본질로 돌아가서 AIGC의 특이점 돌파는 세 가지 요소의 조합입니다.

1. GPT는 인간 뉴런의 복제물이다

NLP로 대표되는 GPT AI는 컴퓨터 신경망 알고리즘으로, 그 본질은 인간 대뇌 피질의 신경망을 시뮬레이션하는 것입니다.

언어, 음악, 이미지, 심지어 취향 정보까지 처리하고 지능적인 상상력을 발휘하는 것은 모두 인간이 축적한 기능이다.

장기적인 진화 과정에서 뇌는 "단백질 컴퓨터"로 사용됩니다.

따라서 GPT는 유사한 정보, 즉 구조화되지 않은 언어, 음악, 이미지를 처리하는 데 가장 적합한 모방입니다.

그 처리 메커니즘은 의미를 이해하는 것이 아니라 정제하고 식별하고 연관시키는 과정입니다.이것은 매우

역설적인 것.

초기 음성 의미 인식 알고리즘은 본질적으로 문법 모델과 음성 데이터베이스를 구축한 다음 음성을 어휘에 매핑했습니다.

그런 다음 어휘를 문법 데이터베이스에 배치하여 어휘의 의미를 이해하고 최종적으로 인식 결과를 얻었습니다.

이 "논리적 메커니즘" 기반 구문 인식의 인식 효율성은 ViaVoice 인식과 같이 약 70%를 맴돌고 있습니다.

1990년대 IBM이 선보인 알고리즘.

AIGC는 이런 식으로 플레이하는 것이 아닙니다.그 본질은 문법에 신경쓰는 것이 아니라, 오히려

컴퓨터는 의미론적 연결이 아닌 신경 연결인 서로 다른 단어 간의 확률적 연결을 계산합니다.

어릴 때 모국어를 배우듯이 '주어, 술어, 목적어, 동사, 보어'를 배우는 것이 아니라 자연스럽게 배웠습니다.

그런 다음 단락을 이해합니다.

이것이 바로 이해가 아닌 인식인 AI의 사고 모델이다.

이는 모든 고전적 메커니즘 모델에 대한 AI의 파괴적인 의미이기도 합니다. 컴퓨터는 이 문제를 논리적 수준에서 이해할 필요가 없습니다.

오히려 내부 정보 사이의 상관관계를 확인하고 인식하여 이를 알아냅니다.

예를 들어, 전력 흐름 상태와 전력망 예측은 고전적인 전력 네트워크 시뮬레이션을 기반으로 합니다.

메커니즘이 확립된 후 매트릭스 알고리즘을 사용하여 수렴됩니다.앞으로는 필요하지 않을 수도 있습니다.AI가 직접 식별하고 예측합니다.

각 노드의 상태에 따른 특정 모달 패턴.

노드가 많을수록 기존 행렬 알고리즘의 인기가 떨어집니다. 왜냐하면 알고리즘의 복잡성은 노드 수에 따라 증가하기 때문입니다.

노드와 기하학적 진행이 증가합니다.그러나 AI는 매우 큰 규모의 노드 동시성을 선호합니다. 왜냐하면 AI는 식별 및 분석에 능숙하기 때문입니다.

가장 가능성이 높은 네트워크 모드를 예측합니다.

Go의 다음 예측(AlphaGO는 각 단계에 대해 수많은 가능성을 포함하여 다음 수십 단계를 예측할 수 있음)이든 모달 예측이든 상관없습니다.

복잡한 기상 시스템의 경우 AI의 정확도가 기계 모델의 정확도보다 훨씬 높습니다.

현재 전력망에 AI가 필요하지 않은 이유는 지방에서 관리하는 220kV 이상의 전력망의 노드 수가 많기 때문입니다.

디스패칭은 크지 않으며 행렬을 선형화하고 희소화하기 위해 많은 조건을 설정하여 계산 복잡도를 크게 줄입니다.

메커니즘 모델.

그러나 배전망 전력 흐름 단계에서는 수만 또는 수십만 개의 전력 노드, 부하 노드 및 기존

대규모 유통망의 매트릭스 알고리즘은 무력합니다.

앞으로는 유통망 차원에서 AI의 패턴인식이 가능해질 것이라고 믿습니다.

2. 비정형 정보의 축적, 훈련, 생성

AIGC가 획기적인 두 번째 이유는 정보의 축적이다.음성의 A/D 변환(마이크+PCM)

샘플링)부터 이미지의 A/D 변환(CMOS+색공간 매핑)까지 인간은 시각 및 청각 영역에서 홀로그램 데이터를 축적해 왔습니다.

지난 수십 년 동안 매우 저렴한 방법으로 필드를 구축했습니다.

특히, 카메라와 스마트폰의 대규모 대중화, 인간을 위한 시청각 분야의 비정형 데이터 축적

거의 비용이 들지 않으며 인터넷에 텍스트 정보가 폭발적으로 축적되는 것이 AIGC 훈련의 핵심입니다. 훈련 데이터 세트는 저렴합니다.

위 그림은 글로벌 데이터의 증가 추세를 보여주며, 이는 기하급수적인 추세를 명확하게 보여줍니다.

이러한 데이터 축적의 비선형적 성장은 AIGC 역량의 비선형적 성장의 기반입니다.

