Στα προγράμματα σκάκι που νίκησαν τον Κασπάρωφ, στο reinforcement learning, βασίζεται το σημαντικό έργο AI της Intracom Telecom για τη μείωση της κατανάλωσης ενέργειας σε δίκτυα 5G, σημείωσε χθες μιλώντας σε σχετικό πάνελ του Beyond AI Forum που πραγματοποιείται στη Θεσσαλονίκη, ο κ. Χρήστος Ρίζος, Υπεύθυνος Ανάλυσης Δεδομένων, Τεχνητής Νοημοσύνης της Intracom Telecom.

Όπως είπε, το σχετικό προϊόν της εταιρείας ανταποκρίνεται σε μια πολύ σημαντική σημερινή ανάγκη που αφορά την εξοικονόμηση ενέργειας στα δίκτυα 5G, ενώ αναφέρθηκε στις προκλήσεις και τις δυσκολίες στην ανάπτυξη εφαρμογών ΑΙ.

Σημειώνεται, ότι η μετάβαση στο 5G θα μπορούσε να οδηγήσει τη συνολική κατανάλωση ενέργειας του δικτύου κατά 150% έως 170% έως το 2026, σύμφωνα με εκτιμήσεις.

Ήδη η βιομηχανία τεχνολογίας πληροφοριών και επικοινωνιών είναι υπεύθυνη για περίπου 3% έως 4% των παγκόσμιων εκπομπών διοξειδίου του άνθρακα και οι εταιρείες τηλεπικοινωνιών μόνο είναι υπεύθυνες για το 1,6%, σύμφωνα με την εταιρεία συμβούλων Boston Consulting Group.

Εν τω μεταξύ, η παγκόσμια κυκλοφορία των δεδομένων εκτιμάται ότι θα αυξηθεί κατά περίπου 60% ετησίως – και η διαχείριση όλης της κίνησης σημαίνει ότι η βιομηχανία των τηλεπικοινωνιών θα παράγει πολύ υψηλότερες εκπομπές. Μέχρι το 2040, η βιομηχανία θα μπορούσε να αντιπροσωπεύει έως και το 14% των παγκόσμιων εκπομπών, σύμφωνα με την Boston Consulting.

Πώς λειτουργεί η εφαρμογή ΑΙ για τη μείωση κατανάλωσης ενέργειας στα δίκτυα 5G

“Για να ελαχιστοποιηθεί η κατανάλωση ενέργειας στα δίκτυα 5G, το σύστημα ΑΙ που αναπτύχθηκε παρακολουθεί την κίνηση στο δίκτυο και προβλέπει την κίνηση που θα έρθει. Όταν διαπιστώνει ότι η κίνηση πάει να πέσει, ρίχνει ταυτόχρονα τη συχνότητα χρονισμού των επεξεργαστών που χρησιμοποιούνται”, σημείωσε ο κ Ρίζος.

Με τον τρόπο αυτό παρακολουθώντας και προβλέποντας την κίνηση , το σύστημα ΑΙ που αναπτύσσει η Intracom, κάνει τις ενέργειες που χρειάζεται για να ρίχνει την κατανάλωση ενέργειας.

Όπως εξήγησε ο κ. Ρίζος, το έργο αυτό βασίστηκε το πρόγραμμα που έκανε διάσημη την τεχνητή νοημοσύνη, το reinforcement learning, που χρησιμοποιήθηκαν στα προγράμματα σκάκι που νίκησαν τον Κασπάρωφ.

Εκπαιδεύτηκε ένα σύστημα τεχνητής νοημοσύνης σε όλες τις κινήσεις που έπαιζε ο Κασπάρωφ και μετά σε ένα δυναμικόν περιβάλλον, όπως ένα παιχνίδι με τον Κασπάρωφ, ο οποίος δεν έπαιζε με τις ίδιες κινήσεις, μπόρεσε να αντιδράσει και να τον κερδίσει. Το πρόγραμμα βασίζεται σε ένα σύστημα ανταμοιβών, δηλαδή εκπαιδεύουμε ένα μοντέλο, ώστε στη λάθος κίνηση παίρνει αρνητική ανταμοιβή και θετική όταν κάνει κάτι σωστό.

“Όταν έχουμε απαιτητικά έργα, όπως είναι ένα σύστημα 5ης γενιάς,η εκπαίδευση πρέπει να γίνει στο πεδίο. Τελικά οδηγηθήκαμε σε περιβάλλοντα προσωμοίωσης, ώστε το σύστημά μας να εκπαιδευτεί και να καταφέρει να πετύχει όσα θα πετύχαινε στο πραγματικό πεδίο χωρίς να δημιουργεί κινδύνους.

Μια πρόκληση που υπάρχει αυτή τη στιγμή είναι πώς θα καταφέρουμε να εκπαιδεύουμε σε περιβάλλοντα προσομοίωσής και να εκπαιδεύσεις ένα σύστημα τεχνητής νοημοσύνης με λιγότερα δεδομένα, για να μειώσουμε το χρόνο και το κόστος”.

“Οι εφαρμογές τεχνητής νοημοσύνης, είναι ευαίσθητες στο χρόνο και όσο περνάει ο χρόνος τα αποτελέσματα γίνονται χειρότερα και για να συνεχίζει να δουλεύει χρειάζεται συνεχής παρακολούθηση και αυτοματισμός στην επανεκπαίδευση.

“Η ενασχόληση με τα έργα ΑΙ έχει πολλές προκλήσεις, είναι δύσκολο, με μεγάλα αποτελέσματα, που πρέπει να στηθεί σωστά και να δουλευτεί σωστά”, κατέληξε ο κ. Ρίζος.

  Ακολουθήστε το mononews.gr στο Google News για την πιο ξεχωριστή ενημέρωση