Foundation Model

Un foundation model è un modello di machine learning di grandi dimensioni, addestrato su dati ampi e adattabile a molti compiti a valle anziché costruito per un singolo problema specifico. In ambito industriale, i foundation model addestrati su dati testuali, sensoristici o di immagine fungono da base riutilizzabile per applicazioni di manutenzione, visione e processo.

I modelli industriali tradizionali vengono addestrati da zero per un singolo compito — un modello per ciascun tipo di pompa, un classificatore per ciascun difetto. Un foundation model viene invece pre-addestrato su un insieme di dati molto ampio e generale, per poi essere messo a punto o sollecitato (prompting) per usi specifici, ammortizzando l'elevato costo di addestramento su molte applicazioni.

Gli esempi più noti sono i grandi modelli linguistici per il testo, ma lo stesso approccio si sta diffondendo ai dati sensoristici in serie temporale e alla machine vision, dove un unico modello pre-addestrato può essere adattato a nuovi asset o linee di prodotto con relativamente pochi dati specifici del compito.

Per i team industriali il vantaggio sta nel riutilizzo e nella maggiore rapidità di implementazione: meno dati etichettati e meno sforzo ingegneristico per ogni nuovo caso d'uso. I compromessi riguardano le dimensioni del modello, il costo computazionale e la necessità di validare che un modello generale si comporti correttamente sugli impianti e nelle condizioni specifiche di uno stabilimento.

Termini correlati

Large Language Model (LLM) · Generative AI · Machine Learning (Industrial) · Neural Network