ベルを鳴らす:水セクターがAIに収束する時が来ました

この記事は、論文「AI & Water Management — What Utilities Need to Know Now」から抜粋したものです。 論文 全文はこちらからご覧いただけます。

今こそ、鐘を鳴らし、ゲームを変えるAIモデルとツールを中心に水産業を結集させる時であり、さもないと取り残されるリスクを冒します。 GPT-3の後に最近リリースされたOpenAIの大規模言語モデル(LLM)GPT-4(生成事前トレーニング済みトランスフォーマー4)の最新イテレーションは、 ジェネレーティブAI革命. GPT-4 は、テキスト プロンプトと画像プロンプトの両方を入力として受信できるため、マルチモーダルです (限定リリースのみ)。 画像入力の場合、GPT-4は画像の内容を理解しようとします。 このマルチモーダルLLMの力を見るのは不思議です。 LLMのパラメータの数は、多くの場合、そのサイズと複雑さの尺度です。 このLLMとそれに類するものは、数千億から数兆のパラメータを使用します。 また、人間が監督するトレーニング手法と教師なしトレーニング手法を組み合わせて使用し、継続的に改善と精度を高めます。

これらのLLMは、AlexaやSiriのようなものから得ることに慣れている標準的な言語能力とは異なります。 自然言語と画像を扱う高度な能力により、非常に柔軟で適応性があります。 これらのモデルは、人間のようなテキストを生成するように平易な言葉で促されるだけでなく、新しいトレーニングデータを提供し、新しいアプリケーションのためにそれらに基づいて構築するだけで、新しい動作を学習することもできます。 これは、特定の業種のモデルのラストマイル データ トレーニングと、その後に微調整タイプのトレーニングと呼ばれることもあります。

チャットボットであるChatGPTは、自然言語と画像プロンプトから人間のようなテキストを生成できますが、DALL-E-2は同じGPT-4言語モデルを使用して、自然言語プロンプトから画像を生成します。 DALL-E-2は、OpenAIによって開発されたニューラルネットワークベースのAIモデルであり、テキストの説明から高品質の画像を生成できます。 既存の画像データセットに依存する従来の画像生成モデルとは異なり、DALL-E-2はディープラーニング技術と自然言語処理(NLP)の組み合わせを使用して、テキスト入力から元の画像を生成します。

これはほんの始まりに過ぎません。 これらのモデルは現時点ではそれほど複雑ではありませんが、将来的には、より強力で洗練されたイテレーションが最終的にリリースされる予定です。 たとえば、GPT-3のモデルは1,750億個のパラメータに基づいており、GPT-4がいくつのパラメータを持っているかは公開時点では明らかではありませんが、他のLLMが最大で 何兆ものパラメータ. したがって、これらの言語モデルは現在強力ですが、改善されるだけであり、他に何ができるのか疑問に思います。

私たちは、水産業における「データのラストマイル」と呼ばれるものを検討し始める必要があります。 ここでは、業界のデータと概念について非常に具体的に説明できるため、これらのモデルとそれらを使用する人々のトレーニングを開始して、水セクター固有の課題に対処できます。 水産業を正確に反映した大規模で多様な代表的なデータは、これらのAIが水産業に役立つための鍵です。 これらのモデルに、水セクターに固有の専門的な語彙、専門用語、関連データ、および概念を教える必要があります。

ここで議論されているように

これらの新しいLLMの精度に関する課題の1つは、データとトレーニングバイアスの影響を受けることです。 たとえば、GPT-4モデルは両方のテキストデータから学習します 人間からの補強と、人間のフィードバックからの強化学習

と呼ばれる手法を用いた (FLHF)。 この手法では、人間のフィードバックを使用して AI の学習プロセスをガイドすることで、ベースライン モデルを微調整します。 ただし、モデルのトレーニングに参加するデータと人々は、潜在的なエンドユーザーを代表していない可能性があり、これらのモデルが生成する結果の種類に影響を与える可能性があります。

これらのモデルには他にも問題があります。 たとえば、ChatGPTのモデルは 幻覚、論理的に健全に見える間違った答えを与えます。 それもそうではありません 説明可能なAI、それがどのように答えに来るのか理解できないブラックボックスのようなものにします。 これらのモデルの精度をテストし、モデルが私たちのセクターに適合していることを確認するためにそれらを監督するために、業界の知識を持つ人々が必要です。

