विख्यात चौधरी, सीटीओ, सीओओ और बुज़ समाधान के सह-संस्थापक – साक्षात्कार श्रृंखला

विख्यात चौधरी बुज़ समाधान के सीटीओ, सीओओ और सह-संस्थापक हैं और सिस्को में एक पूर्व डेटा वैज्ञानिक, अल्टीट्यूड में एक मशीन लर्निंग/एम्बेडेड सिस्टम इंजीनियर और स्टैनफोर्ड स्नातक हैं।

बुज़ समाधान ट्रांसमिशन, वितरण और सबस्टेशन बुनियादी ढांचे के लिए अधिक कुशल दृश्य निरीक्षण के लिए सटीक एआई और पूर्वानुमानिक विश्लेषण सॉफ्टवेयर प्रदान करता है।

आप अपनी यात्रा और करियर के मुख्य बिंदुओं को साझा कर सकते हैं जिन्होंने आपको बुज़ समाधान के सह-संस्थापक बनने के लिए प्रेरित किया?

मैं नई दिल्ली, भारत में पला-बढ़ा और नवाचार और इंजीनियरिंग के लिए एक प्राकृतिक जिज्ञासा के साथ, मैंने दिल्ली कॉलेज ऑफ इंजीनियरिंग में सिविल और पर्यावरण इंजीनियरिंग का अध्ययन किया। मैं विशेष रूप से अपने अंतिम वर्ष के दौरान एक पल को याद करता हूं जब मैंने एक ड्रोन को खरोंच से बनाया और शहर में उड़ाया। असाइनमेंट वायु प्रदूषण की निगरानी करना था और इस प्रयोग के माध्यम से, मैंने पाया कि गुणवत्ता 500 एक्यूआई से अधिक थी, जो 60 सिगरेट पीने के बराबर है। खराब वायु गुणवत्ता को सीधे बिजलीकरण की कमी, वाहन उत्सर्जन में वृद्धि और वर्षों में कोयला-संचालित बिजली संयंत्रों की बढ़ती संख्या से जोड़ा जा सकता है। इस अनुभव ने ऊर्जा और शक्ति से संबंधित वास्तविक दुनिया की समस्याओं को हल करने के लिए प्रौद्योगिकी का उपयोग करने में मेरी रुचि को मजबूत किया।

बुज़ की स्थापना से पहले, मेरी तकनीकी पृष्ठभूमि ने मुझे सिस्को सिस्टम्स में मशीन एआई और डेटा साइंस टीमों के लीड की भूमिका में ले जाने के लिए प्रेरित किया। यह अनुभव अमूल्य था और मुझे शुरू से ही विभिन्न कृत्रिम बुद्धिमत्ता और मशीन लर्निंग परियोजनाओं के संपर्क में लाया।

मैंने 2016 में स्टैनफोर्ड विश्वविद्यालय से सिविल/पर्यावरण इंजीनियरिंग में मास्टर डिग्री प्राप्त की। इस दौरान मैंने ऊर्जा इंजीनियरिंग में विशेषज्ञता वाले पाठ्यक्रम लिए, जो मेरी रुचि को और मजबूत किया। मैंने अपने सह-संस्थापक कैतलिन से एक कक्षा में मुलाकात की, जहां हम पर्यावरण, ऊर्जा और उद्यमिता के प्रति अपने जुनून पर एकजुट हुए। हमने उपयोगिता उद्योग में एक बड़ी जरूरत पर ध्यान दिया और तब से इसका समाधान खोजने पर काम कर रहे हैं।

आपके करियर में पारंपरिक एआई से जनरेटिव एआई में संक्रमण के दौरान किन मुख्य विकासों का अवलोकन किया और इसका विभिन्न उद्योगों पर क्या प्रभाव पड़ा?

