| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Telekomunikāciju tehnoloģijas un datu pārraides inženierija |
| Nosaukums |
Ģeneratīvā AI balstīta veselības asistenta novērtēšana un ieviešana |
| Nosaukums angļu valodā |
Evaluation and Implementation of a Generative AI-Based Wellness Assistant |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Ruslans Sudņiks |
| Recenzents |
Elans Grabs |
| Anotācija |
Generatīvās mākslīgā intelekta (AI) modeļu attīstības gaitā padziļinātā
semantikas izpratne ir veicinājusi progresīvu veselības uzlabošanas pasākumu izstrādi.
Lai gan universālie slēgtā koda komerciālie modeļi spēj veikt ikdienas uzdevumus, tie
bieži vien nenodrošina konkrētajai nozarei nepieciešamo precizitāti, kāda ir vajadzīga
veselības un labbūtības jomā. Saistībā ar to pētījumā tiek izvērtēta AI un lielu valodu
modeļu (LLM) vēsturiskā attīstība veselības aprūpes sfērā, izvērtēti argumenti, kas
pamato veselības un labbūtības lietojumiem piemērota modeļa izvēli un ieviešanu.
Modelis tika izstrādāts trīs galvenajos aspektos: automatizēta fitnesa plānu ģenerēšana
un uztura rekomendāciju sagatavošana, kā arī veselības aprūpes atbalsts, pielāgojot
ģeneratīvas sarunu saskarnes metodi, izmantojot homogēnu datu kopu kombinēšanas
pieeju. Visa procesa, datu inženierijas programmatūras bāze un īstenošanas sistēma ir
publiski pieejama, lai atbalstītu atklāto pētniecību un iespēju pilnībā reproducēt
rezultātus. Noslēgumā pētījumā sniegta modeļa darbības kritiska analīze, pamatojoties
uz kvalitatīvu dabiskās valodas apstrādes (NLP) analīzi par tā radītajiem rezultātiem.
Sistēma stabili konverģēja pēc 14 stundām un 10 minūtēm resursu optimizētas QLoRA
pielāgošanas, izmantojot vienotu datu kopu ar 216 922 ierakstiem uz viena NVIDIA
A100 GPU. Novērtējumi pēc pielāgošanas liecināja par eksponenciālu kritisko bāzes
modeļa halucināciju samazināšanos, kā arī par ļoti precīzu zāļu sastāva atgūšanu un
drošu atteikšanās rīcību stresa testu apstākļos. |
| Atslēgas vārdi |
LLM, dziļa analīze, Labbūtība, medicīniska, NLP |
| Atslēgas vārdi angļu valodā |
LLM, deep analysis, wellness, medical, NLP |
| Valoda |
eng |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
28.05.2026 22:25:10 |
