Tukirejea kwenye kiini, mafanikio ya AIGC katika umoja ni mchanganyiko wa mambo matatu:

1. GPT ni nakala ya nyuroni za binadamu

GPT AI inayowakilishwa na NLP ni algoriti ya mtandao wa neva wa kompyuta, ambayo kiini chake ni kuiga mitandao ya neva katika gamba la ubongo la binadamu.

Usindikaji na mawazo ya akili ya lugha, muziki, picha, na hata maelezo ya ladha yote ni kazi zilizokusanywa na mwanadamu.

ubongo kama "kompyuta ya protini" wakati wa mageuzi ya muda mrefu.

Kwa hiyo, GPT ni kawaida kuiga kufaa zaidi kwa usindikaji wa habari sawa, yaani, lugha isiyo na muundo, muziki, na picha.

Utaratibu wa usindikaji wake sio uelewa wa maana, lakini ni mchakato wa kusafisha, kutambua na kuhusisha.Hii ni sana

kitu paradoxical.

Algoriti za utambuzi wa kisemantiki wa usemi wa awali kimsingi zilianzisha muundo wa sarufi na hifadhidata ya usemi, kisha kuweka ramani ya hotuba kwa msamiati,

kisha akaweka msamiati kwenye hifadhidata ya sarufi ili kuelewa maana ya msamiati, na hatimaye kupata matokeo ya utambuzi.

Ufanisi wa utambuzi wa "utaratibu huu wa kimantiki" wa utambuzi wa sintaksia umekuwa ukiendelea kwa takriban 70%, kama vile utambuzi wa ViaVoice.

algorithm iliyoletwa na IBM katika miaka ya 1990.

AIGC sio kuhusu kucheza hivi.Kiini chake sio kujali sarufi, lakini badala yake kuanzisha algorithm ya mtandao wa neural ambayo inaruhusu

kompyuta ili kuhesabu miunganisho ya uwezekano kati ya maneno tofauti, ambayo ni miunganisho ya neva, si miunganisho ya kisemantiki.

Kama vile kujifunza lugha yetu ya asili tulipokuwa wachanga, kwa kawaida tulijifunza, badala ya kujifunza “kitenzi, kiima, kiima, kitenzi, kikamilishano,”

na kisha kuelewa aya.

Huu ni mfano wa kufikiri wa AI, ambayo ni kutambuliwa, sio kuelewa.

Huu pia ni umuhimu wa kupindua wa AI kwa mifano yote ya utaratibu wa classical - kompyuta hazihitaji kuelewa jambo hili kwa kiwango cha kimantiki,

bali tambua na utambue uhusiano kati ya taarifa za ndani, kisha ujue.

Kwa mfano, hali ya mtiririko wa nishati na utabiri wa gridi za nishati hutegemea uigaji wa mtandao wa zamani, ambapo muundo wa hisabati wa

utaratibu huanzishwa na kisha kuunganishwa kwa kutumia algorithm ya matrix.Katika siku zijazo, inaweza kuwa sio lazima.AI itatambua moja kwa moja na kutabiri a

muundo fulani wa modali kulingana na hali ya kila nodi.

Kadiri nodi zilivyo, ndivyo algorithm ya matrix ya kawaida inavyojulikana, kwa sababu ugumu wa algorithm huongezeka na idadi ya

nodes na maendeleo ya kijiometri huongezeka.Walakini, AI inapendelea kuwa na upatanishi wa nodi kubwa sana, kwa sababu AI ni nzuri katika kutambua na

kutabiri njia zinazowezekana za mtandao.

Ikiwa ni utabiri unaofuata wa Go (AlphaGO inaweza kutabiri kadhaa ya hatua zinazofuata, na uwezekano mwingi kwa kila hatua) au utabiri wa modal.

ya mifumo tata ya hali ya hewa, usahihi wa AI ni wa juu zaidi kuliko ule wa mifano ya mitambo.

Sababu kwa nini gridi ya umeme kwa sasa haihitaji AI ni kwamba idadi ya nodi katika 220 kV na juu ya mitandao ya nguvu inayodhibitiwa na mkoa.

utumaji si mkubwa, na hali nyingi zimewekwa ili kupanga mstari na kupunguza tumbo, na kupunguza sana ugumu wa hesabu wa

mfano wa utaratibu.