 2022 में, हमने जनरेटिव एआई के साथ प्रयोग करना शुरू किया। जनरेटिव एआई उपयोगिता क्षेत्र में एक दिलचस्प उपयोग का मामला है क्योंकि हम जिस डेटा के साथ काम करते हैं उसमें कई अलग-अलग चर होते हैं। कैमरा रिज़ॉल्यूशन, कैप्चर का कोण और वस्तु दूरी जैसे कारक हैं – और वे केवल ड्रोन के लिए हैं। पर्यावरणीय स्थितियां जैसे जंग या वनस्पति प्रवेश भी कई डिग्री की स्वतंत्रता पेश करते हैं। इस जटिलता के कारण, ग्रिड मॉडल के लिए अच्छा प्रशिक्षण डेटा प्राप्त करना मुश्किल हो सकता है।

जनरेटिव एआई ने प्रशिक्षण मॉडल के लिए एक व्यवहार्य विकल्प के रूप में काम किया है, विशेष रूप से महत्वपूर्ण ‘एज केस’ के साथ जहां चरों के अधिक चरम मान होते हैं, जैसे कि एक आग के मामले में। जब उपयोगिता उद्योग में जनरेटिव एआई आगे बढ़ता है, तो वास्तविक दुनिया के डेटा पर आधारित सिंथेटिक डेटा सेट जटिल और अद्वितीय डेटा परिदृश्यों को अधिक प्रभावी ढंग से संभालने के लिए मॉडल को प्रशिक्षित करने में मदद करेगा, जो निवारक रखरखाव और विसंगति का पता लगाने में महत्वपूर्ण सुधार प्रदान करेगा, जो बदले में प्राकृतिक आपदाओं को कम करेगा।

बज़ समाधान के एआई टूल के बारे में बताएं कि यह वास्तविक डेटा का उपयोग विसंगति का पता लगाने के लिए कैसे करता है और सिंथेटिक डेटा की तुलना में इसके क्या लाभ हैं?

उपयोगिता उद्योग में, वास्तविक डेटा आमतौर पर ड्रोन या हेलीकॉप्टर जैसे हवाई स्रोतों से ली गई छवियों या वीडियो को संदर्भित करता है। सिंथेटिक डेटा, दूसरी ओर, एक छवि प्रतिलिपि प्रक्रिया के माध्यम से एकत्र किया गया डेटा है जो विभिन्न परिदृश्यों और एज केस को ध्यान में रखने के लिए छवि के विभिन्न घटकों को मैन्युअल रूप से बदल देता है। वर्तमान में, यह कागज़ पर अच्छा है, लेकिन अभ्यास में नहीं। मॉडल जो वास्तविक डेटा के साथ प्रशिक्षित होते हैं वे अधिक सटीक साबित हुए हैं और लाभ यह है कि वास्तविक डेटा का उपयोग करके, टीमें ‘ग्राउंड ट्रुथ’ के साथ 1:1 मैप कर सकती हैं – एक तकनीशियन द्वारा सामना की जाने वाली भौतिक दुनिया के परिदृश्यों का एक सटीक प्रतिनिधित्व (जैसे पृष्ठभूमि शोर और मौसम)। वास्तविक डेटा वास्तविक दुनिया की संभावनाओं के लिए खाता है, और इसमें विसंगति का पता लगाने के लिए अप्रत्याशित चर शामिल हैं।

जबकि सिंथेटिक डेटा अकेले वास्तविक दुनिया के परिदृश्यों के लिए अनुकूल नहीं हो सकता है, यह अभी भी मॉडल को प्रशिक्षित करने में एक महत्वपूर्ण भूमिका निभाता है।

उपयोगिता कंपनियों में विरासत प्रणालियों के साथ एआई को एकीकृत करने के दौरान आप किन सबसे बड़ी चुनौतियों का सामना करते हैं?

