معرفی پروژه EduRénov و هدف آن
پروژه EduRénov توسط بانک دیسکونت (Banque des Territoires)، گروه Polyconseil و Hugging Face راه‌اندازی شد تا بهبود و بازسازی زیست‌محیطی 10 هزار مدرسه‌ی عمومی در فرانسه را تسهیل کند.
نقش هوش مصنوعی در بهبود پروژه
Hugging Face با بهره‌گیری از فناوری RAG (Retrieval‑Augmented Generation) و مدل‌های مولد، امکان پردازش داده‌های بزرگ و محلی را فراهم کرده و از ذخیره‌سازی داده‌های حاکم اطمینان حاصل می‌کند. این فناوری، به‌مدیری‌سازی دقیق‌تر برنامه‌ریزی و تخصیص منابع کمک می‌کند.
پروسهٔ همکاری و ساختار داده‌های حاکم
سه شرکت در یک چارچوب مشترک، داده‌های محلی را در بستر ایمن ذخیره می‌کنند، سپس آن‌ها را در قالب مدل‌های AI برای محاسبات و پیش‌بینی کیفیت انرژی استفاده می‌کنند. این رویکرد، حفاظت حاکمیت داده و شفافیت در تصمیم‌گیری را تضمین می‌کند.
- کاهش مصرف انرژی مدارس به‌صورت پیش‌بینی‌شده
- بهینه‌سازی تخصیص بودجه برای بروزرسانی‌ها
- امکان نظارت مستمر بر پیشرفت پروژه
نتایج بالادستی و آیندهٔ پروژه
پیش‌مرحله، ابزار جدید را به‌صورت آزمایشی در 200 مدرسه‌ی نمونه اجرا کرد. نتایج اولیه نشان داد که مصرف برق میان مدارس 15٪ کاهش یافته و کارایی منابع مالی بهینه‌تر می‌شود. در مراحل بعدی، برنامه به 10،000 مدرسه گسترش خواهد یافت.
پرسش‌های پرتکرار
این پروژه چگونه داده‌های حاکم را تضمین می‌کند؟
در بخش ذخیره‌سازی، داده‌ها در بستر امن محلی و توسط مافوق دیتا امانتدار نگهداری می‌شوند و فقط افراد مجاز می‌توانند دسترسی پیدا کنند.
کدام مدل‌های هوش مصنوعی در این پروژه به‌کار گرفته شد؟
مدل RAG (Retrieval‑Augmented Generation) از Hugging Face، به‌عنوان ترکیبی از جستجوی مستندات و تولید متن، برای تحلیل داده‌های محیطی و پیشنهاد راهکارها استفاده شد.
