Vikhyat Chaudhry, CTO, COO & Co-Founder của Buzz Solutions – Loạt Phỏng Vấn

Vikhyat Chaudhry là CTO, COO và đồng sáng lập của Buzz Solutions và là một cựu nhà khoa học dữ liệu tại Cisco, một kỹ sư học máy / hệ thống nhúng tại Altitude và một sinh viên tốt nghiệp Stanford.

Buzz Solutions cung cấp phần mềm phân tích dự đoán và trí tuệ nhân tạo chính xác để cung cấp các cuộc kiểm tra trực quan hiệu quả hơn cho cơ sở hạ tầng truyền tải, phân phối và trạm biến áp.

Bạn có thể chia sẻ hành trình và điểm nổi bật trong sự nghiệp của mình đã dẫn bạn đến việc đồng sáng lập Buzz Solutions?

Tôi lớn lên ở New Delhi, Ấn Độ, với một sự tò mò tự nhiên về đổi mới và kỹ thuật và tôi đã tham dự Đại học Kỹ thuật Delhi, nơi tôi học kỹ thuật dân dụng và môi trường. Tôi đặc biệt nhớ một khoảnh khắc trong năm cuối khi tôi xây dựng một chiếc máy bay không người lái từ đầu và bay nó trong thành phố. Nhiệm vụ là theo dõi ô nhiễm không khí ở New Delhi và thông qua thí nghiệm này, tôi phát hiện ra rằng chất lượng không khí có thể được truy tìm trực tiếp đến sự thiếu điện, lượng khí thải từ phương tiện giao thông tăng và số lượng nhà máy điện than tăng trong những năm qua. Kinh nghiệm này đã củng cố sự quan tâm của tôi đến việc sử dụng công nghệ để giải quyết các vấn đề thực tế liên quan đến năng lượng và điện.

Trước khi thành lập Buzz, nền tảng công nghệ của tôi đã dẫn tôi đến vai trò của tôi là Người đứng đầu Các đội Máy học và Khoa học Dữ liệu tại Cisco Systems (CSCO ) trong vài năm. Kinh nghiệm này vô cùng quý giá và đã xây dựng sự tiếp xúc của tôi với một loạt các dự án trí tuệ nhân tạo và học máy đa dạng ngay từ đầu.

Tôi đã nhận bằng thạc sĩ về Kỹ thuật Dân dụng / Môi trường từ Đại học Stanford vào năm 2016. Trong thời gian này, tôi đã tham gia các lớp học chuyên về kỹ thuật năng lượng, xây dựng sự quan tâm của tôi đã bắt đầu ở nước ngoài. Tôi đã gặp đồng sáng lập của mình, Kaitlyn, trong một lớp học nơi chúng tôi đã gắn kết với nhau về đam mê của chúng tôi đối với môi trường, năng lượng và doanh nghiệp. Chúng tôi đã tình cờ phát hiện ra một nhu cầu lớn trong ngành công nghiệp tiện ích và đã làm việc trên các giải pháp để giải quyết nó từ đó.

Bạn có thể quan sát những phát triển chính nào trong quá trình chuyển đổi từ trí tuệ nhân tạo truyền thống sang Trí tuệ nhân tạo sinh (Generative AI) trong sự nghiệp của mình, và sự chuyển đổi này có tác động đáng kể như thế nào đối với các ngành công nghiệp khác nhau?

 Vào năm 2022, chúng tôi đã bắt đầu thử nghiệm với Trí tuệ nhân tạo sinh. Trí tuệ nhân tạo sinh trong lĩnh vực tiện ích là một trường hợp sử dụng thú vị vì dữ liệu chúng tôi làm việc với liên quan đến nhiều biến khác nhau. Có các yếu tố như độ phân giải của máy ảnh, góc chụp và khoảng cách đối tượng – và những yếu tố đó chỉ dành cho máy bay không người lái. Ngoài ra còn có các điều kiện môi trường như ăn mòn hoặc xâm phạm thực vật, giới thiệu nhiều độ tự do. Do sự phức tạp này, dữ liệu đào tạo tốt cho các mô hình lưới có thể khó tìm.

Đó là nơi Trí tuệ nhân tạo sinh đã xuất hiện trong những năm qua – khi trí tuệ nhân tạo và học máy được cải thiện, các tập dữ liệu đào tạo mà nó tạo ra cũng được cải thiện.

