Vikhyat Chaudhry, CTO, COO e cofundador da Buzz Solutions – Série de entrevistas

Vikhyat Chaudhry é CTO, COO e cofundador da Soluções Buzz e ex-cientista de dados da Cisco, engenheiro de aprendizado de máquina/sistemas embarcados na Altitude e graduado em Stanford.

A Buzz Solutions oferece IA precisa e software de análise preditiva para potencializar inspeções visuais mais eficientes para infraestrutura de transmissão, distribuição e subestação.

Você pode compartilhar sua jornada e destaques de carreira que o levaram ao co-fundador da Buzz Solutions?

Cresci em Nova Deli, na Índia, com uma curiosidade natural pela inovação e engenharia e frequentei a Delhi College of Engineering onde estudei Engenharia Civil e Ambiental. Lembro-me particularmente de um momento durante meu último ano em que construí um drone do zero e voei pela cidade. A tarefa era monitorizar a poluição do ar em Nova Deli e através desta experiência, descobri que a qualidade estava acima de 500 AQI, o que equivale a fumar 60 cigarros por dia. A má qualidade do ar pode ser atribuída directamente à falta de electrificação, ao aumento das emissões veiculares e ao aumento do número de centrais eléctricas alimentadas a carvão ao longo dos anos. Esta experiência solidificou meu interesse em usar a tecnologia para resolver problemas do mundo real associados à energia.

Antes de fundar a Buzz, minha experiência em tecnologia me levou à função de líder de equipes de IA de máquina e ciência de dados na Cisco Systems por alguns anos. Essa experiência foi inestimável e aumentou minha exposição a uma ampla gama de projetos de inteligência artificial e aprendizado de máquina desde o início.

Recebi meu mestrado em Engenharia Civil/Ambiental pela Universidade de Stanford em 2016. Durante esse período, tive aulas de especialização em engenharia de energia, despertando meu interesse que começou no exterior. Conheci minha cofundadora Kaitlyn em uma aula onde nos unimos por meio de nossas paixões pelo meio ambiente, energia e empreendedorismo. Deparamo-nos com uma grande necessidade no setor de serviços públicos e temos trabalhado em soluções para atendê-la desde então.

Que desenvolvimentos importantes você observou na progressão da IA ​​tradicional para a IA generativa durante sua carreira e que impactos significativos essa transição teve em vários setores?

 Em 2022, começamos a experimentar IA generativa. GenAI no setor de serviços públicos é um caso de uso interessante porque os dados com os quais trabalhamos envolvem muitas variáveis ​​diferentes. Existem fatores como resolução da câmera, ângulo de captura e distância do objeto – e esses são apenas para drones. Existem também condições ambientais como corrosão ou invasão de vegetação que introduzem numerosos graus de liberdade. Devido a essa complexidade, pode ser difícil obter bons dados de treinamento para modelos de grade.

É aí que a GenAI entrou nos últimos anos – à medida que a inteligência artificial e o aprendizado de máquina melhoram, também melhoram os conjuntos de treinamento que ela cria.

GenAI tornou-se uma opção viável para modelos de treinamento, especialmente em “casos extremos” cruciais onde as variáveis ​​têm valores mais extremos, como no caso de um incêndio florestal. À medida que a GenAI avança no setor de serviços públicos, os conjuntos de dados sintéticos, baseados em dados do mundo real, ajudarão no treinamento adicional de modelos para lidar com cenários de dados complexos e únicos de maneira mais eficaz, oferecendo melhorias significativas na manutenção preditiva e na detecção de anomalias, o que, por sua vez, reduzirá os desastres naturais. .

Você pode explicar como a ferramenta de IA da Buzz Solutions usa dados reais para detecção de anomalias e os benefícios que ela oferece em relação a dados sintéticos?

