Praca magisterska powstała w oparciu o zebrane dane z różnych baz, w tym Aviation Safety Reporting System (ASRS). Koncentruje się na wykorzystaniu dużych modeli językowych (LLM) – ChatGPT-4 Turbo i Gemini 1.5 Pro – do analizy danych o incydentach lotniczych, z naciskiem na automatyzację procesów analizy i zwiększenie bezpieczeństwa w lotnictwie.
W części eksperymentalnej przeprowadzono analizę z użyciem wyżej wymienionych LLM. Obejmuje to dekodowanie skrótów z raportów ASRS, analizę narracji zdarzeń lotniczych oraz tworzenie synopsów. Modele LLM zostały ocenione pod kątem ich zdolności do identyfikacji przyczyn incydentów, co pozwoliło na stworzenie bardziej zaawansowanego i elastycznego systemu analizy przyczynowo-skutkowej. Zastosowano różne metody inżynierii promptów, aby precyzyjnie ukierunkować działanie dużych modeli językowych. Przeprowadzono analizę niejednoznacznych incydentów z bazy danych ASRS oraz próbę ich dalszej kategoryzacji. Dzięki zastosowaniu LLM uzyskano bardziej wszechstronne i szczegółowe wyniki analizy, które mogą przyczynić się do opracowania nowych wskaźników i strategii poprawy bezpieczeństwa lotów. Podczas badań zachowano wszystkie zasady korzystania z narzędzi AI zgodnie z Uchwałą nr 98.
The master’s thesis was based on data collected from various databases, including the Aviation Safety Reporting System (ASRS). It focuses on the use of large language models (LLM) – ChatGPT-4 Turbo and Gemini 1.5 Pro – for analyzing aviation incident data, with an emphasis on automating analysis processes and enhancing aviation safety.
In the experimental section, an analysis was conducted using the aforementioned LLMs. This includes decoding abbreviations from ASRS reports, analyzing aviation event narratives, and creating synopses. The LLMs were evaluated for their ability to identify the causes of incidents, which allowed for the creation of a more advanced and flexible causal analysis system. Various prompt engineering methods were used to precisely direct the operation of the large language models. An analysis of ambiguous incidents from the ASRS database was conducted, along with an attempt to further categorize them. By using LLMs, more comprehensive and detailed analysis results were obtained, which can contribute to the development of new indicators and strategies for improving flight safety. All principles of AI tool usage were adhered to in accordance with Resolution No. 98 during the research.
