جوهر ڏانهن واپسي، AIGC جي انفراديت ۾ ڪاميابي ٽن عنصرن جو مجموعو آهي:

1. GPT انساني نيورسن جو هڪ نقل آهي

اين ايل پي جي نمائندگي ڪندڙ GPT AI هڪ ڪمپيوٽر نيورل نيٽورڪ الگورٿم آهي، جنهن جو جوهر انساني دماغي پرانتڪس ۾ نيورل نيٽ ورڪ کي تخليق ڪرڻ آهي.

ٻولي، موسيقي، تصويرن، ۽ ذائقي جي معلومات جي پروسيسنگ ۽ ذهين تخيل سڀ ڪم آهن جيڪي انسان پاران گڏ ڪيا ويا آهن.

دماغ هڪ "پروٽين ڪمپيوٽر" جي طور تي ڊگهي مدت جي ارتقاء دوران.

تنهن ڪري، GPT قدرتي طور تي ساڳئي معلومات جي پروسيسنگ لاء سڀ کان وڌيڪ مناسب تقليد آهي، اهو آهي، غير منظم ٻولي، ميوزڪ ۽ تصويرون.

ان جي پروسيسنگ جو ميکانيزم معني جي سمجھڻ نه آهي، بلڪه هڪ عمل کي بهتر ڪرڻ، سڃاڻڻ، ۽ لاڳاپيل ڪرڻ.هي هڪ تمام گهڻو آهي

متضاد شيء.

ابتدائي اسپيچ سيمينٽڪ ريڪگنيشن الگورٿمس بنيادي طور تي هڪ گرامر ماڊل ۽ اسپيچ ڊيٽابيس قائم ڪيو، پوءِ تقرير کي لفظن ۾ نقشو ڪيو،

پوءِ لفظ جي معنيٰ سمجھڻ لاءِ لفظ کي گرامر ڊيٽابيس ۾ رکيو، ۽ آخر ۾ سڃاڻپ جا نتيجا حاصل ڪيا.

هن ”منطقي ميکانيزم“ تي ٻڌل نحو جي سڃاڻپ جي ڪارڪردگي 70 سيڪڙو جي لڳ ڀڳ ٿي رهي آهي، جهڙوڪ ViaVoice recognition

1990s ۾ IBM پاران متعارف ڪرايل الگورتھم.

AIGC هن طرح کيڏڻ بابت ناهي.ان جو جوهر گرامر جي پرواهه ڪرڻ نه آهي، بلڪه هڪ نيورل نيٽورڪ الگورٿم قائم ڪرڻ آهي جيڪا اجازت ڏئي ٿي.

ڪمپيوٽر مختلف لفظن جي وچ ۾ امڪاني ڪنيڪشن کي ڳڻڻ لاءِ، جيڪي نيورل ڪنيڪشن آهن، سيمينٽڪ ڪنيڪشن نه آهن.

گهڻو ڪري پنهنجي مادري ٻولي سکڻ وانگر جڏهن اسان ننڍا هئاسين، اسان قدرتي طور تي سکيو، بلڪه "موضوع، پيشڪش، اعتراض، فعل، مڪمل،" سکڻ جي بدران.

۽ پوء هڪ پيراگراف کي سمجهڻ.

هي AI جو سوچڻ وارو نمونو آهي، جنهن جي سڃاڻپ آهي، نه سمجھڻ.

اهو پڻ آهي AI جي تخريبي اهميت سڀني ڪلاسيڪل ميڪانيزم ماڊلز لاءِ - ڪمپيوٽرن کي هن معاملي کي منطقي سطح تي سمجهڻ جي ضرورت ناهي،

بلڪه اندروني معلومات جي وچ ۾ رابطي کي سڃاڻڻ ۽ سڃاڻڻ، ۽ پوء ان کي ڄاڻو.

مثال طور، پاور فلو اسٽيٽ ۽ پاور گرڊ جي اڳڪٿي ڪلاسيڪل پاور نيٽ ورڪ سموليشن تي ٻڌل آهي، جتي هڪ رياضياتي ماڊل

ميکانيزم قائم ڪيو ويو آهي ۽ پوء هڪ ميٽرڪس الگورٿم استعمال ڪندي تبديل ڪيو ويو آهي.مستقبل ۾، اهو شايد ضروري نه هجي.AI سڌو سنئون سڃاڻپ ۽ اڳڪٿي ڪندو a

هر نوڊ جي حيثيت جي بنياد تي ڪجهه ماڊل نمونو.

