Мәніне оралсақ, AIGC-тің сингулярлықтағы серпілісі үш фактордың үйлесімі болып табылады:

1. GPT – адам нейрондарының көшірмесі

NLP ұсынған GPT AI - бұл компьютерлік нейрондық желі алгоритмі, оның мәні адамның ми қыртысындағы нейрондық желілерді имитациялау болып табылады.

Тілді, музыканы, кескіндерді, тіпті дәм туралы ақпаратты өңдеу және зерделі елестету - бұл адамның жинақтаған функциялары.

ми ұзақ мерзімді эволюция кезінде «ақуыздық компьютер» ретінде.

Сондықтан GPT, әрине, ұқсас ақпаратты, яғни құрылымсыз тілді, музыканы және кескіндерді өңдеу үшін ең қолайлы имитация болып табылады.

Оны өңдеу механизмі мағынаны түсіну емес, керісінше нақтылау, анықтау және байланыстыру процесі.Бұл өте

парадоксальды нәрсе.

Ерте сөйлеуді семантикалық тану алгоритмдері негізінен грамматикалық модель мен сөйлеу дерекқорын құрды, содан кейін сөйлеуді сөздікпен салыстырды,

содан кейін сөздіктің мағынасын түсіну үшін грамматикалық дерекқорға лексиканы орналастырды және соңында тану нәтижелерін алды.

Осы «логикалық механизмге» негізделген синтаксистік танудың тану тиімділігі ViaVoice тану сияқты 70% шамасында болды.

1990 жылдары IBM ұсынған алгоритм.

AIGC бұлай ойнау туралы емес.Оның мәні грамматикаға мән беру емес, керісінше нейрондық желі алгоритмін құру болып табылады.

семантикалық байланыстар емес, нейрондық байланыстар болып табылатын әртүрлі сөздер арасындағы ықтималдық байланыстарды санау үшін компьютер.

Ана тілімізді жас кезімізден үйренгеніміздей, біз оны «субъекті, предикат, зат, етістік, толықтауыш» дегенді емес, табиғи түрде үйрендік.

содан кейін абзацты түсіну.

Бұл AI ойлау моделі, ол түсіну емес, тану.

Бұл сонымен қатар AI-ның барлық классикалық механизм үлгілері үшін диверсиялық маңыздылығы - компьютерлер бұл мәселені логикалық деңгейде түсінудің қажеті жоқ,

бірақ ішкі ақпарат арасындағы корреляцияны анықтап, танып, содан кейін оны білу.

Мысалы, қуат ағынының күйі және электр желілерінің болжамы классикалық электр желісін модельдеуге негізделген, мұнда электр желілерінің математикалық моделі қолданылады.

механизм құрылады, содан кейін матрицалық алгоритм арқылы жинақталады.Болашақта бұл қажет болмауы мүмкін.AI тікелей анықтайды және болжайды

әрбір түйіннің күйіне негізделген белгілі бір модальды үлгі.

Неғұрлым түйіндер көп болса, классикалық матрицалық алгоритм соншалықты танымал емес, өйткені алгоритмнің күрделілігі саны артады.

түйіндер мен геометриялық прогрессия артады.Дегенмен, AI өте кең ауқымды түйін параллельділігін қалайды, өйткені AI анықтауда жақсы және

ең ықтимал желі режимдерін болжау.

Бұл Go бағдарламасының келесі болжамы (AlphaGO әр қадам үшін сансыз мүмкіндіктер бар келесі ондаған қадамдарды болжай алады) немесе модальды болжам ба

күрделі ауа райы жүйелерінде AI дәлдігі механикалық модельдерге қарағанда әлдеқайда жоғары.

Қазіргі уақытта электр желісінің АИ-ді қажет етпейтін себебі, 220 кВ және одан жоғары электр желілеріндегі тораптардың саны провинциялар басқаратын.

жөнелту үлкен емес және матрицаны сызықтық және сиректеу үшін көптеген шарттар орнатылған, бұл есептеулердің күрделілігін айтарлықтай төмендетеді.

механизм үлгісі.

Дегенмен, тарату желісінің қуат ағыны сатысында ондаған мың немесе жүздеген мың қуат түйіндері, жүктеме түйіндері және дәстүрлі

үлкен тарату желісіндегі матрицалық алгоритмдер әлсіз.

Мен тарату желісі деңгейінде AI үлгісін тану болашақта мүмкін болады деп ойлаймын.

2. Құрылымы жоқ ақпаратты жинақтау, оқыту және генерациялау

AIGC серпіліс жасауының екінші себебі - ақпараттың жинақталуы.Сөйлеудің A/D түрлендіруінен (микрофон+PCM

сынама алу) кескіндерді A/D түрлендіруге (CMOS+түс кеңістігінің картасы) адамдар визуалды және есту жүйесінде голографиялық деректерді жинақтады.

кен орындарын соңғы бірнеше онжылдықта өте төмен шығындармен пайдаланды.

Атап айтқанда, камералар мен смартфондарды кең ауқымда танымал ету, адам үшін аудиовизуалды салада құрылымсыз деректердің жинақталуы.

нөлге жуық шығынмен және Интернетте мәтіндік ақпараттың жарылыс жинақталуы AIGC оқытудың кілті болып табылады – оқыту деректерінің жинақтары арзан.

Жоғарыдағы сурет экспоненциалды трендті айқын көрсететін жаһандық деректердің өсу үрдісін көрсетеді.

Деректер жинақталуының бұл сызықтық емес өсуі AIGC мүмкіндіктерінің сызықтық емес өсуінің негізі болып табылады.

