Мөн чанарт эргэн орвол AIGC-ийн онцгой байдлын амжилт нь гурван хүчин зүйлийн нэгдэл юм.

1. GPT нь хүний ​​мэдрэлийн эсийн хуулбар юм

NLP-ээр илэрхийлэгдсэн GPT AI нь хүний ​​тархины бор гадар дахь мэдрэлийн сүлжээг дуурайлган дуурайлган хийх мөн чанар нь компьютерийн мэдрэлийн сүлжээний алгоритм юм.

Хэл, хөгжим, дүрс, тэр ч байтугай амтлах мэдээллийг боловсруулах, ухаалаг төсөөлөл нь хүн төрөлхтний хуримтлуулсан үйл ажиллагаа юм.

урт хугацааны хувьслын явцад тархи "уураг компьютер" болж байна.

Тиймээс GPT нь ижил төстэй мэдээлэл, өөрөөр хэлбэл бүтэцгүй хэл, хөгжим, дүрсийг боловсруулахад хамгийн тохиромжтой дууриамал юм.

Үүнийг боловсруулах механизм нь утгыг ойлгох биш, харин сайжруулах, тодорхойлох, холбох үйл явц юм.Энэ бол маш их

парадокс зүйл.

Эрт үеийн ярианы утгыг таних алгоритмууд нь үндсэндээ дүрмийн загвар болон ярианы мэдээллийн санг бий болгож, дараа нь яриаг үгийн сантай харьцуулж,

дараа нь үгийн сангийн утгыг ойлгохын тулд үгсийн санг дүрмийн санд байрлуулж, эцэст нь таних үр дүнг авсан.

Энэхүү "логик механизм"-д суурилсан синтаксийг таних үр ашиг нь ViaVoice таних гэх мэт 70% орчим байна.

1990-ээд онд IBM-ийн нэвтрүүлсэн алгоритм.

AIGC ингэж тоглох гэж байгаа юм биш.Үүний мөн чанар нь дүрмийн талаар санаа тавьдаггүй, харин үүнийг хийх боломжийг олгодог мэдрэлийн сүлжээний алгоритмыг бий болгох явдал юм.

семантик холбоо биш мэдрэлийн холболт болох өөр өөр үгсийн хоорондох магадлалын холболтыг тоолох компьютер.

Бид багадаа эх хэлээ сурсантай адил “судь, угтвар, биет, үйл үг, нөхөх” гэхээсээ илүүтэйгээр уг хэлээ сурсан.

дараа нь догол мөрийг ойлгох.

Энэ бол AI-ийн сэтгэлгээний загвар бөгөөд ойлгох биш таних явдал юм.

Энэ нь мөн бүх сонгодог механизмын загваруудад хиймэл оюун ухааны хорлон сүйтгэх ач холбогдолтой - компьютер энэ асуудлыг логик түвшинд ойлгох шаардлагагүй,

харин дотоод мэдээллийн хоорондын уялдаа холбоог тодорхойлж, таних, дараа нь үүнийг мэдэх.

Жишээлбэл, эрчим хүчний урсгалын төлөв байдал, цахилгаан сүлжээг урьдчилан таамаглах нь сонгодог цахилгаан сүлжээний симуляц дээр суурилдаг бөгөөд үүнд математик загвар нь

механизмыг байгуулж, дараа нь матрицын алгоритмыг ашиглан нэгтгэдэг.Ирээдүйд энэ нь шаардлагагүй байж магадгүй юм.AI шууд тодорхойлж, урьдчилан таамаглах болно

зангилаа бүрийн төлөвт тулгуурлан тодорхой модаль загвар.

Олон тооны зангилаа байх тусам сонгодог матрицын алгоритм төдий чинээ бага түгээмэл байдаг, учир нь алгоритмын нарийн төвөгтэй байдал нь тоо нэмэгдэх тусам нэмэгддэг.

зангилаа ба геометрийн прогресс нэмэгдэнэ.Гэсэн хэдий ч AI нь маш том хэмжээний зангилааны зэрэгцээ байхыг илүүд үздэг, учир нь AI нь таних, танихдаа сайн байдаг.

хамгийн их магадлалтай сүлжээний горимуудыг урьдчилан таамаглах.

Энэ нь Go-ийн дараагийн таамаглал (AlphaGO нь алхам бүрт тоо томшгүй олон боломж бүхий дараагийн хэдэн арван алхмуудыг урьдчилан таамаглах боломжтой) эсвэл горимын таамаглал байна уу.

Цаг агаарын нарийн төвөгтэй системүүдийн хувьд хиймэл оюун ухааны нарийвчлал нь механик загваруудаас хамаагүй өндөр байдаг.

Одоогийн байдлаар цахилгааны сүлжээнд хиймэл оюун ухаан шаардлагагүй байгаагийн шалтгаан нь 220 кВ ба түүнээс дээш хүчдэлийн сүлжээн дэх зангилааны тоо нь аймгийн удирдлагад байдаг.

