Balik deui ka hakekat, terobosan AIGC dina singularitas mangrupikeun kombinasi tilu faktor:

1. GPT mangrupa réplika neuron manusa

GPT AI diwakilan ku NLP nyaéta algoritma jaringan saraf komputer, anu hakekatna nyaéta pikeun simulasi jaringan saraf dina korteks cerebral manusa.

Ngolah sareng imajinasi calakan basa, musik, gambar, sareng inpormasi rasa sadayana mangrupikeun fungsi anu diakumulasi ku manusa.

otak salaku "komputer protéin" salila évolusi jangka panjang.

Ku alatan éta, GPT sacara alami mangrupikeun imitasi anu paling cocog pikeun ngolah inpormasi anu sami, nyaéta, basa anu henteu terstruktur, musik, sareng gambar.

Mékanisme ngolahna lain pamahaman harti, tapi mangrupa prosés ngamurnikeun, ngaidentipikasi, jeung pakait.Ieu pisan

hal paradoks.

Algoritma pangakuan semantik ucapan awal dasarna ngadamel modél grammar sareng database ucapan, teras dipetakeun ucapan kana kosakata,

tuluy ditempatkeun kosa kecap kana database tatabasa sangkan paham kana harti kekecapan, sarta ahirna meunang hasil pangakuan.

Efisiensi pangakuan tina pangakuan sintaksis dumasar "mekanisme logis" ieu parantos ngalayang sakitar 70%, sapertos pangakuan ViaVoice.

algoritma diwanohkeun ku IBM dina 1990s.

AIGC sanés ngeunaan maén sapertos kieu.Intina henteu paduli ngeunaan grammar, tapi pikeun ngadegkeun algoritma jaringan saraf anu ngamungkinkeun

komputer pikeun ngitung sambungan probabilistik antara kecap béda, nu mangrupakeun sambungan saraf, teu sambungan semantis.

Sapertos diajar basa indung nalika urang ngora, urang sacara alami diajar éta, tibatan diajar "subyek, predikat, objek, kecap pagawéan, komplemén,"

lajeng ngartos hiji paragraf.

Ieu mangrupikeun modél pamikiran AI, nyaéta pangakuan, sanés pamahaman.

Ieu ogé pentingna subversif AI pikeun sadaya modél mékanisme klasik - komputer henteu kedah ngartos masalah ieu dina tingkat logis,

tapi rada ngaidentipikasi jeung ngakuan korelasi antara informasi internal, lajeng terang eta.

Salaku conto, kaayaan aliran kakuatan sareng prediksi jaringan listrik dumasar kana simulasi jaringan listrik klasik, dimana modél matematika tina

mékanisme dijieun lajeng converged ngagunakeun algoritma matrix.Dina mangsa nu bakal datang, bisa jadi teu perlu.AI bakal langsung ngaidentipikasi sareng ngaduga a

pola modal tangtu dumasar kana status unggal titik.

Langkung seueur titik, algoritma matriks klasik anu kirang populer, sabab pajeulitna algoritma ningkat kalayan jumlah

titik sarta progression geometric naek.Nanging, AI langkung milih gaduh konkurensi titik skala ageung, sabab AI saé pikeun ngaidentipikasi sareng

ngaramalkeun modeu jaringan anu paling dipikaresep.

Naha éta prediksi salajengna Go (AlphaGO tiasa ngaduga puluhan léngkah salajengna, kalayan kamungkinan anu teu kaétang pikeun tiap léngkah) atanapi prediksi modal

tina sistem cuaca anu kompleks, akurasi AI langkung luhur tibatan modél mékanis.

Alesan kunaon jaringan listrik ayeuna henteu meryogikeun AI nyaéta jumlah titik dina jaringan listrik 220 kV sareng di luhur anu diurus ku propinsi.

ngirimkeunana henteu ageung, sareng seueur kaayaan anu disetél pikeun ngalinierkeun sareng ngajarang matriks, pisan ngirangan pajeulitna komputasi

modél mékanisme.

Tapi, dina tahap aliran daya jaringan distribusi, nyanghareupan puluhan rébu atawa ratusan rébu titik kakuatan, titik beban, jeung tradisional.

Algoritma matriks dina jaringan distribusi ageung teu aya kakuatanana.

Kuring yakin yén pangakuan pola AI dina tingkat jaringan distribusi bakal mungkin di hareup.

2. Akumulasi, latihan, jeung generasi informasi unstructured

Alesan kadua naha AIGC parantos ngadamel terobosan nyaéta akumulasi inpormasi.Tina konversi A/D ucapan (mikropon+PCM

sampling) kana konversi A / D gambar (CMOS + pemetaan spasi warna), manusa geus akumulasi data holographic dina visual jeung auditory.

sawah dina cara anu murah pisan salami sababaraha dekade katukang.

Khususna, populérisasi kaméra sareng smartphone skala ageung, akumulasi data anu henteu terstruktur dina widang audiovisual pikeun manusa.

dina biaya ampir enol, sarta akumulasi ngabeledug inpormasi téks dina Internét mangrupakeun konci pikeun latihan AIGC - latihan susunan data anu murah.

Angka di luhur nunjukkeun tren pertumbuhan data global, anu jelas nunjukkeun tren eksponensial.

Tumuwuhna akumulasi data non-linier ieu mangrupikeun pondasi pikeun kamekaran non-linier kamampuan AIGC.

TAPI, kalolobaan data ieu mangrupikeun data audio-visual anu henteu terstruktur, anu diakumulasi dina biaya nol.

