雙碳實現路徑與

能源結構數字化轉型碳達峰與碳中和：控制溫室氣體排放碳達峰是指二氧化碳排放量達到歷史最高值，然后經歷平臺期進入持續下降的過程，是二氧化碳排放量由增轉降的歷史拐點，標志著碳排放與經濟發展實現脫鉤，達峰目標包括達峰年份和峰值。碳中和是指某個地區在一定時間內（一般指一年）人為活動直接和間接排放的二氧化碳，與其通過植樹造林等吸收的二氧化碳相互抵消，實現二氧化碳“凈零排放”。全球氣候變暖：頻繁出現極端氣候現象2018年8月2日，荷蘭洛比特，高溫下的萊茵河2021年12月10日夜間美國中部6個州遭遇至少30場龍卷風襲擊2018年北極圈個別地點出現32度高溫2021年7月，河南省鄭州市連遭暴雨襲擊全球氣候變暖：極地冰川融化 海平面上升浙江省海洋科學院、自然資源部第二海洋研究所的研究表明：

20世紀60年代至今，浙江平均海平面上升了158毫米，近十年平均海平面比21世紀第一個十年上升了52毫米，上升速率明顯加快。北大西洋暖流對西歐北歐生存環境的影響北大西洋暖流對西歐北歐生存環境的影響北大西洋暖流是大西洋北部勢力最強的暖流，是墨西哥灣暖流的延續。每年向西歐與北歐每公里海岸輸送相當于燃燒6000萬噸煤釋放的熱量，使沿岸形成了典型的海洋性氣候，1月份平均氣溫比同緯度亞洲與北美洲的東海岸高出15～20℃。使北歐盛長混交林及針葉林，巴倫支海西南部終年不封凍。摩爾曼斯克港全球氣候變暖已經引起北大西洋暖流的變化溫鹽環流：隨北大西洋暖流向寒冷的高緯度地區前進，熱量不斷釋放，海水不斷蒸發，海水結冰導致鹽分留在水中，從而使得表層洋流的水溫下降、鹽度增加、密度變大。于是海水下沉，沿著大西洋底部進入南大洋。全球氣候變暖已經引起北大西洋暖流的變化2018年，研究人員研究了大西洋經向翻轉環流（AMOC），作為北大西洋環流的一個分支，它將溫暖的地表水帶向北極，并且將寒冷的水從海底輸送回赤道。研究發現：在全球變暖的情況下，大西洋經向翻轉環流（AMOC）可能減弱甚至是崩潰。北大西洋暖流減弱主要有兩方面的原因：北極冰川融化與西風勢力減弱。北極附近冰川融化，導致大量淡水融入北大西洋，淡水密度小于海水，很難沉入下部水底。導致北大西洋暖流的補償流減弱，洋流循環體系由此變慢。副極地與副熱帶地區的溫度差變小，副高與副極地低氣壓之間的氣壓差減小，氣壓梯度力的減小導致西風勢力減弱，進而引起北大西洋暖流減弱。20181992年通過的《聯合國氣候變化框架公約》《聯合國氣候變化框架公約》于1992年5月9日通過，1994年3月21日生效，其核心內容是：確立應對氣候變化的最終目標：將大氣溫室氣體的濃度穩定在防止氣候系統受到危險的人為干擾的水平上。這一水平應當在足以使生態系統能夠可持續進行的時間范圍內實現”。確立國際合作應對氣候變化的基本原則，主要包括“共同但有區別的責任”原則、公平原則、各自能力原則和可持續發展原則等。承認發展中國家的人均排放仍相對較低，因此在全球排放中所占的份額將增加，經濟和社會發展以及消除貧困是發展中國家首要和壓倒一切的優先任務。《公約》附件一國家（發達國家和經濟轉型國家）應率先減排。附件二國家（發達國家）應向發展中國家提供資金和技術，幫助發展中國家應對氣候變化。《聯合國氣候變化框架公約》附件一、二附件一國家：澳大利亞、歐洲共同體、奧地利、愛沙尼亞、白俄羅斯、芬蘭比利時、法國、保加利亞、德國、加拿大、希臘、捷克斯洛伐克、匈牙利、丹麥、冰島、愛爾蘭、羅馬尼亞、意大利、俄羅斯聯邦、日本、西班牙、拉脫維亞、瑞典、立陶宛、瑞士、盧森堡、土耳其、荷蘭、烏克蘭、新西蘭、大不列顛及北愛爾蘭聯合王國、挪威、美利堅合眾國、波蘭、葡萄牙。附件二國家：澳大利亞、日本、奧地利、盧森堡、比利時、荷蘭、加拿大、新西蘭、丹麥、挪威、歐洲共同體、葡萄牙、芬蘭、西班牙、法國、瑞典、德國、瑞士、希臘、土耳其、冰島、大不列顛及北愛爾蘭聯合王國、愛爾蘭、美利堅合眾國、意大利。1997年的《京都議定書》及此后的修正案1997年通過《京都議定書》，于2005年2月16日生效。2012年通過包含部分發達國家第二承諾期量化減限排指標的《多哈修正案》，于2013年1月1日起實施，至2020年12月31日結束。附件一國家整體在2008年至2012年間應將其年均溫室氣體排放總量在1990年基礎上至少減少5%。歐盟27個成員國、澳大利亞、挪威、瑞士、烏克蘭等37個發達國家締約方和一個國家集團（歐盟）參加了第二承諾期，整體在2013年至2020年內將溫室氣體的全部排放量從1990年水平至少減少18%。減排多種溫室氣體：二氧化碳（CO2）、甲烷（CH4）、氧化亞氮（N2O）、氫氟碳化物（HFCs）、全氟化碳（PFCs）和六氟化硫（SF6）。《多哈修正案》將三氟化氮（NF3）納入管控范圍。發達國家可采取“排放貿易”“共同履行”“清潔發展機制

