1. Pozivni injekcijski napadi na velike jezikovne modele : magistrsko deloMatic Bobnar, 2025, magistrsko delo Opis: V magistrskem delu raziskujemo vlogo velikih jezikovnih modelov v vzponu generativne umetne inteligence. Predstavimo osnovne koncepte, kot so transformerji, žetoni in vektorske reprezentacije, ter opisujemo ključne prednosti, slabosti in izzive z generativnimi modeli. Posebno pozornost namenjamo izzivom varnosti, kot so pozivni injekcijski napadi. Podrobno analiziramo delovanje teh napadov, njihove vrste in predstavimo možne pristope za obrambo pred njimi. V okviru eksperimenta prikazujemo izdelavo spletne ankete, ki implementira različne jezikovne modele. S pomočjo pridobljenih podatkov iz ankete nato analiziramo občutljivost posameznih modelov na različne intenzitete injekcijskih napadov ter preučujemo njihove vplive na uporabniške dimenzije, kot so uporabnost, točnost, razumljivost in relevantnost. Na koncu ugotavljamo, kateri modeli se najbolje odzivajo na napade in predstavljajo najvarnejšo uporabo.
Ključne besede: Generativna umetna inteligenca, Generativni modeli, Veliki jezikovni modeli, Pozivni injekcijski napadi, Inženering pozivov
Objavljeno v DKUM: 06.02.2025; Ogledov: 0; Prenosov: 35
 Celotno besedilo (2,82 MB) |
2. Varnost poslovnih podatkov pri implementaciji inteligentnega sistema chatgptMarija Koleva, 2024, diplomsko delo Opis: Namen diplomske naloge je bil raziskati implementacijo in uporabo generativnih modelov, predvsem modelov generative pre-trained transformer (GPT), v poslovnem okolju podjetja X in razumeti njihov vpliv na poslovne procese. S poudarkom na varnosti in produktivnosti smo preučili prednosti in izzive integracije teh tehnologij ter opredelili ključne ugotovitve, ki vključujejo izboljšano učinkovitost, inovativnost, kakovost storitev in varnost podatkov. Uporabljene metode vključujejo študijo primera, intervju z vodjo projekta, analizo podatkov in pregled literature. Glavni zaključki vključujejo poudarek na potrebi po implementaciji varnostnih protokolov, upoštevanju etičnih vidikov in implementaciji najboljših praks pri implementaciji generativnih modelov. Priporočila vključujejo uporabo robustnih varnostnih mehanizmov, optimizacijo poslovnih procesov in nadaljnje raziskovanje možnosti uporabe generativnih modelov v poslovnem okolju.
Ključne besede: generativni modeli, GPT, poslovno okolje, varnost, produktivnost
Objavljeno v DKUM: 03.10.2024; Ogledov: 0; Prenosov: 26
Celotno besedilo (1,04 MB) |
3. Uporaba umetne inteligence v konstruiranju : diplomsko deloVid Stanovnik, 2024, diplomsko delo Opis: Namen diplomskega dela je raziskati uporabo umetne inteligence pri procesu konstruiranja. Delo se osredotoča na uvajanje različnih orodij umetne inteligence in tehnik za izboljšanje učinkovitosti, natančnosti in inovativnosti v procesu načrtovanja in modeliranja. Predstavljene so teoretične osnove umetne inteligence, vključno s strojnim učenjem, nevronskimi mrežami in globokim učenjem. Analizirane so prednosti in slabosti uporabe umetne inteligence, kot so zmanjšanje človeških napak, izboljšana produktivnost, vendar visoki stroški in kompleksnost uvajanja. Poleg tega so predstavljeni praktični primeri uporabe umetne inteligence pri konstruiranju, vključno z orodji, kot so ChatGPT za generiranje zahtevnikov, Autodesk Fusion 360 za generativno oblikovanje in Solidworks za avtomatizacijo oblikovalskih procesov.
Ključne besede: umetna inteligenca, konstruiranje, generativno oblikovanje, globoki generativni modeli, strojno učenje, globoko učenje.
Objavljeno v DKUM: 30.09.2024; Ogledov: 0; Prenosov: 59
Celotno besedilo (2,91 MB) |
