Gigi Karmous-Edwards
Acest articol a fost preluat din lucrarea „AI &; Water Management – What utilities need to know now”. Veți găsi lucrarea completă aici.
Este timpul să sunați clopotul și să raliați industria apei în jurul modelelor și instrumentelor AI care schimbă jocurile sau să riscați să fiți lăsați în urmă. Cea mai nouă iterație a modelului Large Language Model (LLM) GPT-4 (Generative Pre-trained Transformer 4) al OpenAI, lansat recent după GPT-3, a inaugurat o revoluție generativă AI. GPT-4 este multimodal, deoarece poate primi atât solicitări de text, cât și de imagine ca intrare (numai eliberare limitată). Pentru intrările de imagine, GPT-4 va încerca să înțeleagă conținutul imaginii. Este straniu pentru a vedea puterea acestui LLM multimodale. Numărul de parametri dintr-un LLM este adesea o măsură a dimensiunii și complexității sale. Acest LLM, și cele ca el, foloseste sute de miliarde la trilioane de parametri. De asemenea, folosește o combinație de tehnici de formare supravegheate de om și nesupravegheate pentru a obține în permanență mai bine și mai precis.
Aceste LLM-uri sunt diferite de abilitățile de limbă standard pe care sunteți obișnuit să le obțineți de la ceva de genul Alexa sau Siri. Capacitatea lor avansată de a lucra cu limbaj natural și imagini le face extrem de flexibile și adaptabile. Nu numai că li se poate solicita într-un limbaj simplu să producă text scris asemănător omului, aceste modele pot, de asemenea, să învețe comportamente noi pur și simplu hrănindu-le noi date de instruire și bazându-se pe ele pentru noi aplicații. Acest lucru este uneori menționat ca instruirea datelor pe ultima sută de metri a modelului pentru o anumită verticală, urmată de instruirea de tip reglaj fin.
În timp ce ChatGPT, un chatbot, poate genera text asemănător omului din solicitările de limbaj natural și imagine, DALL-E-2 utilizează același model de limbă GPT-4 pentru a genera imagini din solicitările în limbaj natural. DALL-E-2 este un model AI bazat pe rețele neuronale dezvoltat de OpenAI capabil să genereze imagini de înaltă calitate din descrieri textuale. Spre deosebire de modelele tradiționale de generare a imaginilor care se bazează pe un set de imagini preexistente, DALL-E-2 utilizează o combinație de tehnici de învățare profundă și procesare a limbajului natural (NLP) pentru a genera imagini originale din intrări textuale.
DALL-E-2 a generat această imagine originală în câteva secunde de la promptul simplu de limbaj simplu „o rețea de conducte 3D în formă de robot”.
Acesta este doar începutul. În timp ce aceste modele sunt capabile de doar atât de multă complexitate în acest moment, iterații viitoare, mai puternice și sofisticate vor fi lansate în cele din urmă. Modelul GPT-3 se bazează pe 175 de miliarde de parametri, de exemplu, și, deși nu este clar la momentul publicării câți parametri are GPT-4, unii prezic că alte LLM-uri ar putea utiliza până la un trilion de parametri. Deci, în timp ce aceste modele lingvistice sunt puternice acum, ele vor deveni mai bune, ceea ce ne face să ne întrebăm, ce altceva ar putea face?
Și de aceea industria apei ar trebui să intervină acum, deoarece instrumentele AI vor avea impacturi diferite în funcție de domeniul pentru care sunt dezvoltate și de datele pe care sunt instruiți. Pentru ca aceste modele să aibă o aplicare profundă și adevărată în industria apei, au nevoie de date și inteligență specifice industriei.
Conducerea ultimului kilometru de date în sectorul apei
Trebuie să începem să ne uităm la ceea ce am putea numi „ultimul kilometru de date” în industria apei. Este locul în care obținem informații foarte specifice despre datele și conceptele din industria noastră, astfel încât să putem începe instruirea acestor modele și a oamenilor care le folosesc, pentru a ajuta la abordarea provocărilor unice ale sectorului apei. Datele mari, diverse, reprezentative care reflectă cu exactitate industria apei sunt esențiale pentru ca aceste IA să fie utile industriei. Trebuie să învățăm aceste modele vocabularul specializat, jargonul, datele relevante și conceptele care sunt unice pentru sectorul apei.
Pentru că, așa cum am discutat aici, una dintre provocările cu acuratețea acestor LLM-uri mai noi este că sunt influențate de datele și prejudecățile lor de formare. Modelul GPT-4, de exemplu, învață atât din datele text, cât și din armarea de la oameni, folosind o tehnică numită învățare de întărire din feedback-ul uman (FLHF). Tehnica ajustează fin modelul de bază prin utilizarea feedback-ului uman pentru a ghida procesul de învățare al IA. Cu toate acestea, este posibil ca datele și persoanele care participă la formarea modelului să nu fie reprezentative pentru potențialii utilizatori finali, iar acest lucru poate afecta tipurile de rezultate pe care le produc aceste modele.
Există și alte probleme cu aceste modele. De exemplu, modelul ChatGPT poate halucina, oferindu-vă răspunsuri greșite care par logice. De asemenea, nu este o inteligență artificială explicabilă, ceea ce o face un fel de cutie neagră în care nu înțelegem cum ajunge la răspunsurile sale. Avem nevoie de oameni cu cunoștințe în industrie pentru a testa aceste modele pentru acuratețe și pentru a le supraveghea pentru a ne asigura că modelele sunt adaptate sectorului nostru.