No setor de serviços públicos, dados reais significam tudo o que pode ser capturado em campo, geralmente incluindo imagens ou vídeos obtidos de fontes aéreas, como drones ou helicópteros. Os dados sintéticos, por outro lado, são dados coletados por meio de um processo de replicação de imagem que altera manualmente vários componentes de uma imagem para tentar explicar uma quantidade exponencial de cenários e casos extremos. Atualmente, é ótimo no papel, mas não na prática. Os modelos treinados com dados reais desde o início são comprovadamente mais precisos e a vantagem é que, através do uso de dados reais, as equipes podem mapear 1:1 com a “verdade do terreno” – uma representação precisa dos cenários do mundo físico que um técnico está enfrentando. provável encontrar (como ruído de fundo e clima). Os dados reais levam em conta as possibilidades do mundo real e incluem as variáveis ​​imprevisíveis da detecção de falhas.

Embora os dados sintéticos por si só não sejam capazes de otimizar cenários do mundo real (ainda), eles ainda desempenham um papel importante nos modelos de treinamento.

Quais são os maiores desafios que você enfrenta ao integrar IA com sistemas legados em empresas de serviços públicos?

Os sistemas legados em empresas de serviços públicos são frequentemente incompatíveis com os avanços da IA. Dois grandes desafios que vemos as empresas enfrentarem são a transformação interna e a gestão de dados. Dados e comunicações isolados podem ser prejudiciais aos esforços de transformação digital. Os dados que as concessionárias já possuem devem ser gerenciados e protegidos enquanto as informações são transportadas.

Além disso, as concessionárias que ainda usam armazenamento de dados local enfrentam desafios maiores. A mudança do armazenamento de dados local para a infraestrutura em nuvem não é o problema, mas sim a extensa transformação e o abalo que se segue. Este processo exige recursos e tempo substanciais, dificultando a adição de diferentes tecnologias à transição. A introdução de soluções eficazes de IA não é recomendada até que este processo seja concluído.

Também é importante que internamente haja uma mudança cultural junto com a mudança tecnológica. Isto requer ter colaboradores com aprendizagem contínua e adaptabilidade às mudanças no processo e olhar para as soluções de IA como ferramentas eficazes para tornar o seu trabalho quotidiano mais fácil e eficiente.

Você pode explicar o processo de treinamento de modelos de IA com dados testados em campo de locais de infraestrutura vital?

Uma grande parte do processo de treinamento envolve a ingestão de dados aéreos fornecidos por drones e helicópteros. Optamos por usar drones em vez de métodos como satélites devido à flexibilidade e entrega imediata de dados que eles permitem. Usamos três tipos principais de algoritmos: agrupamento de imagens, segmentação e detecção de anomalias.

Nossa tecnologia é impulsionada pelo aprendizado de máquina Human-in-the-loop – que permite que especialistas no assunto de nossa equipe forneçam feedback direto ao modelo para previsões abaixo de um determinado nível de confiança. Temos sorte de ter PMEs em nossas equipes – com décadas de experiência combinada de técnicos de campo, eles fornecem feedback para tornar nossos modelos mais precisos, personalizados e robustos.

Ao usar dados reais testados em campo, podemos garantir que nossa detecção de anomalias seja altamente precisa e confiável, fornecendo às empresas de serviços públicos insights acionáveis.

Como a tecnologia de IA da Buzz Solutions contribui para tornar os reparos de linhas de energia mais seguros?

O trabalho de reparo de linhas de energia é uma das ocupações mais mortíferas na América, e a indústria está enfrentando os efeitos do envelhecimento da força de trabalho e da escassez de técnicos.

Com a nossa tecnologia, PowerAI, a resposta a emergências tornou-se mais eficaz e precisa, para que os técnicos possam avaliar os danos remotamente e tenham tempo para desenvolver um curso de ação predeterminado – o que reduz a possibilidade de enviar um técnico para uma situação desconhecida e potencialmente perigosa .

PowerAI usa visão computacional e aprendizado de máquina para automatizar uma grande parte do processo de detecção de falhas. Tornou a análise de grandes massas de pontos de dados mais rápida, segura e barata, de modo que agora os técnicos enfrentam riscos desnecessários reduzidos e maior eficiência operacional. Essa eficiência operacional se manifesta por meio de custos menores, prazos de entrega mais rápidos e manutenção preventiva.

Qual é o papel dos drones e de outras tecnologias avançadas na modernização das inspeções de infraestrutura?

