很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于工程师对AI计算机进行预培训，使其功能更加强大的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对工程师对AI计算机进行预培训，使其功能更加强大这篇文章感兴趣的小伙伴可以一起来看看
2016年，一台超级计算机在复杂的棋盘游戏Go中击败了世界冠军。怎么样?通过使用强化学习，这是一种人工智能，计算机可以通过简单的指令对其进行编程后进行自我训练。计算机从错误中吸取教训，并逐步变得强大。
强化学习的主要缺点是它不能在某些实际应用中使用。那是因为在自我训练的过程中，计算机最初会尝试几乎所有事物，然后最终跌入正确的道路。对于某些应用程序(例如不同意 容忍蓦地的温度波动的气候操纵系统)，此初始试错阶段可能会浮现问题。
CSEM工程师已经开辟出一种解决此问题的方法。他们表明，计算机可以首先在极为简化的理论模型上进行训练，然后再设置为在实际系统上学习。这意味着，当计算机在现实生活中的系统上开始机器学习过程时，它们可以借鉴先前在模型上学到的知识。因此，计算机可以快速走上正确的道路，而无需经历一段时间的剧烈波动。工程师的研究成果刚刚发表在关于神经网络和学习系统的IEEE Transactions中。
CSEM智能能源系统研究负责人，该研究的合著者Pierre-Jean Alet说：“这就像在开车前学习驾驶员手册一样。”“通过这一预培训步骤，计算机可以建立一个可以利用的知识库，从而在追寻正确答案时不会浮现盲目情况。”
工程师使用三步过程在复杂的100个房间的建造物中的加热，通风和空调(HVAC)系统上测试了他们的方法。首先，他们使用简单描述了建造物行为的简单方程式对“虚拟模型”进行了计算机培训。然后他们将实际的建造物数据(温度，百叶窗打开的时间，天气状况等)输入计算机，以使培训更加准确。最后，他们让计算机运行其强化学习算法，以找到治理HVAC系统的最佳方法。广泛的应用
这一发现可以通过将机器学习的使用范围扩大到运行参数的巨大波动会带来重大财务或安全成本的应用，从而为机器学习开发新的视野。
