要从人工智能中拯救能源网格，请使用开源人工智能软件

能源行业需要采用开源人工智能软件以及用于创建该软件的协作流程，以满足日益增长的人工智能使用所产生的能源需求。

这就是 Linux Foundation Energy（又名 LF Energy）一份新报告的核心观点，该论点并不完全是自私的，该报告旨在促进开源软件在能源领域的使用。

该文件指出，“电力通过集中管理的输电和配电网络从大型可调度发电机组流向无源最终用户。”

如今，发电机有更多的形状、尺寸和类型，这意味着更多的组织必须共同努力才能保持电子移动。虽然行业使用的这些分布式系统已经采用了大量传感器、物联网技术和边缘计算，但网格及其输入日益复杂，意味着人工智能现在越来越多地用于管理它。

当然，由于人工智能也推动了能源需求大规模数据中心建设正在运行此类工作负载。这些新设施本身就需要更具弹性、更高容量的能源基础设施。

因此，在开源许可下，人工智能被规定用来解决人工智能造成的能源需求问题（以及其他耗电活动，例如加密货币挖矿,在线广告以及社交媒体驱动的数字内容消费）。

LF Energy 执行董事 Alex Thornton 表示：“能源行业正在经历根本性转型。”登记册。

“这是自电网发明以来我们在能源和电力领域看到的最大变化。而这一转变的一个主要部分就是数字化。”

自电网发明以来，我们在能源和电力方面看到的最大变化。这种转变的一个主要部分是数字化

桑顿解释说，在能源基础设施中添加更多数字技术意味着解决当前传输方面的限制，使新数据中心上线、连接电动汽车并为其充电以及部署变得更加容易。虚拟发电厂– 连接在一起的能源资源的集合。

所有这些都需要数据。

“数字化是能源转型的一个关键方面，”桑顿说。

“当我们走上数字化之路时，我们遇到了海量的数据。而真正充分利用这些数据的唯一方法是通过新兴的人工智能工具。这就是人工智能融入整个数字化故事的地方。

“现在，我们之所以将这份白皮书称为 LF Energy，并将其视为开源，是因为如果你接受能源转型实际上是数字能源转型，那么从逻辑上讲，开源必须发挥重要作用，因为开源已经成为现代技术以协作方式构建的事实上的方式。”

LF Energy 看到了开放代码和开源项目采用的协作模型的好处。随着能源生产基础设施变得更加分散，Linux 小组认为，用于协调和扩展分布式实体和计划的开源协作实践代表了比传统行业联盟更好的组织模板。

开源方法还为供应商提供了一种不违反竞争规则的协作方式。它可以帮助使成本更易于管理，同时通过共享项目避免组织之间的重复工作。此外，报告认为，开源实践使小型组织能够通过与其他利益相关者一起参与项目来更容易地接触到技术人才。

案例分析

报告不包含“幻觉”一词——这是一个常用术语，用于描述人工智能模型对训练数据中未涵盖的问题发明答案的倾向。该报告没有详细讨论人工智能风险，而是重点关注如何通过人工智能的应用来最好地实现能源部门的理想目标——减少碳排放、更好地利用数字技术和权力下放。到广泛的预测机器学习应用程序，而不仅仅是护栏驯服的聊天机器人。

“我们在信任和合规方面抓住了这一点，”桑顿说。“如果你在关键任务基础设施中使用人工智能，你需要能够相信它会做正确的事情。因此，[通过开源]你可以透明地了解它的工作原理以及用于训练的数据这就是我们认为开放可以在激发信任和解决幻觉等问题方面发挥作用的方式。”

正如报告所述，“开源促进了透明度、安全性和信任，这将简化满足[隐私和关键基础设施保护要求]以及人工智能法规的要求（例如，欧盟人工智能法案中的‘高风险系统’）”。

• 现在特朗普的进口关税可能会使美国人的笔记本电脑成本增加 68%
• 约翰迪尔拥有无人驾驶车队——到底谁需要操作员呢？
• Honey 联合创始人 Pie Adblock 呼吁复制 GPL 的 uBlock Origin 文件
• RISC-V正在采取行动，但如果想成为主流，它还有很多工作要做

该报告认为，开源软件和开源风格的协作可以帮助能源公司实现负载预测、模拟和优化、资产管理、长期规划、人工智能辅助决策以及电网分散能源管理等人工智能用例。边缘。

LF Energy 报告指出：“如果能源行业不应用其他行业的最佳实践并战略性地利用开源，就无法以速度和规模实现人工智能的承诺和潜力。”

“开源是将炒作变为现实的关键实践。”开源是将炒作变成现实的关键实践

美国能源部 2024 年 4 月

报告[PDF] 题为“人工智能对关键能源基础设施的潜在好处和风险”更直接地讨论了人工智能的潜在优势和劣势。美国能源部的报告还避免了“幻觉”一词，而是使用了另一种选择“外推法”来描述机器学习模型在超出其训练数据范围进行预测时可能产生的意外或不准确的输出。

外推法是美国能源部“人工智能无意故障模式”类别中引用的四种风险之一。其他包括：偏​​见、错位和人工智能的能源使用。

对于 LF Energy 来说，人工智能的问题、好处和坏处，最好通过开源软件来处理，并指出 Meta 的开源 Llama 模型系列和分布在模型集市 HuggingFace 上的工具可以作为专有软件的替代品OpenAI 和 Anthropic。

LF 报告称，开源模型“为人工智能和数据提供了独特的好处，例如公平性（检测和减轻数据集和模型中偏差的方法）、稳健性（检测数据集和模型的更改和调整的方法）、可解释性”（增强角色或角色理解和解释 AI 模型结果、决策和建议的能力的方法）和谱系（确保数据集和 AI 来源的方法）模型）”。

我们注意到，Linux 基金会的许多企业资助者，例如 AWS、谷歌、Meta 和微软，都在人工智能领域进行了大量投资。®