Mahiyyətə qayıdaraq, AIGC-nin təklikdə sıçrayışı üç amilin birləşməsidir:

1. GPT insan neyronlarının nüsxəsidir

NLP ilə təmsil olunan GPT AI, mahiyyəti insanın beyin qabığında neyron şəbəkələrini simulyasiya etməkdən ibarət olan kompüter neyron şəbəkəsi alqoritmidir.

Dilin, musiqinin, təsvirlərin və hətta dad məlumatlarının işlənməsi və ağıllı təxəyyülü insan tərəfindən yığılmış funksiyalardır.

beyin uzunmüddətli təkamül zamanı “zülal kompüteri” kimi.

Buna görə də, GPT təbii olaraq oxşar məlumatların, yəni strukturlaşdırılmamış dil, musiqi və şəkillərin işlənməsi üçün ən uyğun imitasiyadır.

Onun işlənməsi mexanizmi mənanın dərk edilməsi deyil, daha çox dəqiqləşdirmə, müəyyən etmə və əlaqələndirmə prosesidir.Bu çox

paradoksal şey.

Erkən nitqin semantik tanınması alqoritmləri mahiyyətcə qrammatik model və nitq bazası yaratdı, sonra nitqi lüğətə uyğunlaşdırdı,

sonra lüğətin mənasını anlamaq üçün lüğəti qrammatik bazaya yerləşdirdi və nəhayət, tanınma nəticələrini əldə etdi.

Bu "məntiqi mexanizm" əsaslı sintaksis tanınmasının tanınma effektivliyi ViaVoice tanınması kimi 70% ətrafında dəyişib.

1990-cı illərdə IBM tərəfindən təqdim edilən alqoritm.

AIGC belə oynamaqla bağlı deyil.Onun mahiyyəti qrammatikaya əhəmiyyət vermək deyil, daha çox neyron şəbəkəsi alqoritmini yaratmaqdır.

semantik əlaqələr deyil, sinir əlaqələri olan müxtəlif sözlər arasındakı ehtimal əlaqələrini hesablamaq üçün kompüter.

Gəncliyimizdə ana dilimizi öyrəndiyimiz kimi, biz də “mövzu, predikat, obyekt, fel, tamamlayıcı” öyrənməkdənsə, təbii olaraq onu öyrənmişik.

və sonra bir paraqrafı başa düşmək.

Bu, AI-nin düşünmə modelidir, anlama deyil, tanınmadır.

Bu həm də bütün klassik mexanizm modelləri üçün AI-nin təxribatçı əhəmiyyətidir - kompüterlərin bu məsələni məntiqi səviyyədə başa düşməsinə ehtiyac yoxdur,

daha çox daxili məlumat arasındakı əlaqəni müəyyənləşdirin və tanıyın və sonra onu bilin.

Məsələn, elektrik şəbəkələrinin enerji axını vəziyyəti və proqnozlaşdırılması klassik elektrik şəbəkəsi simulyasiyasına əsaslanır, burada elektrik şəbəkəsinin riyazi modeli

mexanizmi qurulur və sonra matris alqoritmi ilə birləşir.Gələcəkdə buna ehtiyac olmaya bilər.AI birbaşa müəyyən edəcək və proqnozlaşdıracaq

hər bir node statusu əsasında müəyyən modal model.

Nə qədər çox qovşaq varsa, klassik matris alqoritmi bir o qədər az populyardır, çünki alqoritmin mürəkkəbliyi onların sayı ilə artır.

düyünlər və həndəsi irəliləmə artır.Bununla belə, AI çox böyük miqyaslı qovşaq paralelliyinə üstünlük verir, çünki AI müəyyən etməkdə və müəyyən etməkdə yaxşıdır.

ən çox ehtimal olunan şəbəkə rejimlərini proqnozlaşdırmaq.

İstər Go-nun növbəti proqnozu (AlphaGO hər addım üçün saysız-hesabsız imkanlarla növbəti onlarla addımı proqnozlaşdıra bilər) və ya modal proqnozdur

mürəkkəb hava sistemlərində süni intellektin dəqiqliyi mexaniki modellərdən qat-qat yüksəkdir.

