Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem is tracked as a internet infrastructure institution within the internet infrastructure ecosystem.
Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem has public-source relevance to network operations, governance, dependency mapping, or market structure.
Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem has public-source relevance to network operations, governance, dependency mapping, or market structure.
Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem is tracked as a internet infrastructure institution within the internet infrastructure ecosystem.
Public-source signals support medium-impact monitoring for infrastructure visibility and dependency analysis.
Public-source signals support medium-impact monitoring for infrastructure visibility and dependency analysis.
| 0.90–1.00 | A | High — direct sources |
| 0.75–0.89 | A/B | Strong |
| 0.55–0.74 | B/C | Medium |
| 0.35–0.54 | C/D | Weak–medium |
| 0.10–0.34 | D | Weak signal |
| 0.00–0.09 | D | Internal monitoring |
Varias fuentes públicas
- El problema de optimización multiobjetivo es un tema candente en el campo de la optimización, que se refiere a la optimización simultánea de múltiples objetivos conflictivos.
- El enfoque popular para escalar el procesamiento de datos es usar procesamiento paralelo para distribuir los cálculos entre múltiples procesadores.
Los algoritmos evolutivos (EA) han sido una herramienta de optimización popular durante décadas, mostrando un rendimiento prometedor en la solución de varios problemas de optimización de referencia. Sin embargo, usar EA en problemas con más de 100 variables de decisión (problemas de optimización a gran escala) sigue siendo un desafío debido a la “maldición de la dimensionalidad“, especialmente para aquellos LSOPs en aplicaciones del mundo real.
Introducción del Dr. Cheng He
El Dr. Cheng He es profesor en la Universidad de Ciencia y Tecnología de Huazhong, una de las principales universidades de China. Sus intereses de investigación son la inteligencia artificial/computacional y sus aplicaciones, y ha publicado más de 40 artículos SCI. Es Senior Fellow del IEEE y Editor Asociado de Complex and Intelligent Systems. Es miembro del consejo de PloS One y Electronics, y Presidente del Grupo de Trabajo de Inteligencia del IEEE CIS. El tema de investigación de Cheng He es la Inteligencia Computacional y su Aplicación en la Red Eléctrica. Ver también: Ziggo Group nombra a sus líderes antes de su salida a bolsa en Ámsterdam en 2027.
Lea también: Discusión moral y ética sobre la inteligencia artificial
Lea también: ¿Puede la inteligencia artificial alcanzar la conciencia?
P: En el algoritmo, ¿qué es la optimización multiobjetivo?
Es un problema interesante. El problema de optimización multiobjetivo es un tema en el campo de la optimización; significa optimizar múltiples objetivos conflictivos simultáneamente. Tomemos un ejemplo: al diseñar un automóvil, quieres que sea seguro, barato pero también con muy buen rendimiento. ¿Pero es posible? Generalmente no es imposible, porque necesitas equilibrar entre el precio, la seguridad y el rendimiento. Así que la optimización multiobjetivo trata de encontrar el mejor equilibrio entre estos tres objetivos conflictivos; eso es la optimización multiobjetivo. Ver también: Alejandro Estua.
P: También mencionaste la optimización a gran escala en tu presentación. ¿Qué es?
La optimización a gran escala es un problema desafiante en el campo de la optimización. Tomemos un ejemplo: si queremos diseñar un producto, generalmente solo tenemos unas pocas variables de decisión como altura, peso y algunas otras variables de diseño. Pero considera un problema que incluye cientos, o incluso miles o miles de millones de variables de decisión; eso es un espacio de búsqueda enorme. Resolver este problema llevaría mucho tiempo y a menudo es imposible. Eso es la optimización a gran escala. Es un problema desafiante en el campo de la optimización. Ver también: Alejandro Manzo.
P: En la optimización a gran escala, desde miles a millones o incluso miles de millones de variables. ¿Qué podemos hacer?
El enfoque popular actual es usar procesamiento paralelo para distribuir el cálculo entre múltiples procesadores o máquinas. Además, la implementación de marcos de computación distribuida, como Apache Hadoop o Apache Spark, puede manejar grandes conjuntos de datos distribuyendo datos y procesamiento a través de clústeres de computadoras. Técnicas como el análisis de componentes principales (PCA) pueden reducir el número de variables en un conjunto de datos conservando la mayor parte de la variación en los datos. Al mismo tiempo, podemos construir modelos para reducir la complejidad del modelo mediante la poda de las partes que no son necesarias, como las neuronas en una red neuronal. Ver también: Alejandro Hernandez.
P: Recomendaste el modelo LSMOF en tu informe. ¿Cómo ayuda a resolver problemas prácticos?
El algoritmo LSMOF es un algoritmo diseñado para acelerar el proceso de optimización del problema de optimización multiobjetivo a gran escala y, de hecho, su principal contribución es intentar acelerar el problema de optimización; como dijimos, si se usa un algoritmo para optimizar un problema que lleva, digamos, horas o días, al usar este componente se puede acelerar a unos pocos minutos. Por lo tanto, en aplicaciones del mundo real, puedes usar mi algoritmo, el componente LSMOF, como un buen método de aproximación óptima local que puede acelerar el proceso de diseño. Ver también: Alejandro Garza.