그러나 이러한 데이터의 대부분은 비용이 전혀 들지 않는 비정형 시청각 데이터입니다.

전력 분야에서는 이를 달성할 수 없습니다.첫째, 전력산업의 대부분은 다음과 같은 정형 및 반정형 데이터로 구성되어 있습니다.

전압 및 전류는 시계열 및 반구조화된 포인트 데이터 세트입니다.

구조 데이터 세트는 컴퓨터가 이해해야 하며 장치 정렬(전압, 전류 및 전력 데이터)과 같은 "정렬"이 필요합니다.

스위치를 이 노드에 정렬해야 합니다.

더 문제가 되는 것은 시간 정렬인데, 이는 시간 척도를 기준으로 전압, 전류, 유효 및 무효 전력을 정렬해야 하므로

후속 식별이 수행될 수 있습니다.4개 사분면의 공간 정렬인 순방향과 역방향도 있습니다.

정렬이 필요하지 않은 텍스트 데이터와 달리 문단은 단순히 컴퓨터에 전달되어 가능한 정보 연관을 식별합니다.

그 자체로.

사업 유통 데이터의 장비 정렬 등 이러한 문제를 정렬하기 위해서는 지속적으로 정렬이 필요합니다.

저압 배전망은 매일 장비와 선로를 추가, 삭제, 수정하고 있으며, 전력망 회사는 막대한 인건비를 지출하고 있습니다.

"데이터 주석"과 마찬가지로 컴퓨터는 이를 수행할 수 없습니다.

둘째, 전력 부문에서는 데이터 획득 비용이 높고, 말하고 사진을 찍기 위해 휴대폰 대신 센서가 필요하다.”

전압이 한 단계 감소할 때마다(또는 전력 분배 관계가 한 단계 감소할 때마다) 필요한 센서 투자 비용은 늘어납니다.

적어도 한 자리수만큼.부하측(모세관 끝) 감지를 달성하려면 더욱 대규모의 디지털 투자가 필요합니다.”

전력망의 과도 모드를 식별해야 하는 경우 고정밀 고주파 샘플링이 필요하며 비용은 훨씬 더 높습니다.

데이터 수집 및 데이터 정렬의 한계 비용이 극도로 높기 때문에 전력망은 현재 충분한 비선형 전력을 축적할 수 없습니다.

AI 특이점에 도달하기 위한 알고리즘 훈련을 위한 데이터 정보의 증가.

데이터의 개방성은 말할 것도 없고, 파워AI 스타트업이 이러한 데이터를 얻는 것은 불가능하다.

따라서 AI 이전에는 데이터 세트의 문제를 해결해야 합니다. 그렇지 않으면 일반 AI 코드를 훈련하여 좋은 AI를 생성할 수 없습니다.

3. 컴퓨팅 파워의 획기적인 발전

AIGC의 특이점 돌파는 알고리즘과 데이터 외에도 연산 능력의 돌파구이기도 하다.기존 CPU는 그렇지 않습니다.

대규모 동시 뉴런 컴퓨팅에 적합합니다.대규모 병렬화를 가능하게 하는 것은 바로 3D 게임과 영화에 GPU를 적용하는 것입니다.

부동 소수점+스트리밍 컴퓨팅이 가능합니다.무어의 법칙은 계산 능력 단위당 계산 비용을 더욱 줄여줍니다.

전력망 AI, 미래 피할 수 없는 트렌드

다수의 분산형 태양광 발전 및 분산형 에너지 저장 시스템을 통합하고 다음의 적용 요구 사항을 충족합니다.

부하측 가상 발전소에서는 공공 배전망 시스템과 사용자에 대한 소스 및 부하 예측을 객관적으로 수행하는 것이 필요합니다.

배전(마이크로) 그리드 시스템과 배전(마이크로) 그리드 시스템을 위한 실시간 전력 흐름 최적화.

실제로 배전망 측의 계산 복잡도는 송전망 스케줄링의 계산 복잡도보다 높습니다.광고용으로도

수만 개의 부하 장치와 수백 개의 스위치가 있을 수 있으며, AI 기반의 마이크로 그리드/배전망 운영에 대한 수요가 있습니다.

통제가 일어나게 됩니다.

센서의 가격이 저렴해지고, 무접점 변압기, 무접점 스위치, 인버터(컨버터) 등 전력전자소자가 널리 보급되면서,

전력망 가장자리에서 감지, 컴퓨팅, 제어를 통합하는 것도 혁신적인 추세가 되었습니다.

따라서 전력망의 AIGC가 미래입니다.그러나 오늘날 필요한 것은 돈을 벌기 위해 당장 AI 알고리즘을 꺼내는 것이 아니라,

대신 AI가 요구하는 데이터 인프라 구축 문제를 먼저 해결하세요.

AIGC의 급증 속에서 파워 AI의 활용 수준과 미래에 대한 충분한 냉정한 고민이 필요하다.

현재 전력 AI의 중요성은 크지 않습니다. 예를 들어 예측 정확도가 90%인 광발전 알고리즘이 현물 시장에 배치되어 있습니다.

거래 편차 임계값은 5%이며, 알고리즘 편차로 인해 모든 거래 수익이 소멸됩니다.

데이터는 물이고, 알고리즘의 계산 능력은 채널입니다.일어나는 대로 그렇게 될 것입니다.