[첨단 헬로티] 심층 학습(딥 러닝)에 의한 인공지능 기술의 발달은 실제 정보처리에 큰 발전을 가져왔다. 이것은 다단의 뉴럴 네트워크에 의해 인간 설계자가 규칙으로 설명할 수 없는 연속적인 정보처리를 계층적 패턴 처리의 출현에 의해 실현한다. 차례차례로 만들어지는 성과 중에서 ‘이대로 인간 수준의 지능이 실현된다’, ‘싱귤래리티가 온다’ 등과 같이 피상적인 논의가 이루어지는 경우도 있지만, 이것은 아니다. 또한, 반대로 ‘심층 학습은 많은 데이터가 필요하기 때문에 안돼’, ‘나는 심층 학습으로 이것저것 무턱대고 하는 것에는 반대다’ 등의 주장을 하는 연구자도 있지만, 이것도 아니다. 심층 학습은 다단으로 반복해 쌓은 심플한 비선형 처리의 각 처리 단계의 동시 최적화에 의해 적절한 실제 패턴 처리를 하는 것으로, 그 수학적 일반성은 매우 높다. 그러나 거기서 주된 문제가 되는 것은 실제 패턴의 정보처리이며, 기본적으로는 함수에 의한 정보처리를 지능의 요소라고 파악해 모델화하는 센트럴 도그마 상의 성공이다. 이 성공을 신중하게 파악해 발전시키고, 배우고, 미래 사회에서 인간과
[첨단 헬로티] 사회 전반의 중요한 인프라 기능을 지속적으로 담당하고 있는 전력 시스템은 운용 개시 후의 설비 구성을 드라스틱하게 변경하는 것이 기본적으로 어렵다. 그렇기 때문에 구상·기본 설계의 단계에서부터 도시 건설과 일체적으로 설비 사양 및 운영 방식의 검토를 꼼꼼히 추진하는 것이 요구되며, 장기 안정적인 도시 에너지 운용을 실현하기 위해 설비 사양 및 운용 방법의 효용을 정량적으로 평가하면서 검토를 진행할 필요가 있다. 한편 ‘초스마트’를 주장하는 저탄소 사회를 지속적으로 실현하기 위해 태양광 발전(PV) 등의 재생 가능 에너지를 주축으로 하는 에너지 공급 지향이 세계적으로 확대되고 있으며, 또한 전기자동차(EV)로 대표되는 교통 시스템 등 도시 규모로 에너지 엔드 유스의 전화 경향도 급격하게 추진하고 있다. 이렇게 전원이 가지는 기상 유래의 변동성이 전압 등의 전력 품질에 미치는 임팩트와 에너지 이용 경향의 동적 변화가 우려되는 가운데, 전력 인프라의 고도 운영이나 에너지 저장 설비의 충방전도 포함한 에너지 이용의 효과적인 능동화를 실현하는 에너지 매니지먼트 시스템(EMS) 기술이 큰 역할을 달성하기를 기대하고 있다
[첨단 헬로티] 초스마트 사회 실현을 위해서는 대규모 도시 시스템의 이종·이구조 계층적 사이버 피지컬 시스템(Cyber Phy-sical System : CPS)으로서 모델링과 제어·최적화가 중요하다는 것은 말할 필요도 없지만, 이에 더해 에너지 관리, 인프라 제어, 주민의 의사결정과 반영법을 모두 다룰 필요가 있다. 지금까지는 각각의 사회 인프라 시스템이 독립적으로 관리·제어되어 왔기 때문에 수직적인 시스템의 최적화만 이루어지고, 사회 전체의 효용이나 주민의 이익이 충분히 고려되지 않았다. 지구적 관점에서 온난화·에너지 문제를 해결하면서 대규모로 복잡화되는 도시 기능을 건전하게 발전시키기 위해서는 이종·이구조의 사회 인프라 시스템을 수평방향으로 연결시켜 구조적으로 다루는 시스템을 만드는 것이 중요하다. 전력 네트워크는 도시 인프라의 근간을 이루는 대규모 복잡 계층형 시스템이라고 할 수 있다. 에너지 문제나 지구 온난화가 세계적으로 긴급한 과제가 되고 있으며, 에너지 절감, 코스트 절감의 관점에서 세계적으로 태양광 발전이나 풍력 발전 등의 분산형 전원이 대량으로 전력계통에 연계되고 있다. 그러나