0
| 本文作者： 劉潔 | 2024-08-27 11:23 |
只是使用了AI就讓工廠能耗降低40%
是的，你沒(méi)有看錯(cuò)，就是降低了整整40%，幾乎將能耗砍半！
這是Jim Gao在Google大型數(shù)據(jù)中心的一次嘗試。這位華人機(jī)械工程師巧妙地使用了AI系統(tǒng)輔助控制數(shù)據(jù)中心的復(fù)雜的工業(yè)系統(tǒng)，AI在實(shí)現(xiàn)了預(yù)期系統(tǒng)優(yōu)化的基礎(chǔ)上，還做到了他從沒(méi)幻想過(guò)的超低冷卻能耗。
Jim經(jīng)常給其他人做一個(gè)假設(shè)來(lái)說(shuō)明他在Google數(shù)據(jù)中心做的工作究竟有什么意義：
假設(shè)他們需要控制10臺(tái)冷水機(jī)組進(jìn)行冷卻操作，每臺(tái)機(jī)器都有10種不同的運(yùn)行速度，那就是10種控制模式?？墒窃谠诂F(xiàn)實(shí)復(fù)雜的工業(yè)系統(tǒng)中，整個(gè)系統(tǒng)的操作模式可能有10種到100種或100億種不同的排列組合。
在這種情況下，要如何找到操控整個(gè)冷卻系統(tǒng)的最佳方式？這些系統(tǒng)還是動(dòng)態(tài)的，像天氣一樣每時(shí)每刻都在變化。
人類的手動(dòng)控制可能只是探索了所有操作方式中的0.00001%的可能性，還剩下99.99999%的空間沒(méi)被探索過(guò)。而AI能夠探索所有的未探索的空間，找到最合適的實(shí)時(shí)變動(dòng)的操作方式。這也是Jim想要實(shí)現(xiàn)真正的工業(yè)自動(dòng)化。
Jim帶領(lǐng)團(tuán)隊(duì)研究出了能夠通過(guò)云端控制多個(gè)數(shù)據(jù)中心的應(yīng)用，總計(jì)幫助Google節(jié)省了數(shù)百萬(wàn)美元的能源成本。
這同時(shí)也說(shuō)明，即便生成式AI已經(jīng)成為當(dāng)下的風(fēng)口，其他類型的AI——例如決策式AI——仍然顯示出巨大的應(yīng)用潛力。
利用AI決策提升組織的決策和經(jīng)營(yíng)效率，一直是AI技術(shù)落地應(yīng)用、降本增效的熱門領(lǐng)域。例如在雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))GAIR 2019大會(huì)上，京東集團(tuán)副總裁鄭宇就分享了如何利用AI與大數(shù)據(jù)“重塑城市”的經(jīng)驗(yàn)，GAIR大會(huì)另一位演講嘉賓、聯(lián)想集團(tuán)集團(tuán)首席技術(shù)官芮勇，則是基于多交互增強(qiáng)學(xué)習(xí)和多目標(biāo)策略學(xué)習(xí)網(wǎng)絡(luò)打造了一套智能生產(chǎn)規(guī)劃模型，快速找到最佳的排產(chǎn)策略，該項(xiàng)目獲得了國(guó)際運(yùn)籌學(xué)與管理科學(xué)學(xué)會(huì)2021年的Franz Edelman獎(jiǎng)。
Jim研發(fā)的技術(shù)不需要在原本的系統(tǒng)基礎(chǔ)上加入新的設(shè)備或傳感器，只需要將提供的設(shè)備插入現(xiàn)有設(shè)施，就能連接樓宇管理系統(tǒng) (BMS)等系統(tǒng)將所有數(shù)據(jù)點(diǎn)直接輸入AI智能體，實(shí)時(shí)識(shí)別并采用最大化整個(gè)設(shè)施性能的行動(dòng)。
