近日，制冷与低温工程研究所晋欣桥、杜志敏课题组在Cell Press旗下Cell Reports Physical Science上发表题为“Next-generation generalist energy artificial intelligence for navigating smart energy”的论文，构建了下一代能源系统通用人工智能的前瞻性框架，旨在利用灵活多模态信息解决能源系统的多模态任务，通过结合能源领域知识提升可解释性，并基于人在环交互持续强化，建立一个面向未来能源变革的可信、安全、智能的通用能源人工智能应用新范式。博士后朱旭和博士生陈思良为论文共同第一作者，杜志敏副教授为本文通讯作者。

全球碳达峰、碳中和目标的提出为能源领域带来了机遇和挑战，人工智能可挖掘大量能源数据中有价值的信息实现节能降碳，广泛应用于各类能源系统中，增强了智能化设计、运营和维护能力。然而，当前能源人工智能模型多针对特定任务设计，例如光伏预测、储能热失控诊断、能源优化控制等，仅能针对单一任务给出决策，无法灵活指定任务。此外，当前AI方法使用的模态单一，无法整合和充分利用时序、图像、文本和语音信息，充分挖掘多任务间模态的关联信息，同时缺乏人类监督机制，以及领域知识的强化、自学习和可解释性等方面的考虑。未来能源系统将存在物理结构复杂和能源任务多样的特点，下一代的能源领域人工智能将面临着多模态、灵活性和通用性的挑战。

本文提出了一种面向未来能源变革的可信、安全、智能的能源系统通用人工智能（Artificial General Intelligence for Energy, AGIE）应用新范式，旨在构建一个通用的能源人工智能技术架构。AGIE能够主动适应多模态信息并可灵活适配任务，涵盖电力负荷时间数据、设备图像和专家语音信息等，任务可根据用户需求任意指定。通用能源人工智能支持人员在环学习机制，促进人机互动的认知主动学习，保证人工智能与人类价值观一致，协同适配各种能源场景。AGIE从数据、网络和学习机制等多层面融合能源领域机理，具有可解释性，这一特性使其能够运用能源领域的特定知识推理未知的任务，做出可信的能源智能决策。

本文提出的AGIE可以提升能源系统的智能性、安全性和可信性，为未来智慧能源带来新的发展机遇。通用能源人工智能未来同样面临诸多挑战，涉及多学科交叉，数据获取和模型验证难度较大。能源数据可能涉及用户隐私，需建立保护机制。社会偏见问题和安全性值得关注，模型应具备自动适应不同地区用户偏好的能力，同时内部算法缺陷或外部恶意攻击可能产生不可靠的能源决策，需建立安全监管机制。在软硬件方面，通用能源智能可能依赖于芯片、网络和智能终端等技术的发展，以支持其复杂的学习计算和人机交互。通过应对数据、隐私、社会偏见、环境影响、安全性和软硬件等挑战，能源系统通用人工智能的实现有助于优化全球能源资源配置，加速全球低碳、可持续发展转型，为应对气候变化和全球能源危机提供新的解决方案和基础研究支持。

晋欣桥、杜志敏研究团队致力于解决建筑能源领域与人工智能交叉的科学问题和关键技术，旨在通过能源与AI的交叉结合实现建筑能源系统故障预测、节能减碳及其全周期智能运维，推动建筑能源人工智能取得进步和应用。团队近年来在Applied Energy、Energy Conversion and Management、Energy等期刊发表能源AI研究论文多篇，智能化研究成果已在建筑空调、数据中心能源、储能热管理、源网荷储等方面进行了应用。

论文链接：https://www.sciencedirect.com/science/article/pii/S266638642400482X