جيترا وڌيڪ نوڊس آهن، اوترو ئي گهٽ مشهور آهي ڪلاسيڪل ميٽرڪس الگورٿم، ڇاڪاڻ ته الورورٿم جي پيچيدگي وڌي ٿي

نوڊس ۽ جاميٽري ترقي وڌائي ٿي.جڏهن ته، AI کي ترجيح ڏني وئي آهي تمام وڏي پيماني تي نوڊ جي مطابقت، ڇاڪاڻ ته AI سڃاڻپ ۾ سٺو آهي ۽

سڀ کان وڌيڪ امڪاني نيٽ ورڪ طريقن جي اڳڪٿي.

ڇا اها گو جي ايندڙ اڳڪٿي آهي (AlphaGO ايندڙ درجنين مرحلن جي اڳڪٿي ڪري سگهي ٿي، هر قدم لاءِ بيشمار امڪانن سان) يا ماڊل اڳڪٿي

پيچيده موسمي نظام جي، AI جي درستگي ميڪيڪل ماڊل جي ڀيٽ ۾ تمام گهڻي آهي.

پاور گرڊ کي في الحال AI جي ضرورت نه هجڻ جو سبب اهو آهي ته 220 kV ۽ ان کان وڌيڪ پاور نيٽ ورڪن ۾ نوڊس جو تعداد صوبائي طرفان منظم

ڊسپيچنگ وڏي نه آهي، ۽ ڪيتريون ئي حالتون مقرر ڪيون ويون آهن ميٽرڪس کي لڪيرائڻ ۽ اسپرس ڪرڻ لاءِ، تمام گهڻي گھٽجي وڃڻ واري ڪمپيوٽيشنل پيچيدگي کي

ميڪانيزم ماڊل.

بهرحال، تقسيم نيٽ ورڪ پاور فلو اسٽيج تي، ڏهن هزارن يا سوين هزارين پاور نوڊس، لوڊ نوڊس، ۽ روايتي

وڏي ورهائڻ واري نيٽ ورڪ ۾ ميٽرڪس الگورتھم بي طاقت آهي.

مان سمجهان ٿو ته تقسيم نيٽ ورڪ جي سطح تي AI جي نموني جي سڃاڻپ مستقبل ۾ ممڪن ٿي ويندي.

2. اڻڄاتل معلومات جي گڏ ڪرڻ، تربيت، ۽ پيداوار

ٻيو سبب اهو آهي ته AIGC هڪ پيش رفت ڪئي آهي معلومات جو جمع.تقرير جي A/D تبادلي کان (مائڪروفون + PCM

نموني) تصويرن جي A/D تبديلي (CMOS+رنگ اسپيس ميپنگ) تائين، انسانن بصري ۽ ٻڌڻ ۾ هولوگرافڪ ڊيٽا گڏ ڪيو آهي.

گذريل ڪجهه ڏهاڪن ۾ انتهائي گهٽ قيمت واري طريقن سان فيلڊ.

خاص طور تي، ڪئميرا ۽ اسمارٽ فونز جي وڏي پيماني تي مقبوليت، انسانن لاء آڊيو ويزول فيلڊ ۾ غير منظم ٿيل ڊيٽا جو جمع

تقريبن صفر جي قيمت تي، ۽ انٽرنيٽ تي ٽيڪسٽ معلومات جو ڌماڪيدار جمع AIGC ٽريننگ جي ڪنجي آهي - ٽريننگ ڊيٽا سيٽ سستا آهن.

مٿي ڏنل انگ اکر ڏيکاري ٿو عالمي ڊيٽا جي ترقي جو رجحان، جيڪو واضح طور تي هڪ توسيع وارو رجحان پيش ڪري ٿو.

ڊيٽا گڏ ڪرڻ جي هي غير لڪير ترقي AIGC جي صلاحيتن جي غير لڪير ترقي جو بنياد آهي.

پر، انهن مان گھڻا ڊيٽا غير منظم آڊيو-بصري ڊيٽا آهن، جيڪي صفر قيمت تي گڏ ڪيا ويا آهن.