Walakini, katika hatua ya mtiririko wa nguvu ya mtandao wa usambazaji, inakabiliwa na makumi ya maelfu au mamia ya maelfu ya nodi za nguvu, nodi za mzigo, na jadi.

algorithms ya matrix katika mtandao mkubwa wa usambazaji haina nguvu.

Ninaamini kuwa utambuzi wa muundo wa AI katika kiwango cha mtandao wa usambazaji utawezekana katika siku zijazo.

2. Mkusanyiko, mafunzo, na uzalishaji wa taarifa zisizo na muundo

Sababu ya pili kwa nini AIGC imepata mafanikio ni mkusanyiko wa habari.Kutoka kwa ubadilishaji wa usemi wa A/D (microphone+PCM

sampuli) hadi ubadilishaji wa picha wa A/D (CMOS+rangi ya ramani ya nafasi), wanadamu wamekusanya data ya holografia katika taswira na ukaguzi.

kwa njia za gharama ya chini sana katika miongo michache iliyopita.

Hasa, umaarufu mkubwa wa kamera na simu mahiri, mkusanyiko wa data isiyo na muundo katika uwanja wa sauti na kuona kwa wanadamu.

kwa karibu gharama ya sifuri, na mkusanyiko wa taarifa za maandishi kwenye mtandao ni ufunguo wa mafunzo ya AIGC - seti za data za mafunzo ni za gharama nafuu.

Kielelezo hapo juu kinaonyesha mwelekeo wa ukuaji wa data ya kimataifa, ambayo inaonyesha kwa uwazi mwelekeo mkubwa.

Ukuaji huu usio wa mstari wa mkusanyiko wa data ndio msingi wa ukuaji usio wa mstari wa uwezo wa AIGC.

LAKINI, nyingi ya data hizi ni data ya sauti-ya kuona ambayo haijaundwa, ambayo hukusanywa kwa gharama sifuri.

Katika uwanja wa nguvu za umeme, hii haiwezi kupatikana.Kwanza, tasnia nyingi ya nishati ya umeme ni data iliyoundwa na nusu muundo, kama vile

voltage na ya sasa, ambayo ni seti za data za uhakika za mfululizo wa saa na muundo wa nusu.

Seti za data za muundo zinahitaji kueleweka na kompyuta na zinahitaji "upangaji", kama vile upangaji wa kifaa - data ya voltage, mkondo na nguvu.

ya swichi inahitaji kuunganishwa na nodi hii.

Shida zaidi ni upatanishi wa wakati, ambao unahitaji kulandanisha voltage, sasa, na nguvu inayotumika na tendaji kulingana na kiwango cha wakati, ili

kitambulisho kinachofuata kinaweza kufanywa.Pia kuna maelekezo ya mbele na ya nyuma, ambayo ni usawazishaji wa anga katika roboduara nne.

Tofauti na data ya maandishi, ambayo hauitaji usawazishaji, aya inatupwa tu kwa kompyuta, ambayo inatambua uhusiano wa habari unaowezekana.

peke yake.

Ili kuoanisha suala hili, kama vile upatanishi wa vifaa vya data ya usambazaji wa biashara, upatanishi unahitajika kila mara, kwa sababu ya kati na

mtandao wa usambazaji wa volti ya chini unaongeza, kufuta, na kurekebisha vifaa na laini kila siku, na kampuni za gridi hutumia gharama kubwa za wafanyikazi.

Kama vile "ufafanuzi wa data," kompyuta haiwezi kufanya hivi.

Pili, gharama ya kupata data katika sekta ya nishati ni kubwa, na vitambuzi vinahitajika badala ya kuwa na simu ya rununu kuzungumza na kupiga picha.”

Kila wakati voltage inapungua kwa ngazi moja (au uhusiano wa usambazaji wa nguvu hupungua kwa ngazi moja), uwekezaji wa sensor unaohitajika huongezeka

kwa angalau mpangilio mmoja wa ukubwa.Ili kufikia hisia ya upande wa mzigo (mwisho wa kapilari), ni uwekezaji mkubwa zaidi wa kidijitali."

