Kod generatsiyasi uchun maqsadli so‘rovlar (promptlar) tuzish, ularni taqqoslash va fizika fani uchun shaxsiy prompt-kutubxona shakllantirish
Generativ sun’iy intellekt modellarining fizik simulyatsiyalar yaratishdagi samaradorligi va xatosiz ishlashi bevosita Prompt Muhandisligi (Prompt Engineering) sifatiga bog‘liq. Ushbu laboratoriya mashg‘ulotida talabalar bitta fizik jarayon (masalan, garmonik va so‘nuvchi mayatnik tebranishi) uchun 4 xil darajadagi so‘rovlarni (Zero-shot, chegaralangan so‘rov, Chain-of-Thought va tizimli XML master-prompt) amalda sinab ko‘radi, Claude orqali kod generatsiya qiladi, Google Antigravity da jarayon va kadrlar barqarorligini qayd etadi, ChatGPT vositasida prompt strukturasini baholab, fizika ta’limi uchun shaxsiy prompt-kutubxonasini shakllantiradi.
📋 9-laboratoriya mashg‘uloti rejasi va tahliliy bosqichlari:
TPACK va ZPD mezonlari asosida prompt strukturalari, CoT mantiqi va fizik cheklovlar bo‘yicha diagnostik test hamda individual o‘quv trayektoriyasi.
Rol-Kontekst-Vazifa-Cheklovlar arxitekturasi, Zero-shot, Few-shot, Chain-of-Thought va XML semantik teglari asosida 4 darajali so‘rovlar evolyutsiyasi.
Artifacts interfeysida 4 xil darajadagi promptlarni sinovdan o‘tkazish, sintaksis va semantik tahlil hamda generatsiya qilingan kodlarni solishtirish.
Antigravity orqali kod metrikalari monitoringi va ChatGPT yordamida prompt strukturasini baholash va takomillashtirish.
1. Sun’iy intellekt uchun kognitiv diagnostika va individual ta’lim trayektoriyasi
Fizika ta’limida dasturiy kod generatsiyasi oddiy matn yaratishdan tubdan farq qiladi: sun’iy intellektga berilayotgan so‘rovda matematik modellar, differensial tenglamalar, saqlanish qonunlari va raqamli integratsiya usullari aniq ko‘rsatilmasa, model "sodda halyutsinatsiya"ga uchrab, vizual jihatdan harakatlanadigan, biroq fizik qonunlarga zid bo‘lgan psevdo-kod yaratadi. TPACK (Mishra va Koehler, 2006) va ZPD (Vygotskiy, 1978) asosidagi 4 ta diagnostik savol talabaning dastlabki darajasini aniqlaydi.
🧠 Boshlang‘ich kognitiv diagnostika testi (4 ta savol):
1. Ilmiy-texnik kod generatsiyasi uchun tuziladigan professional prompt tarkibidagi eng zarur 5 ta poydevor komponent qaysilar?
2. Fizik masalalarni modellashtirishda "Chain-of-Thought" (CoT — Fikrlash zanjiri) yondashuvi nima uchun oddiy Zero-shot so‘rovidan ancha ustun?
3. Claude va Google Antigravity vositalarining fizika simulyatsiyasini yaratishdagi integratsiyasi qanday kechadi?
4. ChatGPT orqali yozilgan fizik prompt strukturasini baholash va takomillashtirishda qaysi asosiy mezonlarga e’tibor qaratiladi?
2. Prompt-muhandislik nazariyasi va fizika fani uchun so‘rovlar arxitekturasi
Prompt muhandisligi — bu sun’iy intellekt modellariga (LLM) o‘zimiz istagan aniq fizik natijani, to‘g‘ri sonli hisob-kitoblarni va barqaror dasturiy kodni ishlab chiqarishga yo‘naltirilgan kiruvchi ma’lumotlarni tizimli shakllantirish fanidir (Brown et al., 2020; Wei et al., 2022).
2.1. Professional fizik promptning 5 ta ustuni:
AI modelining o‘zini kim deb tasavvur qilishi: masalan, "Sen hisoblash fizikasi va JavaScript Canvas bo‘yicha yetakchi dasturchisan."
