人妻少妇精品视频一区二区三区,人妻少妇AV中文字幕乱码,GOGO熟女少妇大尺度,丰满少妇大叫太大太粗,岛国精品在线观看
當(dāng)前位置: 首頁(yè) > 能源互聯(lián)網(wǎng) > 市場(chǎng)研究

ChatGPT火爆 電力AI春天來(lái)了么?

魚眼看電改發(fā)布時(shí)間:2023-03-30 10:39:06  作者:俞慶

  最近ChatGPT爆火,在文字和視覺(jué)內(nèi)容的AIGC方向,確實(shí)達(dá)到了某種臨界值,涌現(xiàn)出“智能”。

  趁著這個(gè)熱度,AI方向也很火,最近看了幾個(gè)能源、電力方向的AI創(chuàng)業(yè)公司的BP,感覺(jué)就是“干啥都沒(méi)想明白,就出來(lái)融資了”。

  電力AI的春天真的來(lái)了嗎?

  (來(lái)源:微信公眾號(hào)“魚眼看電改” 作者:俞慶)

  回歸本質(zhì),AIGC的奇點(diǎn)突破,個(gè)人覺(jué)得是三個(gè)因素的結(jié)合:

  1、GPT是人類神經(jīng)元的仿生產(chǎn)物

  NLP為代表的GPT類AI,是計(jì)算機(jī)神經(jīng)元網(wǎng)絡(luò)算法,其本質(zhì)是對(duì)人類大腦皮層的神經(jīng)元網(wǎng)絡(luò)模擬。

  而語(yǔ)言、音樂(lè)、圖像,甚至味覺(jué)信息的處理和智能想象,都是人類大腦作為一種“蛋白質(zhì)計(jì)算機(jī)”,在長(zhǎng)期進(jìn)化中積累出來(lái)的功能。

  所以GPT作為仿生產(chǎn)物,自然最適合處理同類的信息,也就是非結(jié)構(gòu)化的語(yǔ)言、音樂(lè)、圖像。

  其處理的機(jī)制,也不是意義的理解,而是一種提煉、識(shí)別、聯(lián)想。這就是非常吊詭的一件事。

  早期的語(yǔ)音語(yǔ)義識(shí)別算法,本質(zhì)上是建立語(yǔ)法模型和語(yǔ)音庫(kù),然后把語(yǔ)音對(duì)應(yīng)到詞匯,再把詞匯放到語(yǔ)法庫(kù)里去理解詞匯的意義,最后得到識(shí)別結(jié)果。

  這種基于“邏輯機(jī)理”的語(yǔ)法識(shí)別,識(shí)別效率一直徘徊在70%左右,比如IBM在上世紀(jì)90年代推出的ViaVoice識(shí)別算法。

  AIGC不是這么去玩,其本質(zhì)是不去管什么語(yǔ)法,而是建立一個(gè)神經(jīng)元網(wǎng)絡(luò)算法,讓計(jì)算機(jī)自己去統(tǒng)計(jì)不同詞匯之間的概率聯(lián)系,是神經(jīng)元的聯(lián)系,而不是語(yǔ)義的聯(lián)系。

  很像我們小時(shí)候?qū)W母語(yǔ),我們自然就學(xué)會(huì)了,而不是一開(kāi)始去學(xué)習(xí)“主謂賓、狀定補(bǔ)”,然后去理解一段話。

  這就是AI的思維模型,是識(shí)別,而不是理解。

  這也是AI對(duì)所有經(jīng)典機(jī)理模型的顛覆意義——計(jì)算機(jī)不用在邏輯層理解這件事,而是識(shí)別、認(rèn)識(shí)到內(nèi)在信息之間的關(guān)聯(lián)關(guān)系,就知道了。

  比如電網(wǎng)的潮流狀態(tài)和潮流預(yù)測(cè),基于經(jīng)典電力網(wǎng)絡(luò)仿真,是建立機(jī)理數(shù)學(xué)模型,然后用矩陣算法去收斂。未來(lái)可能不需要了,AI直接就根據(jù)每個(gè)節(jié)點(diǎn)的狀態(tài)去識(shí)別和預(yù)測(cè)出某個(gè)模態(tài)班圖(Pattern)。

