Vikhyat Chaudhry, CTO, COO e co-fondatore di Buzz Solutions – Serie di interviste

Vikhyat Chaudhry è CTO, COO e co-fondatore di Soluzioni Buzz ed ex scienziato dei dati presso Cisco, ingegnere di sistemi embedded e machine learning presso Altitude e laureato a Stanford.

Buzz Solutions offre software di intelligenza artificiale e analisi predittiva accurati per consentire ispezioni visive più efficienti per le infrastrutture di trasmissione, distribuzione e sottostazioni.

Puoi condividere il tuo viaggio e i momenti salienti della tua carriera che ti hanno portato a co-fondare Buzz Solutions?

Sono cresciuto a Nuova Delhi, in India, con una naturale curiosità per l'innovazione e l'ingegneria e ho frequentato il Delhi College of Engineering dove ho studiato Ingegneria Civile e Ambientale. Ricordo in particolare un momento durante il mio ultimo anno in cui ho costruito un drone da zero e l'ho fatto volare in città. Il compito era monitorare l'inquinamento atmosferico a Nuova Delhi e attraverso questo esperimento ho scoperto che la qualità era superiore a 500 AQI, che equivale a fumare 60 sigarette al giorno. La scarsa qualità dell’aria potrebbe essere direttamente ricondotta alla mancanza di elettrificazione, all’aumento delle emissioni dei veicoli e all’aumento del numero di centrali elettriche alimentate a carbone nel corso degli anni. Questa esperienza ha consolidato il mio interesse nell'utilizzo della tecnologia per affrontare i problemi del mondo reale associati all'energia e all'energia.

Prima di fondare Buzz, il mio background tecnologico mi ha portato a ricoprire per alcuni anni il ruolo di responsabile dei team di Machine AI e Data Science presso Cisco Systems. Questa esperienza è stata preziosa e ha favorito fin dall'inizio la mia esposizione a una vasta gamma di progetti di intelligenza artificiale e apprendimento automatico.

Ho conseguito il master in Ingegneria Civile/Ambientale presso l'Università di Stanford nel 2016. Durante questo periodo ho seguito corsi di specializzazione in ingegneria energetica, sviluppando il mio interesse iniziato all'estero. Ho incontrato la mia co-fondatrice Kaitlyn in un corso in cui abbiamo legato le nostre passioni per l'ambiente, l'energia e l'imprenditorialità. Ci siamo imbattuti in una grande esigenza del settore dei servizi di pubblica utilità e da allora abbiamo lavorato su soluzioni per soddisfarla.

Quali sviluppi chiave hai osservato nel passaggio dall'intelligenza artificiale tradizionale all'intelligenza artificiale generativa durante la tua carriera e quali impatti significativi ha avuto questa transizione sui vari settori?

 Nel 2022 abbiamo iniziato a sperimentare l’intelligenza artificiale generativa. GenAI nel settore dei servizi di pubblica utilità è un caso d'uso interessante perché i dati con cui lavoriamo coinvolgono molte variabili diverse. Ci sono fattori come la risoluzione della fotocamera, l’angolo di cattura e la distanza dell’oggetto – e questi sono solo per i droni. Esistono anche condizioni ambientali come la corrosione o l’invasione della vegetazione che introducono numerosi gradi di libertà. A causa di questa complessità, può essere difficile ottenere buoni dati di addestramento per i modelli di griglia.

È qui che è entrata GenAI negli ultimi anni: con il miglioramento dell'intelligenza artificiale e dell'apprendimento automatico, migliorano anche i set di formazione che crea.

GenAI è diventata un'opzione praticabile per i modelli di addestramento, in particolare con "casi limite" cruciali in cui le variabili hanno valori più estremi, come nel caso di un incendio. Con il progresso della GenAI nel settore dei servizi di pubblica utilità, i set di dati sintetici, basati su dati del mondo reale, aiuteranno a sviluppare ulteriormente modelli di formazione per gestire scenari di dati complessi e unici in modo più efficace, offrendo miglioramenti significativi nella manutenzione predittiva e nel rilevamento di anomalie che a loro volta ridurranno i disastri naturali .

Puoi spiegare in che modo lo strumento di intelligenza artificiale di Buzz Solutions utilizza dati reali per il rilevamento delle anomalie e quali vantaggi offre rispetto ai dati sintetici?

