formal UVIF komponentləri

Eksperimental məlumat və əsas model

Eksperimental müqayisədə PneumoniaMNIST məlumat dəsti istifadə edilmiş və ənənəvi AI ilə UVIF yönümlü AI üçün eyni kompakt CNN proqnoz onurğası qorunmuşdur. Tədqiqatın müqayisə etdiyi dəyişən modelin görüntü xüsusiyyətlərini öyrənmə qabiliyyəti deyil, CNN tərəfindən yaradılan ehtimalların əməliyyat qərarına çevrilmə üsuludur.

Qarışıqlıq matrislərindən və Şəkil 11-dən test qiymətləndirməsinin ümumilikdə N=624 hal üzərində bildirildiyi görünür. Ənənəvi qarışıqlıq matrisində real siniflər 234 normal və 390 pnevmoniya halından ibarətdir.

Qərar qaydaları

Kəmiyyət nəticələrinin şərhi

UVIF yönümlü qərar qaydası ənənəvi τ=0,50 hədləmə ilə müqayisədə yanlış müsbət yükünü nəzərəçarpacaq dərəcədə azaltmışdır: yanlış müsbət sayı 85-dən 24-ə, yanlış müsbət nisbəti 0,363-dən 0,103-ə düşmüşdür. Buna qarşılıq ikili qiymətləndirmədə yanlış mənfi sayı 1-dən 34-ə və yanlış mənfi nisbəti 0,003-dən 0,087-yə yüksəlmişdir.

Bu dəyişiklik həssaslıq və spesifiklikdə əks istiqamətdə görünür. Həssaslıq 0,997-dən 0,913-ə enərkən spesifiklik 0,637-dən 0,897-yə yüksəlmişdir. Balanslaşdırılmış dəqiqliyin 0,817-dən 0,905-ə çıxması siniflər arasındakı performans tarazlığının mənbədə müəyyən edilən UVIF iş nöqtəsində daha yüksək olduğunu göstərir.

ROC-AUC hər iki yanaşma üçün 0,967-dir. Bu nəticə əsas proqnoz modelinin dəyişməməsi ilə uyğundur. Buna görə UVIF nəticələrini “CNN-in diaqnostik qabiliyyətini artırdı” kimi şərh etmək mənbə tədqiqatın eksperimental dizaynını aşır.

Tədqiqatda bildirilməyən eksperimental təfərrüatlar

64 səhifəlik versiyada eksperimental nəticələr ətraflı qrafiklər və qarışıqlıq matrisləri ilə verilsə də, əsas CNN-in qat arxitekturası, parametr sayı, təlim/doğrulama/test bölgüsünün detalları, optimizer, öyrənmə sürəti, epoch sayı, batch size, məlumat artırma proseduru, random seed və təkrarlı təlimlərin olub-olmaması açıq şəkildə bildirilməmişdir.

Həmçinin UVIF üçün istifadə edilən 0,93 və 0,98 hədlərinin müstəqil doğrulama dəstindən hansı alqoritmlə seçildiyi və ya bu hədlərin qeyri-müəyyənliyinə dair etibar intervalları verilməmişdir. Mənbə hədlərin “equilibrium-aware” əməliyyat mexanizmindən yarandığını bildirir; lakin bu seçimi təkrar istehsal etməyə kifayət edən detallı kalibrasiya proseduru bu versiyada görünmür.

Bildirilən performans dəyərləri üçün etibar intervalları və ya müqayisələrin statistik əhəmiyyətinə dair hipotez testi də təqdim olunmur. Buna görə metriklər dəqiq test-seti nəticələri kimi ötürülə bilər, lakin fərqlərin müstəqil nümunələrdə statistik olaraq sübut olunmuş üstünlük olduğu deyilə bilməz.

Tədqiqatın güclü tərəfləri

• Nəzəri iddia ilə ədədi qərar nümunəsi eyni tədqiqat daxilində əlaqələndirilmişdir.
• Ənənəvi və UVIF yanaşmasında eyni proqnoz onurğasının istifadə edilməsi qərar qatının təsirini əsas model dəyişməsindən ayırmağı asanlaşdırır.
• Accuracy-dən əlavə balanced accuracy, sensitivity, specificity, precision, F1, ROC-AUC, FP və FN kimi çoxsaylı ölçülərin bildirilməsi kompromisləri görünən edir.
• Tədqiqat öz həddindən artıq ümumiləşdirmə riskini və formal/empirik çatışmazlıqlarını açıq şəkildə müzakirə edir.
• İnsan nəzarətinin qeyri-müəyyən hallar üçün sistematik qərar vəziyyəti kimi nəzərdən keçirilməsi yalnız məcburi ikili təsnifata əsaslanmayan əməliyyat modeli təqdim edir.

Əsas məhdudiyyətlər

• UVIF hələ tamamlanmış riyazi nəzəriyyə deyil, inkişaf edən tədqiqat proqramı kimi müəyyən edilir.
• Beş qüvvənin fərqli sahələrdə necə kəmiyyətləşdiriləcəyi böyük ölçüdə tətbiqdən asılıdır.
• Formal beş qüvvəli nüvə ilə şəkillərdə yer alan ayrıca Risk Force arasında tam riyazi xəritələmə verilməmişdir.
• Eksperimental nümayiş tək məlumat dəsti və tək əsas CNN üzərindən təqdim edilir.
• Uzunmüddətli uyğunlaşma, enerji istehlakı, paylanma dəyişikliyi və illərlə davam edən davamlılıq kimi çərçivənin ən geniş iddiaları PneumoniaMNIST təcrübəsi ilə birbaşa sınaqdan keçirilməmişdir.
• Təkrar istehsal üçün lazım olan təlim detallarının mühüm hissəsi bu versiyada yoxdur.
• Məlumat/kod bəyanatındakı istinad real GitHub ünvanı əvəzinə yer tutucu ehtiva edir.
• Sahələrarası “universal prinsip” təklifi hələ biologiya, ekologiya, idrak, süni intellekt və təşkilatlarda ortaq kəmiyyət təcrübələri ilə doğrulanmamışdır.

