วิกฮยัต ชาวดรี, CTO, COO และผู้ร่วมก่อตั้ง Buzz Solutions – สัมภาษณ์รายการ

วิกฮยัต ชาวดรี เป็น CTO, COO และผู้ร่วมก่อตั้ง Buzz Solutions และเป็นอดีตนักวิทยาศาสตร์ข้อมูลที่ Cisco, วิศวกรระบบฝังตัวและวิศวกรการเรียนรู้ของเครื่องจักรที่ Altitude และเป็นนักศึกษาจบจาก Stanford

Buzz Solutions นำเสนอซอฟต์แวร์ AI และการวิเคราะห์เชิงพยากรณ์ที่แม่นยำเพื่อเพิ่มประสิทธิภาพการตรวจสอบการทำงานของโครงสร้างพื้นฐานการถ่ายทอดส่งสัญญาณ, การกระจายสัญญาณ, และสถานีไฟฟ้า

คุณสามารถแบ่งปันเรื่องราวและความสำเร็จในอาชีพที่นำคุณมาเป็นผู้ร่วมก่อตั้ง Buzz Solutions ได้หรือไม่?

ฉันเติบโตที่ New Delhi, India ด้วยความสนใจในการสร้างสรรค์นวัตกรรมและวิศวกรรม และฉันเข้าเรียนที่ Delhi College of Engineering โดยเรียนสาขาวิศวกรรมโยธาและสิ่งแวดล้อม ฉันจำได้ว่าในช่วงปีสุดท้าย ฉันสร้างเครื่องบินโดยไม่มีคนขับจาก零และบินในเมือง งานนี้คือการตรวจสอบคุณภาพอากาศใน New Delhi และผ่านการทดลองนี้ ฉันพบว่าคุณภาพอากาศมีค่ามากกว่า 500 AQI ซึ่งเทียบเท่ากับการสูบบุหรี่ 60 ซigarettes ต่อวัน คุณภาพอากาศที่ไม่ดีนี้สามารถสืบย้อนกลับไปถึงการขาดการไฟฟ้า, การปล่อยก๊าซเรือนกระจกจากยานพาหนะที่เพิ่มขึ้น, และการเพิ่มขึ้นของโรงไฟฟ้าถ่านหินที่ใช้พลังงานในช่วงหลายปีที่ผ่านมา ประสบการณ์นี้ทำให้ฉันมีความสนใจในการใช้เทคโนโลยีเพื่อแก้ไขปัญหาที่เกิดขึ้นจริงที่เกี่ยวข้องกับพลังงานและไฟฟ้า

ก่อนที่จะก่อตั้ง Buzz ฉันมีประสบการณ์ทางด้านเทคโนโลยีที่นำฉันไปสู่บทบาทของฉันในฐานะหัวหน้าทีม AI และทีมวิทยาศาสตร์ข้อมูลที่ Cisco Systems (CSCO ) เป็นเวลาหลายปี ประสบการณ์นี้มีคุณค่าและทำให้ฉันได้รับการเปิดเผยต่อโครงการ AI และการเรียนรู้ของเครื่องจักรที่หลากหลายในระยะแรก

ฉันจบการศึกษาระดับมหาบัณฑิตสาขาวิศวกรรมโยธาและสิ่งแวดล้อมจาก Stanford University ในปี 2016 ในช่วงเวลานี้ ฉันเข้าร่วมคลาสที่มีการเชี่ยวชาญด้านวิศวกรรมพลังงาน ซึ่งทำให้ฉันมีความสนใจที่เริ่มต้นต่างประเทศ ฉันพบกับ Kaitlyn ในคลาสที่เรารู้จักกันและพูดคุยเกี่ยวกับความหลงใหลของเราในเรื่องสิ่งแวดล้อม, พลังงาน, และการเป็นผู้ประกอบการ เราได้พบกับความต้องการที่ดีในอุตสาหกรรมสาธารณูปโภคและเรากำลังทำงานเพื่อแก้ไขปัญหาเหล่านี้ตั้งแต่นั้นมา

คุณสามารถอธิบายถึงการพัฒนาที่สำคัญที่คุณสังเกตเห็นในการเปลี่ยนแปลงจาก AI แบบดั้งเดิมไปสู่ AI ที่สร้างสรรค์ในช่วงอาชีพของคุณ และผลกระทบที่สำคัญที่การเปลี่ยนแปลงนี้มีต่ออุตสาหกรรมต่างๆ อย่างไร?

