(بلومبرگ) – هفته گذشته، شرکت فرانسوی Engie SA اعلام کرد که از قابلیت های پیش بینی باد مبتنی بر هوش مصنوعی گوگل برای بهینه سازی عملیات دارایی های باد آلمان خود استفاده خواهد کرد. این برنامه آزمایشی توسعهای از کار داخلی گوگل است که میگوید به آن اجازه میدهد تا با برنامهریزی تعهدات ساعتی انرژی بادی در شبکه تا یک روز قبل، درآمدهای بیشتری کسب کند. یکی از مدیران گوگل این پیشنهاد را «ابزار توصیههای تجاری» مینامد که همینطور است – اما همچنین منبع سؤالات استراتژیک جذاب و مهمی برای Google، Engie و Big Tech به طور کلی انرژی است.
شرکت خواهر هوش مصنوعی گوگل، DeepMind، همچنان به گسترش دامنه، مقیاس و قابلیت های خود ادامه می دهد. اساساً، DeepMind را با مجموعه ای بزرگ و دشوار برای حل کردن تغذیه کنید و اغلب می تواند آنها را حل کند. به عنوان مثال، در سال 2020، ابتکار AlphaFold DeepMind ساختار پروتئین ها را تعیین کرد، مشکلی که یک دانشمند در سال 1969 گفت اگر با نیروی بی رحمانه انجام شود، بیشتر از سن جهان شناخته شده طول می کشد.
در عین حال، این قابلیت قابل توجه، در بهترین حالت، کمکی به کسب و کار کلیدی جستجوی شرکت مادر گوگل Alphabet Inc. است که بیش از 90 میلیارد دلار درآمد عملیاتی در سال 2021 ایجاد کرد، در حالی که گروههای ابری و «شرطهای دیگر» آن کار میکنند. در مورد بهداشت و حمل و نقل و هوش مصنوعی درآمد عملیاتی منفی داشتند.
شاید با تاکید بر اینکه، کمتر از یک سال پس از اینکه DeepMind موفقیت خود را در تا کردن پروتئین اعلام کرد، AlphaFold را رایگان در جهان کرد. قابلیتهای بهتر پیشبینی باد میتواند تقریباً هیچ معنایی برای آلفابت نداشته باشد، علاوه بر اینکه به آن امکان میدهد خدمات ابری بیشتری را به مشتریان خدماتی بفروشد.
برای Engie، اولین و واضح ترین برنامه برای هوش مصنوعی گوگل این است که درک بهتری از انتظارات این ابزار از الگوهای باد در آینده داشته باشد. این اساساً در مورد جلوگیری از خطر است. پیشبینی یک روز و نیم خروجی به Engie این امکان را میدهد که برای زمانی که باد در دسترس است برنامهریزی کند و به همان اندازه مهم است که برای زمانی که باد وجود ندارد برنامهریزی کند. این باید به شرکت اجازه دهد تا زمانی که عرضه باد کم است، سایر ژنراتورهای خود را بهتر برنامه ریزی کند تا بتواند تقاضا را برآورده کند.
اما رویکردهای دیگری نیز وجود دارد که این قابلیتها میتوانند برای Engie نیز باز کنند. دانستن الگوهای باد 36 ساعت قبل نیز می تواند به آن اجازه دهد ریسک بازار بیشتری را متحمل شود. Engie میتواند تمایل بیشتری به تعهد در مورد زمان تولید انرژی در پروژههای بادی داشته باشد و میتواند این کار را در آینده بیش از آنچه قبلا امکانپذیر بود انجام دهد. این شرکت میتواند در زمانهایی که قیمتها بسیار بالاست، در بازی در بازارهای نقطهای برق مطمئنتر شود. از نظر تئوری، حتی میتواند از داراییهای بادی خود به شکلی کاملاً «تجار» استفاده کند – کاملاً در معرض قیمت برق بازار، با همه مزایا بالقوه و جنبههای منفی که باید برای آنها برنامهریزی شود.
پیشبینی آنچه در آینده برای یک برنامه باد DeepMind در راه است، مستلزم پرسیدن مجموعهای از سؤالات است. مجموعه اول فنی است. این فناوری تا چه حد می تواند پیشرفت کند؟ پیشبینیهای آن در زمان چقدر میتوانند به دورتر برسند، و چقدر میتوانند دقیقتر شوند؟ آیا مجموعه پیشبینیهای Google با سیستمهای برنامهریزی و پیشبینی خود یک شرکت یا تولیدکننده برق مستقل به خوبی ادغام میشود؟
پاسخگویی به این نوع سوالات باید از طریق شرکت به شرکت نسبتاً آسان باشد. مهندسان با مهندسان ملاقات میکنند، توسعهدهندگان نرمافزار با یکدیگر صحبت میکنند، پیشنهادات ریسک شرکت با هم جمع میشوند و غیره.
مجموعه دوم سؤالات سؤالات بازار قدرت هستند و ماهیت آنها بسیار متفاوت است. بازار برق چقدر برای تولید تاجر باز است؟ اپراتورهای شبکه چقدر جلوتر برای ارسال برق خود برنامه ریزی می کنند؟ ایالتی یا ملی تنظیم کننده برق اجازه شرکتها ریسک کامل تجاری را با تولید انرژیهای تجدیدپذیر متغییر بپذیرند؟ پاسخ به این سوالات ممکن است کمی طول بکشد.
مجموعه نهایی سوالات مربوط به مقررات، سیاست و شاید هم سیاست است. آیا کمیسیون خدمات عمومی ایالتی تصمیم خواهد گرفت که ارزیابی فناوری پیش بینی باد مبتنی بر DeepMind غیرممکن است و استفاده از آن را ممنوع می کند؟ آیا هیچ ضربه سیاسی به نفوذ فناوری بزرگ، هر چند با تعریف محدود و فنی، در بازارهای برق وارد خواهد شد؟ ممکن است حداقل در ابتدا پاسخ روشنی برای این سوالات وجود نداشته باشد. اما ممکن است در نهایت اهمیت چندانی نداشته باشند.
بندیکت ایوانز، تحلیلگر مستقل، در مقاله خود در سال 2021 با عنوان «نرم افزار رشد یافته» می گوید: «وقتی نرم افزار دنیا را می خورد، سؤالات مهم دیگر سؤال نرم افزاری نیستند.» یعنی فناوری میتواند وارد بازاری مانند کتاب، موسیقی، خردهفروشی یا فیلم شود – اما در نهایت، سؤالات تعیینکننده آنهایی هستند که ریشه در صنعت فعلی دارند. به عنوان مثال، نتفلیکس را در نظر بگیرید. ایوانز می نویسد: «از فناوری به عنوان گوه ای برای ورود به صنعت تلویزیون استفاده کرد»، اما «همه سؤالاتی که برای آینده آن مهم است سؤالات تلویزیونی است»، مانند طول عمر برنامه هایش و آنچه با حقوق ورزشی اتفاق می افتد.
من تصور می کنم که همین امر در مورد هوش مصنوعی در انرژی نیز صادق است. پیشبینی بهتر باید بازارهای بهتری را به همراه داشته باشد. اما در عین حال، فناوری نمیتواند همه چیز را تغییر دهد – و مهمترین سؤالاتی که فناوری باید به آنها پاسخ دهد، سؤالات اساسی صنعت انرژی است، نه سؤالات خودش.