Вікхят Чаудхрі, CTO, COO та співзасновник Buzz Solutions: розмова про повернення

Вікхят Чаудхрі, CTO, COO та співзасновник Buzz Solutions, очолює розвиток технологій компанії та операції з застосуванням штучного інтелекту, машинного зору та прогнозної аналітики для інспекції та технічного обслуговування критичної енергетичної інфраструктури. Він заснував Buzz Solutions у 2017 році після отримання досвіду в галузі науки про дані, машинного навчання, вбудованих систем, комп’ютерного зору та автономних технологій. Перед тим, як повністю присвятити себе компанії, Чаудхрі працював науковцем-даними в Cisco, розробляв системи машинного навчання та сенсорні системи в Altitude Co., а також проводив дослідження в Стенфордському університеті, пов’язані з автономними безпілотниками, вимірюванням швидкості вітру та комп’ютерним зором для вітрових електростанцій. Його раннє дослідження в організації оборонних досліджень та розробок Індії займалося прогнозуванням зсувів ґрунту за допомогою симуляцій та програмного забезпечення для дистанційного зондування, що надало йому технічний досвід у сфері ризиків інфраструктури, геопросторового аналізу та прикладного штучного інтелекту. Наразі Buzz Solutions вважає його співзасновником, CTO та COO.

Buzz Solutions розробляє програмне забезпечення візуальної інтелектуальної системи, призначене для допомоги енергетичним компаніям у інспекції, технічному обслуговуванні та забезпеченні безпеки ліній передачі, розподілення, підстанцій та генеруючої інфраструктури. Її платформа PowerAI аналізує зображення, зібрані за допомогою безпілотників, гелікоптерів, літаків та наземних інспекцій, перетворюючи візуальні дані у діагностичні дані, які допомагають комунальним підприємствам виявляти дефекти, оцінювати стан активів, пріоритезувати ремонти та інтегрувати результати у існуючі географічні інформаційні системи, системи управління активами та робочі процеси. Компанія позиціонує свою технологію як засіб виявлення інфраструктурних ризиків на ранній стадії, зменшення обсягу ручної роботи, необхідної для аналізу інспекційних зображень, та зниження ймовірності виходу з ладу обладнання, яке може призвести до відключення, зупинки або лісових пожеж. Buzz Solutions також пропонує інструменти для моніторингу підстанцій та безпеки, що відображає її ширшу мету допомоги комунальним підприємствам у створенні безпечнішої, більш стійкої та більш даних-орієнтованої роботи мережі.

Коли ми інтерв’ювали вас у 2024 році, наша розмова зосереджувалася на використанні штучного інтелекту для переходу комунальних підприємств з ручних інспекцій до передбачувального технічного обслуговування. Що змінилося найбільше за останні два роки як у сфері енергетики, так і в вашій власній думці, що змусило вас написати книгу «Powering Intelligence» та розглянути електроенергію як потенційну обмеження майбутнього штучного інтелекту?

Коли ми востаннє розмовляли, розмова здебільшого стосувалася задньої частини мережі, переходу комунальних підприємств від ручних інспекцій до передбачувального технічного обслуговування. Це все ще робота. Але щось змінилося під час нашої розмови за останні два роки, і це змінилося швидше, ніж майже хтось у моїй сфері очікував. Колись розмова про штучний інтелект була абстрактною. Тепер це великий зростання навантаження для комунальних підприємств. Я почав чути те саме від людей, яких знаю вже багато років у цій галузі: запит на підключення до мережі з навантаженням, яке було би немислимим кілька років тому, окремі об’єкти, які запитують таку саму потужність, яку споживає маленьке місто, і запитують її на термін, який нічого не має спільного з тим, як будується мережа. Це був момент, коли все стало зрозуміло для мене. Ми витрачаємо всю нашу енергію на обговорення того, наскільки здатними будуть ці моделі, і майже нічого не говоримо про нудну фізичну питання про те, чи зможемо ми їх годувати. Я написав «Powering Intelligence», оскільки шукав книгу, яка поєднала ці два світи, але її не існувало. Усі писали про моделі штучного інтелекту. Практично ніхто не писав про електрони, необхідні для них. І я опинився в дивній ситуації, досить близько до сторони штучного інтелекту, щоб зрозуміти амбіції, і досить близько до мережі, щоб знати точно, скільки часу потрібно для будівництва нової лінії передачі та розвитку електростанції. Пропуск між цими двома годинниками – це вся історія, і я хотів розмістити її в одному місці.