उपयोगिता कंपनियों में विरासत प्रणालियां अक्सर एआई प्रगति के साथ असंगत होती हैं। हम दो प्रमुख चुनौतियों का सामना करते हैं जिन्हें कंपनियां面 करती हैं: आंतरिक परिवर्तन और डेटा प्रबंधन। डेटा और संचार का सिलो चुनौतियों को बढ़ा सकता है। उपयोगिताओं द्वारा पहले से ही कब्जे वाले डेटा को प्रबंधित और सुरक्षित किया जाना चाहिए जबकि जानकारी ले जाई जा रही है।

इसके अलावा, उपयोगिताएं जो अभी भी ऑन-प्रिमाइसेस डेटा स्टोरेज का उपयोग करती हैं वे बड़ी चुनौतियों का सामना करती हैं। ऑन-प्रिमाइसेस डेटा स्टोरेज से क्लाउड इन्फ्रास्ट्रक्चर में स्थानांतरण मुद्दा नहीं है, लेकिन इसके बाद का व्यापक परिवर्तन और इसके परिणामस्वरूप होने वाली क्रियाएं हैं। इस प्रक्रिया में महत्वपूर्ण संसाधनों और समय की आवश्यकता होती है, जिससे परिवर्तन के शीर्ष पर विभिन्न प्रौद्योगिकियों को जोड़ना मुश्किल हो जाता है। प्रभावी एआई समाधानों को पेश करने की सिफारिश तब तक नहीं की जाती है जब तक यह प्रक्रिया पूरी नहीं हो जाती।

आंतरिक रूप से, यह भी महत्वपूर्ण है कि प्रौद्योगिकी परिवर्तन के साथ एक सांस्कृतिक परिवर्तन हो। यह लगातार सीखने और परिवर्तनों के प्रति अनुकूलन के साथ कर्मचारियों को तैयार करने की आवश्यकता को दर्शाता है और एआई समाधानों को उनके दैनिक कार्यों को आसान और कुशल बनाने के लिए प्रभावी उपकरण के रूप में देखता है।

महत्वपूर्ण बुनियादी ढांचे साइटों से क्षेत्र-परीक्षण किए गए डेटा के साथ एआई मॉडल को प्रशिक्षित करने की प्रक्रिया की व्याख्या करें।

प्रशिक्षण प्रक्रिया का एक बड़ा हिस्सा ड्रोन और हेलीकॉप्टर द्वारा प्रदान किए गए हवाई डेटा को निगलना है। हम उपग्रहों जैसे तरीकों की तुलना में ड्रोन का उपयोग करना पसंद करते हैं क्योंकि वे जो लचीलापन और तुरंत डेटा वितरण प्रदान करते हैं। हम तीन मुख्य प्रकार के एल्गोरिदम का उपयोग करते हैं: छवि क्लस्टरिंग, सेगमेंटेशन और विसंगति का पता लगाना।

हमारी तकनीक मानव-इन-द-लूप मशीन लर्निंग द्वारा संचालित होती है – जो हमारी टीम के विषय विशेषज्ञों को मॉडल को एक निश्चित विश्वास स्तर से नीचे की भविष्यवाणियों के लिए सीधी प्रतिक्रिया देने की अनुमति देती है। हम भाग्यशाली हैं कि हमारी टीम में जिन विशेषज्ञों के पास दशकों का संयुक्त क्षेत्र तकनीशियन अनुभव है, वे हमारे मॉडल को अधिक सटीक, व्यक्तिगत और मजबूत बनाने के लिए प्रतिक्रिया प्रदान करते हैं।

वास्तविक क्षेत्र-परीक्षण किए गए डेटा का उपयोग करके, हम यह सुनिश्चित कर सकते हैं कि हमारा विसंगति का पता लगाना बहुत सटीक और विश्वसनीय है, उपयोगिता कंपनियों को कार्रवाई योग्य अंतर्दृष्टि प्रदान करता है।

बज़ समाधान की एआई प्रौद्योगिकी बिजली लाइन की मरम्मत को सुरक्षित बनाने में कैसे योगदान करती है?

