Pagbalik sa esensya, ang pagkahugno sa AIGC sa singularity usa ka kombinasyon sa tulo nga mga hinungdan:

1. Ang GPT usa ka replika sa mga neuron sa tawo

Ang GPT AI nga girepresentahan sa NLP usa ka computer neural network algorithm, kansang esensya mao ang pagsundog sa mga neural network sa cerebral cortex sa tawo.

Ang pagproseso ug intelihenteng paghanduraw sa pinulongan, musika, mga hulagway, ug bisan sa impormasyon sa pagtilaw kay ang tanan nga mga gimbuhaton nga natipon sa tawo.

utok isip usa ka "kompyuter sa protina" sa panahon sa dugay nga ebolusyon.

Busa, ang GPT natural nga labing angay nga imitasyon alang sa pagproseso sa parehas nga kasayuran, nga mao, dili istruktura nga sinultian, musika, ug mga imahe.

Ang mekanismo sa pagproseso niini dili ang pagsabot sa kahulogan, kondili usa ka proseso sa pagpino, pag-ila, ug pagpakig-uban.Kini usa ka kaayo

paradoxical nga butang.

Ang mga algorithm sa pag-ila sa semantiko sa una nga sinultihan hinungdanon nga nagtukod usa ka modelo sa gramatika ug database sa sinultihan, dayon gimapa ang sinultihan sa bokabularyo,

dayon gibutang ang bokabularyo ngadto sa database sa gramatika aron masabtan ang kahulogan sa bokabularyo, ug sa katapusan nakuha ang mga resulta sa pag-ila.

Ang kaepektibo sa pag-ila niining "lohikal nga mekanismo" nga gibase sa syntax nga pag-ila naglupad sa palibot sa 70%, sama sa ViaVoice nga pag-ila

algorithm nga gipaila sa IBM sa 1990s.

Ang AIGC dili bahin sa pagdula nga sama niini.Ang diwa niini dili ang pag-atiman sa gramatika, kondili ang pagtukod og neural network algorithm nga nagtugot sa

computer sa pag-ihap sa probabilistic nga koneksyon tali sa lain-laing mga pulong, nga mga neural koneksyon, dili semantic koneksyon.

Sama sa pagkat-on sa atong lumad nga pinulongan sa bata pa kita, natural natong nakat-unan kini, kay sa pagkat-on sa “subject, predicate, object, verb, complement,”

ug dayon pagsabot sa usa ka parapo.

Kini ang modelo sa panghunahuna sa AI, nga mao ang pag-ila, dili pagsabut.

Kini usab ang subersibo nga kahulogan sa AI alang sa tanan nga klasikal nga mga modelo sa mekanismo - ang mga kompyuter dili kinahanglan nga masabtan kini nga butang sa lohikal nga lebel,

apan hinoon sa pag-ila ug pag-ila sa correlation tali sa internal nga impormasyon, ug unya mahibalo niini.

Pananglitan, ang power flow state ug prediksiyon sa power grids gibase sa classical power network simulation, diin ang usa ka mathematical model sa

Ang mekanismo gitukod ug dayon gihiusa gamit ang matrix algorithm.Sa umaabot, mahimong dili na kinahanglan.Ang AI direktang makaila ug makatagna a

piho nga modal pattern base sa status sa matag node.

Ang mas daghan nga mga node adunay, ang dili kaayo popular nga classical matrix algorithm mao, tungod kay ang komplikado sa algorithm nagdugang uban sa gidaghanon sa

nodes ug ang geometric nga pag-uswag nagdugang.Bisan pa, ang AI mas gusto nga adunay dako kaayo nga scale node concurrency, tungod kay ang AI maayo sa pag-ila ug

pagtagna sa labing lagmit nga mga mode sa network.

Kung kini ang sunod nga panagna sa Go (Ang AlphaGO makatagna sa sunod nga dosena nga mga lakang, nga adunay dili maihap nga mga posibilidad sa matag lakang) o ang modal nga panagna

sa komplikado nga mga sistema sa panahon, ang katukma sa AI mas taas kaysa sa mekanikal nga mga modelo.

