水管理におけるAIアプリケーション

この記事は、論文「AI & Water management — What utilities need to know now」からの抜粋です。論文全文はこちらからご覧いただけます。

チャットボットの未来:水道の顧客のためのよりインテリジェントなカスタマーサービスインターフェースを想像する

ChatGPTは、制限は別として、水道部門のよりインテリジェントなカスタマーサービスチャットボットに関して、どのように役立つアプリケーションがあるかを確認できます。今日のほとんどのカスタマーサービスチャットボットは、顧客の質問に対するコンピューターで生成された応答から始まります。コンピューターが、事前設定された質問と回答の利用可能なデータベースを利用して顧客の質問に答えることができない場合、コンピューターは顧客を人間に渡します。しかし、これらの種類のチャットボットは、多くの場合、コンピューターと話しているように感じられ、あまり役に立ちません。

ただし、ChatGPTのようなものが水道会社などの特定の組織からの情報にアクセスできる場合、請求データ、顧客データ、さらには水道システムのデータを利用することで、顧客の質問に対してはるかに関連性の高い回答を生成できます。

AIは、顧客を人間に渡す前に、「蛇口から水が滴り落ちる」、「水が茶色である」、「なぜ請求額がそんなに高いのか」などの懸念や質問にさらに答えることができるかもしれません。

たとえば、顧客がChatGPTなどの強力な機能を備えたAI支援チャットに、水が(低圧のために)蛇口からゆっくりと出ていると不満を言ったと想像してみてください。適切なデータにアクセスできれば、感情分析を実行して、同じ領域に他の問題のレポートがあるかどうかを確認できます。次に、乗組員に警告し、「はい、その地域に問題があるようで、そこに向かっている乗組員がいます。それらは2時間で完了するはずであり、あなたのサービスは回復します。」

これは、 ChatGPT のような AI が組織のデータにアクセスでき、このホワイトペーパーの最初のセクションでリストしたその他の制限が解決された場合、水セクターのカスタマーサービスチャットボットの改善にどのような影響を与える可能性があるかということです。

高度なチャットボットを使用した公益事業の顧客の会話の例

複雑な配水システム設計問題を解くための進化的計算(半分の時間で)

水セクターにおけるAIの有望な分野の1つは、配水システムの最適な設計を発見するための進化的計算です。これは、人口50,000〜100,000人の都市など、中規模の配水システムでの計画イニシアチブに特に関連します。たとえば、将来の拡張、保守、および修理のコストを最適化するための長期的なマスタープランイニシアチブに使用できます。

進化的計算は、従来のアルゴリズムでは変数が多すぎる非常に複雑な問題を解決する人工知能のサブフィールドです。名前が示すように、この分野は自然進化の基礎に触発されています。進化的計算は、遺伝や自然淘汰などの原理を利用した遺伝的アルゴリズムを使用します—環境により適した生物が遺伝物質を繁殖させ、環境内でより多くなるように繁殖するという基準です。

水分野では、進化的計算は、最適な水システム設計を達成するためにあるほぼ無限の可能性をテストするという問題を解決します。たとえば、100,000フィートのパイプを使用しても、効率とコストの面で最適な設計を見つけるためにすべてのパイプを順番に変更する必要がある場合は、それを行うための計算時間はありません。それは確かに人間によって行うことはできません。ほとんどのエンジニアは、プロジェクトのほんの一握りの設計ソリューションを検討する時間しかありません。

この考え方は、システムが「ほぼ最適解」と呼ばれるものに到達するまで、AIが大規模で複雑なシステム全体の小さな変更を継続的にテストし、強力なソリューションを採用し、弱いソリューションを変更するというものです。

実際、エボリューショナリーコンピューティングは、手作業で作成した設計よりもコストを半分以上節約し、より優れたソリューションを生み出すことがわかっています。遺伝的アルゴリズムに基づくAIは、AIなしではこれまで私たちのセクターが取り組むことができなかった配水システムの設計問題に対する解決策をもたらすことができます。

