AIを活用することで大型機種の消費電力を節約できるのか？ ? ?

この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載しています。転載の際は出典元にご連絡ください。

計算能力が不足しており、エネルギー消費が急増しています。ChatGPT などの大規模な AI モデルのトレーニングには大量のエネルギーが消費されます。

GPT-3 のみをトレーニングする場合、1 回のトレーニング セッションの電力消費量は 1,287 メガワット時に達しました。これは、人間が地球から月まで往復するのに十分なエネルギーです。

今日、世界規模のモデル戦争により、消費されるエネルギーの量と発生する炭素排出量は膨大なものになると想像できます。

しかし、絶対的なものは何もありません。AIはエネルギーを消費しますが、エネルギーを節約することもできます。そのため、AIの機能を活用している人もいます。

過去数年間、孫東来氏はチームを率いて AI と AI テクノロジーを活用し、可能な限り効率的な会社のエネルギー管理を実現してきました。

孫東来氏は上海交通大学で情報通信システムの学位を取得。フランスでコンピュータサイエンスの博士号を取得後、中国に戻り、エクストリームエントロピーテクノロジーを設立。上海人工知能研究所の著名な研究者、中国工業計量・エネルギー炭素評価技術委員会の事務局長も務めた。

彼は10本以上のSCI/EIおよびハイレベルの学術論文を発表し、多くの国家重点研究開発プロジェクトに参加しました。現在、孫東来は浙江大学エネルギー工学学院の院士である高翔に従って、AIスマートエネルギーモデルの研究を行っています。

さらに、彼は自身が設立した会社 Jientropy を率いて、10 を超える国家規格や団体規格の起草に参加しました。

このチームが何をしているのかを理解するには、まず彼らがリリースしたばかりの製品、AI リーン エネルギー管理プラットフォームから始めることができます。

AI+エネルギー管理で何ができるのか？

この製品は、簡単に言えば、企業のエネルギーを無駄なく管理し、その過程で特徴認識、時系列予測、転移学習などのさまざまな AI 技術を導入するというものです。

このようにして、エネルギー消費コスト、電気コスト、エネルギー運用および保守コストをすべて削減できます。数値結果を使用してより直感的に言えば、エネルギー効率は平均で 15% 以上向上します。

ここで言う「リーン経営」とは、企業経営手法の一種であり、その基本的な目的は、品質と効率を向上させ、無駄を削減することです。

従来のエネルギー管理との違いは、エネルギーの節約、消費量の削減、排出量の削減という目標を達成するために、データを提供し、エネルギー使用の各側面を精緻に管理できることです。

AI とリーン経営がエネルギー業界に適用される理由は、孫東来氏が言及した業界の状況によるものです。

エネルギー業界は、依然としてデジタル化、情報化、インテリジェンス化の模索段階にあります。多くの企業や現場の従業員の考え方は、依然として従来の自動化管理モデルにとらわれています。各プロセスからデータが収集されているにもかかわらず、それは「表面上にとどまっています」。

もっとわかりやすく言えば、エネルギーの生産と伝送中に生成されるデータは、単に表の上の数字にすぎません。

「データは単なる数字ではなく、ビジネス プロセスの表現でもあります。」 Sun Donglai は、単に「データを監視する」のではなく、データを収集、送信、整理して経営上の意思決定を行うことで、データに大きな重点を置いています。

したがって、この考えに基づいて、エネルギートポロジーの構成やデータ監視の可視化などの従来のエネルギー監視機能に基づいて、低炭素とグリーンの方向に調整するための多くの新しい AI アプリケーションが導入されてきました。

具体的には以下が含まれます:

• シナリオベースのエネルギーモデリング
• AIエネルギーベースライン管理とパフォーマンス指標評価
• 洗練されたエネルギーコスト会計分析
• 省エネ変革のメリットの予測とリアルタイム追跡・評価
• AIエネルギー分析の結論は正確にプッシュされます

最も基本的なレベルでは、AI アルゴリズムを使用して、過去の機器データとエネルギー使用傾向に基づいて機能分析を実行し、機器の動作状態を特定できます。次に、全体的なエネルギー動作状況の診断分析を実行して、現在の生産エネルギー使用量の調整が必要かどうかを評価できます。

AIリーンエネルギー管理プラットフォームは現在、エネルギー使用単位の識別精度が99％を超えていると報告されています。

たとえば、エネルギー分析のシナリオでは、プラットフォームを使用して生産エネルギー効率分析を実装できます。

簡単に言えば、エネルギー消費単位の出力とエネルギー消費に基づいて製品の単位消費を計算し、基準値と先進値を組み合わせて分析結論を出力し、単位消費をチームシフトに反映することです。

さらに、特定の期間における工場、生産ライン、作業場、作業セクションのエネルギー消費量を水平的および垂直的に比較分析することで、企業が実際のエネルギー配分ニーズを把握するためのより正確なサポートを提供できます。

従来のエネルギー管理と比較して、AI とリーン管理の参加により、データとアルゴリズムを活用して、コスト、使用量、炭素排出量の多次元的な総合的な最適化を実現できます。

大型モデルがエネルギー業界に参入する可能性はあるでしょうか?

