Suena como una contradicción en términos, pero la gestión de desastres e interrupciones es una cosa. Los desastres y las interrupciones son precisamente lo que sucede cuando ocurren eventos naturales catastróficos y, desafortunadamente, la trayectoria en la que se encuentra el mundo parece estar exacerbando el problema. Solo en 2021, EE. UU. experimentó Más de 15 eventos de desastres meteorológicos/climáticos con daños que superan los mil millones de dólares.
Anteriormente, hemos explorado varios aspectos de las formas en que la ciencia de datos y el aprendizaje automático se entrelazan con eventos naturales, desde predicción del tiempo a el impacto del cambio climático en los fenómenos extremos y medir el impacto del socorro en casos de desastre. Sin embargo, AiDash apunta a algo diferente: ayudar a las empresas de servicios públicos y energía, así como a los gobiernos y las ciudades, a gestionar el impacto de los desastres naturales, incluidas las tormentas y los incendios forestales.
Nos conectamos con el cofundador y director ejecutivo de AiDash, Abhishek Singh, para obtener más información sobre su misión y enfoque, así como sobre su nuevo lanzamiento. Sistema de Gestión de Desastres e Interrupciones (DDMS).
IA específica de dominio
Singh se describe a sí mismo como un emprendedor en serie con múltiples salidas exitosas. Proveniente de la India, Singh fundó una de las primeras empresas de desarrollo de aplicaciones móviles del mundo en 2005 y luego una empresa de tecnología educativa en 2011.
Tras la fusión de la empresa de tecnología móvil de Singh con un integrador de sistemas, la empresa se cotizó en bolsa y Singh se mudó a EE. UU. Eventualmente, se dio cuenta de que los cortes de energía son un problema en los EE. UU. Los incendios forestales de 2017 fueron un punto de inflexión para él.
Eso, y el hecho de que la tecnología satelital ha ido madurando (con Singh marcando 2018 como un punto de inflexión para la tecnología) llevó a fundar AiDash en 2020.
AiDash señala que la tecnología satelital ha alcanzado la madurez como una herramienta viable. Cada año se lanzan más de 1000 satélites que emplean varias bandas electromagnéticas, incluidas las bandas multiespectrales y las bandas de radar de apertura sintética (SAR).
La empresa utiliza datos satelitales, combinados con una multitud de otros datos, y crea productos en torno a modelos predictivos de inteligencia synthetic para permitir la preparación y la ubicación de recursos, evaluar los daños para comprender qué restauración se necesita y qué sitios son accesibles y ayudar a planificar la restauración en sí.
AiDash utiliza una variedad de fuentes de datos. Datos meteorológicos, para poder predecir el curso de las tormentas y su intensidad. Datos de terceros o empresariales, para saber qué activos necesitan protegerse y cuáles son sus ubicaciones.
También: La Ley de IA de la UE podría ayudar a llegar a la IA Confiable, según la Fundación Mozilla
Hasta ahora, el principal cliente de la empresa han sido las empresas de servicios públicos. Para ellos, un escenario común son los daños causados por la caída de árboles o inundaciones. La vegetación, en basic, es un issue clave en los modelos de IA de AiDash pero no el único.
Como señaló Singh, AiDash ha desarrollado varios modelos de IA para casos de uso específicos. Algunos de ellos incluyen un modelo de invasión, un modelo de salud de activos, un modelo de salud de árbol y un modelo de predicción de cortes.
Esos modelos han requerido una experiencia appreciable para desarrollarse. Como señaló Singh, para hacer eso, AiDash está empleando a personas como agrónomos y expertos en integridad de tuberías.
“Esto es lo que diferencia un producto de una solución tecnológica. La IA es buena, pero no lo suficientemente buena si no es específica de un dominio, por lo que el dominio se vuelve muy importante. Contamos con este equipo interno y su conocimiento se ha utilizado para crear estos productos y, lo que es más importante, identificar qué variables son más importantes que otras”, dijo Singh.
conocimiento del árbol
Para ejemplificar la aplicación del conocimiento del dominio, Singh se refirió a los árboles. Según explicó, más del 50% de los apagones que ocurren durante una tormenta se deben a la caída de árboles. Los postes normalmente no se caen solos; por lo basic, son los árboles los que caen sobre los cables y los rompen o hacen que los postes se caigan. Por lo tanto, agregó que comprender los árboles es más importante que comprender el clima en este contexto.
“Hay muchas empresas meteorológicas. De hecho, nos asociamos con ellas, no competimos con ellas. Tomamos sus datos meteorológicos y creemos que el modelo de predicción meteorológica, que también es un modelo complicado, funciona. Pero entonces complementamos eso con el conocimiento del árbol”, dijo Singh.
Además, AiDash utiliza datos y modelos sobre los activos que gestionan las utilidades. Cosas como qué partes pueden romperse cuando cae un rayo o cuándo se revisó por última vez los dispositivos. Esta información localizada y específica del dominio es lo que hace que las predicciones sean granulares. ¿Qué tan granular?
Complementar los datos y los modelos de IA con conocimiento específico del dominio, en este caso, conocimiento sobre árboles, es lo que marca la diferencia para AiDash. Getty Photos/iStockphoto
“Conocemos todos y cada uno de los árboles en la crimson. Conocemos todos y cada uno de los activos en la crimson. Conocemos su historial de mantenimiento. Conocemos la salud del árbol. Ahora, podemos hacer predicciones cuando complementamos eso con información meteorológica y el trayectoria de la tormenta en tiempo actual. No hacemos una predicción de que Texas verá tanto daño. Hacemos una predicción de que esta calle en esta ciudad verá tanto daño”, dijo Singh.
Además de utilizar el conocimiento del dominio y una amplia gama de datos, Singh también identificó algo más como clave para el éxito de AiDash: brindar la cantidad correcta de información a las personas adecuadas de la manera correcta. Todos los datos viven y alimentan los modelos elaborados debajo del capó y solo se exponen cuando es necesario, por ejemplo, si lo exige la regulación.
En su mayor parte, lo que sirve AiDash son soluciones, no conocimientos, como lo expresó Singh. Los usuarios acceden a DDMS a través de una aplicación móvil y una aplicación internet. Las aplicaciones móviles están destinadas a ser utilizadas por personas en el campo y también sirven para validar las predicciones del sistema. Para las personas que realizan la planificación, se proporciona un panel internet que pueden usar para ver el estado en tiempo actual.
También: H2O.ai lleva la PNL impulsada por grandes maestros de IA a la empresa
DDMS es la última incorporación a Paquete de productos de AiDash, incluido el Sistema inteligente de gestión de la vegetación, el Sistema inteligente de gestión de la sostenibilidad, la Cabina de activos y la Supervisión e inspección remotas. DDMS actualmente se enfoca en tormentas e incendios forestales, con el objetivo de extenderlo a otras calamidades naturales como terremotos e inundaciones, dijo Singh.
Los planes de la compañía también incluyen extender su base de clientes a las autoridades públicas. Como dijo Singh, cuando los datos de una determinada región están disponibles, se pueden usar para brindar soluciones a diferentes entidades. Algunos de estos también podrían entregarse sin cargo a entidades gubernamentales, especialmente en un escenario de desastre, ya que AiDash no incurre en un costo incremental.
AiDash tiene su sede en California, con 215 empleados distribuidos en oficinas en San José y Austin en Texas, Washington DC, Londres e India. La compañía también tiene clientes en todo el mundo y ha experimentado un crecimiento significativo. Como compartió Singh, el objetivo es salir a bolsa alrededor de 2025.
