Buzz Çözümleri’nin CTO, COO ve Kurucu Ortağı Vikhyat Chaudhry ile Röportaj Serisi

Vikhyat Chaudhry, Buzz Çözümleri’nin CTO, COO ve kurucu ortağıdır ve aynı zamanda Cisco’da eski bir veri bilimcisi, Altitude’da makine öğrenimi ve gömülü sistemler mühendisi ve Stanford mezunu olarak görev yapmıştır.

Buzz Çözümleri, iletim, dağıtım ve şalt tesisleri altyapısı için daha verimli görsel kontrolleri güçlendirmek amacıyla doğru AI ve öngörülü analiz yazılımları sunar.

Sizden Buzz Çözümleri’ni kurmanıza yol açan yolculuğunuzu ve kariyerinizin önemli noktalarını paylaşmanızı rica ediyoruz.

Ben Hindistan’ın Yeni Delhi şehrinde büyüdüm ve mühendislik ve inovasyon için doğal bir merakım vardı. Delhi Mühendislik Koleji’ne gittim ve orada İnşaat ve Çevre Mühendisliği okudum. Özellikle son yıldaki bir anı hatırlıyorum, o zamanlar bir dron ile deney yapmıştımda ve şehrin havası üzerindeki etkilerini gözlemledim. Görev, Yeni Delhi’deki hava kirliliğini izlemekti ve bu deneyde, hava kalitesinin 500 AQI’nin üzerinde olduğunu gördüm, bu da günde 60 sigara içmekle eşdeğerdi. Kötü hava kalitesi, elektrifikasyon eksikliğine, artan araç emisyonlarına ve yıllar içinde artan kömürlü santrallere doğrudan bağlanabilirdi. Bu deneyim, enerji ve güçle ilgili gerçek dünya sorunlarını çözmek için teknoloji kullanımına olan ilgimi pekiştirdi.

Buzz’u kurmadan önce, teknoloji geçmişim beni Cisco Sistemleri’nde Makine AI ve Veri Bilim Takımlarının Lideri olarak görev yapmamı sağladı. Bu deneyim çok değerliydi ve beni erken dönemde çeşitli yapay zeka ve makine öğrenimi projelerine maruz bıraktı.

2016 yılında Stanford Üniversitesi’nden İnşaat ve Çevre Mühendisliği alanında yüksek lisans derecesi aldım. Bu süre zarfında enerji mühendisliği alanında uzmanlaşan dersler aldım ve yurtdışında başlayan ilgi alanımı geliştirdim. Co-kurucu Kaitlyn ile bir sınıfta tanıştım ve çevre, enerji ve girişimcilik konularındaki tutkularımız üzerinden bağlandık. Utility endüstrisinde büyük bir ihtiyaç bulduk ve o günden beri bu ihtiyaca çözüm bulmaya çalışıyoruz.

Kariyeriniz boyunca geleneksel AI’den Generative AI’ye geçişte hangi önemli gelişmeleri gözlemlediniz ve bu geçiş çeşitli sektörlerde nasıl önemli etkiler yarattı?

 2022 yılında Generative AI ile deneyler yapmaya başladık. GenAI, utility sektöründe ilginç bir kullanım örneğidir, çünkü çalıştığımız veriler birçok farklı değişkeni içerir. Kamera çözünürlüğü, çekme açısı ve nesne mesafesi gibi faktörler vardır – ve bunlar sadece dronlar içindir. Ayrıca, korozyon veya bitki girişi gibi çevresel koşullar gibi birçok serbestlik derecesi tanımlayıcıdır. Bu karmaşıklık nedeniyle, iyi eğitim verisi için grid modelleri bulmak zor olabilir.

Bu noktada GenAI son birkaç yılda devreye girmiştir – yapay zeka ve makine öğrenimi geliştikçe, oluşturduğu eğitim setleri de gelişmektedir.

GenAI, özellikle ‘kenar vakaları’ gibi değişkenlerin daha aşırı değerlerine sahip durumlarda, örneğin yangın durumunda, eğitim modelleri için geçerli bir seçenek haline gelmiştir. Utility endüstrisindeki GenAI ilerledikçe, gerçek dünya verilerine dayalı sentetik veri setleri, modelleri daha karmaşık ve benzersiz veri senaryolarını daha etkili bir şekilde ele almak için daha da geliştirecektir, bu da öngörülü bakım ve anormallik tespitinde önemli iyileştirmeler sağlayarak doğal afetlerin azaltılmasına yardımcı olacaktır.

Buzz Çözümleri’nin AI aracının gerçek verileri anormallik tespiti için nasıl kullandığını ve sentetik verilere kıyasla sunduğu faydaları açıklar mısınız?

