Vikhyat Chaudhry, CTO, COO și co-fondator al Buzz Solutions – Seria de interviuri

Vikhyat Chaudhry este CTO, COO și co-fondator al Buzz Solutions și un fost om de știință de date la Cisco, un inginer de învățare automată/sisteme încorporate la Altitude și absolvent de la Stanford.

Buzz Solutions oferă software precis de AI și de analiză predictivă pentru a asigura inspecții vizuale mai eficiente pentru infrastructura de transport, distribuție și substație.

Poți să-ți împărtășești călătoria și aspectele importante ale carierei care te-au condus la Co-fondat Buzz Solutions?

Am crescut în New Delhi, India, cu o curiozitate naturală pentru inovație și inginerie și am urmat cursurile Colegiului de Inginerie din Delhi, unde am studiat Ingineria Civilă și a Mediului. Îmi amintesc în special un moment din ultimul meu an când am construit o dronă de la zero și am zburat-o în oraș. Misiunea a fost de a monitoriza poluarea aerului din New Delhi și prin acest experiment, am descoperit că calitatea era peste 500 AQI, ceea ce este echivalentul cu fumatul a 60 de țigări pe zi. Calitatea proastă a aerului ar putea fi direct legată de lipsa electrificării, creșterea emisiilor vehiculelor și creșterea numărului de centrale electrice pe cărbune de-a lungul anilor. Această experiență mi-a consolidat interesul pentru utilizarea tehnologiei pentru a aborda problemele din lumea reală asociate cu energia și puterea.

Înainte de a fonda Buzz, experiența mea tehnologică m-a condus la rolul meu de lider al echipelor Machine AI și Data Science la Cisco Systems timp de câțiva ani. Această experiență a fost de neprețuit și mi-a construit devreme expunerea la o gamă variată de proiecte de inteligență artificială și învățare automată.

Mi-am primit masterul în Inginerie Civilă/Mediu de la Universitatea Stanford în 2016. În acest timp, am urmat cursuri de specializare în inginerie energetică, dezvoltându-mi interesul care a început peste hotare. Am cunoscut-o pe co-fondatorul meu, Kaitlyn, la o clasă în care ne-am legat pasiunile pentru mediu, energie și antreprenoriat. Am dat peste o mare nevoie în industria de utilități și de atunci lucrăm la soluții pentru a o aborda.

Ce evoluții cheie ați observat în progresul de la IA tradițională la IA generativă în timpul carierei și ce impacturi semnificative a avut această tranziție asupra diferitelor industrii?

 În 2022, am început să experimentăm cu IA generativă. GenAI în sectorul utilităților este un caz de utilizare interesant, deoarece datele cu care lucrăm implică multe variabile diferite. Există factori precum rezoluția camerei, unghiul de captare și distanța obiectului - și aceștia sunt doar pentru drone. Există, de asemenea, condiții de mediu precum coroziunea sau invadarea vegetației care introduc numeroase grade de libertate. Din cauza acestei complexități, date bune de antrenament pentru modelele de grilă pot fi greu de găsit.

Aici a intervenit GenAI în ultimii câțiva ani – pe măsură ce inteligența artificială și învățarea automată se îmbunătățesc, la fel și seturile de antrenament pe care le creează.

GenAI a devenit o opțiune viabilă pentru modelele de antrenament, în special în cazul „cazurilor marginale” cruciale în care variabilele au valori mai extreme, cum ar fi în cazul unui incendiu. Pe măsură ce GenAI în industria de utilități progresează, seturile de date sintetice, bazate pe date din lumea reală, vor ajuta la modelele de instruire ulterioară pentru a gestiona mai eficient scenarii de date complexe și unice, oferind îmbunătățiri semnificative în întreținerea predictivă și detectarea anomaliilor care, la rândul lor, vor reduce dezastrele naturale. .

Puteți detalia modul în care instrumentul de inteligență artificială al Buzz Solutions utilizează date reale pentru detectarea anomaliilor și beneficiile pe care le oferă față de datele sintetice?

În industria de utilități, datele reale înseamnă orice poate fi capturat pe teren, de obicei, incluzând imagini sau videoclipuri preluate din surse aeriene, cum ar fi drone sau elicoptere. Datele sintetice, pe de altă parte, sunt date colectate printr-un proces de replicare a imaginii care modifică manual diferite componente ale unei imagini pentru a încerca să țină cont de o cantitate exponențială de scenarii și cazuri marginale. În prezent, este grozav pe hârtie, dar nu în practică. Modelele instruite cu date reale de la început s-au dovedit a fi mai precise, iar avantajul este că, prin utilizarea datelor reale, echipele pot mapa 1:1 cu „adevărul terenului” – o reprezentare precisă a scenariilor lumii fizice pe care un tehnician este probabil să întâlniți (cum ar fi zgomotul de fond și vremea). Datele reale țin cont de posibilitățile din lumea reală și includ variabilele imprevizibile ale detectării defecțiunilor.

