AI берет под свой контроль ветряную электростанцию

Нет, это не сценарий постапокалипсиса — DeepMind от Google помогает сделать ветряную электростанцию на 20% более ценной, предсказывая, когда подует ветер.

Когда вы думаете об ИИ, есть тенденция думать о впечатляющем и футуристическом — о компьютерном зрении и играх высшего класса, но ИИ может иметь большее значение в более традиционных областях, по крайней мере, в ближайшем будущем.
Google взял на себя обязательство сделать потребление энергии полностью возобновляемым и купил ветряную электростанцию. Проблема с ветром в том, что он непредсказуем — или нет? Возьмите нейронную сеть DeepMind, загрузите в нее прогнозы погоды и фактические производственные данные и научите прогнозировать ветер на день вперед. Это доказало, что их ветряная электростанция мощностью 700 МВт на 20% дороже.

Обратите внимание, что это на 20% ценнее, а не на 20% эффективнее или на 20% больше энергии, как об этом сообщается в другом месте. В каком-то смысле успех идеи больше основан на способе оплаты электроэнергии электросетью, чем на чем-то фундаментальном в способе генерации энергии ветра. Проще говоря, Google получает больший доход, обещая поставлять электроэнергию в будущем, чем то, что он может производить сейчас. На первый взгляд это может показаться административной лазейкой, через которую прыгнул DeepMind, но если бы тот же метод был воспроизведен для всех ветряных электростанций, сеть имела бы данные, необходимые для определения того, какая дополнительная мощность требуется на день вперед, и это будет большим улучшением стабильности.
Это менее амбициозное приложение ИИ, чем большинство других, но оно показывает, как он может выполнять полезную работу. Это также показывает, как ИИ берет верх там, где традиционные методы, возможно, не были столь успешными. В этом случае вы могли подумать об использовании подхода статистических временных рядов, но, как недавно сказал мне статистик, «в наши дни вы должны включить ИИ в свой инструментарий».
Проблема в том, что методы нейронных сетей не имеют статистических оценок достоверности, которые имеют традиционные методы. Они также достаточно сложны, чтобы заставить вас думать, что в некоторых ситуациях они могут давать резко отклоняющиеся оценки — на практике это не так, но у нас нет теоретических оснований полагать, что они хорошо себя ведут. Еще многое предстоит сделать, но это не мешает конструктивному и коммерческому использованию методов ИИ.