Kako smanjiti potrošnju struje za 10% na nivou cele države — Primena veštačke inteligencije

Londonska AI kompanija, Deep Mind u pregovorima je sa britanskom nacionalnom energetskom mrežom sa ciljem smanjenja potrošnje električne energije u Velikoj Britaniji. Ono što je značajno u ovom predlogu, jeste što bi se do ove uštede došlo primenom tehnika mašinskog učenja i neuralnih mreža, bez ikakvih promena u samoj infrastrukturi.

Osnivač i izvršni direktor Deep Minda, Demis Hasabis, smatra da bi se AI optimizacijom mreže potrošnja energije mogla smanjiti do 10%, što bi bila značajna ušteda, kako u finansijskom, tako i u smislu smanjenja emisije ugljen-dioksida.

Optimizacija balansiranja ponude i tražnje

Zadatak Nacionalne energetske mreže je da balansira ponudu i tražnju električne energije. Trendove u tražnji je dosta lako predvideti, jer su uglavnom usklađeni sa standardnim ljudskim navikama (spavanje i buđenje) i sa vremenskim prilikama. S druge strane, situacija je dosta kompleksnija kada je u pitanju ponuda električne energije, posebno u sistemima poput britanskog, koji se u velikoj meri oslanjaju na obnovljive izvore energije.

Neretko se dešavalo da usled nedostatka vetra Britanci budu suočeni sa nestašicama električne energije, a poslednje velike restrikcije su se desile tokom novembra 2015.

Upravo ovi izazovi bi mogli da budu predupređeni korišćenjem pristupa koji je razvio DeepMind i koji se oslanja na mašinsko učenje. Uzimanjem i obradom velike količine podataka mogli bi da se kreiraju precizniji trendovi u ponudi električne energije, kao i da se predlažu rešenja za eventualne nestašice.

Iz DeepMinda tvrde da bi primenom tehnika mašinskog učenja, britanska energetska mreža mogla u još većoj meri da se osloni na obnovljive izvore energije, jer bi njihova nepredvidivost bila svedena na minimum tako što bi se vrlo precizno utvrdili pikovi u ponudi i potražnji za električnom energijom.

15% uštede struje u Google data centrima

DeepMind je sličnom analizom Google-ovih data centara doveo do 15% smanjenja u potrošnji električne energije. U ovim centrima se obrađuje ogromna količina podataka, a najveći deo električne energije se troši na hlađenje celog sistema. Treniranje neuralne mreže za preciznije predviđanje budućih potreba za hlađenjem dovelo je do toga da sistem za hlađenje radi 40% manje vremena.

U Deep Mindu kažu da bi sada želeli da sličnu metodu primene i na nivou cele državne energetske mreže, gde je moguće uočiti još veće neefikasnosti nego što je to slučaj sa Google-ovim data centrima.

DeepMind je osnovan 2010. godine u Londonu, a 2014. je akvizicijom postao deo Google-a. Pored primena tehnika mašinskog učenja na stvari poput efikasnosti energetskih mreža, ova kompanija se bavi i razvojem veštačke inteligencije u oblasti igara, gde je AlphaGo, sistem koji su kreirali, pobedio evropskog prvaka u igri Go, koja važi za jednu od najtežih na svetu.

Još jedan ogranak ove kompanije se bavi primenom veštačke inteligencije u zdravstvu, gde sarađuju sa Institutom za javno zdravlje Ujedinjenog Kraljevstva. U ovoj oblasti se tehnike mašinskog učenja koriste pre svega za brže dijagnostikovanje bolesti i bolje definisanje odgovarajuće terapije, ali se pored toga javila i briga za bezbednost prikupljenih podataka.