 ในปี 2022 เราเริ่มทดลองกับ AI ที่สร้างสรรค์ AI ที่สร้างสรรค์ในอุตสาหกรรมสาธารณูปโภคเป็นกรณีการใช้งานที่น่าสนใจเพราะข้อมูลที่เราทำงานด้วยมีตัวแปรหลายตัว มีตัวแปรเช่นความละเอียดของกล้อง, มุมการบันทึก, และระยะห่างของวัตถุ – และสิ่งเหล่านี้เป็นเพียงตัวอย่างสำหรับเครื่องบินโดยไม่มีคนขับ มีตัวแปรด้านสิ่งแวดล้อมเช่นการกัดกร่อนหรือการบุกรุกของพืชที่ทำให้เกิดองศาอิสระหลายตัว เนื่องจากความซับซ้อนของข้อมูลนี้ การฝึกอบรมข้อมูลที่ดีสำหรับโมเดลกริดจึงยากที่จะหา

นั่นคือที่ที่ AI ที่สร้างสรรค์เข้ามาในช่วงไม่กี่ปีที่ผ่านมา – เมื่อ AI และการเรียนรู้ของเครื่องจักรดีขึ้น ชุดข้อมูลการฝึกอบรมที่สร้างขึ้นก็จะดีขึ้นด้วย

AI ที่สร้างสรรค์เป็นทางเลือกที่เป็นไปได้สำหรับการฝึกอบรมโมเดล โดยเฉพาะสำหรับ ‘กรณีชายขอบ’ ที่ตัวแปรมีค่าอย่างรุนแรง เช่น ในกรณีของการเกิดเพลิงไหม้ เมื่อ AI ที่สร้างสรรค์ในอุตสาหกรรมสาธารณูปโภคก้าวหน้า ชุดข้อมูลสังเคราะห์ที่สร้างจากข้อมูลในโลกแห่งความเป็นจริงจะช่วยในการฝึกอบรมโมเดลให้สามารถจัดการกับสถานการณ์ที่ซับซ้อนและไม่เหมือนใครได้ดีขึ้น โดยให้ผลลัพธ์ที่ดีขึ้นในด้านการบำรุงรักษาเชิงพยากรณ์และการตรวจจับอาการผิดปกติ ซึ่งจะช่วยลดการเกิดภัยพิบัติทางธรรมชาติ

คุณสามารถอธิบายว่า AI ของ Buzz Solutions ใช้ข้อมูลจริงสำหรับการตรวจจับอาการผิดปกติและประโยชน์ที่มีมากกว่าข้อมูลสังเคราะห์ได้หรือไม่?

ในอุตสาหกรรมสาธารณูปโภค ข้อมูลจริงหมายถึงสิ่งที่สามารถบันทึกได้ในสนาม โดยทั่วไปรวมถึงรูปภาพหรือวิดีที่ถ่ายจากแหล่งส่งสัญญาณทางอากาศ เช่น เครื่องบินโดยไม่มีคนขับหรือเฮลิคอปเตอร์ ข้อมูลสังเคราะห์เป็นข้อมูลที่รวบรวมผ่านกระบวนการจำลองภาพที่เปลี่ยนแปลงส่วนประกอบต่างๆ ของภาพเพื่อพยายามคำนึงถึงสถานการณ์และกรณีชายขอบที่หลากหลาย ปัจจุบัน มันใช้ได้ดีบนกระดาษ แต่ไม่ได้ผลในทางปฏิบัติ โมเดลที่ฝึกอบรมด้วยข้อมูลจริงตั้งแต่แรกมีผลลัพธ์ที่แม่นยำกว่า และข้อได้เปรียบคือทีมสามารถทำแผนที่ 1:1 กับ ‘ความจริงบนพื้น’ – การแสดงภาพที่แม่นยำของสถานการณ์ในโลกแห่งความเป็นจริงที่เทคนิคจะพบ (เช่น เสียงพื้นหลังและสภาพอากาศ) ข้อมูลจริงครอบคลุมความเป็นไปได้ในโลกแห่งความเป็นจริง และรวมถึงตัวแปรที่ไม่คาดคิดในการตรวจจับข้อผิดพลาด

ในขณะที่ข้อมูลสังเคราะห์ไม่สามารถเพิ่มประสิทธิภาพสำหรับสถานการณ์ในโลกแห่งความเป็นจริง (ยัง) แต่ก็ยังมีบทบาทสำคัญในการฝึกอบรมโมเดล

คุณสามารถอธิบายถึงความท้าทายที่ใหญ่ที่สุดที่คุณเผชิญเมื่อผสมผสาน AI กับระบบเก่าในบริษัทสาธารณูปโภคได้หรือไม่?