Ви стверджуєте, що галузь штучного інтелекту розширюється протягом місяців, тоді як мережа змінюється протягом десятиліть. Де знаходиться найбільш негайна瓶частість сьогодні: генерація електроенергії, передавальна здатність, підстанції, трансформатори, черги підключення, дозвільні процедури чи наявність кваліфікованих працівників?

Я думаю, що тут є кілька瓶частостей, і відповідь полягає в тому, що вони всі переплетені. Але якщо мені потрібно вказати на найтіснішу вузькість прямо зараз, то це відносно менше пов’язано з генерацією електронів і більше з їх доставкою: передача та процес підключення, з трансформаторами та іншими електричними пристроями як фізичними елементами, які все зв’язують. Ось річ, яку люди часто недооцінюють. Ви можете оголосити про будівництво електростанції та центру даних у прес-релізі. Ви не можете оголосити про великий потужний трансформатор у прес-релізі, деякі з них мають терміни поставки, виміряні роками, і багато з них навіть не виготовляються всередині країни. Тому навіть коли є воля та капітал, ви натикаєтеся на стіну постачальницької ланки з компонентами. Потім, зверху, є черга підключення, яка в багатьох регіонах є багаторічною чергою лише для вивчення. І під всім цим є проблема з персоналом для енергетичної галузі. Люди, які насправді знають, як будувати та обслуговувати це обладнання, виходять на пенсію швидше, ніж ми їх заміняємо.

Отже, це не одна瓶частість. Це те, що найповільніші фізичні частини, трансформатори, лінії передачі, навчені лінійні працівники, – це саме ті, яких ви не можете прискорити лише за допомогою програмного забезпечення чи грошей. Це те, що робить це складним.

Центри даних штучного інтелекту можуть вводити величезні, висококонцентровані навантаження в області, чиї мережі не були спроектовані для такого рівня навантаження. Як ці об’єкти відрізняються від великих промислових навантажень, які комунальні підприємства історично обслуговували, і які нові ризики вони створюють для надійності та планування потужності?

Комунальні підприємства мають досвід роботи з великими навантаженнями протягом століття. Металургійний завод, алюмінієвий завод, автомобільний завод – це величезні навантаження, і плани мережі знають, як мислити про них. Тому інстинкт полягає в тому, щоб розглядати центр даних як ще одного великого клієнта. Я думаю, що цей інстинкт неправильний, і відмінності створюють новий ризик.

Три речі виділяються для мене. По-перше, концентрація та швидкість. Традиційне промислове навантаження зазвичай зростало поряд з мережею в цьому регіоні протягом десятиліть. Ці об’єкти хочуть зайняти велику площу відразу, в місцях, де місцеві мережі не були спроектовані для них. По-друге, це профіль навантаження. Багато з них не є гладкими навантаженнями, вони можуть швидко зростати та стресувати обладнання по-іншому, ніж завод, який працює в стабільному режимі. По-третє, і це те, що турбує планувальників найбільше, – це спекулятивна купівля, про яку я знаю, що це ваше наступне питання.

Ризик полягає в тому, що комунальні підприємства повинні планувати навколо навантаження, яке поводиться інакше, ніж усе в їхніх історичних моделях, і зобов’язуються капіталом та інфраструктурою згідно з графіком штучного інтелекту, а не згідно з графіком мережі. Коли ваші припущення щодо планування побудовані на сторіччі одного типу навантаження, а нове навантаження порушує ці припущення, планування надійності стає справжнім.

