全球关于人工智能研究的支出将达到到2024年为1,100亿美元，根据国际数据公司。最近在AI中取得了如此重大进步，例如那些由Google提供和亚马逊，很容易看出为什么人们很高兴看到AI的未来会带来什么。但是，AI缺乏一个领域，就是在面对不断变化的条件时能够快速学习和编程。这就是瑞士电子和微技术中心的工程师。爱游戏ayx体育
通过增强学习改善AI
虽然AI是正确编程后的绝佳工具，但很难单独提出解决复杂问题的解决方案。计算机倾向于尝试在此过程中的每一个可行的可能性，就像蛮力黑客一样。这是非常耗时的。在参数可以短时间更改（例如HVAC系统）的应用程序中，该延迟根本无法做到。
幸运的是，CSEM工程师已经进行了解决方法。他们发现，您可以通过首先在模型上训练计算机，这些模型是其现实生活中的对应物的简化版本。这称为增强学习，直到最近才在复杂的机械系统（如气候控制）中进行了测试。
将解决方法进行测试
为了测试这一解决方法，工程师将其假设应用于HVAC系统，用于100个房间的建筑物。AI将使用三步过程来控制通风，空调和加热功能。在第一步中，AI通过简化的虚拟训练模型进行了启动。简单的方程式简要描述了建筑物的气流和一般结构。接下来，引入了更多值，例如准确的温度数据，天气以及窗户和百叶窗是否打开，以及多长时间。这是根据计算机已经从基本数据中学到的东西来进一步开发其知识框架的基础上的。从到目前为止的建造中，它可以创建加强学习算法，从而弄清楚如何管理整个建筑物的HVAC系统。
最后一步是让计算机应用这些算法。结果是总体节省超过20％的动力。将来，工程师希望将AI开发到可以诊断HVAC系统问题的状态。这包括效率低下，例如泄漏和加热器故障，以及无效的空气过滤器等健康危害。甚至可以推荐通风系统不同部分的适当空气滤清器尺寸。这将使财产所有人能够充分利用自定义过滤服务，例如Filterking.com。
大量可能的应用
强化学习的实施可以使AI帮助更适合对延迟敏感的任务。在气候控制系统的背景下，使用加固学习的AI控制可以使建筑物中的空气更新鲜和清洁。它甚至可以协助病原体传播研究和预防工作，例如萨斯喀彻温大学的工程师现在正在学习。
该实验的成功是整个自我学习AI的主要步骤。它可以拥有的广泛应用程序意味着更多的字段更容易访问AI。这可以为研发提供的帮助将是无价的，并且可能性无数。