”三種“靈活履約機制”作為完成減排義務的補充手段。1930—2017年：五國人均碳排放變化趨勢2019年：人均碳排放與人均累計碳排放2015年通過的《巴黎協定》2015年氣候變化巴黎大會最終達成《巴黎協定》，對2020年后應對氣候變化國際機制作出安排，標志著全球應對氣候變化進入新階段。2018年12月，《巴黎協定》締約方會議第3階段會議經艱苦談判，通過《巴黎協定》實施細則一攬子決議，就如何履行“國家自主貢獻”及其減緩、適應、資金、技術、透明度、遵約機制、全球盤點等實施細節作出具體安排，就履行協定相關義務分別制定細化導則、程序和時間表等，就市場機制等問題形成程序性決議。長期目標：2℃的全球溫升控制目標，同時提出要努力實現

1.5℃的目標，并且提出在本世紀下半葉實現溫室氣體人為排放與清除之間的平衡。2015年通過的《巴黎協定》國家自主貢獻：各國應制定其“國家自主貢獻”，新的貢獻應比上一次貢獻有所加強，并反映該國可實現的最大力度。每五年通報一次。減緩：要求發達國家繼續提出全經濟范圍絕對量減排目標，鼓勵發展中國家根據自身國情逐步向全經濟范圍絕對量減排或限排目標邁進。資金：明確發達國家要繼續向發展中國家提供資金支持，鼓勵其他國家在自愿基礎上出資。透明度：建立“強化”的透明度框架，重申遵循非侵入性、非懲罰性的原則，并為發展中國家提供靈活性。透明度的具體模式、程序和指南將由后續談判制訂。全球盤點：每五年進行定期盤點，推動各方不斷提高行動力度，并于2023年進行首次全球盤點。全球氣候變暖也會給一些國家帶來利益一定范圍內的地球升溫（1.5—2度），對不同地區的國家產生的影響是不同的。中國為什么要確定3060碳達峰碳中和目標？我們建立健全綠色低碳循環發展經濟體系，持續推動產業結構和能源結構調整，啟動全國碳市場交易，宣布不再新建境外煤電項目，加快構建“雙碳”政策體系，積極參與氣候變化國際談判，展現了負責任大國的擔當。實現“雙碳”目標，不是別人讓我們做，而是我們自己必須要做。碳達峰碳中和：中國的綠色發展戰略我國已進入新發展階段，推進“雙碳”工作是破解資源環境約束突出問題、實現可持續發展的迫切需要，是順應技術進步趨勢、推動經濟結構轉型升級的迫切需要，是滿足人民群眾日益增長的優美生態環境需求、促進人與自然和諧共生的迫切需要，是主動擔當大國責任、推動構建人類命運共同體的迫切需要。2013—2020全球碳排放總量變化趨勢2000-2019年，全球二氧化碳排放量增加了40%。2019年全球碳排放量達343.6億噸。2020年，受新冠疫情影響，世界各地區碳排放量普遍減少，全球碳排放量下降至322.8億噸，同比下降6.3%。全球與主要經濟體碳達峰狀況截至到2020年，全球已經有54個國家的碳排放實現達峰。排名前15位的碳排放國家中，美國、俄羅斯、日本、巴西、印度尼西亞、德國、加拿大、韓國、英國和法國已經實現碳排放達峰。全球與主要經濟體碳達峰狀況碳中和：尚無一個大的經濟體真正實現二十國集團（G20）經濟體的碳排放占全球總額的78%。有9個經濟體（法國、英國、中國、日本、韓國、南非、加拿大、阿根廷、墨西哥）提出了凈零排放目標。