Forskare vill kombinera språkmodeller med industrikunskap

Många industriföretag har svårt att få praktisk nytta av generella AI-språkmodeller i verksamheten. I ett nytt forskningsprojekt vid Jönköping University (JU) ska forskare därför utveckla AI-lösningar som kombinerar språkmodeller med industrispecifik, strukturerad kunskap. Enligt JU ska det göra tekniken mer träffsäker, begriplig och användbar i verkliga tillverkningsmiljöer.

Projektet leds av He Tan, universitetslektor i datalogi på Tekniska Högskolan vid Jönköping University.

– Jag hoppas att resultaten ska bidra både till företagens digitala omställning och till den vetenskapliga utvecklingen inom kunskapsintensiv och förklarbar AI, säger He Tan.

Ska ge AI bättre kontext och tydligare förklaringar

Idén är att ge AI tillgång till tydlig och strukturerad information om hur industrin fungerar, så att systemen kan förstå sammanhang bättre. Det ska i sin tur göra det lättare att se varför AI ger ett visst råd, enligt pressmeddelandet.

Projektet genomförs i samverkan med industriella partners, däribland industriföretaget Comptech och IT-konsultbolaget Consid.

– Vi ser detta projekt som ett viktigt steg mot en mer intelligent och kunskapsbaserad tillverkning, säger Per Jansson, vd för Comptech.

Från rådata till maskinläsbar kunskap

Tillverkningsindustrin genererar stora datamängder, exempelvis i form av loggar, rapporter, sensordata och inspektionsresultat. Samtidigt kan informationen vara osammanhängande och svår att använda direkt i avancerade AI-system. I projektet ska forskarna därför ta fram metoder för att omvandla rådatan till strukturerad, maskinläsbar kunskap som kan användas tillsammans med språkmodeller.

Enligt JU har projektet fyra övergripande mål:

• Plocka ut industriell kunskap från olika typer av data
• Strukturera kunskapen i modeller
• Integrera kunskapen med språkmodeller
• Testa lösningarna i praktiska industriella tillämpningar med hjälp av AI-agenter

JU skriver att projektet tar sikte på flera utmaningar med dagens industriella AI, som bristande transparens, begränsad domänkunskap och svårigheter att använda modeller i verkliga produktionsmiljöer. Ambitionen är att ta fram metoder och verktyg som kan stärka områden som produktionsstyrning, kvalitetskontroll, felsökning och strategiska beslut.