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

Vikhyat Chaudhry è il CTO, COO e co-fondatore di Buzz Solutions e un ex scienziato dei dati presso Cisco, un ingegnere di apprendimento automatico e sistemi embedded presso Altitude e un laureato di Stanford.

Buzz Solutions fornisce software di intelligenza artificiale e analisi predittive precisi per alimentare ispezioni visive più efficienti per le infrastrutture di trasmissione, distribuzione e sottostazione.

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

Sono cresciuto a New 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, quando ho costruito un drone da zero e l’ho fatto volare in città. L’incarico era quello di monitorare l’inquinamento dell’aria a New Delhi e, attraverso questo esperimento, ho scoperto che la qualità era superiore a 500 AQI, che è equivalente a fumare 60 sigarette al giorno. La scarsa qualità dell’aria poteva essere direttamente ricondotta alla mancanza di elettrificazione, alle emissioni veicolari in aumento e al numero crescente di centrali elettriche a carbone negli anni. Questa esperienza ha consolidato il mio interesse nell’utilizzare la tecnologia per affrontare problemi del mondo reale legati all’energia e alla potenza.

Prima di fondare Buzz, il mio background tecnico mi ha portato al mio ruolo di capo dei team di intelligenza artificiale e scienza dei dati presso Cisco Systems (CSCO ) per alcuni anni. Questa esperienza è stata inestimabile e ha costruito la mia esposizione a una vasta gamma di progetti di intelligenza artificiale e apprendimento automatico fin dall’inizio.

Ho ricevuto il mio master in ingegneria civile e ambientale presso l’Università di Stanford nel 2016. Durante questo periodo, ho frequentato corsi di specializzazione in ingegneria energetica, costruendo il mio interesse che era iniziato all’estero. Ho incontrato il mio co-fondatore Kaitlyn in una classe in cui ci siamo legati alle nostre passioni per l’ambiente, l’energia e l’imprenditorialità. Abbiamo scoperto un grande bisogno nel settore delle utility e stiamo lavorando sulle soluzioni per affrontarlo da allora.

Quali sono gli sviluppi chiave che hai osservato nella transizione dall’intelligenza artificiale tradizionale all’intelligenza artificiale generativa durante la tua carriera e quali impatti significativi ha avuto questa transizione su vari settori?

 Nel 2022, abbiamo iniziato a sperimentare con l’intelligenza artificiale generativa. L’intelligenza artificiale generativa nel settore delle utility è un caso di utilizzo 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. Ci sono anche condizioni ambientali come la corrosione o l’intrusione della vegetazione che introducono numerosi gradi di libertà. A causa di questa complessità, i dati di formazione di buona qualità per i modelli di rete possono essere difficili da trovare.

È qui che l’intelligenza artificiale generativa è entrata in scena negli ultimi anni – poiché l’intelligenza artificiale e l’apprendimento automatico migliorano, anche i set di formazione che crea migliorano.

L’intelligenza artificiale generativa è diventata un’opzione praticabile per la formazione dei modelli, soprattutto con i casi di “bordo” in cui le variabili hanno valori più estremi, come nel caso di un incendio. Man mano che l’intelligenza artificiale generativa nel settore delle utility progredisce, i set di dati sintetici, basati sui dati del mondo reale, aiuteranno ulteriormente a formare modelli per gestire scenari di dati complessi e unici più efficacemente, offrendo miglioramenti significativi nella manutenzione predittiva e nella rilevazione delle anomalie, che a loro volta ridurranno i disastri naturali.

Puoi spiegare come lo strumento di intelligenza artificiale di Buzz Solutions utilizza dati reali per la rilevazione delle anomalie e quali vantaggi offre rispetto ai dati sintetici?

Nel settore delle utility, i dati reali significano qualsiasi cosa possa essere catturata sul campo, di solito inclusi immagini o video ripresi da fonti aeree come droni o elicotteri. I dati sintetici, d’altra parte, sono dati raccolti attraverso un processo di replicazione delle immagini che altera manualmente vari componenti di un’immagine per cercare di tenere conto di un numero esponenziale di scenari e casi di bordo. Attualmente, è grande sulla carta, ma non nella pratica. I modelli formati con dati reali fin dall’inizio si sono rivelati più precisi e il vantaggio è che, attraverso l’utilizzo di dati reali, i team possono mappare 1:1 con la “verità di base” – una rappresentazione precisa delle scenari del mondo fisico che un tecnico è probabile incontrare (come rumore di fondo e condizioni meteorologiche). I dati reali tengono conto delle possibilità del mondo reale e includono le variabili imprevedibili della rilevazione dei guasti.