बिजली लाइन मरम्मत का काम अमेरिका में सबसे घातक व्यवसायों में से एक है, और उद्योग एक उम्रदराज़ कार्यबल और तकनीशियन की कमी के प्रभावों का अनुभव कर रहा है।

हमारी तकनीक, पावरएआई, के साथ, आपातकालीन प्रतिक्रिया अधिक प्रभावी और सटीक हो गई है, ताकि तकनीशियन दूरस्थ रूप से नुकसान का आकलन कर सकें और एक निर्धारित कार्रवाई योजना विकसित कर सकें – जो एक अज्ञात, संभावित रूप से खतरनाक स्थिति में एक तकनीशियन को भेजने की संभावना को कम करता है।

पावरएआई कंप्यूटर दृष्टि और मशीन लर्निंग का उपयोग करके दोष का पता लगाने की प्रक्रिया का एक बड़ा हिस्सा स्वचालित करता है। इसने बड़े डेटा बिंदुओं के विश्लेषण को तेज़, सुरक्षित और सस्ता बना दिया है, इसलिए अब तकनीशियनों को अनावश्यक जोखिम और उच्च परिचालन कुशलता का सामना नहीं करना पड़ता है। यह परिचालन कुशलता छोटे लागत, तेज़ टर्नअराउंड समय और निवारक रखरखाव के माध्यम से प्रस्तुत करती है।

आधुनिक बुनियादी ढांचे की निरीक्षण में ड्रोन और अन्य उन्नत प्रौद्योगिकियों की क्या भूमिका है?

ऐतिहासिक रूप से, बुनियादी ढांचे की निरीक्षण प्रक्रिया पूरी तरह से मैनुअल और बहुत ही नीरस थी। निरीक्षक कंप्यूटर स्क्रीन के सामने बैठते थे, हज़ारों छवियों को छानते थे और हाथ से मुद्दों की पहचान करते थे। यह प्रक्रिया तब अस्थिर हो गई जब बिजली लाइनें समस्याओं का सामना करना जारी रखीं और अधिक असुरक्षित स्थितियों और बढ़ती नियामक पर्यवेक्षण के कारण जांच की जाने वाली डेटा की मात्रा में वृद्धि हुई।

एआई-आधारित प्रौद्योगिकी डेटा के विश्लेषण की प्रक्रिया को काफी हद तक सुव्यवस्थित करती है, जिससे उपयोगिता कंपनियां मरम्मत टीमों को अधिक तेज़ी से और प्रभावी ढंग से तैनात कर सकती हैं। मुद्दों का पता लगाना भी अधिक सटीक है, जिससे मरम्मत समय पर और बढ़ते खतरों को रोकने में मदद मिलती है।

विश्लेषण के लिए छवियों को कैप्चर करने में, ड्रोन निरीक्षण अन्य विधियों जैसे हेलीकॉप्टर, उपग्रह और तय-विंग विमानों की तुलना में सुरक्षित और अधिक लागत प्रभावी हैं। उनकी पोर्टेबिलिटी उन्हें करीब जाने और अधिक विस्तृत जानकारी कैप्चर करने की अनुमति देती है।

बज़ समाधान का एआई-संचालित मंच उपयोगिता कंपनियों को निवारक रखरखाव और लागत बचत में कैसे मदद करता है?