Phaidra由Jim Gao和Veda Panneershelvam、Katie Hoffman組建，三人決心通過(guò)強(qiáng)化學(xué)習(xí)構(gòu)建一個(gè)能夠?qū)崿F(xiàn)工業(yè)自動(dòng)化的通用AI控制平臺(tái)。自創(chuàng)立之初就斬獲多家公司和行業(yè)大牛的投資，多輪融資總額達(dá)到6020萬(wàn)美元。
剛剛結(jié)束最新一輪融資的Jim接受了紅杉資本的邀請(qǐng)，做客Training Data Podcast，講述了自己將AI融入工業(yè)環(huán)境的故事，以及他對(duì)如何利用強(qiáng)化學(xué)習(xí)打造第四次工業(yè)革命的思考。
AI科技評(píng)論節(jié)選了部分內(nèi)容并進(jìn)行了解讀，完整Podcast點(diǎn)擊以下鏈接即可獲?。?/p>
https://www.youtube.com/watch?v=qb1rJkYpkmk
Jim Gao：好的。之所以有一個(gè)問(wèn)號(hào)，是因?yàn)槿藗兺ǔ２恢缽?qiáng)化學(xué)習(xí)與工業(yè)設(shè)施的結(jié)合是否真的很棒。
這是我發(fā)給Mustafa Suleyman的電子郵件，他是我后來(lái)在DeepMind的老板。發(fā)送這封郵件的動(dòng)力來(lái)源于一種叫做Alphago的東西。
在Google工作的那段時(shí)期，20%的時(shí)間里我一直在學(xué)習(xí)機(jī)器學(xué)習(xí)技術(shù)。Andrew Eng在剛誕生的Coursera上開設(shè)了一門非常有用的課程——機(jī)器學(xué)習(xí)入門。那是在2013，我記得我應(yīng)該是第二批學(xué)生。
那堂課徹底改變了我的生活。我自學(xué)了如何編程，然后開始東一塊西一塊地學(xué)習(xí)機(jī)器學(xué)習(xí)的知識(shí)。我認(rèn)為機(jī)器學(xué)習(xí)是非常有趣的技術(shù)。
Pat Grady：而你的背景是機(jī)械工程與環(huán)境科學(xué)這類的東西？
Jim Gao：是的，沒(méi)錯(cuò)。所以我當(dāng)時(shí)的工作職責(zé)是幫助Google設(shè)計(jì)和運(yùn)營(yíng)他們的超大型數(shù)據(jù)中心。
當(dāng)這些需要消耗大量能源的大型數(shù)據(jù)中心建成，我們當(dāng)然會(huì)將重點(diǎn)轉(zhuǎn)移到以最節(jié)能的方式運(yùn)行這些復(fù)雜的工業(yè)系統(tǒng)，因?yàn)樗鼈兪褂昧藬?shù)十億美元的電力，對(duì)吧？
這就是當(dāng)時(shí)的背景。我那時(shí)候已經(jīng)在研究機(jī)器學(xué)習(xí)技術(shù)，以分析谷歌的海量數(shù)據(jù)。
2016年，Alphago問(wèn)世了，我是全世界數(shù)億個(gè)觀看那場(chǎng)比賽中的一員。那時(shí)候應(yīng)該是凌晨三點(diǎn)鐘，我在巴黎還是什么地方。我發(fā)現(xiàn)它非常迷人，以至于我給Mustafa寫了一封電子郵件，描述了一個(gè)想法：
如果DeepMind能在圍棋這樣的復(fù)雜游戲里，讓AI擊敗世界上最聰明的人。那么肯定也可以讓AlphaGo這樣的AI智能體去玩一個(gè)另一個(gè)他很熟悉的游戲，那就是優(yōu)化Google數(shù)據(jù)中心的電力使用效率。這就是那封電子郵件的背景。