中國實現碳達峰、碳中和目標時間緊迫2019年中國生產和消費活動產生的二氧化碳達到100億噸，全球總量為331億噸，中國比重達到30%，仍保持年約1.5%左的增幅。美國年排放為48億噸，且美、歐、日碳排放都在下降。中國是發展中國家，減碳減排形勢嚴峻。西方發達國家工業化進程長達200余年，中國只有70年。西方國家200年實現碳達峰，中國2030年就要實現這一目標。中國從碳達峰到碳中和只有30年的時間，少于發達國家的40-50年的周期。從碳達峰到碳中和，美國從2007年到目標2050年間隔43年，歐盟間隔71年，而中國只有30年。中國實現碳達峰、碳中和目標極為艱難實現碳達峰、碳中和意味著經濟增長與碳排放“脫鉤”，例如美國在2007年就到達了經濟增長與碳排放降低的交叉點，而中國經濟增長與化石能源的使用還處于同步增長狀態，經濟不斷增長，能源需求也在不斷增加。發達國家已經進入后工業化時代，城市化已經完成，碳排放主要由消費型社會驅動；包括中國在內的發展中國家尚處在經濟發展的存量積累階段，主要是生產投資和基礎設施投入帶動的碳排放。中國實現“雙碳”目標跟中國仍是發展中國家的經濟發展狀況緊密聯系在一起。中國許多于位于產業鏈低端、資源型高耗能的產業目前還占優勢。因此在工業發展的爬坡階段，進行轉型無異于“脫胎換骨”。經濟增長與化石能源使用處于同步增長狀態數據來源：世界銀行（WB），國際能源署（IEA），中國碳核算數據庫（CEAD），郝永達等（2021）單位：億噸能源稟賦結構與產業發展現狀帶來的挑戰中國的資源稟賦的特點是“多煤、少油、缺氣”，能源結構仍以煤為主，占比58%，中國的資源稟賦與能源供給存在固有的矛盾，天然氣與石油的對外依存度較高，用新能源替代化石能源的困難要比其他國家艱巨得多。當前我國發展不平衡不充分問題仍然突出，能源結構以煤為主，替代難度大；非化石能源發展面臨多重制約，產業高耗能、高排放、低能效問題并存；綠色低碳技術創新能力亟需加強、基礎工作薄弱等問題依然嚴峻。中國作為發展中國家，力爭2030“碳達峰”，2060年“碳中和”，任務艱巨，必將走一條與西方國家不同的發展道路。產業結構調整提升能源利用效率能源結構調整增加生態碳匯倡導低碳生活方式低碳技術研發推廣多措并舉：從六個方面推動碳達峰碳中和關鍵領域：中國碳排放量最高的四大行業2017年，中國碳排放量最高的四大行業為電力蒸汽熱水生產供應業（48%），黑色金屬冶煉及壓延加工業（14%），非金屬礦物制品業（10%），交通運輸、倉儲及郵電通信業（7%）。能源結構調整：資源稟賦局限下的艱巨使命根據國際能源署（IEA）化石燃燒的CO2排放數據，2018年我國燃燒煤炭、石油、天然氣產生的碳排放占比分別為80%、14%和6%，煤炭燃燒是最主要的排放源。2017年中國能源消費結構2020年中國能源消費結構雖然我國的風電、光伏發電處于世界領先地位，但在電力生產中的占比仍然較低，預計近未來只能達到約20%。中國的資源稟賦與能源供給之間的矛盾，導致用清潔能源替代化石能源的比很多國家更為艱難。技術創新：實現碳達峰碳中和目標的關鍵創新是把一種以前從未有過的關于生產要素和生產條件的

