فيخيات تشاودري، الرئيس التنفيذي للтехنولوجيا والعمليات والشريك المؤسس لشركة Buzz Solutions – سلسلة المقابلات

فيكيات تشاودري هو الرئيس التنفيذي للтехنولوجيا والعمليات والشريك المؤسس لشركة Buzz Solutions والمتخصص السابق في العلوم البيانية في شركة سيسكو والمهندس المتميز في أنظمة الوسائط المتعددة في شركة ألتيتود و خريج جامعة ستانفورد.

تقدم شركة Buzz Solutions برمجيات ذكاء اصطناعي وتحليلات تنبؤية دقيقة لتشغيل عمليات التفتيش البصري الأكثر كفاءة لبنى التحتية للنقل والتوزيع والمحطات الفرعية.

يمكنك مشاركة رحلتك ومسارك المهني الذي أدى بك إلى تأسيس شركة Buzz Solutions؟

نشأت في نيودلهي، الهند، مع فضول طبيعي للابتكار والهندسة ودرست في كلية الهندسة في دلهي حيث درست الهندسة المدنية والبيئية. أتذكر جيدًا لحظة خلال السنة النهائية عندما بنيت طائرة بدون طيار من الصفر وقمت بتشغيلها في المدينة. كانت المهمة هي مراقبة تلوث الهواء في نيودلهي واكتشفت أن الجودة كانت أعلى من 500 وحدة قياس الجودة، وهو ما يعادل تدخين 60 سيجارة في اليوم. يمكن إرجاع سوء جودة الهواء مباشرة إلى نقص في الكهربة، وزيادة انبعاثات المركبات، وزيادة عدد محطات الطاقة التي تعمل بالفحم على مر السنين. هذا الخبرة عززت اهتمامي باستخدام التكنولوجيا لمواجهة المشاكل الحقيقية في العالم الحقيقي المرتبطة بالطاقة والقوة.

قبل تأسيس Buzz، أدت خلفيتي التكنولوجية إلى دوري كقائد لفريق الذكاء الاصطناعي والعلوم البيانية في شركة سيسكو سيستمز لعدة سنوات. كانت هذه الخبرة قيمة لا تُقدّر و بنيت تعريفي لمجموعة متنوعة من مشاريع الذكاء الاصطناعي والتعلم الآلي في وقت مبكر.

حصلت على ماجستير في الهندسة المدنية والبيئية من جامعة ستانفورد في عام 2016. خلال هذا الوقت، درست مواد متخصصة في هندسة الطاقة، وبنيت اهتمامي الذي بدأ في الخارج. التقيت بشريكي المؤسس كايتلين في فصل دراسي حيث ربطنا بين اهتماماتنا المشتركة بالبيئة والطاقة والريادة. اكتشفنا حاجة كبيرة في صناعة المرافق و لقد كنا نعمل على حلول لمواجهة هذه الحاجة منذ ذلك الحين.

ما هي التطورات الرئيسية التي لاحظتها في الانتقال من الذكاء الاصطناعي التقليدي إلى الذكاء الاصطناعي التوليدي خلال مسارك المهني، وما هي الآثار المهمة التي كان لها هذا التحول على الصناعات المختلفة؟

 في عام 2022، بدأنا في تجربة الذكاء الاصطناعي التوليدي. الذكاء الاصطناعي التوليدي في قطاع المرافق هو حالة استخدام مثيرة للاهتمام لأن البيانات التي نعمل معها تشمل العديد من المتغيرات. هناك عوامل مثل دقة الكاميرا وزاوية الالتقاط ومسافة الكائن – وهذه فقط للطائرات بدون طيار. هناك أيضًا ظروف بيئية مثل التآكل أو التسلل النباتي التي تُدخل درجات حرية متعددة. بسبب هذه التعقيدات، يمكن أن يكون الحصول على بيانات تدريب جيدة لنمذجة الشبكة صعبًا.

هنا يأتي دور الذكاء الاصطناعي التوليدي – مع تحسن الذكاء الاصطناعي والتعلم الآلي، تتحسن أيضًا مجموعات التدريب التي يُنشئها.