世界中の公益事業者が匿名化された時間単位のメーターデータをプールして、これらの新しいAIモデルのトレーニングと活用を支援した場合に何が起こるか想像してみてください。 たとえば、膨大なグローバルメーターデータセットを使用すると、AMIメーターをインストールしてデプロイするためのリソースがない可能性のあるユーティリティに仮想メーターの概念を提供できる場合があります。 仮想メーターは、次のようなあらゆる種類の運用分析の強力なデータ入力として機能します。 デジタルツイン. 水道セクターのラストマイルデータで協力することで、公益事業者はAIの力を利用して水の使用量とパターンをより包括的に理解し、より効果的な水管理戦略に情報を提供し、顧客と環境にとってより良い結果につながる可能性があります。

小規模な公益事業、またはリソースが限られている公益事業の場合、AIのこれらの新しい開発は、気が遠くなるか、手の届かないところに感じるかもしれません。 しかし実際には、これらの新しい言語モデルは、人々が利益を得るために習慣を大幅に変えたり、まったく新しいプログラムでトレーニングしたりする必要がないため、AIテクノロジーを民主化します。 専門知識やスキルを必要とせずにAIの力に触れることができます – 必要なのは、AIに必要なものを生成させるための平易な言葉と少しの創造性だけです(迅速なエンジニアリングは水セクターにとって興味深い焦点になる可能性があります)。

これらのツールだけでも要約の機会は、日常業務に役立つアプリケーションを保持します。 あらゆる種類のユーティリティデータを便利なAIアシスタントに入力し、データに関する平易な洞察を数秒で提供できることを想像してみてください。 これらのモデルは、データを分析する前であっても、専門家でなくても、平均水消費量、さまざまな種類の圧力測定値、水質データなどの関連情報を抽出するための優れたコードサンプルを作成するのに役立ちます。 これは、まだクレンジングされていないデータをセクターが前処理するのに役立つかもしれませんし、データを前処理するために何が起こる必要があるかを教えてくれるかもしれません。

あなたは多くの専門知識を持っている非常に小さなユーティリティのオペレーターである可能性があり、あなたはそれを聞いたのであなたがリークを持っていることを知っていますが、あなたはそれについてもっと情報が必要です。 これらの新しい言語モデルは、自然言語を使用して AI モデルと通信し、AI モデルが提供できる種類の分析情報を試すユーティリティ事業者への扉を開きます。 たぶん、データアシスタントを持っているように、問題をよりよく理解するために必要なデータを提案することができます。 その意味で、これらのAIモデルは、水セクターの人間が持っている実際の経験と暗黙の専門知識を持っていないため、仕事の代わりではなく、AIとのパートナーシップです。

水セクター向けのこれらのモデルの実験とトレーニングを開始するためのデータはすでにたくさんありますが、「サービスとしてのデータ」もあります(DAAS – SWANフォーラムを参照)。

そのトピックの詳細については)AIから質の高い回答を得るために必要なデータを収集するためのデータ、リソース、容量、専門知識が不足している可能性のある小規模な公益事業のギャップを埋めるためのモデルが登場し始めています。 これらの新しいビジネスモデルは、適切な問題と場所に適したセンサーを取得し、データ通信、データクレンジング、および分析を設定して、ユーティリティがデータの恩恵を受けることに集中できるようにする責任を引き受けます。 ソフトウェアとサービスのこの組み合わせにより、これらのテクノロジーの利点を非常に迅速に活用できる小規模なユーティリティを参加させることができます。

最後に、これは、水道事業者や管理者、エンジニア、科学者、学者など、水道業界の深い専門知識と知識のすべての情報源に、機械学習のインテリジェントな結果を進化させ、これらのLLMが水セクターの意思決定をより良くする方法を探るために、機械学習に専門知識を提供するよう呼びかけています。

Qatiumは、水業界の専門家やソートリーダーと共同で作成されています。 私たちは、あらゆる規模の公益事業が現在および将来の課題に直面するのに役立つコンテンツを作成します。

Karmous Edwards Consulting LLCの水セクターデジタルツインエキスパート&コンサルタントであるGigi Karmous-Edwardsは、Qatiumのコミュニティのメンバーです。