Simulyatsiyaning o‘rni va vazifasi: masalan, "Oliy ta’lim talabalari uchun so‘nuvchi tebranishlar va fazaviy portretni tushuntirish laboratoriyasi."
Aniq tenglamalar: $m \frac{d^2\theta}{dt^2} + b \frac{d\theta}{dt} + \frac{mg}{L}\sin\theta = 0$, integratsiya usuli (Simplektik Eyler yoki Velocity Verlet).
`requestAnimationFrame`, `delta-time` clamping ($dt \le 0.04\text{s}$), masshtab omillari va DPI retina sozlamalari.
"Bitta to‘liq mustaqil HTML5 fayli, tashqi kutubxonalarsiz, KaTeX formulalari va real vaqt energiya grafigi bilan."
2.2. Fizik so‘rovlarning 4 bosqichli evolyutsiyasi:
| Daraja | Turi | Xarakteristikasi | Kutiladigan kod sifati va xatolar |
|---|---|---|---|
| 1-Daraja | Sodda Zero-shot | "Mayatnik kodi yozib ber" kabi noaniq va qisqa iboralar. | Delta-time yo‘q, energiya saqlanmaydi, kadr chastotasiga bog‘liq, xatolik darajasi > 50%. |
| 2-Daraja | Fizik Chegarali | Massa, uzunlik va oddiy Nyuton qonuni ko‘rsatilgan so‘rov. | Differensial tenglama to‘g‘ri, ammo Eyler usuli tufayli tebranish sekin-asta portlaydi. |
| 3-Daraja | Role + CoT | Ekspert roli, bosqichma-bosqich fizik mulohaza va simplektik usul talabi. | Yuqori barqarorlik, energiya invariantligi, so‘nish koeffitsiyenti to‘g‘ri hisoblangan. |
| 4-Daraja | Tizimli XML Master | Rol, kontekst, XML teglari, xatoliklarni oldini olish va fazaviy portret talabi. | Mukammal akademik daraja, Velocity Verlet integratsiyasi, telemetriya va to‘liq responsivlik. |
2.3. Zamonaviy XML teglari asosida prompt tuzish (Anthropic standarti):
Claude kabi ilg‘or modellar XML teglari (<context>, <physics_model>, <constraints>) orqali berilgan so‘rovlarni semantik jihatdan 35% aniqroq qayta ishlaydi va ko‘rsatmalarni chalkashtirib yubormaydi.
3. Promptlar sinovi va kod generatsiyasi: Claude (Artifacts)
Talaba Claude bilan muloqotda bitta fizik hodisa (garmonik va so‘nuvchi mayatnik) misolida 4 xil darajadagi promptlarni sinab ko‘radi va ularning natijasida olingan kodlarni qiyoslaydi.
1-sinov: Noaniq zero-shot prompt (boshlang‘ich daraja)
Past sifat (35/100)Kamchiliklari: Hech qanday fizik kattaliklar (ip uzunligi, massa, qarshilik kuchi) berilmagan. Natijada AI o‘zboshimchalik bilan qat’iy piksel qo‘shadi, delta-time hisobga olinmaydi.
2-sinov: Fizik chegaralari ko‘rsatilgan prompt
O‘rta sifat (68/100)Kamchiliklari: Aniq tenglama berilgan, biroq sonli integratsiya usuli (Oddiy Eyler) sababli energiya saqlanmaydi va vaqt o‘tishi bilan amplitudaning sun’iy o‘sishi kuzatiladi.
3-sinov: Role + Chain-of-Thought (CoT) prompt
Yuqori sifat (88/100)Afzalliklari: Modelga ekspert roli yuklatilgan va fizik qadamlar (qarshilik kuchi, Simplektik Eyler, kadrlar vaqti) ketma-ket uqtirilgan. Energiya barqarorligi ta’minlanadi.
4-sinov: To‘liq ishlab chiqilgan XML master prompt (Capstone darajasi)
Akademik benchmark (98/100)Afzalliklari: Barcha talablar (fizik model, simplektik integratsiya, fazaviy portret, telemetriya, interaktivlik) strukturaviy XML teglariga ajratilgan. Kod 100% barqaror va ilmiy talablarga to‘la mos keladi.
