Dragan Savic
Artikel ini diambil dari kertas “Pengurusan AI & Air – Apa utiliti yang perlu diketahui sekarang.” Anda akan menemui kertas penuh di sini.
Masa depan chatbots: Membayangkan antara muka perkhidmatan pelanggan yang lebih pintar untuk pelanggan air
Anda dapat melihat bagaimana ChatGPT, batasan diketepikan, boleh mempunyai aplikasi yang berguna ketika datang ke chatbots perkhidmatan pelanggan yang lebih pintar di sektor air. Kebanyakan chatbots perkhidmatan pelanggan hari ini bermula dengan komputer menjana respons kepada soalan pelanggan. Apabila komputer tidak dapat menjawab lukisan soalan pelanggan pada pangkalan data yang tersedia untuk soalan dan jawapan yang telah ditetapkan, ia akan menghantar pelanggan kepada manusia. Tetapi chatbots jenis ini sering terasa seperti anda bercakap dengan komputer, dan selalunya tidak begitu membantu.
Walau bagaimanapun, jika sesuatu seperti ChatGPT mempunyai akses kepada maklumat dari organisasi tertentu seperti syarikat air, ia dapat menghasilkan jawapan yang lebih relevan kepada soalan pelanggan dengan melukis data pengebilan, data pelanggan, dan juga data sistem air.
AI mungkin dapat menjawab lebih lanjut kebimbangan dan soalan seperti “Air mengalir keluar dari keran saya,” “Air saya berwarna coklat,” atau “Mengapa bil saya begitu tinggi?” sebelum menyampaikan pelanggan kepada manusia.
Bayangkan, sebagai contoh, pelanggan mengadu kepada sembang dibantu AI dengan keupayaan yang kuat seperti ChatGPT bahawa air mereka keluar perlahan-lahan dari paip (kerana tekanan rendah). Jika ia mempunyai akses kepada data yang betul, ia boleh melakukan analisis sentimen untuk melihat sama ada terdapat laporan masalah lain di kawasan yang sama. Kemudian ia boleh memberi amaran kepada krew dan merumuskan tindak balas yang berguna, seperti, “Ya, kami nampaknya mempunyai masalah di kawasan itu, dan kami mempunyai krew yang menuju ke sana. Mereka perlu dilakukan dalam masa dua jam dan perkhidmatan anda akan dipulihkan.
Itulah jenis kesan AI seperti ChatGPT yang boleh dimiliki untuk meningkatkan bot sembang perkhidmatan pelanggan dalam sektor air, jika ia mempunyai akses kepada data organisasi dan batasan lain, yang kami senaraikan di bahagian pertama kertas ini, telah diselesaikan.
Contoh perbualan pelanggan utiliti dengan chatbot lanjutan
Pengiraan evolusi untuk menyelesaikan masalah reka bentuk sistem pengagihan air yang kompleks (dalam separuh masa)
Satu bidang AI yang menjanjikan dalam sektor air adalah pengiraan evolusi untuk menemui reka bentuk optimum untuk sistem pengagihan air. Ini amat relevan untuk merancang inisiatif dalam sistem pengagihan air bersaiz sederhana, seperti bandar yang mempunyai 50,000 hingga 100,000 orang. Ia boleh digunakan, sebagai contoh, untuk inisiatif perancangan induk jangka panjang untuk mengoptimumkan kos pengembangan, penyelenggaraan, dan pembaikan masa depan.
Pengiraan evolusi adalah subfield kecerdasan buatan yang menyelesaikan masalah yang sangat kompleks dengan terlalu banyak pembolehubah untuk algoritma tradisional. Seperti namanya, bidang ini diilhamkan oleh asas-asas evolusi semulajadi. Pengiraan evolusi menggunakan algoritma genetik yang menggunakan prinsip seperti warisan dan pemilihan semula jadi – standard yang lebih sesuai dengan persekitaran mereka akan menyebarkan bahan genetik mereka dan membiak untuk menjadi lebih banyak dalam persekitaran mereka.
Dalam sektor air, pengiraan evolusi menyelesaikan masalah menguji kemungkinan hampir tak terhingga ada untuk mencapai reka bentuk sistem air yang optimum. Walaupun dengan paip 100,000 kaki, sebagai contoh, jika anda terpaksa menukar setiap paip seterusnya untuk mencari reka bentuk yang paling optimum dari segi kecekapan dan kos, tidak ada masa pengkomputeran di dunia yang tersedia untuk melakukannya. Ia pastinya tidak boleh dilakukan oleh manusia. Kebanyakan jurutera hanya akan mempunyai masa untuk mempertimbangkan segelintir penyelesaian reka bentuk untuk projek.
Ideanya ialah AI dapat terus menguji perubahan kecil di seluruh sistem kompleks yang besar, mengamalkan penyelesaian yang kuat dan mengubah yang lemah, sehingga sistem mencapai apa yang dipanggil “penyelesaian yang hampir optimum.”
Malah, pengkomputeran evolusi telah didapati menjimatkan lebih daripada separuh kos , dan menghasilkan penyelesaian yang lebih baik daripada, reka bentuk yang dihasilkan secara manual. AI berdasarkan algoritma genetik boleh membawa kita penyelesaian kepada masalah reka bentuk sistem pengagihan air yang tidak dapat ditangani oleh sektor kita pada masa lalu tanpa AI.
