太陽光や風力エネルギーに対する AI の利点は存在しますか?

太陽光発電と風力発電は急成長していますが、世界の再生可能電力への移行はまだ遅すぎて、気候変動目標をすぐに達成できません。風力エネルギーと太陽エネルギーを地球規模で利用することは、多くの理由から言うは易く行うは難しです。 1 つは、風力タービンとソーラー パネルが複雑で気の利いたシステムであり、故障しやすいということです。故障が頻繁に起こると発電量が減少し、風力発電所や太陽光発電所の運営と維持費が高額になります。

英国ハル大学のデータサイエンティストであるジョイジット・チャタジー氏は、人工知能を使用して発電量やコンポーネントの故障を予測する機能により、再生可能電力がより経済的になる可能性があると述べています。信頼性が高く、普及を加速します。ただし、電子商取引、製造、ヘルスケアなどの他の多くの分野とは異なり、この分野では使用されていません。 「人工知能は気候変動と持続可能性に真の影響を与える可能性があります。しかし、再生可能エネルギー分野に関連する研究はほとんどありません。」

だから、チャタジー氏とその同僚、ディレクターのヘ・ニーナ・デスレフス氏は言う。 MU のコンピュータ サイエンスの博士号を取得した博士は、最近開催された学習表現に関する国際会議 (ICLR) に人工知能と再生可能エネルギーの専門家を集めました。 Data Science Journal Patterns に 6 月 10 日に掲載された展望論文で、両氏はカンファレンスからの重要なポイントを提示し、再生可能エネルギーに対する AI の影響を制限する障壁と、これらを克服するための人工知能手法に確立されたテクノロジーと新興テクノロジーをどのように使用できるかを概説しています。障害物。

事業規模の農場の風力タービンとソーラー パネルにはセンサーが装備されており、オペレーターは発電量と健全性を遠隔監視できます。これらのセンサーには、振動センサー、温度センサー、加速度センサー、速度センサーが含まれます。彼らが生成するデータは機会を提供します。過去の発電データと故障データに基づいてトレーニングされた AI モデルは、風力タービンのギアボックスやソーラー パネル インバーターの予期せぬ故障を予測できるため、オペレーターが停電に備えて定期メンテナンスを計画するのに役立ちます。

Chatterjee 氏は、強化学習はこれらのモデルの改善に役立つエキサイティングな新しい機械学習手法であると述べました。強化学習では、アルゴリズムがトレーニング中に世界と対話し、報酬または罰の決定に関する継続的なフィードバックを受け取り、特定の目標を達成する方法を学習します。この種の実際の相互作用は人間によってもたらされる可能性があります。

「AI の危険性の 1 つは、AI が完璧ではないことです。AI モデルの最適化を常に支援するために、人々を関与させることができます。人々は、AI が人間の部分を置き換えてしまうのではないかと心配することがよくありますが、意思決定を行うのは人間です。しかし、人間は AI モデルと連携して、意思決定支援用のモデルを共同で最適化する必要があります。」

同氏は、自然言語生成 (データを人間が読めるテキストに変換するプロセス) に焦点を当てることで、人工知能への信頼を高め、その使用を増やします。透明性が欠如しているため、業界のエンジニアは研究者が作成したいくつかの故障予測モデルを使用することに消極的です。オペレーターに短い自然言語メッセージを提供すると、対話が促進されます。

人工知能コミュニティにとって、より良いモデルを作成する上での障壁の 1 つは、風力および太陽光産業の商業的敏感性を考慮すると、公開されているデータの量が限られていることです。チャタジー氏は、業界がデータをオープンに共有することに消極的であることに加えて、標準の欠如も AI モデルの開発に影響を与えていると述べた。 「世界各地の風力発電所の運営者はそれぞれ異なる方法でデータを管理しているため、研究者がリソースを一緒に使用することは非常に困難です。」

この問題を解決するために、人工知能コミュニティは、機械学習技術と呼ばれる手法を使用して、転移学習。この方法により、データ内のさまざまな特徴に隠されたパターンを特定することで、データ サイエンティストは、ある機械学習タスクの解決から得た知識を別の関連タスクに移すことができ、データが限られている場合でも、ニューラル ネットワークのトレーニングやディープ ラーニング モデルの開発が容易になります。 「これにより、履歴データがなくても、タービン X 専用のモデルに基づいてタービン Y のモデルを開発することができます。」とチャタジー氏は述べていますが、ニューラル ネットワークが必ずしも常に答えになるわけではありません。これらの深層学習モデルは、伝統的に画像やテキストからの学習に適しているため、人気が高まっています。問題は、ニューラル ネットワークが頻繁に失敗することです。さらに、これらの大規模で計算が複雑なモデルをトレーニングするには、エネルギーを大量に消費する高性能コンピューティング インフラストラクチャが必要ですが、発展途上国ではこれを実現するのが困難です。

少なくとも再生可能エネルギー分野に関しては、シンプルでよい場合もあります。 AI コミュニティは、まず、デシジョン ツリーなどのより単純な機械学習モデルを使用して、それらが機能するかどうかを確認することに重点を置く必要があります。 「一般に、すべての問題にニューラル ネットワークが必要なわけではありません。より計算的に複雑なニューラル ネットワークをトレーニングおよび開発することで、なぜ二酸化炭素排出量が増加するのでしょうか? 今後の研究は、リソースの消費量が少なく、二酸化炭素の消費量が少ないモデルで実施する必要があります。」

以上が太陽光や風力エネルギーに対する AI の利点は存在しますか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。