Buzz SolutionsのCTO、COO、共同創設者Vikhyat Chaudhry – インタビューシリーズ

Vikhyat Chaudhryは、Buzz SolutionsのCTO、COO、共同創設者であり、元Ciscoのデータサイエンティスト、Altitudeのマシンラーニング/組み込みシステムエンジニア、スタンフォード大学卒業生です。

Buzz Solutionsは、送電、配電、変電所インフラストラクチャーの効率的な視覚検査を可能にする正確なAIと予測分析ソフトウェアを提供しています。

あなたのキャリアと経歴を共有してください。Buzz Solutionsを共同創設するまでの道のりを教えてください。

私はインドのニューデリーで生まれ、技術とエンジニアリングに対する自然な好奇心を持って育ちました。デリー工科大学で土木環境工学を学び、特に最終年のプロジェクトでドローンを自作して都市で飛行させたことを覚えています。プロジェクトはニューデリーの空気質を監測することでしたが、AQIが500を超えることが判明し、1日当たり60本のたばこを吸うのと同等であることがわかりました。悪い空気質は電気化の不足、自動車排気ガスの増加、石炭火力発電所の増加によるものでした。この経験は、私がエネルギーと電力に関連する実世界の問題に対処するために技術を使用することに興味を持つきっかけとなりました。

Buzz Solutionsを共同創設する前に、私はCisco SystemsでマシンAIとデータサイエンスチームのリーダーを務めました。この経験は貴重で、初期の段階から人工知能と機械学習のプロジェクトに多様な経験を積むことができました。

私は2016年にスタンフォード大学で土木/環境工学の修士号を取得しました。そこで私はエネルギー工学を専攻し、海外での興味を深めました。私は私の共同創設者Kaitlynと出会い、環境、エネルギー、起業家精神に対する情熱を共有しました。私たちは公益事業業界のニーズに気付き、それ以来解決策を模索しています。

あなたは伝統的なAIからGenerative AIへの移行で、どのような重要な発展を観察しましたか? また、この移行はさまざまな業界にどのような影響を与えましたか?

 2022年、私たちはGenerative AIの実験を開始しました。GenAIは公益事業業界で興味深いユースケースです。私たちが扱うデータには、カメラの解像度、撮影角度、物体距離などの多くの変数があります。ドローンだけでなく、環境条件もあります。腐食や植生の侵入など、自由度が多く、グリッドモデルに適したトレーニングデータを入手することが難しいことがあります。

そのため、GenAIが登場しました。人工知能と機械学習が改善されると、トレーニングセットも改善されます。

GenAIは、特にエッジケース（変数が極端な値を持つ場合）でモデルをトレーニングするための実用的な選択肢となりました。例えば、山火事の場合です。公益事業業界でのGenAIの進歩により、合成データセットが実際のデータに基づいて作成され、予測メンテナンスと異常検出の精度が向上し、自然災害のリスクが軽減されます。

Buzz SolutionsのAIツールは、実データを使用して異常検出を行い、合成データよりもどのような利点がありますか?

公益事業業界では、実データとは、通常、ドローンやヘリコプターからの空中撮影された画像やビデオを指します。合成データは、画像の複製プロセスによって収集され、さまざまなシナリオとエッジケースを考慮するために画像のさまざまなコンポーネントを手動で変更することによって収集されます。現在、紙上では素晴らしいですが、実践ではそうではありません。最初から実データでトレーニングされたモデルは、より正確であり、その利点は、チームが「グラウンドトゥルース」と呼ばれる物理的なシナリオの正確な表現と1:1でマッピングできることです。実データは、実世界の可能性を考慮し、予測できない変数を含みます。

合成データだけでは、実世界のシナリオを最適化することはできません（まだ）。しかし、モデルをトレーニングする上で重要な役割を果たします。

公益事業会社のレガシーシステムにAIを統合する際に直面する最大の課題は何ですか?

公益事業会社のレガシーシステムは、AIの進歩と互換性がなく、2つの大きな課題があります。内部の変革とデータ管理です。シロ化されたデータとコミュニケーションは、デジタル変革の努力を妨げる可能性があります。公益事業会社がすでに持っているデータは、管理され、セキュアでなければなりません。また、情報が移行される際に、データが管理され、セキュアである必要があります。

さらに、オンプレミスデータストレージを使用している公益事業会社は、より大きな課題に直面しています。オンプレミスデータストレージからクラウドインフラストラクチャへの移行は問題ではありませんが、その後に続く大きな変革と余波が問題です。このプロセスには大量のリソースと時間が必要であり、移行の完了までにAIソリューションの導入はお勧めできません。

また、内部的には、技術の変革とともに文化の変革も必要です。従業員が継続的な学習と適応性を持って変化に応じる必要があり、AIソリューションを効果的なツールとして見なして、日常業務をより効率的に行えるようにする必要があります。

重要なインフラサイトからの実地テストデータを使用してAIモデルをトレーニングするプロセスを説明してください。

トレーニングプロセスの大きな部分は、ドローンとヘリコプターから提供される空中データを取り込みます。私たちは、衛星などの方法よりもドローンを使用することを選択します。なぜなら、ドローンは柔軟性と即時のデータ配信を可能にするからです。私たちは、画像クラスタリング、セグメンテーション、異常検出の3つの異なるアルゴリズムを使用しています。

私たちの技術は、Human-in-the-loopマシンラーニングによって駆動されています。これにより、モデルへの予測が一定の信頼性以下の場合、専門家が直接フィードバックを提供できます。私たちは、フィールドテクニシャンの経験豊富な専門家チームを幸運にも持っています。彼らは、モデルをより正確で、パーソナライズされたものにします。

実地テストデータを使用することで、異常検出が非常に正確で信頼性が高く、公益事業会社に有用な洞察を提供できることを保証できます。

Buzz SolutionsのAIテクノロジーは、電力線の修理をより安全に行うのにどのように貢献していますか?

