为了预测一个复杂而不确定的世界，你不能仅依靠过去的数据和数据科学，你必须将其与社会的专业知识结合起来。
这句话是 Cosmo Tech 的 CEO Hugues de Bantel 说的。这家法国公司希望利用这项技术在未来能够通过 AI 改变电力生产和分配环节。
这似乎和特斯拉创始人马斯克的想法相似——和 AI 组队，一起去答未来的疑题。
Cosmo Tech 这家公司选择的是创建软件来帮助决策者在最复杂的环境中做出决策，用软件预测决策对其业务的影响，这属于增强智能领域。增强智能的理念是将人类智能和人工智能结合起来。一旦做到了这一点，我们就有能力进行预测，做出假设场景，再进行决策。
而这些技术甚至可以应用在电力行业。
我们都知道，太阳能和风能是可再生的清洁能源，是未来能源的一种，但它们并不能保证提供稳定和持续可预测的能源。他们在城市电网中的存在使能源平衡和优化变得更加复杂。这导致了可再生能源的损失，以及电力供应的故障。
2003 年，美国东北地区因清洁能源造成的大规模停电就造成了 5000 万人连续多日的断电。而在今天，欧美地区的私人住宅公寓也在安装太阳能板来为自己供电，但私人住宅用户无法消耗完太阳能板产生的能源，电力公司还需要购买（接收）这些多余的能源，让这些过剩的电量还需要返回电网。
个人太阳能板的供大于求是一种情况，还有一种情况则是电力供不应求。当需求超过供应时，电力公司就会启用化石燃料发电厂，即启用「峰值发电厂」，以避免停电。这个过程是昂贵的，无论是在消费者使用成本方面，还是在环境影响方面，我们都该尽力避免此事的发生。
这是清洁能源应用在电网中让情况更复杂的一个缩影，这也意味着能够按需提供能源的「智能电网」在未来几年将变得越来越重要。
为此，英国的国家电网公司为此就在与 Google 旗下的 DeepMind 进行初步谈判，以开发一套系统准确预测需求，更有效地平衡国家能源系统与风能和太阳能的供应。
而美国能源部也在与斯坦福大学国家加速器实验室合作，开发人工智能和机器学习算法，以建立一个自主电网，处理来自卫星图像、公用事业运营和其他来源的数据。
这依然是一个给 AI 投喂数据，再由 AI 反哺人类的案例。AI 在初始接收了大量电网系统中断的案例，随后他们就能逐渐学会从已定义的系统故障中区分（并精确分类）出正常的操作数据。
训练后，研究人员就可以将 AI 应用到当前数据中，代替曾经的手动处理方式。这是 AI 首次进入电网的实时应用领域，它能在瞬间发现哪里存在异常或故障，并定义干扰的类型和位置。
如果一个发电厂发生故障，那么其他发电厂的负荷可能会突然出现一个峰值。增加的负荷使发电机变慢，频率降低。这需要快速地做出决策，快速指的是 500 毫秒以下。
而 AI 就是那个能在 500 毫秒内做出决策的「人」，它能在 20-50 毫秒内做出决策，有足够的时间做出调整，保证电网的正常运营。