Комунальні підприємства отримують амбіційні запити на потужність від розробників центрів даних, але не кожен запланований об’єкт обов’язково буде завершений. Як комунальні підприємства можуть відрізнити зобов’язані навантаження від спекулятивних запитів і уникнути будівництва дорогої інфраструктури для проектів, які можуть бути завершені пізно або взагалі не матеріалізуватися?

Це одне з найважливіших оперативних питань у цій сфері прямо зараз, і я радий, що ви запитали про це прямо, оскільки воно не отримує достатньої уваги поряд з іншими темами.

Розробник може подати запити на підключення до одного проекту в декількох територіях одночасно, шукаючи, хто зможе доставити потужність найшвидше. Деякі з цих проектів реальні та профінансовані. Деякі з них – варіанти, плейсхолдери та спосіб утримати місце в черзі. Деякі з них називаються “фантомними навантаженнями”, які можуть ніколи не з’явитися. Якщо комунальне підприємство розглядатиме кожен запит як реальний і почне будувати генерацію та передачу для всіх цих запитів, воно ризикує створити величезні витрати, інфраструктуру, побудовану для центру даних, який з’явиться через роки або взагалі не з’явиться. І гадайте, хто опиняється платником за ці витрати, існуючі абоненти. З іншого боку, якщо комунальні підприємства будуватимуть менше, вони ризикують не бути в змозі виконувати вимоги надходящих навантажень, що може привести до проблем з надійністю мережі.

Шлях до вирішення цієї проблеми полягає в тому, щоб зробити спекуляції дорогими, а зобов’язання – дешевими. Це означає справжній фінансовий ризик перед тим, як комунальне підприємство зобов’язується капіталом, значні депозити, фазові зобов’язання, пов’язані з будівельними віхами, умови контракту, які покладають ризик на сторону, яка робить запит, а не на абонентів. Деякі юрисдикції починають рухатися в цьому напрямку. Принцип, до якого я завжди повертаюсь, простий: сутність, яка просить про потужність, повинна нести ризик того, що потужність не буде потрібна. Правда в тому, що зараз ризик часто тихо переходить на інших.

Хто повинен в кінцевому підсумку платити за генерацію, передачу та модернізацію підстанцій, необхідних для центрів даних штучного інтелекту? Які тарифні структури чи договорні гарантії можуть запобігти тому, щоб домогосподарства та існуючі підприємства субсидували інфраструктуру, побудовану в першу чергу для гіпермасштабних технологічних компаній?

Це питання, яке визначить політику наступного десятиліття мережі, і я не думаю, що воно має чисто технічну відповідь. Я думаю, що це питання справедливості. Моя чесна думка полягає в тому, що витрати повинні лежати, якомога більше, на навантаженні, яке їх викликає. Якщо об’єкт гіпермасштабного центру даних вимагає нової підстанції та модернізації передачі, об’єкт повинен платити за те, що він викликає, а не абонент, який тихо платить за це. Це здається очевидним, але так працювали тарифні структури історично; велике нове інфраструктурне будівництво часто соціалізувалося по всьому базису клієнтів, що мало сенс, коли нове навантаження було заводом, який займав усе місто. Це має менше сенсу, коли бенефіціаром є одна з найбільш цінних компаній у світі.

Інструменти існують. Тарифи для великих навантажень, розроблені спеціально для цього класу клієнтів. Мінімальні контракти, щоб центр даних не міг отримати інфраструктуру, побудовану, а потім покинути. Довгострокові зобов’язання, які відповідають терміну служби будівництва. Що має значення, так це те, що регулятори та комунальні підприємства повинні використовувати ці інструменти, і використовувати їх до будівництва, а не після. Бо коли бетон вже залито, а витрати вже включені в тарифну базу, дуже важко повернути все назад. Я пишу про це в книзі, оскільки думаю, що це одне з місць, де неправильні стимули можуть тихо підірвати публічну довіру до комунальних підприємств та галузі штучного інтелекту.

