Mohiyatga qaytadigan bo'lsak, AIGCning o'ziga xoslikdagi yutug'i uchta omilning birikmasidir:

1. GPT inson neyronlarining nusxasi

NLP tomonidan taqdim etilgan GPT AI - bu kompyuter neyron tarmog'i algoritmi bo'lib, uning mohiyati inson miya yarim korteksidagi neyron tarmoqlarni simulyatsiya qilishdir.

Til, musiqa, tasvirlar va hatto ta'm haqidagi ma'lumotlarni qayta ishlash va aqlli tasavvur qilish - bularning barchasi inson tomonidan to'plangan funktsiyalardir.

uzoq muddatli evolyutsiya paytida miya "oqsilli kompyuter" sifatida.

Shu sababli, GPT tabiiy ravishda shunga o'xshash ma'lumotlarni, ya'ni tuzilmagan til, musiqa va tasvirlarni qayta ishlash uchun eng mos taqliddir.

Uni qayta ishlash mexanizmi ma'noni tushunish emas, balki aniqlashtirish, aniqlash va bog'lash jarayonidir.Bu juda

paradoksal narsa.

Dastlabki nutqni semantik aniqlash algoritmlari asosan grammatika modelini va nutq ma'lumotlar bazasini yaratdi, so'ngra nutqni lug'at bilan taqqosladi,

keyin lug'atning ma'nosini tushunish uchun lug'atni grammatika bazasiga joylashtirdi va nihoyat tanib olish natijalarini oldi.

Ushbu "mantiqiy mexanizm" asosida sintaksisni tanib olish samaradorligi ViaVoice tanib olish kabi 70% atrofida o'zgarib turdi.

1990-yillarda IBM tomonidan kiritilgan algoritm.

AIGC bunday o'ynash haqida emas.Uning mohiyati grammatika haqida qayg'urish emas, balki neyron tarmoq algoritmini yaratishdir.

semantik bog'lanish emas, balki neyron aloqalar bo'lgan turli so'zlar orasidagi ehtimollik bog'lanishlarini hisoblash uchun kompyuter.

Biz ona tilimizni yoshligimizdan o‘rganganimizdek, “mavzu, predikat, predmet, fe’l, to‘ldiruvchi”ni o‘rganishdan ko‘ra, uni tabiiy ravishda o‘rganganmiz.

va keyin paragrafni tushunish.

Bu AIning fikrlash modeli bo'lib, u tushunish emas, balki tan olishdir.

Bu shuningdek, barcha klassik mexanizm modellari uchun AIning buzg'unchi ahamiyati - kompyuterlar bu masalani mantiqiy darajada tushunishlari shart emas,

balki ichki ma'lumotlar o'rtasidagi bog'liqlikni aniqlang va tan oling va keyin uni bilib oling.

Masalan, elektr tarmoqlarining energiya oqimi holati va prognozi klassik elektr tarmoqlari simulyatsiyasiga asoslanadi, bunda elektr energiyasining matematik modeli mavjud.

mexanizmi o'rnatiladi va keyin matritsali algoritm yordamida birlashtiriladi.Kelajakda bu kerak bo'lmasligi mumkin.AI to'g'ridan-to'g'ri aniqlaydi va bashorat qiladi

har bir tugunning holatiga asoslangan ma'lum modal naqsh.

Tugunlar qancha ko'p bo'lsa, klassik matritsa algoritmi shunchalik mashhur emas, chunki algoritmning murakkabligi soni ortib boradi.

tugunlar va geometrik progressiya ortadi.Biroq, AI juda katta miqyosdagi tugun moslashuviga ega bo'lishni afzal ko'radi, chunki AI aniqlashda yaxshi va

eng ehtimoliy tarmoq rejimlarini bashorat qilish.

Bu Go'ning keyingi bashorati bo'ladimi (AlphaGO keyingi o'nlab qadamlarni bashorat qilishi mumkin, har bir qadam uchun son-sanoqsiz imkoniyatlar) yoki modal bashorat

murakkab ob-havo tizimlarida AI aniqligi mexanik modellarga qaraganda ancha yuqori.

