“工程师对AI计算机进行预培训，使其功能越来越强大”

近年来，在超级计算机众多且复杂的棋盘游戏go中击败了世界冠军。 怎么样？ 通过采用强化学习，这是一种人工智能，计算机可以用简单的命令对其编程进行自我训练。 电脑从错误中吸取了教训，渐渐变强了。

强化学习的首要缺点是它在一些实际应用中不能被采用。 那是因为，在自我训练的过程中，计算机最初会尝试大部分东西，最终落到正途上。 在某些APP中，例如不允许剧烈温度变化的气候控制系统，在这个早期的尝试阶段可能会出现问题。

csem工程师已经开发了处理这个问题的方法。 他们表示，计算机可以设定为先用极其简化的理论模型进行训练，然后在实际系统中学习。 这意味着计算机在实际生活的系统中开始机器学习过程时，可以参考以前在模型中学到的知识。 因为这样可以使计算机更快地走上正确的道路，而无需经历短暂的剧烈波动。 工程师的研究成果刚刚发表在关于神经互联网和学习系统的ieee transactions上。

CEM智能能源系统研究负责人、该研究的共同执笔者pierre-jean alet表示:“这就像在开车前学习司机手册一样。 通过这个预训练步骤，计算机可以建立可用的知识库，在寻找正确答案时不会盲目。

工程师采用了三个阶段的流程，用多而复杂的100间建筑物中的加热、通风和空调节( hvac )系统测试了他们的做法。 首先，他们利用简单记述建筑物行为的简单方程式对虚拟模型进行了计算机训练。 然后，将实际的建筑物数据(温度、百叶窗打开的时间、天气状况等)输入计算机，使训练更加准确。 最后，我们发现了通过让计算机运行强化学习算法来管理hvac系统的最佳实践。 广泛的APP

这个发现通过将机器学习的采用范围扩大到运行参数的大变动，可以带来重大的财务或安全价格的应用，为机器学习开辟新的视野。

本文：《“工程师对AI计算机进行预培训，使其功能越来越强大”》