Dragan Savic
Questo articolo è stato tratto dal documento “AI & Water management – What utilities need to know now”. L’articolo completo è disponibile qui.
Il futuro dei chatbot: immaginare un’interfaccia di servizio clienti più intelligente per i clienti dell’acqua
Puoi vedere come ChatGPT, limitazioni a parte, potrebbe avere applicazioni utili quando si tratta di chatbot del servizio clienti più intelligenti nel settore idrico. La maggior parte dei chatbot del servizio clienti oggi inizia con risposte generate dal computer alle domande dei clienti. Quando il computer non è in grado di rispondere alla domanda del cliente attingendo al suo database disponibile di domande e risposte preimpostate, passerà il cliente a un essere umano. Ma questi tipi di chatbot spesso sembrano molto simili a un computer e spesso non sono molto utili.
Se qualcosa come ChatGPT, tuttavia, avesse accesso alle informazioni di una particolare organizzazione come una società idrica, potrebbe produrre risposte molto più pertinenti alle domande dei clienti attingendo ai dati di fatturazione, ai dati dei clienti e persino ai dati del sistema idrico.
L’IA potrebbe essere in grado di ottenere molte altre risposte a preoccupazioni e domande come “L’acqua gocciola dal mio rubinetto”, “La mia acqua è marrone” o “Perché la mia bolletta è così alta?” prima di passare il cliente a un essere umano.
Immagina, ad esempio, un cliente si lamenta con una chat assistita dall’intelligenza artificiale con potenti funzionalità come ChatGPT che la sua acqua esce lentamente dal rubinetto (a causa della bassa pressione). Se avesse accesso ai dati giusti, potrebbe fare un’analisi del sentiment per vedere se ci sono altre segnalazioni di problemi nella stessa area. Quindi potrebbe avvisare gli equipaggi e formulare una risposta utile, come ad esempio: “Sì, sembra che abbiamo un problema in quell’area e abbiamo un equipaggio diretto lì. Dovrebbero essere fatti in due ore e il tuo servizio sarà ripristinato. “
Questo è il tipo di impatto che un’intelligenza artificiale come ChatGPT potrebbe avere sul miglioramento dei chat bot del servizio clienti nel settore idrico, se avesse accesso ai dati dell’organizzazione e le sue altre limitazioni, che abbiamo elencato nella prima sezione di questo documento, fossero risolte.
Esempio di conversazione del cliente di un’utility con un chatbot avanzato
Calcolo evolutivo per risolvere complessi problemi di progettazione di sistemi di distribuzione dell’acqua (nella metà del tempo)
Un’area promettente dell’IA nel settore idrico è il calcolo evolutivo per scoprire progetti ottimali per i sistemi di distribuzione dell’acqua. Ciò sarebbe particolarmente rilevante per la pianificazione di iniziative nei sistemi di distribuzione idrica di medie dimensioni, come le città da 50.000 a 100.000 persone. Potrebbe essere utilizzato, ad esempio, per iniziative di pianificazione generale a lungo termine per ottimizzare i futuri costi di espansione, manutenzione e riparazione.
Il calcolo evolutivo è un sottocampo dell’intelligenza artificiale che risolve problemi altamente complessi con troppe variabili per gli algoritmi tradizionali. Come suggerisce il nome, il campo è ispirato ai fondamenti dell’evoluzione naturale. Il calcolo evolutivo utilizza algoritmi genetici che attingono a principi come l’ereditarietà e la selezione naturale – lo standard che gli organismi più adatti al loro ambiente propagano il loro materiale genetico e si riproducono per diventare più numerosi nel loro ambiente.
Nel settore idrico, il calcolo evolutivo risolve il problema di testare le possibilità quasi infinite che ci sono per ottenere una progettazione ottimale del sistema idrico. Anche con 100.000 piedi di tubi, ad esempio, se dovessi cambiare ogni singolo tubo a turno per trovare il design più ottimale in termini di efficienza e costi, non c’è tempo di calcolo al mondo disponibile per farlo. Certamente non può essere fatto da un essere umano. La maggior parte degli ingegneri avrà solo il tempo di prendere in considerazione una manciata di soluzioni progettuali per un progetto.
L’idea è che l’IA possa testare continuamente piccoli cambiamenti su grandi sistemi complessi, adottando le soluzioni forti e cambiando quelle deboli, fino a quando il sistema non raggiunge quella che viene chiamata “una soluzione quasi ottimale”.
In effetti, è stato riscontrato che l’informatica evolutiva consente di risparmiare oltre la metà dei costi e di produrre soluzioni migliori rispetto ai progetti prodotti manualmente. L’intelligenza artificiale basata su algoritmi genetici può portarci soluzioni ai problemi di progettazione dei sistemi di distribuzione dell’acqua che il nostro settore non avrebbe potuto affrontare in passato senza l’intelligenza artificiale.