اليڪٽرڪ پاور جي ميدان ۾، اهو حاصل نه ٿو ڪري سگهجي.سڀ کان پهريان، اڪثر بجلي جي صنعت جي جوڙجڪ ۽ نيم جوڙجڪ ڊيٽا، جهڙوڪ

وولٹیج ۽ ڪرنٽ، جيڪي ٽائم سيريز ۽ نيم ڍانچي جا پوائنٽ ڊيٽا سيٽ آهن.

ساخت جي ڊيٽا سيٽ کي ڪمپيوٽرن کي سمجھڻ جي ضرورت آهي ۽ ضرورت آهي "الائنمينٽ"، جهڙوڪ ڊوائيس جي ترتيب - وولٹیج، ڪرنٽ، ۽ پاور ڊيٽا

هڪ سوئچ کي هن نوڊ سان ترتيب ڏيڻ جي ضرورت آهي.

وڌيڪ ڏکيائي وقت جي ترتيب آهي، جنهن لاءِ وقت جي ماپ جي بنياد تي وولٽيج، ڪرنٽ، ۽ فعال ۽ رد عمل واري طاقت کي ترتيب ڏيڻ جي ضرورت آهي.

بعد ۾ سڃاڻپ ڪري سگهجي ٿو.اڳتي ۽ پٺتي ھدايتون پڻ آھن، جيڪي چئن چوڪن ۾ spatial alignment آھن.

متن جي ڊيٽا جي برعڪس، جنهن کي ترتيب ڏيڻ جي ضرورت ناهي، هڪ پيراگراف صرف ڪمپيوٽر ڏانهن اڇلايو ويندو آهي، جيڪو ممڪن معلومات جي تنظيمن جي سڃاڻپ ڪري ٿو.

پاڻ تي.

هن مسئلي کي ترتيب ڏيڻ لاء، جيئن ته سامان جي ترتيب واري ڪاروباري ورهائڻ واري ڊيٽا کي ترتيب ڏيڻ لاء، ترتيب ڏيڻ جي مسلسل ضرورت آهي، ڇاڪاڻ ته وچولي ۽

گھٽ وولٽيج ورهائڻ وارو نيٽ ورڪ هر روز سامان ۽ لائينون شامل ڪرڻ، ختم ڪرڻ، ۽ تبديل ڪري رهيو آهي، ۽ گرڊ ڪمپنيون وڏي محنت جي خرچن تي خرچ ڪن ٿيون.

"ڊيٽا تشريح" وانگر، ڪمپيوٽرن اهو نٿا ڪري سگهن.

ٻيو ته پاور سيڪٽر ۾ ڊيٽا حاصل ڪرڻ جي قيمت تمام گهڻي آهي ۽ ڳالهائڻ ۽ فوٽو ڪڍڻ لاءِ موبائيل فون بدران سينسرز جي ضرورت پوندي آهي.”

هر دفعي وولٽيج هڪ سطح کان گهٽجي ٿو (يا پاور ورهائڻ جو تعلق هڪ سطح کان گهٽجي ٿو)، گهربل سينسر سيڙپڪاري وڌائي ٿي

گھٽ ۾ گھٽ ھڪڙي ترتيب جي شدت سان.لوڊ سائڊ (ڪيپليري آخر) سينسنگ حاصل ڪرڻ لاءِ ، اهو اڃا به وڌيڪ وڏي ڊجيٽل سيڙپڪاري آهي.

جيڪڏهن اهو ضروري آهي ته پاور گرڊ جي عارضي موڊ کي سڃاڻڻ لاء، اعلي صحت واري اعلي تعدد نموني جي ضرورت آهي، ۽ قيمت اڃا به وڌيڪ آهي.

ڊيٽا جي حصول ۽ ڊيٽا جي ترتيب جي انتهائي اعلي حد جي قيمت جي ڪري، پاور گرڊ هن وقت ڪافي غير لڪير کي گڏ ڪرڻ جي قابل ناهي.

ڊيٽا جي معلومات جي ترقي هڪ الگورتھم کي تربيت ڏيڻ لاء AI واحديت تائين پهچڻ لاء.

ڊيٽا جي کليل هجڻ جو ذڪر نه ڪرڻ، اهو ناممڪن آهي پاور AI شروعاتي لاءِ اهي ڊيٽا حاصل ڪرڻ.

