AI ska bli mer träffsäker och begriplig i tillverkningsmiljöer

Många industriföretag har svårt att använda generella AI-språkmodeller i sin verksamhet. I ett nytt forskningsprojekt vid Jönköping University (JU) ska forskare därför utveckla AI-lösningar som kombinerar språkmodeller med industrispecifik kunskap, för att göra tekniken mer träffsäker, begriplig och användbar i verkliga tillverkningsmiljöer.

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

Vill överbrygga glappet mellan AI och industrikontext

Enligt JU handlar ansatsen om att ge AI tillgång till tydlig och strukturerad information om hur industrin fungerar, så att systemen bättre kan förstå sammanhang. Tanken är att detta både ska kunna ge mer relevanta svar och göra det lättare att se varför AI ger ett visst råd.

– I dag är många AI-lösningar kraftfulla, men de saknar ofta djup förståelse för den industriella kontext de ska verka i. Med det nya projektet vill vi överbrygga det glappet, säger He Tan.

Industriella partners medverkar

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 strukturerad kunskap

Tillverkningsindustrin genererar stora mängder data, exempelvis loggar, rapporter, sensordata och inspektionsresultat. Samtidigt beskriver JU att informationen ofta är 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.

Projektet har fyra övergripande mål:

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

– Genom att kombinera AI-språkmodeller med strukturerad industrikunskap kan vi skapa AI-system som inte bara ger svar, utan också kan förklara hur de resonerar, säger He Tan.

Ska adressera flera utmaningar i industriell AI

JU uppger att projektet tar sikte på några av de största utmaningarna med dagens industriella AI, som bristande transparens, begränsad domänkunskap och svårigheter att använda modeller i verkliga produktionsmiljöer. Målet är att ta fram metoder och verktyg som kan stärka områden som produktionsstyrning, kvalitetskontroll, felsökning och strategiska beslut.