Gan ddychwelyd at yr hanfod, mae datblygiad unigolrwydd AIGC yn gyfuniad o dri ffactor:

1. Mae GPT yn atgynhyrchiad o niwronau dynol

Mae GPT AI a gynrychiolir gan NLP yn algorithm rhwydwaith niwral cyfrifiadurol, a'i hanfod yw efelychu rhwydweithiau niwral yn y cortecs cerebral dynol.

Mae prosesu a dychymyg deallus iaith, cerddoriaeth, delweddau, a hyd yn oed gwybodaeth blas i gyd yn swyddogaethau a gronnir gan y dynol

ymennydd fel “cyfrifiadur protein” yn ystod esblygiad hirdymor.

Felly, yn naturiol GPT yw'r dynwarediad mwyaf addas ar gyfer prosesu gwybodaeth debyg, hynny yw, iaith, cerddoriaeth a delweddau anstrwythuredig.

Nid deall ystyr yw mecanwaith ei brosesu, ond yn hytrach proses o fireinio, nodi a chysylltu.Mae hwn yn iawn

peth paradocsaidd.

Yn y bôn, sefydlodd algorithmau adnabod semantig lleferydd cynnar fodel gramadeg a chronfa ddata lleferydd, yna mapio'r araith i'r eirfa,

yna gosod yr eirfa yn y gronfa ddata gramadeg i ddeall ystyr yr eirfa, ac yn olaf cael canlyniadau adnabod.

Mae effeithlonrwydd cydnabod y gydnabyddiaeth gystrawen hon sy'n seiliedig ar “fecanwaith rhesymegol” wedi bod yn hofran tua 70%, fel cydnabyddiaeth ViaVoice

algorithm a gyflwynwyd gan IBM yn y 1990au.

Nid yw AIGC yn ymwneud â chwarae fel hyn.Nid gofalu am ramadeg yw ei hanfod, ond yn hytrach sefydlu algorithm rhwydwaith niwral sy'n caniatáu i'r

cyfrifiadur i gyfrif y cysylltiadau tebygol rhwng gwahanol eiriau, sef cysylltiadau niwral, nid cysylltiadau semantig.

Yn debyg iawn i ddysgu ein mamiaith pan oedden ni’n ifanc, roedden ni’n ei dysgu’n naturiol, yn hytrach na dysgu “pwnc, rhagfynegi, gwrthrych, berf, cyfarch,”

ac yna deall paragraff.

Dyma fodel meddwl AI, sef cydnabyddiaeth, nid dealltwriaeth.

Dyma hefyd arwyddocâd gwrthdroadol AI ar gyfer pob model mecanwaith clasurol - nid oes angen i gyfrifiaduron ddeall y mater hwn ar y lefel resymegol,

ond yn hytrach nodi a chydnabod y gydberthynas rhwng gwybodaeth fewnol, ac yna ei gwybod.

Er enghraifft, mae cyflwr llif pŵer a rhagfynegiad gridiau pŵer yn seiliedig ar efelychiad rhwydwaith pŵer clasurol, lle mae model mathemategol o'r

sefydlir mecanwaith ac yna ei gydgyfeirio gan ddefnyddio algorithm matrics.Yn y dyfodol, efallai na fydd yn angenrheidiol.Bydd AI yn nodi a rhagweld yn uniongyrchol a

patrwm moddol penodol yn seiliedig ar statws pob nod.

Po fwyaf o nodau sydd, y lleiaf poblogaidd yw'r algorithm matrics clasurol, oherwydd bod cymhlethdod yr algorithm yn cynyddu gyda nifer y

nodau a'r dilyniant geometrig yn cynyddu.Fodd bynnag, mae'n well gan AI gael concurrency nod ar raddfa fawr iawn, oherwydd mae AI yn dda am nodi a

rhagfynegi'r dulliau rhwydwaith mwyaf tebygol.

P'un a yw'n rhagfynegiad nesaf o Go (gall AlphaGO ragweld y dwsinau nesaf o gamau, gyda phosibiliadau di-ri ar gyfer pob cam) neu'r rhagfynegiad moddol

o systemau tywydd cymhleth, mae cywirdeb AI yn llawer uwch na modelau mecanyddol.

