Dragan Savic
Эта статья была взята из статьи «Искусственный интеллект и управление водными ресурсами — что коммунальным предприятиям нужно знать сейчас». С полным текстом доклада можно ознакомиться здесь.
Будущее чат-ботов: создание более интеллектуального интерфейса обслуживания клиентов для потребителей воды
Вы можете видеть, как ChatGPT, помимо ограничений , может иметь полезные приложения, когда речь идет о более интеллектуальных чат-ботах для обслуживания клиентов в водном секторе. Большинство чат-ботов по обслуживанию клиентов сегодня начинаются с компьютерных ответов на вопросы клиентов. Когда компьютер не может ответить на вопрос клиента, опираясь на доступную базу данных предустановленных вопросов и ответов, он передает клиента человеку. Но такие чат-боты часто очень похожи на то, как вы разговариваете с компьютером, и часто не очень полезны.
Однако, если бы что-то вроде ChatGPT имело доступ к информации от конкретной организации, такой как компания по водоснабжению, оно могло бы дать гораздо более релевантные ответы на вопросы клиентов, опираясь на данные о выставлении счетов, данные о клиентах и даже данные системы водоснабжения.
ИИ может получить гораздо больше, отвечая на проблемы и вопросы, такие как «Вода течет из моего крана», «Моя вода коричневая» или «Почему мой счет такой высокий?», прежде чем передать клиента человеку.
Представьте, например, что клиент жалуется в чат с помощью искусственного интеллекта с мощными возможностями, такими как ChatGPT, что его вода медленно выходит из крана (из-за низкого давления). Если бы у него был доступ к нужным данным, он мог бы провести анализ настроений, чтобы увидеть, есть ли другие сообщения о проблемах в той же области. Затем он мог бы предупредить экипажи и сформулировать полезный ответ, например: «Да, у нас, похоже, есть проблема в этом районе, и у нас есть команда, направляющаяся туда. Они должны быть сделаны за два часа, и ваша служба будет восстановлена».
Именно такое влияние ИИ, такой как ChatGPT, мог бы оказать на улучшение чат-ботов для обслуживания клиентов в водном секторе, если бы у него был доступ к данным организации, и другие его ограничения, которые мы перечислили в первом разделе этой статьи, были бы устранены.
Пример разговора клиента утилиты с продвинутым чат-ботом
Эволюционные вычисления для решения сложных задач проектирования систем распределения воды (в два раза быстрее)
Одной из перспективных областей ИИ в водном секторе являются эволюционные вычисления для поиска оптимальных конструкций систем распределения воды. Это будет особенно актуально для планирования инициатив в системах распределения воды среднего размера, таких как города с населением от 50 000 до 100 000 человек. Его можно использовать, например, для долгосрочных инициатив по генеральному планированию для оптимизации будущих затрат на расширение, техническое обслуживание и ремонт.
Эволюционные вычисления — это подобласть искусственного интеллекта, которая решает очень сложные проблемы со слишком большим количеством переменных для традиционных алгоритмов. Как следует из названия, эта область вдохновлена основами естественной эволюции. Эволюционные вычисления используют генетические алгоритмы, основанные на таких принципах, как наследование и естественный отбор — стандарт, согласно которому организмы, более подходящие для окружающей среды, будут распространять свой генетический материал и размножаться, чтобы стать более многочисленными в своей среде.
В водном секторе эволюционные вычисления решают проблему проверки почти бесконечных возможностей для достижения оптимального проектирования системы водоснабжения. Например, даже при 100 000 футах труб, если бы вам пришлось менять каждую трубу по очереди, чтобы найти наиболее оптимальную конструкцию с точки зрения эффективности и стоимости, в мире нет вычислительного времени, доступного для этого. Это, конечно, не может быть сделано человеком. У большинства инженеров будет время рассмотреть только несколько дизайнерских решений для проекта.
Идея заключается в том, что ИИ может непрерывно тестировать небольшие изменения в больших сложных системах, принимая сильные решения и изменяя слабые, пока система не достигнет так называемого «почти оптимального решения».
На самом деле, было обнаружено, что эволюционные вычисления экономят более половины затрат и позволяют создавать лучшие решения, чем проекты, изготовленные вручную. ИИ, основанный на генетических алгоритмах, может принести нам решения проблем проектирования систем распределения воды, которые наш сектор не смог бы решить в прошлом без ИИ.
