В исследовании, опубликованном в журнале Information Fusion, исследуется, как класс инструментов искусственного интеллекта, способных обрабатывать множество типов входных данных и рассуждать, может повлиять на будущее работы. Эти инструменты, которые включают в себя ChatGPT, известны как мультимодальные модели больших языков. И хотя большинство исследований, посвященных ИИ и работе, были сосредоточены на офисной работе, в этом новом исследовании рассматривались условия производственной работы, где преимущества ИИ могут показаться менее очевидными.

Исследователи из Нотр-Дама сотрудничали с экспертами по сварке из Индианы в Центре карьеры района Элкхарт, средней школе Плимута, Академии карьеры Саут-Бенд, Местном профсоюзе сантехников и трубников 172 и колледже Ivy Tech Community College, чтобы собрать изображения для исследования, используя отношения, сложившиеся благодаря работе отраслевых лабораторий университета. В Северной Индиане одна из самых высоких концентраций производственных рабочих мест в Соединенных Штатах, и iNDustry Labs сотрудничала с более чем 80 компаниями региона в более чем 200 проектах.

Исследования были сосредоточены на сварке в нескольких отраслях промышленности: автофургонах и судостроении, авиации и сельском хозяйстве. В исследовании изучалось, насколько точно большие языковые модели оценивают изображения сварных швов, чтобы определить, подойдут ли показанные сварные швы для различных изделий. Исследователи обнаружили, что, хотя эти инструменты искусственного интеллекта показали многообещающие результаты в оценке качества сварных швов, они значительно лучше анализировали подготовленные онлайн-изображения по сравнению с реальными сварными швами.

"Это несоответствие подчеркивает необходимость учета реальных данных о сварке при обучении этих моделей ИИ и использования более продвинутых стратегий извлечения знаний при взаимодействии с ИИ", - сказал соавтор Нитеш Чавла, Frank M. Фрейман, профессор компьютерных наук и инженерии в Университете Нотр-Дам и директор-основатель университетского института данных и общества имени Люси Фэмили. "Это поможет системам искусственного интеллекта гарантировать, что сварные швы работают должным образом. В конечном счете, это поможет повысить безопасность работников, качество продукции и экономические возможности".

Исследователи обнаружили, что контекстно-зависимые подсказки в некоторых случаях могут повысить производительность моделей искусственного интеллекта, и отметили, что размер или сложность моделей не обязательно приводят к повышению производительности. В конечном счете, соавторы исследования рекомендовали, чтобы будущие исследования были сосредоточены на улучшении способности моделей рассуждать в незнакомых областях.

"Наше исследование показывает необходимость точной настройки искусственного интеллекта, чтобы он был более эффективным на производстве и обеспечивал более надежные рассуждения и реакции в промышленных приложениях", - сказал Григорий Хватски, докторант факультета компьютерных наук и инженерии Нотр-Дама и научный сотрудник Института семьи Люси.

Ен Сук Ли, доцент кафедры технологий, экономики и глобальных отношений в Школе глобальных отношений Кео при Нотр-Даме и руководитель программы технологической этики в Институте этики и общего блага Нотр-Дам, сказал, что результаты исследования имеют важные последствия для будущего работы.

"По мере роста внедрения искусственного интеллекта в промышленных условиях практикам необходимо будет найти баланс между использованием сложных, дорогостоящих моделей общего назначения и выбором точно настроенных моделей, которые лучше отвечают потребностям отрасли", - сказал Ли. "Интеграция объяснимого искусственного интеллекта в эти системы принятия решений будет иметь решающее значение для обеспечения того, чтобы системы искусственного интеллекта были не только эффективными, но и прозрачными и подотчетными".

Исследование получило финансирование от программы Национального научного фонда США "Будущее работы" и является одним из финансируемых из федерального бюджета исследовательских проектов в Университете Нотр-Дам.

Помимо Чавлы, Хватски и Ли, соавторами исследования являются Кори Ангст, семейный профессор информационных технологий, аналитики и операционной деятельности в Колледже бизнеса Университета Мендоса; Мария Гиббс, старший директор промышленных лабораторий Нотр-Дама; и Роберт Ландерс, профессор колледжа передовых производственных технологий. в инженерном колледже Нотр-Дам.