SLAIF delavnica

Namen in cilji dogodka

Namen dogodka je deležnikom v kmetijstvu omogočiti jasno, realistično in praktično usmerjeno razumevanje velikih jezikovnih modelov (LLM) ter njihove potencialne vloge v slovenskem kmetijstvu.
Udeleženci bodo spoznali, zakaj je pomembneje razvijati kakovostne podatke, prilagojene posameznim strokovnim področjem, in merila za vrednotenje modelov kot pa se osredotočati na posamezne različice modelov. Predstavljena bo tudi vloga nacionalne infrastrukture za umetno inteligenco (SLAIF) pri razvoju rešitev umetne inteligence, prilagojenih posameznim strokovnim področjem in slovenskemu jeziku.

Eden ključnih ciljev dogodka je spodbujanje realističnih pričakovanj, zaupanja in zgodnjega vključevanja prihodnjih uporabnikov. To bo doseženo z odprto obravnavo zmogljivosti in omejitev trenutnih tehnologij umetne inteligence, zlasti v kmetijstvu, kjer so pomembni zakonodajni predpisi in praktična uporabnost rešitev.

Vsebina dogodka

Dogodek predstavlja trenutne aktivnosti na področju razvoja in uporabe velikih jezikovnih modelov v slovenskem kmetijstvu v okviru infrastrukture SLAIF.

Udeleženci bodo na razumljiv način spoznali osnove delovanja velikih jezikovnih modelov, s poudarkom na njihovi uporabnosti, tveganjih in omejitvah v kmetijstvu.

Predstavljena bo predlagana klasifikacija slovenskega kmetijstva, ki vključuje ključne sektorje in podpodročja, ter primeri referenčnih nalog za vrednotenje uspešnosti modelov v slovenskem jeziku.

Prikazani bodo tudi preliminarni rezultati vrednotenja, ki ponazarjajo, kako se obstoječi modeli obnesejo pri izbranih primerih uporabe v kmetijstvu.

Dogodek bo hkrati omogočil strukturirano razpravo za preverjanje predpostavk o uporabnikih, primerih uporabe in pokritosti posameznih kmetijskih sektorjev.

Predstavljena bo tudi namenska spletna aplikacija za zbiranje kakovostnih parov vprašanj in odgovorov ter drugih strokovnih prispevkov, ki bodo podpirali prilagajanje in vrednotenje modelov.

Pričakovani rezultati in pridobljena znanja

Po dogodku bodo udeleženci razumeli pomen podatkov, prilagojenih posameznim strokovnim področjem, meril za vrednotenje in strokovnega preverjanja pri dolgoročnem razvoju rešitev umetne inteligence v kmetijstvu.

Pridobili bodo realistično predstavo o tem, kaj trenutni veliki jezikovni modeli v slovenskem kmetijstvu zmorejo in česa še ne, ter razumeli, kako nacionalna infrastruktura za umetno inteligenco podpira njihovo prilagajanje.

Udeleženci bodo znali kritično presojati predlagane primere uporabe in merila za vrednotenje z vidika praktičnih potreb kmetijstva.

Prav tako bodo pridobili znanje in usmeritve za aktivno sodelovanje pri nadaljnjem razvoju in vrednotenju orodij umetne inteligence za slovensko kmetijstvo, in sicer s prispevanjem strokovnega znanja, povratnih informacij in strukturiranih podatkov.