Od ekspertske veštačke inteligencije do rešavanja industrijskih problema
LG pozicionira svoju platformu EXAONE ne samo kao sistem veštačke inteligencije opšte namene, već kao skup domen-specifičnih modela osmišljenih za rešavanje konkretnih naučnih, proizvodnih i poslovnih problema.
Na događaju LG AI Talk Concert 2026, LG AI Research predstavio je aplikacije razvijane godinama uz korišćenje stvarnih industrijskih podataka. Naglasak je bio na praktičnoj primeni: smanjenju broja eksperimenata, tumačenju složenih procesnih podataka, ubrzavanju inspekcije i podršci odlučivanju koje tradicionalno zavisi od visoko specijalizovanih inženjera.
Ovaj pravac je posebno relevantan za industrijsku automatizaciju, jer mnoge fabričke probleme ne izaziva nedostatak hardvera za automatizaciju. Veći izazov često predstavlja sposobnost tumačenja velike količine nedoslednih procesnih podataka i pretvaranja tih informacija u primenljive odluke o upravljanju ili inženjerske odluke.
Otkriće lekova ubrzano veštačkom inteligencijom
U naučnim istraživanjima, LG AI Research je naveo da je sa kompanijom LG H&H procenio približno 420.000 kandidatskih supstanci i za jedan dan identifikovao kandidata Rhamsidil sa efikasnošću protiv opadanja kose.
Značaj nije samo u brzini testiranja. Veštačka inteligencija može smanjiti broj potrebnih fizičkih eksperimenata sužavanjem prostora za pretragu pre nego što se laboratorijski resursi angažuju. Time se stvara povratna sprega u kojoj računarska analiza i fizički eksperimenti neprestano utiču jedni na druge.
LG takođe sarađuje sa kompanijom D&D Pharmatech na razvoju oralnih peptidnih lekova nove generacije. EXAONE 4.5 je dodatno ugrađen u sistem veštačke inteligencije za procenu novih lekova pri Ministarstvu za bezbednost hrane i lekova Južne Koreje.
Autonomne laboratorije stvaraju zatvorenu inženjersku petlju
LG razvija autonomnu laboratoriju u kojoj veštačka inteligencija analizira rezultate eksperimenata, određuje šta sledeće treba testirati i osmišljava naredne eksperimente.
Iz inženjerske perspektive, ovo predstavlja pomak od analize uz podršku veštačke inteligencije ka optimizaciji u zatvorenoj petlji. Umesto praćenja unapred utvrđenog redosleda eksperimenata, sistem potencijalno može da izabere sledeći test na osnovu informacija dobijenih iz prethodnih eksperimenata.
Isti princip ima značajne implikacije za industrijsku automatizaciju. Proizvodni sistem bi vremenom mogao da analizira odstupanja u procesu, utvrdi verovatne uzroke, izabere korektivnu meru i proceni rezultat, bez potrebe da inženjer ručno definiše svaki međukorak.
EXAONE Tabular namenjen je složenim fabričkim podacima
Jedan od značajnijih industrijskih razvoja kompanije LG jeste EXAONE Tabular, ekspertski temeljni model osmišljen za razumevanje odnosa između uslova proizvodnog procesa i podataka o kvalitetu.
Podaci iz industrijskih procesa retko su čisti. Vrednosti senzora, uslovi proizvodnje, karakteristike proizvoda i rezultati inspekcije mogu se menjati tokom vremena. Konvencionalni sistemi mašinskog učenja mogu zahtevati ponovno obučavanje kada se promene vizuelne karakteristike proizvoda ili uslovi proizvodnje.
LG navodi da EXAONE Tabular može da nastavi sa radom pri promenama procesa ili izgleda proizvoda bez ponovnog obučavanja, dok dodatno prilagođeno obučavanje može dodatno poboljšati njegove performanse.
Ovo je važan tehnički pravac. U stvarnim fabrikama održavanje modela može postati gotovo jednako zahtevno kao i prvobitna primena veštačke inteligencije. Smanjenje potrebe za ponovnim obučavanjem zato može biti vrednije od marginalnog poboljšanja performansi na laboratorijskim referentnim testovima.
Veštačka inteligencija u proizvodnji mora da se prilagođava promenljivim uslovima procesa
EXAONE Tabular je prvobitno primenjen u proizvodnom pogonu kompanije LG Innotek, a sada privlači interesovanje farmaceutskih kompanija i bolnica. LG takođe vidi potencijalne primene u energetski intenzivnim postrojenjima, uključujući nuklearne i hidroelektrane.
Osnovni izazov zajednički je svim ovim sektorima: uslovi procesa su dinamični, dok su troškovi prikupljanja i označavanja industrijskih podataka visoki.
Za inženjere automatizacije to znači da najkorisniji industrijski modeli veštačke inteligencije neće nužno biti oni kojima su potrebni ogromni skupovi podataka. Modele koji mogu da uče iz ograničene količine podataka specifičnih za određenu lokaciju, uz korišćenje postojećeg znanja o procesu, možda će biti lakše primeniti u različitim proizvodnim okruženjima.