Mentre i dati sintetici da soli non sono in grado di ottimizzare gli scenari del mondo reale (ancora), svolgono comunque un ruolo importante nella formazione dei modelli.

Quali sono le sfide più grandi che affronti quando integri l’intelligenza artificiale con i sistemi legacy nelle società di utility?

I sistemi legacy nelle società di utility sono spesso incompatibili con i progressi dell’intelligenza artificiale. Due delle principali sfide che vediamo le società affrontare sono la trasformazione interna e la gestione dei dati. I dati frazionati e la comunicazione possono essere dannosi per gli sforzi di trasformazione digitale. I dati che le utility già possiedono devono essere gestiti e protetti mentre le informazioni vengono trasferite.

Inoltre, le utility che utilizzano ancora l’archiviazione dei dati on-premises affrontano sfide più grandi. Il passaggio dall’archiviazione dei dati on-premises all’infrastruttura cloud non è il problema, ma piuttosto la trasformazione estensiva e l’effetto a catena che segue. Questo processo richiede risorse e tempo sostanziali, rendendo difficile aggiungere tecnologie diverse in cima alla transizione. L’introduzione di soluzioni di intelligenza artificiale efficaci non è consigliata fino a quando questo processo non è completo.

È anche importante che, internamente, ci sia un cambiamento culturale insieme al cambiamento tecnologico. Ciò richiede che i dipendenti siano a bordo con l’apprendimento continuo e l’adattabilità ai cambiamenti nel processo e considerino le soluzioni di intelligenza artificiale come strumenti efficaci per semplificare e rendere più efficienti i loro lavori quotidiani.

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

Una grande parte del processo di formazione consiste nell’ingestione dei dati aerei forniti da droni e elicotteri. Scegliamo di utilizzare i droni invece di metodi come i satelliti a causa della flessibilità e della consegna immediata dei dati che consentono. Utilizziamo tre tipi di algoritmi diversi: clustering delle immagini, segmentazione e rilevazione delle anomalie.

La nostra tecnologia è guidata dall’apprendimento automatico con l’intervento umano, che consente agli esperti del settore nel nostro team di fornire feedback diretti al modello per le previsioni al di sotto di un certo livello di confidenza. Siamo fortunati ad avere gli SME nel nostro team – con le loro decine di anni di esperienza combinata come tecnici di campo, forniscono feedback per rendere i nostri modelli più precisi, personalizzati e robusti.

Utilizzando dati di prova sul campo reali, possiamo assicurarci che la nostra rilevazione delle anomalie sia altamente precisa e affidabile, fornendo alle società di utility informazioni azionabili.

Come la tecnologia di intelligenza artificiale di Buzz Solutions contribuisce a rendere le riparazioni delle linee elettriche più sicure?

I lavori di riparazione delle linee elettriche sono uno dei lavori più pericolosi in America e il settore sta sperimentando gli effetti di una forza lavoro che invecchia e di una 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 a distanza e avere il tempo di sviluppare un corso di azione predeterminato – il che riduce la possibilità di inviare un tecnico in una situazione sconosciuta e potenzialmente pericolosa.

PowerAI utilizza la visione computerizzata e l’apprendimento automatico per automatizzare una grande parte del processo di rilevazione dei guasti. Ha reso l’analisi di grandi masse di punti di dati più veloce, più sicura e più economica, in modo che i tecnici affrontino un rischio ridotto e un’efficienza operativa più alta. Questa efficienza operativa si presenta attraverso costi più bassi, tempi di risposta più rapidi e manutenzione preventiva.

Qual è il ruolo dei droni e di altre tecnologie avanzate nel modernizzare le ispezioni delle infrastrutture?

Storicamente, il processo di ispezione delle infrastrutture era completamente manuale e molto noioso. Gli ispettori sedevano di fronte allo schermo del computer, sfogliavano migliaia di immagini e identificavano i problemi a mano. Questo processo è diventato insostenibile quando le linee elettriche hanno continuato a sperimentare problemi, portando a situazioni più pericolose e a un aumento della supervisione normativa, aumentando la quantità di dati da esaminare in un tempo più breve.