  節(jié)點(diǎn)越多,而經(jīng)典矩陣算法越不喜歡,因?yàn)樗惴◤?fù)雜度隨節(jié)點(diǎn)數(shù)量增加,幾何級(jí)數(shù)的增加,而AI偏偏喜歡超大規(guī)模的節(jié)點(diǎn)并發(fā),因?yàn)樽R(shí)別和預(yù)測(cè)最可能的網(wǎng)絡(luò)模態(tài)是AI擅長(zhǎng)的。

  無(wú)論是圍棋的下一步預(yù)測(cè)(AlphaGO可以預(yù)測(cè)后面幾十步,每一步都有無(wú)數(shù)種可能),還是天氣復(fù)雜系統(tǒng)的模態(tài)預(yù)測(cè),AI的精確度都比機(jī)理模型高很多。

  電網(wǎng)之所以目前不需要AI,是因?yàn)槭〖?jí)調(diào)度管理的220kV及以上的電力網(wǎng)絡(luò),節(jié)點(diǎn)數(shù)量不多,而且設(shè)置了很多條件對(duì)矩陣線性化,稀疏化,極大降低了機(jī)理模型的計(jì)算復(fù)雜度。

  但是到了配網(wǎng)潮流階段,面對(duì)一個(gè)大型配電網(wǎng)里幾萬(wàn)、幾十萬(wàn)的電源節(jié)點(diǎn)、負(fù)荷節(jié)點(diǎn)、傳統(tǒng)矩陣算法是無(wú)力的。

  我認(rèn)為未來(lái)AI在配網(wǎng)層面的模式識(shí)別將成為可能。

  2、非結(jié)構(gòu)化信息的積累、訓(xùn)練與生成

  AIGC之所以獲得突破,第二個(gè)原因是信息的積累程度。從語(yǔ)音的A/D轉(zhuǎn)換(麥克風(fēng)+PCM采樣),到圖像的A/D化(CMOS+色彩空間映射),人類過(guò)去幾十年,用極低成本的方式,積累了視覺(jué)、聽(tīng)覺(jué)領(lǐng)域的全息數(shù)據(jù)。

  尤其是攝像頭、智能手機(jī)的大規(guī)模普及,人類在視聽(tīng)領(lǐng)域的,非結(jié)構(gòu)化數(shù)據(jù)積累幾乎零成本,互聯(lián)網(wǎng)上文字信息的爆發(fā)性積累,是AIGC訓(xùn)練的關(guān)鍵——訓(xùn)練數(shù)據(jù)集不要錢。

  上圖是全球數(shù)據(jù)的增長(zhǎng)趨勢(shì),明顯呈現(xiàn)指數(shù)級(jí)趨勢(shì),這種數(shù)據(jù)積累的非線性增長(zhǎng),是AIGC能力非線性增長(zhǎng)的基礎(chǔ)。

  BUT,這些數(shù)據(jù)大部分都是非結(jié)構(gòu)化的視聽(tīng)數(shù)據(jù),是零成本積累的。

  在電力領(lǐng)域,這點(diǎn)是做不到的,首先電力行業(yè)絕大多數(shù)是結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù),比如電壓、電流,是時(shí)間序列的點(diǎn)數(shù)據(jù)集合,是半結(jié)構(gòu)化的。

  結(jié)構(gòu)性數(shù)據(jù)集合,需要讓計(jì)算機(jī)理解,是需要“對(duì)齊”的,比如設(shè)備對(duì)齊——一個(gè)開(kāi)關(guān)的電壓、電流、功率數(shù)據(jù),都需要對(duì)齊到這個(gè)節(jié)點(diǎn)上。

  還有更麻煩的是時(shí)間對(duì)齊,要根據(jù)時(shí)標(biāo)去對(duì)齊電壓、電流、有功無(wú)功,這樣才能后續(xù)識(shí)別。還有正反向,是四象限的空間對(duì)齊。

  不像文本數(shù)據(jù),不用對(duì)齊,一段話扔給計(jì)算機(jī)就行了,它自己去識(shí)別出可能的信息關(guān)聯(lián)。

  為了對(duì)齊這件事,比如營(yíng)配數(shù)據(jù)的設(shè)備對(duì)齊,而且是不斷需要對(duì)齊,因?yàn)橹械蛪号渚W(wǎng)每天都在增刪改設(shè)備和線路,電網(wǎng)公司花費(fèi)巨大的人工成本。

