Josh Wong, fondateur et PDG de ThinkLabs AI – Série d'interviews

Josh Wong est le fondateur et PDG de ThinkLabs AI. Il a auparavant travaillé chez GE Vernova en tant que directeur général, Grid Orchestration. Josh Wong a fréquenté l'Université de Waterloo.

IA ThinkLabs est une société spécialisée dans le développement et le déploiement d'IA. Sa mission est de doter les industries et les infrastructures critiques d’une IA fiable visant à atteindre la durabilité énergétique mondiale. La société développe son produit phare, ThinkLabs Copilot, un assistant numérique qui comprend le monde réel grâce à des jumeaux numériques exclusifs à IA basés sur la physique, fournissant un modèle fondamental pour les systèmes d'ingénierie.

Pouvez-vous nous en dire plus sur la vision derrière ThinkLabs AI et ce qui a inspiré sa création ?

La vision derrière les ThinkLabs est une infrastructure énergétique fiable, durable et abordable, alimentée par une IA digne de confiance. Nous comprenons que le réseau reste au centre de la transition énergétique. Pour décarboner, nous devons électrifier. Pour électrifier, nous avons besoin du réseau, et le réseau doit vraiment se moderniser. Nous pensons que l’intersection de l’ingénierie des systèmes électriques, de l’IA et du cloud computing est la solution.

Comment ThinkLabs AI se différencie-t-il des autres startups d’IA dans le secteur de la gestion de réseaux ?

Le réseau est complexe, à tel point que l’IA en elle-même ne peut pas en apprendre davantage sur les flux d’énergie complexes et les processus opérationnels qui existent dans l’espace du réseau. Les ThinkLabs combinent la riche histoire et la confiance de l’ingénierie des systèmes électriques traditionnels avec l’IA, en tant qu’IA fiable basée sur la physique, pour garantir la confiance dans l’inférence automatisée et l’aide à la décision à grande échelle pour les infrastructures critiques. Cela nécessite également plus que de la technologie, mais une équipe expérimentée qui comprend les nuances du réseau et la façon de penser des services publics et des régulateurs. Notre équipe vient du domaine des systèmes d'énergie électrique avec une expérience éprouvée, notamment le fondateur Josh Wong qui a vendu son ancienne société Opus One Solutions à GE et se situe à l'intersection de l'ingénierie, de l'IA et du cloud computing.

Quels défis spécifiques en matière de gestion du réseau l’IA ThinkLabs vise-t-elle à résoudre ?

Analyses et recommandations automatisées pour une connaissance de la situation en temps réel sur l'ensemble du réseau, des simulations à grande échelle, ainsi qu'un apprentissage et des recommandations continus pour atténuer les contraintes du réseau et optimiser les performances du réseau. Les domaines fonctionnels spécifiques comprennent :

1. Perspectives – estimation en temps quasi réel de l’état du flux d’énergie du réseau, détection des congestions, des violations de tension et de la manière dont les actifs immobilisés sont réellement utilisés.
2. Solutions – recommandations de répartition optimale, y compris la commutation, les dispositifs de réseau et les DER, pour réduire la congestion, atténuer les interconnexions des DER, réduire les pertes, rétablir les pannes, etc.
3. Validation du modèle – validation et corrections des ensembles de données sources des services publics pour les modèles de réseau, économisant ainsi des OpEx et augmentant la confiance des opérateurs dans les opérations du réseau.
4. Copilote de l'opérateur – recommandations de répartition des opérateurs formés à la physique du réseau, aux règles commerciales, aux procédures standard et à l'expérience opérationnelle, permettant la formation et le perfectionnement de la main-d'œuvre.

Qu'est-ce que le ThinkLabs Copilot et comment améliore-t-il la planification et les opérations du réseau ?