Hazırda elektrik şəbəkəsinin süni intellekt tələb etməməsinin səbəbi odur ki, vilayətlər tərəfindən idarə olunan 220 kV-dan yuxarı elektrik şəbəkələrində qovşaqların sayı

dispetçer böyük deyil və matrisi xəttiləşdirmək və seyrəkləşdirmək üçün bir çox şərtlər müəyyən edilir ki, bu da matrisin hesablama mürəkkəbliyini əhəmiyyətli dərəcədə azaldır.

mexanizm modeli.

Bununla belə, paylayıcı şəbəkənin enerji axını mərhələsində on minlərlə və ya yüz minlərlə güc qovşaqları, yük qovşaqları və ənənəvi

böyük bir paylama şəbəkəsində matris alqoritmləri gücsüzdür.

İnanıram ki, gələcəkdə paylama şəbəkəsi səviyyəsində süni intellekt nümunələrinin tanınması mümkün olacaq.

2. Strukturlaşdırılmamış məlumatların toplanması, öyrədilməsi və yaradılması

AIGC-nin irəliləyiş əldə etməsinin ikinci səbəbi məlumatın toplanmasıdır.Nitqin A/D çevrilməsindən (mikrofon+PCM

Nümunə alma) şəkillərin A/D çevrilməsinə (CMOS+rəng məkanının xəritələşdirilməsi) insanlar vizual və eşitmə orqanlarında holoqrafik məlumat topladılar.

sahələri son bir neçə onillikdə olduqca aşağı qiymətlərlə.

Xüsusilə, kameraların və smartfonların geniş miqyasda populyarlaşması, insanlar üçün audiovizual sahədə strukturlaşdırılmamış məlumatların toplanması.

demək olar ki, sıfır qiymətə və İnternetdə mətn məlumatının partlayıcı şəkildə yığılması AIGC təliminin açarıdır – təlim məlumat dəstləri ucuzdur.

Yuxarıdakı rəqəm açıq şəkildə eksponensial tendensiya təqdim edən qlobal məlumatların artım tendensiyasını göstərir.

Məlumat toplanmasının bu qeyri-xətti artımı AIGC-nin imkanlarının qeyri-xətti artımının əsasını təşkil edir.

AMMA, bu məlumatların əksəriyyəti sıfır qiymətə yığılmış strukturlaşdırılmamış audio-vizual məlumatlardır.

Elektrik enerjisi sahəsində buna nail olmaq mümkün deyil.Birincisi, elektrik enerjisi sənayesinin əksəriyyəti strukturlaşdırılmış və yarı strukturlaşdırılmış məlumatlardır, məsələn

gərginlik və cərəyan, zaman sıralarının və yarı strukturlaşdırılmış nöqtə məlumat dəstləridir.

Struktur məlumat dəstləri kompüterlər tərəfindən başa düşülməlidir və cihazın uyğunlaşdırılması - gərginlik, cərəyan və güc məlumatları kimi "düzləşdirmə" tələb olunur.

keçidin bu node ilə uyğunlaşdırılması lazımdır.

Daha çətin olanı, gərginliyin, cərəyanın, aktiv və reaktiv gücün vaxt miqyasına əsaslanaraq uyğunlaşdırılmasını tələb edən vaxtın uyğunlaşdırılmasıdır ki,

sonrakı identifikasiya həyata keçirilə bilər.Dörd kvadrantda məkan hizalanması olan irəli və geri istiqamətlər də var.

Düzəliş tələb etməyən mətn məlumatlarından fərqli olaraq, mümkün məlumat birləşmələrini müəyyən edən bir paraqraf sadəcə kompüterə atılır.

öz başına.

Bu məsələni uyğunlaşdırmaq üçün, məsələn, biznesin paylanması məlumatlarının avadanlığının uyğunlaşdırılması, uyğunlaşdırma daima lazımdır, çünki orta və

aşağı gərginlikli paylayıcı şəbəkə hər gün avadanlıq və xətləri əlavə edir, silir və dəyişdirir və şəbəkə şirkətləri böyük əmək xərcləri sərf edirlər.

"Məlumat annotasiyası" kimi kompüterlər bunu edə bilməz.

İkincisi, enerji sektorunda məlumatların əldə edilməsinin dəyəri yüksəkdir və danışmaq və fotoşəkil çəkmək üçün mobil telefona sahib olmaq əvəzinə sensorlar tələb olunur.”