Utility endüstrisinde gerçek veri, genellikle dronlar veya helikopterler gibi havadan kaynaklardan alınan görüntüler veya videoları ifade eder. Sentetik veri ise, çeşitli bileşenleri manuel olarak değiştirerek çok sayıda senaryo ve kenar vakalarını hesaba katmaya çalışan bir görüntü çoğaltma işlemiyle toplanan veridir. Şu anda teoride harika ancak uygulamada değil. İlk başta gerçek verilerle eğitilen modeller daha doğru olmakla birlikte, avantajı, gerçek verilerin ‘zemin gerçeği’ ile 1:1 eşleşmesini sağlamasıdır – bir teknisyenin karşılaşacağı fiziksel dünya senaryolarının (arka plan gürültüsü ve hava durumu gibi) doğru bir temsilidir. Gerçek veriler, gerçek dünya olasılıklarını hesaba katlar ve anormallik tespitindeki öngörülemez değişkenleri içerir.

Sentetik veri alone, gerçek dünya senaryolarını optimize edemez, ancak model eğitiminde önemli bir rol oynamaya devam eder.

Utility şirketlerinde AI’yi miras sistemlerle entegre ederken karşılaştığınız en büyük zorluklar nelerdir?

Utility şirketlerindeki miras sistemler genellikle AI gelişmeleriyle uyumsuzdur. İki büyük zorlukla karşılaşıyoruz: iç dönüşüm ve veri yönetimi. Verilerin ve iletişimin bölünmesi, dijital dönüşüm çabalarına zarar verebilir. Utilities already sahip olduğu verilerin yönetilmesi ve güvenliğinin sağlanması gerekirken, bilgi taşınırken.

Ek olarak, hala yerel veri depolama kullanan utilities daha büyük zorluklarla karşı karşıyadır. Yerel veri depolamasından bulut altyapısına geçiş değil, bunun ardından gelen geniş dönüşüm ve sonrasında oluşan deprem sorunudur. Bu işlem önemli kaynaklar ve zaman gerektirir, bu da teknolojilerin üzerine eklenmesini zorlaştırır. AI çözümlerinin etkili bir şekilde tanıtılması, bu sürecin tamamlanmasından sonra önerilmez.

İçeride, teknoloji değişimiyle birlikte kültürel bir değişim olması da önemlidir. Bu, sürekli öğrenmeye ve değişimlere adapte olmaya hazır personelin olması anlamına gelir ve AI çözümlerini, günlük işlerini daha kolay ve verimli hale getiren etkili araçlar olarak görmeleri gerekir.

Altyapı sitelerinden alınan sahada test edilmiş verileri kullanarak AI modellerini eğitmek sürecini açıklar mısınız?

Eğitim sürecinin büyük bir kısmı, dronlar ve helikopterler tarafından sağlanan havadan verilerin işlenmesidir. Uygun esneklik ve anlık veri teslimatı sundukları için dronları uydular, sabit kanatlı uçaklar ve helikopterler yerine tercih ediyoruz. Üç farklı algoritma türü kullanıyoruz: görüntü kümeleme, segmentasyon ve anormallik tespiti.

Teknolojimiz, İnsan-Makine Öğrenimi ile çalışır – bu, uzmanlarımızın modelin belirli bir güven seviyesinin altında olan tahminlerine doğrudan geri bildirim vermesine olanak tanır. Uzmanlarımızın decades of combined field technician deneyimine sahip olması bizim için çok önemlidir, geri bildirimlerle modellerimizi daha doğru, kişiselleştirilmiş ve güçlü hale getirmemize yardımcı olurlar.

Gerçek sahada test edilmiş verileri kullanarak, anormallik tespitimizin yüksek derecede doğru ve güvenilir olduğunu garantileyebiliriz, bu da utility şirketlerine eyleme geçirilebilir iç görüler sağlar.

Buzz Çözümleri’nin AI teknolojisinin enerji hattı tamiratlarını daha güvenli hale getirmeye nasıl katkıda bulunduğunu açıklayabilir misiniz?

Elektrik hattı tamiratı, Amerika’da en ölümcül mesleklerden biridir ve endüstri, yaşlanan bir işgücü ve teknisyen eksikliğiyle karşı karşıyadır.

PowerAI teknolojisimizle, acil müdahale daha etkili ve doğru hale gelmiştir, böylece teknisyenler uzaktan hasarı değerlendirebilir ve önceden belirlenmiş bir eylem planı geliştirebilirler – bu, teknisyenlerin bilinmeyen, potansiyel olarak tehlikeli bir duruma gönderilme olasılığını azaltır.

PowerAI, bilgisayar görüşü ve makine öğrenimi kullanarak arızanın büyük bir kısmını otomatikleştirir. Büyük miktarda veri noktasının analizini daha hızlı, daha güvenli ve daha ucuz hale getirmiştir, bu da teknisyenlerin gereksiz risklerle karşılaşma olasılığını azaltır ve operasyonel verimliliği artırır. Bu operasyonel verimlilik, daha küçük maliyetler, daha hızlı dönüş zamanları ve önleyici bakım olarak kendini gösterir.