Nel settore dei servizi di pubblica utilità, per dati reali si intende tutto ciò che può essere catturato sul campo, solitamente comprese immagini o video ripresi da fonti aeree come droni o elicotteri. I dati sintetici, d'altro canto, sono dati raccolti attraverso un processo di replica dell'immagine che altera manualmente vari componenti di un'immagine per cercare di tenere conto di una quantità esponenziale di scenari e casi limite. Attualmente è ottimo sulla carta ma non nella pratica. I modelli addestrati con dati reali fin dall'inizio si sono rivelati più accurati e il vantaggio è che, attraverso l'uso di dati reali, i team possono mappare 1:1 con la "verità sul campo", una rappresentazione accurata degli scenari del mondo fisico in cui si trova un tecnico. che è probabile incontrare (come il rumore di fondo e le condizioni atmosferiche). I dati reali rappresentano le possibilità del mondo reale e includono le variabili imprevedibili del rilevamento dei guasti.

Anche se i dati sintetici da soli non sono in grado di ottimizzare (ancora) gli scenari del mondo reale, svolgono comunque un ruolo importante nei modelli di addestramento.

Quali sono le sfide più grandi che devi affrontare quando integri l'intelligenza artificiale con i sistemi legacy nelle società di servizi pubblici?

I sistemi legacy nelle società di servizi pubblici sono spesso incompatibili con i progressi dell’intelligenza artificiale. Due sfide importanti che vediamo affrontare le aziende sono la trasformazione interna e la gestione dei dati. Dati e comunicazioni isolati possono essere dannosi per gli sforzi di trasformazione digitale. I dati già in possesso dei servizi di pubblica utilità devono essere gestiti e protetti mentre le informazioni vengono trasferite.

Inoltre, le utility che utilizzano ancora l’archiviazione dei dati in sede devono affrontare sfide più grandi. Il problema non è il passaggio dall’archiviazione dei dati in sede all’infrastruttura cloud, ma piuttosto la vasta trasformazione e la scossa di assestamento che ne conseguono. Questo processo richiede notevoli risorse e tempo, rendendo difficile l’aggiunta di diverse tecnologie durante la transizione. Non è consigliabile introdurre soluzioni di intelligenza artificiale efficaci finché questo processo non sarà completato.

È anche importante che internamente ci sia un cambiamento culturale insieme al cambiamento tecnologico. Ciò richiede la partecipazione dei dipendenti con apprendimento continuo e adattabilità ai cambiamenti nel processo e la considerazione delle soluzioni di intelligenza artificiale come strumenti efficaci per rendere il loro lavoro quotidiano più semplice ed efficiente.

Puoi spiegare il processo di addestramento dei modelli di intelligenza artificiale con dati testati sul campo provenienti da siti di infrastrutture vitali?

Gran parte del processo di addestramento consiste nell’acquisire i dati aerei forniti da droni ed elicotteri. Scegliamo di utilizzare i droni rispetto a metodi come i satelliti per la flessibilità e la consegna immediata dei dati che consentono. Utilizziamo tre principali tipi diversi di algoritmi: clustering di immagini, segmentazione e rilevamento di anomalie.

La nostra tecnologia è guidata dall'apprendimento automatico Human-in-the-loop, che consente agli esperti in materia del nostro team di fornire un feedback diretto al modello per previsioni al di sotto di un certo livello di confidenza. Siamo fortunati ad avere le PMI nei nostri team: con i loro decenni di esperienza combinata di tecnici sul campo, forniscono feedback per rendere i nostri modelli più accurati, personalizzati e robusti.

Utilizzando dati reali testati sul campo, possiamo garantire che il nostro rilevamento delle anomalie sia estremamente accurato e affidabile, fornendo alle società di servizi pubblici informazioni utili.

In che modo la tecnologia AI di Buzz Solutions contribuisce a rendere più sicure le riparazioni delle linee elettriche?

I lavori di riparazione delle linee elettriche sono una delle occupazioni più mortali in America e il settore sta sperimentando gli effetti dell’invecchiamento della forza lavoro e della carenza di tecnici.

Con la nostra tecnologia, PowerAI, la risposta alle emergenze è stata resa più efficace e precisa, in modo che i tecnici possano valutare i danni da remoto e avere il tempo di sviluppare una linea d'azione predeterminata, riducendo così la possibilità di inviare un tecnico in una situazione sconosciuta e potenzialmente pericolosa .

PowerAI utilizza la visione artificiale e l'apprendimento automatico per automatizzare gran parte del processo di rilevamento dei guasti. Ha reso l'analisi di grandi masse di punti dati più rapida, sicura ed economica, quindi ora i tecnici devono affrontare rischi inutili ridotti e una maggiore efficienza operativa. Questa efficienza operativa si manifesta attraverso costi inferiori, tempi di consegna più rapidi e manutenzione preventiva.

Che ruolo svolgono i droni e altre tecnologie avanzate nel modernizzare le ispezioni delle infrastrutture?