Mənbə və Metod Qeydi

Tam orijinal tədqiqat adı:
UVIF: A Nature-Aligned Framework for Intelligence, Stability, and Long-Term Adaptation
Toward Variational Equilibrium as a Universal Principle of Persistent Intelligent Organization

Müəllif: Habib Hamam.

Müəllif sırası: Tək müəllifli tədqiqat.

Bərabər töhfə/bərabər birinci müəllif: Tətbiq olunmur; tədqiqat tək müəlliflidir.

Məsul müəllif: Habib Hamam.

Mənbədə verilən qurumlar: Faculty of Engineering, Université de Moncton, Moncton, Kanada; School of Electrical Engineering, University of Johannesburg, Johannesburg, Cənubi Afrika; International Institute of Technology and Management (IITG), Libreville, Qabon.

Mənbə növü: Nəzəri/konseptual çərçivə inkişaf etdirmə tədqiqatı və PneumoniaMNIST üzərində eksperimental konsepsiya sübutu ehtiva edən araşdırma mətni.

Rəyçilik statusu: Bu tədqiqat rəyçi qiymətləndirməsindən keçməmiş preprintdir; nəticələri bu nəşr mərhələsi nəzərə alınaraq qiymətləndirilməlidir.

Platforma: SSRN.

DOI: 10.2139/ssrn.6963232

Rəsmi mənbə bağlantısı: https://ssrn.com/abstract=6963232

Hədəf jurnal: Mənbədə “Preprint submitted to BioSystems June 15, 2026” ifadəsi yer alır. Bu ifadə BioSystems-da qəbul və ya rəyli nəşr doğrulaması kimi şərh edilməmişdir.

İl/tarix: Tədqiqat 2026 tarixlidir; mənbə mətni BioSystems-a təqdimetmə tarixini 15 iyun 2026 kimi verir. SSRN-dəki dəqiq ilk yükləmə tarixi bu qiymətləndirmədə müstəqil şəkildə doğrulanmamışdır.

Cild/sayı/məqalə nömrəsi: Bu versiya üçün rəyli jurnal cildi/sayı/məqalə nömrəsi yoxdur.

Lisenziya: Mənbə versiyasında yenidən istifadəyə icazə verən açıq Creative Commons və ya ekvivalent lisenziya açıq şəkildə göstərilmir. Buna görə orijinal məqalə şəkilləri Verianla HTML-inə birbaşa köçürülməmiş, ədədi məlumatlar mənbəyə sadiq HTML cədvəlləri ilə yenidən təqdim edilmişdir.

Maliyyələşdirmə: Tədqiqat Université de Moncton, University of Johannesburg, IITG və CRSNG/NSERC tərəfindən dəstəkləndiyini; NSERC Grant RGPIN-2025-05918 nömrəsini bildirmişdir.

Məlumat və kod əlçatanlığı: Mənbə tətbiq kodu, məlumat dəsti mənbələri, işlənmiş nəticə cədvəlləri, yaradılmış şəkillər və təkrar istehsal materiallarının Hamam (2026) mənbəsində olduğunu bildirir. Lakin biblioqrafiya qeydindəki GitHub ünvanı “https://github.com/REPLACE-ME/UVIF” şəklində yer tutucudur. Buna görə mövcud versiyadan real kod deposu doğrulana bilmir.

Maraqların toqquşması: Müəllif məlum rəqabət aparan maliyyə marağı və ya tədqiqata təsir göstərə biləcək şəxsi əlaqə olmadığını bəyan edir.

Etik bəyanat: Mənbədə “Not applicable” kimi verilib.

CRediT töhfə bəyanatı: Habib Hamam — Conceptualization, Methodology, Investigation, Software, Formal analysis, Validation, Writing – review & editing.

Mənbədaxili formal uyğunsuzluq: Tədqiqatın mətn və riyazi nüvəsi UVIF-i beş əsas qüvvə ilə müəyyən edir; buna qarşılıq Şəkil 5, Şəkil 7 və bəzi tətbiq müzakirələrində Risk Force altıncı ayrıca qüvvə kimi göstərilir. Əsas dinamik tənlikdə müstəqil risk termini olmadığından bu iki göstərim səssizcə vahid formalizmə çevrilməmişdir.

Eksperimental metod məhdudiyyəti: PneumoniaMNIST nəticələrində eyni kompakt CNN-in istifadə edildiyi açıq şəkildə bildirilir; lakin model arxitekturası və təlim prosedurunun təkrar istehsalı üçün lazım olan bir çox hiperparametr və məlumat bölgüsü detalı bu versiyada açıq şəkildə bildirilməmişdir. Bundan əlavə qərar hədlərinin kalibrasiya proseduru təfərrüatlı deyil.

Elmi məzmun sərhədi: Bu Verianla mətnindəki UVIF arxitekturası, tənliklər, PneumoniaMNIST nəticələri, performans dəyərləri, şəkil şərhləri və məhdudiyyətlər araşdırılan tədqiqata əsaslanır. Xarici mənbələrdən yeni elmi təcrübə, performans metriyi və ya UVIF-i dəstəkləyən əlavə nəticə əsas mətnə daxil edilməmişdir.