“新組合”引進生產體系中去。經濟分為“增長”與“發展”，由人口和資本的增長所導致的經濟增長，并不能稱作經濟發展。只有創新帶來的增長才是發展，企業家的職能就是實現創新。利用新興信息技術推進產業優化升級要緊緊抓住新一輪科技革命和產業變革的機遇，推動互聯網、大數據、人工智能、第五代移動通信（5G）等新興技術與綠色低碳產業深度融合，建設綠色制造體系和服務體系，提高綠色低碳產業在經濟總量中的比重。要嚴把新上項目的碳排放關，堅決遏制高耗能、高排放、低水平項目盲目發展。要下大氣力推動鋼鐵、有色、石化、化工、建材等傳統產業優化升級，加快工業領域低碳工藝革新和數字化轉型。信息傳輸（5G）組分連接信息生成信息采集信息集成分析處理信息存儲互聯網、移動互聯網、物聯網遙感衛星、各種數字設備……大數據

專業數據庫地理信息系統分布式存儲云存儲

區塊鏈算力：云計算算法：人工智能大云物移智鏈：信息技術與創新驅動發展國家電網行動方案：加快電網向能源互聯網升級，加強“大云物移智鏈”等技術在能源電力領域的融合創新和應用。什么是“數據”（

Data

）？牛津詞典1、[U，

pl.]事實或信息，尤指當被檢查和用來發現事物或作出決策時（facts

or

information，

especially

when

examined

and

used

tofind

out

things

or

to

make

decisions.）2、[U]儲存于計算機中的信息（information

that

is

stored

by

acomputer.）柯林斯詞典1、尤指可用于分析的、以事實或統計的形式存在的信息資料（You

can

refer

to

information

as

data，

especially

when

it

is

in

the

formof

facts

or

statistics

that

you

can

analyse.）2、可存儲于計算機中并為程序所用的信息（Data

is

informationthat

can

be

stored

and

used

by

a

computer

program.）“數據”通常漢語詞義與“Data”的區別漢語詞義1、進行各種統計、計算、科學研究或技術設計等所依據的數值。2、電子計算機加工處理的對象。現代計算機能加工處理的對象包括數字、文字、字母、符號、文件、圖像等。千字節(KB)

1KB=1024B兆字節(MB)

1MB=1024KB吉字節(GB)

1GB=1024MB太字節(TB)

1TB=1024GB拍字節(PB)

1PB=1024TB艾字節(EB)

1EB=1024PB澤字節(ZB)

1ZB=1024EB堯字節(YB)

1YB=1024ZB嚴格意義上，體量達10TB

以上才稱為大數據大數據的特征：數據體量巨大大數據從何而來：世紀之交的“大數據問題”1997年美國宇航局研究員邁克爾·考克斯和大衛·埃爾斯沃斯發文提出“大數據問題”：當數據集相當大的時候，會耗盡主存儲器、本地磁盤甚至是遠程磁盤的存儲容量，這對計算機系統是一種挑戰。2001年，高德納公司的分析師道格·萊尼(Doug