P: Otra cosa que realmente me interesa es TREE. ¿Qué esfuerzos has hecho en su investigación?
Utilizamos la tecnología TREE en nuestra colaboración en línea sobre transformadores de voltaje en China, donde implementamos este método en 29 provincias para monitorear más de 20,000 transformadores de voltaje, y se ha documentado como una de las formas más efectivas de monitorear este equipo, garantizando la seguridad de la red. Ver también: Alejandro Guerrero.
Cheng He, profesor de la Universidad de Ciencia y Tecnología de Huazhong
Es una pregunta interesante. El problema TREE es un problema de aplicación del mundo real, que es la estimación del error de relación de los transformadores de voltaje. Entonces, digamos que el transformador de voltaje es un dispositivo fundamental pero crucial en la red eléctrica; mide el voltaje de la red para control y garantía de seguridad y muchas cosas que son muy importantes. Por lo tanto, necesitamos monitorear su estado de salud, pero convencionalmente necesitamos usar seres humanos para hacer la calibración manual de este dispositivo, lo que significa que es necesario cortar la energía, lo cual es peligroso y costoso. Ver también: Alec Gramont.
Pero si transferimos ese problema a un problema de optimización, significa que solo necesitas usar una computadora para hacer algunos cálculos y obtener el estado de salud del dispositivo, lo que ahorra mano de obra y es seguro, y garantiza la seguridad de la red eléctrica, que es lo que hemos hecho. Ver también: La chipflación de la IA estrangula a los fabricantes de dispositivos más allá de los centros de datos.
Importancia de la investigación
La investigación de los algoritmos de optimización es de gran importancia para el desarrollo futuro de las redes. Estos algoritmos hacen que el proceso de toma de decisiones sea más eficiente y son fundamentales para gestionar la complejidad y escala de las redes modernas. Al acelerar la optimización de las variables de diseño y equilibrar objetivos conflictivos, allanan el camino para soluciones innovadoras en arquitectura de red, asignación de recursos y optimización empresarial.
Dominio de operación
Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem se lee a partir de su rol público, contexto operativo y cobertura relacionada.
- Rol público: Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem se sigue por su rol visible, contexto de servicio y material verificable. Base de evidencia: Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem article record; Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem article record
- Superficie operativa: Market y Asia Pacific dan el contexto público de este perfil de institución. Base de evidencia: Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem article record; Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem article record
Cronología
- Perfil público de Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem actualizado
La cobertura pública registra a Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem como sujeto para revisar rol, contexto operativo y evidencia.
De un vistazo
- Nombre: Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem
- Tipo: Internet infrastructure institution
- Base: Asia Pacific
- Enfoque del perfil: Institution
Qué hace
- Los registros públicos permiten seguir su rol, servicios y relaciones clave.
Por qué importa
- Public-source signals support medium-impact monitoring for infrastructure visibility and dependency analysis.
- Criticidad operativa: Medium
- Horizonte: Next quarter
Qué vigilar
- El seguimiento se centra en continuidad de servicio verificada, cambios de gobernanza y señales relacionales.
Seguir actualizaciones de fuentes verificadas, cambios de rol y evidencia pública actual.
Public-source signals support medium-impact monitoring for infrastructure visibility and dependency analysis.
La relevancia a largo plazo depende de cambios operativos, políticos y relacionales verificados.
Briefing para miembros
Contexto de perfil profundo
Inicia sesión para desbloquear el briefing de perfil completo y las notas de fuente.
Solo para Círculo Estratégico
Círculo Estratégico
Abierto a todos los lectores. Desbloquea briefings de perfil después de unirte e iniciar sesión.
Unirse al Círculo EstratégicoSolo para Alianza de Liderazgo
Alianza de Liderazgo
Para propietarios y directivos cualificados de activos IP; inicia sesión para desbloquear briefings de alianza.
Unirse a la Alianza de LiderazgoVista pública
La lectura pública de Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem se limita al rol visible, contexto operativo y relaciones respaldadas por evidencia.
Puntos de vigilancia
- Nuevos roles, asociaciones, productos, políticas o señales de mercado públicas.
- Cambios relacionales verificados que involucren organizaciones o personas nombradas.
Salvedades
- Las afirmaciones privadas o no verificadas quedan fuera de esta vista pública.
Preguntas frecuentes
¿Por qué se incluye Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem?
Interview with Cheng He, professor of computational intelligence: The ‘billions’ problem tiene evidencia pública que lo vuelve relevante para la cobertura de infraestructura digital, gobernanza o mercados.
¿Qué es público en este perfil?
La capa pública cubre rol visible, contexto operativo, entidades vinculadas y puntos de vigilancia respaldados por evidencia.
¿Qué deberían vigilar los lectores?
Los lectores deben seguir cambios de rol con fuentes, nuevas alianzas, exposición regulatoria, expansión operativa o evidencia que cambie la evaluación pública.