AI untuk operasi harian: pembelajaran mesin untuk pengesanan kerosakan dan penglihatan komputer
Pengesanan kerosakan & anomali
Salah satu aplikasi AI yang paling relevan dalam proses harian utiliti ialah pengesanan kesalahan. Ini akan menjadi sistem AI yang menggunakan pembelajaran mesin untuk mengesan kerosakan dalam sistem air sebelum ia menyebabkan masalah kepada pelanggan. Cara ia berfungsi adalah AI belajar apa yang normal berdasarkan prestasi sejarah sistem. Ia mengenali corak normal berdasarkan masa hari, suhu, musim, dan pembolehubah lain, dan kemudian ia membuat ramalan untuk apa yang akan berlaku seterusnya. Sekiranya ramalan itu sama atau serupa dengan apa yang diharapkan, maka tidak ada masalah. Tetapi jika terdapat percanggahan yang besar, maka ia boleh memberi amaran kepada pengendali.
Sebagai contoh, bayangkan paip pecah di suatu tempat dalam sistem pengedaran anda di tengah malam, dan sistem AI anda mengesan masalah. Ia kemudian boleh memberi amaran kepada krew untuk pergi dan membaikinya sebelum ia menyebabkan masalah kepada pelanggan. Pada waktu pagi, pelanggan menghidupkan bilik mandi tanpa mengetahui ada masalah.
Gabungkan analisis dan sistem amaran yang didorong oleh AI seperti ini dengan model bahasa semula jadi generatif seperti ChatGPT, dan utiliti dengan sumber yang terhad, terutamanya utiliti yang lebih kecil yang mungkin tidak mempunyai jabatan analisis dalaman yang sering dimiliki oleh utiliti yang lebih besar, dapat melihat manfaat yang besar.
Kami melihat pembelajaran mesin seperti ini dan keupayaan pemprosesan bahasa semula jadi muncul dalam industri pengurusan air dengan alat seperti Qatium, sebagai contoh, yang mempunyai pembantu digital “Q” yang menyediakan amaran untuk anomali seperti zon tekanan yang tidak normal, tahap tangki, aliran, dan operasi harian penting lain.
Visi komputer
Seperti yang dibincangkan sebelum ini, aplikasi AI pembelajaran mendalam yang semakin kita lihat dalam sektor air hari ini adalah visi komputer. Penglihatan komputer menggunakan pembelajaran mendalam untuk menganalisis video dan gambar untuk mengesan anomali, kebocoran, dan kesalahan lebih cepat dan dengan lebih tepat daripada analisis tradisional yang dikendalikan manusia.
Pembelajaran mendalam AI sangat baik, dan cepat, mempelajari ciri-ciri visual paip. Ia boleh mencirikan ketidaksempurnaan dengan cara yang teratur bahawa manusia tidak mempunyai lebar jalur untuk dilakukan. Pembelajaran mendalam berasaskan imej boleh menggunakan set datanya yang besar untuk dapat mengenal pasti sama ada, sebagai contoh, rakaman menunjukkan pengumpulan serpihan atau sama ada ia benar-benar pecah atau gelinciran dalam sambungan paip. Walaupun manusia tidak melakukan kesilapan, selepas dua atau tiga jam melihat rakaman seperti ini, ia kehilangan semua makna. Tetapi pembelajaran mesin yang mendalam tidak mempunyai masalah itu, menjadikannya aplikasi yang sangat baik untuk data Televisyen Litar Tertutup (CCTV). Terdapat juga aplikasi baru-baru ini di mana model pembelajaran mendalam berasaskan imej menggunakan rakaman CCTV untuk menganalisis kepadatan titisan hujan untuk mengenali intensiti hujan, yang mempunyai implikasi penting untuk tindak balas pengurusan banjir cepat.
Apa yang akan datang untuk aplikasi AI dalam sektor air?
Robotik mempunyai masa depan yang jelas dalam industri pengurusan air. Industri kami berurusan dengan infrastruktur yang sukar dan kadang-kadang berbahaya untuk memantau, mengakses, memeriksa, dan memahami kerana ia dikebumikan di bawah tanah. Walaupun robot memainkan peranan penting dalam industri lain di mana ia terlalu sukar, berbahaya atau mengganggu manusia untuk bergerak untuk mengumpul data, sektor air belum berjaya memanfaatkan robotik sepenuhnya.
Namun, kami telah melihat beberapa pergerakan ke arah robotik dalam industri air. Sebagai contoh, terdapat peranti yang dibangunkan bahawa orang jatuh ke dalam paip untuk mengumpul data untuk pengesanan kebocoran. Peranti tidak kekal di dalam paip; mereka diturunkan di satu lokasi dan kemudian diambil di lokasi lain, jadi data boleh dituai dan dianalisis.
Tetapi pada masa akan datang, kita harus melihat lebih banyak robot autonomi yang tinggal dalam sistem air selama-lamanya, merangkak melalui rangkaian paip dan terus mengumpul dan menghantar data untuk dianalisis dengan analisis AI untuk maklumat mengenai rangkaian.
Seperti yang dinyatakan sebelum ini, kemajuan dalam sektor air AI dikekang kerana, satu, kita bukan industri keuntungan tinggi dan, dua, kita berisiko songsang kerana sistem air kita penting untuk kesihatan manusia. Oleh itu, walaupun robotik dan AI adalah masa depan yang logik untuk penyelesaian pengurusan air, kemajuan kami ke arah itu lebih perlahan daripada industri lain. Namun, kita harus optimis mengenai potensi aplikasi penyelesaian AI masa depan yang menarik dalam sektor kita.
#QatiumExperts
Qatium dicipta bersama pakar dan pemimpin pemikiran dari industri air. Kami mencipta kandungan untuk membantu utiliti dari semua saiz untuk menghadapi cabaran semasa & masa depan.
Dragan Savic, Ketua Pegawai Eksekutif di Institut Penyelidikan Air KWR, adalah penasihat Qatium.