Диспетчерийн хэмжээ тийм ч том биш бөгөөд матрицыг шугаман болгох, сийрэгжүүлэх олон нөхцөл тавигдсан нь тооцооллын төвөгтэй байдлыг ихээхэн бууруулдаг.

механизмын загвар.

Гэсэн хэдий ч түгээх сүлжээний эрчим хүчний урсгалын үе шатанд хэдэн арван мянга, хэдэн зуун мянган эрчим хүчний зангилаа, ачааллын зангилаа, уламжлалт

Том түгээх сүлжээнд матрицын алгоритмууд хүчгүй байдаг.

Ирээдүйд түгээлтийн сүлжээний түвшинд хиймэл оюун ухааны загварыг таних боломжтой болно гэдэгт би итгэж байна.

2. Бүтэцгүй мэдээлэл хуримтлуулах, сургах, бий болгох

AIGC яагаад нээлт хийсэн хоёр дахь шалтгаан нь мэдээллийн хуримтлал юм.Ярианы A/D хувиргалтаас (микрофон+PCM

дээж авах) зургийг A/D хувиргахад (CMOS+өнгөт орон зайны зураглал) хүмүүс харааны болон сонсголын хэсэгт голограф өгөгдөл хуримтлуулсан.

талбайнуудыг сүүлийн хэдэн арван жилд маш бага зардлаар .

Ялангуяа камер, ухаалаг гар утсыг өргөн цар хүрээтэй сурталчлах, хүмүүст зориулсан аудиовизуал талбарт бүтэцгүй өгөгдөл хуримтлуулах.

бараг тэг зардлаар, мөн интернэт дэх текст мэдээллийн тэсрэх хуримтлал нь AIGC сургалтын гол түлхүүр юм - сургалтын мэдээллийн багц нь хямд.

Дээрх зураг нь дэлхийн мэдээллийн өсөлтийн чиг хандлагыг харуулсан бөгөөд энэ нь экспоненциал хандлагыг тодорхой харуулж байна.

Өгөгдлийн хуримтлалын энэхүү шугаман бус өсөлт нь AIGC-ийн чадавхийн шугаман бус өсөлтийн үндэс суурь юм.

ГЭХДЭЭ эдгээр өгөгдлийн ихэнх нь бүтэцгүй аудио-визуаль өгөгдөл бөгөөд тэг зардлаар хуримтлагддаг.

Цахилгаан эрчим хүчний салбарт үүнийг хийх боломжгүй юм.Нэгдүгээрт, цахилгаан эрчим хүчний салбарын ихэнх нь бүтэцтэй болон хагас бүтэцтэй өгөгдөл, тухайлбал

цаг хугацааны цуваа ба хагас бүтэцтэй цэгийн өгөгдлийн багц болох хүчдэл ба гүйдэл.

Бүтцийн өгөгдлийн багц нь компьютерт ойлгомжтой байх ёстой бөгөөд хүчдэл, гүйдэл, тэжээлийн өгөгдөл зэрэг төхөөрөмжийн зэрэгцүүлэх зэрэг "тохируулга" шаарддаг.

шилжүүлэгчийг энэ зангилаатай зэрэгцүүлэх шаардлагатай.

Илүү төвөгтэй зүйл бол цагийн хуваарийн дагуу хүчдэл, гүйдэл, идэвхтэй ба реактив хүчийг тохируулах шаардлагатай байдаг.

дараагийн таних ажлыг хийж болно.Мөн урагш болон урвуу чиглэлүүд байдаг бөгөөд эдгээр нь дөрвөн квадрат дахь орон зайн тэгшитгэл юм.

Зэрэгцүүлэх шаардлагагүй текстийн өгөгдлөөс ялгаатай нь догол мөрийг зүгээр л компьютерт оруулдаг бөгөөд энэ нь мэдээллийн боломжит холбоог тодорхойлдог.

дангаараа.

Бизнесийн түгээлтийн өгөгдлийн тоног төхөөрөмжийн уялдаа холбоо зэрэг энэ асуудлыг зохицуулахын тулд дунд болон

Нам хүчдэлийн түгээх сүлжээ өдөр бүр тоног төхөөрөмж, шугам нэмж, устгаж, өөрчилж, сүлжээний компаниуд асар их хөдөлмөрийн зардал гаргадаг.

"Өгөгдлийн тайлбар" шиг компьютер үүнийг хийх боломжгүй.

Хоёрдугаарт, эрчим хүчний салбарт мэдээлэл олж авах зардал өндөр, ярих, зураг авахын тулд гар утастай байхын оронд мэдрэгч шаардлагатай байдаг.”

Хүчдэл нэг түвшнээр буурах (эсвэл эрчим хүчний хуваарилалтын хамаарал нэг түвшинд буурах) бүрт шаардлагатай мэдрэгчийн хөрөнгө оруулалт нэмэгддэг

наад зах нь нэг хэмжээний дарааллаар.Ачааллын хажуугийн (хялгасны төгсгөл) мэдрэгчийг бий болгохын тулд энэ нь илүү их хэмжээний дижитал хөрөнгө оруулалт юм."

