सार पर लौटते हुए, एआईजीसी की विलक्षणता में सफलता तीन कारकों का संयोजन है:

1. GPT मानव न्यूरॉन्स की प्रतिकृति है

एनएलपी द्वारा प्रस्तुत जीपीटी एआई एक कंप्यूटर तंत्रिका नेटवर्क एल्गोरिदम है, जिसका सार मानव सेरेब्रल कॉर्टेक्स में तंत्रिका नेटवर्क का अनुकरण करना है।

भाषा, संगीत, चित्र और यहां तक ​​कि स्वाद संबंधी जानकारी का प्रसंस्करण और बुद्धिमान कल्पना मानव द्वारा संचित कार्य हैं

दीर्घकालिक विकास के दौरान मस्तिष्क एक "प्रोटीन कंप्यूटर" के रूप में।

इसलिए, जीपीटी स्वाभाविक रूप से समान जानकारी, यानी असंरचित भाषा, संगीत और छवियों को संसाधित करने के लिए सबसे उपयुक्त नकल है।

इसके प्रसंस्करण का तंत्र अर्थ की समझ नहीं है, बल्कि परिष्कृत करने, पहचानने और जोड़ने की प्रक्रिया है।यह है एक बेहद

विरोधाभासी बात.

प्रारंभिक भाषण सिमेंटिक पहचान एल्गोरिदम ने अनिवार्य रूप से एक व्याकरण मॉडल और एक भाषण डेटाबेस स्थापित किया, फिर भाषण को शब्दावली में मैप किया,

फिर शब्दावली के अर्थ को समझने के लिए शब्दावली को व्याकरण डेटाबेस में रखा, और अंत में मान्यता परिणाम प्राप्त किए।

इस "तार्किक तंत्र" आधारित सिंटैक्स मान्यता की मान्यता दक्षता लगभग 70% रही है, जैसे कि ViaVoice मान्यता

1990 के दशक में आईबीएम द्वारा पेश किया गया एल्गोरिदम।

एआईजीसी इस तरह से खेलने के बारे में नहीं है।इसका सार व्याकरण की परवाह करना नहीं है, बल्कि एक तंत्रिका नेटवर्क एल्गोरिदम स्थापित करना है जो इसकी अनुमति देता है

कंप्यूटर विभिन्न शब्दों के बीच संभाव्य कनेक्शन की गणना करता है, जो तंत्रिका कनेक्शन हैं, अर्थ संबंधी कनेक्शन नहीं।

जब हम छोटे थे तो अपनी मातृभाषा सीखना बहुत पसंद था, हमने "विषय, विधेय, वस्तु, क्रिया, पूरक" सीखने के बजाय इसे स्वाभाविक रूप से सीखा।

और फिर एक अनुच्छेद को समझना।

यह एआई का सोच मॉडल है, जो पहचान है, समझ नहीं।

यह सभी शास्त्रीय तंत्र मॉडलों के लिए एआई का विध्वंसक महत्व भी है - कंप्यूटर को इस मामले को तार्किक स्तर पर समझने की आवश्यकता नहीं है,

बल्कि आंतरिक जानकारी के बीच संबंध को पहचानें और पहचानें, और फिर उसे जानें।

उदाहरण के लिए, बिजली प्रवाह की स्थिति और पावर ग्रिड की भविष्यवाणी शास्त्रीय पावर नेटवर्क सिमुलेशन पर आधारित है, जहां का गणितीय मॉडल

तंत्र स्थापित किया जाता है और फिर मैट्रिक्स एल्गोरिदम का उपयोग करके अभिसरण किया जाता है।भविष्य में इसकी आवश्यकता नहीं पड़ेगी.एआई सीधे पहचान करेगा और भविष्यवाणी करेगा

प्रत्येक नोड की स्थिति के आधार पर कुछ मोडल पैटर्न।

जितने अधिक नोड होंगे, शास्त्रीय मैट्रिक्स एल्गोरिथ्म उतना ही कम लोकप्रिय होगा, क्योंकि एल्गोरिथ्म की जटिलता संख्या के साथ बढ़ती है

नोड्स और ज्यामितीय प्रगति बढ़ती है।हालाँकि, AI बहुत बड़े पैमाने पर नोड समवर्तीता को प्राथमिकता देता है, क्योंकि AI पहचानने में अच्छा है

सबसे संभावित नेटवर्क मोड की भविष्यवाणी करना।

चाहे वह गो की अगली भविष्यवाणी हो (अल्फ़ाजीओ अगले दर्जनों चरणों की भविष्यवाणी कर सकता है, प्रत्येक चरण के लिए अनगिनत संभावनाओं के साथ) या मोडल भविष्यवाणी

जटिल मौसम प्रणालियों में, AI की सटीकता यांत्रिक मॉडल की तुलना में बहुत अधिक है।

पावर ग्रिड को वर्तमान में एआई की आवश्यकता नहीं होने का कारण यह है कि प्रांतीय द्वारा प्रबंधित 220 केवी और उससे ऊपर के पावर नेटवर्क में नोड्स की संख्या

प्रेषण बड़ा नहीं है, और मैट्रिक्स को रैखिक बनाने और विरल करने के लिए कई स्थितियाँ निर्धारित की गई हैं, जिससे कम्प्यूटेशनल जटिलता बहुत कम हो गई है

तंत्र मॉडल.

