ການສໍາພາດ
Josh Wong, ຜູ້ກໍ່ຕັ້ງ & CEO ຂອງ ThinkLabs AI – ຊຸດສໍາພາດ
Josh Wong ເປັນຜູ້ກໍ່ຕັ້ງ ແລະ CEO ຂອງ ThinkLabs AI. ກ່ອນຫນ້ານີ້ລາວໄດ້ເຮັດວຽກຢູ່ GE Vernova ເປັນຜູ້ຈັດການທົ່ວໄປ, Grid Orchestration. Josh Wong ໄດ້ເຂົ້າຮຽນຢູ່ມະຫາວິທະຍາໄລ Waterloo.
ThinkLabs AI ເປັນບໍລິສັດພັດທະນາ ແລະນຳໃຊ້ AI ພິເສດ. ພາລະກິດຂອງມັນແມ່ນເພື່ອສ້າງຄວາມເຂັ້ມແຂງໃຫ້ອຸດສາຫະກໍາທີ່ສໍາຄັນແລະໂຄງສ້າງພື້ນຖານທີ່ມີ AI ທີ່ເຊື່ອຖືໄດ້ເພື່ອແນໃສ່ບັນລຸຄວາມຍືນຍົງດ້ານພະລັງງານທົ່ວໂລກ. ບໍລິສັດກໍາລັງພັດທະນາຜະລິດຕະພັນ flagship ຂອງຕົນ, ThinkLabs Copilot, ຜູ້ຊ່ວຍດິຈິຕອນທີ່ເຂົ້າໃຈໂລກທີ່ແທ້ຈິງໂດຍຜ່ານຄູ່ແຝດດິຈິຕອ AI ທີ່ມີຄວາມຮູ້ຟີຊິກ, ສະຫນອງຮູບແບບພື້ນຖານສໍາລັບລະບົບວິສະວະກໍາ.
ທ່ານສາມາດບອກພວກເຮົາເພີ່ມເຕີມກ່ຽວກັບວິໄສທັດທີ່ຢູ່ເບື້ອງຫລັງ ThinkLabs AI ແລະສິ່ງທີ່ເປັນແຮງບັນດານໃຈໃນການສ້າງຂອງມັນ?
ວິໄສທັດທີ່ຢູ່ເບື້ອງຫຼັງ ThinkLabs ແມ່ນໂຄງສ້າງພື້ນຖານດ້ານພະລັງງານທີ່ເຊື່ອຖືໄດ້, ຍືນຍົງ, ແລະລາຄາບໍ່ແພງທີ່ຂັບເຄື່ອນໂດຍ AI ທີ່ເຊື່ອຖືໄດ້. ພວກເຮົາເຂົ້າໃຈວ່າຕາຂ່າຍໄຟຟ້າຍັງຄົງຢູ່ໃນຈຸດສູນກາງຂອງການຫັນປ່ຽນພະລັງງານ. ເພື່ອ decarbonize ພວກເຮົາຕ້ອງ electrify. ເພື່ອໄຟຟ້າພວກເຮົາຕ້ອງການຕາຂ່າຍໄຟຟ້າ, ແລະຕາຂ່າຍໄຟຟ້າກໍ່ຕ້ອງປັບປຸງໃຫ້ທັນສະໄຫມ. ພວກເຮົາເຊື່ອວ່າການຕັດກັນຂອງວິສະວະກໍາລະບົບໄຟຟ້າ, AI, ແລະຄອມພິວເຕີ້ຟັງແມ່ນການແກ້ໄຂ.
ThinkLabs AI ແຕກຕ່າງຈາກການເລີ່ມຕົ້ນ AI ອື່ນໆໃນຂະແຫນງການຄຸ້ມຄອງຕາຂ່າຍໄຟຟ້າແນວໃດ?
