Розроблення та дослідження системи автоматизованого адміністрування блога із залученням штучного інтелекту
Автор: Гладій Назар Андрійович
Кваліфікаційний рівень: магістр
Спеціальність: Системне проєктування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Гладій Н. А., Юрчак І. Ю. (керівник). Розроблення та дослідження системи автоматизованого адміністрування блогу із залученням штучного інтелекту. Магістерська кваліфікаційна робота. – Національний університет «Львівська політехніка», Львів 2025. Розширена анотація. Магістерська кваліфікаційна робота присвячена дослідженню методів генеративного штучного інтелекту та розробленню інтегрованої системи для автоматизації створення контенту в цифрових медіа. Об’єкт дослідження – процес адміністрування контенту в блогах та цифрових медіа в умовах високої конкуренції та інформаційного перевантаження. Предмет дослідження – методи, моделі та алгоритми генеративного штучного інтелекту, зокрема великі мовні моделі для самаризації тексту та дифузійні моделі для генерації візуального контенту. Мета дослідження – полягає у підвищенні ефективності адміністрування цифрових медіа шляхом розробки та впровадження системи, що автоматизує повний цикл підготовки публікації: від генерації текстових анотацій до створення релевантного візуального супроводу. Наукова новизна одержаних результатів полягає у розробці комплексного «генеративного конвеєра», який інтегрує генерацію текстового резюме та автоматичне формування промптів для зображень, а також у створенні «гібридного алгоритму семплювання», що оптимізує баланс між швидкістю та якістю генерації. Дана магістерська кваліфікаційна робота присвячена дослідженню методів генеративного штучного інтелекту та розробленню інтегрованої системи для автоматизації створення контенту в цифрових медіа. Сучасний інформаційний простір характеризується явищем інформаційного перевантаження, що висуває нові вимоги до швидкості публікації та візуальної привабливості матеріалів. Метою даної роботи є проєктування та реалізація системи, що автоматизує повний цикл підготовки публікації: від генерації текстових анотацій до створення унікального візуального супроводу. Розроблений «генеративний конвеєр» поєднує великі мовні моделі та дифузійні нейромережі, забезпечуючи семантичну узгодженість контенту. У першому розділі проаналізовано проблематику адміністрування блогів та існуючі інструменти генерації контенту. Виявлено проблему відсутності інтегрованих рішень, що змушує авторів використовувати розрізнені сервіси. Обґрунтовано вибір технологічного стеку та доцільність модифікації алгоритмів генерації зображень. У другому розділі розглянуто теоретичні основи архітектури Трансформер та дифузійних імовірнісних моделей. Проведено аналіз методів семплювання, що стало підґрунтям для розробки власного алгоритмічного рішення. У третьому розділі детально описано архітектуру розробленої системи та програмну реалізацію ключових компонентів. Основну увагу приділено створенню «гібридного алгоритму семплювання», який динамічно поєднує різні методи інференсу для оптимізації балансу між швидкістю та якістю генерації зображень. У четвертому розділі наведено результати експериментального дослідження системи. Підтверджено ефективність запропонованого гібридного підходу, що забезпечив приріст швидкості генерації на 24,6% при збереженні високої якості зображень, а також продемонстровано високу точність роботи модуля текстових анотацій. В цілому, робота висвітлює результати комплексного дослідження генеративних технологій, що лягло в основу системи автоматизованого адміністрування блогу, та може служити основою для подальшого розвитку інструментів створення контенту в цифрових медіа. Загальний обсяг: 104 сторінок, з яких 2 додатки присвячені лістингу коду обсягом 6 сторінок, 30 рисунків, 5 таблиць. Ключові слова: ГЕНЕРАТИВНИЙ ШТУЧНИЙ ІНТЕЛЕКТ, ВЕЛИКІ МОВНІ МОДЕЛІ, ДИФУЗІЙНІ МОДЕЛІ, ГІБРИДНИЙ АЛГОРИТМ СЕМПЛЮВАННЯ, АВТОМАТИЗАЦІЯ КОНТЕНТУ, OPENAI, STABLE DIFFUSION. Перелік використаних літературних джерел. Attention Is All You Need: A Deep Dive Into The Revolutionary Transformer Architecture [Електронне джерело] – Режим доступу до ресурсу: https://towardsai.net/p/machine-learning/attention-is-all-you-need-a-deep-dive-into-the-revolutionary-transformer-architecture (Дата звернення: 20.11.2025) Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin. Attention Is All You Need (2017) [Електронне джерело] – Режим доступу до ресурсу: https://arxiv.org/pdf/1706.03762 (Дата звернення: 20.11.2025)