Van kundige KI tot industriële probleemoplossing
LG posisioneer sy EXAONE-platform nie bloot as ’n algemene KI-stelsel nie, maar as ’n versameling domeingespesialiseerde modelle wat ontwerp is om spesifieke wetenskaplike, vervaardigings- en sakeprobleme op te los.
By die 2026 LG AI Talk Concert het LG AI Research toepassings aangebied wat deur jare se werk met werklike industriële data ontwikkel is. Die klem was op praktiese ontplooiing: die vermindering van eksperimentering, die interpretasie van komplekse prosesdata, die versnelling van inspeksie en die ondersteuning van besluite wat tradisioneel van hoogs gespesialiseerde ingenieurs afhanklik is.
Hierdie rigting is veral relevant vir industriële outomatisering, omdat baie fabrieksprobleme nie deur ’n gebrek aan outomatiseringshardeware veroorsaak word nie. Die groter uitdaging is dikwels die vermoë om groot hoeveelhede inkonsekwente prosesdata te interpreteer en daardie inligting in uitvoerbare beheer- of ingenieursbesluite om te skakel.
KI-versnelde geneesmiddelontdekking
In wetenskaplike navorsing het LG AI Research berig dat dit saam met LG H&H gewerk het om ongeveer 420 000 kandidaatstowwe te evalueer en die kandidaat vir doeltreffendheid teen haarverlies, Rhamsidil, binne een dag te identifiseer.
Die belangrikheid lê nie bloot in die spoed van die sifting nie. KI kan die aantal fisiese eksperimente wat nodig is, verminder deur die soekruimte te verklein voordat laboratoriumhulpbronne aangewend word. Dit skep ’n terugvoerlus waarin rekenaarontleding en fisiese eksperimentering mekaar voortdurend beïnvloed.
LG werk ook saam met D&D Pharmatech aan die ontwikkeling van volgende-generasie orale peptiedgeneesmiddels. EXAONE 4.5 is ook in ’n KI-stelsel vir die beoordeling van nuwe geneesmiddels by Korea se Ministerie van Voedsel- en Geneesmiddelveiligheid geïnkorporeer.
Outonome laboratoriums skep ’n geslote ingenieurslus
LG ontwikkel ’n outonome laboratorium waarin KI eksperimentele resultate ontleed, bepaal wat volgende getoets moet word en daaropvolgende eksperimente ontwerp.
Vanuit ’n ingenieursperspektief verteenwoordig dit ’n verskuiwing van KI-ondersteunde ontleding na geslote-lus-optimalisering. In plaas daarvan om ’n vaste eksperimentele volgorde te volg, kan die stelsel moontlik die volgende toets kies volgens die inligting wat uit vorige eksperimente verkry is.
Dieselfde beginsel hou groot implikasies vir industriële outomatisering in. ’n Produksiestelsel kan uiteindelik prosesafwykings ontleed, waarskynlike oorsake identifiseer, ’n regstellende aksie kies en die resultaat evalueer sonder dat ’n ingenieur elke tussenstap handmatig hoef te definieer.
EXAONE Tabular teiken komplekse fabrieksdata
Een van LG se belangriker industriële ontwikkelings is EXAONE Tabular, ’n kundige grondslagmodel wat ontwerp is om verhoudings tussen vervaardigingsproestoestande en kwaliteitsinligting te verstaan.
Industriële prosesdata is selde skoon. Sensorwaardes, produksietoestande, produkeienskappe en inspeksieresultate kan mettertyd verander. Konvensionele masjienleerstelsels kan heropleiding vereis wanneer die visuele eienskappe van produkte of produksietoestande verander.
LG sê dat EXAONE Tabular onder veranderinge in proses- of produkvoorkoms kan aanhou werk sonder heropleiding, terwyl pasgemaakte bykomende opleiding die werkverrigting daarvan verder kan verbeter.
Dit is ’n belangrike tegniese rigting. In werklike aanlegte kan modelonderhoud byna net so veeleisend soos die oorspronklike KI-ontplooiing word. Die vermindering van die hoeveelheid heropleiding wat nodig is, kan dus waardevoller wees as ’n geringe verbetering in laboratoriummaatstafprestasie.
Vervaardigings-KI moet by veranderende prosestoestande aanpas
EXAONE Tabular is aanvanklik by ’n LG Innotek-vervaardigingsperseel toegepas en trek nou belangstelling van farmaseutiese maatskappye en hospitale. LG sien ook moontlike toepassings in energie-intensiewe bedrywighede, insluitend kern- en hidroëlektriese fasiliteite.
Die onderliggende uitdaging is in al hierdie sektore dieselfde: prosestoestande is dinamies, terwyl die koste van die insameling en etikettering van industriële data hoog is.
Vir outomatiseringsingenieurs beteken dit dat die nuttigste industriële KI-modelle nie noodwendig dié sal wees wat enorme datastelle vereis nie. Modelle wat uit beperkte perseelspesifieke inligting kan leer terwyl hulle bestaande proseskennis inkorporeer, kan makliker oor verskeie produksieomgewings ontplooi word.