हालाँकि, वितरण नेटवर्क बिजली प्रवाह चरण में, हजारों या सैकड़ों हजारों बिजली नोड्स, लोड नोड्स और पारंपरिक का सामना करना पड़ता है

एक बड़े वितरण नेटवर्क में मैट्रिक्स एल्गोरिदम शक्तिहीन है।

मेरा मानना ​​है कि भविष्य में वितरण नेटवर्क स्तर पर एआई की पैटर्न पहचान संभव हो जाएगी।

2. असंरचित जानकारी का संचय, प्रशिक्षण और सृजन

एआईजीसी को सफलता मिलने का दूसरा कारण सूचना का संचय है।भाषण के ए/डी रूपांतरण से (माइक्रोफोन+पीसीएम

नमूनाकरण) छवियों के ए/डी रूपांतरण (सीएमओएस+रंग अंतरिक्ष मानचित्रण) के लिए, मनुष्यों ने दृश्य और श्रवण में होलोग्राफिक डेटा जमा किया है

पिछले कुछ दशकों में बेहद कम लागत वाले क्षेत्रों में।

विशेष रूप से, कैमरे और स्मार्टफ़ोन का बड़े पैमाने पर लोकप्रिय होना, मनुष्यों के लिए दृश्य-श्रव्य क्षेत्र में असंरचित डेटा का संचय

लगभग शून्य लागत पर, और इंटरनेट पर पाठ्य सूचना का विस्फोटक संचय एआईजीसी प्रशिक्षण की कुंजी है - प्रशिक्षण डेटा सेट सस्ते हैं।

उपरोक्त आंकड़ा वैश्विक डेटा की वृद्धि प्रवृत्ति को दर्शाता है, जो स्पष्ट रूप से एक घातीय प्रवृत्ति प्रस्तुत करता है।

डेटा संचय की यह गैर-रेखीय वृद्धि एआईजीसी की क्षमताओं की गैर-रेखीय वृद्धि की नींव है।

लेकिन, इनमें से अधिकांश डेटा असंरचित ऑडियो-विज़ुअल डेटा हैं, जो शून्य लागत पर जमा होते हैं।

विद्युत ऊर्जा के क्षेत्र में इसे हासिल नहीं किया जा सकता।सबसे पहले, अधिकांश विद्युत ऊर्जा उद्योग संरचित और अर्ध संरचित डेटा है, जैसे

वोल्टेज और करंट, जो समय श्रृंखला और अर्ध संरचित के बिंदु डेटा सेट हैं।

संरचनात्मक डेटा सेट को कंप्यूटर द्वारा समझने की आवश्यकता होती है और इसके लिए "संरेखण" की आवश्यकता होती है, जैसे डिवाइस संरेखण - वोल्टेज, करंट और पावर डेटा

एक स्विच को इस नोड से संरेखित करने की आवश्यकता है।

अधिक परेशानी समय संरेखण है, जिसके लिए समय पैमाने के आधार पर वोल्टेज, वर्तमान और सक्रिय और प्रतिक्रियाशील शक्ति को संरेखित करने की आवश्यकता होती है, ताकि

बाद की पहचान की जा सकती है।आगे और पीछे की दिशाएँ भी हैं, जो चार चतुर्थांशों में स्थानिक संरेखण हैं।

टेक्स्ट डेटा के विपरीत, जिसे संरेखण की आवश्यकता नहीं होती है, एक पैराग्राफ को बस कंप्यूटर पर फेंक दिया जाता है, जो संभावित सूचना संघों की पहचान करता है

अपने दम पर।

इस मुद्दे को संरेखित करने के लिए, जैसे व्यवसाय वितरण डेटा के उपकरण संरेखण, संरेखण की लगातार आवश्यकता होती है, क्योंकि माध्यम और

कम वोल्टेज वितरण नेटवर्क हर दिन उपकरण और लाइनों को जोड़ रहा है, हटा रहा है और संशोधित कर रहा है, और ग्रिड कंपनियां भारी श्रम लागत खर्च करती हैं।

"डेटा एनोटेशन" की तरह, कंप्यूटर यह नहीं कर सकता।

दूसरे, बिजली क्षेत्र में डेटा अधिग्रहण की लागत अधिक है और बात करने और फोटो खींचने के लिए मोबाइल फोन की बजाय सेंसर की आवश्यकता होती है।”

हर बार जब वोल्टेज एक स्तर कम हो जाता है (या बिजली वितरण संबंध एक स्तर कम हो जाता है), तो आवश्यक सेंसर निवेश बढ़ जाता है