AI per le operazioni quotidiane: machine learning per il rilevamento dei guasti e la visione artificiale
Rilevamento guasti e anomalie
Una delle applicazioni più rilevanti dell’IA nei processi quotidiani di un’utility è il rilevamento dei guasti. Questo sarebbe un sistema di intelligenza artificiale che utilizza l’apprendimento automatico per rilevare guasti in un sistema idrico prima che causi un problema per il cliente. Il modo in cui funziona è che l’IA impara ciò che è normale in base alle prestazioni storiche del sistema. Riconosce i modelli normali in base all’ora del giorno, alla temperatura, alla stagione e ad altre variabili, quindi fa una previsione per ciò che accadrà dopo. Se la previsione ha un valore uguale o simile a quello che ci si aspetterebbe, non ci sono problemi. Ma se c’è una grande discrepanza, allora può avvisare gli operatori.
Ad esempio, immagina che un tubo scoppi da qualche parte nel tuo sistema di distribuzione nel cuore della notte e il tuo sistema di intelligenza artificiale rilevi un problema. Potrebbe quindi avvisare un equipaggio di andare a ripararlo prima che causi problemi al cliente. Al mattino, il cliente accende la doccia senza nemmeno sapere che c’era un problema.
Combinando questo tipo di sistema di analisi e avviso basato sull’intelligenza artificiale con un modello di linguaggio naturale generativo come ChatGPT, le utility con risorse limitate, in particolare le utility più piccole che potrebbero non avere il reparto di analisi interno che spesso ha un’utility più grande, potrebbero vedere un enorme vantaggio.
Vediamo questo tipo di apprendimento automatico e capacità di elaborazione del linguaggio naturale emergere nel settore della gestione dell’acqua con strumenti come Qatium, ad esempio, che ha un assistente digitale “Q” che fornisce avvisi per anomalie come zone di pressione anomale, livelli dei serbatoi, flussi e altre importanti operazioni quotidiane.
Visione artificiale
Come discusso in precedenza, un’applicazione AI di deep learning che vediamo sempre più nel settore idrico oggi è la visione artificiale. La visione artificiale utilizza il deep learning per analizzare video e fotografie per rilevare anomalie, perdite e guasti molto più velocemente e con maggiore precisione rispetto all’analisi tradizionalmente gestita dall’uomo.
L’intelligenza artificiale del deep learning è estremamente brava e veloce nell’apprendimento delle caratteristiche visive dei tubi. Può caratterizzare le imperfezioni in un modo metodico che gli esseri umani semplicemente non hanno la larghezza di banda per fare. Il deep learning basato su immagini può attingere al suo immenso set di dati per essere in grado di identificare se, ad esempio, il filmato mostra un accumulo di detriti o se si tratta effettivamente di una rottura o di uno slittamento in una connessione di tubi. Anche se gli esseri umani non hanno commesso errori, dopo due o tre ore di visione di questo tipo di filmati, perde ogni significato. Ma l’apprendimento automatico profondo non ha questo problema, rendendolo un’ottima applicazione per i dati della televisione a circuito chiuso (CCTV). Esistono anche applicazioni recenti in cui i modelli di deep learning basati su immagini utilizzano filmati CCTV per analizzare la densità delle gocce di pioggia e riconoscere l’intensità delle precipitazioni, il che ha importanti implicazioni per le risposte rapide di gestione delle inondazioni.
Quali sono le prospettive per le applicazioni AI nel settore idrico?
La robotica ha un chiaro futuro nel settore della gestione delle acque. La nostra industria si occupa di infrastrutture difficili e talvolta pericolose da monitorare, accedere, ispezionare e comprendere in virtù del fatto che sono sepolte sottoterra. E mentre i robot svolgono un ruolo chiave in altri settori in cui è troppo difficile, pericoloso o dirompente per gli esseri umani viaggiare per raccogliere dati, il settore idrico non ha ancora sfruttato appieno la robotica.
Tuttavia, abbiamo visto alcuni movimenti verso la robotica nel settore idrico. Ad esempio, sono stati sviluppati dispositivi che le persone lasciano cadere nei tubi per raccogliere dati per il rilevamento delle perdite. I dispositivi non rimangono nei tubi; Vengono rilasciati in una posizione e poi prelevati in un’altra posizione, in modo che i dati possano essere raccolti e analizzati.
Ma in futuro, dovremmo vedere più robot autonomi che rimangono in un sistema idrico a tempo indeterminato, strisciando attraverso una rete di tubazioni e raccogliendo e inviando continuamente dati da analizzare con l’analisi AI per le informazioni su una rete.
Come accennato in precedenza, i progressi nell’IA del settore idrico sono limitati perché, uno, non siamo un’industria ad alto profitto e, due, siamo avversi al rischio perché i nostri sistemi idrici sono essenziali per la salute umana. Quindi, anche se la robotica e l’intelligenza artificiale sono un futuro logico per le soluzioni di gestione dell’acqua, i nostri progressi in questa direzione sono più lenti rispetto ad altri settori. Tuttavia, dovremmo essere ottimisti sulle entusiasmanti potenziali applicazioni delle future soluzioni di intelligenza artificiale nel nostro settore.
#QatiumExperts
Qatium è co-creato con esperti e leader di pensiero del settore idrico. Creiamo contenuti per aiutare le utility di tutte le dimensioni ad affrontare le sfide attuali e future.
Dragan Savic, CEO del KWR Water Research Institute, è un consulente di Qatium.
