工程師們開發了新的機器學習方法來降低能源消耗
瑞士電子和微技術中心的工程師們開發了一種新的機器學習方法，它可以降低能源消耗，并允許人工智能（Ai) 執行一度被認為過于敏感的任務。
強化學習限制
強化學習（ReinforcementLearning，ReinforcementLearning) 是人工智能的一個重要方面，它通過學習過去的經驗不斷地改進自己。然而，這種技術通常很難應用于現實生活中的場景和情況，例如訓練氣候控制系統。像這樣的應用不能處理溫度的急劇變化，而這將通過強化學習來實現。
這是 CSEM 工程師們正在研究的問題，也是他們想出新方法的時候。工程師們已經證明，簡化的理論模型首先可以用來訓練計算機，然后他們將轉向現實系統。這使得機器學習過程在到達實際系統時更加準確，從以前的嘗試和錯誤中學習理論模型。這意味著，使用氣候控制技術解決這個問題，實際系統不會劇烈波動。
皮埃爾·讓·阿萊特（Pierre-Jean-Alet) 是 CSEM 智能能源系統研究（CSEM) 的負責人，也是該研究的共同作者。
這就像在開車前學習駕駛手冊一樣，"亞歷特說。" 通過這一培訓前的步驟，計算機建立了一個可用的知識庫，這樣他們就不會在尋找正確答案的同時盲目飛行。
減少能源消耗
這一新方法最重要的方面之一是，它可以將能耗降低 20% 以上。工程師們在一座 100 間房的建筑中測試了暖通空調（HVAC) 系統的使用方法。
工程師們依賴于三個步驟。第一步是訓練計算機學習 "虛擬模式"，這是基于簡單的公式來解釋建筑物的行為。然后將真實的建筑數據，如溫度、天氣狀況和其他變量輸入到計算機中，從而進一步提高培訓的準確性和針對性。最后一步是讓計算機運行強化學習算法，最終為暖通空調系統找到最佳解決方案。
CSEM 工程師開發的新方法可能會對機器學習產生重大影響。過去通過強化學習而被視為 "不可接觸" 的許多應用程序，例如那些波動較大的應用，現在可以用新的方式來處理。這將減少能源消耗，降低財務成本和許多其他好處。
