.tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="9d371cc4f1740103f1f3a13231de6b3b"] { border-radius: 7px;padding: 25px;border: 1px solid rgba( 166, 55, 189, 0.55 ); } .tb-field[data-toolset-blocks-field="d63a74801051d3090d414a4114fd48a8"] { font-size: 14px;color: rgba( 61, 61, 61, 1 ); }  .tb-field[data-toolset-blocks-field="1aaccac0f35d2dcbfd4eeb0d2db900be"] { font-weight: bold;color: rgba( 155, 81, 224, 1 ); }  .tb-field[data-toolset-blocks-field="1aaccac0f35d2dcbfd4eeb0d2db900be"] a { font-weight: bold; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] { grid-template-columns: minmax(0, 0.78fr) minmax(0, 0.22fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="7fab3b54ecc84e84e44e228bf81b136d"] { background: rgba( 6, 147, 227, 1 );padding: 25px; } .tb-field[data-toolset-blocks-field="40342d89b265453b0eb1e41dc19edc71"] { font-weight: bold;text-transform: uppercase;color: rgba( 255, 255, 255, 1 ); }  .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; }     .tb-field[data-toolset-blocks-field="e31dcba0cffe97b01fb1391fd3e75aba"] a { color: rgba( 6, 147, 229, 0.58 );text-decoration: none;text-transform: uppercase; } .tb-field[data-toolset-blocks-field="ad082096fbb52a749a0892295378f993"] { text-transform: uppercase;color: rgba( 123, 220, 181, 1 ); }  .tb-field[data-toolset-blocks-field="ad082096fbb52a749a0892295378f993"] a { color: rgba( 0, 209, 132, 0.48 );text-decoration: none;text-transform: uppercase; } h1.tb-heading[data-toolset-blocks-heading="19e80d956559bebc21e8928194d671d2"]  { text-transform: uppercase; }  @media only screen and (max-width: 781px) { .tb-container .tb-container-inner{width:100%;margin:0 auto}  .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] { grid-template-columns: minmax(0, 0.5fr) minmax(0, 0.5fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; }        } @media only screen and (max-width: 599px) { .tb-container .tb-container-inner{width:100%;margin:0 auto}  .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] { grid-template-columns: minmax(0, 1fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"]  > .tb-grid-column:nth-of-type(1n+1) { grid-column: 1 } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; }        } 

Технический проект «Исследование влияния различных режимов адаптивного поведения AI-чатбота DUMB-AI на качество ответов при решении задач разных типов»

технический проект

Информатика

Автор: Лайша Арсений Александрович

Место работы/учебы: ГУО «Колодищанская средняя школа №2», Республика Беларусь, 9 класс

Научный руководитель: Пашкевич Артем Валерьевич, учитель информатики

Аннотация

Актуальность работы обусловлена активным развитием технологий искусственного интеллекта и распространением AI-чатботов, способных изменять характер своего поведения в зависимости от заданных параметров.

Цель исследования: определить влияние различных режимов адаптивного поведения AI-чатбота DUMB-AI на качество ответов при решении задач разных типов.

Для достижения цели были поставлены следующие задачи:

изучить подходы к оцениванию качества ответов языковых моделей;
определить критерии оценки ответов DUMB-AI;
провести эксперимент с использованием трёх режимов;
сравнить количество правильных и неправильных ответов;
классифицировать ошибки;
определить различия между режимами и оценить практическую значимость результатов.

Объект исследования: AI-чатбот DUMB-AI. Предмет — зависимость качества ответов DUMB-AI от выбранного режима адаптивного поведения.

Гипотеза исследования: изменение режима адаптивного поведения AI-чатбота влияет на качество его ответов, при этом повышение уровня адаптивного поведения может приводить к увеличению доли правильных решений.

Методы исследования: анализ литературы, эксперимент, сравнение результатов, количественный анализ, классификация ошибок и интерпретация данных.

Практическая значимость заключается в возможности использовать результаты эксперимента для совершенствования DUMB-AI, в частности для разработки механизма выбора режима ответа в зависимости от типа и сложности задачи.

Результаты

В ходе исследования были получены и сравнены ответы DUMB-AI в трёх режимах адаптивного поведения: DUMB, NORMAL и GENIUS. Проведён анализ результатов выполнения 20 задач различных типов, выполнена статистическая обработка полученных данных и классификация допущенных ошибок. Полученные результаты позволили выявить различия в качестве ответов между режимами и определить особенности их влияния на решение задач разных типов. Поставленная цель исследования достигнута, а гипотеза получила экспериментальную проверку. Практическим результатом работы является разработанный и протестированный прототип AI-чатбота DUMB-AI, который может быть в дальнейшем усовершенствован за счёт расширения системы адаптации и увеличения количества тестовых заданий.