Tečaj ponuja praktično znanje za razumevanje in uporabo velikih jezikovnih modelov (LLM) pri študiju. Udeleženci se naučijo, kako ti modeli delujejo, zakaj halucinarajo, kako pravilno postavljati vprašanja (prompt engineering) in kako etično uporabljati AI orodja. Tečaj vključuje pregled aktualnih AI orodij ter praktične vaje za samostojno delo.
Spoznali bomo tehnološko ozadje delovanja sistemov, kot je ChatGPT, ki temeljijo na arhitekturi transformerjev in napovedovanju naslednjih besed. Razložili bomo proces učenja modelov, ki poteka v dveh fazah: obsežno predhodno učenje (pre-training) in kasnejše fino prilagajanje (fine-tuning). Dotaknili se bomo tudi koncepta žetonov (tokens) in zakaj so pomembni za razumevanje, kako model procesira besedilo, slike in zvok.
Ta sklop obravnava odgovorno rabo AI orodij. Poudarek je na načelu, da naj bo AI raziskovalni asistent, ki pomaga pri strukturi in iskanju virov, ne pa mentor ali avtor vsebine. Obravnavali bomo primere napak iz prakse (npr. izmišljeni sodni primeri) in tveganja pri oddaji nalog, generiranih z AI, vključno z vprašanjem plagiatov in detektorjev AI vsebin.
Raziskali bomo, zakaj modeli "halucinirajo" oz. podajajo prepričljive, a neresnične odgovore – ker ne poznajo resnice, ampak le napovedujejo verjetnost. Naučili se bomo prepoznati tipe halucinacij, kot so izmišljene letnice ali neobstoječe reference, ter spoznali metode za preverjanje točnosti (npr. zahteva po citatih, navzkrižno preverjanje z drugimi modeli).
Predstavili bomo tehnike za pisanje boljših pozivov, vključno z metodo AIM (Actor, Input, Mission), kjer modelu določimo vlogo, vhodne podatke in točno nalogo. Poudarili bomo pomen dodajanja konteksta, iterativnega izboljševanja vprašanj in usmerjanja modela, da se izogne splošnim ali napačnim odgovorom.
Naredili bomo pregled aktualnih modelov na trgu, kot so ChatGPT, Google Gemini in drugi. Razložili bomo razlike med "instant" modeli in tistimi, ki "razmišljajo" (reasoning models), ter kdaj uporabiti katerega. Omenili bomo tudi razliko med zaprtimi modeli in lokalnimi modeli (npr. Llama), ki jih lahko poganjamo na lastni opremi za večjo zasebnost.
Povezali bomo uporabo AI s standardno strukturo znanstvenih člankov IMRAD (Introduction, Methods, Results, and Discussion).
Praktična demonstracija nabora orodij, ki presegajo zmožnosti navadnega ChatGPT-ja.
Iskanje in analiza virov: Uporaba orodij SciSpace, Perplexity in Elicit za iskanje relevantnih znanstvenih člankov in odgovarjanje na podlagi preverjenih virov.
Organizacija in študij: Uporaba Google NotebookLM za ustvarjanje povzetkov, zvočnih razlag in miselnih vzorcev iz lastnih zapiskov.
Vizualizacija: Uporaba Litmaps za prikaz povezav med citati in iskanje ključnih avtorjev.
Pisanje in preverjanje: Omemba orodij za pomoč pri pisanju (Jenni AI) in preverjanje kakovosti člankov (Testify).
Zaključni del, namenjen samostojnemu delu, kjer udeleženci izberejo eno izmed predstavljenih orodij, ga preizkusijo na svojem primeru (npr. iskanje literature za nalogo).