БІРАҚ, бұл деректердің көпшілігі нөлдік құны бойынша жинақталатын құрылымдалмаған аудио-визуалды деректер болып табылады.

Электр энергетикасы саласында бұған қол жеткізу мүмкін емес.Біріншіден, электр энергетикасының көпшілігі құрылымдық және жартылай құрылымдық деректер болып табылады, мысалы

кернеу мен ток, олар уақыттық қатарлардың және жартылай құрылымдық деректердің нүктелік жиынтықтары болып табылады.

Құрылымдық деректер жиынын компьютерлер түсінуі керек және құрылғыны теңестіру – кернеу, ток және қуат деректері сияқты «туралауды» талап етеді.

коммутаторды осы түйінге туралау қажет.

Уақыт шкаласының негізінде кернеуді, токты және белсенді және реактивті қуатты теңестіруді қажет ететін уақытты теңестіру қиынырақ.

кейінгі сәйкестендіруді жүзеге асыруға болады.Төрт квадрантта кеңістіктік туралану болып табылатын тура және кері бағыттар да бар.

Теңестіруді қажет етпейтін мәтіндік деректерден айырмашылығы, параграф ықтимал ақпараттық бірлестіктерді анықтайтын компьютерге жіберіледі.

өз бетінше.

Бизнесті тарату деректерін жабдықты теңестіру сияқты осы мәселені туралау үшін теңестіру үнемі қажет, өйткені орта және

Төмен вольтты тарату желісі жабдықтар мен желілерді күн сайын қосып, өшіріп, өзгертіп отырады, ал желілік компаниялар үлкен еңбек шығындарын жұмсайды.

«Деректерді аннотациялау» сияқты, компьютерлер мұны істей алмайды.

Екіншіден, энергетикалық секторда деректерді жинау құны жоғары, сөйлеу және суретке түсіру үшін ұялы телефонның орнына сенсорлар қажет.»

Кернеу бір деңгейге төмендеген сайын (немесе қуатты тарату қатынасы бір деңгейге төмендейді), қажетті сенсорлық инвестиция артады

кем дегенде бір шама реті бойынша.Жүктеме жағын (капиллярлық ұшы) сезінуге қол жеткізу үшін бұл одан да ауқымды цифрлық инвестиция».

Электр желісінің өтпелі режимін анықтау қажет болса, жоғары дәлдіктегі жоғары жиілікті сынама алу қажет, ал құны одан да жоғары.

Деректерді жинаудың және деректерді теңестірудің өте жоғары шекті құнына байланысты электр желісі қазіргі уақытта жеткілікті сызықтық емес қуаттарды жинақтай алмайды.

AI бірегейлігіне жету үшін алгоритмді үйрету үшін деректер ақпаратының өсуі.

Деректердің ашықтығын айтпағанда, қуатты AI іске қосу үшін бұл деректерді алу мүмкін емес.

Сондықтан, AI алдында деректер жиыны мәселесін шешу қажет, әйтпесе жалпы AI кодын жақсы AI шығаруға үйрету мүмкін емес.

3. Есептеу күшіндегі серпіліс

Алгоритмдер мен деректерден басқа, AIGC-тің сингулярлық серпілістері де есептеу қуатындағы серпіліс болып табылады.Дәстүрлі процессорлар жоқ

ауқымды бір мезгілде нейрондық есептеулер үшін қолайлы.Дәл 3D ойындарында және фильмдерде графикалық процессорларды қолдану ауқымды параллельді жасайды

өзгермелі нүкте+ағынды есептеу мүмкіндігі.Мур заңы есептеу қуатының бірлігіне есептелген шығынды одан әрі төмендетеді.

AI электр желісі, болашақта сөзсіз тренд

Бөлінген фотоэлектрлік және бөлінген энергияны сақтау жүйелерінің үлкен санын біріктірумен, сондай-ақ қолдану талаптары

виртуалды электр станцияларының жүктеме жағында, жалпыға ортақ тарату желілері жүйелері мен пайдаланушы үшін бастапқы және жүктемені болжау объективті түрде қажет.

тарату (микро) желілік жүйелер, сондай-ақ тарату (микро) желілік жүйелер үшін нақты уақыттағы қуат ағынын оңтайландыру.

Тарату желісі жағының есептеу күрделілігі іс жүзінде тарату желісін жоспарлауға қарағанда жоғары.Тіпті жарнама үшін

күрделі, ондаған мың жүктеу құрылғылары мен жүздеген қосқыштар болуы мүмкін және AI негізіндегі микро тор/тарату желісінің жұмысына сұраныс

бақылау пайда болады.

Датчиктердің төмен құнымен және қатты күйдегі трансформаторлар, қатты күйдегі қосқыштар және инверторлар (түрлендіргіштер) сияқты қуатты электронды құрылғыларды кеңінен қолданумен,

электр желісінің шетінде сезіну, есептеу және басқаруды біріктіру де инновациялық үрдіске айналды.

Демек, электр желісінің AIGC - болашақ.Дегенмен, бүгінгі күні ақша табу үшін AI алгоритмін бірден шығарып алмау керек,

Оның орнына, алдымен AI талап ететін деректер инфрақұрылымын құру мәселелерін шешіңіз

AIGC өркендеуінде AI қуатының қолдану деңгейі мен болашағы туралы жеткілікті тыныш ойлау қажет.

Қазіргі уақытта AI қуатының маңыздылығы маңызды емес: мысалы, спот нарығында болжау дәлдігі 90% фотоэлектрлік алгоритм орналастырылған.

5% саудалық ауытқу шегімен және алгоритмнің ауытқуы барлық сауда пайдасын жояды.

Деректер – су, ал алгоритмнің есептеу қуаты – арна.Қалай болса, солай болады.