Ανάπτυξη Εξειδικευμένου Chatbot με Χρήση Τεχνητής Νοημοσύνης για τη Γραμμική Άλγεβρα

Abstract

Η παρούσα διπλωματική εργασία εστιάζει στον σχεδιασμό, την υλοποίηση και την αξιολόγηση του IHU Linage, ενός καινοτόμου ψηφιακού βοηθού (AI Agent) που στοχεύει στον εκσυγχρονισμό της διδασκαλίας και της υποστήριξης των φοιτητών στο αντικείμενο της Γραμμικής Άλγεβρας. Η ανάγκη για τη δημιουργία ενός τέτοιου συστήματος προέκυψε από τη διαπίστωση ότι, παρά την ευρεία εξάπλωση των Μεγάλων Γλωσσικών Μοντέλων (LLMs), η χρήση τους σε αυστηρά επιστημονικά πεδία συχνά περιορίζεται από το φαινόμενο των μαθηματικών «παραισθήσεων» (hallucinations) και την αδυναμία παροχής έγκυρων βιβλιογραφικών παραπομπών.

Η προτεινόμενη λύση βασίζεται στην αρχιτεκτονική Retrieval-Augmented Generation (RAG), η οποία λειτουργεί ως γέφυρα μεταξύ της παραγωγικής ευφυΐας των LLMs και της ακρίβειας των ακαδημαϊκών πηγών. Η μεθοδολογία που ακολουθήθηκε περιλαμβάνει τη δημιουργία μιας εξειδικευμένης γνωσιακής βάσης, στην οποία ψηφιοποιήθηκαν και τμηματοποιήθηκαν (chunking) επιλεγμένα πανεπιστημιακά συγγράμματα Γραμμικής Άλγεβρας. Τα δεδομένα αυτά μετατράπηκαν σε διανυσματικές αναπαραστάσεις (embeddings) και αποθηκεύτηκαν στη διανυσματική βάση δεδομένων Pinecone, επιτρέποντας στο σύστημα να εκτελεί σημασιολογική αναζήτηση (semantic search) και να ανακτά τα πλέον σχετικά αποσπάσματα πριν από τη σύνθεση οποιασδήποτε απάντησης.

Στο τεχνικό επίπεδο, η εφαρμογή αναπτύχθηκε με το framework Django, διασφαλίζοντας ένα σταθερό και επεκτάσιμο back-end περιβάλλον. Για την παραγωγή του λόγου χρησιμοποιήθηκε το μοντέλο Llama 3 μέσω της υποδομής Groq, εξασφαλίζοντας εξαιρετικά χαμηλούς χρόνους απόκρισης (latency). Ιδιαίτερη έμφαση δόθηκε στη διεπαφή χρήστη (Front-end), όπου με τη χρήση της βιβλιοθήκης MathJax επιτεύχθηκε η ορθή και ποιοτική απεικόνιση σύνθετων μαθηματικών τύπων και πινάκων σε μορφή LaTeX, προσομοιάζοντας τη μορφή των έντυπων συγγραμμάτων.

Επιπλέον, το IHU Linage ενσωματώνει ένα ολοκληρωμένο σύστημα Analytics, το οποίο επιτρέπει την παρακολούθηση της αλληλεπίδρασης των χρηστών, τη διαχείριση της συγκατάθεσης για ερευνητικούς σκοπούς και την εξαγωγή στατιστικών δεδομένων σχετικά με τη χρήση του συστήματος. Η αξιολόγηση της εφαρμογής κατέδειξε ότι η χρήση του RAG εξαλείφει σχεδόν πλήρως τις ανακρίβειες, ενώ η αυτόματη παράθεση των πηγών ενισχύει την ακαδημαϊκή ακεραιότητα και την εμπιστοσύνη των φοιτητών. Η εργασία καταλήγει στο συμπέρασμα ότι τέτοιου είδους υβριδικά συστήματα μπορούν να αποτελέσουν έναν πολύτιμο ψηφιακό βοηθό, συμπληρώνοντας τη φυσική διδασκαλία και προωθώντας την αυτόνομη μάθηση στην τριτοβάθμια εκπαίδευση.This thesis focuses on the design, implementation, and evaluation of IHU Linage, an innovative digital assistant (AI Agent) aimed at modernizing teaching and student support in the field of Linear Algebra. The necessity for such a system arose from the observation that, despite the widespread adoption of Large Language Models (LLMs), their application in rigorous scientific domains is often hindered by mathematical "hallucinations" and the inability to provide valid bibliographic references. The proposed solution is based on the Retrieval-Augmented Generation (RAG) architecture, which acts as a bridge between the generative intelligence of LLMs and the accuracy of academic sources. The methodology followed involves the creation of a specialized knowledge base, where selected university textbooks on Linear Algebra were digitized and segmented (chunking). This data was converted into vector representations (embeddings) and stored in the Pinecone vector database, enabling the system to perform semantic searches and retrieve the most relevant excerpts prior to synthesizing any response. On a technical level, the application was developed using the Django framework, ensuring a stable and scalable back-end environment. The Llama 3 model, via the Groq infrastructure, was utilized for natural language generation, ensuring exceptionally low response times (latency). Particular emphasis was placed on the user interface (front-end), where the MathJax library was employed to achieve accurate and high-quality rendering of complex mathematical formulas and matrices in LaTeX format, simulating the appearance of printed textbooks. Furthermore, IHU Linage incorporates a comprehensive Analytics system, which allows monitoring user interaction, managing consent for research purposes, and extracting statistical data regarding system usage. The evaluation of the application demonstrated that the use of RAG almost eliminates inaccuracies, while the automated citation of sources enhances academic integrity and student trust. The thesis concludes that such hybrid systems can serve as a valuable digital assistant, complementing physical teaching and promoting autonomous learning in higher education.