Y rheswm pam nad oes angen AI ar y grid pŵer ar hyn o bryd yw bod nifer y nodau mewn rhwydweithiau pŵer 220 kV ac uwch yn cael eu rheoli gan dalaith.

nid yw anfon yn fawr, a gosodir llawer o amodau i linellu a gwasgu'r matrics, gan leihau cymhlethdod cyfrifiannol y

model mecanwaith.

Fodd bynnag, ar gam llif pŵer y rhwydwaith dosbarthu, yn wynebu degau o filoedd neu gannoedd o filoedd o nodau pŵer, nodau llwyth, a nodau traddodiadol

algorithmau matrics mewn rhwydwaith dosbarthu mawr yn ddi-rym.

Credaf y bydd yn bosibl adnabod patrwm AI ar lefel y rhwydwaith dosbarthu yn y dyfodol.

2. Casglu, hyfforddi a chynhyrchu gwybodaeth anstrwythuredig

Yr ail reswm pam mae AIGC wedi torri tir newydd yw cronni gwybodaeth.O'r trosi lleferydd A/D (meicroffon + PCM

samplu) i drawsnewid delweddau A/D (mapio gofod lliw CMOS +), mae bodau dynol wedi cronni data holograffig yn y gweledol a'r clywedol

meysydd mewn ffyrdd hynod o gostus dros yr ychydig ddegawdau diwethaf.

Yn benodol, poblogeiddio camerâu a ffonau smart ar raddfa fawr, cronni data anstrwythuredig yn y maes clyweledol ar gyfer bodau dynol.

am bron ddim cost, ac mae'r casgliad ffrwydrol o wybodaeth testun ar y Rhyngrwyd yn allweddol i hyfforddiant AIGC - mae setiau data hyfforddi yn rhad.

Mae'r ffigur uchod yn dangos tuedd twf data byd-eang, sy'n amlwg yn cyflwyno tueddiad esbonyddol.

Y twf aflinol hwn mewn cronni data yw'r sylfaen ar gyfer twf aflinol galluoedd AIGC.

OND, mae'r rhan fwyaf o'r data hyn yn ddata clyweledol distrwythur, sy'n cael ei gronni heb unrhyw gost.

Ym maes pŵer trydan, ni ellir cyflawni hyn.Yn gyntaf, mae'r rhan fwyaf o'r diwydiant pŵer trydan yn ddata strwythuredig a lled-strwythuredig, megis

foltedd a cherrynt, sef setiau data pwynt o gyfres amser a lled-strwythuredig.

Mae angen i gyfrifiaduron ddeall setiau data strwythurol ac mae angen “aliniad” arnynt, megis aliniad dyfeisiau – y data foltedd, cerrynt a phŵer

o switsh angen ei alinio i'r nod hwn.

Yn fwy trafferthus yw aliniad amser, sy'n gofyn am alinio foltedd, cerrynt, a phŵer gweithredol ac adweithiol yn seiliedig ar y raddfa amser, fel bod

gellir perfformio adnabod dilynol.Mae yna hefyd gyfeiriadau ymlaen a chefn, sef aliniad gofodol mewn pedwar pedrant.

Yn wahanol i ddata testun, nad oes angen aliniad, mae paragraff yn cael ei daflu i'r cyfrifiadur, sy'n nodi cysylltiadau gwybodaeth posibl

ar ei ben ei hun.

Er mwyn alinio'r mater hwn, megis aliniad offer data dosbarthu busnes, mae angen aliniad yn gyson, oherwydd bod y cyfrwng a'r

rhwydwaith dosbarthu foltedd isel yn ychwanegu, dileu, ac addasu offer a llinellau bob dydd, ac mae cwmnïau grid yn gwario costau llafur enfawr.

Fel “anodiad data,” ni all cyfrifiaduron wneud hyn.

Yn ail, mae cost caffael data yn y sector pŵer yn uchel, ac mae angen synwyryddion yn lle cael ffôn symudol i siarad a thynnu lluniau.”