ຕາຂ່າຍໄຟຟ້າແມ່ນສັບສົນ, ແລະຫຼາຍດັ່ງນັ້ນ AI ໃນຕົວຂອງມັນເອງບໍ່ສາມາດຮຽນຮູ້ກ່ຽວກັບການໄຫຼເຂົ້າຂອງພະລັງງານທີ່ສັບສົນແລະຂະບວນການປະຕິບັດງານທີ່ມີຢູ່ໃນຊ່ອງຕາຂ່າຍໄຟຟ້າ. ThinkLabs ປະສົມປະສານປະຫວັດສາດທີ່ອຸດົມສົມບູນແລະຄວາມຫມັ້ນໃຈຂອງວິສະວະກໍາລະບົບໄຟຟ້າແບບດັ້ງເດີມກັບ AI, ເປັນ AI ຟີຊິກທີ່ໃຫ້ຂໍ້ມູນທີ່ເຊື່ອຖືໄດ້, ສໍາລັບຄວາມຫມັ້ນໃຈໃນຂະຫນາດ, ອັດຕະໂນມັດ inferencing ແລະສະຫນັບສະຫນູນການຕັດສິນໃຈສໍາລັບໂຄງສ້າງພື້ນຖານທີ່ສໍາຄັນ. ມັນຍັງໃຊ້ເວລາຫຼາຍກວ່າເຕັກໂນໂລຢີ, ແຕ່ທີມງານທີ່ມີປະສົບການທີ່ເຂົ້າໃຈຄວາມແຕກຕ່າງກັນຂອງຕາຂ່າຍໄຟຟ້າແລະວິທີການຂອງຜົນປະໂຫຍດແລະຜູ້ຄວບຄຸມຄິດ. ທີມງານຂອງພວກເຮົາມາຈາກພື້ນທີ່ລະບົບໄຟຟ້າທີ່ມີບັນທຶກການຕິດຕາມ, ລວມທັງຜູ້ກໍ່ຕັ້ງ Josh Wong ຜູ້ທີ່ໄດ້ຂາຍບໍລິສັດທີ່ຜ່ານມາ Opus One Solutions ກັບ GE, ແລະຢືນຢູ່ໃນຈຸດຕັດກັນຂອງວິສະວະກໍາ, AI, ແລະຄອມພິວເຕີ້ຟັງ.
ສິ່ງທ້າທາຍສະເພາະໃດແດ່ໃນການຈັດການຕາຂ່າຍໄຟຟ້າ ThinkLabs AI ມີຈຸດປະສົງເພື່ອແກ້ໄຂ?
ການວິເຄາະອັດຕະໂນມັດ ແລະຂໍ້ແນະນຳສຳລັບການຮັບຮູ້ສະຖານະການແບບສົດໆໃນທົ່ວຕາຂ່າຍ, ການຈຳລອງຂະໜາດໃຫຍ່, ແລະການຮຽນຮູ້ຢ່າງຕໍ່ເນື່ອງ ແລະຄຳແນະນຳເພື່ອຫຼຸດຜ່ອນຂໍ້ຈຳກັດຂອງຕາໜ່າງ ແລະເພີ່ມປະສິດທິພາບການເຮັດວຽກຂອງຕາຂ່າຍ. ພື້ນທີ່ເຮັດວຽກສະເພາະປະກອບມີ:
- Insights - ການຄາດຄະເນສະພາບທີ່ໃກ້ກັບເວລາທີ່ແທ້ຈິງຂອງການໄຫຼຂອງໄຟຟ້າຕາຂ່າຍໄຟຟ້າ, ການກວດສອບຄວາມແອອັດ, ການລະເມີດແຮງດັນແລະການນໍາໃຊ້ຊັບສິນທຶນຢ່າງແທ້ຈິງ.
- ວິທີແກ້ໄຂ - ຂໍ້ສະເຫນີແນະການສົ່ງທີ່ດີທີ່ສຸດ, ລວມທັງການສະຫຼັບ, ອຸປະກອນຕາຂ່າຍໄຟຟ້າແລະ DERs, ສໍາລັບການບັນເທົາຄວາມແອອັດ, ຫຼຸດຜ່ອນການເຊື່ອມຕໍ່ກັນຂອງ DERs, ຫຼຸດຜ່ອນການສູນເສຍ, ຟື້ນຟູການຢຸດເຊົາ, ແລະອື່ນໆ.