AIは、企業がエネルギー消費を削減し始めるのに役立ちます。では、現在AI分野で最も人気のある大規模モデルは、デュアルカーボン経済の新たな章を開くこともできるのでしょうか？

「ビッグモデルがすべての産業を再構築する」という主流の声の中で、孫東来氏の答えはやや意外なものだ。

AIのバックグラウンドを持ち、長年エネルギー業界に携わってきた孫東来氏は、AI業界とエネルギー業界の実務者の間には理解に「ギャップ」があるという個人的な認識を持っています。

エネルギー業界はAIとビッグモデルの能力を目の当たりにしており、ビッグモデルが多くの驚きをもたらすことを期待しているが、 「ビッグモデルとエネルギー業界は現段階ではそれほど互換性がないかもしれない」。

エネルギー業界でのトレーニングに一般的に使用されている大規模モデルを直接適用すると、予想よりもはるかに低い結果になる可能性がありますが、小規模な業界モデルが業界の人員とコストの削減に役立つ可能性は否定できません。

つまり、孫東来氏は、現在のエネルギー業界は、小規模な業界モデルを利用できるようになったとしても、依然として従来の物理モデルと管理モデルなしでは成り立たないと考えています。

なぜそんなことを言うのですか？孫東来氏は多くの理由を挙げた。

まず、エネルギー業界の事業構造が複雑で、デジタル統合のレベルが限られているため、分野全体のデータ品質が比較的低いです。

デジタルトランスフォーメーションを通じて収集できる機器データに加えて、エネルギープロセスに重要な影響を与えるデータには、生産管理、プロセスフロー、さらには企業の運営経済データも含まれます。

さらに、エネルギー分析と最適化のための包括的な情報を提供するために、これらのデータは時間と空間で正確に対応している必要があります。

業界の現状を考えると、ほとんどの企業が提供できるデータの量と信頼度は、大規模なモデルが十分な品質の出力を生成するにはまだ十分ではありません。

ChatGPT のような数千億、あるいは数兆ものデータは、使用可能な高品質のデータでなければならないが、エネルギー業界にとっては「単なる空想」である。

第二に、エネルギー業界では、AI モデルが解決する必要のある問題はより強い構造特性を持ち、出力結果にはより高い業界専門性が求められます。

大規模モデルが解決する問題の特徴は、データ量が多く「構造やロジックが比較的弱く、トレーニングセットの内容には一般的な知識が含まれる傾向がある」という点です。この観点から、エネルギー業界との親和性は高くありません。

無視できない最も重要な点は、エネルギー システムには非常に高い安全性と堅牢性が要求されるが、現在の大型モデルの幻覚問題が依然として制御不能であり、あらゆる動作条件下で安全基準を満たすことが難しいことがよく知られていることです。

単純にビッグモデルという幻想の観点から言えば、エネルギー業界は必ずしも他の業界よりも厳格で、うるさいというわけではありません。
しかし、エネルギー業界の特殊性を考慮すると、このビッグモデルは直接的に完全に展開されることはなく、補助的なものとしてのみ使用されることになります。

例えば

従来のプロセスでは、安全境界を管理するために、エネルギー業界ではエネルギー使用スイッチをオンにするときに操作チケット システムを導入しています。

スイッチをONにするには、業務ラインとセキュリティ管理ラインの2人が同時に操作券を取り出し、券面に記載された具体的な操作内容をシステムに読み取り、その通りに操作を繰り返す必要があります。

このタイプのプロセスは、主に標準操作中の人員自身の不確実性に対処し、操作の安全性を最大限に高めます。

小規模な業界モデルが導入された場合、ほとんどの場合、そのようなプロセスに追加のリスク評価と早期警告アクションが導入されますが、完全な置き換えや引き継ぎではなく、サポートの立場に留まります。

業界の発展傾向は、逆に、ロボットなどの技術を導入してプロセスにおける信頼性の低い要素をさらに減らし、安全性を向上させる傾向にあります。

さらに、エネルギー産業の応用シナリオは複雑で、単一のモデルでは対応できません。さまざまな次元を統合したモデル群を構築する必要があります。ビッグモデルとエネルギー産業が手を組む場合、中間の障害は1日や2日で克服できるものではありません。

しかし、現段階では、エクストリーム・エントロピー・テクノロジーはAIリーンエネルギー管理プラットフォームを手に、KDDI上海社との協力関係に至っており、中国とアジア太平洋地域の少なくとも500社の製造企業がゼロカーボン目標を達成するのを支援することが期待されています。

孫東来氏はまた、エネルギー業界の実情に基づいた高品質で小規模なデータセットが生まれ、それを応用することで省エネと消費削減が達成されることを期待している。