ระบบเก่าในบริษัทสาธารณูปโภคมักไม่เข้ากันกับการพัฒนาของ AI ความท้าทายที่ใหญ่ที่สุดสองประการที่เราเห็นคือการเปลี่ยนแปลงภายในและการจัดการข้อมูล ข้อมูลที่ถูกแยกออกและความสื่อสารที่ไม่ดีสามารถเป็นอันตรายต่อความพยายามในการเปลี่ยนแปลงดิจิทัล ข้อมูลที่สาธารณูปโภคมีอยู่แล้วจะต้องได้รับการจัดการและรักษาความปลอดภัยในขณะที่ข้อมูลถูกถ่ายโอน

นอกจากนี้ สาธารณูปโภคที่ยังคงใช้การเก็บข้อมูลบนพื้นที่มีความท้าทายที่ใหญ่กว่า การเปลี่ยนจากการเก็บข้อมูลบนพื้นที่ไปสู่โครงสร้างพื้นฐานบนคลาวด์ไม่ใช่ปัญหา แต่การเปลี่ยนแปลงและผลกระทบที่ตามมาเป็นกระบวนการที่ต้องการทรัพยากรและเวลาอย่างมาก ทำให้ยากที่จะเพิ่มเทคโนโลยีต่างๆ ลงไปในกระบวนการนี้ การแนะนำโซลูชัน AI ที่มีประสิทธิภาพไม่แนะนำจนกว่ากระบวนการนี้จะเสร็จสิ้น

สิ่งสำคัญคือภายในองค์กรจะต้องมีการเปลี่ยนแปลงวัฒนธรรมพร้อมกับการเปลี่ยนแปลงทางเทคโนโลยี สิ่งนี้ต้องการให้พนักงานพร้อมที่จะเรียนรู้และปรับตัวให้เข้ากับการเปลี่ยนแปลงในกระบวนการและมองเห็นโซลูชัน AI เป็นเครื่องมือที่มีประสิทธิภาพในการทำให้งานประจำวันของพวกเขาเป็นไปอย่างง่ายดายและมีประสิทธิภาพ

คุณสามารถอธิบายกระบวนการฝึกอบรมโมเดล AI ด้วยข้อมูลที่ทดสอบจากไซต์โครงสร้างพื้นฐานที่สำคัญได้หรือไม่?

ส่วนสำคัญของกระบวนการฝึกอบรมคือการดูดซับข้อมูลทางอากาศที่ให้มาจากเครื่องบินโดยไม่มีคนขับและเฮลิคอปเตอร์ เราเลือกใช้เครื่องบินโดยไม่มีคนขับมากกว่าวิธีการอื่นๆ เช่น ดาวเทียม เนื่องจากความยืดหยุ่นและการส่งมอบข้อมูลทันทีที่พวกมันอนุญาต เราใช้อัลกอริทึมสามประเภทหลัก: การจัดกลุ่มภาพ, การแบ่งส่วน, และการตรวจจับอาการผิดปกติ

เทคโนโลยีของเราขับเคลื่อนด้วยการเรียนรู้ของเครื่องจักรที่มีมนุษย์อยู่ในวงจร – ซึ่งทำให้ผู้เชี่ยวชาญด้านเนื้อหาของทีมของเราสามารถให้ข้อเสนอแนะโดยตรงแก่โมเดลสำหรับการคาดการณ์ที่ต่ำกว่าระดับความมั่นใจที่กำหนด เราโชคดีที่มีผู้เชี่ยวชาญด้านเนื้อหาที่มีประสบการณ์หลายสิบปีในการทำงานเป็นเทคนิคการบำรุงรักษา พวกเขามอบข้อเสนอแนะเพื่อทำให้โมเดลของเรามีความแม่นยำ, มีการปรับแต่ง, และแข็งแกร่งมากขึ้น

โดยการใช้ข้อมูลที่ทดสอบจริงจากสนาม เราสามารถรับประกันว่าการตรวจจับอาการผิดปกติของเรามีความแม่นยำและเชื่อถือได้สูง โดยให้ข้อมูลเชิงลึกที่สามารถดำเนินการได้สำหรับบริษัทสาธารณูปโภค

AI ของ Buzz Solutions มีส่วนช่วยในการทำให้การซ่อมแซมสายไฟฟ้ามีความปลอดภัยมากขึ้นอย่างไร?