4. Natijalarni qayd etish va prompt strukturasini baholash: Google Antigravity va ChatGPT
Prompt muhandisligining yakuniy maqsadi — yozilgan so‘rovning barqaror va takrorlanuvchan natija berishini isbotlashdir. Bu jarayonda Google Antigravity agentlik tizimi kod unumdorligini, kadrlar barqarorligini va fizik xatoliklarni avtomat qayd etsa, ChatGPT prompt strukturasining semantik sifatini tekshirib beradi.
4.1. Google Antigravity avtonom monitoringi:
Antigravity har bir generatsiya qilingan kod versiyasi bo‘yicha quyidagi metrikalarni avtomatik tarzda o‘lchaydi:
- Kadrlar yangilanish tezligi (FPS va jank): 1-darajali kodda kadrlar sakrashi ($Jank > 15\%$), 4-darajali kodda esa barqaror $60.0 \pm 0.2\text{ FPS}$.
- Energiya dreyfi ($\Delta E / E_0$): 10 000 kadr davomida standart Eyler usulida energiya $340\%$ ga oshib ketishi, Velocity Verletda esa dreyf $0.05\%$ dan oshmasligi.
- Vaqt bog‘liqligi (V-Sync Drift): Turli monitorlarda (60Hz, 120Hz, 144Hz) harakat tezligining o‘zgarmasligi.
4.2. ChatGPT yordamida prompt strukturasini baholash topshirig‘i:
Talaba o‘zi tuzgan har bir yangi promptni ChatGPT modeliga kiritib, quyidagi maxsus audit so‘rovi orqali uning struktura mukammalligini baholatadi:
5. Interaktiv prompt sinov maydoni va shaxsiy fizika prompt-kutubxonasi
Quyidagi laboratoriya dastgohida 4 xil darajadagi promptlar orqali olingan simulyatsiya kodlari jonli rejimda ishlaydi. Siz turli darajalarni tanlab, ularning fizik aniqligi, fazaviy portreti va energiya barqarorligini o‘z ko‘zingiz bilan solishtirishingiz hamda o‘zingizning shaxsiy promptlaringizni kutubxonaga saqlashingiz mumkin.
⚙️ Prompt darajasini tanlash
📊 Antigravity telemetriyasi
📚 Fizika fani uchun shaxsiy prompt-kutubxona
Saqlangan promptlar ro‘yxati:
6. Akademik baholash rubrikasi (100 ball) va ilmiy-metodologik manbalar
Talabalarning 9-laboratoriya mashg‘uloti bo‘yicha erishgan bilimlari, prompt muhandisligi ko‘nikmalari va shaxsiy prompt-kutubxona sifati quyidagi 5 ta xalqaro akademik mezon bo‘yicha baholanadi.
💯 100 Ballik baholash mezonlari kalkulyatori:
📚 Foydalanilgan ilmiy-metodologik adabiyotlar (APA 7 standarti):
- Anthropic. (n.d.). Use XML tags to structure your prompts. Claude Docs. https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/use-xml-tags
- Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J. D., Dhariwal, P., … Amodei, D. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems, 33, 1877–1901.
- Cromer, A. (1981). Stable solutions using the Euler approximation. American Journal of Physics, 49(5), 455–459. https://doi.org/10.1119/1.12478
- Kojima, T., Gu, S. S., Reid, M., Matsuo, Y., va Iwasawa, Y. (2022). Large language models are zero-shot reasoners. Advances in Neural Information Processing Systems, 35, 22199–22213.
- Mishra, P., va Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054. https://doi.org/10.1111/j.1467-9620.2006.00684.x
- OpenAI. (2023). ChatGPT technical report (arXiv:2303.08774). arXiv. https://doi.org/10.48550/arXiv.2303.08774
- Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
- Wei, J., Wang, X., Schuurmans, D., Bosma, M., Ichter, B., Xia, F., Chi, E., Le, Q. V., va Zhou, D. (2022). Chain-of-thought prompting elicits reasoning in large language models. Advances in Neural Information Processing Systems, 35, 24824–24837.