AI నుండి ఎనర్జీ గ్రిడ్‌ను ఆదా చేయడానికి, ఓపెన్ సోర్స్ AIని ఉపయోగించండి అని ఓపెన్ సోర్స్ బాడీ చెబుతోంది

ఎనర్జీ పరిశ్రమ ఓపెన్ సోర్స్ AI సాఫ్ట్‌వేర్‌ను మరియు దానిని రూపొందించడానికి ఉపయోగించే సహకార ప్రక్రియలను అవలంబించాల్సిన అవసరం ఉంది, కృత్రిమ మేధస్సు యొక్క పెరుగుతున్న వినియోగం ద్వారా సృష్టించబడిన శక్తి డిమాండ్‌ను తీర్చడానికి.

ఇంధన రంగంలో ఓపెన్ సోర్స్ సాఫ్ట్‌వేర్ వినియోగాన్ని ప్రోత్సహించే చొరవ, LF ఎనర్జీ అని కూడా పిలువబడే Linux ఫౌండేషన్ ఎనర్జీ నుండి వచ్చిన కొత్త నివేదికలో ఇది పూర్తిగా స్వీయ-సేవ చేసే వాదన కాదు.

“కేంద్రంగా నిర్వహించబడే ట్రాన్స్‌మిషన్ మరియు డిస్ట్రిబ్యూషన్ నెట్‌వర్క్‌ల ద్వారా పెద్ద-స్థాయి పంపగల ఉత్పత్తి యూనిట్ల నుండి నిష్క్రియాత్మక తుది వినియోగదారులకు విద్యుత్ ప్రవహిస్తుంది” అని పత్రం హైలైట్ చేస్తుంది.

నేడు, జనరేటర్లు అనేక ఆకారాలు, పరిమాణాలు మరియు రకాలుగా వస్తాయి, అంటే ఎలక్ట్రాన్‌లను కదలకుండా ఉంచడానికి మరిన్ని సంస్థలు కలిసి పని చేయాలి. పరిశ్రమ ఉపయోగించే ఈ పంపిణీ వ్యవస్థలు ఇప్పటికే అనేక సెన్సార్‌లు, IoT సాంకేతికత మరియు ఎడ్జ్ కంప్యూటింగ్‌ని ఉపయోగిస్తున్నప్పటికీ, నెట్‌వర్క్ మరియు దాని ఇన్‌పుట్‌ల యొక్క పెరుగుతున్న సంక్లిష్టత మరియు దాని ఇన్‌పుట్‌లను నిర్వహించడానికి AI ఇప్పుడు ఎక్కువగా ఉపయోగించబడుతోంది.

వాస్తవానికి, AI శక్తి డిమాండ్‌ను కూడా పెంచుతోంది భారీ డేటా సెంటర్ నిర్మాణం ఈ పనిభారాన్ని అమలు చేయడానికి పురోగతిలో ఉంది. ఈ కొత్త సౌకర్యాలు మరింత స్థితిస్థాపకంగా మరియు అధిక సామర్థ్యం గల శక్తి మౌలిక సదుపాయాల అవసరాన్ని సృష్టిస్తాయి.

AI, ఓపెన్ సోర్స్ లైసెన్స్ క్రింద, AI ద్వారా సృష్టించబడిన విద్యుత్ డిమాండ్ సమస్యలను (ఇతర వాట్-వృధా కార్యకలాపాలతో పాటుగా) పరిష్కరించడానికి సూచించబడింది. క్రిప్టోకరెన్సీ మైనింగ్, ఆన్‌లైన్ ప్రకటనలుమరియు సోషల్ మీడియా ద్వారా నడపబడుతుంది డిజిటల్ కంటెంట్ వినియోగం)

“ఇంధన రంగం ప్రాథమిక పరివర్తనకు లోనవుతోంది” అని LF ఎనర్జీ యొక్క చీఫ్ ఎగ్జిక్యూటివ్ అలెక్స్ థోర్న్టన్ అన్నారు. ది రికార్డ్.