電力線の修理作業は、アメリカで最も危険な職業の1つであり、業界は高齢化する労働力と技術者の不足に直面しています。

私たちの技術、PowerAIを使用すると、緊急対応がより効果的で正確になり、技術者がリモートで被害を評価し、予定された行動計画を立てることができます。これにより、技術者が未知の状況に送られる可能性が減り、危険性が軽減されます。

PowerAIは、コンピュータビジョンとマシンラーニングを使用して、故障検出プロセスの大部分を自動化します。大量のデータポイントの分析がより迅速で安全で費用対効果の高いものとなり、技術者は不要なリスクを軽減し、運用効率が向上します。この運用効率は、コストの削減、ターンアラウンド時間の短縮、予防的なメンテナンスの形で現れます。

ドローンやその他の先進技術は、インフラストラクチャーの検査を現代化する上でどのような役割を果たしていますか?

歴史的に、インフラストラクチャーの検査プロセスは完全に手動で行われ、非常に退屈な作業でした。検査員はコンピューターの画面の前で座り、数千枚の画像を手動で調べて、問題を特定していました。このプロセスは、電力線の故障が増えるにつれて、より多くのデータを短時間でレビューする必要性が高まったため、持続不可能なものとなりました。

AIベースのテクノロジーは、データの分析プロセスを大幅に合理化し、時間とコストを削減します。これにより、公益事業会社は修理チームをより迅速に効果的に展開できます。問題の検出もより正確になり、適切な時期に修理が行われることを保証し、潜在的な危険を防ぐことができます。

画像の撮影において、ドローン検査は、ヘリコプター、衛星、固定翼航空機などの他の方法よりも安全で費用対効果が高いです。ドローンの機動性により、より詳細な情報を収集できます。

Buzz SolutionsのAI駆動プラットフォームは、予測メンテナンスとコスト削減において公益事業会社にどのように助けていますか?

私たちのソリューションは、グリッド検査の手動分析の大部分を除去します。PowerAIは、潜在的な災害を防ぐために危険な状況を迅速に特定し、監視とセキュリティの目的で重要な情報を提供できます。AIアルゴリズムは、極端な温度、無許可の車両アクセス/人員、熱画像など、異常を特定するようにトレーニングされています。

予防的追跡に加えて、PowerAIは、最適なメンテナンス計画のために異常を階層化して優先順位付けできます。すべてこれらのことにより、物理的な検査の必要性が減り、手動検査に関連する運用コストと安全リスクが軽減されます。AI駆動プラットフォームは、さらに正確で精度の高い検出を提供し、メンテナンスの決定を改善します。

AIの採用が公益事業会社の運用効率に与える影響について議論してください。

AIモデルを採用した後、公益事業会社は、モデルをインストールしてから無限の時間にわたってメリットを享受できます。AIモデルのライフサイクルは、インストール時に開始されます。AIは、数千枚の画像から、数百マイルにわたるインフラストラクチャーから、有用な洞察を収集できます。私たちが最初のデータセットを受け取ったのは、テープからでしたが、これは驚くべきことです。また、AIはさらに賢くなっています。AIにより、メンテナンスの問題を早期に検出することが可能になり、軽微なインシデントが大きな安全ハザードや山火事に拡大するのを防ぐことができます。AIは、人間の検査の必要性を減らし、公益事業会社をより費用対効果の高いものにします。

あなたの記事「公益事業会社にとってAIの採用はこれから始まる」では、AIの採用の初期ステップについて議論しています。公益事業会社がAIの旅を始める際に、最も重要な考慮事項は何ですか?

公益事業会社にはAIを利用するための大きな機会があり、多くのソリューションが存在します。ただし、最初に、目標を特定し、安定した基盤を確立することが重要です。現在、どのような課題に直面していますか? AIがそれらの課題に対処するのを支援できますか? あなたのチームは、技術的専門知識と時間を持ち、複雑なオーバーホールに取り組むことができますか? また、顧客にどのような影響を与えるでしょうか?

内部的に整合性を持つことは重要ですが、AIソリューションを展開する際に、より多くのデータを受け取ることになるため、その要求に応じる計画を立てることも重要です。公益事業会社は、ソリューション提供者と協力して、適切なデータアクセス、プライバシー、セキュリティを確保する必要があります。AIによって生成された洞察は、最終的に既存の公益事業ワークフローにフィードされる必要があり、組織のビジネス目標と運用目標を達成できるようにする必要があります。

素晴らしいインタビュー、詳しく知りたい読者はBuzz Solutionsを訪問してください。