ThinkLabs Copilot est un assistant numérique qui comprend le monde réel avec des jumeaux numériques exclusifs à IA basés sur la physique qui fournissent un modèle de base pour les systèmes d'ingénierie. Il travaille avec les planificateurs et les opérateurs de services publics pour modéliser le réseau dans son « jumeau numérique IA », effectuer des analyses à grande vitesse et à grande échelle, y compris en temps quasi réel, et formuler des recommandations sur les opérations, les plans et les conceptions du réseau.

Pouvez-vous expliquer ce qu’est un jumeau numérique IA basé sur la physique et comment il profite à la fiabilité du réseau ?

L'IA à elle seule ne peut pas apprendre un système aussi complexe qu'une grille avec uniquement des données de mesure. Les jumeaux numériques IA du monde réel sont formés, travaillent pour et travaillent avec des systèmes d'ingénierie, donc « informés par la physique ». La formation est effectuée à l'aide de grandes quantités de données synthétiques générées à partir de simulations techniques. Les jumeaux numériques traditionnels basés uniquement sur la physique et basés sur l'impédance sont déterministes et mathématiquement optimisés, mais confrontés à la qualité des données, à la puissance de calcul élevée requise et à un temps de réponse lent. À l’inverse, les techniques générales d’IA promettent de la rapidité, mais les données éparses, les hallucinations et les effets de « boîte noire » concernent les opérations critiques du réseau. Un jumeau numérique d'IA basé sur la physique offre des analyses transparentes et fiables, résilientes et robustes contre les mauvaises données, une réponse et une action rapides adaptées aux opérations en temps réel, une préparation avec de grands scénarios d'exploitation pré-entraînés et un processus d'apprentissage et d'amélioration continu en boucle fermée. .

Comment ThinkLabs AI garantit-il la fiabilité et la précision de ses modèles d’IA dans des scénarios réels ?

La nature de l’IA basée sur la physique maintient l’IA ancrée, liée au monde réel et limitée par le monde réel. Nous effectuons également un apprentissage continu et un suivi des performances des modèles.

Qu’est-ce qui rend votre technologie d’IA particulièrement adaptée pour faire face aux complexités des réseaux électriques modernes ?

Être formé par des modèles d'ingénierie déterminés, mais gérer la qualité imparfaite des données des opérations du monde réel. L’IA apporte également une richesse de techniques d’optimisation et de génération inégalées par les mathématiques d’ingénierie traditionnelles.

Comment la technologie de ThinkLabs AI s'intègre-t-elle aux systèmes de gestion de réseau existants comme ADMS et DERMS ?

Les ThinkLabs s'intègrent en tant que copilote aux ADMS, DERMS et AEMS existants, qui resteront la plate-forme fondamentale de communication et de contrôle, tandis que les ThinkLabs ajouteront une intelligence et une automatisation supplémentaires, similaires au système d'aide à la conduite d'un véhicule.

Que signifie le récent investissement de démarrage de 5 millions de dollars pour l’avenir de l’IA des ThinkLabs ?

Cet investissement de démarrage nous a permis de nous lancer et de nous lancer à partir de GE, de nous associer à un groupe d'investisseurs de classe mondiale, d'investir dans notre équipe et nos produits, de commercialiser notre premier Copilot commercial et de travailler avec un certain nombre de partenaires de distribution pour mettre cela en œuvre. entre les mains de nos clients. Il s’agit de la première étape fondamentale vers une expansion et une mise à l’échelle ultérieures.

Comment envisagez-vous l’évolution du rôle de l’IA dans la gestion du réseau et d’autres infrastructures critiques ?

Nous considérons que la gestion du réseau et d’autres infrastructures critiques sont de plus en plus « l’IA d’abord », en particulier avec l’IA basée sur la physique. Ouvrez une bien meilleure compréhension, une meilleure connaissance de la situation et augmentez l'automatisation de la prise de décision et de l'orchestration des actions critiques. Pourtant, restez toujours humble et digne de confiance en tant qu’IA, en étant fidèle aux lois fondamentales de la physique et de la conception technique.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter IA ThinkLabs.