أصبح الذكاء الاصطناعي التوليدي خيارًا قابلاً للتطبيق لتدريب النماذج، خاصة في الحالات الحرجة حيث تكون القيم المتغيرات أكثر تطرفًا، مثل في حالة الحرائق. مع تقدم الذكاء الاصطناعي التوليدي في قطاع المرافق، ستساعد مجموعات البيانات الاصطناعية، التي تُستند إلى البيانات الحقيقية، في تدريب النماذج بشكل أفضل لمواجهة سيناريوهات بيانات معقدة وفريدة بشكل أكثر فعالية، مما يوفر تحسينات كبيرة في صيانة التنبؤ واكتشاف الشذوذ، مما يقلل من الكوارث الطبيعية.

يمكنك توضيح كيف يستخدم أداة Buzz Solutions للذكاء الاصطناعي البيانات الحقيقية لاكتشاف الشذوذ وما هي الفوائد التي تقدمها هذه الأداة مقارنة بالبيانات الاصطناعية؟

في قطاع المرافق، تعني البيانات الحقيقية أي شيء يمكن التقاطه في الحقل، وعادة ما تشمل الصور أو مقاطع الفيديو التي تُلتقط من مصادر جوية مثل الطائرات بدون طيار أو المروحيات. البيانات الاصطناعية، من ناحية أخرى، هي بيانات تُجمّع من خلال عملية تكرار الصور التي تُغير يدوياً مكونات مختلفة من الصورة لمحاولة احتساب سيناريوهات وcases حافة متعددة. حاليًا، هذه العملية جيدة على الورق ولكن ليس في الممارسة. النماذج المُدرّبة بالبيانات الحقيقية من البداية أثبتت أنها أكثر دقة، وميزة استخدام البيانات الحقيقية هي أن الفرق يمكن أن يُحسَب 1:1 مع “الحقيقة الأرضية” – تمثيل دقيق لسيناريوهات العالم الحقيقي التي من المحتمل أن يواجهها الفنيون (مثل الضوضاء الخلفية والطقس). البيانات الحقيقية تُحسب للامكانيات الحقيقية في العالم الحقيقي، وتشمل المتغيرات غير المتوقعة لاكتشاف الأعطال.

في حين أن البيانات الاصطناعية وحدها لا تُحسّن من السيناريوهات في العالم الحقيقي (حتى الآن)، لا تزال تلعب دورًا هامًا في تدريب النماذج.

ما هي أكبر التحديات التي تواجهها عند دمج الذكاء الاصطناعي مع الأنظمة التقليدية في شركات المرافق؟

النظم التقليدية في شركات المرافق غالبًا ما تكون غير متوافقة مع تقدم الذكاء الاصطناعي. هناك تحديان رئيسيان يُواجهه الشركات: التحول الداخلي وإدارة البيانات. يمكن أن يكون التخزين والاتصال المُجزّأ للبيانات ضارًا بالجهود المبذولة لتحويلها رقميًا. يجب إدارة البيانات التي تمتلكها المرافق وتأمينها أثناء نقل المعلومات.

بالإضافة إلى ذلك، تواجه المرافق التي لا تزال تستخدم تخزين البيانات على الموقع تحديات أكبر. انتقال من تخزين البيانات على الموقع إلى البنية التحتية السحابية ليس مشكلة، ولكن التحول الشامل والآثار التي تلي ذلك يُعدّان مشكلة. هذا يتطلب موارد ومساحة زمنية كبيرة، مما يجعل من الصعب إضافة تقنيات مختلفة إلى هذا التحول. إدخال حلول ذكاء اصطناعي فعالة لا يُوصى بها حتى يتم إكمال هذا التحول.

من المهم أيضًا أن يكون هناك تحول ثقافي داخلي مع التحول التكنولوجي. هذا يتطلب أن يكون الموظفون على استعداد للتعلم المستمر والتكيف مع التغييرات في العملية ويعتبرون حلول الذكاء الاصطناعي أدوات فعالة لجعل وظائفهم اليومية أسهل وأكثر كفاءة.