Ikiwa ni muhimu kutambua hali ya muda mfupi ya gridi ya nguvu, sampuli ya juu ya usahihi wa juu inahitajika, na gharama ni kubwa zaidi.

Kwa sababu ya gharama ya juu sana ya ukingo wa kupata data na upatanishaji wa data, gridi ya umeme kwa sasa haiwezi kukusanya vya kutosha visivyo vya mstari.

ukuaji wa taarifa za data ili kutoa mafunzo kwa algoriti kufikia umoja wa AI.

Bila kutaja uwazi wa data, haiwezekani kwa kuanzisha AI ya nguvu kupata data hizi.

Kwa hiyo, kabla ya AI, ni muhimu kutatua tatizo la seti za data, vinginevyo kanuni ya AI ya jumla haiwezi kufundishwa kuzalisha AI nzuri.

3. Mafanikio katika nguvu ya hesabu

Kando na algoriti na data, mafanikio ya umoja wa AIGC pia ni mafanikio katika uwezo wa kukokotoa.CPU za jadi sio

yanafaa kwa kompyuta kubwa ya wakati mmoja ya neuronal.Ni utumiaji haswa wa GPU katika michezo na sinema za 3D ambao hufanya usawa kwa kiwango kikubwa.

kuelea-point+kutiririsha kompyuta kunawezekana.Sheria ya Moore inapunguza zaidi gharama ya hesabu kwa kila kitengo cha nguvu ya kukokotoa.

AI ya gridi ya nguvu, mwelekeo usioepukika katika siku zijazo

Kwa kuunganishwa kwa idadi kubwa ya mifumo ya uhifadhi wa nishati ya photovoltaic na kusambazwa, pamoja na mahitaji ya maombi ya

upakiaji wa mitambo ya umeme inayoonekana, ni muhimu kufanya utabiri wa chanzo na mzigo kwa mifumo ya mtandao wa usambazaji wa umma na mtumiaji

mifumo ya gridi ya usambazaji (ndogo), pamoja na uboreshaji wa mtiririko wa nguvu wa wakati halisi kwa mifumo ya gridi ya usambazaji (ndogo).

Utata wa hesabu wa upande wa mtandao wa usambazaji kwa kweli ni wa juu zaidi kuliko ule wa kuratibu wa mtandao wa upitishaji.Hata kwa biashara

tata, kunaweza kuwa na makumi ya maelfu ya vifaa vya kupakia na mamia ya swichi, na mahitaji ya uendeshaji wa mtandao wa gridi ndogo/usambazaji wa AI.

udhibiti utatokea.

Kwa gharama ya chini ya vitambuzi na matumizi makubwa ya vifaa vya elektroniki vya nguvu kama vile vibadilishaji vya hali dhabiti, swichi za hali dhabiti, na vibadilishaji umeme (vigeuzi),

ujumuishaji wa hisia, kompyuta, na udhibiti kwenye ukingo wa gridi ya nishati pia imekuwa mwelekeo wa ubunifu.

Kwa hiyo, AIGC ya gridi ya nguvu ni ya baadaye.Walakini, kinachohitajika leo sio kuchukua mara moja algorithm ya AI kupata pesa,

Badala yake, kwanza shughulikia masuala ya ujenzi wa miundombinu ya data inayohitajika na AI

Katika kuongezeka kwa AIGC, kunahitaji kuwa na utulivu wa kutosha kufikiria juu ya kiwango cha maombi na mustakabali wa AI ya nguvu.

Kwa sasa, umuhimu wa AI ya nguvu sio muhimu: kwa mfano, algorithm ya photovoltaic yenye usahihi wa utabiri wa 90% imewekwa kwenye soko la doa.

na kizingiti cha kupotoka kwa biashara cha 5%, na kupotoka kwa algorithm itafuta faida zote za biashara.

Data ni maji, na nguvu ya hesabu ya algorithm ni chaneli.Kama itatokea, itakuwa.