- ການກວດສອບຕົວແບບ - ການກວດສອບຄວາມຖືກຕ້ອງແລະການແກ້ໄຂໃນຊຸດຂໍ້ມູນແຫຼ່ງຜົນປະໂຫຍດສໍາລັບຮູບແບບຕາຂ່າຍໄຟຟ້າ, ປະຫຍັດ OpEx ແລະເພີ່ມຄວາມຫມັ້ນໃຈຂອງຜູ້ປະຕິບັດການສໍາລັບການດໍາເນີນງານຕາຂ່າຍໄຟຟ້າ.
- Copilot ຂອງ Operator - ຜູ້ປະກອບການສົ່ງຂໍ້ສະເຫນີແນະທີ່ໄດ້ຮັບການຝຶກອົບຮົມກັບຟີຊິກຂອງຕາຂ່າຍໄຟຟ້າ, ກົດລະບຽບທຸລະກິດ, ຂັ້ນຕອນມາດຕະຖານ, ແລະປະສົບການການດໍາເນີນງານ, ສ້າງຄວາມເຂັ້ມແຂງໃນການຝຶກອົບຮົມກໍາລັງແຮງງານແລະການຍົກລະດັບທັກສະ.
ThinkLabs Copilot ແມ່ນຫຍັງ, ແລະມັນເສີມຂະຫຍາຍການວາງແຜນຕາຂ່າຍໄຟຟ້າແລະການດໍາເນີນງານແນວໃດ?
ThinkLabs Copilot ເປັນຜູ້ຊ່ວຍດິຈິຕອນທີ່ເຂົ້າໃຈໂລກທີ່ແທ້ຈິງກັບຄູ່ແຝດດິຈິຕອລ AI ທີ່ມີຄວາມຮູ້ຟີຊິກທີ່ເປັນເຈົ້າຂອງທີ່ສະຫນອງຮູບແບບພື້ນຖານສໍາລັບລະບົບວິສະວະກໍາ. ມັນເຮັດວຽກຮ່ວມກັບຜູ້ວາງແຜນຜົນປະໂຫຍດແລະຜູ້ປະຕິບັດການ, ເພື່ອສ້າງແບບຈໍາລອງຕາຂ່າຍໄຟຟ້າເຂົ້າໄປໃນ "ຄູ່ແຝດດິຈິຕອລ AI", ປະຕິບັດການວິເຄາະຄວາມໄວສູງແລະຂະຫນາດໃຫຍ່ລວມທັງໃນເວລາທີ່ແທ້ຈິງ, ແລະສະເຫນີຄໍາແນະນໍາກ່ຽວກັບການດໍາເນີນງານຕາຂ່າຍໄຟຟ້າ, ແຜນການ, ແລະການອອກແບບ.
ເຈົ້າສາມາດອະທິບາຍໄດ້ວ່າຄູ່ແຝດດິຈິຕອລ AI ທີ່ມີຂໍ້ມູນທາງຟີຊິກແມ່ນຫຍັງ ແລະມັນໃຫ້ຜົນປະໂຫຍດຕໍ່ຄວາມໜ້າເຊື່ອຖືຂອງຕາຂ່າຍໄຟຟ້າໄດ້ແນວໃດ?
