Otonomi industriel: modèles de petits langages et autoprotecteurs

Les lignes de production industrielle fonctionnent longtemps avec les règles d'automatisation spécifiées. Cependant, les politiques de contrôle changeant dynamiquement avec les commandes de langage naturel font de cette zone de racine. Une recherche publiée récemment réalise une otonomie industrielle avec un modèle de langue de petite taille (SLM) orienté sur les règles et des mécanismes d'autocorrection de plusieurs agents. Cette nouvelle approche promet un traitement plus efficace et plus précis des processus de production.

Nouvelle période industrielle autonome

récemment paru dans arXiv L'article intitulé « Closed-Loop Control with Rule-Aligned Small Language Models and Multi-Agent Auto-Correction » fait référence à une étape cruciale sur la voie de l'autonomie dans les opérations industrielles. Travailler dans le langage naturel des agents d'intelligence artificielle Accueil Contrôle recherche automatiquement la capacité de créer et de restructurer des politiques. Cette approche vise à optimiser les processus de production en minimisant et en éliminant les interventions humaines. L'article souligne que l'exactitude de la conscience végétale, en particulier les jumeaux numériques, les actions produites par l'intelligence artificielle (AI) avant l'exécution des actions. Les retards d'extraction dans les systèmes traditionnels visent à être vaccinés par la nature de petits modèles linguistiques avec un fonctionnement plus rapide et efficace.

Qu'est-ce que le contrôle des boucles intérieures et pourquoi important?

Le contrôle en boucle fermée (contrôle en boucle fermée) est un principe qui constitue la base des systèmes d'automatisation et de contrôle des mouvements. Ces systèmes mesurent constamment la sortie, la comparent à la cible désirée et appliquent automatiquement des mesures correctives dans toute déviation. Ce mécanisme de rétroaction permet aux systèmes de protéger leur précision, leur répétabilité et leur distorsion malgré les conditions mondiales réelles telles que l'évolution des charges, les changements de température ou le frottement. Dans le contexte industriel, ces systèmes améliorent la qualité de la production, optimisent l'efficacité énergétique et améliorent les normes de sécurité.

Mise à niveau des modèles de petites langues (SLM)

Les petits modèles de langage sont des systèmes d'intelligence artificielle qui ont généralement des paramètres allant de 100 à 20 milliards. Elles nécessitent moins de ressources que les grands modèles linguistiques (LLM) les rendent attrayants pour les applications industrielles.

Avantages:

• Efficacité et temps de retard faible : Les GDT font plus vite, ont des coûts opérationnels moins élevés et consomment de l'énergie avec beaucoup moins de force de calcul. Ces fonctionnalités permettent des temps de réponse en millisecondes, en particulier dans les applications industrielles en temps réel.

• Capacité de calcul de bord (informatique de bord) : Les smartphones peuvent souvent fonctionner hors ligne sur des appareils à ressources restreintes tels que les systèmes Internet des objets (IoT), les plateformes intégrées et les passerelles industrielles. Cela garantit que les opérations critiques sont maintenues dans les temps d'arrêt ou les connexions non-stop dans les environnements industriels.

• Sécurité et confidentialité : Il empêche les données industrielles sensibles de sortir de l'installation en permettant le traitement local des données et en réduisant les risques pour la sécurité.

«Kural» signifie que les GDT créent des politiques de contrôle compatibles avec certaines lignes directrices et exigences. Cela le rend plus efficace dans le respect de règles industrielles strictes, contrairement aux modèles linguistiques étendus.

Mécanismes d'auto-administration de plusieurs agents

Les systèmes à agents multiples consistent en plusieurs calculs autonomes qui collaborent pour atteindre des objectifs individuels ou collectifs. En raison du risque d'erreurs de chaîne dans ces systèmes, la capacité d'autocorrection (autocorrection) est critique.

Méthodes d'autocorrection:

• Cycles critiques configurés : Les systèmes produisent des résultats, évaluent et régénèrent selon des seuils de qualité.

• Cadres métaboliques (MASC): Le temps réel déclenche un agent correctif lorsqu'une erreur est détectée en faisant une détection d'erreurs de niveau par étape non contrôlée et permet de corriger l'information avant de diffuser le système.

• Guides sémantiques et d'acheminement symbolique : Direction des tâches pour corriger les agents et suivre le système requis les restrictions qui prévoient l'application de règles strictes (p. ex., si le « let est absolument JSON »). Un cycle d'auto-correction est déclenché lorsque ces guides ne dorment pas.

• Autocorrection (STaSC): SLM leur permet seulement d'apprendre l'auto-correction par un ajustement fin récurrent en utilisant leurs propres données.