Historicamente, o processo de inspeções de infraestrutura era totalmente manual e muito mundano. Os inspetores sentavam-se em frente à tela do computador, examinavam milhares de imagens e identificavam os problemas manualmente. Este processo tornou-se insustentável quando as linhas de energia continuaram a enfrentar problemas que levaram a situações mais inseguras e a visões regulamentares mais rigorosas, aumentando a quantidade de dados necessários para serem revistos num período de tempo mais curto.

A tecnologia baseada em IA agiliza significativamente o processo de análise de dados, o que reduz o tempo e o custo envolvidos. Isso permite que as empresas de serviços públicos implantem equipes de reparo de forma mais rápida e eficaz. A detecção de problemas também é muito mais precisa, garantindo que os reparos sejam feitos em tempo hábil e evitando riscos crescentes.

Na captura de imagens para análise, as inspeções com drones são mais seguras e mais econômicas do que outros métodos de infraestrutura, como helicópteros, satélites e aeronaves de asa fixa. Sua portabilidade permite que eles manobrem de forma que possam se aproximar e capturar informações mais granulares.

Como a plataforma alimentada por IA da Buzz Solutions ajuda as empresas de serviços públicos com manutenção preditiva e economia de custos?

Nossa solução elimina a maior parte do trabalho de análise manual da inspeção da rede. O PowerAI pode identificar rapidamente situações perigosas para evitar possíveis desastres e fornecer informações críticas para fins de monitoramento e segurança. Os algoritmos de IA são treinados para identificar anomalias como temperaturas extremas, acesso não autorizado de veículos/pessoal, imagens térmicas e muito mais.

Além do rastreamento preventivo, o PowerAI também pode fornecer priorização escalonada de anomalias para um planejamento de manutenção otimizado. Todas estas coisas minimizam a necessidade de inspeções físicas, reduzindo os custos operacionais e os riscos de segurança associados às inspeções manuais. A plataforma alimentada por IA também fornece detecção mais precisa e precisa, melhorando as decisões de manutenção.

Você pode discutir o impacto da adoção da IA ​​na eficiência operacional das empresas de serviços públicos?

Após o impulso inicial da adoção de um modelo de IA, uma empresa de serviços públicos continuará a colher os benefícios do modelo por um período infinito de tempo. O ciclo de vida de um modelo de IA começa na instalação. A IA pode coletar insights acionáveis ​​de milhares de imagens tiradas em centenas de quilômetros de infraestrutura. Considerando que recebemos nosso primeiro conjunto de dados de um utilitário em uma fita, isso é extraordinário e está cada vez mais inteligente. A IA torna muito mais possível a detecção precoce de problemas de manutenção, o que evita que incidentes menores se transformem em riscos de segurança maiores, como incêndios florestais e ferimentos graves. Reduz a necessidade de inspeções humanas, tornando a concessionária mais econômica.

Em seu artigo “Adotar a IA é apenas o começo para empresas de serviços públicos”, você discute as etapas iniciais da adoção da IA. Quais são as considerações mais críticas para as concessionárias que iniciam sua jornada de IA?

Há uma enorme oportunidade para as concessionárias usarem IA e muitas soluções a serem consideradas. Antes de começar, é importante identificar seus objetivos e estabelecer uma base estável – quais desafios você está enfrentando atualmente e gostaria que a IA ajudasse a resolver? Sua equipe possui conhecimento técnico e tempo para realizar uma revisão tão complexa? Como isso afetará seus clientes?

Além de estar alinhado internamente, está sendo preparado para obter mais dados do que a concessionária tinha anteriormente, o que provavelmente levará a mais manutenção à medida que surgirem problemas. Uma concessionária deve ter um plano para acomodar essas solicitações e certificar-se de que possui os recursos adequados antes de iniciar sua jornada de IA. As concessionárias também precisam trabalhar com provedores de soluções para implementar o acesso, a privacidade e a segurança corretos aos dados ao implantar soluções de IA. Os insights gerados pela IA devem finalmente ser inseridos nos fluxos de trabalho de serviços públicos existentes para que se tornem acionáveis ​​e possam atender às metas comerciais e operacionais da organização.

Obrigado pela ótima entrevista, os leitores que desejam saber mais devem visitar Soluções Buzz.