Informācijas un komunikācijas tehnoloģijas terminu izstrādes automatizācijas iespējas

Abstract

Bakalaura darba tēma ir pētījums par terminu atveides procesa atsevišķu daļu automatizēšanas iespējām, galvenokārt koncentrējoties uz pašlaik eksistējošu risinājumu daļēju automatizāciju, kā arī veicot izpēti par mākslīgā intelekta (MI) pielietojuma iespējām. Šis darbs sastāv no vairākām daļām. Pirmajā daļā tiek aprakstīts sekundāras terminrades process Latvijas Zinātņu akadēmijas Informācijas tehnoloģijas, telekomunikācijas un elektronikas apakškomisijā (LZA ITTEA) un tā procesa daļas, kā arī ieskats par iespējamajām prasībām terminrades rīkam. Otrajā daļā tiek aprakstīta programmatūras izstrāde ar mērķi atvieglot terminu atveides procesam nepieciešamās informācijas ieguvi, šādā veidā atvieglojot terminu nozīmju un terminu izmantošanas piemēru iegūšanu. Rezultātā tika izveidota programmatūra, kur iespējama pusautomātiska terminu nozīmju un terminu lietošanas piemēru iegūšana no lietotāja norādītiem avotiem. Trešajā daļā tiek aprakstīta izpēte par mākslīgā intelekta rīku izmantošanas iespējām terminrades procesa atsevišķās daļās. Darbā tika padziļināti pētīti: 1. dažādu mākslīgo intelektu rīki (ChatGPT, Copilot, Gemini) iespējas piedāvāt terminu atveidi, ja dotas terminu definīcijas; 2. kādu nozīmi dažādi mākslīgo intelektu rīki atgriež to atveidotajiem terminiem; 3. vai mākslīgais intelekts spēj radīt terminus; 4.vai mākslīgā intelekta rīku radītie termini ir jēgpilni. Pētījumā tiek pārbaudīta mākslīgā intelekta rīku spēja atpazīt terminu, ja tam ir dots termina skaidrojums, kā arī pārbaudīts, kā tie izskaidro terminu. Bakalaura darbā tika pabeigta kursa darbā iesāktās programmas izstrāde un tika veikts pētījums par mākslīgo intelekta rīku pielietojumu terminrades procesa daļās. Pētījuma rezultātā tika gūts ieskats mākslīgo intelektu spējā veikt sekundāro terminradi. Tika izprasts vairāku populārāko MI rīku stiprās un vāļās puses, kādiem sekundārās terminrades procesiem tos var lietot, piemēram, lai pārbaudītu atveidojumu pašsaprotamību.

The topic of the bachelor's thesis is research on the possibilities of automating parts of the term rendering process, if necessary, on currently existing partial automation, as well as conducting research on the possibilities of using artificial intelligence (AI) in term rendering. The work consists of several parts: The first part describes the secondary term creation process in Latvian Academy of Sciences Subcommittee of Information technology, telecommunication, and electronics and the parts of the process that can be automated. It also provides an overview of potential requirements for software that could be used to create terms. The second part describes the development of software with the aim of facilitating the acquisition of information necessary for the process of rendering terms, thus facilitating the acquisition of term meanings and examples of term usage. As a result, software was developed where it is possible to semi-replace the acquisition of term meanings and examples of term usage from user specified sources. The third part describes research on the possibilities of artificial intelligence tools in the use parts of the term creation process. The following aspects are studied in depth: 1. The possibilities of various artificial intelligence tools (ChatGPT, Copilot, Gemini) to offer term rendering if term definitions are given; 2. What meaning do different artificial intelligences return for the terms they offer; 3. Is artificial intelligence able to create terms; 4. Verify if these terms are meaningful. The research examines the AI's ability to recognize a term when given an explanation of the term, as well as how they explain different terms. In this bachelor's thesis, the development of the program started in course work was completed, and a research was carried out on the use of Artificial Intelligence in the development of terms. As a result of the research, there is an insight into the ability of artificial intelligence’s ability to carry out secondary term creation as well as into some of the popular AI solution strengths and weaknesses and for what parts of the secondary term creation process they can be used (for example, to verify how self-explaining are created terms).