而资源分配,则可以大大提高能源等各种资源的利用效率。
如果人工智能可以在这些领域大放异彩的话,人类未来的生活会发生很大的改变。
最后的一项,竞技游戏,则是相对最公平的一项,可以比较客观的反映出人工智能的计算能力。
确定了这些细则后,比赛的日期,也定在了一个月之后。
“徐教授,一个月的时间,会不会太短了一些?”
韩书斌知道,除了竞技游戏的领域之外,其他的两个领域,我们还尚未开始着手研究。
而IBM与谷歌那边,技术已经相对成熟了。
“一个月的时间已经足够了,就定在这个时间吧。”
见徐佑是如此的信心十足,韩书斌也便不再多问。
其实即使把这个期限缩减到半个月,徐佑也是非常有信心,自己是可以完成这些工作的。
对于这场量子竞赛,徐佑已经迫不及待了。
“就先从天气预测的程序开始吧。”
虽说徐佑之前还没有正式对人工智能的天气预测领域进行研究。
但人工智能对天气的预测方法,徐佑还是非常了解的。
在天气预测上,人工智能主要使用的方法,包括智能网格预报,与模型分析技术。
智能网格预报,采用大数据分析技能,对大量天气数据进行全方位地挖掘与探析。
通过这样的智能网格体系,让人工智能可以精准的预测各种天气。
这样的天气预测方式,对于降水的预测即为准确,缺点就是预测的周期比较短,无法对数天之后的天气进行准确预测。
另一种天气预测方式,是模型分析技术。
模型分析技术同样会使用到各种大数据和人工智能,只是着重点在于,需要对一个复杂的气象系统建模。
这种天气预测方式,短期内或许没有第一种方式预测得准确,但在长期内,有着较高的预测准确率。
一个月内的天气,都可以较为精准的预测出来。
只是,因为计算量过于庞大,对于计算机的性能要求非常高。
甚至连很多超级计算机,都无法胜任如此庞大的计算量。
但这些,对于计算速度极强的算经量子计算机来说,并不算什么问题。
更何况,徐佑还有大脑仿真模拟这项技能,来帮助自己完成建模的工作。
仅仅三天的时间,徐佑就完成了所有编程建模的工作,并让算经学会了对天气的预测。
“我们算经的天气预测系统,同时学习了智能网格预报、模型分析技术等多项天气预测方法,可以通过自有的系统评分机制,对于天气进行准确的预测。在气象数据充足的情况下,算经可以近乎百分之百的预测24h内的天气。甚至对一个月之内的天气,都可以将预测准确率提升到95%以上。”
因为天气受到的影响因素实在太多,想要百分百准确的预测几天后的天气,是一件几乎不可能做到的事情。
一只蝴蝶煽动一下翅膀,都有可能改变某天的天气。
更别说,是人工降雨之类,人为对天气的改变了。
可对于徐佑给出的数据,一名研究员提出了自己的疑问。
“徐教授,24小时内的天气预测准确率我可以理解。可是……一个月之内天气预测的准确率,您是怎么得出的呢?”
这个质疑还是非常正常的,因为距离徐佑做出这个天气预测的模型,也才过去仅仅三天时间。
根本来不及对模型的准确率进行统计。
“这个数据是理论值,具体的准确率,我们之后就会知道了。”
说着,徐佑在大屏幕上展示出,算经人工智能刚刚作出的天气预测。
根据国家气象台提供的雷达等数据,算经人工智能已经完成了全世界各地一个月之内的天气预测。
只是,相对于气象台给出的天气预报,算经人工智能的天气预报会有一些出入,甚至连某地某一天,是晴天还是雨天,都给出了完全不一样的预测。
“徐教授,如果只是理论值的话,这个模型会不会缺乏足够的验证?”
“先观察半个月,如果数据不达标的话,我们再对模型进行更改。”
其实徐佑的信心是非常足的,通过徐佑大脑仿真模拟的结果,这个模型的准确率,甚至要比徐佑给出的数据更高。
徐佑也很理解他们有怀疑的心理,毕竟如果按照正常的程序,肯定是需要进行多次的验证、修改的。
“我同意徐教授的说法,等过几天就知道模型的预测准确率了。”韩书斌说道。
即使韩书斌也无法理解,徐佑是如何得出模型预测的理论值的。
但只要这个成果是出自于徐佑,就没有什么值得怀疑的了。
做好了天气预测的模型之后,徐佑紧接着对资源分配的任务进行研究。
相比于天气预测,资源分配问题的偶然性要小很多,主要考察的还是量子计算机的计算能力。
比如说,在能源调配方面,通过电网提供的数据,预测用电负载,进而提供预测性维护措施,给出精准的电力供需解决方案。
或者在风力发电领域,根据历史发电数据、天气预报的信息,来构建和训练神经网络模型,优化风力发电的方案,提升风力发电的效率。
两天的时间过去,算经人工智能已经学会了解决各种资源分配问题。
相对于之前的模型,算经人工智能可以提升百分之二十到五十不等的效率,让资源分配得更加的合理。
而随着这两天过去,算经人工智能预测天气的准确率,也可以得到验证了。
“徐教授,我们这两天对世界各地天气预测的准确率,达到了99.9%。其中预测不准确的位置,也有很多是进行了人工降雨等人为的行为,影响了我们的预测准确性。”一位项目组的成员说道。
这样的准确率,意味着算经人工智能预测一千次天气,才会有一次的失误。
这对于本来就存在很多偶然性的天气预报来说,已经是一个非常高的数据了。