A nagy nyelvi modellek korlátai Miért nem helyettesíthetők az emberek az LLM-ekkel?

Elmentve itt :
Bibliográfiai részletek
Szerző: Madlena Eszter
További közreműködők: Bánhalmi Dr. Árpád
Dokumentumtípus: Diplomadolgozat
Kulcsszavak:gépi tanulás
mesterséges intelligencia
nagy nyelvi modellek
természetes nyelvi feldolgozás
visszacsatolt neurális hálózat
Online Access:http://dolgozattar.uni-bge.hu/53821

MARC

LEADER 00000nta a2200000 i 4500
001 dolg53821
005 20240322125229.0
008 240322suuuu hu o 000 hun d
040 |a BGE Dolgozattár Repozitórium  |b hun 
041 |a hu 
100 1 |a Madlena Eszter 
245 1 2 |a A nagy nyelvi modellek korlátai  |b Miért nem helyettesíthetők az emberek az LLM-ekkel?  |c Madlena Eszter  |h [elektronikus dokumentum] 
520 3 |a A dolgozatban a nagy nyelvi modelleknek (Large Language Models - LLM) kialakulásának háttere kerül ismertetésre. Az egyszerűbb neurális hálózatoktól eljutunk az LLM-ekhez, miközben bemutatásra kerül a mögöttük rejlő architektúrák a működése. Ezzel árnyaltabb képet kapunk arról, hogy az, amit emberinek érzékelünk, az valójában bonyolult statisztikai függvények működésének eredménye. A nagy nyelvi modellek azokból a szövegekből tanulnak, amelyeket e modellek létrehozói összeválogatnak, és ez teszi lehetővé az LLM-ek számára, hogy nagy valószínűséggel helyes természetes nyelvi kijelentéseket generáljanak, alkalmazkodjanak különböző írási stílusokhoz, területekhez; de nem rendelkeznek valódi megértéssel, tudatossággal vagy teljesen eredeti ötletek kialakításának a képességével. Különböző aspektusok vizsgálatával feltárásra kerül a mögöttük rejlő struktúra és a dolgozat keretein belül igazolást nyert az az állítás, hogy valójában a határait, mi emberek szabjuk meg, és nem öntudatra ébredésről van szó, hanem gondosan finomhangolt matematikai modellekről. A dolgozat végén egy saját fejlesztésű visszacsatolt neuronháló (Recurrent Neural Network – RNN) bemutatására kerül sor, ami kísérleti alapként szolgál annak megértéséhez, hogy lényegében hogyan működnek a szöveggeneráló mechanizmusok. A bemutatott RNN konkrét példákon keresztül demonstrálja és világosan alátámasztja a dolgozat mondanivalóját. 
695 |a gépi tanulás 
695 |a mesterséges intelligencia 
695 |a nagy nyelvi modellek 
695 |a természetes nyelvi feldolgozás 
695 |a visszacsatolt neurális hálózat 
700 1 |a Bánhalmi Dr. Árpád  |e ths 
856 4 0 |u http://dolgozattar.uni-bge.hu/53821/1/Madlena_Eszter_KKK.pdf  |z Dokumentum-elérés 
856 4 0 |u http://dolgozattar.uni-bge.hu/53821/2/Madlena_Eszter_KKK.docx  |z Dokumentum-elérés 
856 4 0 |u http://dolgozattar.uni-bge.hu/53821/3/Dolgozat_biralati_lap_2023_Madlena%20Eszter.pdf  |z Dokumentum-elérés 
856 4 0 |u http://dolgozattar.uni-bge.hu/53821/4/Madlena%20Eszter.pdf  |z Dokumentum-elérés