NIST unterstützte die Sensibilisierung, Debatte und Bildung beim Technical Language Processing (TLP) Tutorial der 15. Jahreskonferenz der Prognostics and Health Management (PHM) Society in Utah. Die Veranstaltung war das Ergebnis der gemeinsamen Anstrengungen der NIST TLP Community of Interest (COI) (einschließlich der TCP COI-Leiter Rachael Sexton vom Engineering Laboratory und Michael Sharp vom Communications Technology Laboratory) sowie unseres externen Partners, dem Logistics Management Institute (Sarah Lukens). Das Tutorial zog 200 Teilnehmer an, mit dem Ziel, das Bewusstsein für TLP-Industrieanwendungen für Zuverlässigkeit und Wartung zu steigern. Es gab einen Überblick darüber, was technische Sprache von natürlicher Sprache unterscheidet, präsentierte einige grundlegende Prozesse und Algorithmen und hob die von NIST geführten Ressourcen innerhalb der TLP COI hervor.
Das Tutorial wurde sehr gut angenommen, mit großem Interesse der Teilnehmer an Sprachverarbeitungstools, die in der Industrie verwendet werden. Dieses Interesse wurde während der Konferenz durch ein Panel zum Einsatz von Large Language Models (LLMs) in der PHM und mehrere präsentierte Papiere zu verwandten Themen unterstützt. Während des Tutorials diskutierten die Teilnehmer auch über die zunehmende Rolle generativer künstlicher Intelligenz (KI) in der Industrie und den neuen US-amerikanischen Exekutivbefehl zur KI. Einige Teilnehmer äußerten Begeisterung dafür, frühe Anwender von LLMs zu sein und die US-Initiative für KI zu unterstützen, während die breitere PHM-Community noch keine einheitliche Haltung zu den Themen entwickelt hat.
Die Diskussionen zu LLMs umfassten Inputs zu Entwicklungen im Softwarelösungsbereich, in dem viele Unternehmen Möglichkeiten zur Monetarisierung von LLMs als potenzielle Werkzeuge zur Lösung unterschiedlicher Stakeholder-Bedürfnisse prüfen. Ein hohes Ziel, das auf großes Interesse stieß, war die Extraktion und Verarbeitung von Text aus Bildern technischer Dokumente wie R&I-Fließbildern und Fehlermodus- und -auswirkungsanalysen. Das Erfassen von Text und bildlichen Beziehungen in einem technischen Spezifikationsdokument könnte die Entwicklung digitaler Zwillingmodelle beschleunigen und die Verarbeitung eingehender Protokolle oder Anfragen viel effizienter gestalten.
Die Präsentationen für diese Veranstaltung sind auf Anfrage erhältlich (E-Mail: michael.sharp [at] nist.gov) und eine aufgezeichnete Version ist auf der PHM-Website verfügbar.