Agents d'intelligence artificielle dans les opérations industrielles autonomes

Les usines intelligentes et l'automatisation industrielle, les agents d'intelligence artificielle représentent la transition de l'automatisation solide aux systèmes intelligents et autogérés. Ces agents peuvent détecter l'environnement, analyser des moisissures complexes, se coordonner avec d'autres systèmes et optimiser la production sans surveillance humaine continue. 29 % des organisations utilisent déjà l'intelligence artificielle basée sur des agents, 44 % prévoient présenter une demande au cours de la prochaine année. Gartner prévoit que les applications logicielles d'entreprise contiendront 33 % de l'intelligence artificielle basée sur les agents jusqu'en 2028.

Domaines d'application:

• Planification et programmation de la production

• Contrôle des processus adaptatifs

• Diagnostic de l'équipement et apparence de découpe m

• Optimisation de la chaîne d'approvisionnement u

• Contrôle de la qualité et analyse des causes profondes Accueil

• Optimisation énergétique en temps réel u

Ces systèmes permettent d'accroître l'efficacité, de réduire les taux de défaillance, de réduire les coûts opérationnels et de prendre de meilleures décisions. Il offre également des avantages tels que la résolution proactive de problèmes et l'apprentissage de l'information des employés expérimentés.

Qu'est-ce que la Communauté

Supporteurs

L'intégration industrielle autonome de SLM, orientée vers les règles, bénéficie d'un large soutien car elle peut accroître considérablement l'efficacité et la fiabilité de l'exploitation. Les partisans soulignent que les GDT en particulier répondent à des capacités informatiques de latence et de bord faibles, exigences critiques dans les applications industrielles en temps réel. Les mécanismes d'autocorrection de plusieurs agents offrent une infrastructure solide, permettant aux systèmes d'améliorer le texte des erreurs même sans intervention humaine.

Nouvelles

Certains experts sont préoccupés par la complexité et les coûts initiaux de ces nouvelles approches. Les obstacles à l'intégration des infrastructures existantes peuvent constituer un obstacle, en particulier pour les organisations ayant des systèmes plus anciens. De plus, il y a aussi des questions sur d'éventuels problèmes éthiques et les risques de cybersécurité dans les processus de prise de décision autonome des agents de l'intelligence artificielle. Dans le développement de systèmes de contrôle en boucle complètement fermés, les discussions se poursuivent sur les effets à long terme des personnes complètement handicapées de la surveillance humaine.

Foire aux questions

Les MLS orientées vers la règle placeront-elles les systèmes de contrôle traditionnels?

Les GDT axées sur les règles offrent un développement complémentaire des systèmes de contrôle traditionnels existants. Au lieu de prendre des emplacements complets, ils permettront aux systèmes existants de devenir plus flexibles et intelligents, en particulier avec le traitement naturel du langage et des capacités d'apprentissage adaptatif. Ils peuvent offrir un avantage important surtout s'ils ont besoin d'une réponse rapide et de l'informatique de bord.

Pourquoi Critical est Digital Gemini?

Les jumelles numériques (jumelles numériques) assurent que les politiques et actions de contrôle créées par l'intelligence artificielle sont testées sur un modèle virtuel avant d'être exécutées dans un environnement réel. Cela fournit une couche de vérification vitale qui aide à identifier les erreurs et les risques potentiels à l'avance, à améliorer la fiabilité du système et à accélérer les processus d'optimisation.

Comment cette technologie affecte-t-elle la sécurité industrielle?

Cette technologie peut améliorer la sécurité industrielle grâce à la détection automatique et à la correction des erreurs. Cependant, de nouveaux problèmes de sécurité tels que les comportements inattendus ou les cyberattaques risquent que les agents de l'IA peuvent causer eux-mêmes peuvent également mener. Par conséquent, des protocoles de sécurité robustes et une intégration continue des audits sont importants.

Les modèles linguistiques de petite taille sont-ils meilleurs que les modèles linguistiques de grande taille?

Non, les petits modèles de langage ne sont pas meilleurs que les grands modèles de langage en tout cas. Les SLM peuvent effectuer des performances supérieures dans certains environnements restreints de tâches et de ressources (faible décalage, calcul de bord), les LLM réussissent mieux dans des scénarios exigeant une compréhension linguistique complexe et une information globale dans des tâches plus étendues. Le choix dépend des exigences spécifiques de la demande.

Industrielle Automatisation L'avenir se façonne en devenant plus intelligent et autonome dans l'intelligence artificielle. La combinaison de la commande de boucle fermée et de multiples mécanismes d'auto-correction d'agents de modèles de petits langages avec une règle orientée, du plancher de l'usine à la chaîne d'approvisionnement, portant les capacités d'efficacité, de fiabilité et d'adaptation dans de nombreux domaines à un nouveau niveau. Ces développements conduisent la production non seulement plus rapide, mais aussi plus intelligente et autosuffisance.