我還記得我在Google內(nèi)部向領(lǐng)導(dǎo)層推銷這個(gè)想法的方式，特別是對(duì)著Joe Kava，他是領(lǐng)導(dǎo)Google數(shù)據(jù)中心和ORS的人。我給他展示了一張圖片，一邊是目標(biāo)欄，一邊是各種視頻游戲控制，比如Xbox控制器。
我對(duì)他說(shuō)，“我們有一個(gè)最大化或最小化的目標(biāo)函數(shù)，還會(huì)給出一些具體的操作，比如控制旋鈕和杠桿。我們還會(huì)設(shè)定好必須遵守的約束條件，把整個(gè)過(guò)程都控制在一個(gè)非常易于測(cè)量的環(huán)境里?！?/p>
其實(shí)這樣來(lái)看，強(qiáng)化學(xué)習(xí)和操作大型復(fù)雜的工業(yè)系統(tǒng)實(shí)際上是一樣的。這個(gè)結(jié)論就是我最初想法的內(nèi)核。
Pat Grady：所以你發(fā)送了這封郵件給Mustafa，然后發(fā)生了什么？
Jim Gao：我們把郵件發(fā)送給Mustafa。兩周后，他飛到了山景城。
當(dāng)時(shí)我正在那里和DeepMind的團(tuán)隊(duì)一起研究如何使用強(qiáng)化學(xué)習(xí)的方式來(lái)控制和優(yōu)化Google的數(shù)據(jù)中心。實(shí)際上，這也讓Google和DeepMind之間也由此圍繞著數(shù)據(jù)中心工作中的強(qiáng)化學(xué)習(xí)應(yīng)用建立起了一種合作伙伴關(guān)系。
強(qiáng)化學(xué)習(xí)真的非常迷人，這也是我認(rèn)識(shí)Phaidra另外兩位聯(lián)合創(chuàng)始人之一的契機(jī)。
Veda是AlphaGo項(xiàng)目的重要工程師之一，他去了韓國(guó)，在首爾見到了Lisa和Larry Page，發(fā)生了很多有趣的事情。AlphaGo之后，他回到了辛辛那提，準(zhǔn)確來(lái)說(shuō)是回到了美國(guó)。他那時(shí)在想，他的下一件大事會(huì)是什么。
我設(shè)法說(shuō)服了Veda，我說(shuō)，嘿，如果我們用像Alpha這樣的自學(xué)框架來(lái)控制和優(yōu)化谷歌的數(shù)據(jù)中心會(huì)怎么樣呢？
我就是這樣開始和我的聯(lián)合創(chuàng)始人Veda開始一起工作的。
Sonya Huang：很多人會(huì)問(wèn)這樣能行嗎還是認(rèn)為它就像一個(gè)瘋狂的登月計(jì)劃，讓我們?cè)囋嚕?/strong>
Jim Gao：我也不知道，我甚至不知道它是否會(huì)奏效。我喜歡從概念上講，它對(duì)我的思維有意義。我認(rèn)為運(yùn)營(yíng)數(shù)據(jù)中心只是一個(gè)不同的游戲。？在工業(yè)世界里有各種各樣的游戲，也許游戲是最大化能源效率，也許游戲是最小化水的消耗，也許這個(gè)游戲是最大化事實(shí)的收益，對(duì)吧？但是有很多游戲一直在玩。所以在我看來(lái)，這是有道理的。
但是如果要我直接回答你的問(wèn)題，不，我不知道它是否會(huì)奏效。
我仍然清楚地記得這一天，我們打開AI系統(tǒng)，看著能耗下降。這令人驚訝的原因有兩個(gè)。