Modern altyapı kontrollerinde dronlar ve diğer gelişmiş teknolojilerin rolü nedir?

Tarihsel olarak, altyapı kontrolleri tamamen manuel ve çok monoton bir işlemdi. Kontrolörler, binlerce görüntüyü inceleyerek ve el ile sorunları tanımlayarak bilgisayar ekranlarının önünde otururlardı. Bu işlem, güç hatlarının sorunlar yaşaması ve daha fazla güvenlik denetimi nedeniyle sürdürülemez hale geldi, bu da daha fazla veri incelemesini gerektirdi.

AI tabanlı teknoloji, veri analizi işlemini önemli ölçüde hızlandırır, bu da utility şirketlerinin onarım ekiplerini daha hızlı ve etkili bir şekilde dağıtmalarına olanak tanır. Sorun tespiti de daha doğru hale gelir, bu da tamiratların zamanında ve büyüyen tehlikelerin önlenmesini sağlar.

Görüntüleri analiz için yakalamakta, dron kontrolleri diğer yöntemlere kıyasla daha güvenli ve daha ucuzdur. Taşınabilirlikleri, daha granüler bilgi toplamak için yakınlaşmalarına olanak tanır.

Buzz Çözümleri’nin AI tabanlı platformu, utility şirketlerine öngörülü bakım ve maliyet tasarrufu konusunda nasıl yardımcı olur?

Çözümümüz, ızgara kontrolünün büyük kısmını otomatikleştirir. PowerAI, potansiyel felaketleri önlemek için tehlikeli durumları hızlı bir şekilde tanımlayabilir ve izleme ve güvenlik amaçları için kritik bilgiler sağlayabilir. AI algoritmaları, aşırı sıcaklık, yetkisiz araç erişimi / personele, termal görüntüleme gibi anormallikleri tanımlamak için eğitilir.

Önleyici izleme yanı sıra, PowerAI ayrıca anormalliklerin optimize edilmiş bakım planlaması için tiered önceliklendirmesi sağlayabilir. Tüm bunlar, fiziksel kontrollerin gereksizliğini azaltır, manuel kontrollerle ilgili operasyonel maliyetleri ve güvenlik risklerini azaltır. AI tabanlı platform, daha doğru ve doğru tespiti sağlar, bu da bakım kararlarını iyileştirir.

Utility şirketlerinin operasyonel verimliliği üzerindeki AI benimsemesinin etkisini tartışabilir misiniz?

AI modelini benimsemesinin ilk aşamasından sonra, bir utility şirketi, modelin faydalarını sonsuz bir süre boyunca devam ettirecektir. AI modelinin yaşam döngüsü, kurulum aşamasında başlar. AI, binlerce görüntü üzerinden alınan yüzlerce mil altyapısından eyleme geçirilebilir iç görüler elde edebilir. İlk verisetini bir utility şirketi tarafından bir banttan aldığımızı düşününce, bu olağanüstüdür ve sadece daha da akıllı hale gelmektedir. AI, bakım sorunlarının erken tespitini çok daha mümkün hale getirir, bu da küçük olayların daha büyük güvenlik tehlikelerine dönüşmesini önler, yangınlar ve ciddi yaralanmalar gibi. İnsan kontrollerinin gereksizliğini azaltır, utility şirketlerini daha maliyetli hale getirir.

“Utility Şirketleri için AI Benimsemesinin Sadece Başlangıç Olduğunu” makalenizde, AI benimsemesinin ilk adımlarını tartışıyorsunuz. Utility şirketleri AI yolculuklarına başlarken en kritik dikkate almaları gereken noktalar nelerdir?

Utility şirketleri için AI kullanma fırsatları çok büyük ve birçok çözüm vardır. Ancak önce, AI’nin yardımıyla çözmek istediğiniz zorlukları tanımlamanız ve sağlam bir temel oluşturmanız önemlidir – hangi zorlukları AI’nin yardımıyla çözmek istiyorsunuz? Ekibiniz bu kadar karmaşık bir dönüşümü üstlenmek için gerekli teknik uzmanlığa ve zamana sahip mi? Müşterilerinize nasıl bir etkisi olacaktır?

İçeride hizalanmanın yanı sıra, daha önce hiç görülmemiş miktarda veri ile karşılaşmaya hazır olmanız da önemlidir, bu da daha fazla bakım talebiyle sonuçlanabilir. Bir utility şirketi, bu talepleri karşılayabilecek kaynaklara sahip olmak ve AI çözümlerini uygulamadan önce doğru veri erişimini, gizliliği ve güvenliği sağlamak için çözüm sağlayıcılarla çalışmalıdır. AI tarafından üretilen iç görüler, sonunda mevcut utility iş akışlarına entegre edilmeli ve organizasyonun iş ve operasyonel hedeflerini karşılayabilmelidir.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Buzz Çözümleri‘ni ziyaret edebilir.