Josh Wong, Grundare & VD för ThinkLabs AI – Intervjuserie

Josh Wong är grundare och VD för ThinkLabs AI. Han har tidigare arbetat på GE Vernova som General Manager, Grid Orchestration. Josh Wong studerade vid University of Waterloo.

ThinkLabs AI är ett specialiserat företag för AI-utveckling och distribution. Deras mission är att ge kritiska industrier och infrastrukturer tillförlitlig AI för att uppnå global energihållbarhet. Företaget utvecklar sin flaggskeppprodukt, ThinkLabs Copilot, en digital assistent som förstår den verkliga världen genom proprietära fysikbaserade AI-digitala tvillingar, som ger en grundmodell för ingenjörssystem.

Kan du berätta mer om visionen bakom ThinkLabs AI och vad som inspirerade dess skapelse?

Visionen bakom ThinkLabs är en tillförlitlig, hållbar och prisvärd energiinfrastruktur driven av tillförlitlig AI. Vi förstår att elnätet förblir i centrum för energiomställningen. För att avkarbonisera måste vi elektrifiera. För att elektrifiera behöver vi elnätet, och elnätet måste moderniseras. Vi tror att交ningen mellan elkraftsystem, AI och molntjänster är lösningen.

Hur skiljer sig ThinkLabs AI från andra AI-startups inom elnätshantering?

Elnätet är komplext, och så komplext att AI i sig inte kan lära sig om de komplexa elkraftflödena och operativa processerna som finns i elnätet. ThinkLabs kombinerar den rika historien och förtroendet för traditionell elkraftsystemteknik med AI, som tillförlitlig fysikbaserad AI, för förtroende i skalförstärkt, automatiserad inferens och beslutsstöd för kritisk infrastruktur. Det kräver också mer än teknik, men ett erfaret team som förstår nyanserna i elnätet och hur elbolag och myndigheter tänker. Vårt team kommer från elkraftsystemområdet med beprövad erfarenhet, inklusive grundaren Josh Wong som har sålt sitt tidigare företag Opus One Solutions till GE, och står i交ningen mellan ingenjörsvetenskap, AI och molntjänster.

Vilka specifika utmaningar inom elnätshantering syftar ThinkLabs AI till att lösa?

Automatiserad analys och rekommendationer för realtidsövervakning av elnätet, storskaliga simuleringar och kontinuerlig inlärning och rekommendationer för att mildra elnätets begränsningar och optimera elnätets prestanda. Specifika funktionsområden inkluderar:

1. Insikter – nära realtidsuppskattning av elkraftflöde i elnätet, upptäckt av flaskhalsar, spänningsbrott och hur kapitaltillgångar faktiskt används.
2. Lösningar – optimala dispatchrekommendationer, inklusive växling, elnätsenheter och decentraliserade energikällor, för att lindra flaskhalsar, mildra decentraliserade energikällors anslutningar, minska förluster, återställa elavbrott etc.
3. Modellvalidering – validering och korrektioner i elbolagens källdata för elnätsmodeller, som sparar driftskostnader och ökar operatörens förtroende för elnätsdrift.
4. Operatörens Copilot – operatörens dispatchrekommendationer utbildade med elkraftsfysik, affärsregler, standardförfaranden och operativ erfarenhet, som ger möjlighet till utbildning och kompetensutveckling för arbetsstyrkan.

Vad är ThinkLabs Copilot, och hur förbättrar den elnätets planering och drift?

ThinkLabs Copilot är en digital assistent som förstår den verkliga världen med proprietära fysikbaserade AI-digitala tvillingar som ger en grundmodell för ingenjörssystem. Den arbetar med elbolagens planerare och operatörer för att modellera elnätet till dess “AI-digitala tvilling”, utföra höghastighets- och storskalig analys, inklusive i nära realtid, och ge rekommendationer om elnätsdrift, planer och konstruktion.

Kan du förklara vad en fysikbaserad AI-digital tvilling är och hur den gynnar elnätets tillförlitlighet?

AI i sig kan inte lära sig ett så komplext system som elnätet med endast mätdata. AI-digitala tvillingar av den verkliga världen tränas med, arbetar för och arbetar med ingenjörssystem, och därmed “fysikbaserade”. Träningen sker med hjälp av stora mängder syntetisk data genererad från ingenjörssimulering. Traditionella fysikbaserade, impedansbaserade digitala tvillingar är deterministiska och matematiskt optimerade, men utmanas av datakvalitet, hög beräkningskraft och långsamma svarstider. Å andra sidan lovar allmänna AI-tekniker hastighet, men sparsam data, hallucinationer och “svarta lådan”-effekter orsakar problem för kritiska elnätsoperationer. En fysikbaserad AI-digital tvilling erbjuder transparent och tillförlitlig analys, robust och motståndskraftig mot dålig data, snabb respons och åtgärd lämplig för realtidsoperationer, beredskap med stora förtränade driftscenarier och en sluten, kontinuerlig inlärnings- och förbättringsprocess.

Hur säkerställer ThinkLabs AI tillförlitligheten och noggrannheten i sina AI-modeller i verkliga scenarier?

Naturen av fysikbaserad AI håller AI grundad, knuten till den verkliga världen och begränsad av den verkliga världen. Vi gör också kontinuerlig inlärning och övervakning av modellprestanda.

Vad gör er AI-teknik särskilt lämplig för att hantera komplexiteten i moderna elkraftnät?

Att vara tränad av bestämda ingenjörsmodeller, men hantera den ofullkomliga datakvaliteten i verkliga driftsförhållanden. AI bringar också en rikedom av optimerings- och genereringsmetoder som inte kan matchas av traditionell ingenjörsmatematik.

Hur integrerar ThinkLabs AI:s teknik med befintliga elnätshanteringssystem som ADMS och DERMS?

ThinkLabs integrerar som en Copilot med befintliga ADMS, DERMS och AEMS, som kommer att förbli som den grundläggande kommunikations- och kontrollplattformen, medan ThinkLabs kommer att lägga till ytterligare intelligens och automation, liknande ett fordonssystem för förarstöd.

Vad betyder den nyliga 5-miljoners seedinvesteringen för ThinkLabs AI:s framtid?

Denna seedinvestering har möjliggjort för oss att spinna av och lansera från GE, samarbeta med en grupp världsklass investerare, investera i vårt team och produkt, komma till marknaden med vår första kommersiella Copilot och arbeta med ett antal kanalkunder för att bringa detta till våra kunder. Detta är det första grundläggande steget till efterföljande expansion och skala.

Hur ser du på AI:s roll i elnätshantering och andra kritiska infrastrukturer utvecklas?

Vi ser elnätshantering och andra kritiska infrastrukturer som alltmer “AI-först”, särskilt med fysikbaserad AI. Öppna upp för en betydligt större förståelse, situationsmedvetenhet och ökad automatisering av beslutsfattande och orkestrering av kritiska åtgärder. Men alltid förbli ödmjuka och tillförlitliga som AI, vara sanna mot de grundläggande fysiklagarna och ingenjörskonstruktionen.

Tack för den utmärkta intervjun, läsare som vill lära sig mer kan besöka ThinkLabs AI.