  和“數(shù)據(jù)標(biāo)注”一樣,這件事計(jì)算機(jī)做不了。

  其次,電力領(lǐng)域的數(shù)據(jù)獲取成本很高,都要裝傳感器,而不是有個(gè)手機(jī)就能說(shuō)話拍照。電壓每降低一個(gè)等級(jí)(或者配電關(guān)系每降低一個(gè)層級(jí)),所需傳感器投資至少增加一個(gè)數(shù)量級(jí),要做到負(fù)荷側(cè)(毛細(xì)血管末端)的感知,那更是天量的數(shù)字化投資。

  如果要識(shí)別電網(wǎng)暫態(tài)模式,那需要高精度高頻采樣,那成本就更高。

  因?yàn)閿?shù)據(jù)獲取和數(shù)據(jù)對(duì)齊的邊際成本極高,導(dǎo)致電網(wǎng)目前無(wú)法積累足夠的、呈非線性增長(zhǎng)的數(shù)據(jù)信息,去訓(xùn)練一個(gè)達(dá)到AI奇點(diǎn)的算法。

  更別說(shuō)數(shù)據(jù)的開(kāi)放性,一個(gè)電力AI創(chuàng)業(yè)公司,是不可能拿到這些數(shù)據(jù)的。

  所以AI之前,必先解決數(shù)據(jù)集的問(wèn)題,否則通用AI代碼是訓(xùn)練不出一個(gè)好的AI的。

  3、算力突破

  AIGC的奇點(diǎn)突破,除了算法和數(shù)據(jù),還有就是算力突破,傳統(tǒng)CPU不適合做大規(guī)模并發(fā)的神經(jīng)元計(jì)算的,恰好是GPU在3D游戲和影視方面的應(yīng)用,使得大規(guī)模并行的浮點(diǎn)+流計(jì)算成為可能,摩爾定律更使得單位算力的計(jì)算成本下降。

  電網(wǎng)AI,未來(lái)必然的趨勢(shì)

  隨著大量分布式光伏、分布式儲(chǔ)能的并網(wǎng),以及負(fù)荷側(cè)虛擬電廠的應(yīng)用需求,客觀上需要對(duì)公共配電網(wǎng)系統(tǒng)、用戶配(微)電網(wǎng)系統(tǒng),進(jìn)行源、荷預(yù)測(cè),以及配(微)網(wǎng)的實(shí)時(shí)潮流優(yōu)化。

  配網(wǎng)側(cè)的計(jì)算復(fù)雜度其實(shí)高于輸電網(wǎng)調(diào)度,即使一個(gè)商業(yè)綜合體,負(fù)荷設(shè)備就可能幾萬(wàn)幾十萬(wàn),開(kāi)關(guān)成百上千,基于AI的微網(wǎng)/配網(wǎng)運(yùn)行控制需求將會(huì)出現(xiàn)。

  而傳感器的低成本化,固態(tài)變壓器、固態(tài)開(kāi)關(guān)、逆變器(變流器)等功率電子設(shè)備大量使用,在電網(wǎng)邊緣的感知-計(jì)算-控制融合也成為創(chuàng)新的趨勢(shì)。

  所以電網(wǎng)的AIGC,是未來(lái)。只不過(guò),今天需要的,不是馬上拿個(gè)AI算法出來(lái)圈錢,

  而是先解決AI所需的數(shù)據(jù)基礎(chǔ)構(gòu)建問(wèn)題

  在AIGC的熱潮中,對(duì)電力AI的應(yīng)用水平與未來(lái),需要有足夠的冷靜思考。

  目前電力AI意義不大:比如一個(gè)預(yù)測(cè)精度90%的光伏算法,放到交易偏差門檻5%的現(xiàn)貨市場(chǎng)里,算法偏差就把交易利潤(rùn)全部干完了。

  數(shù)據(jù)是水,算法算力是渠,水到渠成。


評(píng)論

用戶名:   匿名發(fā)表  
密碼:  
驗(yàn)證碼:
最新評(píng)論0
人妻少妇精品视频一区二区三区,人妻少妇AV中文字幕乱码,GOGO熟女少妇大尺度,丰满少妇大叫太大太粗,岛国精品在线观看