हमारा समाधान ग्रिड निरीक्षण में अधिकांश मैनुअल विश्लेषण कार्य को समाप्त कर देता है। पावरएआई जल्दी से संभावित आपदाओं को रोकने के लिए खतरनाक स्थितियों की पहचान कर सकता है और निगरानी और सुरक्षा उद्देश्यों के लिए महत्वपूर्ण जानकारी प्रदान कर सकता है। एआई एल्गोरिदम असामान्य परिस्थितियों जैसे अत्यधिक तापमान, अनधिकृत वाहन/कर्मचारी पहुंच, थर्मल इमेजिंग और अधिक की पहचान करने के लिए प्रशिक्षित हैं।

निवारक ट्रैकिंग के अलावा, पावरएआई अनुकूलित रखरखाव योजना के लिए विसंगतियों को प्राथमिकता दे सकता है। इन सभी चीजों से मैनुअल निरीक्षण की आवश्यकता कम हो जाती है, जिससे संचालन लागत और मैनुअल निरीक्षण से जुड़े सुरक्षा जोखिम कम हो जाते हैं। एआई-संचालित प्लेटफ़ॉर्म अधिक सटीक और सटीक पता लगाने की अनुमति देता है, जिससे रखरखाव निर्णय में सुधार होता है।

उपयोगिता कंपनियों की परिचालन कुशलता पर एआई को अपनाने के प्रभाव पर चर्चा करें।

एक बार एआई मॉडल को अपनाने के बाद, एक उपयोगिता कंपनी मॉडल के जीवन चक्र के लिए लाभ का आनंद लेती रहेगी। एआई मॉडल का जीवन चक्र स्थापना से शुरू होता है। एआई हज़ारों छवियों से कार्रवाई योग्य अंतर्दृष्टि का खनन कर सकता है जो सैकड़ों मील के बुनियादी ढांचे में ली जाती हैं। यह असाधारण है और यह और भी बुद्धिमान हो रहा है। एआई छोटी घटनाओं को बड़े सुरक्षा खतरों जैसे जंगल की आग और गंभीर चोटों में बढ़ने से रोकने के लिए रखरखाव मुद्दों का पता लगाना आसान बनाता है, जो मानव निरीक्षण की आवश्यकता को कम करता है, जिससे उपयोगिता अधिक लागत प्रभावी हो जाती है।

आपके लेख “उपयोगिता कंपनियों के लिए एआई को अपनाना केवल शुरुआत है” में आप एआई को अपनाने के प्रारंभिक चरणों पर चर्चा करते हैं। उपयोगिता कंपनियों के लिए एआई यात्रा शुरू करने के लिए सबसे महत्वपूर्ण विचार क्या हैं?

उपयोगिता कंपनियों के लिए एआई का उपयोग करने का एक बड़ा अवसर है, और कई समाधान विचार करने के लिए हैं। इससे पहले कि आप कूदें, यह महत्वपूर्ण है कि आप अपने लक्ष्यों की पहचान करें और एक स्थिर आधार स्थापित करें – आप किन चुनौतियों का सामना कर रहे हैं जिन्हें आप एआई के माध्यम से संबोधित करना चाहेंगे? क्या आपकी टीम में इस जटिल ओवरहाल को संभालने के लिए तकनीकी विशेषज्ञता और समय है? यह आपके ग्राहकों पर कैसे प्रभाव डालेगा?

आंतरिक रूप से संरेखित होने के अलावा, यह तैयार होने के लिए है कि आपको पहले की तुलना में अधिक डेटा मिलेगा, जो अधिक रखरखाव की ओर ले जा सकता है। एक उपयोगिता को इन अनुरोधों को समायोजित करने और एआई समाधानों को लागू करने से पहले उचित संसाधनों के साथ तैयार होने की आवश्यकता है। उपयोगिताओं को समाधान प्रदाताओं के साथ काम करने की भी आवश्यकता है ताकि वे एआई समाधानों को तैनात करते समय सही डेटा एक्सेस, गोपनीयता और सुरक्षा को लागू कर सकें। एआई-जनित अंतर्दृष्टि को अंततः मौजूदा उपयोगिता कार्य प्रवाह में खिलाया जाना चाहिए ताकि वे कार्रवाई योग्य हो सकें और संगठन के व्यावसायिक और परिचालन लक्ष्यों को पूरा कर सकें।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें बज़ समाधान पर जाना चाहिए।