ITEA CLEAR: Omfattande inlärning för förbättrad AI-reaktionsförmåga

Många branscher behöver hantera och bearbeta olika datamängder av olika slag från flera källor (t.ex. sensorer, arkitekturdiagram, loggfiler). Branscher som tillverkning, telekommunikation och transport står inför betydande utmaningar när det gäller att integrera multimodala data på grund av den ökande komplexiteten i deras digitala ekosystem, vilket leder till ineffektivitet, förseningar i beslutsfattandet och högre driftskostnader. I detta avseende har användningen av multimodala AI-tekniker visat stor potential och kan bidra till att lösa industriella utmaningar som att förbättra tjänster och integrera olika informationssystem. De finner det dock svårt att integrera dessa system i sina nuvarande miljöer och befintliga processer, särskilt eftersom AI-resultaten måste vara mycket tillförlitliga. Det är där CLEAR-projektet (Comprehensive Learning for Enhanced AI Responsiveness) kommer in i bilden. CLEAR har som uppdrag att ta itu med hindren med att integrera multimodala data i AI-system och göra deras resultat mer tillförlitliga för industriella tillämpningar. Genom att använda avancerad AI-teknik och kontextmedvetenhet syftar CLEAR till att öka och utnyttja kapaciteten hos stora multimodala modeller (LMM) och stora språkmodeller (LLM) för att nå detta mål.