Josh Wong, ThinkLabs AI dibinātājs un izpilddirektors — interviju sērija

Džošs Vongs ir ThinkLabs AI dibinātājs un izpilddirektors. Iepriekš viņš strādāja uzņēmumā GE Vernova par Grid Orchestration ģenerālmenedžeri. Džošs Vongs apmeklēja Vaterlo universitāti.

ThinkLabs AI ir specializēts AI izstrādes un ieviešanas uzņēmums. Tās misija ir nodrošināt kritiskās nozares un infrastruktūru ar uzticamu AI, kuras mērķis ir panākt globālu enerģētikas ilgtspējību. Uzņēmums izstrādā savu vadošo produktu ThinkLabs Copilot, digitālo palīgu, kas izprot reālo pasauli, izmantojot patentētus fiziski informētus AI digitālos dvīņus, nodrošinot inženiersistēmu pamatmodeli.

Vai varat pastāstīt vairāk par ThinkLabs AI vīziju un to, kas iedvesmoja tā izveidi?

ThinkLabs vīzija ir uzticama, ilgtspējīga un pieejamu enerģijas infrastruktūra, ko nodrošina uzticams AI. Mēs saprotam, ka režģis paliek enerģijas pārejas centrā. Lai dekarbonizētu, mums ir jāelektrificē. Lai elektrificētu, mums ir nepieciešams tīkls, un tīkls patiešām ir jāmodernizē. Mēs uzskatām, ka risinājums ir elektroenerģijas sistēmu inženierijas, mākslīgā intelekta un mākoņdatošanas krustpunkts.

Kā ThinkLabs AI atšķiras no citiem AI jaunizveidotiem uzņēmumiem tīkla pārvaldības sektorā?

Režģis ir sarežģīts un tik ļoti, ka AI pats par sevi nevar uzzināt par sarežģītajām jaudas plūsmām un darbības procesiem, kas pastāv tīkla telpā. ThinkLabs apvieno tradicionālo energosistēmu inženierijas bagāto vēsturi un pārliecību ar AI kā uzticamu, fiziski informētu AI, lai nodrošinātu pārliecību par mērogotu, automatizētu secinājumu izdarīšanu un lēmumu atbalstu kritiskai infrastruktūrai. Tas arī prasa vairāk nekā tehnoloģiju, bet pieredzējušu komandu, kas saprot tīkla nianses un to, kā domā komunālie uzņēmumi un regulatori. Mūsu komanda nāk no elektrisko energosistēmu telpas ar pierādītu pieredzi, tostarp dibinātājs Džošs Vongs, kurš ir pārdevis savu iepriekšējo uzņēmumu Opus One Solutions uzņēmumam GE, un atrodas inženierzinātņu, mākslīgā intelekta un mākoņdatošanas krustpunktā.

Kādas īpašas problēmas tīkla pārvaldībā ThinkLabs AI cenšas atrisināt?

Automatizēta analīze un ieteikumi reāllaika situācijas izpratnei visā tīklā, liela mēroga simulācijas, kā arī nepārtraukta mācīšanās un ieteikumi, lai mazinātu tīkla ierobežojumus un optimizētu tīkla veiktspēju. Īpašas funkcionālās jomas ietver:

1. Ieskats - gandrīz reāllaika stāvokļa novērtējums tīkla jaudas plūsmai, atklājot sastrēgumus, sprieguma pārkāpumus un to, kā faktiski tiek izmantoti pamatlīdzekļi.
2. Risinājumi – optimāli nosūtīšanas ieteikumi, tostarp pārslēgšana, tīkla ierīces un DER, lai mazinātu sastrēgumus, mazinātu DER starpsavienojumus, samazinātu zudumus, atjaunotu pārtraukumus utt.
3. Modeļa apstiprināšana – validācija un labojumi utilīta avota datu kopās režģa modeļiem, ietaupot OpEx un palielinot operatora uzticību tīkla darbībām.
4. Operatora otrais pilots – operatoru nosūtīšanas ieteikumi, kas apmācīti ar režģa fiziku, uzņēmējdarbības noteikumiem, standarta procedūrām un darbības pieredzi, nodrošinot darbaspēka apmācību un prasmju paaugstināšanu.

Kas ir ThinkLabs Copilot un kā tas uzlabo tīkla plānošanu un darbības?

