ELM – 电源问题的解决方案

如果没有大量投资，美国电网根本无法应对增加的负荷——高盛预计所需投资将超过 500 亿美元。与此同时，国家已经承诺投入巨额投资升级电网（自 2021 年起投资 220 亿美元），以支持国家从天然气设备、电动汽车市场扩张、加密货币挖矿业务、国内电力转型的举措所带来的不断增长的需求。制造业以及日益需要防范极端天气事件或网络攻击风险增加造成的中断。

不断增长的电力需求带来了重大挑战，特别是考虑到美国电网基础设施老化。为了满足不断增长的需求，大量投资至关重要。高盛强调了超过 500 亿美元的电网升级的迫切需求。在此之际，国家已经在大力提高电网容量。自 2021 年以来，已为这些升级拨款约 220 亿美元。这些举措旨在支持国家努力摆脱天然气设备、支持电动汽车市场、适应加密货币挖矿业务和促进国内制造业所产生的不断增长的需求。此外，迫切需要防范极端天气事件或不断升级的网络攻击风险造成的中断。

大问题的解决方案可能小得惊人

我们以前遇到过类似的挑战； 2023 年，我们在联邦一级从白炽灯泡过渡到节能替代品，以减轻对国家基础设施的电力需求。尽管单个灯泡不会造成重大问题，但其庞大的体积却产生了重大影响。同样，人工智能应用程序现在正在兴起，展示了广泛的用途，并且可能仅受到其规模效率的限制。

人工智能的当前状态模仿了电力的引入，因为它准备推动主要新产业并推动经济发展。如今，人工智能严重依赖图形处理单元 (GPU)，它们是最初设计用于加速图形渲染的专用处理器。 GPU 的并行结构也非常适合传统的人工智能应用模型训练，并广泛应用于物联网人工智能 (AIoT)，这引发了大规模效率问题。人工智能公司实际上正在过度部署最先进、能源密集型的处理器，以满足一些最简单的应用需求。虽然一刀切的方法可以在早期的人工智能应用中发挥作用，但它根本不可能成为所有人工智能实施的可持续标准。

无法将人工智能解决方案的安全性、可扩展性和效率适应特定应用程序是一个问题这与驾驶拖拉机拖车去取杂货没什么不同。虽然它肯定能完成这项工作，但它并未针对大多数任务进行优化，因为它效率极低且昂贵。正是应用程序需求之间的这种不匹配导致了一系列意想不到的后果。不可否认，人工智能的需求不断增长，但当人工智能依赖 GPU 时，由此产生的应用程序会让我们本已脆弱的基础设施不堪重负。

人工智能公司需要寻找替代方法来使应用程序需求保持一致，以偏离这条可能威胁我们的道路。基础设施。 Brand Engagement Network Inc. 或 BEN BNAI 等公司意识到了这一点，并优化了他们的解决方案，以可扩展和可支持的方式提供人工智能的功能和性能。

BEN 的 ELM – 电源问题的解决方案

那么BEN是如何做到的呢？通过其高效语言模型（ELM）：针对专门任务的语言模型的分段和优化的组合。这项正在申请专利的技术专注于效率和应用专业化，这与更传统的法学硕士（例如 OpenAI 的 ChatGPT 使用的法学硕士）形成鲜明对比，后者试图将所有内容概括为用于生成目的的不加区别的模型。

虽然这看起来似乎是一个很小的区别，但每种方法所需的计算和处理能力却有很大不同。当传统的法学硕士使用包罗万象的模型时，这意味着他们的解决方案没有定义。他们的人工智能解决方案任务是解决所有挑战或应用程序的所有需求。这不仅增加了产生错误的可能性，而且还需要大量并行处理，并且在出于及时响应的动机进行操作时，需要使用 GPU。另一方面，BEN 的 ELM 专注于定义的应用程序需求，并提供安全、占用空间小且集中的解决方案。这意味着以 ELM 为目标的解决方案可以在有限的 CPU 资源上运行，这些资源更容易获得，成本显着降低，并且使用更少的处理能力。

对 CPU 的依赖提供了更多的部署选项，包括 SaaS、私有云、移动和本地解决方案，医疗保健和金融服务等行业一直在努力最大程度地减少数据泄露和泄漏的潜在风险。通常情况下，CPU 的部署和操作成本要低得多，并且已经在市场上建立，最重要的是，可以大量供应。 GPU 的情况并非如此，GPU 正面临可用性问题，甚至迫使埃隆·马斯克 (Elon Musk) 在为他的各个公司采购这些处理单元时发挥创意。

ELM + RAFT：强大而高效的组合

BEN 的 ELM 还增强了 RAFT（检索增强微调）系统，以确保其应用程序可靠、可预测且高效。人工智能带来的一个重大挑战是“幻觉”的风险，即人工智能会给出误导性或完全错误的答案，因为人工智能建立在未知的数据源上，并且旨在无论如何生成响应。幻觉很像白炽灯浪费的热能。他们仍然需要相同的能力来产生响应，但这是传统法学硕士技术的意外结果。一些估计表明可能会出现幻觉

以上是ELM – 电源问题的解决方案的详细内容。更多信息请关注PHP中文网其他相关文章！