Người ta đã thảo luận nhiều về triển vọng và hạn chế của các mô hình ngôn ngữ lớn (LLM) trong các ngành như giáo dục, chăm sóc sức khỏe và thậm chí cả sản xuất. Nhưng còn năng lượng thì sao? Liệu LLM, giống như những LLM hỗ trợ ChatGPT, có thể giúp vận hành và duy trì lưới năng lượng không?
Tín dụng: Pixabay/CC0 Miền công cộng
Nghiên cứu mới được công bố trên Joule cho thấy LLM có thể đóng một vai trò quan trọng trong việc đồng quản lý một số khía cạnh của lưới điện, bao gồm ứng phó khẩn cấp và mất điện, phân công phi hành đoàn cũng như chuẩn bị và phòng ngừa cháy rừng.
Nhưng những lo ngại về an ninh và an toàn cần phải được giải quyết trước khi LLM có thể được triển khai tại hiện trường.
Nghiên cứu này được đồng tác giả bởi Na Li, Giáo sư Kỹ thuật Điện và Toán ứng dụng của Gia đình Winokur tại Trường Kỹ thuật và Khoa học Ứng dụng John A. Paulson (SEAS) của Harvard.
Le nói: “Có quá nhiều sự cường điệu với các mô hình ngôn ngữ lớn, điều quan trọng là chúng tôi phải hỏi LLM có thể làm tốt điều gì và có lẽ quan trọng hơn là họ không thể làm tốt điều gì, ít nhất là chưa, trong lĩnh vực điện”. Xie, Giáo sư Kỹ thuật Điện & Máy tính tại Đại học Texas A&M và là tác giả tương ứng của nghiên cứu.
"Cách tốt nhất để mô tả tiềm năng của LLM trong lĩnh vực này là với tư cách là một phi công phụ. Nó chưa phải là một phi công—nhưng nó có thể đưa ra lời khuyên, ý kiến thứ hai và phản hồi rất kịp thời với rất ít mẫu dữ liệu đào tạo, điều này thực sự là có lợi cho việc ra quyết định của con người."
Nhóm nghiên cứu, bao gồm các kỹ sư từ nhà cung cấp năng lượng CenterPoint Energy có trụ sở tại Houston và Nhà điều hành hệ thống độc lập trung tâm điều hành lưới điện, đã sử dụng mô hình GPT để khám phá khả năng của LLM trong lĩnh vực năng lượng—và xác định cả điểm mạnh và điểm yếu.
Điểm mạnh của LLM—khả năng tạo phản hồi hợp lý từ các lời nhắc, học dựa trên dữ liệu hạn chế, giao nhiệm vụ cho các công cụ nhúng và làm việc với dữ liệu phi văn bản như hình ảnh—có thể được tận dụng để thực hiện các nhiệm vụ như phát hiện thiết bị bị hỏng , dự báo phụ tải điện theo thời gian thực và phân tích mô hình cháy rừng để đánh giá rủi ro.
Nhưng có những thách thức đáng kể trong việc triển khai LLM trong lĩnh vực năng lượng, trong đó ít nhất là việc thiếu dữ liệu cụ thể về lưới điện để đào tạo các mô hình. Vì lý do bảo mật rõ ràng, dữ liệu quan trọng về hệ thống điện của Hoa Kỳ không được công khai và không thể công khai.
Một vấn đề khác là thiếu lan can an toàn. Lưới điện, giống như các phương tiện tự hành, cần ưu tiên an toàn và có biên độ an toàn lớn khi đưa ra quyết định theo thời gian thực. Li cho biết, LLM cũng cần phải cải thiện tốt hơn trong việc cung cấp các giải pháp đáng tin cậy và tính minh bạch xung quanh những điều không chắc chắn của họ.
Li nói: “Chúng tôi muốn các LLM cơ bản có thể nói 'Tôi không biết' hoặc 'Tôi chỉ chắc chắn 50% về phản hồi này' thay vì đưa ra cho chúng tôi câu trả lời có thể sai". "Chúng tôi cần có thể tin tưởng vào những mô hình này để cung cấp cho chúng tôi các giải pháp đáng tin cậy đáp ứng các tiêu chuẩn cụ thể về an toàn và khả năng phục hồi."
Tất cả những thách thức này mang lại cho các kỹ sư một lộ trình cho công việc trong tương lai.
Li cho biết: “Là kỹ sư, chúng tôi muốn nêu bật những hạn chế này vì chúng tôi muốn xem chúng tôi có thể cải thiện chúng như thế nào”. "Các kỹ sư hệ thống điện có thể giúp cải thiện việc đảm bảo an ninh và an toàn bằng cách tinh chỉnh LLM cơ bản hoặc phát triển mô hình nền tảng của riêng chúng tôi cho hệ thống điện.
"Một phần thú vị của nghiên cứu này là nó cung cấp một bức ảnh chụp nhanh về thời gian. Năm tới hoặc thậm chí sớm hơn, chúng ta có thể quay lại và xem xét lại tất cả những thách thức này và xem liệu có sự cải thiện nào không."
Mời đối tác xem hoạt động của Công ty TNHH Pacific Group.
FanPage: https://www.facebook.com/Pacific-Group
YouTube: https://www.youtube.com/@PacificGroupCoLt
