Josh Wong, grunnlegger og CEO av ThinkLabs AI – Intervju-serie

Josh Wong er grunnlegger og CEO av ThinkLabs AI. Han jobbet tidligere i GE Vernova (GEV ) som generelt manager, Grid Orchestration. Josh Wong gikk på University of Waterloo.

ThinkLabs AI er et spesialisert AI-utviklings- og utrullingselskap. Deres misjon er å gi kritiske industrier og infrastruktur pålitelig AI for å oppnå global energibærekraft. Selskapet utvikler sitt flaggskipprodukt, ThinkLabs Copilot, en digital assistent som forstår den virkelige verden gjennom proprietær fysikk-informert AI-digital tvilling, som gir en grunnmodell for ingeniørsystemer.

Kan du fortelle oss mer om visjonen bak ThinkLabs AI og hva som inspirerte dets opprettelse?

Visjonen bak ThinkLabs er en pålitelig, bærekraftig og rimelig energi-infrastruktur drevet av pålitelig AI. Vi forstår at nettet fortsatt er i sentrum av energiovergangen. For å avkarbonisere må vi elektrifisere. For å elektrifisere trenger vi nettet, og nettet må moderniseres. Vi tror at krysningspunktet mellom elektrisk kraftsystemingeniør, AI og skytjenester er løsningen.

Hvordan skiller ThinkLabs AI seg fra andre AI-startups i nettstyringssektoren?

Nettet er komplekst, og så komplekst at AI i seg selv ikke kan lære om de komplekse kraftstrømmene og operative prosessene som finnes i nettrommet. ThinkLabs kombinerer den rike historien og tilliten til tradisjonell kraftsystemingeniør med AI, som pålitelig fysikk-informert AI, for tillit til skala, automatisert inferens og beslutningsstøtte for kritisk infrastruktur. Det krever også mer enn teknologi, men et erfarent team som forstår nyansene av nettet og hvordan utilities og regulatorer tenker. Vårt team kommer fra det elektriske kraftsystemområdet med en bevist rekord, inkludert grunnlegger Josh Wong, som har solgt sitt tidligere selskap Opus One Solutions til GE, og står i krysningspunktet mellom ingeniør, AI og skytjenester.

Hva er de spesifikke utfordringene i nettstyring som ThinkLabs AI søker å løse?

Automatiserte analyser og anbefalinger for sanntids situasjonsbevissthet over nettet, stor skala-simuleringer og kontinuerlig læring og anbefalinger for å mildne nettbegrensninger og optimalisere nett-ytelse. Spesifikke funksjonelle områder inkluderer:

1. Insights – nær sanntids tilstands-estimering av nett-kraftstrøm, detektering av konflikter, spenningsovertradelser og hvordan kapitalaktiva faktisk utnyttes.
2. Løsninger – optimale dispatch-anbefalinger, inkludert switching, nett-enheter og DER-er, for å lettet konflikter, mildne DER-tilkoblinger, redusere tap, gjenopprette strømbrudd, osv.
3. Modell-validering – validering og korreksjoner i utilities kilde-datasæt for nett-modeller, som sparer driftsutgifter og øker operatørens tillit for nett-operasjoner.
4. Operatørens Copilot – operatørens dispatch-anbefalinger trent med nett-fysikk, forretningsregler, standardprosedyrer og operative erfaringer, som gir mulighet for arbeidsstyrke-trening og oppskilling.

Hva er ThinkLabs Copilot, og hvordan forbedrer det nettplanlegging og -operasjoner?

ThinkLabs Copilot er en digital assistent som forstår den virkelige verden med proprietær fysikk-informert AI-digital tvilling som gir en grunnmodell for ingeniørsystemer. Den arbeider med utilities planleggere og operatører for å modellere nettet inn i sin “AI-digital tvilling”, utføre høyhastighets- og stor skala-analyser, inkludert i nær sanntid, og gi anbefalinger på nett-operasjoner, planer og design.

Kan du forklare hva en fysikk-informert AI-digital tvilling er og hvordan den forbedrer nett-påliteligheten?

AI i seg selv kan ikke lære et så komplekst system som nettet med måledata alene. AI-digital tvillinger av den virkelige verden er trent av, arbeider for og arbeider med ingeniørsystemer, derfor “fysikk-informert”. Trening skjer ved hjelp av store mengder syntetisk data generert fra ingeniør-simulering. Tradisjonelle fysikk-baserte, impedans-baserte digital tvillinger er deterministiske og matematisk optimerte, men utfordret av datakvalitet, høy beregningskraft og lang svarstid. Omvendt lover generelle AI-teknikker hastighet, men sparsomme data, hallusinasjoner og “black box”-effekter bekymrer kritisk nett-operasjoner. En fysikk-informert AI-digital tvilling tilbyr gjennomsiktige og pålitelige analyser, robust og motstående mot dårlig data, rask respons og handling egnet for sanntids-operasjoner, forberedelse med store forhånds-trente driftsscenarier og en lukket, kontinuerlig læring- og forbedringsprosess.

Hvordan sikrer ThinkLabs AI påliteligheten og nøyaktigheten av sine AI-modeller i sanntids-scenarier?

Naturen av fysikk-informert AI holder AI grunnfestet, knyttet til den virkelige verden og begrenset av den virkelige verden. Vi gjennomfører også kontinuerlig læring og overvåking av modell-ytelse.

Hva gjør din AI-teknologi spesielt egnet for å håndtere kompleksiteten i moderne elektriske nett?

Ved å bli trent av bestemte ingeniørmodeller, men håndtere den uperfekte datakvaliteten i sanntids-operasjoner. AI bringer også en rikdom av optimerings- og generative teknikker som ikke er matchet av tradisjonell ingeniørmatematikk.

Hvordan integrerer ThinkLabs AI-teknologi med eksisterende nettstyringssystemer som ADMS og DERMS?

ThinkLabs integrerer som en Copilot med eksisterende ADMS, DERMS og AEMS, som vil forbli som det grunnleggende kommunikasjons- og kontrollplattformen, mens ThinkLabs vil legge på ekstra intelligens og automatisering som ligner et kjøretøys driving-assistance-system.

Hva betyr den nylige 5 millioner dollar seed-investeringen for fremtiden til ThinkLabs AI?

Denne seed-investeringen har gjort det mulig for oss å spinne av og lansere fra GE, samarbeide med en gruppe verdensklasse-investorer, investere i vårt team og produkt, komme til markedet med vårt første kommersielle Copilot, og arbeide med en rekke kanalpartnere for å bringe dette til kundene våre. Dette er det første grunnleggende skrittet til påfølgende utvidelse og skala.

Hvordan ser du på rollen til AI i nettstyring og andre kritiske infrastrukturer utvikle seg?

Vi ser på nettstyring og andre kritiske infrastrukturer som stadig mer “AI-first”, spesielt med fysikk-informert AI. Åpne opp for en langt større forståelse, situasjonsbevissthet, og økende automatisering av avgjørelser og orkestrering av kritiske handlinger. Likevel, alltid forbli ydmyg og pålitelig som AI, være tro mot grunnleggende lovene for fysikk og ingeniør-design.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke ThinkLabs AI.