Škálovanie rozhodujúcich procesov v energetickom sektore vedie k optimalizácii nákladov a zníženiu dopadu na prostredie. Tieto systémy sú komplexnou zmesou mnohých softvérových a hardvérových podsystémov, ktorých citlivo nastavená spolupráca je kľúčová pre úspešné nasadenie. V týchto komplexných riešeniach existuje potenciál vzniku nepredvídateľných stavov, ktoré sú často unikátne a vedú k ohrozujúcim situáciám alebo ekonomickým príležitostiam.

Presnosť implicítnych riešení pre detekciu týchto udalostí výrazne klesá s rastúcim rozmerom systému. Dávaju vzniku príležitosti pre využitie metód strojového učenia. Unikátnosť udalostí však obmedzuje ich zachytenie v trénovacích dátach, ktoré sú pre nasadenie týchto systémov kľúčové.

S dobou veľkých jazykových modelov (LLM, z angl. Large Language Models) prišla príležitosť využívať umelú inteligenciu bez explicítneho trénovania na zadaný problém. Tieto modely majú semantický nadhľad, ktorý im umožňuje uniknúť obmedzujúcim predpokladom trénovacích dát a operátorov.

Cieľom tohto projektu je navrhnúť infraštruktúru na báza LLM, ktoré objasní nepredvídateľné javy, odporučí úkony údržby a zásahy pre bezpečné riadenie v danej situácii. Infraštruktúra bude využívať nie len textové, ale aj obrazové a zvukové záznamy pre zvýšenie kontextuálnej uvedomelosti. Systém bude validovaný na reálnych zariadeniach priemyselnej prevádzky, za účelom zvyšovania ich bezpečnosti a eliminácie prestojov.