Laney)在分析當時的計算機數據發展現狀與趨勢時，總結出“3V”特征：數據體量越來越大（Volume）、數據格式類型越來越多樣化（Variety）、數據增漲速度越來越快（Velocity）。傳統的軟硬件技術越來越難以勝任存儲、計算等任務，必須尋找新的解決辦法。自1995年至今 互聯網在全球范圍快速普及物聯網：連接物—物 人—物 人—人物聯網：通過射頻識別（RFID）、紅外感應器、全球定位系統、激光掃描器等信息傳感設備，按約定的協議把物品與互聯網相連接，進行信息交換和通信，以實現對物品的智能化識別、定位、跟蹤、監控和管理的網絡。物聯網：互聯網攜手先進傳感技術進一步延伸關鍵傳感技術：無線射頻識別（RFID）利用射頻信號通過空間耦合（交變磁場或電磁場）實現無接觸信息傳遞。最突出的優勢是標簽內部可存儲唯一性的電子編碼。RFID的特點：可讀寫、數據存儲量大、數據可加密、讀取速度快、穿透性強、識別距離遠、防水、防磁。RFID與互聯網、IPV6、無線通信技術的結合，可實現人與人、物與物、人與物的泛在連接。無線射頻識別（

RFID

）技術應用案例物聯網的層次與架構：感知—連通—應用物聯網的廣泛滲透：萬物互聯時代正在到來從挑戰到價值：對網絡數據認識的深入2011年，美國IDC公司在一份報告中正式提出“大數據價值”觀念，認為Value（價值）也是大數據的特征，將道格·萊尼的“3V”增加為“4V”。Value特征的含義，最初是說大數據有巨大價值（如經濟效益、科研素材、治理參考）；后來又被解釋為“價值稀疏”，即相對于特定的應用而言，海量數據中只有很小一部分是有用的，因而“價值密度很低”；最后，Value特征被綜合為“價值巨大但價值密度低”，并自此獲得普遍接受。互聯網/移動互聯網/物聯網無時不刻地生成、采集物理世界、人類社會的信息，如果能夠有效利用這些信息將給人類的生產、生活等帶來巨大的改變。數據挖掘——基于大規模數據的知識發現來源廣泛、特征多樣、數據類型和模式結構復雜分布式計算：用計算機集群進行大規模計算分布式計算：將一個需要非常巨大的計算能力才能解決的問題分成許多小的部分，并分配給許多計算機進行處理，然后把所有的計算結果綜合起來得到最終的結果。云計算：基于互聯網的大規模分布式計算云計算平臺：為用戶提供彈性計算資源軟件即服務（Software-as-a-Service，

SaaS）：通過互聯網向用戶提供軟件租用服務。平臺即服務（Platform-as-a-Service，

PaaS

）：將軟件研發的平臺作為一種服務提交給用戶。基礎設施即服務（Infrastructure-as-a-Service，

IaaS）：為用戶提供處理能力、存儲能力、網絡和其它基本計算資源，客戶可以使用這些資源部署或運行他們的軟件，如操作系統

或應用程序。云計算發展初期的幾個典型應用存儲云：又稱云存儲，是以數據存儲和管理為核心的云計算系統。用戶可以將本地的資源上傳至云端上，可以在任何地方連入互聯網來獲取云上的資源。醫療云：使用云計算來創建醫療健康服務云平臺，以實現了醫療資源的共享和醫療范圍的擴大。預約掛號、電子病歷、醫保等等都是云計算與醫療領域結合的產物。金融云：將信息、金融和服務等功能部署到由龐大分支機構構成的網絡中，為銀行、保險和基金等金融機構提供互聯網處理和運行服務，同時共享資源，從而解決現有問題并且達到高效、低成本的目標。教育云：將所需要的教育硬件資源虛擬化，然后將其傳入互聯網中，以向教育機構和學生老師提供一個方便快捷的平臺。互聯網 移動互聯網 物聯網 大數據 云計算算法問題——計算機如何處理非結構化數據結構化數據：能夠用統一的結構加以表達的數據。非結構化數據：不能用統一的結構加以表達的數據，如視頻、音頻、圖片、文本。半結構化數據：如電子郵件、HTML、資源庫。三大網絡上生成、采集的數據有80%—95%是非結構化的。研究模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的新技術科學。該領域的研究包括專家系統、機器人、自然語言處理、圖像識別等。非結構化數據處理的支撐技術——人工智能定義機器智能：1950年的圖靈測試艾倫·圖靈機器智能：如果一臺機器能夠通過電傳設備與人類進行對話，而不能被識別出其是機器，則稱這臺機器具有智能。圖靈預測：到2000年，人類應該可以用10GB的計算機設備，制造出可以在5分鐘的問答中騙過30%成年人的人工智能。人工智能的誕生：1956年的達特茅斯會議約翰·麥卡錫馬文·明斯基納撒尼爾·羅切斯特 克勞德·香農探討主題：如何用機器模擬人的智能？半個世紀后：2006年重聚達特茅斯學院從左至右：摩爾、麥卡錫、明斯基、賽弗里奇、所羅門諾夫半個世紀的努力 步履艱難而又充滿希望第一階段：創建機器大腦——不是人工智能而是人工愚蠢第二階段：第五代計算機——技術路線錯誤導致項目失敗第三階段：數據支持的機器學習——多個領域取得重大突破1997

