Josh Wong, Grunnlegger & CEO av ThinkLabs AI – Intervju-serie

Josh Wong er grunnlegger og CEO av ThinkLabs AI. Han jobbet tidligere i GE Vernova som General 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 sin flaggskipprodukt, ThinkLabs Copilot, en digital assistent som forstår den virkelige verden gjennom egenutviklede fysikk-informerte AI-digitaltwins, som gir en grunnmodell for ingeniørsystemer.

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

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

Hvordan skiller ThinkLabs AI seg ut fra andre AI-startups i nettledelses-sektoren?

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 kraftsystemteknikk 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 kraftsystem-rommet med en dokumentert rekord, inkludert grunnlegger Josh Wong som har solgt sitt tidligere selskap Opus One Solutions til GE, og står i krysningspunktet mellom ingeniørvitenskap, AI og skydatamaskineri.

Hva er de spesifikke utfordringene i nettledelse som ThinkLabs AI har som mål 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 congestions, spenningsovertradelser og hvordan kapitalaktiva faktisk utnyttes.
2. Løsninger – optimale dispatch-anbefalinger, inkludert switching, nett-enheter og DERs, for å lettelse av congestions, mildne DERs-forbindelser, redusere tap, gjenopprette strømbrudd, osv.
3. Modell-validering – validering og korreksjoner i utility-kilde-datasett for nett-modeller, sparing av Operasjonelle utgifter og økning av operatør-tillit for nett-operasjoner.
4. Operatørens Copilot – operatør dispatch-anbefalinger trent med nett-fysikk, forretningsregler, standardprosedyrer og operasjonell erfaring, som gir mulighet for arbeidsstyrke-trening og oppskilling.

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

ThinkLabs Copilot er en digital assistent som forstår den virkelige verden med egenutviklede fysikk-informerte AI-digitaltwins som gir en grunnmodell for ingeniørsystemer. Den arbeider med utility-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, derav “fysikk-informert”. Trening skjer ved hjelp av store mengder syntetisk data generert fra ingeniør-simuleringer. Tradisjonelle fysikk-baserte, impedans-baserte digital-tvillinger er deterministiske og matematisk optimerte, men utfordret av datakvalitet, høy beregningskraft og lang svarstid. Generelle AI-teknikker lover hastighet, men sparse data, hallucinasjoner 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, forberedt 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 til fysikk-informert AI holder AI bundet til den virkelige verden og avgrenset av den virkelige verden. Vi gjennomfører også kontinuerlig læring og overvåking av modell-ytelse.

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

Ved å være trent av bestemte ingeniør-modeller, men håndtere den uperfekte datakvaliteten i sanntids-operasjoner. AI bringer også en rikdom av optimerings- og genererings-teknikker som ikke har sin like i tradisjonell ingeniør-matematikk.

Hvordan integrerer ThinkLabs AI-teknologien med eksisterende nettledelses-systemer som ADMS og DERMS?

ThinkLabs integrerer som en Copilot med eksisterende ADMS, DERMS og AEMS, som vil forbli som det grunnleggende kommunikasjons- og kontroll-plattformen, mens ThinkLabs vil legge på ekstra intelligens og automatisering som ligner et kjøretøys kjøre-assistancesystem.

Hva betyr den nylige $5M 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 steget til påfølgende utvidelse og skala.

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

Vi ser på nettledelse 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 beslutningsprosesser og orkestrering av kritiske handlinger. Likevel, alltid forbli ydmyg og pålitelig som AI, være tro mot de grunnleggende lovene til fysikk og ingeniør-design.

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