परिमाण के कम से कम एक क्रम से।लोड साइड (केशिका अंत) सेंसिंग हासिल करने के लिए, यह और भी बड़ा डिजिटल निवेश है।

यदि पावर ग्रिड के क्षणिक मोड की पहचान करना आवश्यक है, तो उच्च-सटीक उच्च-आवृत्ति नमूने की आवश्यकता होती है, और लागत और भी अधिक होती है।

डेटा अधिग्रहण और डेटा संरेखण की अत्यधिक उच्च सीमांत लागत के कारण, पावर ग्रिड वर्तमान में पर्याप्त गैर-रेखीय संचय करने में असमर्थ है

एआई विलक्षणता तक पहुंचने के लिए एक एल्गोरिदम को प्रशिक्षित करने के लिए डेटा जानकारी का विकास।

डेटा के खुलेपन का उल्लेख न करते हुए, पावर एआई स्टार्टअप के लिए इन डेटा को प्राप्त करना असंभव है।

इसलिए, AI से पहले, डेटा सेट की समस्या को हल करना आवश्यक है, अन्यथा सामान्य AI कोड को एक अच्छा AI उत्पन्न करने के लिए प्रशिक्षित नहीं किया जा सकता है।

3. कम्प्यूटेशनल शक्ति में सफलता

एल्गोरिदम और डेटा के अलावा, एआईजीसी की विलक्षणता की सफलता कम्प्यूटेशनल शक्ति में भी एक सफलता है।पारंपरिक सीपीयू नहीं हैं

बड़े पैमाने पर समवर्ती न्यूरोनल कंप्यूटिंग के लिए उपयुक्त।यह वास्तव में 3डी गेम और फिल्मों में जीपीयू का अनुप्रयोग है जो बड़े पैमाने पर समानांतर बनाता है

फ़्लोटिंग-पॉइंट+स्ट्रीमिंग कंप्यूटिंग संभव।मूर का नियम कम्प्यूटेशनल शक्ति की प्रति यूनिट कम्प्यूटेशनल लागत को और कम कर देता है।

पावर ग्रिड एआई, भविष्य में एक अपरिहार्य प्रवृत्ति

बड़ी संख्या में वितरित फोटोवोल्टिक और वितरित ऊर्जा भंडारण प्रणालियों के एकीकरण के साथ-साथ आवेदन की आवश्यकताएं भी

लोड साइड वर्चुअल पावर प्लांट, सार्वजनिक वितरण नेटवर्क सिस्टम और उपयोगकर्ता के लिए स्रोत और लोड पूर्वानुमान का संचालन करना उद्देश्यपूर्ण रूप से आवश्यक है

वितरण (माइक्रो) ग्रिड सिस्टम, साथ ही वितरण (माइक्रो) ग्रिड सिस्टम के लिए वास्तविक समय बिजली प्रवाह अनुकूलन।

वितरण नेटवर्क पक्ष की कम्प्यूटेशनल जटिलता वास्तव में ट्रांसमिशन नेटवर्क शेड्यूलिंग की तुलना में अधिक है।यहां तक ​​कि एक विज्ञापन के लिए भी

जटिल, हजारों लोड डिवाइस और सैकड़ों स्विच हो सकते हैं, और एआई आधारित माइक्रो ग्रिड/वितरण नेटवर्क संचालन की मांग हो सकती है

नियंत्रण पैदा होगा.

सेंसर की कम लागत और सॉलिड-स्टेट ट्रांसफार्मर, सॉलिड-स्टेट स्विच और इनवर्टर (कनवर्टर) जैसे पावर इलेक्ट्रॉनिक उपकरणों के व्यापक उपयोग के साथ,

पावर ग्रिड के किनारे सेंसिंग, कंप्यूटिंग और नियंत्रण का एकीकरण भी एक अभिनव प्रवृत्ति बन गया है।

इसलिए, पावर ग्रिड का एआईजीसी ही भविष्य है।हालाँकि, आज जिस चीज़ की ज़रूरत है वह पैसा कमाने के लिए तुरंत AI एल्गोरिदम निकालने की नहीं है,

इसके बजाय, पहले एआई के लिए आवश्यक डेटा इंफ्रास्ट्रक्चर निर्माण मुद्दों का समाधान करें

एआईजीसी के उभार में, पावर एआई के अनुप्रयोग स्तर और भविष्य के बारे में पर्याप्त शांत सोच की आवश्यकता है।

वर्तमान में, पावर एआई का महत्व महत्वपूर्ण नहीं है: उदाहरण के लिए, 90% की भविष्यवाणी सटीकता के साथ एक फोटोवोल्टिक एल्गोरिदम स्पॉट मार्केट में रखा गया है

5% की व्यापारिक विचलन सीमा के साथ, और एल्गोरिथम विचलन सभी व्यापारिक लाभों को मिटा देगा।

डेटा पानी है, और एल्गोरिदम की कम्प्यूटेशनल शक्ति एक चैनल है।जैसा होगा, वैसा ही होगा.