|
|
Systém pro rozpoznávání dezinformací v prostředí webu
Večerka, Lukáš ; Žádník, Martin (oponent) ; Strnadel, Josef (vedoucí práce)
Tato práce se zabyvá návrhem, realizací a ověřením systému pro automatické rozpoznávání dezinformací v prostředí webu. Představuje problematiku šíření dezinformací v online prostředí a jeho dopad na společnost. Zaměřuje se na trénování několika Českych transformers jazykovych modelů pro rozpoznání dezinformací a dále na automatickou extrakci obsahu článků z českych internetovych novin a jejich analyzu využitím klasifikace textu a zpracování přirozeného jazyka pomocí metod hlubokého učení. Vysledky těchto analyz jsou pak prezentovány na webovém uživatelském rozhraní s cílem poskytnout platformu pro ověření článků, autorů a zdrojů. Rozhraní by mohlo byt použito k anotaci dat experty pro průběžné vylepšování jazykovych modelů.
|
|
|
Využití umělé inteligence pro automatizaci obchodování na burze
Čermák, František ; Hůlka, Tomáš (oponent) ; Matoušek, Radomil (vedoucí práce)
Tahle diplomová práce se zabývá využitím umělé inteligence pro automatizaci obchodování na burze. Hlavním cílem bylo prozkoumat současné technologie aplikované v algoritmickém obchodování a následně navrhnout a vyvinout automatizovaný obchodní systém využívající umělou inteligenci. Práce se zaměřuje na různé aspekty algoritmického obchodování, včetně vysokofrekvenčního obchodování, cloudových řešení, strojového učení, blockchainu a smart contracts. Dále zkoumá aplikace umělé inteligence v obchodování, jako je prediktivní analytika a zpracování přirozeného jazyka, a diskutuje etické a regulační výzvy spojené s touto technologií. Návrh a vývoj automatizovaného obchodního systému je popsán detailně, včetně architektury systému, volby programovacích jazyků a nástrojů, a implementace obchodních algoritmů. Výsledky ukazují, že využití umělé inteligence může výrazně zvýšit efektivitu a přesnost obchodování na burze, avšak je třeba vzít v úvahu technologická a etická rizika. Tato práce přináší významný příspěvek k výzkumu v oblasti algoritmického obchodování a poskytuje základy pro další výzkum v optimalizaci obchodních algoritmů a integraci nových technologií.
|
|
|
Detection of key information in emergency calls
Sarvaš, Marek ; Plchot, Oldřich (oponent) ; Schwarz, Petr (vedoucí práce)
Emergency calls are usually made under extremely stressful conditions, where callers often provide crucial information rapidly, making it difficult for emergency line agents to capture all details accurately. This can result in repeated questions about information that was already provided and cause delays in response times from emergency services. This work aims to mitigate this problem and potentially speed up the response of emergency services by deploying a neural network models for information extraction, specifically targeting the Named Entity Recognition (NER) task. This work explores various Transformer-based approaches for NER task, such as pre-trained encoder-only, encoder-decoder (sequence-2-sequence) and Large Language Models. The best models achieved state-of-the-art results on publicly available Czech NER datasets. In addition, new NER datasets were created from available recordings of real emergency calls and the corresponding metadata. The models were trained and evaluated on the created datasets successfully achieving reasonable performance in name and location extraction.
|
|
|
ChatGPT: Principles, benefits and pitfalls
Ulman, Daniel ; Ellederová, Eva (oponent) ; Šedrlová, Magdalena (vedoucí práce)
The rapid advancements in the field of artificial intelligence over the past few years suggest that humanity is likely to rely more and more on AI in various fields. Among these fields, chatbots have become an exciting emerging domain within artificial intelligence. In this bachelor thesis, the evolution of artificial intelligence is presented initially, providing context for the core principle of chatbot operation. The inner workings of chatbots are then described, and several types of chatbots are introduced according to different classifications. These facts lay the groundwork for the main topic of this thesis, ChatGPT. Findings from the literature review show that large language models, exemplified by ChatGPT, may be a turning point in human interaction with AI, opening up new possibilities in the digital era but also raising concerns about its pitfalls.
|
|
|
Generating Code from Textual Description of Functionality
Zobal, Ondřej ; Nosko, Svetozár (oponent) ; Smrž, Pavel (vedoucí práce)
This thesis is concerned with the development of an extension for the Visual Studio Code editor that helps developers maintain code quality in Python 3 by generating comments and docstrings and suggesting new names for variables. The extension was also supposed to include a bug fixing system, but unfortunately it failed to become effective. The system uses large Transformer language models with sparse attention for processing results. Unfortunately, the results do not compete with current competition such as GPT-3.5-turbo.