“బహుశా పవర్ గ్రిడ్ యొక్క ఆవిష్కరణ నుండి శక్తి మరియు విద్యుత్తులో మనం చూసిన అతిపెద్ద మార్పు ఇది. మరియు ఈ పరివర్తనలో ముఖ్యమైన భాగం డిజిటలైజేషన్.

ఎలక్ట్రికల్ గ్రిడ్‌ను కనుగొన్నప్పటి నుండి మనం శక్తి మరియు విద్యుత్‌లో చూసిన అతిపెద్ద మార్పు. మరియు ఈ పరివర్తనలో ముఖ్యమైన భాగం డిజిటలైజేషన్

ఎనర్జీ ఇన్‌ఫ్రాస్ట్రక్చర్‌కు మరింత డిజిటల్ టెక్నాలజీని జోడించడం అంటే, కొత్త డేటా సెంటర్‌లను ఆన్‌లైన్‌లోకి తీసుకురావడం, ఎలక్ట్రిక్ వాహనాలను కనెక్ట్ చేయడం మరియు ఛార్జ్ చేయడం మరియు మోహరించడం సులభతరం చేయడానికి ట్రాన్స్‌మిషన్ చుట్టూ ఉన్న ప్రస్తుత పరిమితులను పరిష్కరించడం అని థార్న్టన్ వివరించారు. వర్చువల్ పవర్ ప్లాంట్లు – ఒకదానితో ఒకటి అనుసంధానించబడిన శక్తి వనరుల సమితి.

వీటన్నింటికీ డేటా కావాలి.

“ఈ శక్తి పరివర్తనలో డిజిటలైజేషన్ ఒక ప్రాథమిక అంశం” అని థోర్న్టన్ చెప్పారు.

“మరియు మేము డిజిటలైజేషన్‌కు ఈ మార్గంలో వెళుతున్నప్పుడు, మనకు ఈ డేటా వరద ఉంది. మరియు నిజంగా దానిని సద్వినియోగం చేసుకోవడానికి ఏకైక మార్గం AI యొక్క అభివృద్ధి చెందుతున్న సాధనం. మరియు ఇక్కడే AI ఈ మొత్తం కథనానికి సరిపోతుంది. స్కానింగ్.

“ఇప్పుడు, మేము ఈ శ్వేతపత్రాన్ని ఎల్‌ఎఫ్ ఎనర్జీగా స్వీకరించడానికి మరియు దానిని ఓపెన్ సోర్స్‌గా భావించడానికి కారణం ఏమిటంటే, శక్తి పరివర్తన నిజంగా డిజిటల్ శక్తి పరివర్తన అని మీరు అంగీకరిస్తే, ఓపెన్ సోర్స్ తప్పనిసరిగా ముఖ్యమైన పాత్ర పోషిస్తుందని తార్కికంగా అనుసరిస్తుంది. ఆధునిక సాంకేతికత సహకారంతో నిర్మించబడటానికి మూలం వాస్తవ మార్గంగా ఉద్భవించింది.”

LF ఎనర్జీ ఓపెన్ సోర్స్‌లో ప్రయోజనాలను మరియు ఓపెన్ సోర్స్ ప్రాజెక్ట్‌ల ద్వారా స్వీకరించబడిన సహకార నమూనాను చూస్తుంది. పవర్ జనరేషన్ ఇన్‌ఫ్రాస్ట్రక్చర్ మరింత పంపిణీ చేయబడినందున, పంపిణీ చేయబడిన ఎంటిటీలు మరియు చొరవలను సమన్వయం చేయడం మరియు స్కేలింగ్ చేయడం కోసం ఓపెన్ సోర్స్ సహకార పద్ధతులు మరియు చొరవలు సాంప్రదాయ పారిశ్రామిక కన్సార్టియా కంటే మెరుగైన సంస్థాగత నమూనాను సూచిస్తాయని Linux సమూహం పేర్కొంది.