Чи можуть центри даних штучного інтелекту стати гнучкими активами мережі, а не негнучкими джерелами навантаження через зміну робочого навантаження, реакцію на навантаження, батареї, теплове зберігання, генерацію на місці чи інші засоби? Які навантаження штучного інтелекту можуть бути реально переміщені в різні години або місця без порушення продуктивності?

Так, і я думаю, що це одна з найбільш надійних ідей у цій темі, тому хочу бути обережним, щоб не перебільшити, оскільки гнучкість реальна, але не необмежена. Почнімо з того розрізнення, яке має значення: не весь обчислювальний процес штучного інтелекту однаковий. Є висновок, який відбувається після того, як великі моделі вже навчені (живі моделі), і ви запитуєте модель питання та потребуєте відповіді зараз. Це чутливе до затримки та важке для переміщення. І є навчання, величезна, пакетна робота, яка будує моделі. Навчання значно більш гнучке. Воно не обов’язково турбується про те, чи відбувається це о 14:00 чи о 2:00 ночі, чи в цьому штаті чи в тому,只要 це зроблено. Ця гнучкість – це можливість. Якщо велика частина навантаження центру даних – це той тип, який можна перемістити в часі, то воно може нахилитися до годин, коли в мережі є надлишок чистої потужності, і відійти, коли система напружена.

Тепер накладіть на це батареї, теплове зберігання та генерацію на місці, і об’єкт, який виглядає як негнучкий блок навантаження, може почати поводитися як ресурс, який насправді допомагає балансувати мережу, поглинаючи надлишкову сонячну енергію в середині дня, проїжджаючи через піки на збереженій енергії. Чесна застереження полягає в тому, що це вимагає, щоб оператор фактично хотів співпрацювати, і це вимагає тарифних структур, які винагороджують його за це. Технологія – це легка частина, але проектування стимулів – це важка частина. Але світ, у якому центри даних є гнучкими партнерами мережі, а не її ворогами, – це справжній, і це значно краще, ніж альтернатива.

Яка комбінація джерел енергії може реально задовольнити потреби штучного інтелекту в електроенергії протягом наступного десятиліття? Як ви бачите роль відновлюваних джерел енергії та зберігання, природного газу, традиційного ядерного енергетики, малих модульних реакторів та геотермальної енергії в цій комбінації?

Я дам вам відповідь, якої люди не люблять, яка полягає в тому, що це все разом, і хто пропонує вам єдине рішення, той щось продаває. Відновлювані джерела енергії та зберігання – це найшвидше, що ми можемо розгорнути; сонячна енергія плюс батареї можуть бути побудовані на термінах, які виглядають майже розумно порівняно з усім іншим, і ця швидкість має величезне значення, коли навантаження зростає так швидко. Отже, це робоча сила на ближній горизонт. Насправді багато клієнтів Buzz серед комунальних підприємств (Dominion, Ameren, AEP, NYPA, Southern та інші) продовжують збільшувати свою сонячну частку, щоб задовольнити потреби центрів даних.

Але відновлювані джерела енергії є змінними, а ці навантаження працюють довginas. Тому зберігання робить велику частину важкої роботи в цьому реченні, і тому фірмна потужність все ще має значення. Природний газ буде частиною мосту, чи ми цього хочемо чи ні, просто тому, що він диспетчеризований і він уже тут. Ядерна енергетика зараз цікава, ми спостерігаємо за станціями, які прямували на пенсію, але отримують друге життя саме через те, що центр даних підписує довгостроковий контракт на їхню потужність, чого майже ніхто не передбачав. Малі модульні реактори та геотермальна енергія – це справжні довгострокові ігри, але я намагаюся бути дисциплінованим щодо термінів, вони є значною частиною історії на другій половині десятиліття та пізніше, а не тим, що врятує вас у 2027 році.

