Dragan Savic
Acest articol a fost preluat din lucrarea “AI &; Water Management – What utilities need to know now”. Veți găsi lucrarea completă aici.
Viitorul chatbot-urilor: Imaginarea unei interfețe mai inteligente de servicii pentru clienți pentru clienții de apă
Puteți vedea cum ChatGPT, lăsând limitările deoparte , ar putea avea aplicații utile atunci când vine vorba de chatbot-uri mai inteligente de servicii pentru clienți din sectorul apei. Majoritatea chatbot-urilor de servicii pentru clienți încep astăzi cu răspunsuri generate de computer la întrebările clienților. Atunci când computerul nu poate răspunde la întrebarea clientului bazându-se pe baza de date disponibilă de întrebări și răspunsuri prestabilite, acesta va transmite clientul unui om. Dar aceste tipuri de chatbots se simt adesea ca și cum ați vorbi cu un computer și adesea nu sunt foarte utile.
Cu toate acestea, dacă ceva precum ChatGPT ar avea acces la informații de la o anumită organizație, cum ar fi o companie de apă, ar putea produce răspunsuri mult mai relevante la întrebările clienților, bazându-se pe datele de facturare, datele clienților și chiar datele sistemului de apă.
AI poate fi capabilă să răspundă mult mai mult la preocupări și întrebări precum “Apa se scurge din robinetul meu”, “Apa mea este maro” sau “De ce este factura mea atât de mare?” înainte de a transmite clientul unui om.
Imaginați-vă, de exemplu, că un client se plânge unui chat asistat de AI cu capacități puternice precum ChatGPT că apa îi iese încet din robinet (din cauza presiunii scăzute). Dacă ar avea acces la datele corecte, ar putea face analiza sentimentelor pentru a vedea dacă există alte rapoarte de probleme în aceeași zonă. Apoi ar putea alerta echipajele și ar putea formula un răspuns util, cum ar fi: “Da, se pare că avem o problemă în acea zonă și avem un echipaj care se îndreaptă acolo. Acestea ar trebui să fie făcute în două ore și serviciul tău va fi restabilit.”
Acesta este tipul de impact pe care un AI precum ChatGPT l-ar putea avea asupra îmbunătățirii roboților de chat ai serviciilor pentru clienți din sectorul apei, dacă ar avea acces la datele organizației și celelalte limitări ale acesteia, pe care le-am enumerat în prima secțiune a acestei lucrări, ar fi rezolvate.
Exemplu de conversație a clientului unei utilități cu un chatbot avansat
Calcul evolutiv pentru rezolvarea problemelor complexe de proiectare a sistemului de distribuție a apei (în jumătate din timp)
Un domeniu promițător al AI în sectorul apei este calculul evolutiv pentru descoperirea proiectelor optime pentru sistemele de distribuție a apei. Acest lucru ar fi deosebit de relevant pentru planificarea inițiativelor în sistemele de distribuție a apei de dimensiuni medii, cum ar fi orașele cu 50.000 până la 100.000 de persoane. Ar putea fi utilizat, de exemplu, pentru inițiative de planificare generală pe termen lung pentru a optimiza costurile viitoare de extindere, întreținere și reparații.
Calculul evolutiv este un subdomeniu al inteligenței artificiale care rezolvă probleme extrem de complexe cu prea multe variabile pentru algoritmii tradiționali. După cum sugerează și numele, domeniul este inspirat de fundamentele evoluției naturale. Calculul evolutiv utilizează algoritmi genetici care se bazează pe principii precum moștenirea și selecția naturală – standardul conform căruia organismele mai potrivite pentru mediul lor își vor propaga materialul genetic și se vor reproduce pentru a deveni mai numeroase în mediul lor.
În sectorul apei, calculul evolutiv rezolvă problema testării posibilităților aproape infinite care există pentru a realiza un design optim al sistemului de apă. Chiar și cu 100.000 de picioare de țevi, de exemplu, dacă ar trebui să schimbați fiecare țeavă pe rând pentru a găsi cel mai optim design în ceea ce privește eficiența și costul, nu există timp de calcul în lume disponibil pentru a face acest lucru. Cu siguranță nu poate fi făcută de un om. Majoritatea inginerilor vor avea timp să ia în considerare doar o mână de soluții de proiectare pentru un proiect.
Ideea este că AI poate testa continuu schimbări mici în sisteme complexe mari, adoptând soluțiile puternice și schimbându-le pe cele slabe, până când sistemul ajunge la ceea ce se numește “o soluție aproape optimă”.
De fapt, s-a constatat că computerele evolutive economisesc peste jumătate din costuri și produc soluții mai bune decât modelele produse manual. IA bazată pe algoritmi genetici ne poate aduce soluții la problemele de proiectare a sistemului de distribuție a apei pe care sectorul nostru nu le-ar fi putut aborda în trecut fără IA.