ఓపెన్ సోర్స్ విధానం విక్రేతలకు పోటీ నియమాలకు విరుద్ధంగా లేని సహకరించడానికి ఒక మార్గాన్ని కూడా అందిస్తుంది. మరియు షేర్డ్ ప్రాజెక్ట్‌ల ద్వారా సంస్థల మధ్య అనవసర ప్రయత్నాలను నివారించడం ద్వారా ఖర్చులను మరింత నిర్వహించగలిగేలా చేయడంలో ఇది సహాయపడుతుంది. ఇంకా, నివేదిక వాదిస్తుంది, ఓపెన్ సోర్స్ అభ్యాసాలు ఇతర వాటాదారులతో ప్రాజెక్ట్‌లలో పాల్గొనడం ద్వారా చిన్న సంస్థలకు సాంకేతిక ప్రతిభను మరింత అందుబాటులోకి తెస్తాయి.

కేసు వేయడం

నివేదిక “భ్రాంతి” అనే పదాన్ని చేర్చలేదు – శిక్షణ డేటాలో ప్రస్తావించని ప్రశ్నలకు సమాధానాలను కనిపెట్టడానికి AI నమూనాల ధోరణిని వివరించడానికి ఒక సాధారణ పదం. AI యొక్క ప్రమాదాలపై దృష్టి సారించే బదులు, ఇంధన రంగానికి ప్రతిష్టాత్మకమైన లక్ష్యాలు – తక్కువ కార్బన్ ఉద్గారాలు, డిజిటల్ సాంకేతికతను మెరుగ్గా ఉపయోగించడం మరియు వికేంద్రీకరణ – ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ యొక్క అప్లికేషన్ ద్వారా మెరుగ్గా ఎలా సాధించవచ్చనే దానిపై నివేదిక దృష్టి పెడుతుంది, ఇక్కడ ఇది సూచిస్తుంది విస్తృతమైన ప్రిడిక్టివ్ మెషిన్ లెర్నింగ్ అప్లికేషన్‌లు మరియు దేశీయ చాట్‌బాట్‌లు మాత్రమే కాదు.

“విశ్వాసం మరియు సమ్మతి పరంగా మేము ఈ హక్కును పొందాము” అని థోర్న్టన్ చెప్పారు. “మీరు మిషన్-క్రిటికల్ ఇన్‌ఫ్రాస్ట్రక్చర్‌లో AIని ఉపయోగిస్తుంటే, సరైన పని చేయడానికి మీరు దానిని విశ్వసించాలి. [with open source] ఇది ఎలా పని చేస్తుంది మరియు శిక్షణ కోసం ఉపయోగించిన డేటా గురించి మీకు పారదర్శకత ఉంటుంది. ఆ నమ్మకాన్ని ప్రేరేపించడంలో మరియు భ్రాంతులు వంటి సమస్యలను పరిష్కరించడంలో బహిరంగత పాత్ర పోషిస్తుందని మేము భావిస్తున్నాము.”

నివేదిక పేర్కొన్నట్లుగా, “ఓపెన్ సోర్స్ పారదర్శకత, భద్రత మరియు నమ్మకాన్ని ప్రోత్సహిస్తుంది, ఇది సమావేశాలను వేగవంతం చేస్తుంది [privacy and critical infrastructure protection requirements] మరియు AI నిబంధనలకు సంబంధించినవి (ఉదా. EU AI చట్టంలో ‘హై-రిస్క్ సిస్టమ్స్’).”

ఓపెన్ సోర్స్ సాఫ్ట్‌వేర్ మరియు ఓపెన్ సోర్స్ స్టైల్ సహకారం AIతో ఉన్న ఎనర్జీ కంపెనీలకు లోడ్ ఫోర్‌కాస్టింగ్, సిమ్యులేషన్ మరియు ఆప్టిమైజేషన్, అసెట్ మేనేజ్‌మెంట్, లాంగ్-టర్మ్ ప్లానింగ్, AI-సహాయక నిర్ణయం తీసుకోవడం మరియు గ్రిడ్‌లో వికేంద్రీకృత శక్తి నిర్వహణ వంటి సందర్భాలలో సహాయపడతాయని నివేదిక పేర్కొంది. అంచు.

“ఇంధన పరిశ్రమ ఇతర రంగాల నుండి ఉత్తమ పద్ధతులను వర్తింపజేయకపోతే మరియు వ్యూహాత్మకంగా ఓపెన్ సోర్స్‌ను ప్రభావితం చేయకపోతే, అది వేగం మరియు స్కేల్‌తో AI యొక్క వాగ్దానం మరియు సామర్థ్యాన్ని అందించదు” అని LF ఎనర్జీ నివేదిక వాదించింది.

