人工智能与能源变革——第34次《能源评论》学术沙龙 

　　2月15日，在本刊与国网智能电网研究院计算及应用研究所联合举办的学术沙龙上，各方专家深入研讨人工智能与能源变革相关话题：在新一轮人工智能技术热潮兴起之际，能源电力与人工智能有哪些新的合作契机？人工智能在能源行业的应用又有哪些问题亟待解决？不同场景的人工智能和产业生态应如何演进？ 

　　ChatGPT与大模型 

　　周飞：我们正处在人工智能技术变革的进程中。ChatGPT作为一个现象级应用和人工智能新范式的代表，将对大幅度提升生产力发挥重要作用，其标杆意义可以与个人电脑、互联网的诞生相提并论。 

　　吴春鹏：ChatGPT最大的意义是在大数据、大模型的基础上，结合认知游戏策略加强加深人机智慧协同，让人们更好地应用人工智能，实现破圈效应。 

　　吴文峻：这种“暴力计算”模式成就了ChatGPT，但从本质上看，这来自算力的提高和模型工程化方法的极致优化。归根到底，算力的提升让ChatGPT这类语言大模型的规模超过阈值，其语言能力就有质的飞跃，即实现了“相变”。 

　　有人把现阶段深度神经网络的研究过程形象比作“炼丹”，其中，数据是金木水火土等自然元素，算法框架是用来“炼丹”的炉子，算力就是炼丹炉下的“三昧真火”。 深度神经网络的研究者就好比炼丹师，通过调参数、改数据炼出一个个新的模型。但这种比喻隐藏着另一层意思，即“炼丹”式的人工智能研究更适合于学术界的实验室环境，但是这种炼丹作坊需要很高的成本，才能实现与业务场景的对接落地，非常不适用于大规模的工程应用。 

　　忻舟：通常认为，人工智能模型的参数规模超过1亿就是大模型。原来的范式是要针对一个问题开发一个模型，新范式就是基于大模型，通过某种算法把大量的知识、先进的能力导入模型参数，依靠少量的数据激发其实现具体的任务。同时，数据在线上应用后，再回流至模型形成闭环，进而持续提升模型的智能水平。    

　　能源电力应用有哪些 

　　朱红：以电力规划为例，可以用人工智能技术，结合历史数据、经济数据、气象数据，主动发掘电网的薄弱环节，优化电网风险点阈值，设计相应的仿真方案，真正做到规划设计有依据，而且还可以进行演算确认规划结果的可靠性，进一步迭代提升规划有效性，使得规划由专家经验向科学决策转变。 

　　郭锐：ChatGPT会对较大幅度提升器人的人机交互能力，未来将在以下四个方面进行发展：一是机器人的自主智能系统，二是仿生机器人，三是机器人类人灵巧作业、技能学习与知识增强，四是机器人交互与人机共融技术。 

　　陆继翔：ChatGPT就是一个平台，可以调用为专业应用的接口，比如在调度里面通过智能分析做内容处理，最后映射到系统里面。同时可以生成更专业、更小、更细分的应用，做到轻量化应用。 

　　徐博伦：电网储能必须依靠人工智能的辅助才能有效地参与电力系统运行与电力市场。做负荷预测的时候不能只强调负荷的准确度，还要强调负荷误差在系统调度中的影响，因为负荷峰值预测错了，会极大影响电力系统的运行稳定性。 

　　如何与行业深度耦合 

　　赵永生：人工智能技术在电力系统的应用还面临三个方面的问题：一是小样本学习的问题。因为电力业务中发生故障和缺陷案例较少，这些场景具有一定的离散性，属于比较典型的小样本学习类别。二是多模态融合的问题。电力应用中存在很多声音、图像以及文本等多模态融合场景，目前还没有有效的技术突破。三是验证评价问题。目前，行业内尚未建立统一的验证评价机制，存在模型和样本质量良莠不齐问题，尚未形成内外部协同发展的良好生态。推动解决了上述问题，才能把人工智能技术应用推向深入。 

　　周飞：ChatGPT应用于电力至少要迈过三道坎：首先，如果要应用于电力认知推理，需要高质量的电力知识库，突破电力专业术语环境中的逻辑推理难题。其次，要具备实时在线处理能力，还有很大挑战。最后，需要与电力认知大模型采用的双向预测模式优势互补，提升人机对话中知识的精准提取和逻辑合理表达。 

　　王瑞平：怎么把通用的大模型适配到专业的领域，是面向垂直领域应用时需要考虑的问题。以ChatGPT为例，对一般的知识，问答错误无伤大雅，但是对于重要的行业应用，比如医疗、安防、电力行业，准确性和精准度就很重要。这就需要把电力行业口口相传的知识转化成结构化的知识图谱，反馈给模型，进而提高模型精度。  

　　忻舟：对人工智能企业而言，需要在保障安全的前提下将技术交付给用户，让它发挥价值。对电力企业而言，需要出台新的激励政策，避免让经验影响创新能力提升。一方面，要从企业文化层面鼓励创新试错；另一方面，也要鼓励员工找到问题，找到能把业务抽象成当前最新技术可以解决的模式和桥梁，并对提出这样好问题的员工给予激励。 

　　吴杰：人工智能是建设新型电力系统的关键支撑技术。针对电网有很多场景难以穷举的问题，可以通过“非正常即异常”的技术手段扩展识别范围，比如识别输电线上可能会有丝巾、废弃气球等影响安全的物体，并将边缘站点分析的结果和故障样本数据上送。 

　　拥抱人工智能新时代 

　　吴文峻：以Transformer为基础模型架构的新产业生态，有可能彻底把“炼丹式”的人工智能研究变成一个工业化时代的人工智能应用推广。毫无疑问，我们站在了一个人工智能发展的十字路口上，正在从过去极尽复杂迈向“大道至简”，也让更多专用领域可以更容易地实现与人工智能的融合应用。 

　　此外，还要探索创新性思路，让人工智能利用自身强大的数据归纳和分析能力去学习电力系统的规律和原理，得出面向模型生态的新研究范式。在大模型预训练方式上，不采取现在的绝对集中方式，而是走集中和分布相结合的路线，依靠不同行业的专业信息，将小模型自主聚合成大模型？ 

　　周飞：目前，人工智能技术输出的结果不具有可解释性，很难说清其中的逻辑关系。因此，除了大参数量、大数据量和大计算量，未来还要引入大知识量的概念，强调认知的作用，包括发现、理解、加工、生成等环节。 

　　未来能源电力领域的人工智能技术不仅是依靠数学模型、靠数据驱动，还要具有逻辑推理能力，并以专业知识作为知识图谱，像人一样具有自己的世界观、方法论和逻辑体系。