IA pentru operațiunile de zi cu zi: învățare automată pentru detectarea defecțiunilor și viziune computerizată
Detectarea defecțiunilor și anomaliilor
Una dintre cele mai relevante aplicații ale AI în procesele zilnice ale unei utilități este detectarea defecțiunilor. Acesta ar fi un sistem AI care utilizează învățarea automată pentru a detecta defecțiunile dintr-un sistem de apă înainte de a provoca o problemă pentru client. Modul în care funcționează este că AI învață ceea ce este normal pe baza performanței istorice a sistemului. Recunoaște modelele normale bazate pe ora din zi, temperatură, sezon și alte variabile și apoi face o predicție pentru ceea ce se va întâmpla în continuare. Dacă predicția are o valoare egală sau similară cu ceea ce s-ar aștepta, atunci nu este nicio problemă. Dar dacă există o discrepanță mare, atunci poate alerta operatorii.
De exemplu, imaginați-vă că o țeavă se sparge undeva în sistemul dvs. de distribuție în mijlocul nopții, iar sistemul dvs. AI detectează o problemă. Apoi ar putea alerta un echipaj să meargă și să-l repare înainte de a provoca probleme clientului. Dimineața, clientul pornește dușul fără să știe că există o problemă.
Combinați acest tip de sistem de analiză și alertă bazat pe AI cu un model generativ de limbaj natural precum ChatGPT, iar utilitățile cu resurse limitate, în special utilitățile mai mici, care ar putea să nu aibă departamentul intern de analiză pe care îl are adesea o utilitate mai mare, ar putea vedea un beneficiu imens.
Vedem acest tip de învățare automată și capabilități de procesare a limbajului natural care apar în industria de gestionare a apei cu instrumente precum Qatium, de exemplu, care are un asistent digital “Q” care oferă alerte pentru anomalii precum zone de presiune anormale, niveluri ale rezervoarelor, fluxuri și alte operațiuni zilnice importante.
Viziune computerizată
După cum s-a discutat mai devreme, o aplicație AI de învățare profundă pe care o vedem din ce în ce mai mult în sectorul apei astăzi este viziunea computerizată. Viziunea computerizată utilizează învățarea profundă pentru a analiza videoclipuri și fotografii pentru a detecta anomalii, scurgeri și defecțiuni mult mai rapid și cu mai multă precizie decât analiza tradițională umană.
AI de învățare profundă este extrem de bună și rapidă la învățarea caracteristicilor vizuale ale conductelor. Poate caracteriza imperfecțiunile într-un mod metodic pe care oamenii pur și simplu nu au lățimea de bandă pentru a-l face. Învățarea profundă bazată pe imagini se poate baza pe setul său imens de date pentru a putea identifica dacă, de exemplu, materialul arată o acumulare de resturi sau dacă este de fapt o ruptură sau o alunecare într-o conexiune de țeavă. Chiar dacă oamenii nu au făcut greșeli, după două sau trei ore de vizionare a acestui tip de filmare, își pierde orice semnificație. Dar învățarea automată profundă nu are această problemă, ceea ce o face o aplicație foarte bună pentru datele televiziunii cu circuit închis (CCTV). Există chiar și aplicații recente în care modelele de învățare profundă bazate pe imagini utilizează imagini CCTV pentru a analiza densitatea picăturilor de ploaie pentru a recunoaște intensitatea precipitațiilor, ceea ce are implicații importante pentru răspunsurile rapide de gestionare a inundațiilor.
Ce urmează pentru aplicațiile AI în sectorul apei?
Robotica are un viitor clar în industria de gestionare a apei. Industria noastră se ocupă de infrastructura care este dificil și uneori periculos de monitorizat, accesat, inspectat și înțeles în virtutea faptului că este îngropată în subteran. Și în timp ce roboții joacă un rol-cheie în alte industrii în care este prea dificil, periculos sau perturbator pentru oameni să călătorească pentru a colecta date, sectorul apei nu a valorificat încă pe deplin robotica.
Cu toate acestea, am văzut unele mișcări către robotică în industria apei. De exemplu, au fost dezvoltate dispozitive pe care oamenii le aruncă în conducte pentru a colecta date pentru detectarea scurgerilor. Dispozitivele nu rămân în conducte; Acestea sunt lăsate într-o locație și apoi ridicate într-o altă locație, astfel încât datele să poată fi recoltate și analizate.
Dar, în viitor, ar trebui să vedem roboți mai autonomi care rămân într-un sistem de apă pe termen nelimitat, târându-se printr-o rețea de conducte și colectând și trimițând continuu date pentru a fi analizate cu analize AI pentru informații despre o rețea.
Așa cum am menționat mai devreme, progresele în sectorul apei AI sunt limitate deoarece, în primul rând, nu suntem o industrie cu profit ridicat și, în al doilea rând, suntem reticenți la risc, deoarece sistemele noastre de apă sunt esențiale pentru sănătatea umană. Deci, chiar dacă robotica și AI reprezintă un viitor logic pentru soluțiile de gestionare a apei, progresul nostru în această direcție este mai lent decât în alte industrii. Cu toate acestea, ar trebui să fim optimiști cu privire la potențialele aplicații interesante ale viitoarelor soluții AI în sectorul nostru.
#QatiumExperts
Qatium este co-creat cu experți și lideri de gândire din industria apei. Creăm conținut pentru a ajuta utilitățile de toate dimensiunile să facă față provocărilor actuale și viitoare.
Dragan Savic, CEO la KWR Water Research Institute, este consilier în Qatium.