Elektr tarmog'i hozirgi vaqtda sun'iy intellektni talab qilmasligining sababi shundaki, 220 kV va undan yuqori elektr tarmoqlaridagi tugunlar soni viloyatlar tomonidan boshqariladi.

jo'natish katta emas va matritsani chiziqli qilish va siyraklashtirish uchun ko'plab shartlar o'rnatiladi, bu esa hisoblash murakkabligini sezilarli darajada kamaytiradi.

mexanizm modeli.

Biroq, tarqatish tarmog'ining quvvat oqimi bosqichida, o'n minglab yoki yuz minglab quvvat tugunlari, yuk tugunlari va an'anaviy

katta tarqatish tarmog'ida matritsali algoritmlar kuchsizdir.

Kelajakda tarqatish tarmog'i darajasida sun'iy intellekt namunalarini tanib olish mumkin bo'lishiga ishonaman.

2. Tarkibi tuzilmagan axborotni to'plash, o'rgatish va yaratish

AIGC muvaffaqiyatga erishganining ikkinchi sababi ma'lumotlarning to'planishidir.Nutqning A/D konversiyasidan (mikrofon+PCM

namuna olish) tasvirlarni A/D konvertatsiyasiga (CMOS+rang fazosini xaritalash) odamlar ko‘rish va eshitishda gologramma ma’lumotlarni to‘plashgan.

so'nggi bir necha o'n yilliklarda juda arzon narxlardagi yo'llar bilan.

Xususan, kameralar va smartfonlarni keng miqyosda ommalashtirish, odamlar uchun audiovizual sohada tuzilmagan ma'lumotlarning to'planishi.

deyarli nolga teng va Internetda matnli ma'lumotlarning portlovchi to'planishi AIGC treningining kalitidir - o'quv ma'lumotlar to'plamlari arzon.

Yuqoridagi rasmda global ma'lumotlarning o'sish tendentsiyasi ko'rsatilgan, bu eksponent tendentsiyani aniq ko'rsatadi.

Ma'lumotlar to'planishining chiziqli bo'lmagan o'sishi AIGC imkoniyatlarining chiziqli bo'lmagan o'sishi uchun asosdir.

LEKIN, bu ma'lumotlarning aksariyati tuzilmagan audio-vizual ma'lumotlar bo'lib, ular nol narxda to'planadi.

Elektr energiyasi sohasida bunga erishib bo'lmaydi.Birinchidan, elektr energetika sanoatining aksariyati tuzilgan va yarim tuzilgan ma'lumotlardir, masalan

kuchlanish va oqim, bu vaqt seriyalarining nuqta ma'lumotlar to'plami va yarim tuzilgan.

Strukturaviy ma'lumotlar to'plamlari kompyuterlar tomonidan tushunilishi kerak va qurilmani moslashtirish - kuchlanish, oqim va quvvat ma'lumotlari kabi "hizalama" ni talab qiladi.

kalitni ushbu tugunga moslashtirish kerak.

Vaqt shkalasi bo'yicha kuchlanish, oqim va faol va reaktiv quvvatni moslashtirishni talab qiladigan vaqtni moslashtirish yanada qiyinroq.

keyingi identifikatsiya qilish mumkin.To'rtta kvadrantda fazoviy hizalanish bo'lgan oldinga va teskari yo'nalishlar ham mavjud.

Tegishlashni talab qilmaydigan matn ma'lumotlaridan farqli o'laroq, paragraf shunchaki kompyuterga tashlanadi, bu esa mumkin bo'lgan ma'lumotlar assotsiatsiyasini aniqlaydi.

o'z-o'zidan.

Ushbu masalani moslashtirish uchun, masalan, biznesni taqsimlash ma'lumotlarini uskunalar bilan moslashtirish, doimiy ravishda moslashtirish kerak, chunki o'rta va

past kuchlanishli tarqatish tarmog'i har kuni uskunalar va liniyalarni qo'shib, o'chiradi va o'zgartiradi va tarmoq kompaniyalari katta mehnat xarajatlarini sarflaydi.

"Ma'lumotlar izohi" kabi, kompyuterlar buni qila olmaydi.

Ikkinchidan, energetika sohasida ma'lumotlarni yig'ish narxi yuqori va gapirish va suratga olish uchun mobil telefon o'rniga sensorlar talab qilinadi.”

