論文の概要: A Unified Industrial Large Knowledge Model Framework in Industry 4.0 and Smart Manufacturing
- arxiv url: http://arxiv.org/abs/2312.14428v3
- Date: Wed, 24 Jul 2024 18:17:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-26 19:46:37.220077
- Title: A Unified Industrial Large Knowledge Model Framework in Industry 4.0 and Smart Manufacturing
- Title(参考訳): 産業4.0における統一産業大知識モデルフレームワークとスマートマニュファクチャリング
- Authors: Jay Lee, Hanqi Su,
- Abstract要約: 近年の大規模言語モデル(LLM)の出現は、人工知能の可能性を示している。
本稿では,将来の産業に革命をもたらす可能性を強調する統一産業大知識モデル(ILKM)フレームワークを提案する。
- 参考スコア(独自算出の注目度): 0.32885740436059047
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The recent emergence of large language models (LLMs) demonstrates the potential for artificial general intelligence, revealing new opportunities in Industry 4.0 and smart manufacturing. However, a notable gap exists in applying these LLMs in industry, primarily due to their training on general knowledge rather than domain-specific knowledge. Such specialized domain knowledge is vital for effectively addressing the complex needs of industrial applications. To bridge this gap, this paper proposes a unified industrial large knowledge model (ILKM) framework, emphasizing its potential to revolutionize future industries. In addition, ILKMs and LLMs are compared from eight perspectives. Finally, the "6S Principle" is proposed as the guideline for ILKM development, and several potential opportunities are highlighted for ILKM deployment in Industry 4.0 and smart manufacturing.
- Abstract(参考訳): 近年の大規模言語モデル(LLM)の出現は、人工知能の可能性を示し、産業4.0とスマート製造の新しい機会を明らかにしている。
しかし、これらのLSMを産業に適用する際、主にドメイン固有の知識ではなく、一般的な知識に関するトレーニングのために顕著なギャップが存在する。
このような専門的なドメイン知識は、産業アプリケーションの複雑なニーズに効果的に対処するために不可欠である。
このギャップを埋めるために,本稿では,将来の産業に革命をもたらす可能性を強調する統一産業大知識モデル(ILKM)フレームワークを提案する。
さらに、ILKMとLLMは8つの視点から比較される。
最後に、ILKM開発のガイドラインとして「6S原則」が提案され、産業用4.0およびスマート製造におけるILKMの展開の可能性をいくつか強調されている。
関連論文リスト
- MLOps: A Multiple Case Study in Industry 4.0 [0.8287206589886879]
MLOpsは、MLモデルを確実かつ効率的に開発、テスト、デプロイ、管理するために使用されるプロセス、ツール、組織構造を指す。
本研究は,企業4.0のシナリオを4つ説明し,その実装と,多数のプロジェクトで直面した課題について,関連する知見を提供する。
論文 参考訳(メタデータ) (2024-07-12T09:17:26Z) - LLMs with Industrial Lens: Deciphering the Challenges and Prospects -- A
Survey [8.149749907267054]
大規模言語モデル(LLM)は、多くの産業用途を駆動する秘密の要素となっている。
本稿では,産業環境におけるLCMの活用にともなう障害と機会を解明し,評価する。
論文 参考訳(メタデータ) (2024-02-22T13:52:02Z) - Integrating MLSecOps in the Biotechnology Industry 5.0 [49.97673761305336]
この章は、機械学習セキュリティオペレーション(MLSecOps)がバイオテクノロジー産業の5.0の確保にどのように役立つかの視点を提供する。
この章では、バイオテクノロジー産業の5.0における脅威と、MLアルゴリズムが業界におけるベストプラクティスのセキュア化にどのように役立つかを分析している。
論文 参考訳(メタデータ) (2024-02-12T17:21:12Z) - An Empirical Study on Large Language Models in Accuracy and Robustness
under Chinese Industrial Scenarios [14.335979063157522]
大規模言語モデル(LLM)の将来の重要な応用の1つは、工業生産における実践的な展開である。
中国工業生産地域におけるLCMの精度とロバスト性に関する総合的な実証的研究を行った。
論文 参考訳(メタデータ) (2024-01-27T03:37:55Z) - Knowledge Plugins: Enhancing Large Language Models for Domain-Specific
Recommendations [50.81844184210381]
本稿では,大規模言語モデルをDOmain固有のKnowledgEで拡張し,実践的アプリケーション,すなわちDOKEの性能を向上させるためのパラダイムを提案する。
このパラダイムはドメイン知識抽出器に依存し,1)タスクに効果的な知識を準備すること,2)特定のサンプルごとに知識を選択すること,3)LLMで理解可能な方法で知識を表現すること,の3つのステップで動作する。
論文 参考訳(メタデータ) (2023-11-16T07:09:38Z) - Knowledge Editing for Large Language Models: A Survey [51.01368551235289]
大規模言語モデル(LLM)の大きな欠点の1つは、事前学習に要する計算コストである。
知識に基づくモデル編集(KME)が注目を集めており、特定の知識を組み込むためにLLMを正確に修正することを目的としている。
論文 参考訳(メタデータ) (2023-10-24T22:18:13Z) - LUNA: A Model-Based Universal Analysis Framework for Large Language Models [19.033382204019667]
自己保持機構, 極めて大規模なモデルスケール, 自己回帰生成スキーマは, 品質解析における新たな課題を提示する。
汎用かつ解釈可能なLLMの普遍的解析フレームワークを提案する。
特に、私たちはまず、望ましい信頼性の観点からのデータを活用して抽象モデルを構築します。
論文 参考訳(メタデータ) (2023-10-22T07:26:21Z) - LLMs for Knowledge Graph Construction and Reasoning: Recent Capabilities
and Future Opportunities [68.86209486449924]
知識グラフ(KG)の構築と推論のための大規模言語モデル(LLM)の評価。
我々は,LLMと外部ソースを用いたマルチエージェントベースのアプローチであるAutoKGを提案し,KGの構築と推論を行う。
論文 参考訳(メタデータ) (2023-05-22T15:56:44Z) - Federated Learning for Industrial Internet of Things in Future
Industries [106.13524161081355]
産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。
近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。
フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
論文 参考訳(メタデータ) (2021-05-31T01:02:59Z) - Implementing the Cognition Level for Industry 4.0 by integrating
Augmented Reality and Manufacturing Execution Systems [3.094458292166017]
本稿では,既存の製造実行システム(MES)をCPSに統合した認知レベルを作成する拡張現実(AR)ベースのシステムを提案する。
実際の工場で分析されたこのシステムは、物理世界とデジタル世界を強く統合する能力を示している。
論文 参考訳(メタデータ) (2020-11-18T21:53:13Z) - Validate and Enable Machine Learning in Industrial AI [47.20869253934116]
産業用AIは、より効率的な将来の産業用制御システムを約束する。
Petuum Optimumシステムは、AIモデルの作成とテストの課題を示す例として使用される。
論文 参考訳(メタデータ) (2020-10-30T20:33:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。