Vizuelna inspekcija ide ka autonomnoj konfiguraciji
LG takođe razvija agenta za vizuelnu inspekciju koji može autonomno da obavlja uzorkovanje podataka, označavanje i obučavanje modela.
Tradicionalno, uvođenje novog proizvoda u proizvodnu liniju može zahtevati obimno prikupljanje i označavanje slika pre nego što inspekcioni model bude spreman za proizvodnju. LG navodi da njegov pristup može značajno skratiti ovaj period pripreme.
Inženjerska vrednost je jasna: inspekcioni sistemi moraju pratiti varijante proizvoda i promene procesa, bez potrebe da se ceo tok rada mašinskog vida pokreće iz početka svaki put kada se promeni proizvodna konfiguracija.
Ako se uspešno primeni, autonomna priprema podataka mogla bi postati važan sloj između industrijskih kamera i sistema za izvršavanje proizvodnje višeg nivoa.
Od pojedinačnih robota do autonomnih fabrika
Dugoročni cilj kompanije LG prevazilazi automatizaciju pojedinačnih mašina ili robota. Kompanija radi na temeljnim modelima za robotiku i arhitekturi fabrike u kojoj postrojenje može da funkcioniše kao objedinjena inteligencija.
Ovo je značajna konceptualna promena.
Tradicionalna automatizacija deli postrojenje na PLC-ove, pogone, robote, sisteme vida, SCADA, MES i druge upravljačke slojeve, pri čemu determinističko upravljanje ostaje na nižim nivoima. Veštačka inteligencija se sve više uvodi iznad ovih sistema kako bi tumačila podatke i optimizovala rad.
Sledeća faza može uključivati koordinaciju informacija između ovih slojeva pomoću veštačke inteligencije, dok deterministički kontroleri nastavljaju da obavljaju vremenski kritične upravljačke funkcije.
Po mom mišljenju, ova razlika će ostati važna. Veštačka inteligencija je pogodna za predviđanje, optimizaciju, klasifikaciju i podršku odlučivanju, ali zamena determinističkog upravljanja probabilističkim modelom nije automatski inženjersko poboljšanje. Autonomne fabrike zahtevaće jasno razdvajanje odlučivanja veštačke inteligencije od bezbednosno ili vremenski kritičnih upravljačkih funkcija.
Glavna prepreka su podaci i ekonomika primene
LG priznaje da su proizvodni podaci iz stvarnih postrojenja obimni i teški za organizovanje. Potrošnja GPU resursa i ekonomska vrednost koju stvara primena veštačke inteligencije takođe se moraju uzeti u obzir.
Ovo je jedno od najpraktičnijih zapažanja u najavi. Usvajanje industrijske veštačke inteligencije neće zavisiti samo od inteligencije modela. Inženjeri i operateri postrojenja moraju uzeti u obzir i prikupljanje podataka, kvalitet senzora, mrežnu arhitekturu, sajber-bezbednost, računarske resurse, održavanje modela i merljive koristi za proizvodnju.
Zato je nastojanje kompanije LG da EXAONE Tabular učini laganim od strateškog značaja. Model koji zahteva manje računarske infrastrukture potencijalno može da se primeni bliže proizvodnoj opremi i koristi u većem broju postrojenja.
Industrijska veštačka inteligencija prelazi sa predviđanja na delovanje
Prema navodima, šestogodišnji rad kompanije LG obuhvatio je više od 100 složenih industrijskih problema. Trenutni pravac kompanije ukazuje na prelazak od veštačke inteligencije koja objašnjava industrijske uslove ka veštačkoj inteligenciji koja može da odredi i izvrši sledeći korak.
Za taj prelazak biće potrebno više od većih temeljnih modela. Biće potrebna integracija sa PLC-ovima, robotima, industrijskim mrežama, istoričarima podataka, MES platformama, sistemima vida i inženjerskim bazama podataka.
Najrealniji put ka autonomnoj proizvodnji zato će verovatno biti postepen: veštačka inteligencija najpre posmatra i analizira, zatim daje preporuke, potom radi u okviru definisanih granica i na kraju koordinira sve složenije odluke na nivou postrojenja.
Zaključak
Razvoj EXAONE platforme kompanije LG pokazuje kako specijalizovana veštačka inteligencija izlazi iz okvira demonstracija i ulazi u naučna istraživanja i industrijske operacije. Otkriće lekova, autonomne laboratorije, tabularna inteligencija za procese i vizuelna inspekcija predstavljaju različite primene istog šireg koncepta: korišćenje veštačke inteligencije za smanjenje inženjerskog napora potrebnog za razumevanje složenih sistema i određivanje onoga što treba da se dogodi sledeće.
Za industrijsku automatizaciju najvažniji razvoj možda neće biti dolazak potpuno autonomne fabrike. Važnije je postepeno stvaranje sloja veštačke inteligencije sposobnog da razume promenljive uslove procesa i istovremeno radi uz postojeću determinističku automatizaciju.
Kompanije koje uspešno kombinuju ova dva pristupa verovatno će ostvariti veću praktičnu vrednost od onih koje veštačku inteligenciju posmatraju kao zamenu za postojeću arhitekturu industrijskog upravljanja.