Ang rason ngano nga ang power grid sa pagkakaron wala magkinahanglan og AI mao nga ang gidaghanon sa mga node sa 220 kV pataas nga power network nga gidumala sa probinsyal.

Ang pagpadala dili dako, ug daghang mga kondisyon ang gitakda aron ma-linearize ug maminusan ang matrix, nga makapakunhod pag-ayo sa computational complexity sa

modelo sa mekanismo.

Bisan pa, sa yugto sa pag-agos sa kuryente sa network sa pag-apud-apod, nag-atubang sa napulo ka libo o gatusan ka libo nga mga node sa kuryente, mga load node, ug tradisyonal

matrix algorithms sa usa ka dako nga distribution network walay gahum.

Nagtuo ako nga ang pag-ila sa sumbanan sa AI sa lebel sa network sa pag-apod-apod mahimong posible sa umaabot.

2. Ang pagtipon, pagbansay, ug pagmugna sa dili organisado nga impormasyon

Ang ikaduhang rason ngano nga ang AIGC nakahimo og usa ka breakthrough mao ang pagtigum sa impormasyon.Gikan sa pagkakabig sa A/D sa sinultihan (mikropono+PCM

sampling) ngadto sa pagkakabig sa A/D sa mga hulagway (CMOS+color space mapping), ang mga tawo nakatigom ug holographic data sa visual ug auditory

natad sa hilabihan ka barato nga mga paagi sa miaging pipila ka dekada.

Sa partikular, ang dako nga pagkapopular sa mga camera ug smartphones, ang pagtipon sa wala matukod nga datos sa audiovisual field alang sa mga tawo.

sa halos zero gasto, ug ang explosive akumulasyon sa text impormasyon sa Internet mao ang yawe sa AIGC pagbansay-bansay - pagbansay-bansay data sets dili mahal.

Ang numero sa ibabaw nagpakita sa pagtubo nga uso sa global nga datos, nga tin-aw nga nagpresentar sa usa ka exponential trend.

Kining dili-linear nga pagtubo sa data accumulation mao ang pundasyon alang sa non-linear nga pagtubo sa mga kapabilidad sa AIGC.

APAN, kadaghanan sa kini nga mga datos dili istruktura nga audio-visual nga datos, nga natipon sa zero nga gasto.

Sa natad sa kuryente, dili kini makab-ot.Una, kadaghanan sa industriya sa kuryente nga istruktura ug semi structured nga datos, sama sa

boltahe ug kasamtangan, nga mga punto nga mga set sa datos sa mga serye sa oras ug semi structured.

Ang structural data sets kinahanglang masabtan sa mga computer ug nagkinahanglan og "alignment", sama sa device alignment - ang boltahe, kasamtangan, ug power data

sa usa ka switch kinahanglan nga ipahiangay niini nga node.

Ang labi ka makahasol mao ang pag-align sa oras, nga nanginahanglan pag-align sa boltahe, karon, ug aktibo ug reaktibo nga gahum base sa sukod sa oras, aron

ang sunod nga pag-ila mahimong mahimo.Adunay usab unahan ug balik nga direksyon, nga spatial alignment sa upat ka mga quadrant.

Dili sama sa datos sa teksto, nga wala magkinahanglan og pag-align, ang usa ka parapo yano nga gilabay sa kompyuter, nga nagpaila sa posible nga mga asosasyon sa impormasyon

sa iyang kaugalingon.

Aron ma-align kini nga isyu, sama sa pag-align sa kagamitan sa datos sa pag-apod-apod sa negosyo, kanunay nga kinahanglan ang pag-align, tungod kay ang medium ug

Ang ubos nga boltahe nga network sa pag-apod-apod nagdugang, nagtangtang, ug nagbag-o sa mga kagamitan ug linya matag adlaw, ug ang mga kompanya sa grid naggasto ug daghang gasto sa pagtrabaho.

Sama sa "data annotation," ang mga kompyuter dili makahimo niini.

Ikaduha, ang gasto sa pagkuha sa datos sa sektor sa kuryente taas, ug gikinahanglan ang mga sensor imbes nga adunay usa ka mobile phone aron makasulti ug makakuha og litrato.”