第一，我們?cè)O(shè)計(jì)了一個(gè)系統(tǒng)。我在設(shè)計(jì)這個(gè)系統(tǒng)中發(fā)揮了作用，AI現(xiàn)在正在進(jìn)行控制和優(yōu)化。所以理論上，我應(yīng)該是對(duì)這些系統(tǒng)了如指掌的專家，但是AI帶給我一些我一開始不知道的關(guān)于我?guī)椭O(shè)計(jì)的系統(tǒng)的東西。
第二，AI的舉動(dòng)非常違反直覺(jué)。就像當(dāng)我們看到即將做出的決定時(shí)，你知道，我們研究了計(jì)劃運(yùn)營(yíng)商。我們坐在愛荷華州的巨大玉米田里，就像谷歌喜歡把它的數(shù)據(jù)中心放在那里一樣。我們?cè)谘芯?，我們認(rèn)為這個(gè)決定不可能是正確的。這個(gè)AI很爛，學(xué)到了錯(cuò)誤的東西。但我們還是坐在這里，讓我們?cè)囋嘇I所說(shuō)的吧。我們嘗試了一下，它奏效了。我們看到的就是能耗驟降。所以我想那是我成為這項(xiàng)技術(shù)的信徒的時(shí)候。從根本上說(shuō)，這項(xiàng)技術(shù)是創(chuàng)造性的，它幫助我們從原始數(shù)據(jù)中發(fā)現(xiàn)以前不存在的新知識(shí)。
Sonya Huang：你能和我們談?wù)勚饕晒麊?？你看到了能耗的立即下降，但是之后又給Google帶來(lái)了什么成果？
Jim Gao：一開始有兩種類型的成果。尤其是對(duì)于谷歌來(lái)說(shuō)，有試點(diǎn)的成功。在2016年，我們發(fā)布了試點(diǎn)的結(jié)果。試點(diǎn)是在幾個(gè)數(shù)據(jù)中心完成的，但從根本上來(lái)說(shuō)，它不是一個(gè)自主控制系統(tǒng)。
我的意思是，這只是AI在生成建議。對(duì)于像我這樣的人類專家來(lái)說(shuō)，可以手動(dòng)審查和實(shí)施操作。我們不想直接把手從方向盤上拿開，因?yàn)檫@是一項(xiàng)新的新技術(shù)。
但當(dāng)時(shí)沒(méi)有人知道，是否有可能使用云端的AI來(lái)控制大型基礎(chǔ)設(shè)施。所以第一步是正確進(jìn)行試點(diǎn)。AI提出了建議，我們看到了也接受了，最后實(shí)現(xiàn)了40%的能源節(jié)省。
這種經(jīng)驗(yàn)告訴我們，我們實(shí)際上應(yīng)該讓AI直接正確地控制事物，自動(dòng)獲取價(jià)值。而且坦白地說(shuō)，規(guī)劃師操作員厭倦了檢查電子郵件，比如每15分鐘等待AI告訴他們?cè)撛趺醋?。與其手動(dòng)實(shí)施，他們有更好的事情要做。
所以我們實(shí)際上決定，是時(shí)候使用全自動(dòng)系統(tǒng)了。這在當(dāng)時(shí)是完全未知的領(lǐng)域，忘掉AI可以控制我們甚至不知道的事情。AI 是否可以從云端控制機(jī)器，大型工業(yè)基礎(chǔ)設(shè)施？因?yàn)閾?jù)我們所知，以前沒(méi)有人做過(guò)這件事。
Sonya Huang：你能告訴我們之前和之后的情況嗎？比如說(shuō)在你們實(shí)施這個(gè)工業(yè)控制系統(tǒng)之前，這個(gè)工廠操作員可能需要手動(dòng)轉(zhuǎn)動(dòng)旋鈕。這個(gè)之前和之后是如何工作的？
Jim Gao：這是一個(gè)很好的問(wèn)題。讓我為那些不太熟悉大型工業(yè)設(shè)施的人補(bǔ)充一點(diǎn)基礎(chǔ)知識(shí)。它們是非?，F(xiàn)代化的工業(yè)設(shè)施，非常復(fù)雜，人們?cè)诓僮骱涂刂聘鞣N各樣的機(jī)器。