Har safar kuchlanish bir darajaga pasayganda (yoki quvvat taqsimoti munosabatlari bir darajaga kamayadi), kerakli sensor sarmoyasi ortadi

kamida bitta kattalik tartibi bo'yicha.Yuk tomonini (kapillyar oxiri) sezish uchun bu yanada katta raqamli investitsiyadir.

Elektr tarmog'ining vaqtinchalik rejimini aniqlash zarur bo'lsa, yuqori aniqlikdagi yuqori chastotali namuna olish talab qilinadi va xarajat undan ham yuqori.

Ma'lumotlarni yig'ish va ma'lumotlarni moslashtirish uchun juda yuqori marjinal xarajatlar tufayli elektr tarmog'i hozirda etarli chiziqli bo'lmagan energiyani to'play olmaydi.

AI yagonaligiga erishish uchun algoritmni o'rgatish uchun ma'lumotlar ma'lumotlarining o'sishi.

Ma'lumotlarning ochiqligi haqida gapirmasa ham, kuchli AI startapi bu ma'lumotlarni olishi mumkin emas.

Shuning uchun, AIdan oldin, ma'lumotlar to'plamlari muammosini hal qilish kerak, aks holda umumiy AI kodini yaxshi AI ishlab chiqarishga o'rgatib bo'lmaydi.

3. Hisoblash quvvatidagi yutuq

Algoritmlar va ma'lumotlarga qo'shimcha ravishda, AIGC ning yagona yutug'i hisoblash kuchida ham yutuqdir.An'anaviy protsessorlar bunday emas

keng miqyosli bir vaqtda neyronal hisoblash uchun javob beradi.Aynan GPU-larning 3D o'yinlarda va filmlarda qo'llanilishi keng ko'lamli parallellikni ta'minlaydi

suzuvchi nuqta + oqimli hisoblash mumkin.Mur qonuni hisoblash quvvati birligi uchun hisoblash xarajatlarini yanada pasaytiradi.

Elektr tarmog'i AI, kelajakda muqarrar tendentsiya

Ko'p sonli taqsimlangan fotovoltaik va taqsimlangan energiya saqlash tizimlarining integratsiyasi bilan, shuningdek, qo'llash talablari

virtual elektr stantsiyalarining yuk tomonida, ommaviy tarqatish tarmoqlari tizimlari va foydalanuvchi uchun manba va yukni prognozlashni amalga oshirish ob'ektiv ravishda zarur.

tarqatish (mikro) tarmoq tizimlari, shuningdek, tarqatish (mikro) tarmoq tizimlari uchun real vaqt rejimida quvvat oqimini optimallashtirish.

Tarqatish tarmog'i tomonining hisoblash murakkabligi aslida uzatish tarmog'ini rejalashtirishdan yuqori.Hatto reklama uchun ham

murakkab, o'n minglab yuklash moslamalari va yuzlab kalitlar bo'lishi mumkin va AI asosidagi mikro tarmoq / tarqatish tarmog'ining ishlashiga bo'lgan talab

nazorat vujudga keladi.

Sensorlarning arzonligi va qattiq holatdagi transformatorlar, qattiq holatdagi kalitlar va invertorlar (konvertorlar) kabi quvvatli elektron qurilmalardan keng foydalanish bilan,

elektr tarmog'ining chekkasida sezish, hisoblash va nazorat qilishning integratsiyasi ham innovatsion tendentsiyaga aylandi.

Shuning uchun, elektr tarmog'ining AIGC - kelajak.Biroq, bugungi kunda zarur bo'lgan narsa pul ishlash uchun AI algoritmini darhol chiqarib tashlamaslikdir,

Buning o'rniga, birinchi navbatda, AI tomonidan talab qilinadigan ma'lumotlar infratuzilmasini qurish masalalarini hal qiling

AIGC ning yuksalishida AI kuchini qo'llash darajasi va kelajagi haqida etarlicha xotirjam fikrlash kerak.

Hozirgi vaqtda AI kuchining ahamiyati ahamiyatli emas: masalan, spot bozorda 90% bashorat qilish aniqligiga ega fotovoltaik algoritm joylashtirilgan.

5% savdo og'ish chegarasi bilan, va algoritm og'ish barcha savdo foyda yo'q qiladi.

Ma'lumotlar suv, algoritmning hisoblash quvvati esa kanaldir.Qanday bo'lsa, shunday bo'ladi.