Dina widang tanaga listrik, ieu teu tiasa dihontal.Anu mimiti, kalolobaan industri listrik nyaéta data terstruktur sareng semi terstruktur, sapertos

tegangan jeung arus, nu mangrupakeun set data titik runtuyan waktu jeung semi terstruktur.

Susunan data struktural kedah kahartos ku komputer sareng peryogi "alignment", sapertos alignment alat - data tegangan, arus, sareng kakuatan.

tina switch kudu dijajarkeun kana titik ieu.

Leuwih troublesome nyaeta time alignment, nu merlukeun aligning tegangan, arus, jeung kakuatan aktif jeung réaktif dumasar kana skala waktu, jadi

idéntifikasi saterusna bisa dipigawé.Aya ogé arah maju sareng mundur, nyaéta alignment spasial dina opat kuadran.

Teu kawas data téks, nu teu merlukeun alignment, paragraf ngan saukur dialungkeun ka komputer, nu nangtukeun kamungkinan asosiasi informasi.

sorangan.

Dina raraga align masalah ieu, kayaning alat alignment data distribusi bisnis, alignment terus diperlukeun, sabab sedeng jeung

jaringan distribusi tegangan low nambihkeun, mupus, sareng ngarobih alat sareng garis unggal dinten, sareng perusahaan grid nyéépkeun biaya tenaga kerja anu ageung.

Kawas "annotation data," komputer teu bisa ngalakukeun ieu.

Bréh, biaya akuisisi data dina sektor kakuatan tinggi, sarta sensor diperlukeun tinimbang gaduh handphone pikeun nyarita jeung nyandak poto.”

Unggal waktos tegangan nurun ku hiji tingkat (atawa hubungan distribusi kakuatan nurun ku hiji tingkat), investasi sensor diperlukeun nambahan

ku sahanteuna hiji urutan gedena.Pikeun ngahontal sisi beban (tungtung kapiler) sensing, éta malah leuwih investasi digital masif ".

Upami diperlukeun pikeun ngaidentipikasi mode fana tina grid kakuatan, precision tinggi-frekuensi sampling diperlukeun, sarta biaya na malah leuwih luhur.

Kusabab biaya marginal anu luhur pisan pikeun akuisisi data sareng alignment data, jaringan listrik ayeuna henteu tiasa ngumpulkeun cukup non-linier.

tumuwuhna inpormasi data pikeun ngalatih algoritma pikeun ngahontal singularitas AI.

Teu nyebut kabuka data, mustahil pikeun ngamimitian kakuatan AI pikeun ménta data ieu.

Ku alatan éta, saméméh AI, perlu pikeun ngajawab masalah susunan data, disebutkeun kode AI umum teu bisa dilatih pikeun ngahasilkeun AI alus.

3. Narabas dina kakuatan komputasi

Salian algoritma sareng data, terobosan singularitas AIGC ogé mangrupikeun terobosan dina kakuatan komputasi.CPUs Tradisional henteu

cocog pikeun komputasi neuronal skala ageung.Éta mangrupikeun aplikasi GPU dina kaulinan sareng pilem 3D anu ngajantenkeun paralel skala ageung.

floating-point + komputasi streaming mungkin.Hukum Moore salajengna ngirangan biaya komputasi per unit kakuatan komputasi.

Power grid AI, hiji trend dilawan di mangsa nu bakal datang

Kalayan integrasi sajumlah ageung sistem panyimpen énergi photovoltaic sareng disebarkeun, ogé sarat aplikasi tina

beban sisi pembangkit listrik maya, éta obyektif diperlukeun pikeun ngalaksanakeun sumber jeung beban forecasting pikeun sistem jaringan distribusi umum jeung pamaké

distribusi (mikro) sistem grid, kitu ogé optimasi aliran kakuatan real-time pikeun distribusi (mikro) sistem grid.

Pajeulitna komputasi sisi jaringan distribusi sabenerna leuwih luhur batan scheduling jaringan transmisi.Malah keur komersil

kompleks, meureun aya puluhan rébu alat beban sareng ratusan saklar, sareng paménta pikeun operasi jaringan jaringan mikro / distribusi berbasis AI

kontrol bakal timbul.

Kalayan béaya rendah sénsor sareng pamakean alat éléktronik kakuatan sapertos trafo solid-state, switch solid-state, sareng inverter (konverter),

integrasi sensing, komputasi, jeung kontrol di ujung grid kakuatan ogé geus jadi trend inovatif.

Ku alatan éta, AIGC tina grid kakuatan nyaéta mangsa nu bakal datang.Nanging, anu diperyogikeun ayeuna nyaéta henteu langsung ngaluarkeun algoritma AI pikeun ngahasilkeun artos,

Sabalikna, alamatkeun heula masalah konstruksi infrastruktur data anu diperyogikeun ku AI

Dina naékna AIGC, kedah aya pamikiran tenang anu cekap ngeunaan tingkat aplikasi sareng masa depan kakuatan AI.

Ayeuna, pentingna kakuatan AI henteu signifikan: contona, algoritma photovoltaic kalayan akurasi prediksi 90% disimpen dina pasar spot.

kalawan bangbarung simpangan dagang tina 5%, sarta simpangan algoritma bakal ngusap kaluar kabeh kauntungan dagang.

Datana nyaéta cai, sareng kakuatan komputasi algoritma nyaéta saluran.Sakumaha kajadian, éta bakal.