日常業務のためのAI:障害検出とコンピュータービジョンのための機械学習

障害と異常の検出

ユーティリティの日常プロセスにおけるAIの最も関連性の高いアプリケーションの1つは、障害検出です。これは、機械学習を使用して、顧客に問題を引き起こす前に水道システムの障害を検出するAIシステムです。それが機能する方法は、AIがシステムの過去のパフォーマンスに基づいて何が正常かを学習することです。時刻、気温、季節、その他の変数に基づいて通常のパターンを認識し、次に何が起こるかを予測します。予測が期待値と同等または類似の値であれば、問題はありません。しかし、大きな不一致がある場合は、オペレーターに警告することができます。

たとえば、深夜に配電システムのどこかでパイプが破裂し、AIシステムが問題を検出したとします。その後、顧客に問題を引き起こす前に、乗組員に修理するように警告することができます。朝、顧客は問題があることさえ知らずにシャワーをオンにします。

この種のAI主導の分析およびアラートシステムをChatGPTのような生成自然言語モデルと組み合わせると、リソースが限られているユーティリティ、特に大規模なユーティリティが頻繁に持つ社内分析部門を持たない小規模なユーティリティに大きなメリットがあります。

この種の機械学習と自然言語処理機能は、たとえば、異常な圧力ゾーン、タンクレベル、流量、その他の重要な日常業務などの異常を警告するデジタルアシスタント「Q」を備えたQatiumなどのツールを使用して、水管理業界で出現しています。

コンピュータビジョン

前述のように、今日の水分野でますます見られるディープラーニングAIアプリケーションは、コンピュータービジョンです。コンピュータビジョンは、ディープラーニングを使用してビデオや写真を分析して、従来の人間の有人分析よりもはるかに高速かつ正確に異常、漏れ、障害を検出します。

ディープラーニングAIは、パイプの視覚的特性を学習するのに非常に優れており、高速です。それは、人間が単に行う帯域幅を持っていない系統的な方法で欠陥を特徴付けることができます。画像ベースのディープラーニングは、その膨大なデータセットを利用して、たとえば、映像が破片の蓄積を示しているかどうか、またはそれが実際にパイプ接続の破損や滑りであるかどうかを特定できます。人間が間違いを犯さなかったとしても、この種の映像を2、3時間見ると、すべての意味が失われます。しかし、ディープ機械学習にはその問題はないため、閉回路テレビ(CCTV)データに非常に優れたアプリケーションになります。最近では、画像ベースの深層学習モデルがCCTV映像を使用して雨滴の密度を分析し、降雨の強度を認識するアプリケーションもあり、これは迅速な洪水管理対応に重要な意味を持ちます。

水セクターにおけるAIアプリケーションの次は何ですか?

ロボット工学は、水管理業界に明確な未来を持っています。私たちの業界は、地下に埋もれているため、監視、アクセス、検査、理解が困難で危険なインフラストラクチャを扱っています。また、ロボットは、人間がデータを収集するために移動するのが困難、危険、または破壊的すぎる他の業界で重要な役割を果たしていますが、水セクターはまだロボット工学を完全に活用していません。

それでも、水産業ではロボット工学に向けた動きが見られます。たとえば、漏れ検出のためにデータを収集するために人々がパイプに落とすデバイスが開発されています。デバイスはパイプ内にとどまりません。それらはある場所にドロップされ、次に別の場所でピックアップされるため、データを収集して分析できます。

しかし、将来的には、水道システムに無期限にとどまり、パイプネットワークをクロールし、ネットワーク上の情報を得るためにAI分析で分析するデータを継続的に収集および送信する自律型ロボットが増えるはずです。

パイプボットは、地下パイプネットワークで動作するように設計されたマイクロロボットの開発により、埋設パイプインフラストラクチャ管理に革命を起こすことを目指しています。

先に述べたように、水セクターのAIの進歩は、1つは高収益の業界ではなく、2つ目は、水システムが人間の健康に不可欠であるため、リスクを嫌うためです。したがって、ロボット工学とAIは水管理ソリューションの論理的な未来ですが、その方向への進歩は他の業界よりも遅いです。それでも、私たちのセクターにおける将来のAIソリューションのエキサイティングな潜在的なアプリケーションについては楽観的である必要があります。