Sa matag higayon nga ang boltahe mikunhod sa usa ka lebel (o ang relasyon sa pag-apod-apod sa kuryente mikunhod sa usa ka lebel), ang gikinahanglan nga pagpamuhunan sa sensor mosaka

sa labing menos usa ka han-ay sa kadako.Aron makab-ot ang load side (capillary end) sensing, mas dako pa kini nga digital investment.”

Kung gikinahanglan ang pag-ila sa transient mode sa power grid, gikinahanglan ang high-precision high-frequency sampling, ug mas taas pa ang gasto.

Tungod sa hilabihan ka taas nga marginal cost sa data acquisition ug data alignment, ang power grid sa pagkakaron dili makatigom ug igong non-linear.

pagtubo sa impormasyon sa datos aron sa pagbansay sa usa ka algorithm aron maabot ang AI singularity.

Wala pay labot ang pagkabukas sa datos, imposible alang sa usa ka power AI startup nga makuha kini nga mga datos.

Busa, sa wala pa ang AI, gikinahanglan nga sulbaron ang problema sa mga set sa datos, kung dili ang kinatibuk-ang AI code dili mabansay aron makahimo og maayong AI.

3. Kauswagan sa computational power

Dugang pa sa mga algorithm ug data, ang singularity breakthrough sa AIGC usa usab ka breakthrough sa computational power.Ang tradisyonal nga mga CPU dili

angay alang sa dinagkong dungan nga pag-compute sa neuronal.Kini mao ang tukma nga paggamit sa mga GPU sa 3D nga mga dula ug mga salida nga naghimo sa dinagkong parallel

floating-point+streaming computing posible.Ang Balaod ni Moore dugang nga nagpamenos sa gasto sa pagkalkula matag yunit sa gahum sa pagkalkula.

Power grid AI, usa ka dili kalikayan nga uso sa umaabot

Uban ang panagsama sa daghang gidaghanon sa gipang-apod-apod nga photovoltaic ug gipang-apod-apod nga mga sistema sa pagtipig sa enerhiya, ingon man ang mga kinahanglanon sa aplikasyon sa

load side virtual power plants, kini mao ang tumong nga gikinahanglan sa pagpahigayon sa tinubdan ug load forecasting alang sa publiko nga distribution network sistema ug user

distribution (micro) grid system, ingon man ang real-time nga power flow optimization para sa distribution (micro) grid system.

Ang computational complexity sa bahin sa distribution network mas taas kay sa transmission network scheduling.Bisan alang sa usa ka komersyal

komplikado, mahimo’g adunay napulo ka libo nga mga aparato sa pagkarga ug gatusan nga mga switch, ug ang panginahanglan alang sa operasyon sa micro grid/distribution network nga nakabase sa AI

mutungha ang kontrol.

Uban sa mubu nga gasto sa mga sensor ug ang kaylap nga paggamit sa mga gahum sa elektronik nga aparato sama sa solid-state transformer, solid-state switch, ug inverters (converters),

ang paghiusa sa sensing, computing, ug kontrol sa ngilit sa power grid nahimo usab nga usa ka bag-ong uso.

Busa, ang AIGC sa power grid mao ang umaabot.Bisan pa, ang gikinahanglan karon dili dayon pagkuha sa usa ka algorithm sa AI aron makakwarta,

Hinuon, unaha nga sulbaron ang mga isyu sa pagtukod sa imprastraktura sa datos nga gikinahanglan sa AI

Sa pag-uswag sa AIGC, kinahanglan adunay igo nga kalmado nga panghunahuna bahin sa lebel sa aplikasyon ug kaugmaon sa gahum AI.

Sa pagkakaron, ang kahinungdanon sa gahum AI dili mahinungdanon: pananglitan, ang usa ka photovoltaic algorithm nga adunay prediksyon nga katukma sa 90% gibutang sa spot market.

uban sa usa ka trading deviation threshold nga 5%, ug ang algorithm deviation mopapas sa tanang kita sa trading.

Ang datos kay tubig, ug ang computational power sa algorithm kay usa ka channel.Ingon nga kini mahitabo, kini mahitabo.