工程师们开发了一种新的机器学习方法，可以减少20%以上的能源消耗这种方法还可以让人工智能做以前认为不可能的事情任务开发的新方法瑞士电子和微技术中心(CSEM)的工程师可能对机器学习产生重大影响人工智能(AI)工程师通过促进基于数据的决策和构建新的数据驱动业务模型，在机器学习方面拥有实践经验，帮助公司解决问题复杂的业务问题。通过使用计算智能、模式识别和预测分析技术来创建面向未来的机器学习应用程序，他们可以使用智能算法优化和自动化业务流程。虽然机器学习的进步可以帮助组织推动业务成果，但它也可以创造突破性成果并提高运营效率。尽管COVID-19在全球范围内大流行，但人工智能和机器学习仍在继续取得长足进步。瑞士电子和微技术中心(CSEM)的工程师开发了一种新的机器学习方法，能够将能耗降低20%以上。工程师的研究发表在《IEEE神经网络和学习系统汇刊》。据说该方法还允许AI执行以前不可能执行的过于敏感的任务。一种新方法CSEM工程师设计的新方法侧重于人工智能的一个主要方面，即强化学习的改进，其中计算机通过从过去的经验中学习来不断改进自己。2016年，一台超级计算机用同类型的人工智能打败了围棋世界冠军。然而，该技术的主要缺点是难以应用于实际场景和情况，例如训练气候控制系统，因为它们无法应对强化学习带来的急剧温度变化。作为回应，CSEM工程师着手解决强化学习的局限性，在强化学习中，计算机通过从过去的经验中学习来不断改进自己。这是通过演示简化的理论模型来实现的，这些模型首先可以用来训练计算机，然后将它们转化为现实世界的系统。这允许更精确的机器学习过程，从而产生一个更有能力的现实生活系统，该系统从理论模型中以前的试错过程中学习——这种新开发的方法解决了气候控制技术的任何问题，并确保现实生活系统做不会剧烈波动。该研究的合著者、CSEM智能能源系统研究负责人Pierre-JeanAlet说：“这就像在开车前学习驾驶员手册。通过这个预训练步骤，计算机建立了一个知识库，你可以可以借鉴，这样您在寻找正确答案时就不会被蒙蔽。“节能使用这种新方法的一大优势是可以节省20%以上的能源，相当于过去所消耗能源的五分之一。为确保这一点，工程师们在一座拥有100个房间的大楼中进行了供暖,通风和空调(HVAC)系统的测试分三步进行。第一步是在“虚拟模式”下训练计算机，然后输入真实的建筑数据，例如温度、天气状况和其他变量，从而得到更准确的训练。最后，最后一步，让计算机运行强化学习算法，最终为暖通空调系统提供最佳解决方案。据说这一发现为机器学习开辟了新的可能性，这将机器学习的应用扩展到可能发生大波动并产生重大财务或安全成本的应用。随着能源不断发展以满足21世纪不断扩大的需求，技术能源消耗的科学和数字化发展帮助企业更智能地运营在优化可再生能源及其集成、控制和维护的环境中蓬勃发展。人工智能和机器学习的最新发展可能只是帮助保护自然环境、推动经济发展和推动能源领域创新的一小步。（编译/卡西）
