نقش مدل‌های زبانی بزرگ در خودکارسازی فرایند کشف دانش: معماری، کاربردها و چالش‌ها

نقش مدل‌های زبانی بزرگ در خودکارسازی فرایند کشف دانش: معماری، کاربردها و چالش‌ها

علی ایرانی منش1 محمد قنبری2 احسان سلیمانی دهکردی3

1) دانشجوی کارشناسی پیوسته نرم افزار، داشنگاه ملی
2) دانشجوی کارشناسی پیوسته نرم افزار، داشنگاه ملی
3) دانشجوی دکتری مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد میبد، میبد،

کد IOI مقاله : AAHD-ABEDBH
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    در عصر دیجیتال حاضر، تولید روزافزون و حجم عظیم داده‌ها، استخراج دانش مفید و کاربردی را به یک چالش اساسی تبدیل کرده است. فرایند سنتی کشف دانش از پایگاه داده‌ها (KDD) اغلب نیازمند زمان طولانی و مداخله انسانی گسترده در مراحل پیش‌پردازش، داده‌کاوی و تفسیر نتایج است. با ظهور مدل‌های زبانی بزرگ (LLMs) نظیر OpenAI GPT، پارادایم جدیدی در پردازش اطلاعات و تحلیل متن شکل گرفته است. این مقاله به بررسی نقش کلیدی و تحول‌آفرین مدل‌های زبانی بزرگ در خودکارسازی مراحل مختلف فرایند کشف دانش می‌پردازد. در این پژوهش، پس از مرور مفاهیم پایه و معماری این مدل‌ها، کاربردهای عملی آن‌ها در حوزه‌های مختلف علمی و تجاری بررسی شده و نحوه تعامل آن‌ها با داده‌های ساختاریافته و بدون ساختار تحلیل می‌گردد. نتایج نشان می‌دهد که یکپارچه‌سازی LLMها با سیستم‌های کشف دانش می‌تواند سرعت و دقت استخراج الگوها را به شدت افزایش دهد؛ با این وجود، چالش‌هایی نظیر توهم اطلاعاتی (Hallucination)، سوگیری داده‌ها و مسائل مربوط به حریم خصوصی همچنان به عنوان موانع مهم نیازمند بررسی و مدیریت هستند.

کلمات کلیدی : مدل‌های زبانی بزرگ (llms) کشف دانش (kdd) هوش مصنوعی داده‌کاوی متنی پردازش زبان طبیعی openai gpt