|
|
|
Automatic Additions and Corrections of Wikidata and Wikipedia Based on Information Extraction
Hložek, Matej ; Otrusina, Lubomír (oponent) ; Smrž, Pavel (vedoucí práce)
This bachelor's thesis is focused on creation of system for automatic extraction of data from articles in English language from internet encyclopedia site Wikipedia. Depending on class given by text classifier, different types of information are extracted from natural language text and from so called infoboxes of individual articles from Wikipedia. Final product of this system is a knowledge base containing all extracted data and classified type. A notable part of this system is an article extractor that extracts infoboxes and first paragraphs of articles from so called wikidump file.
|
|
|
Application for Detection of Fake News
Zádrapa, Jan ; Holop, Patrik (oponent) ; Malinka, Kamil (vedoucí práce)
The problem of Fake News is one of the most significant problems in our modern society. Millions of people read Fake News articles every day without knowing it. This problem creates a risk worldwide as society is getting polarised, and elections are manipulated by third parties using propaganda. Unfortunately, there are not enough tools to help solve the problem of Fake News detection in the Czech language. This thesis aims to create a tool to help these people recognise Fake News and introduce them commonly used manipulation techniques in text.
|
|
|
Automatický přepis řeči letecké komunikace do textu
Nevařilová, Veronika ; Veselý, Karel (oponent) ; Szőke, Igor (vedoucí práce)
Tato práce se zabývá adaptací Whisperu, modelu automatického rozpoznávání řeči vyvinutého společností OpenAI, na českých a anglických záznamech letecké komunikace. Poskytuje základní vhled do problematiky rozpoznávání řeči, neuronových sítí a modelů stavěných na transformer architektuře. Popsány jsou také sběr a anotace dat a nakonec průběh a porovnání učení na dvou různých formách přepisu – plném, kdy se model učí přepisovat nahrávky slovo od slova, a zkráceném, který je snadnější pro rychlé vyhledávání informací v textu a přirozenější pro řídící letového provozu.
|
|
|
Komunikační agent pro informace o Brně
Neprašová, Kateřina ; Fajčík, Martin (oponent) ; Smrž, Pavel (vedoucí práce)
Tato diplomová práce se zaměřuje na doménově specifické komunikační agenty, cílem je vytvořit funkčního komunikačního agenta pro turisty i místní obyvatele Brna, poskytujícího relevantní a aktuální informace podle individuálních potřeb uživatelů. Popisuje velké jazykové modely, analyzuje existující technologie pro doménově specifické komunikační agenty a jejich tvorbu. Soustředí se na vytváření znalostní báze a implementaci efektivního dialogového rozhraní s využitím generování s rozšířeným vyhledáváním (RAG), přičemž srovnává vybrané jazykové modely na různých úlohách.
|
|
|
Application for collecting security event logs from computer infrastructure
Žernovič, Michal ; Dobiáš, Patrik (oponent) ; Safonov, Yehor (vedoucí práce)
Computer infrastructure runs the world today, so it is necessary to ensure its security, and to prevent or detect cyber attacks. One of the key security activities is the collection and analysis of logs generated across the network. The goal of this bachelor thesis was to create an interface that can connect a neural network to itself to apply deep learning techniques. Embedding artificial intelligence into the logging process brings many benefits, such as log correlation, anonymization of logs to protect sensitive data, or log filtering for optimization a SIEM solution license. The main contribution is the creation of a platform that allows the neural network to enrich the logging process and thus increase the overall security of the network. The interface acts as an intermediary step to allow the neural network to receive logs. In the theoretical part, the thesis describes log files, their most common formats, standards and protocols, and the processing of log files. It also focuses on the working principles of SIEM platforms and an overview of current solutions. It further describes neural networks, especially those designed for natural language processing. In the practical part, the thesis explores possible solution paths and describes their advantages and disadvantages. It also analyzes popular log collectors (Fluentd, Logstash, NXLog) from aspects such as system load, configuration method, supported operating systems, or supported input log formats. Based on the analysis of the solutions and log collectors, an approach to application development was chosen. The interface was created based on the concept of a REST API that works in multiple modes. After receiving the records from the log collector, the application allows saving and sorting the records by origin and offers the user the possibility to specify the number of records that will be saved to the file. The collected logs can be used to train the neural network. In another mode, the interface forwards the logs directly to the AI model. The ingestion and prediction of the neural network are done using threads. The interface has been connected to five sources in an experimental network.
|
host ::
RSS.