Эрчим хүчний сүлжээний түр зуурын горимыг тодорхойлох шаардлагатай бол өндөр нарийвчлалтай өндөр давтамжийн дээж авах шаардлагатай бөгөөд өртөг нь бүр ч өндөр байдаг.

Өгөгдөл цуглуулах, мэдээлэл тохируулахад маш өндөр ахиуц зардал гардаг тул цахилгаан сүлжээ одоогоор шугаман бус эрчим хүчийг хангалттай хуримтлуулж чадахгүй байна.

AI өвөрмөц байдалд хүрэх алгоритмыг сургах мэдээллийн мэдээллийн өсөлт.

Өгөгдлийн нээлттэй байдлыг дурдахгүй бол хүчирхэг AI эхлүүлэх нь эдгээр өгөгдлийг олж авах боломжгүй юм.

Тиймээс хиймэл оюун ухаанаас өмнө өгөгдлийн багцын асуудлыг шийдэх шаардлагатай, эс тэгвээс хиймэл оюун ухааны ерөнхий кодыг сайн хиймэл оюун ухаан үйлдвэрлэхэд сургаж чадахгүй.

3. Тооцооллын хүчин чадалд гарсан амжилт

Алгоритм ба өгөгдлөөс гадна AIGC-ийн өвөрмөц байдлын нээлт нь тооцооллын хүчин чадалд бас нээлт юм.Уламжлалт CPU-ууд тийм биш

том хэмжээний зэрэгцээ мэдрэлийн тооцоололд тохиромжтой.Энэ нь 3D тоглоом, кинонд GPU ашиглах нь том хэмжээний параллель болгодог

хөвөгч цэг + урсгалтай тооцоолох боломжтой.Мурын хууль нь тооцоолох хүчин чадлын нэгжид ногдох тооцооллын зардлыг улам багасгадаг.

Цахилгаан сүлжээ AI нь ирээдүйд зайлшгүй чиг хандлага юм

Олон тооны тархсан фотоволтайк болон тархсан эрчим хүч хадгалах системийг нэгтгэх, түүнчлэн хэрэглээний шаардлагууд.

Ачаалал талын виртуаль цахилгаан станцуудын хувьд нийтийн түгээх сүлжээний систем, хэрэглэгчдэд эх үүсвэр, ачааллыг урьдчилан таамаглах шаардлагатай байна.

түгээлтийн (бичил) сүлжээний системүүд, түүнчлэн түгээлтийн (микро) сүлжээний системийн бодит цагийн эрчим хүчний урсгалыг оновчтой болгох.

Түгээх сүлжээний талын тооцооллын нарийн төвөгтэй байдал нь дамжуулах сүлжээний хуваарьтай харьцуулахад үнэндээ өндөр байдаг.Сурталчилгааны хувьд ч гэсэн

нарийн төвөгтэй, хэдэн арван мянган ачааллын төхөөрөмж, хэдэн зуун унтраалга байж болох ба хиймэл оюун ухаанд суурилсан микро сүлжээ/түгээх сүлжээний үйл ажиллагааны эрэлт хэрэгцээ

хяналт бий болно.

Мэдрэгчийн өртөг бага, хатуу төлөвт трансформатор, хатуу төлөвт унтраалга, инвертер (хувиргагч) зэрэг цахилгаан эрчим хүчний электрон төхөөрөмжүүдийг өргөнөөр ашигладаг.

цахилгаан сүлжээний захад мэдрэгч, тооцоолол, хяналтыг нэгтгэх нь шинэлэг чиг хандлага болсон.

Иймд эрчим хүчний сүлжээний АIGC бол ирээдүй юм.Гэсэн хэдий ч өнөөдөр шаардлагатай зүйл бол мөнгө олохын тулд AI алгоритмыг шууд гаргаж авахгүй байх явдал юм.

Үүний оронд эхлээд хиймэл оюун ухаанд шаардагдах өгөгдлийн дэд бүтцийн барилгын асуудлыг шийд

AIGC-ийн өсөлтөд AI-ийн хэрэглээний түвшин болон ирээдүйн талаар хангалттай тайван бодолтой байх шаардлагатай.

Одоогийн байдлаар AI-ийн эрчим хүчний ач холбогдол тийм ч чухал биш юм: жишээлбэл, 90% -ийн таамаглалын нарийвчлалтай фотоволтайк алгоритмыг спот зах зээл дээр байрлуулсан.

арилжааны хазайлтын босго нь 5% байх ба алгоритмын хазайлт нь арилжааны бүх ашгийг устгах болно.

Өгөгдөл нь ус, алгоритмын тооцоолох хүч нь суваг юм.Энэ нь тохиолдох тусам ийм байх болно.