Δομημένη αποθήκευση και ανάκτηση πληροφορίας με χρήση Τεχνητής Νοημοσύνης
Διπλωματική Εργασία
| Επιβλέπων | Γρηγόρης Μέντζας |
|---|---|
| Συσχετιζόμενο μάθημα | Διοίκηση της Ψηφιακής Επιχείρησης |
Περιγραφή
Τον τελευταίο χρόνο με τις καθοριστικές εξελίξεις σχετικά με τα Μεγάλα Γλωσσικά Μοντέλα (LLMs) έχει χαραχθεί ένας νέος δρόμος προς την επίτευξη Γενικής Τεχνητής Νοημοσύνης (Artificial General Intelligence). Αυτά τα μοντέλα έχουν ξεκινήσει ήδη να δέχονται διαφορετικά είδη πληροφορίας ως είσοδο (multimodal) και να χρησιμοποιούν εργαλεία έτσι ώστε να έχουν την δυνατότητα να διεκπεραιώνουν διάφορες εργασίες.
Ο σκοπός αυτής της διπλωματικής είναι η έρευνα στην αποθήκευση και ανάκτηση γνώσης από LLMs με δομημένο τρόπο (π.χ. Knowledge Graphs) και πώς η πληροφορία αυτή μπορεί να χρησιμοποιηθεί ώστε να βελτιώσει τις επιδόσεις του μοντέλου σε σενάρια ερώτησης-απάντησής βάσει σχετικού περιεχομένου.
Στα πλαίσια της διπλωματικής εργασίας θα αναπτυχθεί μια εφαρμογή μέσο της οποίας ένα μοντέλο LLM θα έχει την δυνατότητα να αποθηκεύει με δομημένο τρόπο σχετική πληροφορία και επίσης να μπορεί να την ανακτήσει έτσι ώστε να απαντήσει και να συλλογιστεί βάσει αυτής.
Το αποτέλεσμα της διπλωματικής θα χρησιμοποιηθεί για την δημιουργία Chat Assistant στην σελίδα του εργαστηρίου (http://imu.ntua.gr/) .
- Προαπαιτούμενα
- Καλή γνώση python
- Προαιρετικά:
- Ροή Λ
o Προηγμένα Θέματα Τεχνητής Νοημοσύνης
o Τεχνητή Νοημοσύνη
- Ροή Υ
o Νευρωνικά Δίκτυα και Βαθιά Μάθηση
- Κοινού κορμού
o Μηχανική Μάθηση
- Ροή Σ
Αναγνώριση Προτύπων
Πληροφορίες : ΥΔ. Ματθαίος Φικάρδος, mfikardos@mail.ntua.gr
Δρ. Κατερίνα Λεπενιώτη, klepenioti@mail.ntua.gr
τηλ. 210-7721848