يمكنك شرح عملية تدريب نماذج الذكاء الاصطناعي باستخدام البيانات المُجربة من مواقع البنية التحتية الحيوية؟

جزء كبير من عملية التدريب يتضمن استهلاك البيانات الجوية التي توفرها الطائرات بدون طيار والمروحيات. نُفضل استخدام الطائرات بدون طيار على الطرق مثل الأقمار الصناعية بسبب المرونة والتسليم الفوري للبيانات الذي يسمح به. نستخدم ثلاثة خوارزميات رئيسية: تجميع الصور، تقسيم الصور، واكتشاف الشذوذ.

تكنولوجيانا مدعومة بالتعلم الآلي الذي يسمح للمختصين في فريقنا بتقديم ملاحظات مباشرة إلى النموذج للتوقعات أقل من مستوى معين من الثقة. نحن محظوظون أن يكون لدينا المختصين في فريقنا الذين لديهم عقود من الخبرة المشتركة كفنيي ميدانيين، وهم يقدمون ملاحظات لجعل نماذجنا أكثر دقة وتخصيصًا وقوة.

باستخدام البيانات الحقيقية المُجربة، يمكننا ضمان أن يكون اكتشاف الشذوذ لدينا دقيقًا وموثوقًا به، مما يوفر لشركات المرافق رؤى قابلة للتنفيذ.

كيف يساهم تكنولوجيا Buzz Solutions للذكاء الاصطناعي في جعل إصلاحات خطوط الطاقة أكثر أمانًا؟

عملية إصلاح خطوط الطاقة هي واحدة من المهن الأكثر خطورة في أمريكا، وتعاني الصناعة من تأثيرات قوة عمل مسنة ونقص في الفنيين.

باستخدام تكنولوجيّتنا، PowerAI، أصبحت الاستجابة للطوارئ أكثر فعالية ودقة، بحيث يمكن للفنيين تقييم الأضرار عن بُعد ووضع مسار عمل مسبق – مما يقلل من إمكانية إرسال فني إلى وضع غير معروف ومحتمَل الخطر.

تكنولوجيا PowerAI تستخدم الرؤية الحاسوبية والتعلم الآلي لتأتمة جزء كبير من عملية اكتشاف الأعطال. جعلت تحليل كميات كبيرة من البيانات أسرع وأمانًا وأقل تكلفة، لذلك يواجه الفنيون الآن مخاطر غير ضرورية وأقل كفاءة تشغيلية. هذه الكفاءة التشغيلية تظهر نفسها من خلال تكاليف أقل وأوقات إيقاف أقصر وصيانة وقائية.

ما هو دور الطائرات بدون طيار والتكنولوجيا المتقدمة الأخرى في تحديث عمليات تفتيش البنية التحتية؟

تاريخيًا، كانت عملية تفتيش البنية التحتية完全 يدوية ومملّة. كان المفتشون يجلسون أمام شاشة الكمبيوتر، ويتمشون خلال آلاف الصور، ويتعرفون على المشاكل يدوياً. أصبحت هذه العملية غير مستدامة عندما واصلت خطوط الطاقة مواجهة مشاكل أدت إلى مواقف غير آمنة أكثر وتحققات تنظيمية أكثر، مما زاد من كمية البيانات التي تحتاج إلى المراجعة في وقت أقصر.

تكنولوجيا الذكاء الاصطناعي简ّفت بشكل كبير عملية تحليل البيانات، مما قلل من الوقت والتكلفة المشاركة. هذا يسمح لشركات المرافق بنشر فرق الإصلاح بشكل أسرع وأكثر فعالية. اكتشاف المشاكل أيضًا أكثر دقة، مما يضمن أن تكون الإصلاحات في الوقت المناسب ويتجنب المخاطر الناشئة.

في التقاط الصور للتحليل، تكون عمليات التفتيش الجوية أكثر أمانًا وتكلفة من الطرق الأخرى مثل المروحيات والأقمار الصناعية والطائرات ذات الأجنحة الثابتة. يمكنها المناورة بسهولة وجمع معلومات أكثر تفصيلاً.