AI ດ້ວຍຕົວມັນເອງບໍ່ສາມາດຮຽນຮູ້ລະບົບສະລັບສັບຊ້ອນດັ່ງກ່າວເປັນຕາຂ່າຍໄຟຟ້າທີ່ມີຂໍ້ມູນການວັດແທກເທົ່ານັ້ນ. ຄູ່ແຝດດິຈິຕອລຂອງ AI ຂອງໂລກທີ່ແທ້ຈິງແມ່ນໄດ້ຮັບການຝຶກອົບຮົມໂດຍ, ເຮັດວຽກສໍາລັບ, ແລະເຮັດວຽກກັບລະບົບວິສະວະກໍາ, ເພາະສະນັ້ນ "ຟີຊິກ-informed". ການຝຶກອົບຮົມແມ່ນເຮັດໄດ້ໂດຍໃຊ້ຂໍ້ມູນສັງເຄາະຈໍານວນຫຼວງຫຼາຍທີ່ສ້າງຂຶ້ນຈາກການຈໍາລອງວິສະວະກໍາ. ຟີຊິກແບບດັ້ງເດີມເທົ່ານັ້ນ, ຄູ່ແຝດດິຈິຕອລທີ່ອີງໃສ່ impedance ແມ່ນມີຄວາມຕັ້ງໃຈ ແລະ ເພີ່ມປະສິດທິພາບທາງດ້ານຄະນິດສາດ, ແຕ່ຍັງຖືກທ້າທາຍໂດຍຄຸນນະພາບຂໍ້ມູນ, ພະລັງງານຄອມພິວເຕີສູງທີ່ຕ້ອງການ, ແລະເວລາຕອບສະໜອງຊ້າ. ໃນທາງກັບກັນ, ເຕັກນິກ AI ໂດຍທົ່ວໄປສັນຍາຄວາມໄວ, ແຕ່ຂໍ້ມູນເບົາບາງ, ຄວາມຫຼົງໄຫຼ, ແລະຜົນກະທົບຂອງ "ກ່ອງດໍາ" ກ່ຽວຂ້ອງກັບການປະຕິບັດງານຂອງຕາຂ່າຍໄຟຟ້າທີ່ສໍາຄັນ. ຄູ່ແຝດດິຈິຕອລ AI ທີ່ມີຂໍ້ມູນຟີຊິກໃຫ້ການວິເຄາະທີ່ໂປ່ງໃສ ແລະເຊື່ອຖືໄດ້, ຢືດຢຸ່ນ ແລະແຂງແຮງຕໍ່ກັບຂໍ້ມູນທີ່ບໍ່ດີ, ການຕອບສະໜອງໄວ ແລະການປະຕິບັດທີ່ເໝາະສົມກັບການປະຕິບັດການແບບສົດໆ, ການກຽມພ້ອມກັບສະຖານະການປະຕິບັດການກ່ອນການຝຶກອົບຮົມຂະໜາດໃຫຍ່, ແລະຂັ້ນຕອນການຮຽນຮູ້ ແລະການປັບປຸງຢ່າງຕໍ່ເນື່ອງ. .
ThinkLabs AI ຮັບປະກັນຄວາມຫນ້າເຊື່ອຖືແລະຄວາມຖືກຕ້ອງຂອງຕົວແບບ AI ຂອງມັນແນວໃດໃນສະຖານະການທີ່ແທ້ຈິງ?
ທຳມະຊາດຂອງ AI ທີ່ມີຄວາມຮູ້ທາງຟີຊິກເຮັດໃຫ້ AI ມີພື້ນຖານ, ຜູກມັດກັບໂລກແຫ່ງຄວາມເປັນຈິງ, ແລະຖືກຜູກມັດດ້ວຍໂລກທີ່ແທ້ຈິງ. ພວກເຮົາຍັງເຮັດການຮຽນຮູ້ຢ່າງຕໍ່ເນື່ອງແລະການຕິດຕາມການປະຕິບັດຕົວແບບ.
ອັນໃດເຮັດໃຫ້ເທັກໂນໂລຍີ AI ຂອງທ່ານເໝາະສົມໂດຍສະເພາະໃນການຮັບມືກັບຄວາມສັບສົນຂອງຕາຂ່າຍໄຟຟ້າທີ່ທັນສະໄໝ?
ໄດ້ຮັບການຝຶກອົບຮົມໂດຍການກໍານົດແບບຈໍາລອງທາງວິສະວະກໍາ, ແຕ່ການຄຸ້ມຄອງຄຸນນະພາບຂໍ້ມູນທີ່ບໍ່ສົມບູນແບບຂອງການດໍາເນີນງານຂອງໂລກທີ່ແທ້ຈິງ. AI ຍັງນໍາເອົາການເພີ່ມປະສິດທິພາບແລະເຕັກນິກການຜະລິດທີ່ອຸດົມສົມບູນທຽບກັບຄະນິດສາດວິສະວະກໍາແບບດັ້ງເດີມ.
