PRIMENA VELIKIH JEZIČKIH MODELA U NAUČNOM ISTRAŽIVANJU

Abstract

Veliki jezički modeli predstavljaju prekretnicu u naučnim istraživanjima, omogućavajući unapređivanje procesa analize i obrade tekstualnih podataka. Ovaj rad predstavlja deskriptivnu analizu primene velikih jezičkih modela u tehničkim naukama, sa fokusom na metodologije inženjeringa upita i generisanja sadržaja prikupljanjem. Hronološki pregled razvoja od 2022. do 2025. godine pokazuje evoluciju od eksperimentalnih alata do nezaobilaznih komponenti istraživačke infrastrukture. Stopa upotrebe u računarskim naukama dostigla je 17,5%, sa projekcijom rasta na 40-50% do kraja 2025. godine. Ključni rezultati ukazuju na uštedu vremena od 37% uz poboljšanje kvaliteta od 18% u akademskim zadacima. Specijalizovani veliki jezički modeli nadmašuju ljudsku ekspertizu - BrainGPT postiže 86% tačnosti u predviđanju neurobioloških eksperimenata nasuprot 63% kod eksperata. Metodološke inovacije omogućile su dramatičnu redukciju halucinacija sa 39,6% (GPT-3.5) na 28,6% (GPT-4), dok najnoviji modeli postižu stope halucinacija ispod 1%. Komparativna analiza pokazuje da GPT-4o vodi sa 90,2% na MMLU merenjima, Claude 3.5 Sonnet prednjači u kodiranju sa 92,1%, dok Gemini 2.0 Flash postiže najnižu stopu halucinacija od 0,7%. Analiza obuhvata automatizovani pregled literature, kategorizaciju apstrakata, podršku u pisanju rukopisa, i autonomne istraživačke sisteme. Rad identifikuje izazove poput halucinacija i etičkih pitanja, preporučujući hibridne pristupe i standardizovane protokole za evaluaciju.