ИИ для повседневных операций: машинное обучение для обнаружения неисправностей и компьютерного зрения
Обнаружение неисправностей и аномалий
Одним из наиболее актуальных применений ИИ в повседневных процессах коммунального предприятия является обнаружение неисправностей. Это будет система искусственного интеллекта, которая использует машинное обучение для обнаружения неисправностей в системе водоснабжения до того, как это вызовет проблему для клиента. Принцип работы заключается в том, что ИИ изучает, что является нормальным, на основе исторической производительности системы. Он распознает нормальные закономерности на основе времени суток, температуры, сезона и других переменных, а затем делает прогноз того, что произойдет дальше. Если прогноз имеет равную или аналогичную ценность тому, что он ожидает, то проблем нет. Но если есть большое расхождение, то это может насторожить операторов.
Например, представьте, что где-то в вашей распределительной системе посреди ночи лопается труба, и ваша система искусственного интеллекта обнаруживает проблему. Затем он может предупредить бригаду, чтобы она пошла и отремонтировала его, прежде чем это вызовет проблемы для клиента. Утром клиент включает душ, даже не подозревая о проблеме.
Объедините такую систему анализа и оповещения на основе искусственного интеллекта с генеративной моделью естественного языка, такой как ChatGPT, и коммунальные службы с ограниченными ресурсами, особенно небольшие коммунальные предприятия, у которых может не быть собственного аналитического отдела, который часто есть у более крупного коммунального предприятия, могут получить огромную выгоду.
Мы видим, что такого рода возможности машинного обучения и обработки естественного языка появляются в отрасли управления водными ресурсами с помощью таких инструментов, как, например, Qatium, у которого есть цифровой помощник «Q», который предупреждает об аномалиях, таких как зоны аномального давления, уровни резервуаров, потоки и другие важные повседневные операции.
Компьютерное зрение
Как обсуждалось ранее, приложение ИИ с глубоким обучением, которое мы все чаще видим сегодня в водном секторе, — это компьютерное зрение. Компьютерное зрение использует глубокое обучение для анализа видео и фотографий для обнаружения аномалий, утечек и неисправностей намного быстрее и с большей точностью , чем традиционно управляемый человеком анализ.
ИИ глубокого обучения чрезвычайно хорош и быстр в изучении визуальных характеристик труб. Он может методично характеризовать недостатки, на которые у людей просто нет пропускной способности. Глубокое обучение на основе изображений может опираться на свой огромный набор данных, чтобы иметь возможность определить, например, показывает ли отснятый материал скопление мусора или на самом деле это разрыв или проскальзывание в соединении трубы. Даже если люди не ошибались, после двух-трех часов просмотра такого рода кадров это теряет всякий смысл. Но глубокое машинное обучение не имеет этой проблемы, что делает его очень хорошим приложением для данных замкнутого телевидения (CCTV). Есть даже недавние приложения, в которых модели глубокого обучения на основе изображений используют кадры видеонаблюдения для анализа плотности капель дождя, чтобы распознать интенсивность осадков, что имеет важные последствия для быстрого реагирования на наводнения.
Что ждет приложения ИИ в водном секторе дальше?
Робототехника имеет четкое будущее в отрасли управления водными ресурсами. Наша отрасль имеет дело с инфраструктурой, которую трудно, а иногда и опасно контролировать, получать доступ, проверять и понимать в силу того, что она погребена под землей. И хотя роботы играют ключевую роль в других отраслях, где людям слишком сложно, опасно или разрушительно путешествовать для сбора данных, водный сектор еще не полностью использует робототехнику.
Тем не менее, мы наблюдаем некоторые движения в сторону робототехники в водной промышленности. Например, были разработаны устройства, которые люди бросают в трубы для сбора данных для обнаружения утечек. Устройства не остаются в трубах; Они доставляются в одно место, а затем забираются в другом месте, поэтому данные могут быть собраны и проанализированы.
Но в будущем мы должны увидеть больше автономных роботов , которые остаются в системе водоснабжения на неопределенный срок, ползая по трубопроводной сети и постоянно собирая и отправляя данные для анализа с помощью аналитики ИИ для получения информации в сети.
Как упоминалось ранее, достижения в области искусственного интеллекта в водном секторе ограничены, потому что, во-первых, мы не являемся высокоприбыльной отраслью, а во-вторых, мы не склонны к риску, потому что наши системы водоснабжения необходимы для здоровья человека. Таким образом, несмотря на то, что робототехника и искусственный интеллект являются логическим будущим для решений по управлению водными ресурсами, наш прогресс в этом направлении медленнее, чем в других отраслях. Тем не менее, мы должны с оптимизмом смотреть на захватывающие потенциальные применения будущих решений ИИ в нашем секторе.
#QatiumExperts
Qatium создан совместно с экспертами и лидерами мысли из водной отрасли. Мы создаем контент, чтобы помочь коммунальным предприятиям всех размеров решать текущие и будущие проблемы.
Драган Савич, генеральный директор KWR Water Research Institute, является советником Qatium.
