Συγκριτική μελέτη εργαλείων γενετικής τεχνητής νοημοσύνης

Λεμπώ, Βίκτωρ

Comparative study of genetic artificial intelligence tools

Διπλωματική εργασία

Author

Λεμπώ, Βίκτωρ

Date

2024-09

Advisor

Troussas, Christos

Πτυχιακή εργασία (1008.Kb)

Keywords

Γενετική ; Τεχνητή νοημοσύνη

Abstract

Η αύξηση της ταχύτητας της μετάδοσης της πληροφορίας, η δημιουργία συσκευών προσωπικής χρήσης προσβάσιμων σχεδόν σε οποιονδήποτε άνθρωπο στον κόσμο και κυρίως η ανάπτυξη της επεξεργαστικής ισχύος των συσκευών αυτών έχουν αποτελέσει κύριους παράγοντες για την ανάπτυξη εφαρμογών όπως το ChatGPT ή το DALL-E. Οι εφαρμογές αυτές είναι αποτελέσματα αυτής της ραγδαίας ανάπτυξης και αποτελούν σημεία καμπής στον τρόπο λειτουργίας των συστημάτων γενικότερα. Η εργασία αυτή έχει ως στόχο την επισκόπηση και την σύγκριση διάφορων τεχνικών που χρησιμοποιούνται για τη δημιουργία και χρήση της Τεχνητής Νοημοσύνης (AI). Αντλώντας πηγές μέσω του Scopus και του Google Scholar θα γίνει μία προσπάθεια επεξήγησης και κατανόησης δύσπεπτων και ιδιαίτερα περίπλοκων εννοιών όπως της μηχανικής εκμάθησης (Machine Learning) και βαθιάς μάθησης (Deep Learning). Επιπλέον θα δούμε πως αυτές διακλαδώνονται και αναπτύσσουν έννοιες όπως τα Μεγάλα Μοντέλα Γλώσσας (LLM - Large Language Models) και τέλος πως συγκλίνουν και υπάγονται στον ευρύτερο όρο Τεχνητή Νοημοσύνη. Επιπλέον θα δούμε παραδείγματα εφαρμογών πάνω σε τέτοια μοντέλα τα οποία χρησιμοποιούνται τόσο σε τομείς Ιατρικής, Κυβερνοασφάλειας αλλά και σε πιο δημιουργικούς τομείς..

Abstract

The increase in the speed of information transmission, the creation of devices for personal use accessible to almost any person in the world and above all the development of the processing power of these devices, have been the main factors for the development of applications such as ChatGPT or DALL-E. These applications are the result of this rapid development and are turning points in the way systems operate in general. This paper aims to review and compare various techniques used to create and use Artificial Intelligence (AI). Drawing sources through Scopus and Google Scholar, an attempt will be made to explain and understand difficult and particularly complex concepts such as machine learning (Machine Learning) and deep learning (Deep Learning). In addition, we will see how these branch out and develop concepts such as Large Language Models (LLM - Large Language Models) and finally how they converge and come under the broader term Artificial Intelligence. In addition, we will see examples of applications based on such models, which are used both in the fields of Medicine, Cybersecurity and also in more creative fields.