Trí tuệ nhân tạo sinh đã trở thành một lựa chọn khả thi cho việc đào tạo mô hình, đặc biệt là với các trường hợp ‘biên’ quan trọng, nơi các biến có giá trị cực đoan hơn, chẳng hạn như trong trường hợp của một đám cháy rừng. Khi Trí tuệ nhân tạo sinh trong ngành công nghiệp tiện ích tiến bộ, các tập dữ liệu tổng hợp dựa trên dữ liệu thế giới thực sẽ giúp đào tạo mô hình để xử lý các kịch bản dữ liệu phức tạp và độc đáo hơn, cung cấp sự cải thiện đáng kể về bảo trì dự đoán và phát hiện bất thường, điều này sẽ giảm thiểu các thảm họa tự nhiên.

Bạn có thể giải thích cách công cụ Trí tuệ nhân tạo của Buzz Solutions sử dụng dữ liệu thực để phát hiện bất thường và lợi ích nó mang lại so với dữ liệu tổng hợp?

Trong ngành công nghiệp tiện ích, dữ liệu thực là bất cứ thứ gì có thể được thu thập trong lĩnh vực, thường bao gồm hình ảnh hoặc video được chụp từ các nguồn trên không như máy bay không người lái hoặc máy bay trực thăng. Dữ liệu tổng hợp, mặt khác, là dữ liệu được thu thập thông qua một quá trình sao chép hình ảnh, trong đó các thành phần khác nhau của hình ảnh được thay đổi thủ công để cố gắng tính đến một số lượng lớn các kịch bản và trường hợp biên. Hiện tại, nó rất tốt trên giấy nhưng không trong thực tế. Các mô hình được đào tạo với dữ liệu thực từ đầu được chứng minh là chính xác hơn và lợi thế là rằng thông qua việc sử dụng dữ liệu thực, các đội có thể ánh xạ 1: 1 với ‘sự thật trên mặt đất’ – một đại diện chính xác của các kịch bản thế giới thực mà một kỹ thuật viên có thể gặp phải (như tiếng ồn nền và thời tiết). Dữ liệu thực tính đến các khả năng thế giới thực và bao gồm các biến không thể đoán trước của việc phát hiện lỗi.

Mặc dù dữ liệu tổng hợp alone không thể tối ưu hóa cho các kịch bản thế giới thực (vẫn chưa), nhưng nó vẫn đóng một vai trò quan trọng trong việc đào tạo mô hình.

Thách thức lớn nhất bạn gặp phải khi tích hợp Trí tuệ nhân tạo với các hệ thống cũ trong các công ty tiện ích là gì?

Các hệ thống cũ trong các công ty tiện ích thường không tương thích với các tiến bộ của Trí tuệ nhân tạo. Hai thách thức lớn mà chúng tôi thấy các công ty gặp phải là chuyển đổi nội bộ và quản lý dữ liệu. Dữ liệu bị cô lập và giao tiếp có thể có hại cho các nỗ lực chuyển đổi số. Dữ liệu mà các công ty tiện ích đã sở hữu phải được quản lý và bảo mật trong khi thông tin được chuyển giao.

Ngoài ra, các công ty tiện ích vẫn sử dụng lưu trữ dữ liệu tại chỗ gặp phải những thách thức lớn hơn. Việc chuyển đổi từ lưu trữ dữ liệu tại chỗ sang cơ sở hạ tầng đám mây không phải là vấn đề, mà là sự chuyển đổi và ảnh hưởng sau đó. Quá trình này đòi hỏi nhiều tài nguyên và thời gian, khiến nó khó thêm các công nghệ khác trên đỉnh của sự chuyển đổi. Việc giới thiệu các giải pháp Trí tuệ nhân tạo hiệu quả không được khuyến nghị cho đến khi quá trình này được hoàn thành.

Nó cũng quan trọng rằng bên trong, có một sự thay đổi văn hóa cùng với sự thay đổi công nghệ. Điều này đòi hỏi phải có nhân viên sẵn sàng học hỏi liên tục và thích nghi với các thay đổi trong quy trình và xem các giải pháp Trí tuệ nhân tạo như các công cụ hiệu quả để làm cho công việc hàng ngày của họ dễ dàng và hiệu quả hơn.

Bạn có thể giải thích quá trình đào tạo các mô hình Trí tuệ nhân tạo với dữ liệu được kiểm tra trong lĩnh vực từ các địa điểm cơ sở hạ tầng quan trọng?

