Assessment di modelli relazionali di basi di dati mediante Large Language Models = Assessment of Relational Database Models Using Large Language Models

La seguente trattazione ha come obiettivo principale quello di verificare le potenziali applicazioni dei Large Language Models nella progettazione dei database. Attraverso un’analisi sperimentale, svolta su un significativo numero di campioni, la presente ricerca punta a verificare criticità e performance degli LLM, delineando i contesti in cui il loro utilizzo risulta vantaggioso e le possibili sfide da affrontare per una loro implementazione efficace. L’analisi sperimentale è stata condotta su un campione significativo di descrizioni testuali di database. Tre modelli di LLM (ChatGPT, Gemini e Llama) sono stati testati nella generazione di schemi logici relazionali e istruzioni SQL, confrontandone le performance attraverso criteri specifici. I risultati dell’analisi evidenziano che i Large Language Models possono fornire soluzioni valide per la progettazione di database, con una buona capacità di interpretazione dei requisiti e generazione di schemi relazionali e istruzioni SQL. Tuttavia, emergono limiti nella gestione di vincoli complessi e nella coerenza delle risposte, con significative differenze riscontrate tra i diversi modelli testati.