Storicamente, il processo di ispezione delle infrastrutture era completamente manuale e molto banale. Gli ispettori si sedevano davanti allo schermo del computer, sfogliavano migliaia di immagini e identificavano i problemi manualmente. Questo processo è diventato insostenibile quando le linee elettriche continuavano a presentare problemi che portavano a situazioni più pericolose e a panoramiche normative più severe, aumentando la quantità di dati necessari per essere esaminati in un periodo di tempo più breve.

La tecnologia basata sull’intelligenza artificiale semplifica notevolmente il processo di analisi dei dati, riducendo i tempi e i costi coinvolti. Ciò consente alle società di servizi di distribuire squadre di riparazione in modo più rapido ed efficace. Anche il rilevamento dei problemi è molto più preciso, garantendo che le riparazioni siano tempestive e prevenendo crescenti rischi.

Nell’acquisire immagini per l’analisi, le ispezioni con i droni sono più sicure ed economiche rispetto ad altri metodi di infrastrutture come elicotteri, satelliti e velivoli ad ala fissa. La loro portabilità consente loro di manovrare in modo da potersi avvicinare e acquisire informazioni più granulari.

In che modo la piattaforma basata sull'intelligenza artificiale di Buzz Solutions aiuta le società di servizi pubblici con manutenzione predittiva e risparmi sui costi?

La nostra soluzione elimina la maggior parte del lavoro di analisi manuale dall'ispezione della rete. PowerAI può identificare rapidamente situazioni pericolose per prevenire potenziali disastri e fornire informazioni critiche per scopi di monitoraggio e sicurezza. Gli algoritmi AI sono addestrati per identificare anomalie come temperature estreme, accesso non autorizzato a veicoli/personale, imaging termico e altro ancora.

Oltre al monitoraggio preventivo, PowerAI può anche fornire una definizione delle priorità su più livelli delle anomalie per una pianificazione ottimizzata della manutenzione. Tutte queste cose riducono al minimo la necessità di ispezioni fisiche, riducendo i costi operativi e i rischi per la sicurezza associati alle ispezioni manuali. La piattaforma basata sull'intelligenza artificiale fornisce inoltre un rilevamento più preciso e accurato, migliorando le decisioni di manutenzione.

Potete discutere dell’impatto dell’adozione dell’intelligenza artificiale sull’efficienza operativa delle società di servizi pubblici?

Dopo l’iniziale adozione di un modello di intelligenza artificiale, una società di servizi pubblici continuerà a raccogliere i benefici del modello per un periodo di tempo infinito. Il ciclo di vita di un modello AI inizia al momento dell'installazione. L’intelligenza artificiale può raccogliere informazioni utili da migliaia di immagini scattate attraverso centinaia di chilometri di infrastrutture. Considerando che abbiamo ricevuto il nostro primo set di dati da un'utilità su un nastro, questo è straordinario e sta diventando sempre più intelligente. L’intelligenza artificiale rende molto più possibile il rilevamento tempestivo dei problemi di manutenzione, impedendo che incidenti minori si trasformino in rischi per la sicurezza più grandi come incendi e lesioni gravi. Riduce la necessità di ispezioni umane, rendendo l'utilità più conveniente.

Nel tuo articolo “L’adozione dell’intelligenza artificiale è solo l’inizio per le società di servizi pubblici”, parli dei passaggi iniziali dell’adozione dell’intelligenza artificiale. Quali sono le considerazioni più critiche per le utility che iniziano il loro percorso verso l’intelligenza artificiale?

Esiste un’enorme opportunità per le utility di utilizzare l’intelligenza artificiale e ci sono molte soluzioni da considerare. Prima di iniziare, è importante identificare i tuoi obiettivi e stabilire una base stabile: quali sfide stai attualmente affrontando e vorresti che l'intelligenza artificiale ti aiutasse ad affrontare? Il tuo team possiede le competenze tecniche e il tempo per affrontare una revisione così complessa? Che impatto avrà sui tuoi clienti?

Oltre ad essere allineati internamente, l'azienda è pronta a ricevere più dati rispetto a quelli ricevuti in precedenza, il che probabilmente porterà a una maggiore manutenzione in caso di problemi. Un'azienda di servizi pubblici dovrebbe avere un piano per soddisfare queste richieste ed essere sicura di disporre delle risorse adeguate prima di iniziare il proprio percorso verso l'intelligenza artificiale. Le utility devono inoltre collaborare con i fornitori di soluzioni per implementare il giusto accesso ai dati, la privacy e la sicurezza durante l’implementazione di soluzioni di intelligenza artificiale. Gli insight generati dall’intelligenza artificiale dovrebbero finalmente essere inseriti nei flussi di lavoro dei servizi di pubblica utilità esistenti in modo che diventino fruibili e possano soddisfare gli obiettivi aziendali e operativi dell’organizzazione.

Grazie per l'ottima intervista, i lettori che desiderano saperne di più dovrebbero visitare Soluzioni Buzz.