Josh Wong, grundlægger og administrerende direktør for ThinkLabs AI – Interviewserie

Josh Wong er grundlægger og administrerende direktør for ThinkLabs AI. Tidligere har han arbejdet hos GE Vernova (GEV ) som generalmanager, Grid Orchestration. Josh Wong har studeret på University of Waterloo.

ThinkLabs AI er et specialiseret selskab, der udvikler og implementerer kunstig intelligens. Selskabets mission er at styrke kritiske industrier og infrastrukturer med pålidelig kunstig intelligens med det formål at opnå global energibæredygtighed. Selskabet udvikler deres flagskibprodukt, ThinkLabs Copilot, en digital assistent, der forstår den virkelige verden gennem proprietære fysik-baserede kunstig intelligens-digitale tvillinger, som giver en grundlæggende model for ingeniørsystemer.

Kan du fortælle os mere om visionen bag ThinkLabs AI og hvad der inspirerede dets oprettelse?

Visionen bag ThinkLabs er en pålidelig, bæredygtig og billig energi-infrastruktur drevet af pålidelig kunstig intelligens. Vi forstår, at elnettet er centrum for energiovergangen. For at decarbonisere må vi elektrificere. For at elektrificere har vi brug for elnettet, og elnettet må moderniseres. Vi tror, at krydsfeltet mellem elektrisk kraftsystemteknik, kunstig intelligens og cloud-computing er løsningen.

Hvordan adskiller ThinkLabs AI sig fra andre kunstig intelligens-startups i elnetledelsessektoren?

El-nettet er komplekst, og så komplekst, at kunstig intelligens i sig selv ikke kan lære om de komplekse strømforløb og driftsprocesser, der findes i el-nettet. ThinkLabs kombinerer den rige historie og tillid til traditionel kraftsystemteknik med kunstig intelligens som pålidelig fysik-baseret kunstig intelligens for tillid til skaleret, automatiseret slutning og beslutningsstøtte til kritisk infrastruktur. Det kræver også mere end teknologi, men et erfarent hold, der forstår nuancerne i el-nettet og hvordan el-leverandører og myndigheder tænker. Vores hold kommer fra el-kraftsystemspace med en beviselig track record, herunder grundlægger Josh Wong, der har solgt sin tidligere virksomhed Opus One Solutions til GE, og står ved krydsfeltet mellem ingeniørteknik, kunstig intelligens og cloud-computing.

Hvilke specifikke udfordringer i el-netledelse sigter ThinkLabs AI efter at løse?

Automatiserede analyser og anbefalinger til realtids-situationsbevidsthed på tværs af el-nettet, storstilet simulationer og kontinuerlig læring og anbefalinger for at lette el-netbegrænsninger og optimere el-netpræstation. Specifikke funktionelle områder omfatter:

1. Indsigt – næsten realtid tilstandsestimering af el-netstrøm, detektion af overbelastning, spændingskrænkelser og hvordan kapitalaktiver faktisk anvendes.
2. Løsninger – optimale udskiftningssuggestioner, herunder omkobling, el-netenheder og fordelingsenheder, til letning af overbelastning, reducere tab, genoprette strømafbrydelser osv.
3. Modellvalidering – validering og korrektion af el-leverandørens kilde-datasæt til el-netmodeller, hvilket reducerer driftsomkostninger og øger operatørens tillid til el-netdrift.
4. Operatørens Copilot – operatørens udskiftningssuggestioner trænet med el-netfysik, forretningsregler, standardprocedurer og operationsoplevelse, som giver mulighed for arbejdskraftuddannelse og opkvalificering.

Hvad er ThinkLabs Copilot, og hvordan forbedrer det el-planlægning og -drift?

ThinkLabs Copilot er en digital assistent, der forstår den virkelige verden med proprietære fysik-baserede kunstig intelligens-digitale tvillinger, som giver en grundlæggende model for ingeniørsystemer. Den arbejder med el-planlæggere og -operatører for at modellere el-nettet til dets “kunstig intelligens-digitale tvilling”, udføre højhastigheds- og storstilet analyser, herunder næsten realtid, og give anbefalinger om el-netdrift, -planer og -design.

Kan du forklare, hvad en fysik-baseret kunstig intelligens-digital tvilling er, og hvordan den forbedrer el-nettet pålidelighed?

Kunstig intelligens i sig selv kan ikke lære sådanne komplekse systemer som el-nettet med måledata alene. Kunstig intelligens-digitale tvillinger af den virkelige verden trænes af, arbejder for og arbejder med ingeniørsystemer, deraf “fysik-baseret”. Træning sker ved hjælp af store mængder syntetisk data genereret fra ingeniørsimulation. Traditionelle fysik-baserede, impedans-baserede digitale tvillinger er deterministiske og matematisk optimerede, men udfordret af datakvalitet, høj beregningskraft og lang svar tid. Omvendt lover generelle kunstig intelligens-teknikker hastighed, men sparsomme data, hallucinationer og “sort boks”-effekter bekymrer kritisk el-netdrift. En fysik-baseret kunstig intelligens-digital tvilling tilbyder gennemsigtige og pålidelige analyser, robust og modstandsdygtig mod dårlige data, hurtig respons og handling egnet til realtidsdrift, forberedt med store forudtrænede driftsscenarier og en lukket, kontinuerlig læring- og forbedringsproces.

Hvordan sikrer ThinkLabs AI pålideligheden og nøjagtigheden af deres kunstig intelligens-modeller i virkelige scenarier?

Naturen af fysik-baseret kunstig intelligens holder kunstig intelligens grundet, knyttet til den virkelige verden og begrænset af den virkelige verden. Vi udfører også kontinuerlig læring og overvågning af modelpræstation.

Hvad gør jeres kunstig intelligens-teknologi særligt egnet til at håndtere kompleksiteterne i moderne el-net?

At være trænet af bestemte ingeniørmodeller, men håndtering af den uperfekte datakvalitet i virkelige driftsforhold. Kunstig intelligens tilfører også en rigdom af optimerings- og genererings-teknikker, der ikke kan matche traditionel ingeniørmatematik.

Hvordan integrerer ThinkLabs AI’s teknologi med eksisterende el-netledelsessystemer som ADMS og DERMS?

ThinkLabs integrerer som en Copilot med eksisterende ADMS, DERMS og AEMS, som vil forblive som det grundlæggende kommunikations- og kontrolplatform, mens ThinkLabs vil lagre yderligere intelligens og automation på, lignende et køretøjs kørselsassistance-system.

Hvad betyder den nylige 5 millioner dollars seed-investering for ThinkLabs AI’s fremtid?

Denne seed-investering har gjort det muligt for os at spinde af og lancere fra GE, samarbejde med en gruppe af verdensklasse-investorer, investere i vores hold og produkt, komme på markedet med vores første kommercielle Copilot og arbejde med en række kanalpartnere for at bringe dette til vores kunder. Dette er det første grundlæggende skridt til efterfølgende udvidelse og skala.

Hvordan ser du rollen af kunstig intelligens udvikle sig i el-netledelse og andre kritiske infrastrukturer?

Vi ser el-netledelse og andre kritiske infrastrukturer som mere og mere “kunstig intelligens-først”, især med fysik-baseret kunstig intelligens. Åbn op for en langt større forståelse, situationsbevidsthed og øget automation af kritiske handlinger og orkestrering. Dog skal vi altid forblive ydmyge og pålidelige som kunstig intelligens, værende sande over for grundlæggende love for fysik og ingeniørdesign.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge ThinkLabs AI.