Một phần lớn của quá trình đào tạo là tiêu thụ dữ liệu trên không được cung cấp bởi máy bay không người lái và máy bay trực thăng. Chúng tôi chọn sử dụng máy bay không người lái hơn các phương pháp như vệ tinh do sự linh hoạt và giao hàng dữ liệu ngay lập tức mà chúng cho phép. Chúng tôi sử dụng ba loại thuật toán chính: phân cụm hình ảnh, phân đoạn và phát hiện bất thường.

Công nghệ của chúng tôi được thúc đẩy bởi học máy có sự tham gia của con người – cho phép các chuyên gia trong lĩnh vực trên đội của chúng tôi cung cấp phản hồi trực tiếp cho mô hình đối với các dự đoán dưới một mức độ tin cậy nhất định. Chúng tôi may mắn có các chuyên gia trong lĩnh vực trên đội của chúng tôi – với nhiều thập kỷ kinh nghiệm tổng hợp của các kỹ thuật viên thực địa, họ cung cấp phản hồi để làm cho các mô hình của chúng tôi trở nên chính xác, được cá nhân hóa và mạnh mẽ hơn.

Bằng cách sử dụng dữ liệu thực được kiểm tra trong lĩnh vực, chúng tôi có thể đảm bảo rằng việc phát hiện bất thường của chúng tôi là chính xác và đáng tin cậy, cung cấp cho các công ty tiện ích những thông tin có thể hành động.

Làm thế nào công nghệ Trí tuệ nhân tạo của Buzz Solutions góp phần làm cho việc sửa chữa đường dây điện trở nên an toàn hơn?

Công việc sửa chữa đường dây điện là một trong những nghề nguy hiểm nhất ở Mỹ, và ngành công nghiệp đang trải qua những ảnh hưởng của một lực lượng lao động già và thiếu hụt kỹ thuật viên.

Với công nghệ của chúng tôi, PowerAI, phản ứng khẩn cấp đã trở nên hiệu quả và chính xác hơn, để các kỹ thuật viên có thể đánh giá thiệt hại từ xa và có thời gian để phát triển một khóa hành động đã định trước – điều này giảm thiểu khả năng gửi một kỹ thuật viên vào một tình huống không xác định, có khả năng nguy hiểm.

PowerAI sử dụng tầm nhìn máy tính và học máy để tự động hóa một phần lớn của quá trình phát hiện lỗi. Nó đã làm cho việc phân tích một lượng lớn các điểm dữ liệu trở nên nhanh hơn, an toàn hơn và rẻ hơn, để các kỹ thuật viên hiện nay đối mặt với rủi ro không cần thiết giảm và hiệu quả hoạt động cao hơn. Hiệu quả hoạt động này thể hiện qua chi phí nhỏ hơn, thời gian quay vòng nhanh hơn và bảo trì phòng ngừa.

Vai trò của máy bay không người lái và các công nghệ tiên tiến khác trong việc hiện đại hóa việc kiểm tra cơ sở hạ tầng?

Trong lịch sử, quá trình kiểm tra cơ sở hạ tầng là hoàn toàn thủ công và rất nhàm chán. Các thanh tra viên sẽ ngồi trước màn hình máy tính, lướt qua hàng nghìn hình ảnh và xác định các vấn đề bằng tay. Quá trình này đã trở nên không bền vững khi các đường dây điện tiếp tục gặp vấn đề dẫn đến nhiều tình huống không an toàn hơn và nhiều quan điểm quản lý hơn, tăng số lượng dữ liệu cần được xem xét trong một khoảng thời gian ngắn hơn.

Công nghệ dựa trên Trí tuệ nhân tạo đã đơn giản hóa đáng kể quá trình phân tích dữ liệu, giảm thời gian và chi phí liên quan. Điều này cho phép các công ty tiện ích triển khai các đội sửa chữa nhanh hơn và hiệu quả hơn. Việc phát hiện vấn đề cũng chính xác hơn, đảm bảo rằng các sửa chữa được thực hiện kịp thời và ngăn chặn các mối nguy hiểm tiềm ẩn.

Trong việc chụp ảnh để phân tích, việc kiểm tra bằng máy bay không người lái an toàn hơn và tiết kiệm chi phí hơn so với các phương pháp khác như máy bay trực thăng, vệ tinh và máy bay cánh cố định. Khả năng di chuyển của chúng cho phép chúng di chuyển để có thể chụp được thông tin chi tiết hơn.

Làm thế nào nền tảng được trang bị Trí tuệ nhân tạo của Buzz Solutions giúp các công ty tiện ích với bảo trì dự đoán và tiết kiệm chi phí?