งานซ่อมแซมสายไฟฟ้าเป็นหนึ่งในงานที่มีอันตรายที่สุดในอเมริกา และอุตสาหกรรมกำลังประสบกับผลกระทบของการขาดแคลนแรงงานและผู้เชี่ยวชาญที่มีอายุ

ด้วยเทคโนโลยีของเรา PowerAI การตอบสนองต่อเหตุฉุกเฉินได้รับการปรับปรุงให้มีประสิทธิภาพและแม่นยำยิ่งขึ้น เพื่อให้เทคนิคสามารถประเมินความเสียหายได้จากที่ไกลและใช้เวลาพัฒนาแผนการดำเนินการที่กำหนดไว้ล่วงหน้า – ซึ่งลดโอกาสที่จะส่งเทคนิคเข้าไปในสถานการณ์ที่ไม่รู้จักและอาจเป็นอันตราย

PowerAI ใช้การมองเห็นของเครื่องจักรและการเรียนรู้ของเครื่องจักรเพื่อทำให้กระบวนการตรวจจับข้อผิดพลาดเป็นอัตโนมัติอย่างมาก มันทำให้การวิเคราะห์ข้อมูลจำนวนมากเร็วขึ้น, ปลอดภัย, และมีต้นทุนต่ำกว่า ตอนนี้เทคนิคต้องเผชิญกับความเสี่ยงที่ไม่จำเป็นน้อยลงและมีประสิทธิภาพในการดำเนินงานสูงขึ้น ประสิทธิภาพในการดำเนินงานนี้แสดงออกมาในรูปของต้นทุนที่น้อยลง, เวลาในการดำเนินการที่เร็วขึ้น, และการบำรุงรักษาเชิงป้องกัน

เทคโนโลยีและเครื่องบินโดยไม่มีคนขับมีบทบาทอย่างไรในการทันสมัย化การตรวจสอบโครงสร้างพื้นฐาน?

ในประวัติศาสตร์ กระบวนการตรวจสอบโครงสร้างพื้นฐานเป็นกระบวนการที่ทำด้วยมือและน่าเบื่อ ผู้ตรวจสอบจะนั่งอยู่หน้าจอและค้นหาผ่านรูปภาพหลายพันภาพเพื่อระบุปัญหา กระบวนการนี้กลายเป็นไปไม่ได้เมื่อสายไฟฟ้าประสบปัญหาและนำไปสู่สถานการณ์ที่ไม่ปลอดภัยและเพิ่มการกำกับดูแลมากขึ้น ทำให้ต้องมีการตรวจสอบข้อมูลมากขึ้นในเวลาที่สั้นลง

เทคโนโลยี AI ช่วยให้กระบวนการวิเคราะห์ข้อมูลเร็วขึ้นและลดเวลาและต้นทุนที่เกี่ยวข้อง สิ่งนี้ช่วยให้บริษัทสาธารณูปโภคสามารถจัดตั้งทีมซ่อมแซมได้อย่างรวดเร็วและมีประสิทธิภาพมากขึ้น การตรวจจับปัญหายังแม่นยำมากขึ้น โดยรับประกันว่าการซ่อมแซมเป็นไปอย่างทันท่วงทีและป้องกันภัยพิบัติที่อาจเกิดขึ้น

ในการจับภาพรูปภาพเพื่อวิเคราะห์ การตรวจสอบด้วยเครื่องบินโดยไม่มีคนขับเป็นวิธีที่ปลอดภัยและคุ้มค่ากว่าวิธีการอื่นๆ เช่น เฮลิคอปเตอร์, ดาวเทียม, และเครื่องบินแบบมีปีกตายตัว ความสามารถในการเคลื่อนย้ายของเครื่องบินโดยไม่มีคนขับช่วยให้พวกมันสามารถเข้าใกล้และจับภาพข้อมูลที่ละเอียดมากขึ้น

แพลตฟอร์ม AI ของ Buzz Solutions ช่วยให้บริษัทสาธารณูปโภคสามารถทำการบำรุงรักษาเชิงพยากรณ์และประหยัดต้นทุนได้อย่างไร?