Bob tro mae'r foltedd yn gostwng un lefel (neu mae'r berthynas dosbarthu pŵer yn gostwng o un lefel), mae'r buddsoddiad synhwyrydd gofynnol yn cynyddu

yn ôl o leiaf un trefn maint.Er mwyn cyflawni synhwyro ochr llwyth (pen capilari), mae hyd yn oed yn fwy yn fuddsoddiad digidol enfawr.”

Os oes angen nodi modd dros dro y grid pŵer, mae angen samplu amledd uchel manwl uchel, ac mae'r gost hyd yn oed yn uwch.

Oherwydd cost ymylol hynod uchel caffael data ac aliniad data, ar hyn o bryd ni all y grid pŵer gronni digon o aflinol.

twf gwybodaeth data i hyfforddi algorithm i gyrraedd yr unigolrwydd AI.

Heb sôn am natur agored data, mae'n amhosibl i gwmni cychwyn AI pŵer gael y data hyn.

Felly, cyn AI, mae angen datrys problem setiau data, fel arall ni ellir hyfforddi cod AI cyffredinol i gynhyrchu AI da.

3. Torri tir newydd mewn pŵer cyfrifiannol

Yn ogystal ag algorithmau a data, mae datblygiad unigolrwydd AIGC hefyd yn ddatblygiad arloesol mewn pŵer cyfrifiannol.Nid yw CPUs traddodiadol

addas ar gyfer cyfrifiadura niwronaidd cydamserol ar raddfa fawr.Cymhwysiad GPUs yn union mewn gemau a ffilmiau 3D sy'n gwneud yn gyfochrog ar raddfa fawr

cyfrifiadura fel y bo'r angen + ffrydio yn bosibl.Mae Cyfraith Moore yn lleihau'r gost gyfrifiadol fesul uned o bŵer cyfrifiannol ymhellach.

Grid pŵer AI, tuedd anochel yn y dyfodol

Gydag integreiddio nifer fawr o systemau storio ynni ffotofoltäig a dosbarthedig, yn ogystal â gofynion cymhwyso

gweithfeydd pŵer rhithwir ochr llwyth, mae'n wrthrychol angenrheidiol i gynnal rhagolygon ffynhonnell a llwyth ar gyfer systemau rhwydwaith dosbarthu cyhoeddus a defnyddiwr

systemau grid dosbarthu (micro), yn ogystal ag optimeiddio llif pŵer amser real ar gyfer systemau grid dosbarthu (micro).

Mae cymhlethdod cyfrifiannol ochr y rhwydwaith dosbarthu mewn gwirionedd yn uwch nag amserlennu'r rhwydwaith trawsyrru.Hyd yn oed ar gyfer hysbyseb

Yn gymhleth, efallai y bydd degau o filoedd o ddyfeisiau llwyth a channoedd o switshis, a'r galw am weithrediad rhwydwaith micro grid / dosbarthu seiliedig ar AI

bydd rheolaeth yn codi.

Gyda chost isel synwyryddion a'r defnydd eang o ddyfeisiau electronig pŵer megis trawsnewidyddion cyflwr solet, switshis cyflwr solet, a gwrthdroyddion (troswyr),

mae integreiddio synhwyro, cyfrifiadura a rheolaeth ar ymyl y grid pŵer hefyd wedi dod yn duedd arloesol.

Felly, AIGC y grid pŵer yw'r dyfodol.Fodd bynnag, yr hyn sydd ei angen heddiw yw peidio â chymryd algorithm AI ar unwaith i wneud arian,

Yn lle hynny, rhowch sylw yn gyntaf i'r materion adeiladu seilwaith data sy'n ofynnol gan AI

Yn y cynnydd yn AIGC, mae angen meddwl digon pwyllog am lefel cymhwyso a dyfodol pŵer AI.

Ar hyn o bryd, nid yw arwyddocâd pŵer AI yn arwyddocaol: er enghraifft, gosodir algorithm ffotofoltäig gyda chywirdeb rhagfynegiad o 90% yn y farchnad sbot

gyda throthwy gwyriad masnachu o 5%, a bydd gwyriad yr algorithm yn dileu'r holl elw masnachu.

Dŵr yw'r data, ac mae pŵer cyfrifiannol yr algorithm yn sianel.Fel mae'n digwydd, fe fydd.