我經(jīng)常讓人們?nèi)プ鲆粋€(gè)簡(jiǎn)單實(shí)驗(yàn)設(shè)想。想象一下你只有10臺(tái)機(jī)器在控制，它們就像泵一樣。每臺(tái)機(jī)器都有10個(gè)可能的設(shè)定點(diǎn)值，所以有10種與之相關(guān)的模式。想象一下可能是10%的泵速，20%的泵速，30%的泵速等等。然后在這個(gè)非常簡(jiǎn)單的玩具例子中，你有 10 種到 100 種或 100 億種不同的排列組合來(lái)操作你的玩具系統(tǒng)。
那么問(wèn)題就來(lái)了，在任何給定的點(diǎn)上，操作你的玩具系統(tǒng)的最佳方式是什么？
順便說(shuō)一下，這些是動(dòng)態(tài)系統(tǒng)，所以它的負(fù)載在變化，天氣在波動(dòng)，操作這些系統(tǒng)的人正在改變，管道正在腐蝕，熱量變化正在結(jié)垢。
關(guān)鍵是這些是非常復(fù)雜的動(dòng)態(tài)系統(tǒng)?，F(xiàn)實(shí)世界中有超過(guò)10臺(tái)機(jī)器，每臺(tái)機(jī)器都有超過(guò)10個(gè)設(shè)定點(diǎn)。
這樣你就能明白為什么像AlphaGo這樣能夠管理MX復(fù)雜性的技術(shù)，在這里很有幫助。這也有助于解釋為什么一開始往往有這么大的優(yōu)化空間，因?yàn)檫@個(gè)動(dòng)態(tài)系統(tǒng)如此復(fù)雜。
如果去考慮整個(gè)操作空間，比如現(xiàn)代數(shù)據(jù)中心內(nèi)所有可能的行動(dòng)，因?yàn)轱L(fēng)險(xiǎn)規(guī)避，也因?yàn)橛簿幋a規(guī)則和啟發(fā)式方法，我們只探索了所有可能操作該系統(tǒng)的方式的0.00001%。
那么問(wèn)題就變成了，在我們從未探索過(guò)的99.99999%的行動(dòng)空間中有什么？肯定有比我們歷史上所做的更優(yōu)化的操作系統(tǒng)的方法。所以這是一種直觀的解釋，希望能解釋為什么能在一開始有這么大的效率提升。
我們操作這些設(shè)施的方式受到硬編碼控制邏輯的限制，所以不要誤解我的意思，如今這些系統(tǒng)已經(jīng)是自動(dòng)化的了，只是沒(méi)有實(shí)現(xiàn)智能自動(dòng)化而已，我認(rèn)為是這樣的。
Pat Grady：AI已經(jīng)準(zhǔn)備好了，那么工業(yè)系統(tǒng)是否也準(zhǔn)備好了由某種自主系統(tǒng)控制，還是需要在這方面做其他工作？
Jim Gao：這是一個(gè)很好的問(wèn)題，我會(huì)詳細(xì)說(shuō)明我所說(shuō)的正確的控制系統(tǒng)的含義。
20世紀(jì)70年代和80年代是第三次工業(yè)革命，發(fā)生了從模擬到數(shù)字的轉(zhuǎn)變以及第一個(gè)自動(dòng)化系統(tǒng)出現(xiàn)。為了從根本上實(shí)現(xiàn)自動(dòng)化，你必須先進(jìn)行審查。但是這些都是簡(jiǎn)單的自動(dòng)化。
第四次工業(yè)革命意味著智能基礎(chǔ)設(shè)施能夠自我運(yùn)作，并隨著時(shí)間的推移從根本上變得更好，是能夠自我完善的基礎(chǔ)設(shè)施。
