home.social

#artykul — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #artykul, aggregated by home.social.

  1. Mit o początkach Newroz

    Dawno, dawno temu, między dwiema wielkimi rzekami, Eufratem i Tygrysem, istniała kraina zwana Mezopotamią. Nad małym miastem, schowanym w górach Zagros, wznosił się ogromny kamienno-murowany zamek z wysokimi basztami i ciemnymi murami. Zamek został wycięty w górskiej skale. Bramy zamkowe wykonano z drewna cedrowego i wyrzeźbiono w kształcie skrzydlatych wojowników. Głęboko w zamku mieszkał okrutny król asyryjski o imieniu Zahāk. Jego armie terroryzowały wszystkich […]

    kurdystan.fediblog.pl/kurdysta

  2. Rożhelat czyli Kurdystan wschodni albo irański – garść informacji, celem uwrażliwienia na rzeczywistość Kurdyjek i Kurdów w Iranie

    Podjęłam się napisania tego tekstu ze względu na powagę sytuacji związanej z Iranem i w szczególności Kurdystanem irańskim, czyli Rożhelatem (Kurdystanem wschodnim) w kurdyjskiej nomenklaturze. W pierwszej kolejności apeluję do wszystkich, abyśmy szukali wiedzy o Kurdach i Kurdyjkach i tego, czego pragną w źródłach kurdyjskich i tych związanych z tzw. „Kurdish studies”, który międzynarodowo jest już sporym nurtem badawczym. Nie słuchajmy wyłącznie opinii irańskiej lub międzynarodowej lewicy – nie mówiąc już o innych mediach – ponieważ mają tu miejsce poważne zniekształcenia. W swoim tekście odnoszę się bezpośrednio do pewnych przeinaczeń, z którymi się spotkałam i z którymi podjęłam dyskusję.

    kurdystan.fediblog.pl/kurdysta

  3. Czego nie pokazuje PKB ChRL

    Główną sprzecznością w dzisiejszej gospodarce Chin jest zderzenie 20 bln RMB (2,8 bln USD) wzrostu PKB z oszałamiającą utratą 200 bln RMB (28 bln USD) bogactwa narodowego w ciągu ostatnich trzech lat.

    wp.me/p3fv0T-hXR #Chiny #ChRL #PKB #BKB #Caixin #ZhaoJian #gospodarka #artykuł #POLECANE

  4. AI pożera prąd, ale może też uratować nas przed blackoutem. Paradoks, o którym głośno mówią naukowcy z MIT

    Dyskusja o sztucznej inteligencji często sprowadza się do jednego zarzutu: gigantycznego apetytu na energię.

    I choć centra danych faktycznie drenują sieci, eksperci z MIT Energy Initiative (MITEI) wskazują na drugą stronę medalu. AI może okazać się kluczowym narzędziem, bez którego transformacja energetyczna i stabilne działanie sieci opartej na OZE będą po prostu niemożliwe.

    W raporcie opublikowanym przez MIT naukowcy zwracają uwagę na rosnącą złożoność systemów energetycznych. Kiedyś równanie było proste: elektrownia węglowa produkowała stałą ilość prądu, a operatorzy martwili się tylko o szczyty zapotrzebowania. Dziś, gdy do gry wchodzą tysiące rozproszonych źródeł – paneli słonecznych i wiatraków, których wydajność zależy od kaprysu pogody – sieć staje się chaotyczna. Człowiek przestaje nad nią panować.

    AI jako dyrygent sieci

    Tutaj wkracza sztuczna inteligencja. Algorytmy potrafią zarządzać tym chaosem w skali mikrosekund. Anuradha Annaswamy z MIT tłumaczy, że AI tworzy „infrastrukturę informacyjną”, która spina fizyczne kable i transformatory.

    Systemy te nie tylko prognozują pogodę (a więc i produkcję z OZE), ale też zarządzają popytem. Przykłady? Inteligentne termostaty, które mogą minimalnie zmienić temperaturę w tysiącach domów w szczycie obciążenia, odciążając sieć bez utraty komfortu. Baterie w autach elektrycznych (V2G), dla których AI może decydować, kiedy ładować auto (gdy prąd jest tani i jest go nadmiar), a kiedy oddać energię do sieci. Czy wreszcie same centra danych: AI może opóźniać mniej pilne obliczenia, by „wygładzić” piki zapotrzebowania.

    Nowe materiały w tygodnie, nie dekady

    Jeszcze bardziej fascynujący jest wpływ AI na fizykę i chemię. Ju Li, profesor inżynierii jądrowej z MIT, wskazuje, że algorytmy rewolucjonizują proces odkrywania nowych materiałów potrzebnych do budowy wydajniejszych baterii czy reaktorów jądrowych.

    W laboratoriach MIT robotyczne ramiona sterowane przez AI same przeprowadzają eksperymenty, analizują wyniki i na ich podstawie planują kolejne testy – wszystko to 24 godziny na dobę. Coś, co kiedyś zajmowało naukowcom dekady prób i błędów, teraz może zająć lata lub nawet miesiące. AI „przeczytała” więcej prac naukowych niż jakikolwiek człowiek, dzięki czemu potrafi łączyć kropki między dziedzinami w sposób nieosiągalny dla ludzkiego umysłu.

    Predykcja awarii

    Trzecim filarem jest utrzymanie ruchu. Awaria kluczowego transformatora to koszty i ryzyko blackoutu. Algorytmy analizują dane z czujników i potrafią wykryć anomalię na długo przed tym, zanim sprzęt się zepsuje. To tzw. predictive maintenance – naprawiamy, zanim nastąpi awaria, co wydłuża życie infrastruktury i obniża koszty.

    Bilans wydaje się jasny: choć trenowanie modeli AI zużywa mnóstwo energii, to inteligencja, którą dzięki temu zyskujemy, jest niezbędna, byśmy w ogóle mogli marzyć o czystej i stabilnej energetyce przyszłości.

    Apple inwestuje w czystą energię w Polsce i całej Europie

    #artykuł #ekologia #energetyka #inżynieriaMateriałowa #MIT #OZE #predictiveMaintenance #smartGrid #sztucznaInteligencja #transformacjaEnergetyczna