1. |
2. Razvoj specializiranega velikega jezikovnega modela za analizo medijskih besedilJon Petek, 2026, ni določena Opis: Magistrska naloga obravnava razvoj specializiranega velikega jezikovnega modela za slovenščino, namenjenega celoviti analizi medijskih besedil. V ospredju je izziv obvladovanja dezinformacij, pristranskosti in polarizacije medijskega prostora, ki zahteva napredna orodja za podporo medijski pismenosti in preverjanju dejstev. Razvita rešitev združuje večopravilno arhitekturo, ki omogoča sočasno izvajanje štirih ključnih nalog: tematsko kategorizacijo, analizo sentimenta, zaznavanje politične pristranskosti ter ocenjevanje verodostojnosti virov.
V raziskavi je bil zbran in anotiran obsežen korpus slovenskih medijskih besedil, ki je služil kot učna zbirka za prilagoditev (fine-tuning) obstoječega transformacijskega modela GaMS-9B-Instruct. Nastali model, poimenovan »Klasifikacijski model za medijsko analizo« (KMMA), uporablja večglavo arhitekturo, kjer skupna jedrna plast deli predstavitve med nalogami, izhodne plasti pa so specializirane za posamezne analize. Tak pristop omogoča prenos znanja med nalogami in povečuje robustnost klasifikacije.
Rezultati evalvacije na ločenem testnem naboru 518 člankov so pokazali izrazito prednost KMMA v primerjavi z odprtokodnim modelom Qwen2.5-7B-Instruct in osnovnim GaMS-9B-Instruct. Povprečna natančnost našega modela presega 90 %, pri čemer dosega uravnotežene metrike makro-F1 za vse razrede. Pri tematski kategorizaciji je natančnost dosegla 93,6 %, pri analizi sentimenta 85,1 %, pri detekciji politične pristranskosti skoraj 89 %, pri oceni verodostojnosti pa 88 %. V nasprotju z obema primerjalnima modeloma KMMA uspešno prepoznava tudi redkejše razrede in ne favorizira večinskih.
Na koncu lahko sklenemo, da je naloga uspešno dosegla zastavljene cilje. Razviti model predstavlja prvo večopravilno rešitev v slovenskem jeziku, ki omogoča zanesljivo in razložljivo analizo medijskih vsebin ter pomembno prispeva k razvoju digitalnih orodij za spremljanje kakovosti in objektivnosti slovenskega medijskega prostora.
Ključne besede: veliki jezikovni modeli, umetna inteligenca, analiza, klasifikacija, slovenski medijski prostor
Objavljeno v ReVIS: 14.01.2026; Ogledov: 178; Prenosov: 1
 Celotno besedilo (1,78 MB) |
3. UMETNA INTELIGENCA KOT ORODJE ZA OPTIMIZACIJO POSLOVNIH PROCESOVSandi Kramberger, 2025, ni določena Opis: Delo predstavlja uvid v poznavanje izzivov podjetij pri uvajanju UI, koristi uporabe UI in dobre prakse podjetij, ki so v svoje procese UI že uvedla, ter podaja priporočila podjetjem, ki razmišljajo o uporabi UI za optimizacijo svojih poslovnih procesov.
Raziskava med 71 MSP iz Slovenije, ki so UI že uvedla, je pokazala, da je najpogostejši izziv pri uvajanju UI zagotavljanje zasebnosti podatkov, pa tudi skrb glede kibernetske varnosti.
Proces, za katerega so MSP najprej uvedli in uporabljajo UI, je kadrovski, finančni ter proces
IT podpore, proizvodni proces, najpogostejši razlogi za uvajanje UI pa zmanjšanje stroškov,
povečanje kakovosti in konkurenčnosti. Ugotovljene koristi uporabe UI so boljša produktivnost pri vsakodnevnih nalogah, zmanjšanje rutinskih in ponavljajočih se opravil, večja natančnost ter zanesljivost pri delu, izboljšanje kakovosti storitev – izdelkov in izboljšana kakovost odločitev.
Ugotovili smo pozitivno izkušnjo MSP-jev z implementacijo UI z vidika izboljšanja učinkovitosti procesov v podjetju, zmanjšanja stroškov dela, hitrega prilagajanja zaposlenih
UI, prav tako se je povečalo zadovoljstvo strank. Implementacija UI je izpolnila pričakovanja MSP-jev glede ROI (donosnosti naložbe), izboljšala je odločanje v podjetju, komunikacija je postala bolj učinkovita. Posledično je podjetje pridobilo na konkurenčni prednosti. Na podlagi rezultatov raziskave smo podali priporočila za podjetja, ki razmišljajo o uporabi UI.
Ključne besede: Umetna inteligenca, optimizacija, učinkovitost, poslovni procesi, MSP.