Deși numai datele sintetice nu se pot optimiza pentru scenarii din lumea reală (încă), ele joacă totuși un rol important în modelele de antrenament.

Care sunt cele mai mari provocări cu care vă confruntați atunci când integrați AI cu sistemele vechi în companiile de utilități?

Sistemele vechi din companiile de utilități sunt adesea incompatibile cu progresele AI. Două provocări majore cu care vedem că companiile se confruntă sunt transformarea internă și gestionarea datelor. Datele și comunicarea izolate pot fi în detrimentul eforturilor de transformare digitală. Datele pe care utilitățile le dețin deja trebuie gestionate și securizate în timp ce informațiile sunt transferate.

În plus, utilitățile care încă folosesc stocarea de date la nivel local se confruntă cu provocări mai mari. Trecerea de la stocarea de date on-premise la infrastructura cloud nu este problema, ci mai degrabă transformarea extinsă și replicile care urmează. Acest proces necesită resurse substanțiale și timp, ceea ce face dificilă adăugarea de tehnologii diferite peste tranziție. Nu se recomandă introducerea unor soluții AI eficiente până la finalizarea acestui proces.

De asemenea, este important ca pe plan intern, să existe o schimbare culturală împreună cu schimbarea tehnologiei. Acest lucru necesită angajați la bord, cu învățare continuă și adaptabilitate la schimbările din proces și să privească soluțiile AI ca instrumente eficiente pentru a le face munca de zi cu zi mai ușoară și eficientă.

Puteți explica procesul de instruire a modelelor AI cu date testate pe teren de la site-uri de infrastructură vitală?

O mare parte a procesului de antrenament este ingerarea datelor aeriene furnizate de drone și elicoptere. Alegem să folosim drone în detrimentul unor metode precum sateliții datorită flexibilității și livrării imediate a datelor pe care le permit. Folosim trei tipuri principale de algoritmi: gruparea imaginilor, segmentarea și detectarea anomaliilor.

Tehnologia noastră este condusă de învățarea automată Human-in-the-loop – care permite experților în domeniu din echipa noastră să ofere feedback direct modelului pentru predicții sub un anumit nivel de încredere. Suntem norocoși să avem în echipele noastre IMM-urile pe care le facem – cu deceniile lor de experiență combinată de tehnicieni de teren, acestea oferă feedback pentru a face modelele noastre mai precise, personalizate și robuste.

Folosind date reale testate pe teren, ne putem asigura că detectarea anomaliilor este foarte precisă și fiabilă, oferind companiilor de utilități informații utile.

Cum contribuie tehnologia de inteligență artificială a Buzz Solutions la creșterea siguranței reparațiilor liniilor electrice?

Lucrările de reparații la liniile electrice sunt una dintre cele mai periculoase ocupații din America, iar industria se confruntă cu efectele unei forțe de muncă îmbătrânite și ale lipsei de tehnicieni.

Cu tehnologia noastră, PowerAI, răspunsul în caz de urgență a fost făcut mai eficient și mai precis, astfel încât tehnicienii să poată evalua daunele de la distanță și să aibă timp să dezvolte un curs predeterminat de acțiune - ceea ce reduce posibilitatea de a trimite un tehnician într-o situație necunoscută, potențial periculoasă. .

PowerAI folosește viziunea computerizată și învățarea automată pentru a automatiza o mare parte a procesului de detectare a defecțiunilor. A făcut ca analiza unor mase mari de puncte de date să fie mai rapidă, mai sigură și mai ieftină, așa că acum tehnicienii se confruntă cu riscuri inutile reduse și eficiență operațională mai mare. Această eficiență operațională se prezintă prin costuri mai mici, timpi de operare mai rapid și întreținere preventivă.

Ce rol joacă dronele și alte tehnologii avansate în modernizarea inspecțiilor de infrastructură?

