人工智慧對太陽能和風能的好處存在嗎?
太陽能和風力發電正在蓬勃發展,但世界向再生電力的過渡仍然太慢,無法快速實現氣候目標。由於許多原因,在全球範圍內利用風能和太陽能說起來容易做起來難。一是風力渦輪機和太陽能板是複雜、挑剔的工程系統,容易發生故障。頻繁的故障會降低電力輸出,並使風電場和太陽能發電場的運作和維護成本高昂。
英格蘭赫爾大學的資料科學家Joyjit Chatterjee表示,利用人工智慧預測電力生產和組件故障的能力,可以使再生電力更經濟、更可靠,以加快廣泛採用。然而,它並沒有像在電子商務、製造業和醫療保健等許多其他領域那樣被應用於這一領域。 「人工智慧可能會對氣候變遷和永續性產生真正的影響,」他表示,「但與再生能源領域相關的工作很少。」
因此,Chatterjee和他的同事、赫爾大學電腦科學研究主任Nina Dethlefs在最近的人工智慧會議學習表徵國際會議(International Conference on Learning Representations,ICLR)上召集了人工智慧和再生能源領域的專家。在6月10日發表在《數據科學雜誌模式》上的一篇觀點論文中,兩人介紹了該會議的關鍵信息,概述了限制人工智慧對再生能源影響的障礙,以及如何使用成熟和新興的人工智慧方法克服這些障礙。
公用事業規模農場上的風力渦輪機和太陽能板裝有感測器,操作員可以遠端監控其發電和健康狀況。這些感測器包括振動感測器、溫度感測器、加速計和速度感測器。它們產生的數據提供了一個機會。根據歷史發電量和故障資料訓練的人工智慧模型可以預測風力渦輪機齒輪箱或太陽能板逆變器中的意外故障,幫助操作員為停電做好準備併計劃日常維護。
Chatterjee說,強化學習是一種令人興奮的新機器學習技術,可以幫助改進這些模型。在強化學習中,演算法在訓練過程中與世界互動,獲得獎勵或懲罰決策的持續回饋,以學習如何實現某些目標。這種真實的互動可能來自人類。
「人工智慧的一個危險是它並不完美,」Chatterjee說,「我們可以讓人們參與,不斷幫助優化人工智慧模型。人們通常擔心人工智慧會取代人們的部分並做出決策。但人類需要與人工智慧模型合作,共同優化模型以獲得決策支援。」
他補充說,對自然語言生成(將數據轉換為人類可讀文本的過程)的關注將增強對人工智慧的信任並增加其使用。由於缺乏透明度,產業工程師不願意使用研究人員創建的少數故障預測模型。為操作員提供簡短的自然語言訊息將促進互動。
對於人工智慧社群來說,鑑於風能和太陽能產業的商業敏感性,創建更好模型的一大障礙是公開可用的數據數量十分有限。 Chatterjee說,除了產業不願意公開分享數據外,缺乏標準也會影響人工智慧模型的開發。 「世界不同地區的風電場營運商管理資料的方式不同,因此對研究人員來說,共同使用資源確實具有挑戰性。」
為了解決這個問題,人工智慧社群可以利用一種稱為轉移學習的機器學習技術。透過識別資料中各種特徵中的隱藏模式,該方法允許資料科學家將從解決一個機器學習任務中獲得的知識轉移到另一個相關任務,從而在資料有限時更容易訓練神經網路和開發深度學習模型。 Chatterjee說:「這將有助於你在僅針對渦輪機X的模型的基礎上,甚至在沒有歷史數據的情況下,開發渦輪機Y的模型。」
不過,神經網路並不一定總是答案。由於這些深度學習模型傳統上適用於從圖像和文字中學習,因此它們已變得流行。問題是,神經網路經常會失敗。此外,訓練這些大規模、計算複雜的模型需要消耗大量能源的高效能運算基礎設施,而這在發展中國家是很難實現的。
至少對再生能源領域來說,有時簡單一點可能沒問題。人工智慧社群應該先專注於使用更簡單的機器學習模型,如決策樹,看看它們是否有效。 Chatterjee說:「通常並非每個問題都需要神經網路。為什麼要透過訓練和開發計算更複雜的神經網路來增加碳排放量?未來的研究需要在更少的資源消耗和碳密集型模型上進行。 ”
以上是人工智慧對太陽能和風能的好處存在嗎?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S

本站7月5日消息,格芯(GlobalFoundries)於今年7月1日發布新聞稿,宣布收購泰戈爾科技(TagoreTechnology)的功率氮化鎵(GaN)技術及智慧財產權組合,希望在汽車、物聯網和人工智慧資料中心應用領域探索更高的效率和更好的效能。隨著生成式人工智慧(GenerativeAI)等技術在數位世界的不斷發展,氮化鎵(GaN)已成為永續高效電源管理(尤其是在資料中心)的關鍵解決方案。本站引述官方公告內容,在本次收購過程中,泰戈爾科技公司工程師團隊將加入格芯,進一步開發氮化鎵技術。 G