Отже, реалістична комбінація – це шарова: відновлювані джерела енергії та зберігання несуть зростання, газ закриває фірмну потужність, існуюча ядерна енергетика продовжується та набуває нового значення, а наступне покоління джерел енергії вводиться, коли вони дозрівають. Помилка полягає в ідеологічній чистоті в будь-якому напрямку, оскільки мережа не турбується про наші уподобання. Вона турбується про доставлені кіловат-години надійно та вчасно.

Одна з центральних ідей у вашій книзі полягає в тому, що сама галузь штучного інтелекту, яка тисне на мережу, також може надати інструменти, необхідні для модернізації мережі. Де штучний інтелект може створити найбільші найближчі вигоди: прогнозування навантаження, передбачувальне технічне обслуговування, оптимізація передачі, управління рослинністю, відновлення після відключення, цифрові двійники чи автономне керування мережею?

Це серце книги, і, чесно кажучи, частина, яку я знаходжу найбільш надійною, та галузь, яка тисне на мережу, надає нам найкращі інструменти, які у нас були, щоб її виправити. Якщо я ранжую за тим, де віддача реальна сьогодні, а не на слайді, то поставлю це тут.

Прогнозування технічного обслуговування, безперервний моніторинг та інспекція спочатку, оскільки це те, де Buzz провів роки, і я бачив, як це працює. Використання комп’ютерного зору та візуального штучного інтелекту для виявлення дефектних компонентів до того, як вони вийдуть з ладу, тріщину в ізоляторі, перегріту трансформатора, ржаву гак, це не спекулятивно, це розгорнуто і економить реальні гроші та запобігає реальним відключенням прямо зараз. Право旁 with цим я би поставив прогнозування навантаження та реакцію на навантаження, оскільки вся проблема центру даних стає більш керованою, якщо ви можете передбачити навантаження з більшою точністю, а не планувати сліпо. Потім оптимізація передачі, витягування більшої потужності з дротів, які у нас вже є, що має величезне значення, враховуючи, як довго триває будівництво нових.

Управління рослинністю та відновлення після відключення – це поруч, оскільки це області, де штучний інтелект робить щось повільне та ручне швидким та ефективним, надаючи при цьому достатньо інформації та ситуаційної осведомленості, щоб надати стійкість мережі та запобігти інциденти, такі як лісові пожежі, штормові пошкодження та відключення.

Цифрові двійники та повністю автономне керування мережею – це подальший горизонт, вони приходять, і вони потужні, але вони несуть питання довіри та безпеки, які, я підозрюю, є вашим наступним запитом. Отже, найближчим часом моя чесна оцінка починається з нудної речі: побачити мережу краще, передбачити її поведінку краще та витягнути більше з того, що вже в землі, роблячи мережу більш осведомленою. Це те, де штучний інтелект сплачується спочатку.

Наша попередня розмова обговорювала залежність Buzz Solutions від реальних даних комунальних підприємств та людського фактору у процесі перевірки. Як мережеві системи стають більш автономними, які рішення можна безпечно делегувати штучному інтелекту, а де людський суд повинен залишатися обов’язковим? Як комунальні підприємства повинні готуватися до не透них рішень моделей, кібератак або збоїв, які можуть поширитися по критичній інфраструктурі?

Коли ми востаннє розмовляли, я описав свій підхід як людину в циклі, експертам-домені, які надають зворотний зв’язок моделям штучного інтелекту на все, що нижче порогу впевненості або поганих прогнозів, і хочу почати з цього, оскільки моя думка щодо цього не змінилася, вона зміцніла.

Штучний інтелект надзвичайно хороший у завданнях сприйняття та рекомендацій, подивіться на всі ці дані, знайдіть аномалії, знайдіть ризик, ранжируйте те, що потрібно уваги. Делегування цього не тільки безпечне, але й краще, ніж те, що люди можуть зробити самостійно у цьому масштабі. Де я ставаю більш обережним, це рішення про дії на критичній інфраструктурі та проєкти, які мають значення, рішення, які можуть вивести з ладу світло для лікарні або поширити вплив на весь регіон. Ці рішення потребують людини (експерта-домені) з відповідальністю, не тому, що модель у середньому випадку гірша, а тому, що критична інфраструктура – це саме місце, де рідкісний катастрофічний випадок – це вся гра.