Din punct de vedere istoric, procesul de inspecție a infrastructurii a fost complet manual și foarte banal. Inspectorii s-au așezat în fața ecranului computerului, s-au amestecat printre mii de imagini și ar putea identifica problemele cu mâna. Acest proces a devenit nesustenabil atunci când liniile electrice au continuat să se confrunte cu probleme care duceau la mai multe situații nesigure și la niveluri de reglementare mai ridicate, crescând cantitatea de date necesare pentru a fi revizuite într-un interval de timp mai scurt.

Tehnologia bazată pe inteligență artificială eficientizează semnificativ procesul de analiză a datelor, ceea ce reduce timpul și costurile implicate. Acest lucru permite companiilor de utilități să desfășoare echipe de reparații mai rapid și mai eficient. Detectarea problemelor este, de asemenea, mult mai precisă, asigurând că reparațiile sunt în timp util și prevenind pericolele în creștere.

În capturarea imaginilor pentru analiză, inspecțiile cu drone sunt mai sigure și mai rentabile decât alte metode de infrastructură, cum ar fi elicopterele, sateliții și aeronavele cu aripi fixe. Portabilitatea lor le permite să manevreze astfel încât să se poată apropia și să capteze informații mai granulare.

Cum ajută platforma AI a Buzz Solutions companiile de utilități cu întreținere predictivă și economii de costuri?

Soluția noastră preia cea mai mare parte a analizei manuale din inspecția rețelei. PowerAI poate identifica rapid situațiile periculoase pentru a preveni potențialele dezastre și poate oferi informații critice în scopuri de monitorizare și securitate. Algoritmii AI sunt antrenați pentru a identifica anomalii precum temperaturile extreme, accesul/personalul neautorizat la vehicule, imaginile termice și multe altele.

Pe lângă urmărirea preventivă, PowerAI poate oferi, de asemenea, prioritizarea pe niveluri a anomaliilor pentru o planificare optimizată a întreținerii. Toate aceste lucruri minimizează nevoia de inspecții fizice, reducând costurile operaționale și riscurile de siguranță asociate cu inspecțiile manuale. Platforma alimentată cu inteligență artificială oferă, de asemenea, o detectare mai precisă și mai precisă, îmbunătățind deciziile de întreținere.

Puteți discuta despre impactul adoptării AI asupra eficienței operaționale a companiilor de utilități?

După creșterea inițială a adoptării unui model AI, o companie de utilități va continua să culeagă beneficiile modelului pentru o perioadă nesfârșită de timp. Ciclul de viață al unui model AI începe la instalare. AI poate colecta informații utile din mii de imagini realizate pe sute de kilometri de infrastructură. Având în vedere că am primit primul nostru set de date de la un utilitar pe o bandă, acest lucru este extraordinar și devine din ce în ce mai inteligent. AI face mult mai posibilă detectarea timpurie a problemelor de întreținere, ceea ce previne escaladarea incidentelor minore în pericole mai mari de siguranță, cum ar fi incendiile de vegetație și rănirile grave. Reduce nevoia de inspecții umane, făcând utilitatea mai rentabilă.

În articolul dvs. „Adoptarea AI este doar începutul pentru companiile de utilități”, discutați pașii inițiali ai adoptării AI. Care sunt cele mai esențiale considerente pentru utilitățile care își încep călătoria AI?

Există o oportunitate uriașă pentru utilități de a utiliza AI și multe soluții de luat în considerare. Înainte de a interveni, este important să-ți identifici obiectivele și să stabilești o bază stabilă – cu ce provocări te confrunți în prezent și pe care ai dori ca AI să te ajute să le rezolvi? Are echipa dumneavoastră expertiza tehnică și timpul necesar pentru a face o revizuire atât de complexă? Cum îi va afecta clienții?

Pe lângă faptul că este aliniat intern, este pregătit pentru a obține mai multe date decât utilitatea a avut anterior, ceea ce va duce probabil la mai multă întreținere pe măsură ce apar probleme. Un utilitar ar trebui să aibă un plan pentru a satisface aceste solicitări și să se asigure că are resursele adecvate înainte de a-și începe călătoria AI. De asemenea, utilitățile trebuie să colaboreze cu furnizorii de soluții pentru a implementa accesul corect la date, confidențialitatea și securitatea atunci când implementează soluții AI. Informațiile generate de inteligența artificială ar trebui, în sfârșit, să fie introduse în fluxurile de lucru existente, astfel încât acestea să devină acționabile și să poată îndeplini obiectivele de afaceri și operaționale ale organizației.

Mulțumim pentru interviul minunat, cititorii care doresc să afle mai multe ar trebui să viziteze Buzz Solutions.