zhuyucai1的个人博客分享 http://blog.sciencenet.cn/u/zhuyucai1

博文

这不是人工智能的功劳

已有 1660 次阅读 2022-2-19 04:53 |系统分类:科研笔记

  最近,DeepMind公司和瑞士洛桑联邦理工学院EPFL在《自然》(Nature)期刊上发表一篇文章,报告他们应用AI(人工智能)技术,一种神经网络模型,实现了核聚变反应的环形容器托卡马克(Tokamak)等离子体电流、垂直稳定性、位置与形状的自动控制。

论文在这里:https://www.nature.com/articles/s41586-021-04301-9

  昨天一看到此消息,顿时开始怀疑人生。我一直认为,AI再牛,只是在图像及语音处理方面有优势。对于复杂系统的控制,AI无法超过传统的基于动态模型的控制技术。难道。。。?所以放下别的事,把文章下载读了一遍。读完论文,又释然了。

  原来,所谓的AI控制器,是用一个高精度的机理模型训练出来的,即该AI系统不包含建模功能。那我就有话说了。

1.   首先,要认可这是一件非常有意义的工程工作,因为核聚变技术对人类获取清洁能源至关重要。但是

2.   不包含建模功能的控制技术,是残缺的技术。在工业应用中,复杂装置控制系统的开发和实施,90%的工作和困难是建立对象的数学模型。我经常说,智能都在模型里;模型是最高级智能。大家知道,工业化的模型预测控制技术是包含建模功能的。文章作者的所谓AI控制器,如果没有使用高精度的数学模型,将是一事无成;如果从头开始建模,将耗费几代人几十年的工作和心血。该控制系统试验的成功,与其说是AI的成功,不如说是建模的成功。

3.   有了精确的数学模型,许多多变量控制算法都可以用来做控制器。现有的托卡马克控制器就是走的这条技术路线。所谓的AI控制器只是提供了另一个控制算法。作者没有比较他们的AI控制器和现有控制器的控制性能,比如响应速度的快慢和控制误差的大小。我要是审稿人,一定要求他们提供比较结果。作者只是说,他们的AI控制器比现有的控制器结构更简单。

4.   对于流程工业(炼油、化工、钢铁、冶金、水泥、采矿等)该AI控制器无法应用,因为这些装置没有精确的动态数学模型。

5.   如果哪位同学说,可以用AI(神经网络)模型对流程工业装置进行数据建模呀!勇敢。那我们讨论下多变量复杂系统建立神经网络模型的可行性。大家知道神经网络模型的参数极多。该文章的AI控制器的参数个数从26万个到330万个。懂点统计学的知道,做参数估计时,数据的样本数要远大于模型参数的个数。假设控制系统的采样时间是1分钟(这对炼油和化工装置是合适的),神经网络模型的参数个数为20万个,数据的样本数为参数个数的10倍,则需要1389天的测试数据,将近4年。有同学愿意去做这样的测试吗?就算有同学耐得住寂寞,测了4年的数据,但生产装置每年都有变化,你的数据代表哪一年的装置?最后,做测试要加干扰信号,那个厂能容忍你干扰他们4年!




https://blog.sciencenet.cn/blog-862928-1325986.html

上一篇:人云亦云之:做完项目申报奖
下一篇:出成果啦:5. 基于系统辨识的实时优化(RTO)
收藏 IP: 80.60.187.*| 热度|

8 尤明庆 黄仁勇 杨正瓴 李宏翰 范振英 郑永军 罗春元 贾玉玺

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-8-16 08:28

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部