تنهن ڪري، AI کان اڳ، ضروري آهي ته ڊيٽا سيٽ جي مسئلي کي حل ڪيو وڃي، ٻي صورت ۾ عام AI ڪوڊ کي تربيت نه ٿو ڏئي سگهجي ته سٺو AI پيدا ڪرڻ لاء.

3. ڪمپيوٽيشنل پاور ۾ ڪاميابي

الگورتھم ۽ ڊيٽا کان علاوه، AIGC جي واحديت جي ڪاميابي پڻ ڪمپيوٽيشنل پاور ۾ هڪ پيش رفت آهي.روايتي سي پي يوز نه آهن

مناسب وڏي پيماني تي سمورو نيورونل ڪمپيوٽنگ لاء.اهو خاص طور تي 3D گيمز ۽ فلمن ۾ GPUs جي ايپليڪيشن آهي جيڪا وڏي پيماني تي متوازي ٺاهي ٿي

فلوٽنگ پوائنٽ + اسٽريمنگ ڪمپيوٽنگ ممڪن.مور جو قانون وڌيڪ گھٽائي ٿو ڪمپيوٽيشنل لاڳت في يونٽ ڪمپيوٽيشنل پاور.

پاور گرڊ AI، مستقبل ۾ هڪ ناگزير رجحان

ورهايل فوٽووولٽڪ ۽ ورهايل توانائي اسٽوريج سسٽم جي هڪ وڏي تعداد جي انضمام سان، انهي سان گڏ ايپليڪيشن گهرجن

لوڊ سائڊ ورچوئل پاور پلانٽس، عوامي تقسيم نيٽ ورڪ سسٽم ۽ صارف لاءِ ذريعن ۽ لوڊ جي اڳڪٿي ڪرڻ لاءِ معقول طور تي ضروري آهي.

تقسيم (مائڪرو) گرڊ سسٽم، گڏوگڏ تقسيم (مائڪرو) گرڊ سسٽم لاء حقيقي وقت پاور فلو اصلاح.

ورهائڻ واري نيٽ ورڪ جي ڪمپيوٽيشنل پيچيدگي اصل ۾ ٽرانسميشن نيٽورڪ شيڊول جي ڀيٽ ۾ وڌيڪ آهي.جيتوڻيڪ هڪ تجارتي لاء

پيچيده، اتي هزارين لوڊ ڊوائيسز ۽ سوين سوئچز ٿي سگهي ٿي، ۽ AI جي بنياد تي مائڪرو گرڊ / تقسيم نيٽ ورڪ آپريشن جي طلب.

ڪنٽرول پيدا ٿيندو.

سينسرز جي گھٽ قيمت ۽ بجلي جي برقي ڊوائيسز جي وسيع استعمال سان، جهڙوڪ سولڊ اسٽيٽ ٽرانسفارمرز، سولڊ اسٽيٽ سوئچز، ۽ انورٽرز (ڪنورٽر)،

پاور گرڊ جي ڪنڊ تي سينسنگ، ڪمپيوٽنگ ۽ ڪنٽرول جو انضمام پڻ هڪ جديد رجحان بڻجي چڪو آهي.

تنهن ڪري، پاور گرڊ جو AIGC مستقبل آهي.تنهن هوندي، اڄ جي ضرورت آهي ته پئسا ڪمائڻ لاء هڪ AI الگورتھم کي فوري طور تي نه ڪڍيو وڃي،

ان جي بدران، پهريون پتو لڳايو ڊيٽا انفراسٽرڪچر تعميراتي مسئلن کي AI پاران گهربل

AIGC جي واڌ ۾، ايپليڪيشن جي سطح ۽ پاور AI جي مستقبل بابت ڪافي پرسڪون سوچڻ جي ضرورت آهي.

في الحال، طاقت AI جي اهميت اهم نه آهي: مثال طور، 90٪ جي اڳڪٿي جي درستگي سان فوٽووولٽڪ الگورٿم اسپاٽ مارڪيٽ ۾ رکيل آهي.

5% جي واپاري انحراف واري حد سان، ۽ الگورتھم انحراف سڀني واپاري منافعن کي ختم ڪري ڇڏيندو.

ڊيٽا پاڻي آهي، ۽ الورورٿم جي ڪمپيوٽري طاقت هڪ چينل آهي.جيئن ٿيندو، ائين ٿيندو.