Jean-Simon Venne, medstifter og teknisk direktør for BrainBox AI – Intervju-serie

BrainBox AI anvender selvtilpassende kunstig intelligens-teknologi til at proaktivt optimere energiforbrug af en af de største bidragydere til klimaforandringer: Bygninger. AI-motoren understøtter en selvdrivende bygning, der ikke kræver menneskelig indgriben.

Jean-Simon Venne er medstifter og teknisk direktør for BrainBox AI.

Hvad inspirerede dig til at lancere BrainBox AI?

Min rejse ind i HVAC-teknologi begyndte, mens jeg arbejdede på energi-effektivitetsprojekter i hele Nordamerika og Europa. Under denne fase af mit liv havde jeg at gøre med teknologien i en mangfoldighed af bygninger. Disse var bygninger af forskellige størrelser og formål, lige fra hoteller til datacentre. Det blev hurtigt klart for mig, at kontinuerlige kommissions Tilgange ville generere konstante energibesparelser, men ville kræve omfattende mængder af både finansielle og menneskelige ressourcer. Med dette i mente, satte jeg mig for at finde en måde at udvikle en AI-baseret kommissions tilgang til at levere en ny, længerevarende HVAC-løsning, der ville udnytte bygningsteknologi til at maksimere besparelser, samtidig med at minimere beboerernes ubehag. Det endelige produkt af denne rejse var BrainBox AI, en løsning, der både er billig og kræver lidt menneskelig kapital.

Hvor kompliceret er processen med at tilpasse en eksisterende bygning med BrainBox AI?

BrainBox AI er sandsynligvis en af de enkleste løsninger at installere i HVAC-optimering eller bygningsautomatisering. Faktisk henviser vi normalt ikke engang til vores installation som tilpasning. Installationsprocessen tager omkring 2-3 timer, og hele projektets implementering kræver omkring 10 timers arbejdstid for bygningsejeren. Efter denne installation finder en 6-8 ugers AI-læringsperiode sted. Herefter er AI-motoren klar til at styre bygningen baseret på den unikke bygningsenergi-profil, den har udviklet.

Kan du føre os igennem, hvordan BrainBox AI anvender maskinlæring til at reducere energiforbrug og forbedre komforten for bygningsbeboere?

Vores løsning kombinerer energiligninger, der udvikles for hver unik bygningsenergi-profil, med dyb læring og tidsrække-data til at beregne, hvordan hver zone vil reagere på ændrede betingelser (f.eks. vejr) over tid. Mere specifikt kan vores dybe lærende neurale netværk kigge ind i fremtiden og forudsige tilstanden af en zone i en bygning på 5 minutter, 10 minutter, 3 timer og 6 timer med 99,6% nøjagtighed. Faktisk er vores AI-motor stadig i stand til at gøre forudsigelser med forbløffende præcision, selv efter 300 timer. På baggrund af disse forudsigelser bestemmer vores AI-motor den bedste måde at styre energifloden for hver zone i bygningen på, sådan at der opnås den største energibesparelse og beboer-komfort.

Hvilken type energibesparelse er vi potentielt tale om?

BrainBox AI kan reducere den totale energiomkostning for en bygning med op til 25%, hvilket har en betydelig indvirkning ikke kun på bygningsejerenes bundlinje, men også på bygningens carbonaftryk.

Hvilke eksempler på data punkter indsamles?

Vi anvender eksisterende data fra bygningssystemer (såsom BMS, adgangskontrolsystemer eller sensorer) samt tredjeparts-kilder (såsom vejr og beboer-data) til at drive beslutningstagningen. En af BrainBox AI’s vigtigste forskelle er, at vi kun anvender de data, der allerede er tilgængelige i bygningen. Du behøver ikke at installere nogen ekstra udstyr eller sensorer for at få BrainBox AI til at fungere.

BrainBox AI anvender dyb læring til at optimere energi-effektivitet. Hvor lang tid kræver det at indsamle og analysere data, før energi-effektivitetsgevinster kan ses?

AI-motoren kræver en minimal læringsperiode på 6-8 uger, hvorunder den indsamler alle nødvendige data.

Med så positiv en effekt på klimaforandringer, har BrainBox AI eller dens kunder kunnet drage fordel af skattelettelser fra provinsen Quebec eller den canadiske regering? Hvis ikke, tror du, det kan være en mulighed i fremtiden?

Vi har nydt godt af R&D-skattelettelser og håber at engagere os mere med provins- og statsregeringerne i fremtiden.

I november 2019 annoncerede BrainBox AI, at de var blevet en del af MaRS Discovery District, det største urbane innovationshub i Nordamerika. Hvordan har denne oplevelse gavnet BrainBox AI?

MaRS Discovery District er en fantastisk partner, der støtter BrainBox AI i vores kommercielle og promotions-indsats. MaRS har støttet BrainBox AI på mange måder, herunder deltagelse i internationale bæredygtigheds- og CleanTech-arrangementer, nominering som top-canadisk CleanTech-virksomhed, lobbyvirksomhed på forskellige regeringsniveauer, mediebegivenheder og meget mere. Generelt har MaRS været en stærk forkæmper for CleanTech-startups som os.

Hvad ser du som den næste udvikling i AI, når det kommer til at optimere HVAC?

I den nærmeste fremtid vil der være flere nye innovationer, der kommer til HVAC-markedet takket være AI, såsom tidlig fejlafhændelse, automatisk lastskiftning og endelig nye teknologi-platforme, der anvender swarm-intelligens til energinet-optimering.

Er der noget andet, du gerne vil dele om BrainBox AI?

Vi er meget stolte af at arbejde med fantastiske forskningsinstitutioner for at støtte udviklingen af vores AI-modeller. BrainBox AI samarbejder med USAs energidepartments Nationale Renewable Energy Laboratory (NREL), Institut for Data Valorization (IVADO) samt uddannelsesinstitutioner, herunder Montreals McGill University og École de technologie supérieure (ETS). Dette er en meget unik tilgang til at bekæmpe klimaforandringer. For alle, der ønsker at lære mere, besøg venligst BrainBox AI.