La tecnologia basata sull’intelligenza artificiale semplifica notevolmente il processo di analisi dei dati, riducendo il tempo e i costi coinvolti. Ciò consente alle società di utility di schierare squadre di riparazione più rapidamente ed efficacemente. La rilevazione dei problemi è anche molto più precisa, garantendo che le riparazioni siano tempestive e prevenendo pericoli in aumento.

Nel catturare immagini per l’analisi, le ispezioni con droni sono più sicure e più economiche rispetto ad altri metodi di infrastruttura come elicotteri, satelliti e aerei a ali fisse. La loro portabilità consente loro di manovrare in modo da poter avvicinarsi e catturare informazioni più granulari.

Come la piattaforma alimentata da intelligenza artificiale di Buzz Solutions aiuta le società di utility con la manutenzione predittiva e i risparmi di costo?

La nostra soluzione rimuove la maggior parte del lavoro di analisi manuale dall’ispezione della rete. PowerAI può rapidamente identificare situazioni pericolose per prevenire disastri potenziali e fornire informazioni critiche per monitoraggio e sicurezza. Gli algoritmi di intelligenza artificiale sono stati formati per identificare anomalie come temperature estreme, accessi non autorizzati di veicoli/personale, immagini termiche e altro.

Oltre alla tracciabilità preventiva, PowerAI può anche fornire una priorità a più livelli delle anomalie per la pianificazione della manutenzione ottimizzata. Tutte queste cose minimizzano la necessità di ispezioni fisiche, riducendo i costi operativi e i rischi per la sicurezza associati alle ispezioni manuali. La piattaforma alimentata da intelligenza artificiale fornisce anche una rilevazione più precisa e precisa, migliorando le decisioni di manutenzione.

Puoi discutere l’impatto dell’adozione dell’intelligenza artificiale sull’efficienza operativa delle società di utility?

Dopo il sollevamento iniziale dell’adozione di un modello di intelligenza artificiale, una società di utility continuerà a raccogliere i benefici del modello per un tempo infinito. Il ciclo di vita di un modello di intelligenza artificiale inizia con l’installazione. L’intelligenza artificiale può raccogliere informazioni azionabili da migliaia di immagini scattate in centinaia di miglia di infrastrutture. Considerando che abbiamo ricevuto il nostro primo set di dati da una società di utility su un nastro, questo è straordinario e sta diventando sempre più intelligente. L’intelligenza artificiale rende possibile la rilevazione precoce dei problemi di manutenzione, prevenendo incidenti minori che si trasformano in pericoli di sicurezza più grandi come incendi e lesioni gravi. Riduce la necessità di ispezioni umane, rendendo l’utility più efficiente in termini di costo.

Nel tuo articolo “Adottare l’intelligenza artificiale è solo l’inizio per le società di utility”, discuti i primi passi dell’adozione dell’intelligenza artificiale. Quali sono le considerazioni più critiche per le società di utility che iniziano il loro percorso di intelligenza artificiale?

C’è una grande opportunità per le società di utility di utilizzare l’intelligenza artificiale e molte soluzioni da considerare. Prima di saltare dentro, è importante identificare gli obiettivi e stabilire una base stabile – quali sfide stai attualmente affrontando che ti piacerebbe che l’intelligenza artificiale aiutasse ad affrontare? Il tuo team possiede l’esperienza tecnica e il tempo per affrontare un tale complesso rinnovamento? Come impatterà sui tuoi clienti?

Oltre all’allineamento interno è la preparazione per ottenere più dati di quanto la società di utility abbia precedentemente, il che porterà probabilmente a più manutenzione man mano che sorgono problemi. Una società di utility dovrebbe avere un piano per accommodare queste richieste e assicurarsi di avere le risorse adeguate prima di iniziare il proprio percorso di intelligenza artificiale. Le società di utility devono anche lavorare con i fornitori di soluzioni per implementare l’accesso ai dati, la privacy e la sicurezza corretti quando si distribuiscono soluzioni di intelligenza artificiale. Le informazioni generate dall’intelligenza artificiale dovrebbero infine essere alimentate nei flussi di lavoro di utility esistenti in modo che diventino azionabili e possano soddisfare gli obiettivi aziendali e operativi dell’organizzazione.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Buzz Solutions.