Отже, підготовка складається з трьох частин. По-перше, тримайте людей значимо в циклі щодо рішень, які мають значення, не як резиновий штамп, а з реальною владою зупинити. По-друге, наполягайте на пояснюваності для всього, що стосується критичної експлуатації, якщо ви не можете зрозуміти, чому модель зробила те, що зробила, ви не можете бути відповідальними за це, і “штучний інтелект вирішив” – це не прийнятна відповідь, коли світло гасне. По-третє, і це те, де галузь небезпечно відстає, розглядають ці автономні системи як розширений поверхню атаки з дня їх створення. Чим більше ми дозволяємо програмному забезпеченню керувати мережею, тим більше мережа успадковує вразливості програмного забезпечення. Кібератака на автономну систему керування – це не порушення даних, це фізична подія. Ми повинні проектувати з урахуванням цієї реальності до того, як станемо повністю автономними, а не після. Позитивна новина полягає в тому, що комунальні підприємства зараз серйозно ставляться до безпеки даних, інформаційної безпеки та управління штучним інтелектом і також почали створювати ради з управління штучним інтелектом та даними у своїх організаціях. Ми в Buzz опублікували книги з кібербезпеки та управління штучним інтелектом для галузі, щоб дізнатися більше про успішне розгортання систем штучного інтелекту безпечно та у великому масштабі.

Оглядаючись вперед на п’ять років, що відокремить країни та регіони, які зможуть підтримувати подальше розширення штучного інтелекту, від тих, хто обмежений доступністю електроенергії? Як би виглядала успішна стратегія для узгодження розвитку штучного інтелекту з модернізацією мережі до 2031 року?

Я думаю, що через п’ять років ми оглянемося назад і зрозуміємо, що обмеженням штучного інтелекту ніколи не було чіпи чи таланти. Це те, що не могло рухатися, те, що насправді вирішувало, хто виграв, – це була потужність та інфраструктура. Електроенергія стає стратегічним ресурсом епохи штучного інтелекту так само, як нафта була для останнього століття, і я не думаю, що це перебільшення; я думаю, що це просто стає видимим.

Отже, регіони, які випереджають, будуть тими, які розглядатимуть потужність мережі як конкурентний актив і почнуть будувати та реформувати рано, місця, які оптимізували підключення, модернізували дозвільні процедури без знищення тих гарантій, які мають значення, інвестували в передачу до того, як навантаження повністю прийшло, а не спішно після цього. Ті, хто відстає, не будуть бракувати амбіцій чи капіталу. У них будуть оголошення про центр даних та інвестиції, але вони просто не зможуть доставити електрони, і проекти тихо підуть туди, де можна.

Успішна стратегія до 2031 року виглядатиме так, що два годинники (про які я продовжую говорити) нарешті будуть встановлені для роботи разом, а не проти одне одного. Це означає узгодження швидкості амбіцій штучного інтелекту з реальністю термінів інфраструктури енергетики, використання штучного інтелекту для отримання більшої вигоди від наявної мережі, поки ми будемо будувати мережу, якої нам потрібно, отримання правильної аллокації витрат, щоб публічна думка про доступність енергетики не стала надзвичайно негативною, і серйозне ставлення до проблеми з персоналом, щоб фактично навчити наступне покоління людей, які будують та обслуговують цю систему. Ніщо з цього не є технологічною проблемою, оскільки у нас є технологія; це проблема координації та волі. На мою думку, хороша новина полягає в тому, що ці проблеми ми знаємо, як вирішувати; це просто потрібно, щоб галузь технологій, галузь енергетики та політики та регулятори сіли разом і провели відповідну розмову. Дякую за велике інтерв’ю, читачам, які хочуть дізнатися більше, слід відвідати Buzz Solutions або прочитати його книгу: Powering Intelligence: чому майбутнє штучного інтелекту залежить від мережі.