Objavljeno v ReVIS: 13.01.2026; Ogledov: 121; Prenosov: 7
Celotno besedilo (1,42 MB) |
4. OCENA SPOSOBNOSTI NAČRTOVANJA VELIKIH JEZIKOVNIH MODELOV Z UPORABO TESTA TOWER OF LONDONKatarina Žužek, 2025, ni določena Opis: V sodobni umetni inteligenci je razumevanje zmožnosti strateškega načrtovanja velikih jezikovnih modelov ključnega pomena, saj ti modeli dosegajo izjemen napredek pri obdelavi naravnega jezika in reševanju kompleksnih intelektualnih izzivov. Kljub napredku ostajajo njihove sposobnosti na področju strateškega načrtovanja, ključne za kompleksno razmišljanje, relativno premalo raziskane. Načrtovanje, kot temeljna izvršilna funkcija, vključuje zastavljanje ciljev, oblikovanje strategij in predvidevanje posledic, kar zahteva strukturirano in dolgoročno razmišljanje. V tej študiji se uporablja kognitivni test Tower of London, uveljavljen psihološki instrument, ki z nalogami preurejanja kroglic na treh palicah meri logično razmišljanje in strateške odločitve petih sodobnih velikih jezikovnih modelov – DeepSeek V3, Grok - 3, Gemini 2.0 Flash, Qwen 235B-A22B in Mistral 12B – za ovrednotenje njihove sposobnosti razumevanja navodil in reševanja nalog različnih zahtevnosti. Besedilni opisi nalog omogočajo standardizirano oceno kognitivnih zmogljivosti, medtem ko analiza v programskem okolju Python kaže razlike v uspešnosti glede na arhitekturo modelov in kompleksnost nalog. Pomembno je, da modeli ostanejo dosledni pri interpretaciji navodil in pravil premikanja, saj s tem prispevajo k zanesljivosti rezultatov. Empirični del raziskave osvetljuje potencial modelov za simulacijo kognitivnih procesov, hkrati pa opozarja na omejitve pri obvladovanju zahtevnih nalog. Metodologija vključuje uporabo ponavljajočih se meritev, binomski test, Friedmanov test s post-hoc analizo in opisno obravnavo nalog z visoko zahtevnostjo. Kognitivno testiranje je v kontekstu ocenjevanja velikih jezikovnih modelov še posebej pomembno, saj lahko pravočasno in natančno pripravljene analize pomagajo pri razumevanju mej in možnosti teh tehnologij. S tem delom želimo povezati kognitivno znanost in umetno inteligenco ter odpreti priložnosti za uporabo standardiziranih testov pri ocenjevanju naprednih kognitivnih funkcij velikih jezikovnih modelov.
Ključne besede: umetna inteligenca, veliki jezikovni modeli, Tower of London, izvršilne funkcije, načrtovanje.
Objavljeno v ReVIS: 19.12.2025; Ogledov: 199; Prenosov: 7
Celotno besedilo (1,40 MB) |
5. Kalibracija merilnih dispenzorjev : magistrska nalogaMihael Pleteršnik, 2025, magistrsko delo Opis: Magistrska naloga obravnava razvoj in optimizacijo kalibracijskega postopka za merilne dispenzorje, ki je ključen za zagotavljanje točnih, ponovljivih in zanesljivih meritev. Naloga vključuje podroben pregled relevantnih standardov (SIST EN ISO8655, ISO/TR 20461, ISO/IEC 17025, GMP, GAMP, FDA 21 CFR Part 11, EU GMP Annex 11), razvoj strukturiranega kalibracijskega protokola in specifikacijo zahtev za napreden meroslovno-informacijski sistem, ki podpira avtomatizacijo merilnih postopkov. Poudarek je tudi na integraciji umetne inteligence za izboljšanje natančnosti, hitrosti in zanesljivosti kalibracijskih procesov.
Ključne besede: kalibracija, merilni dispenzorji, avtomatizacija, ISO 8655, informacijski sistem, umetna inteligenca, merilna negotovost
Objavljeno v ReVIS: 11.12.2025; Ogledov: 223; Prenosov: 2
Celotno besedilo (2,26 MB) |
6. MODELI POSLOVANJA BREZ ZAPOSLENIH: KAKO UMETNA INTELIGENCA IN AVTOMATIZACIJA OBLIKUJETA PODJETJA PRIHODNOSTITomaž Erjavec, 2025, ni določena Opis: Magistrsko delo obravnava razvoj in delovanje podjetij, ki temeljijo na visoki stopnji avtomatizacije in umetne inteligence ter nimajo klasične strukture zaposlenih. Namen raziskave je bil razumeti, kako umetna inteligenca in digitalne tehnologije omogočajo oblikovanje poslovnih modelov brez zaposlenih, kakšne prednosti ti modeli prinašajo in kako jih zaznavajo uporabniki.
Uporabljen je bil kombiniran raziskovalni pristop, ki vključuje kvalitativno analizo petih podjetij (Zapier, Copy.ai, Replika, DoNotPay, Runway) in kvantitativno anketo s 137 anketiranci. Rezultati potrjujejo, da so podjetja brez zaposlenih stroškovno učinkovita in visoko skalabilna, vendar uporabniki izražajo nizko stopnjo zaupanja, zlasti v primerih, kjer ni možnosti človeške interakcije ali jasne odgovornosti.
Ugotovitve kažejo, da je za dolgoročno uspešnost tovrstnih podjetij ključno, da poleg tehnološke odličnosti vključujejo tudi etične smernice, transparentnost in regulativne mehanizme. Delo ponuja teoretične uvide in praktična priporočila za podjetnike ter oblikovalce politik v dobi digitalnega gospodarstva.
Ključne besede: umetna inteligenca, avtomatizacija, poslovni modeli, podjetja brez zaposlenih, digitalna transformacija.
Objavljeno v ReVIS: 04.12.2025; Ogledov: 260; Prenosov: 5
Celotno besedilo (1,88 MB) |
7. |
8. |
9. |
10. |