Visie-inspeksie beweeg na outonome konfigurasie
LG ontwikkel ook ’n visie-inspeksieagent wat datamonsterneming, etikettering en modelopleiding outonoom kan uitvoer.
Tradisioneel kan die bekendstelling van ’n nuwe produk op ’n vervaardigingslyn uitgebreide beeldinsameling en etikettering vereis voordat ’n inspeksiemodel gereed is vir produksie. LG sê dat sy benadering hierdie voorbereidingsperiode aansienlik kan verkort.
Die ingenieurswaarde is duidelik: inspeksiestelsels moet produkvariante en prosesveranderinge volg sonder om die hele masjienvisie-werksvloei telkens van voor af te laat begin wanneer die produksiekonfigurasie verander.
Indien dit suksesvol ontplooi word, kan outonome datavoorbereiding ’n belangrike laag tussen industriële kameras en hoërvlak-vervaardigingsuitvoeringstelsels word.
Van individuele robotte tot outonome fabrieke
LG se langtermyndoelwit strek verder as die outomatisering van individuele masjiene of robotte. Die maatskappy werk aan grondslagmodelle vir robotika en ’n fabrieksargitektuur waarin die aanleg as ’n geïntegreerde intelligensie kan funksioneer.
Dit is ’n beduidende konseptuele verandering.
Tradisionele outomatisering verdeel ’n aanleg in PLC’s, aandrywers, robotte, visiestelsels, SCADA, MES en ander beheervlakke, met deterministiese beheer wat op die laer vlakke bly. KI word toenemend bo hierdie stelsels ingestel om data te interpreteer en bedrywighede te optimaliseer.
Die volgende fase kan behels dat KI inligting oor hierdie vlakke heen koördineer, terwyl deterministiese beheerders steeds tydkritieke beheerfunksies hanteer.
Na my mening sal hierdie onderskeid belangrik bly. KI is goed geskik vir voorspelling, optimalisering, klassifikasie en besluitsteun, maar om deterministiese beheer met ’n probabilistiese model te vervang, is nie outomaties ’n ingenieursverbetering nie. Outonome fabrieke sal ’n duidelike skeiding vereis tussen KI-besluitneming en veiligheids- of tydkritieke beheerfunksies.
Die grootste hindernis is data- en ontplooiingsekonomie
LG erken dat vervaardigingsdata van werklike fasiliteite omvangryk en moeilik om te organiseer is. GPU-verbruik en die ekonomiese waarde wat deur KI-ontplooiing gegenereer word, moet ook in ag geneem word.
Dit is een van die mees praktiese waarnemings uit die aankondiging. Industriële KI-aanneming sal nie slegs deur modelintelligensie bepaal word nie. Ingenieurs en aanlegoperateurs moet ook dataverkryging, sensorkwaliteit, netwerkargitektuur, kuberveiligheid, rekenaarhulpbronne, modelonderhoud en meetbare produksievoordele oorweeg.
LG se poging om EXAONE Tabular liggewig te maak, is dus strategies relevant. ’n Model wat minder rekenaarinfrastruktuur vereis, kan moontlik nader aan produksietoerusting ontplooi word en oor meer fasiliteite heen gebruik word.
Industriële KI beweeg van voorspelling na aksie
LG se ses jaar lange poging het na berig word meer as 100 moeilike industriële probleme aangespreek. Die maatskappy se huidige rigting dui op ’n oorgang van KI wat industriële toestande verduidelik na KI wat die volgende stap kan bepaal en uitvoer.
Daardie oorgang sal meer as groter grondslagmodelle vereis. Dit sal integrasie met PLC’s, robotte, industriële netwerke, prosesdatabasisse, MES-platforms, visiestelsels en ingenieursdatabasisse vereis.
Die mees realistiese pad na outonome vervaardiging sal dus waarskynlik inkrementeel wees: KI neem eers waar en ontleed, doen dan aanbevelings, werk vervolgens binne gedefinieerde grense en koördineer uiteindelik toenemend komplekse besluite op aanlegvlak.
Gevolgtrekking
LG se EXAONE-ontwikkelings toon hoe gespesialiseerde KI verder as demonstrasies beweeg en wetenskaplike navorsing en industriële bedrywighede betree. Geneesmiddelontdekking, outonome laboratoriums, tabelgebaseerde prosesintelligensie en visie-inspeksie verteenwoordig verskillende toepassings van dieselfde breër konsep: om KI te gebruik om die ingenieursinspanning wat nodig is om komplekse stelsels te verstaan en te bepaal wat volgende moet gebeur, te verminder.
Vir industriële outomatisering is die belangrikste ontwikkeling dalk nie die aankoms van ’n volledig outonome fabriek nie. Dit is die geleidelike skepping van ’n KI-laag wat veranderende prosestoestande kan verstaan terwyl dit saam met gevestigde deterministiese outomatisering werk.
Die maatskappye wat hierdie twee benaderings suksesvol kombineer, sal waarskynlik meer praktiese waarde verkry as dié wat KI as ’n plaasvervanger vir bestaande industriële beheerargitektuur beskou.