但現(xiàn)在我們正在將AI硬塞進(jìn)第三次工業(yè)革命的系統(tǒng)中。它們肯定不是為此而設(shè)計(jì)的。我們所做的最重要的是，在現(xiàn)有的控制系統(tǒng)上編寫，所以有一個(gè)硬編碼的角色和啟發(fā)式層，數(shù)百萬(wàn)行的if then語(yǔ)句被編程到我們通常稱作BMS的建筑管理系統(tǒng)中。它定義了設(shè)施應(yīng)該如何運(yùn)作。
硬編碼系統(tǒng)的問(wèn)題在于，因?yàn)樗鼈兪怯簿幋a的，所以它們現(xiàn)在的運(yùn)行方式與昨天、一年前或五年前，甚至是十年前一樣，因?yàn)槿藗儾唤?jīng)常進(jìn)入后端來(lái)更新控制邏輯。
現(xiàn)在Fhaidra所做的是我們?cè)诳刂贫褩５淖铐敳坎迦胍粋€(gè)新的云智能層。我們沒(méi)有引入任何硬件，也沒(méi)有引入任何新的傳感器。我們（的云智能層）實(shí)際上是在現(xiàn)有控制堆棧的頂部。這真的很關(guān)鍵。
你可以把它想象成戰(zhàn)場(chǎng)上的將軍。將軍對(duì)整個(gè)系統(tǒng)中發(fā)生的一切都有全局的看法。它正在發(fā)出命令信號(hào)，地面部隊(duì)進(jìn)行實(shí)際執(zhí)行。
在我們的例子中，AI每分鐘要尋找10,000個(gè)操作辦法。它會(huì)發(fā)出決定，比如打開哪些泵，泵的速度應(yīng)該是多少，以適應(yīng)本地BMS系統(tǒng)或PLC系統(tǒng)的自動(dòng)實(shí)施和執(zhí)行。
這就是為什么我說(shuō)它是是和不是的混合體。
Sonya Huang：你在一開始談到了強(qiáng)化學(xué)習(xí)成為一個(gè)好的解決方案的必要因素。你是否認(rèn)為強(qiáng)化學(xué)習(xí)的應(yīng)用并不多？還是說(shuō)你認(rèn)為這只是技術(shù)問(wèn)題？
Jim Gao：絕對(duì)不，我認(rèn)為強(qiáng)化學(xué)習(xí)的應(yīng)用非常廣泛，而我們的Fhaidra只是眾多例子中的一個(gè)。
作為一個(gè)行業(yè)，我們只是觸及了我們可以用這項(xiàng)技術(shù)做什么的表面。從根本上講，這項(xiàng)技術(shù)的力量在于它是一個(gè)自主學(xué)習(xí)的系統(tǒng)。Alpha Go及其繼任者Alpha Zero自學(xué)成為世界上最好的圍棋、國(guó)際象棋和將棋，三種截然不同的游戲，相同的學(xué)習(xí)框架。它能夠自主學(xué)習(xí)。
所以我認(rèn)為強(qiáng)化學(xué)習(xí)有很多非常有趣的應(yīng)用領(lǐng)域，其中很多地方都缺少數(shù)據(jù)基礎(chǔ)設(shè)施。但是我們也可以列出來(lái)一些例子，比如我們已經(jīng)討論過(guò)的蛋白質(zhì)折疊。
圍繞著物流還有一個(gè)完整的未開發(fā)的領(lǐng)域，這是一個(gè)非常棘手的計(jì)算挑戰(zhàn)。當(dāng)你開始研究運(yùn)籌學(xué)的時(shí)候，運(yùn)籌學(xué)是這些價(jià)值數(shù)萬(wàn)億美元的工業(yè)活動(dòng)的基礎(chǔ)。不僅僅是工業(yè)活動(dòng)，還有像運(yùn)輸飛機(jī)、聯(lián)邦快遞、駕駛路線，這些都是運(yùn)籌學(xué)網(wǎng)格平衡的應(yīng)用。
我的意思是，我認(rèn)為網(wǎng)格平衡可能是AI應(yīng)對(duì)氣候變化最重要的方式。我認(rèn)為這是AI影響最大的地方，氣候。