年5月3日至5月11日，深藍在正常時限的比 中以2勝1負3平擊敗等級分排名世界第一的棋手加里·卡斯帕羅夫。1997年

IBM“深藍”戰勝國際象棋冠軍IBM公司的國際象棋電腦“深藍”重1270公斤32個微處理器計算速度2億步/秒輸入了100多年來優秀棋手的2百多萬對局可搜尋及估計12步棋在世界超級計算機中排名第259位IBM技術很成功商業策劃更成功卡斯帕羅夫：在第二場比賽中，有時可以從機器的弈法中看見深厚的智慧和創造力，這表明人類棋手在進行干預。IBM否認作弊，稱唯一的人為干預是開發者利用過在比賽之間修改程序的機會，承認曾經對比賽過程中發現的弱點進行處理。卡斯帕羅夫要求打印機器的日志文件，IBM當時拒絕了，后來在互聯網上發布了日志。卡斯帕羅夫要求重新比賽，但IBM拒絕并宣布“深藍”已經“退役”。事件后續：卡斯帕羅夫懷疑IBM

作弊蒙特卡洛樹搜索算法（Monte

Carlo

Tree

Search）蒙特卡洛樹搜索算法（Monte

Carlo

Tree

Search）蒙特卡羅樹搜索算法是對一類隨機算法的特性的概括，誕生于上個世紀40

年代美國的曼哈頓計劃。蒙特卡羅樹搜索算法是以概率和統計理論為基礎，將所求解的問題同一定的概率模型相聯系，用電子計算機實現統計模擬或抽樣，以獲得問題的近似解。根據部分條件確定最優解的大致范圍，并在此范圍內對所有可能的情況逐一驗證。莫里·坎貝爾：在國際象棋中，人類的下棋方式通常是基于模式識別和直覺，而機器則是通過密集檢索數百萬乃至數十億的可能性。兩種方法其實可以彼此互補。中國圍棋與蒙特卡洛樹搜索方法的局限性圍棋復雜度超過宇宙原子總數：圍棋棋盤共361個落子點，雙方交替落子，共有10171種可能性，而宇宙中的原子總數約為1080。要想讓計算機在圍棋上戰勝人類，必須尋找新的算法。機器學習是一門多領域交叉學科，從已知的知識（特征）出發，利用概率統計等數學方法來得到某種數學規律（模型），并利用所得規律來計算完成任務。機器學習需要大量的數據積累，以及大量的數據計算、處理，因此數據與算力是實現機器學習的基礎。機器學習（Artificial

Intelligence）訓練集學習算法模型目標對象輸出特征 模型學習過程與解決問題過程監督學習：利用一組已知類別的樣本調整分類器的參數，使其達到所要求性能的過程，是從標記的訓練數據來推斷一個功能的機器學習任務。例如，圖像識別即是先標注大量圖像，以之作為訓練集，讓計算機學習其中的規律，進而具備對新圖像的識別能力。無監督學習：根據類別未知或未被標記的訓練樣本解決模