“ఓపెన్ సోర్స్ అనేది హైప్‌ను రియాలిటీగా మార్చే కీలక అభ్యాసం.”

ఓపెన్ సోర్స్ అనేది హైప్‌ను రియాలిటీగా మార్చే కీలక అభ్యాసం

US డిపార్ట్‌మెంట్ ఆఫ్ ఎనర్జీ ఏప్రిల్ 2024 నివేదిక నివేదిక [PDF] “క్రిటికల్ ఎనర్జీ ఇన్‌ఫ్రాస్ట్రక్చర్‌ల కోసం ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ యొక్క సంభావ్య ప్రయోజనాలు మరియు ప్రమాదాలు” అనే శీర్షిక AI యొక్క సంభావ్య ప్రయోజనాలు మరియు అప్రయోజనాలను మరింత నేరుగా తెలియజేస్తుంది. DOE నివేదిక భ్రాంతి అనే పదాన్ని కూడా నివారిస్తుంది, అయితే దాని శిక్షణ డేటాకు మించి అంచనాలను రూపొందించే మెషిన్ లెర్నింగ్ మోడల్ వల్ల కలిగే ఊహించని లేదా సరికాని ఫలితాన్ని వివరించడానికి ప్రత్యామ్నాయంగా “ఎక్స్‌ట్రాపోలేషన్”ని ఉపయోగిస్తుంది.

DOE యొక్క “AI అనాలోచిత వైఫల్య మోడ్‌లు” వర్గంలో ఉదహరించబడిన నాలుగు ప్రమాదాలలో ఎక్స్‌ట్రాపోలేషన్ ఒకటి. మిగిలిన వాటిలో: పక్షపాతం, తప్పుగా అమర్చడం మరియు AI శక్తి వినియోగం.

LF ఎనర్జీ కోసం, AIతో సమస్యలు, ప్రయోజనాలు మరియు హాని రెండూ, ఓపెన్ సోర్స్ సాఫ్ట్‌వేర్‌తో ఉత్తమంగా పరిష్కరించబడతాయి, మెటా యొక్క ఓపెన్ సోర్స్ లామా ఫ్యామిలీ మోడల్స్ మరియు హగ్గింగ్‌ఫేస్ మోడల్-మార్ట్‌లో పంపిణీ చేయబడిన సాధనాలను యాజమాన్య సాఫ్ట్‌వేర్‌కు ప్రత్యామ్నాయంగా సూచిస్తాయి. OpenAI మరియు Anthropic వంటి కంపెనీలు.

ఓపెన్ సోర్స్ మోడల్, “AI మరియు డేటా కోసం ఫెయిర్‌నెస్ (డేటాసెట్‌లు మరియు మోడళ్లలో పక్షపాతాలను గుర్తించడం మరియు తగ్గించడం కోసం పద్ధతులు), పటిష్టత (డేటాసెట్‌లు మరియు మోడల్‌లతో మార్పులను గుర్తించే పద్ధతులు మరియు మోడరేషన్) వంటి ప్రత్యేక ప్రయోజనాలను అందిస్తుంది అని LF నివేదిక పేర్కొంది. (AI మోడల్ ఫలితాలు, నిర్ణయాలు మరియు సిఫార్సులను అర్థం చేసుకోవడానికి మరియు అర్థం చేసుకోవడానికి వ్యక్తి లేదా పాత్ర యొక్క సామర్థ్యాన్ని మెరుగుపరిచే పద్ధతులు), మరియు వంశం (డేటాసెట్‌లు మరియు AI మోడల్‌ల యొక్క ఆధారాన్ని నిర్ధారించే పద్ధతులు).”

AWS, Google, Meta మరియు Microsoft వంటి అనేక Linux ఫౌండేషన్ యొక్క కార్పొరేట్ ఫండర్‌లు AIలో గణనీయమైన పెట్టుబడులు పెట్టినట్లు మేము గమనించాము. ®