Sonya Huang：你一開始沒(méi)有預(yù)料到把它部署到Google數(shù)據(jù)中心時(shí)，你會(huì)看到40%的能耗節(jié)省。如果我們讓AI在電網(wǎng)負(fù)載上進(jìn)行網(wǎng)格平衡操作，你認(rèn)為我們可以看到什么樣的能源節(jié)約？
Jim Gao：我認(rèn)為這太瘋狂了。我認(rèn)為這和能源節(jié)約本身的大小無(wú)關(guān)，而是和潛在的節(jié)約成本有關(guān)。因?yàn)槟憧梢詫⒛愕呢?fù)載轉(zhuǎn)移到最具有成本效益的時(shí)候。如果你有二氧化碳信號(hào)，你可以在碳密集度最低的時(shí)候安排完成你的非寬帶敏感工作負(fù)載。我認(rèn)為谷歌已經(jīng)在進(jìn)行一些相關(guān)實(shí)驗(yàn)。
我認(rèn)為其實(shí)我們應(yīng)該更多地圍繞著全球系統(tǒng)級(jí)別的優(yōu)化。我們必須知道數(shù)據(jù)中心已經(jīng)成為了越來(lái)越巨大的負(fù)載銀行。
比如美國(guó)數(shù)據(jù)中心占了美國(guó)能源消耗的1.5%-2%，今年將增加到4%，我估計(jì)在本世紀(jì)末會(huì)達(dá)到9%左右。目前愛爾蘭全國(guó)22%的能源電力消耗只用于數(shù)據(jù)中心，國(guó)際能源機(jī)構(gòu)預(yù)測(cè)，到本世紀(jì)末，這一數(shù)字將增加到37%。這真的是令人難以置信的數(shù)字。
但關(guān)鍵原因是我提到的電網(wǎng)上有大量的負(fù)載銀行。如果你能以某種方式將數(shù)據(jù)中心協(xié)調(diào)在一起，這將是一個(gè)真正的能夠幫助平衡電網(wǎng)的機(jī)會(huì)。這是一個(gè)巨大的挑戰(zhàn)。
Pat Grady：你認(rèn)為在未來(lái)五到十年內(nèi)，AI領(lǐng)域最讓你感到興奮的會(huì)是什么？
Jim Gao：最令我興奮的是，我們什么時(shí)候可以開始把一些技術(shù)應(yīng)用到現(xiàn)實(shí)世界的物理事物上。這是這項(xiàng)技術(shù)與我們生活的現(xiàn)實(shí)世界基礎(chǔ)設(shè)施的交集。像大型工業(yè)系統(tǒng)、汽車、房屋，這些物理上的東西。我認(rèn)為未來(lái)我們會(huì)在那里看到一些非常有趣的事情。
Jim Gao于2011年畢業(yè)于加州大學(xué)伯克利分校機(jī)械工程與環(huán)境科學(xué)專業(yè)，畢業(yè)后就職于Google在山景城的數(shù)據(jù)中心。2016年帶領(lǐng)由40多名跨學(xué)科專家組成的團(tuán)隊(duì)開發(fā)了一款A(yù)I應(yīng)用程序，能夠通過(guò)云端控制多個(gè)數(shù)據(jù)中心，幫助Google節(jié)省了數(shù)百萬(wàn)美元的能源成本。2017年開始擔(dān)任DeepMind Energy團(tuán)隊(duì)負(fù)責(zé)人。2019年，和Veda Panneershelvam、Katie Hoffman兩人合作成立初創(chuàng)公司Phaidra，給工業(yè)領(lǐng)域提供自學(xué)習(xí)AI控制系統(tǒng)。雷峰網(wǎng)雷峰網(wǎng)
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