式識別中的各種問題。例如，聚類算法可以讓計算機不同

實例的特征向量之間的相似性，以相似性的高低進行分組。機器學習：監督學習與無監督學習神經網絡算法：模擬人類視覺神經元結構神經元分為感覺（傳入）、運動（傳出）、聯絡（中間）三類。其中聯絡（中間）神經元數量最多，分布在腦和脊髓等中樞神經內，排列方式復雜，有輻散式、聚合式、鏈鎖狀、環狀等。中間神經元接受其他神經元傳來的神經沖動，然后再將沖動傳遞到另一神經元。復雜的反射活動是由傳入、中間、傳出神經元互相借突觸連接而成的神經元鏈。1986年Rumelhart和McClelland為首的科學家提出的一種按照誤差逆向傳播算法訓練的多層前饋神經網絡。誤差逆向傳播神經網絡(Back

Propagation)

BP算法的基本思想是梯度下降法，利用梯度搜索技術，以期使網絡的實際輸出值和期望輸出值的誤差均方差為最小。BP算法包括信號的正向傳播和誤差的反向傳播兩個過程。正向傳播：輸入信號通過隱含層作用于輸出節點，經過非線性變換，產生輸出信號，若實際輸出與期望輸出不相符，則轉入誤差的反向傳播過程。誤差反傳：將輸出誤差通過隱含層向輸入層逐層反傳，并將誤差分攤給各層所有單元，以從各層獲得的誤差信號作為調整各單元權值的依據。通過調整輸入節點與隱層節點的聯接強度和隱層節點與輸出節點的聯接強度以及閾值，使誤差沿梯度方向下降，經過反復學習訓練，確定與最小誤差相對應的網絡參數(權值和閾值)。BP算法：信號正向傳播 誤差反向傳遞19年后AlphaGo挑戰頂級圍棋選手AlphaGo的神經網絡通過12個處理層傳遞對棋盤的描述，處理層則包含大量類似于神經元的連接點。AlphaGo：深度神經網絡算法AlphaGo：深度神經網絡嵌入蒙特卡洛樹搜索在巨人的肩膀上不斷試錯。描摹三千萬步精英的下法，利用統計方法總結規律，然后通過變化下法，探索新的策略。自“深藍”以來，盡管我們進行了很多努力，但距離目標依然很遙遠。你必須思考一下：為何我們現在還沒有這些東西？為何我們還沒有能夠自動清理房屋的機器人？原因是，每個房屋的布局、家居等各不相同。即使在你自己的房子中，其每天的狀態也絕不一樣，有時候會顯得混亂不堪，有時候則十分整潔。因此你沒法對機器人進行預編程，以方便其幫你整理房間。此外還需要考慮到你的個人喜好，比如你喜歡如何疊衣服等。實際上這是一個非常復雜的問題，人類做這些事很容易，但機器人處理卻非常復雜。距離人腦水平的人工智能仍然相當遙遠，可能還需要幾十年。哈薩比斯：人腦水平的人工智能仍然相當遙遠機器翻譯的差距：基于統計而非基于理解機器翻譯的差距：基于統計而非基于理解機器翻譯的差距：基于統計而非基于理解機器翻譯的差距：基于統計而非基于理解基于大規模數據的機器學習方法的優勢與局限基于大規模數據的機器學習方法，還不能使計算機真的像人一樣理解、思考，它擅長從大規模數據中發現統計方法所能發現的普遍規律和統計方法能夠尋找到的最優對策，其實現必須具備兩個前提條件：1、必須具備大規模（優質或混雜）的數據庫，對“深藍”和“AlphaGo”來說，是大量的高手對弈的棋譜；對機器翻譯來說，是龐大的雙語語料庫。2、恒定不變或相對穩定的規則，對“深藍”和“AlphaGo”來說是國際象棋、中國圍棋的千年不變的行棋規則；對于機器翻譯來說，是變化極為微小的語義與語法規則。2014年6月8日，聊天機器人尤金·古斯特曼成功讓人類相信它是一個13歲的男孩，成為首次通過圖靈測試的計算機程序。語音識別/圖像識別/工業機器人/診療助理5G：第五代移動通信技術第五代移動通信技術（5th