كيف تساعد منصة Buzz Solutions القائمة على الذكاء الاصطناعي شركات المرافق في الصيانة التنبؤية وتخفيض التكاليف؟

حلنا يُزيل معظم العمل التحليلي اليدوي من تفتيش الشبكة. يمكن لمنصة PowerAI التعرف بسرعة على المواقف الخطرة لمنع الكوارث المحتملة وتوفير معلومات حاسمة لأغراض المراقبة والأمان. خوارزميات الذكاء الاصطناعي مُدرّبة على اكتشاف الشذوذ مثل درجات الحرارة القصوى، والوصول غير المصرح به للموظفين، والتصوير الحراري، وغيرها.

إضافة إلى تتبع الوقاية، يمكن لمنصة PowerAI توفير ترتيب متدرج للشذوذ من أجل التخطيط الصيانة الأمثل. جميع هذه الأمور تقلل من الحاجة إلى التفتيشات الفيزيائية، مما يقلل من التكاليف التشغيلية والمخاطر الأمنية المرتبطة بالتفتيشات اليدوية. منصة الذكاء الاصطناعي توفر أيضًا اكتشافًا أكثر دقة ودقة، مما يحسن قرارات الصيانة.

يمكنك مناقشة تأثير اعتماد الذكاء الاصطناعي على الكفاءة التشغيلية لشركات المرافق؟

بعد الرفع الأولي لاعتماد نموذج الذكاء الاصطناعي، ستستمر شركة المرافق في الحصول على فوائد هذا النموذج لمدة لا نهائية. دورة حياة نموذج الذكاء الاصطناعي تبدأ من التثبيت. يمكن للذكاء الاصطناعي استخلاص رؤى قابلة للتنفيذ من آلاف الصور عبر مئات الأميال من البنية التحتية. إذا كنا حصلنا على أول مجموعة بيانات من شركة مرافق على شريط، فهذا أمر استثنائي وسيزداد ذكاءً. الذكاء الاصطناعي يجعل من اكتشاف مشاكل الصيانة في وقت مبكر أكثر إمكانية، مما يمنع الحوادث الصغيرة من تصاعد إلى مخاطر أمنية أكبر مثل الحرائق والإصابات الخطيرة. يقلل من الحاجة إلى التفتيشات البشرية، مما يجعل شركة المرافق أكثر كفاءة في التكلفة.

في مقالك “اعتماد الذكاء الاصطناعي هو مجرد البداية لشركات المرافق”، تناقش الخطوات الأولى لاعتماد الذكاء الاصطناعي. ما هي الاعتبارات الأكثر أهمية لشركات المرافق التي تبدأ رحلتها مع الذكاء الاصطناعي؟

هناك فرصة كبيرة لشركات المرافق لاستخدام الذكاء الاصطناعي، وهناك العديد من الحلول التي يجب النظر فيها. قبل القفز إلى هذا المجال، من المهم تحديد الأهداف ووضع أساس مستقر – ما هي التحديات التي تواجهونها حاليًا وتودون أن يساعد الذكاء الاصطناعي في حلها؟ هل يمتلك فريقك الخبرة الفنية والزمن اللازم لتحمل تحول معقد مثل هذا؟ كيف سيتأثر العملاء بهذا الأمر؟

إضافة إلى التناغم الداخلي، من المهم أن تكونوا مستعدين للحصول على المزيد من البيانات مما كان لديك من قبل، مما قد يؤدي إلى المزيد من الصيانة عند ظهور المشاكل. يجب أن يكون لديك خطة لتلبية هذه الطلبات وتأكد من أن لديك الموارد المناسبة قبل بدء رحلتك مع الذكاء الاصطناعي. يجب على شركات المرافق أيضًا العمل مع مزودي الحلول لتنفيذ الوصول الصحيح إلى البيانات وضمان الخصوصية والأمان عند نشر حلول الذكاء الاصطناعي. يجب أن يتم تغذية رؤى الذكاء الاصطناعي في النهاية إلى سير عمل المرافق الحالية بحيث تصبح قابلة للتنفيذ ويمكنها تلبية الأهداف التجارية والتشغيلية للمنظمة.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة Buzz Solutions.