Redukce halucinování nástrojů AI v kontextu řešení problémů v procesním inženýrství

Jazykové modely vykazují obrovský potenciál při syntéze informací, avšak v exaktních technických vědách narážejí na fenomén tzv. halucinování – generování fiktivních dat, chybných rovnic či neexistujících citací. V procesním inženýrství může slepá důvěra v AI nástroje vést ke kritickým chybám v návrhu zařízení, podhodnocení rizik či ohrožení bezpečnosti provozu. Tato práce se zaměřuje na vývoj a testování metod pro systematické potlačování chybovosti LLM modelů, jako je nasazení technik RAG (Retrieval-Augmented Generation) nebo pokročilé inženýrské validace.

• Analyzujete mechanismy vzniku halucinací u velkých jazykových modelů při řešení komplexních fyzikálně-chemických a inženýrských úloh.
• Otestujete vybrané pokročilé přístupy (např. RAG, multi-agentní systémy, prompt chaining) na specifické sadě úloh z procesního inženýrství.
• Vyhodnotíte úspěšnost redukce chybovosti a navrhnete doporučení pro bezpečné a spolehlivé využívání AI nástrojů v technickém výzkumu a vývoji.

Získáte unikátní expertní znalosti na pomezí AI inženýrství a klasických technických oborů. Naučíte se navrhovat robustní a ověřené pracovní postupy využívající umělou inteligenci bez rizika procesních selhání.