Gərginlik hər dəfə bir səviyyədə azaldıqda (və ya enerji paylama əlaqəsi bir səviyyədə azalır), tələb olunan sensor investisiyası artır

ən azı bir böyüklük sırası ilə.Yük tərəfi (kapilyar uc) algılamasına nail olmaq üçün bu, daha böyük rəqəmsal investisiyadır.”

Elektrik şəbəkəsinin keçici rejimini müəyyən etmək lazımdırsa, yüksək dəqiqliklə yüksək tezlikli nümunə götürmə tələb olunur və qiymət daha yüksəkdir.

Məlumatların toplanması və məlumatların uyğunlaşdırılmasının son dərəcə yüksək marjinal dəyəri səbəbindən elektrik şəbəkəsi hazırda kifayət qədər qeyri-xətti enerji toplaya bilmir.

AI sinqulyarlığına çatmaq üçün bir alqoritm hazırlamaq üçün məlumat məlumatlarının böyüməsi.

Məlumatların açıqlığından danışmırıq, güclü AI başlanğıcının bu məlumatları əldə etməsi mümkün deyil.

Buna görə də, AI-dən əvvəl məlumat dəstləri problemini həll etmək lazımdır, əks halda ümumi AI kodu yaxşı bir AI istehsal etmək üçün öyrədilə bilməz.

3. Hesablama gücündə sıçrayış

Alqoritmlərə və məlumatlara əlavə olaraq, AIGC-nin sinqulyarlıq sıçrayışı hesablama gücündə də bir irəliləyişdir.Ənənəvi CPU-lar belə deyil

geniş miqyaslı paralel neyron hesablamaları üçün uyğundur.Məhz GPU-ların 3D oyunlarda və filmlərdə tətbiqi genişmiqyaslı paralellik yaradır

üzən nöqtə+axın hesablaması mümkündür.Mur Qanunu hesablama gücünün vahidi üçün hesablama xərclərini daha da azaldır.

Elektrik şəbəkəsi AI, gələcəkdə qaçılmaz bir tendensiya

Çox sayda paylanmış fotovoltaik və paylanmış enerji saxlama sistemlərinin inteqrasiyası, eləcə də tətbiq tələbləri ilə

yük tərəfi virtual elektrik stansiyaları, ictimai paylayıcı şəbəkə sistemləri və istifadəçi üçün mənbə və yük proqnozunun aparılması obyektiv zəruridir.

paylayıcı (mikro) şəbəkə sistemləri, həmçinin paylayıcı (mikro) şəbəkə sistemləri üçün real vaxt rejimində enerji axınının optimallaşdırılması.

Paylayıcı şəbəkə tərəfinin hesablama mürəkkəbliyi əslində ötürmə şəbəkəsinin planlaşdırılmasından daha yüksəkdir.Hətta reklam üçün

mürəkkəb, on minlərlə yükləmə cihazı və yüzlərlə açar ola bilər və AI əsaslı mikro şəbəkə/paylayıcı şəbəkə əməliyyatına tələbat

nəzarət yaranacaq.

Sensorların aşağı qiyməti və bərk-dövlət transformatorları, bərk vəziyyətdə olan açarlar və çeviricilər (konvertorlar) kimi güc elektron cihazlarının geniş istifadəsi ilə,

elektrik şəbəkəsinin kənarında hissetmə, hesablama və idarəetmənin inteqrasiyası da innovativ tendensiyaya çevrilmişdir.

Buna görə də, elektrik şəbəkəsinin AIGC gələcəyidir.Ancaq bu gün lazım olan şey pul qazanmaq üçün dərhal AI alqoritmini çıxarmaq deyil,

Əvəzində əvvəlcə AI tərəfindən tələb olunan məlumat infrastrukturunun qurulması məsələlərini həll edin

AIGC-nin yüksəlişində, güc AI-nin tətbiq səviyyəsi və gələcəyi haqqında kifayət qədər sakit düşünmək lazımdır.

Hazırda AI gücünün əhəmiyyəti əhəmiyyətli deyil: məsələn, spot bazarda 90% proqnoz dəqiqliyinə malik fotovoltaik alqoritm yerləşdirilib.

5% ticarət sapma həddi ilə və alqoritm sapması bütün ticarət mənfəətlərini siləcək.

Məlumatlar su, alqoritmin hesablama gücü isə kanaldır.Necə olur, elə də olacaq.