ເທກໂນໂລຍີຂອງ ThinkLabs AI ປະສົມປະສານກັບລະບົບການຈັດການຕາຂ່າຍໄຟຟ້າທີ່ມີຢູ່ເຊັ່ນ ADMS ແລະ DERMS ແນວໃດ?
ThinkLabs ປະສົມປະສານເປັນ Copilot ກັບ ADMS, DERMS, ແລະ AEMS ທີ່ມີຢູ່ແລ້ວ, ເຊິ່ງຈະຍັງຄົງເປັນແພລະຕະຟອມການສື່ສານແລະການຄວບຄຸມພື້ນຖານ, ໃນຂະນະທີ່ ThinkLabs ຈະເພີ່ມຄວາມສະຫລາດແລະອັດຕະໂນມັດທີ່ຄ້າຍຄືກັບລະບົບການຊ່ວຍເຫຼືອການຂັບຂີ່ຂອງຍານພາຫະນະ.
ການລົງທຶນເມັດພັນ $5 ລ້ານທີ່ຜ່ານມາຫມາຍຄວາມວ່າແນວໃດສໍາລັບອະນາຄົດຂອງ ThinkLabs AI?
ການລົງທຶນຂອງແກ່ນນີ້ໄດ້ເຮັດໃຫ້ພວກເຮົາສາມາດ spinoff ແລະເປີດຕົວຈາກ GE, ຄູ່ຮ່ວມງານກັບກຸ່ມນັກລົງທຶນລະດັບໂລກ, ລົງທຶນໃນທີມງານແລະຜະລິດຕະພັນຂອງພວກເຮົາ, ເຂົ້າມາຕະຫຼາດກັບ Copilot ການຄ້າຄັ້ງທໍາອິດຂອງພວກເຮົາ, ແລະເຮັດວຽກຮ່ວມກັບຄູ່ຮ່ວມງານຊ່ອງທາງຈໍານວນຫນຶ່ງເພື່ອນໍາເອົາສິ່ງນີ້ເຂົ້າໄປໃນ ມືຂອງລູກຄ້າຂອງພວກເຮົາ. ນີ້ແມ່ນບາດກ້າວພື້ນຖານອັນທຳອິດໃນການຂະຫຍາຍຕົວ ແລະຂະໜາດຕໍ່ມາ.
ທ່ານຈິນຕະນາການບົດບາດຂອງ AI ພັດທະນາແນວໃດໃນການຄຸ້ມຄອງຕາຂ່າຍໄຟຟ້າແລະໂຄງສ້າງພື້ນຖານທີ່ສໍາຄັນອື່ນໆ?
ພວກເຮົາເຫັນວ່າການຈັດການຕາຂ່າຍໄຟຟ້າແລະໂຄງສ້າງພື້ນຖານທີ່ສໍາຄັນອື່ນໆແມ່ນ "AI ທໍາອິດ", ໂດຍສະເພາະກັບ AI ຟີຊິກ. ເປີດຄວາມເຂົ້າໃຈຫຼາຍກວ່າເກົ່າ, ຮັບຮູ້ສະຖານະການ, ແລະເພີ່ມທະວີການຕັດສິນໃຈອັດຕະໂນມັດແລະ orchestration ຂອງການປະຕິບັດທີ່ສໍາຄັນ. ຢ່າງໃດກໍຕາມ, ສະເຫມີຍັງຄົງຖ່ອມຕົວແລະເຊື່ອຖືໄດ້ເປັນ AI, ເປັນຄວາມຈິງກັບກົດຫມາຍພື້ນຖານຂອງຟີຊິກແລະການອອກແບບວິສະວະກໍາ.
ຂອບໃຈສໍາລັບການສໍາພາດທີ່ຍິ່ງໃຫຍ່, ຜູ້ອ່ານທີ່ຕ້ອງການຮຽນຮູ້ເພີ່ມເຕີມຄວນໄປຢ້ຽມຢາມ ThinkLabs AI.