Giải pháp của chúng tôi loại bỏ hầu hết công việc phân tích thủ công ra khỏi quá trình kiểm tra lưới. PowerAI có thể nhanh chóng xác định các tình huống nguy hiểm để ngăn chặn các thảm họa tiềm năng và cung cấp thông tin quan trọng cho mục đích theo dõi và bảo mật. Các thuật toán Trí tuệ nhân tạo được đào tạo để xác định các bất thường như nhiệt độ cực đoan, truy cập / nhân viên không được ủy quyền, hình ảnh nhiệt và hơn thế nữa.

Bên cạnh việc theo dõi dự phòng, PowerAI cũng có thể cung cấp phân cấp ưu tiên các bất thường cho việc lập kế hoạch bảo trì được tối ưu hóa. Tất cả những điều này giảm thiểu nhu cầu kiểm tra vật lý, giảm chi phí hoạt động và rủi ro an toàn liên quan đến việc kiểm tra thủ công. Nền tảng được trang bị Trí tuệ nhân tạo cũng cung cấp phát hiện chính xác và chính xác hơn, cải thiện quyết định bảo trì.

Bạn có thể thảo luận về tác động của việc áp dụng Trí tuệ nhân tạo đối với hiệu quả hoạt động của các công ty tiện ích?

Sau khi áp dụng mô hình Trí tuệ nhân tạo ban đầu, một công ty tiện ích sẽ tiếp tục gặt hái những lợi ích của mô hình trong một khoảng thời gian vô tận. Chu kỳ sống của một mô hình Trí tuệ nhân tạo bắt đầu từ quá trình cài đặt. Trí tuệ nhân tạo có thể thu thập thông tin có thể hành động từ hàng nghìn hình ảnh được chụp trên hàng trăm dặm cơ sở hạ tầng. Xem xét rằng chúng tôi nhận được tập dữ liệu đầu tiên từ một công ty tiện ích trên băng, điều này thật tuyệt vời và nó đang trở nên thông minh hơn. Trí tuệ nhân tạo làm cho việc phát hiện sớm các vấn đề bảo trì trở nên khả thi hơn, điều này ngăn chặn các sự cố nhỏ trở thành các mối nguy hiểm an toàn lớn hơn như cháy rừng và chấn thương nghiêm trọng. Nó giảm nhu cầu kiểm tra của con người, khiến tiện ích trở nên tiết kiệm chi phí hơn.

Trong bài viết “Áp dụng Trí tuệ nhân tạo chỉ là bước đầu tiên cho các công ty tiện ích”, bạn thảo luận về các bước đầu tiên của việc áp dụng Trí tuệ nhân tạo. Những xem xét quan trọng nhất cho các tiện ích bắt đầu hành trình Trí tuệ nhân tạo của họ là gì?

Có một cơ hội lớn cho các công ty tiện ích để sử dụng Trí tuệ nhân tạo, và nhiều giải pháp để xem xét. Trước khi nhảy vào, điều quan trọng là phải xác định mục tiêu và thiết lập một nền tảng ổn định – những thách thức nào bạn đang gặp phải hiện tại mà bạn muốn Trí tuệ nhân tạo giúp giải quyết? Đội của bạn có chuyên môn kỹ thuật và thời gian để thực hiện một cuộc đại tu phức tạp như vậy không? Nó sẽ ảnh hưởng đến khách hàng của bạn như thế nào?

Bên cạnh việc được sắp xếp nội bộ là việc chuẩn bị để nhận được nhiều dữ liệu hơn mà tiện ích đã có trước đây, điều này có thể dẫn đến nhiều bảo trì hơn khi các vấn đề phát sinh. Một tiện ích nên có kế hoạch để đáp ứng những yêu cầu này và đảm bảo rằng họ có nguồn lực phù hợp trước khi bắt đầu hành trình Trí tuệ nhân tạo của mình. Các tiện ích cũng cần làm việc với các nhà cung cấp giải pháp để thực hiện quyền truy cập dữ liệu, quyền riêng tư và bảo mật khi triển khai các giải pháp Trí tuệ nhân tạo. Thông tin có thể hành động được tạo ra bởi Trí tuệ nhân tạo cuối cùng sẽ được đưa vào các quy trình công việc tiện ích hiện có để chúng trở nên có thể hành động và đáp ứng các mục tiêu kinh doanh và hoạt động của tổ chức.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm nên truy cập Buzz Solutions.