ThinkLabs Copilot ir digitālais palīgs, kas izprot reālo pasauli ar patentētiem fiziski informētiem mākslīgā intelekta digitālajiem dvīņiem, kas nodrošina inženiersistēmu pamatmodeli. Tas sadarbojas ar pakalpojumu plānotājiem un operatoriem, lai modelētu režģi tā “AI digitālajā dvīņā”, veiktu liela ātruma un liela mēroga analīzi, tostarp gandrīz reāllaikā, un sniegtu ieteikumus par tīkla darbībām, plāniem un projektiem.

Vai varat paskaidrot, kas ir fiziski informēts AI digitālais dvīnis un kā tas dod labumu tīkla uzticamībai?

AI pats par sevi nevar apgūt tik sarežģītu sistēmu kā režģi tikai ar mērījumu datiem. Reālās pasaules AI digitālos dvīņus apmāca, strādā un strādā ar inženiertehniskajām sistēmām, tāpēc viņi ir “informēti par fiziku”. Apmācība tiek veikta, izmantojot lielu daudzumu sintētisko datu, kas iegūti no inženiertehniskās simulācijas. Tradicionālie tikai fizikas, pretestības digitālie dvīņi ir deterministiski un matemātiski optimizēti, tomēr tos izaicina datu kvalitāte, liela nepieciešamā skaitļošanas jauda un lēns reakcijas laiks. Un otrādi, vispārīgās AI metodes sola ātrumu, tomēr reti dati, halucinācijas un “melnās kastes” efekti attiecas uz misijai kritiskajām tīkla operācijām. Uz fiziku informēts mākslīgā intelekta digitālais dvīnis piedāvā caurspīdīgu un uzticamu analīzi, noturīgu un izturīgu pret sliktiem datiem, ātru reakciju un darbību, kas piemērota reāllaika operācijām, gatavību ar lieliem iepriekš apmācītiem darbības scenārijiem un slēgta cikla nepārtrauktu mācīšanās un uzlabošanas procesu. .

Kā ThinkLabs AI nodrošina savu AI modeļu uzticamību un precizitāti reālās pasaules scenārijos?

Uz fiziku balstītā AI dabā AI ir pamatota, saistīta ar reālo pasauli un ierobežota ar reālo pasauli. Mēs arī nepārtraukti mācāmies un uzraudzām modeļu veiktspēju.

Kas padara jūsu AI tehnoloģiju īpaši piemērotu mūsdienu elektrisko tīklu sarežģītības risināšanai?

Tiek apmācīts, izmantojot noteiktus inženiertehniskos modeļus, bet apstrādājot reālās pasaules operāciju nepilnīgo datu kvalitāti. AI piedāvā arī daudz optimizācijas un ģeneratīvu metožu, kas nav līdzvērtīgas tradicionālajai inženierzinātņu matemātikai.

Kā ThinkLabs AI tehnoloģija integrējas ar esošajām tīkla pārvaldības sistēmām, piemēram, ADMS un DERMS?

ThinkLabs integrējas kā Copilot ar esošajiem ADMS, DERMS un AEMS, kas paliks kā galvenā saziņas un vadības platforma, savukārt ThinkLabs izmantos papildu intelektu un automatizāciju, kas ir līdzīga transportlīdzekļa braukšanas palīgsistēmai.

Ko ThinkLabs AI nākotnei nozīmē nesenie 5 miljonu USD sākuma ieguldījumi?

Šīs sākotnējās investīcijas ir ļāvušas mums atdalīties no GE un uzsākt darbību no GE, sadarboties ar pasaules klases investoru grupu, ieguldīt mūsu komandā un produktā, nonākot tirgū ar mūsu pirmo komerciālo Copilot, un sadarboties ar vairākiem kanāla partneriem, lai to ieviestu. mūsu klientu rokās. Šis ir pirmais pamata solis turpmākai paplašināšanai un mērogam.

Kā jūs iztēlojaties AI lomu tīkla pārvaldībā un citās kritiskās infrastruktūrās?

Mēs uzskatām, ka tīkla pārvaldība un cita kritiskā infrastruktūra arvien vairāk ir “MI pirmajā vietā”, jo īpaši ar fiziku informētu AI. Atveriet daudz lielāku izpratni, situācijas apzināšanos un pastipriniet lēmumu pieņemšanas automatizāciju un kritisko darbību organizēšanu. Tomēr vienmēr esiet pazemīgs un uzticams kā AI, ievērojot fizikas un inženierprojektēšanas pamatlikumus.

Paldies par lielisko interviju, lasītājiem, kuri vēlas uzzināt vairāk, vajadzētu apmeklēt ThinkLabs AI.