Model fundamentowy

Model fundamentowy to duży model uczenia maszynowego trenowany na szerokich danych, który można dostosować do wielu zadań pochodnych, zamiast budować go pod jeden wąski problem. W przemyśle modele fundamentowe trenowane na danych tekstowych, sensorowych lub obrazowych stanowią wielokrotnie używaną podstawę dla zastosowań w utrzymaniu ruchu, wizji maszynowej i procesach.

Tradycyjne modele przemysłowe trenuje się od zera do pojedynczego zadania — jeden model na typ pompy, jeden klasyfikator na rodzaj wady. Model fundamentowy jest natomiast wstępnie trenowany na bardzo dużym, ogólnym zbiorze danych, a następnie dostrajany lub sterowany podpowiedziami do konkretnych zastosowań, co rozkłada wysoki koszt treningu na wiele aplikacji.

Najbardziej znanymi przykładami są duże modele językowe dla tekstu, lecz to samo podejście rozszerza się na sensorowe dane szeregów czasowych oraz wizję maszynową, gdzie jeden wstępnie wytrenowany model można dostosować do nowych aktywów lub linii produktowych przy stosunkowo niewielkiej ilości danych specyficznych dla zadania.

Dla zespołów przemysłowych atrakcyjna jest możliwość ponownego wykorzystania i szybszego wdrożenia: mniej danych z etykietami i wysiłku inżynierskiego na każdy nowy przypadek użycia. Kompromisem są rozmiar modelu, koszt obliczeniowy oraz konieczność walidacji, czy ogólny model zachowuje się poprawnie na urządzeniach i w warunkach danego zakładu.

Powiązane terminy

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