generation

mobile

networks）：2G（GSM）

、3G（UMTS、LTE）和4G（LTE-A、WiMax）系統之后的延伸，是最新一代蜂窩移動通信技術。5G的目標是高數據速率、減少延遲、節省能源、降低成本、提高系統容量和大規模設備連接。蜂窩網絡：實現全面覆蓋與頻率復用蜂窩網絡（Cellular

network）：由于構成網絡覆蓋的各通信基地臺的信號覆蓋呈六邊形，從而使整個網絡像一個蜂窩。蜂窩網絡的組成：蜂窩網絡主要由三部分組成：移動站、基站子系統、網絡子系統。從1G到5G：移動通信技術的發展歷程技術與標準的激烈競爭：中國從無到領先1G：模擬移動通信技術，1939年由美國AT&T提出，70時代實現商用，人類進入移動通信時代。2G：從模擬技術到數字技術，1991年愛立信與諾基亞搭建第一個數字全球通信系統（GSM網絡）。3G：美國的CDMAEVDO，歐洲的WCDMA，中國在最后一天向國際電信電信聯盟提交TD-SCDMA。歐洲占據優勢，美國“聯中抗歐”，最終形成三足鼎立之勢。4G：美國的WiMax，歐洲的FDD-LTE，中國的TD-LTE。

4G時代迎來了數據的全面爆發。5G：中國的華為搶占了先機，有望引領智能互聯網時代。新一代信息技術驅動數字化、綠色化創新對人類生產、生活各方面的原有模式進行重新審視，充分認識互聯網、移動互聯網、物聯網、大數據、云計算、人工智能、區塊鏈等新技術、新方法、新工具，將其創造性地運用于經濟社會各領域，形成經濟社會發展的新形態。新一輪信息通信技術革命的版圖技術創新驅動：從智能電網到智慧電網2010年3月，“加強智能電網建設”被寫入當年的《政府工作報告》，上升為國家戰略。國家電網公司運營著世界上規模最大、條件最復雜的電網，關系著國家的經濟命脈和能源安全。能源稟賦和電力增長需求，決定了電網難以再依賴傳統技術、以簡單規模擴張的方式發展。此外，我國環境保護和能源轉型戰略，需要智能電網推動能源結構轉變、促進節能減排、實現可持續發展。智能電網突破了傳統電網概念，需要實現新能源、信息通信、電力電子等多種先進技術的交叉融合，技術復雜且集成難度大。技術創新驅動：從智能電網到智慧電網自愈：對電網運行狀態進行連續的在線自我評估，并采

取預防性控制手段及時發現、快速診斷并消除故障隱患；當發生故障時，在沒有或有少量人工干預下，能快速隔

離故障，自我恢復。互動：電力系統運行與批發、零售電力市場實現無縫銜接，支持電力市場交易的有效開展，實現資源的優化配置；同時通過市場交易更好地激勵電力市場主體參與電網安全管理，從而提升電力系統的安全運行水平。實現與客戶的智能互動，以最佳的電能質量和供電可靠性滿足客戶需求。技術創新驅動：從智能電網到智慧電網堅強：保證電網安全，要能夠抵御物理和信息兩類攻擊。整個電網系統應確保一定的集成和平衡，必須具有組織、探測、響應、和自動恢復人為破壞的能力。兼容：智能電網能夠兼容大的、集中的大電廠，還能兼容不斷增加的分布式能源和儲能系統，支持多種低碳能源。優質電能供應：將多種高級技術和先進設備適用于每一個層次的電力生產和輸送環節上，為用戶提供優質的電能和不同電壓等級、不同時段的實時電價。儲能技術：新能源發展的重要組成部分水電、風電、光伏發電等都存在電力生產不穩定的特點，因此必須大力發展儲能技術。抽水蓄能電站利用電力負荷低谷時的電能抽水至上水庫，在電力負荷高峰期再放水至下水庫發電的水電站。又稱蓄能式水電站。抽水蓄能電站可將電網負荷低時的多余電能，轉變為電網高峰時期的高