Imaginați-vă ce s-ar putea întâmpla dacă utilitățile din întreaga lume și-ar pune în comun datele anonimizate privind contorul orar pentru a ajuta la formarea și utilizarea acestor noi modele AI pentru sectorul nostru. Cu un enorm set de date metru la nivel mondial, de exemplu, ar putea fi posibil să se furnizeze conceptul de contoare virtuale pentru utilitățile care nu pot avea resurse pentru a instala și implementa contoare AMI. Contoarele virtuale ar putea servi drept intrare puternică de date pentru toate tipurile de analize operaționale, inclusiv gemenii digitali. Prin colaborarea la datele de ultimă oră din sectorul apei, utilitățile ar putea utiliza puterea IA pentru a crea o înțelegere mai cuprinzătoare a utilizării apei și a modelelor, ceea ce ar putea contribui la strategii mai eficiente de gestionare a apei și ar putea conduce la rezultate mai bune pentru clienți și mediu.
Aceasta este o oportunitate pentru toată lumea din sectorul apei, de la întreprinderile inovatoare de apă la operatorii de utilități cu zeci de ani de cunoștințe tacite (inclusiv unii care sunt pe cale să se pensioneze și să ia aceste cunoștințe cu ei), de a colabora împreună la nivel global și de a introduce contextul, supravegherea și datele industriei apei la aceste modele, astfel încât inovatorii din sectorul nostru să poată dezvolta și combina soluții IA personalizate pentru cunoștințele și obiectivele specifice ale industriei apei în beneficiul tuturor utilităților, mari și mici.
Democratizarea oportunităților IA pentru utilități de toate dimensiunile; nu este o înlocuire a muncii
Pentru utilitățile mai mici sau pentru utilitățile cu resurse limitate, aceste noi evoluții în domeniul IA se pot simți descurajante sau inaccesibile. Dar, de fapt, aceste noi modele lingvistice democratizează tehnologia AI, deoarece oamenii nu trebuie să-și schimbe obiceiurile la fel de semnificativ sau să se antreneze pe un program complet nou pentru a vedea beneficiile. Acestea permit oamenilor accesul la puterea IA fără a fi nevoie de cunoștințe și abilități specializate – tot ce aveți nevoie este un limbaj simplu și un pic de creativitate pentru a obține IA pentru a produce ceea ce aveți nevoie (ingineria promptă ar putea fi un accent interesant pentru sectorul apei).
Oportunitățile de rezumare doar cu aceste instrumente dețin aplicații utile în munca de zi cu zi. Imaginați-vă că introduceți toate tipurile de date despre utilități într-un asistent AI util, care vă poate oferi apoi informații în limbaj simplu despre date în câteva secunde. Chiar înainte de a analiza datele, aceste modele pot ajuta non-experții să scrie un eșantion bun de cod pentru a extrage informații relevante, cum ar fi consumul mediu de apă, diferite tipuri de citiri ale presiunii sau date privind calitatea apei. Este posibil să ne poată ajuta sectorul să preproceseze date care nu au fost încă curățate sau chiar să ne spună ce trebuie să se întâmple pentru a preprocesa datele.
Ai putea fi un operator într-o utilitate foarte mică, care are o mulțime de expertiză și știi că aveți o scurgere pentru că ați auzit-o, dar ai nevoie de mai multe informații despre asta. Aceste noi modele lingvistice deschid ușa operatorilor de utilități care folosesc limbajul natural pentru a comunica cu modelul AI și pentru a experimenta cu tipurile de informații pe care vi le poate oferi. Poate că ar putea sugera datele de care aveți nevoie pentru a înțelege mai bine problema, aproape ca și cum ați avea un asistent de date. Și în acest sens, aceste modele AI nu sunt o înlocuire a muncii, ci un parteneriat cu IA, deoarece pur și simplu nu au experiența reală și expertiza tacită pe care o au ființele umane din sectorul apei.
Deși există deja o mulțime de date pentru a începe experimentarea și instruirea acestor modele pentru sectorul apei, există și „date ca serviciu” (DAAS – vezi Forumul SWAN pentru mai multe informații despre acest subiect) încep să apară modele pentru a reduce decalajul pentru utilitățile mici care ar putea să nu dispună de date, resurse, capacitate și expertiză pentru a colecta datele de care au nevoie pentru a obține răspunsuri de calitate de la IA. Aceste noi modele de afaceri își asumă responsabilitatea de a achiziționa senzorii potriviți pentru problemele și locațiile potrivite, precum și de a configura comunicațiile de date, curățarea datelor și analizele, astfel încât utilitarul să se poată concentra pe beneficiul datelor. Această combinație de software și servicii poate aduce orice utilitate mică la bord cu beneficiile acestor tehnologii foarte repede.
Sectorul apei nu ar trebui să se teamă să testeze, să se joace și să experimenteze cu aceste noi instrumente IA pentru a vedea cum pot funcționa pentru ei. De la orașele mici la megacități, de la personalul de pe teren la directori, utilitățile pot sări și pot începe să joace, să inoveze și să învețe, chiar și cu date minime, cum ia le poate ușura munca.
În cele din urmă, acesta este un apel către toate sursele de expertiză și cunoștințe profunde din industria apei – operatori și manageri de utilități, ingineri, oameni de știință, cadre universitare – să contribuie cu cunoștințele lor de specialitate la învățarea mașinilor pentru a-și dezvolta rezultatul inteligent și pentru a explora modul în care aceste LLM-uri pot îmbunătăți luarea deciziilor în sectorul apei.
#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.
Gigi Karmous-Edwards, expert și consultant digital în sectorul apei la Karmous Edwards Consulting LLC, este membru al comunității Qatium.
