Các tiêu chuẩn này đo lường mức độ chính xác của các mô hình AI trong việc dự đoán bằng cách sử dụng dữ liệu từ các ngành như hóa chất, chăm sóc sức khỏe, tài chính và sản xuất.
Exaone Tabular, mô hình nền tảng của LG dành cho dữ liệu có cấu trúc, đạt điểm ELO 1.760, vượt trội so với TabFM của Google với 1.749 điểm.
Được huấn luyện trên khối lượng lớn dữ liệu bảng tổng hợp, mô hình này được thiết kế để trực tiếp hiểu mối quan hệ giữa các hàng, cột và điểm dữ liệu. Ngược lại, các mô hình ngôn ngữ đa năng thường chuyển đổi bảng thành văn bản trước khi phân tích.
Trong khi đó, mô hình chuỗi thời gian của LG, Exaone Forecast, đứng đầu về dự báo không cần huấn luyện thêm, vượt trội hơn các mô hình từ Google, Alibaba và các công ty công nghệ toàn cầu khác, theo viện nghiên cứu.
Dự báo không cần huấn luyện thêm đo lường xem một mô hình AI có thể dự đoán chính xác dữ liệu từ một lĩnh vực không quen thuộc mà không cần huấn luyện thêm hay không.
Exaone Forecast có thể xử lý dữ liệu chuỗi thời gian trong các lĩnh vực tài chính, năng lượng, sản xuất và chăm sóc sức khỏe bằng một mô hình duy nhất, giảm thiểu nhu cầu phát triển các hệ thống dự báo riêng biệt cho từng ngành hoặc trường hợp sử dụng.
LG AI Research hiện đang sử dụng mô hình này trên khắp các công ty con của LG để dự báo nhu cầu sản phẩm tại LG Electronics và giá nguyên vật liệu tại LG Energy Solution.
Viện cũng đã hợp tác với Koscom và Tập đoàn Sở giao dịch chứng khoán Luân Đôn từ năm nay để cung cấp phân tích dựa trên AI về thị trường chứng khoán Hàn Quốc và Mỹ.
“Trọng tâm của các công ty công nghệ toàn cầu đang nhanh chóng chuyển từ các mô hình ngôn ngữ đa năng sang AI chuyên ngành có thể giải quyết các vấn đề trong môi trường kinh doanh thực tế,” ông Lim Woo-hyung, đồng giám đốc LG AI Research, cho biết.
“Kết quả cho thấy dữ liệu tích lũy trong sản xuất và các ngành công nghiệp khác có thể đóng vai trò là lợi thế cạnh tranh khác biệt cho Hàn Quốc trong lĩnh vực AI.”
LG AI Research đang mở rộng dòng sản phẩm Exaone với các mô hình nền tảng được thiết kế riêng cho từng ngành.
Họ đang phát triển một hệ thống AI tác nhân để chẩn đoán ung thư dựa trên Exaone Path, mô hình nền tảng bệnh lý của họ, cũng như một mô hình nền tảng robot có khả năng diễn giải thông tin hình ảnh để điều khiển robot.
Viện dự định triển khai các dự án thử nghiệm chứng minh tính khả thi trong lĩnh vực sản xuất, sinh học và chăm sóc sức khỏe, cũng như tài chính trong nửa cuối năm nay, tập trung vào các ứng dụng như đánh giá chất lượng pin, dự đoán nguy cơ mắc bệnh, dự báo nợ quá hạn và vỡ nợ, và phát hiện giao dịch đáng ngờ.