Josh Wong, grundlægger og administrerende direktør for ThinkLabs AI – Interview Series

Josh Wong er grundlægger og administrerende direktør for ThinkLabs AI. Han har tidligere arbejdet hos GE Vernova som General Manager, Grid Orchestration. Josh Wong gik på University of Waterloo.

ThinkLabs AI er en specialiseret AI-udviklings- og implementeringsvirksomhed. Dens mission er at styrke kritiske industrier og infrastruktur med pålidelig kunstig intelligens, der sigter mod at opnå global energibæredygtighed. Virksomheden er ved at udvikle sit flagskibsprodukt, ThinkLabs Copilot, en digital assistent, der forstår den virkelige verden gennem proprietære fysik-informerede AI digitale tvillinger, der udgør en grundlæggende model for tekniske systemer.

Kan du fortælle os mere om visionen bag ThinkLabs AI, og hvad der inspirerede dens skabelse?

Visionen bag ThinkLabs er en pålidelig, bæredygtig og økonomisk overkommelig energiinfrastruktur drevet af pålidelig kunstig intelligens. Vi forstår, at nettet forbliver i centrum af energiomstillingen. For at dekarbonisere skal vi elektrificere. For at elektrificere har vi brug for nettet, og nettet skal virkelig moderniseres. Vi mener, at skæringspunktet mellem el-systemteknik, kunstig intelligens og cloud computing er løsningen.

Hvordan adskiller ThinkLabs AI sig fra andre AI-startups i grid management-sektoren?

Nettet er komplekst, og så meget, at AI i sig selv ikke kan lære om de komplekse strømstrømme og operationelle processer, der findes i netrummet. ThinkLabs kombinerer den rige historie og selvtillid fra traditionel energisystemteknik med AI, som pålidelig fysik-informeret AI, for tillid til skaleret, automatiseret inferencing og beslutningsstøtte til kritisk infrastruktur. Det kræver også mere end teknologi, men et erfarent team, der forstår nuancerne i nettet, og hvordan forsyningsselskaber og regulatorer tænker. Vores team kommer fra det elektriske kraftsystem med dokumenteret track record, herunder grundlæggeren Josh Wong, som har solgt sit tidligere firma Opus One Solutions til GE, og står i skæringspunktet mellem teknik, kunstig intelligens og cloud computing.

Hvilke specifikke udfordringer inden for netstyring sigter ThinkLabs AI på at løse?

Automatiserede analyser og anbefalinger til situationsbevidsthed i realtid på tværs af nettet, simuleringer i stor skala og løbende læring og anbefalinger til at afbøde netbegrænsninger og optimere nettets ydeevne. Specifikke funktionsområder omfatter:

1. Insights – tilstandsestimat i næsten realtid af strømforsyningen til nettet, detektering af overbelastninger, spændingsovertrædelser og hvordan kapitalaktiver rent faktisk udnyttes.
2. Løsninger – optimale forsendelsesanbefalinger, herunder omskiftning, netenheder og DER'er, til afhjælpning af overbelastning, afhjælpning af DER's sammenkoblinger, reducere tab, genskabe udfald osv.
3. Modelvalidering – validering og rettelser i hjælpekildedatasæt til netmodeller, hvilket sparer OpEx og øger operatørens tillid til netdrift.
4. Operatørs Copilot – operatørforsendelsesanbefalinger trænet med netfysik, forretningsregler, standardprocedurer og driftserfaring, hvilket styrker arbejdsstyrkens træning og opkvalificering.

Hvad er ThinkLabs Copilot, og hvordan forbedrer den netplanlægning og drift?

ThinkLabs Copilot er en digital assistent, der forstår den virkelige verden med proprietære fysik-informerede AI-digitale tvillinger, der giver en grundlæggende model for tekniske systemer. Den arbejder sammen med forsyningsplanlæggere og operatører for at modellere nettet til dets "AI digitale tvilling", udføre højhastigheds- og storskalaanalyser, herunder i næsten realtid, og komme med anbefalinger om netdrift, planer og design.

Kan du forklare, hvad en fysik-informeret AI digital tvilling er, og hvordan det gavner nettets pålidelighed?

AI i sig selv kan ikke lære et så komplekst system som nettet med kun måledata. AI digitale tvillinger i den virkelige verden trænes af, arbejder for og arbejder med tekniske systemer, deraf "fysik-informeret". Træning udføres ved hjælp af store mængder syntetiske data genereret fra ingeniørsimulering. Traditionelle impedansbaserede digitale tvillinger, der kun er fysik, er deterministiske og matematisk optimeret, men alligevel udfordret af datakvalitet, høj behov for computerkraft og langsom responstid. Omvendt lover generelle AI-teknikker hastighed, men alligevel sparsomme data, hallucinationer og "black box"-effekter vedrører missionskritiske netoperationer. En fysikinformeret AI digital tvilling tilbyder gennemsigtige og troværdige analyser, modstandsdygtige og robuste over for dårlige data, hurtig respons og handling, der er egnet til realtidsoperationer, beredskab med store forudtrænede driftsscenarier og en kontinuerlig lærings- og forbedringsproces med lukket sløjfe. .

Hvordan sikrer ThinkLabs AI pålideligheden og nøjagtigheden af ​​sine AI-modeller i scenarier i den virkelige verden?

Naturen af ​​fysik-informeret AI holder AI jordet, bundet til den virkelige verden og afgrænset af den virkelige verden. Vi laver også løbende læring og overvågning af modellens ydeevne.

Hvad gør din AI-teknologi særligt velegnet til at håndtere kompleksiteten af ​​moderne elektriske net?

At blive trænet ved at bestemme ingeniørmodeller, men håndtere den ufuldkomne datakvalitet af operationer i den virkelige verden. AI bringer også et væld af optimering og generative teknikker uden sidestykke af traditionel ingeniørmatematik.

Hvordan integrerer ThinkLabs AI's teknologi med eksisterende netstyringssystemer som ADMS og DERMS?

ThinkLabs integreres som en Copilot med eksisterende ADMS, DERMS og AEMS, som vil forblive den grundlæggende kommunikations- og kontrolplatform, mens ThinkLabs vil lægge på yderligere intelligens og automatisering, som ligner et køretøjs køreassistentsystem.

Hvad betyder den seneste startinvestering på $5 mio. for fremtiden for ThinkLabs AI?

Denne startinvestering har gjort det muligt for os at spin-off og lancere fra GE, samarbejde med en gruppe investorer i verdensklasse, investere i vores team og produkt, komme på markedet med vores første kommercielle Copilot og arbejde med en række kanalpartnere for at bringe dette ind i vores kunders hænder. Dette er det første grundlæggende skridt til efterfølgende udvidelse og skalering.

Hvordan forestiller du dig, at AI's rolle udvikler sig i netstyring og andre kritiske infrastrukturer?

Vi ser netstyring og anden kritisk infrastruktur som i stigende grad "AI first", især med fysik-informeret AI. Åbn op for langt større forståelse, situationsbevidsthed og øget automatisering af beslutningstagning og orkestrering af kritiske handlinger. Alligevel skal du altid forblive ydmyg og troværdig som AI, idet du er tro mod de grundlæggende love for fysik og ingeniørdesign.

Tak for det gode interview, læsere, der ønsker at lære mere, bør besøge ThinkLabs AI.