โซลูชันของเราลบการวิเคราะห์งานมือออกจากกระบวนการตรวจสอบกริด PowerAI สามารถระบุสถานการณ์ที่อันตรายได้อย่างรวดเร็วเพื่อป้องกันภัยพิบัติที่อาจเกิดขึ้น และให้ข้อมูลสำคัญสำหรับการติดตามและรักษาความปลอดภัย อัลกอริทึม AI ได้รับการฝึกอบรมให้ระบุปัญหาเช่นอุณหภูมิที่รุนแรง, การเข้าถึงโดยไม่ได้รับอนุญาต, การถ่ายภาพความร้อน, และอื่นๆ

นอกเหนือจากการติดตามเชิงป้องกัน PowerAI ยังสามารถให้ลำดับความสำคัญของปัญหาเพื่อการวางแผนการบำรุงรักษาที่ดีขึ้น ทั้งหมดนี้ช่วยลดความจำเป็นในการตรวจสอบทางกายภาพ, ลดต้นทุนการดำเนินงาน, และความเสี่ยงด้านความปลอดภัยที่เกี่ยวข้องกับการตรวจสอบด้วยมือ แพลตฟอร์ม AI ยังให้การตรวจจับที่แม่นยำและถูกต้องยิ่งขึ้น โดยปรับปรุงการตัดสินใจด้านการบำรุงรักษา

คุณสามารถอธิบายถึงผลกระทบของการนำ AI มาใช้ในการเพิ่มประสิทธิภาพการดำเนินงานของบริษัทสาธารณูปโภคได้หรือไม่?

หลังจากการเพิ่มประสิทธิภาพครั้งแรกของการนำ AI มาใช้ บริษัทสาธารณูปโภคจะยังคงได้รับประโยชน์จากโมเดล AI ต่อไป AI สามารถเก็บข้อมูลเชิงลึกที่สามารถดำเนินการได้จากภาพหลายพันภาพที่ถ่ายจากโครงสร้างพื้นฐานหลายร้อยไมล์ เมื่อพิจารณาว่าเราได้รับชุดข้อมูลแรกจากบริษัทสาธารณูปโภคบนเทป นี่เป็นเรื่องที่น่าเหลือเชื่อ และมันจะยังคงฉลาดขึ้น AI ช่วยให้การตรวจจับปัญหาเร็วขึ้น ซึ่งป้องกันไม่ให้เหตุการณ์เล็กๆ กลายเป็นภัยพิบัติใหญ่ๆ เช่น ไฟป่าและอุบัติเหตุร้ายแรง มันลดความจำเป็นในการตรวจสอบด้วยมือ ทำให้บริษัทสาธารณูปโภคมีประสิทธิภาพด้านต้นทุนมากขึ้น

ในบทความ “การนำ AI มาใช้เพียงจุดเริ่มต้นสำหรับบริษัทสาธารณูปโภค” คุณพูดถึงขั้นตอนแรกของการนำ AI มาใช้ สิ่งที่สำคัญที่สุดสำหรับบริษัทสาธารณูปโภคที่กำลังเริ่มต้นการเดินทางของ AI คืออะไร?

มีโอกาสที่ยิ่งใหญ่สำหรับบริษัทสาธารณูปโภคในการใช้ AI และมีหลายโซลูชันที่ต้องพิจารณา ก่อนที่จะกระโดดเข้าไป มันสำคัญที่จะระบุเป้าหมายและสร้างรากฐานที่มั่นคง – ปัญหาอะไรที่คุณกำลังเผชิญอยู่ที่คุณต้องการให้ AI ช่วยแก้ไข? ทีมของคุณมีความเชี่ยวชาญทางเทคนิคและเวลาที่จะรับมือกับการเปลี่ยนแปลงที่ซับซ้อนเช่นนี้หรือไม่? มันจะส่งผลกระทบต่อลูกค้าของคุณอย่างไร?

นอกเหนือจากการมีความสอดคล้องภายในแล้ว ยังต้องเตรียมพร้อมที่จะรับข้อมูลมากกว่าที่บริษัทสาธารณูปโภคเคยได้รับมาก่อน ซึ่งอาจนำไปสู่การบำรุงรักษามากขึ้น บริษัทสาธารณูปโภคควรจะมีแผนในการรองรับคำขอเหล่านี้และแน่ใจว่ามีทรัพยากรที่เหมาะสมก่อนที่จะเริ่มต้นการเดินทางของ AI บริษัทสาธารณูปโภคยังต้องทำงานร่วมกับผู้ให้บริการโซลูชันเพื่อนำไปสู่การเข้าถึงข้อมูล, ความเป็นส่วนตัว, และความปลอดภัยเมื่อนำโซลูชัน AI มาใช้ AI ที่สร้างข้อมูลเชิงลึกควรสุดท้ายถูกป้อนเข้าไปในกระบวนการทำงานของบริษัทสาธารณูปโภคที่มีอยู่เพื่อให้สามารถดำเนินการได้และบรรลุเป้าหมายทางธุรกิจและดำเนินงานขององค์กร

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Buzz Solutions เพื่อเรียนรู้เพิ่มเติม