Jean-Simon Venne, medgrunnlegger og CTO av BrainBox AI – Intervju-serie

BrainBox AI bruker selvtilpassende kunstig intelligens-teknologi for å proaktivt optimalisere energiforbruket til en av de største klimaendringsbidragerne: Bygninger. AI-motoren støtter en selvdrivende bygning som ikke trenger menneskelig inngripen.

Jean-Simon Venne er medgrunnlegger og CTO av BrainBox AI.

Hva inspirerte deg til å lansere BrainBox AI?

Min reise innen HVAC-teknologi begynte mens jeg arbeidet med prosjekter for energieffektivitet i Nord-Amerika og Europa. Under denne fasen av livet mitt, håndterte jeg teknologien i en mengde bygninger. Disse var bygninger av forskjellige størrelser og formål, alt fra hoteller til datacenter. Det ble raskt klart for meg at kontinuerlig kommisjonering ville generere konsistente energibesparelser, men ville kreve omfattende mengder både finansiell og menneskelig kapital. Med dette i mente, satte jeg ut å finne en måte å utvikle en AI-basert kommisjoneringstilnærming for å levere en ny, mer varig HVAC-løsning som ville gjøre effektivt bruk av bygningsteknologi for å maksimere besparelser og minimere ubehag for beboere. Det endelige produktet av denne reisen var BrainBox AI, en løsning som er både billig og krever lite menneskelig kapital.

Hvor komplisert er prosessen med å tilpasse en eksisterende bygning med BrainBox AI?

BrainBox AI er sannsynligvis en av de enkleste løsningene å installere i HVAC-optimiering eller bygningautomatisering. Faktisk omtaler vi vanligvis ikke vår installasjon som tilpasning i det hele tatt. Installasjonsprosessen tar omtrent 2-3 timer, og hele prosjektets implementering krever omtrent 10 timers tid fra bygningseierens stab. Etter denne installasjonen, finner en 6-8 ukers AI-læringsperiode sted. Deretter er AI-motoren klar til å kontrollere bygningen basert på den unike bygningens energiprofil den har utviklet.

Kan du gå oss gjennom hvordan BrainBox AI bruker maskinlæring for å redusere energiforbruk og forbedre komforten for bygningens beboere?

Vår løsning kombinerer energiligninger som er utviklet for hver unik bygningens energiprofil med dypt læring og tidsseriedata for å beregne hvordan hver sone vil reagere på endrede forhold (for eksempel vær) over tid. Mer spesifikt, kan våre dyptlæringsneurale nettverk se inn i fremtiden og forutsi tilstanden i en sone i en bygning på 5 minutter, 10 minutter, 3 timer og 6 timer med 99,6% nøyaktighet. Faktisk, selv etter 300 timer, gjør vårt AI-motor forutsigelser med forbløffende presisjon. Fra disse forutsigelsene, bestemmer vårt AI-motor den beste måten å håndtere energiflommen for hver sone i bygningen din ved å sikre størst mulig energibesparelse og beboerkomfort.

Hva slags energibesparelse kan vi potensielt snakke om?

BrainBox AI kan redusere den totale energikosten for en bygning med opptil 25%, med en betydelig innvirkning både på bygningseierens resultat og bygningens karbonavtrykk.

Hva er noen eksempler på datapunkter som samles inn?

Vi bruker eksisterende data fra bygningssystemer (slik som BMS, adgangskontrollsystem eller sensorer) samt tredjeparts-kilder (slik som vær og beboerdata) for å drive beslutningstaking. En viktig forskjell for BrainBox AI er at vi bare bruker data som allerede er tilgjengelig i bygningen din. Du trenger ikke å deployere noen ekstra utstyr eller sensorer for å gjøre BrainBox AI fungere.

BrainBox AI bruker dypt læring for å optimalisere energieffektivitet. Hvor lenge må dataene samles inn og analyseres før energibesparelsene kan sees?

AI-motoren krever en minimal læringsperiode på 6-8 uker, under denne tiden vil den samle inn all data den trenger.

Med så positive effekter på klimaendringer, har BrainBox AI eller dine kunder kunnet dra nytte av skattelettelser fra provinsen Quebec eller den canadiske regjeringen? Hvis ikke, tror du dette kan være en mulighet i fremtiden?

Vi har kunnet dra nytte av FoU-skattelettelser og håper å engasjere mer med provins- og nasjonalregjeringer i fremtiden.

I november 2019 kunngjorde BrainBox AI at de skulle slutte seg til MaRS Discovery District, det største urbane innovasjons-hub i Nord-Amerika. Hvordan har denne erfaringen vært til nytte for BrainBox AI?

MaRS Discovery District er en stor partner som støtter BrainBox AI i kommersialisering og markedsføringsinnsats. MaRS har støttet BrainBox AI på mange måter, inkludert deltakelse i internasjonale bærekraft- og CleanTech-arrangementer, nominasjon som topp canadiske CleanTech-selskap, lobbyvirksomhet på ulike nivåer av regjeringen, mediabegivenheter og mye mer. Generelt har MaRS vært en sterk CleanTech-startup-advokat for oss.

Hva ser du som den neste utviklingen i AI når det gjelder å optimalisere HVAC?

I nær fremtid, er det flere nye innovasjoner som vil bli introdusert i HVAC-markedet takket være AI, slik som tidlig feiloppdaging, automatisk lastskifting og til slutt nye teknologiplattformer som bruker swarm-intelligens for energigrid-optimalisering.

Noe annet du ønsker å dele om BrainBox AI?

Vi er svært stolte av å samarbeide med fantastiske forskningsinstitusjoner for å støtte utviklingen av våre AI-modeller. BrainBox AI samarbeider med USAs energidepartements nasjonale fornybar energi-laboratorium (NREL), Instituttet for data-verdsettelse (IVADO) samt utdanningsinstitusjoner inkludert Montreals McGill University og École de technologie supérieure (ETS).

Dette er en svært unik tilnærming til å bekjempe klimaendringer. For alle som ønsker å lære mer, vennligst besøk BrainBox AI.