Cela semble contradictoire dans les termes, mais la gestion des catastrophes et des perturbations est une réalité. Les catastrophes et les perturbations sont précisément ce qui se produit lorsque des événements naturels catastrophiques se produisent, et malheureusement, la trajectoire suivie par le monde semble exacerber le problème. Rien qu’en 2021, les États-Unis ont connu Plus de 15 catastrophes météorologiques/climatiques avec des dommages dépassant 1 milliard de dollars.
Auparavant, nous avons exploré divers aspects de la manière dont la science des données et l’apprentissage automatique s’entrelacent avec les événements naturels : prévision météo à l’impact du changement climatique sur les phénomènes extrêmes et mesurer l’impact des secours en cas de catastrophe. AiDash, cependant, vise quelque chose de différent : aider les entreprises de services publics et d’énergie, ainsi que les gouvernements et les villes, à gérer l’impact des catastrophes naturelles, notamment les tempêtes et les incendies de forêt.
Nous avons contacté Abhishek Singh, cofondateur et PDG d’AiDash, pour en savoir plus sur sa mission et son approche, ainsi que sur son nouveau produit. Système de gestion des catastrophes et des perturbations (DDMS).
IA spécifique au domaine
Singh se décrit comme un entrepreneur en série avec plusieurs sorties réussies. Originaire d’Inde, Singh a fondé l’une des premières sociétés de développement d’applications mobiles au monde en 2005, puis une société de technologie éducative en 2011.
Suite à la fusion de la société de technologie mobile de Singh avec un intégrateur de systèmes, la société a été cotée en bourse et Singh a déménagé aux États-Unis. Finalement, il s’est rendu compte que les pannes de courant constituaient un problème aux États-Unis, les incendies de forêt de 2017 ayant été pour lui un tournant.
Cela, ainsi que le fait que la technologie satellitaire a mûri – Singh marquant 2018 comme un point d’inflexion pour la technologie – ont conduit à la création d’AiDash en 2020.
AiDash note que la technologie satellitaire a atteint sa maturité en tant qu’outil viable. Plus de 1 000 satellites sont lancés chaque année, utilisant diverses bandes électromagnétiques, notamment les bandes multispectrales et les bandes des radars à synthèse d’ouverture (SAR).
L’entreprise utilise des données satellite, combinées à une multitude d’autres données, et construit des produits autour de modèles d’IA prédictifs pour permettre la préparation et le placement des ressources, évaluer les dommages pour comprendre quelle restauration est nécessaire et quels sites sont accessibles et aider à planifier la restauration elle-même.
AiDash utilise diverses sources de données. Des données météorologiques, pour pouvoir prédire la direction que prendront les tempêtes et leur intensité. Données de tiers ou d’entreprise, pour savoir quels actifs doivent être protégés et quels sont leurs emplacements.
Jusqu’à présent, le principal client de l’entreprise était les sociétés de services publics. Pour eux, un scénario courant implique des dommages causés par des chutes d’arbres ou des inondations. La végétation, en général, est un facteur clé dans les modèles d’IA AiDash, mais pas le seul.
Comme l’a noté Singh, AiDash a développé divers modèles d’IA pour des cas d’utilisation spécifiques. Certains d’entre eux incluent un modèle d’empiétement, un modèle de santé des actifs, un modèle de santé des arbres et un modèle de prévision des pannes.
Ces modèles ont nécessité une expertise considérable pour se développer. Comme l’a souligné Singh, pour ce faire, AiDash emploie des personnes telles que des agronomes et des experts en intégrité des pipelines.
« C’est ce qui différencie un produit d’une solution technologique. L’IA est bonne mais pas assez bonne si elle n’est pas spécifique à un domaine, le domaine devient donc très important. Nous avons cette équipe en interne et leurs connaissances ont été utilisées pour créer ces solutions. produits et, plus important encore, identifier quelles variables sont plus importantes que d’autres », a déclaré Singh.
Connaissance des arbres
Pour illustrer l’application des connaissances du domaine, Singh a fait référence aux arbres. Comme il l’a expliqué, plus de 50 % des pannes qui surviennent lors d’une tempête sont dues à la chute d’arbres. Normalement, les poteaux ne tombent pas d’eux-mêmes : ce sont généralement les arbres qui tombent sur les fils et les cassent ou font tomber les poteaux. Par conséquent, il a ajouté que comprendre les arbres est plus important que comprendre la météo dans ce contexte.
« Il existe de nombreuses sociétés météorologiques. En fait, nous travaillons en partenariat avec elles, nous ne sommes pas en concurrence avec elles. Nous prenons leurs données météorologiques et nous pensons que le modèle de prévision météorologique, qui est également un modèle compliqué, fonctionne. Mais ensuite nous complétons cela par la connaissance des arbres », a déclaré Singh.
De plus, AiDash utilise des données et des modèles sur les actifs gérés par les utilitaires. Des éléments tels que les pièces susceptibles de se briser en cas de foudre ou la date de la dernière maintenance des appareils. Ces informations localisées et spécifiques au domaine sont ce qui rend les prédictions granulaires. À quel point est-il granulaire ?
Compléter les données et les modèles d’IA avec des connaissances spécifiques au domaine, en l’occurrence des connaissances sur les arbres, est ce qui fait la différence pour AiDash. Getty Images/iStockphoto
« Nous connaissons chaque arbre du réseau. Nous connaissons chaque actif du réseau. Nous connaissons leur historique de maintenance. Nous connaissons la santé de l’arbre. Désormais, nous pouvons faire des prévisions lorsque nous complétons cela avec des informations météorologiques et les « Nous prévoyons que cette rue de cette ville subira autant de dégâts », a déclaré Singh.
En plus d’utiliser sa connaissance du domaine et un large éventail de données, Singh a également identifié un autre élément clé du succès d’AiDash : fournir la bonne quantité d’informations aux bonnes personnes et de la bonne manière. Toutes les données vivent et alimentent les modèles élaborés sous le capot et ne sont exposées qu’en cas de besoin, par exemple si la réglementation l’exige.
Pour l’essentiel, AiDash propose des solutions, et non des informations, comme le dit Singh. Les utilisateurs accèdent à DDMS via une application mobile et une application Web. Les applications mobiles sont destinées à être utilisées par les personnes sur le terrain et servent également à valider les prédictions du système. Pour les personnes effectuant la planification, un tableau de bord Web est fourni, qu’ils peuvent utiliser pour voir l’état en temps réel.
Aussi: H2O.ai apporte à l’entreprise la PNL basée sur l’IA
DDMS est le dernier ajout à Suite de produits AiDash, y compris le système de gestion intelligent de la végétation, le système de gestion intelligent de la durabilité, le cockpit des actifs et la surveillance et l’inspection à distance. Le DDMS se concentre actuellement sur les tempêtes et les incendies de forêt, l’objectif étant de l’étendre à d’autres calamités naturelles comme les tremblements de terre et les inondations, a déclaré Singh.
Les projets de l’entreprise incluent également l’extension de sa clientèle aux pouvoirs publics. Comme l’a dit Singh, lorsque les données d’une certaine région sont disponibles, elles peuvent être utilisées pour fournir des solutions à différentes entités. Certains d’entre eux pourraient également être remis gratuitement à des entités gouvernementales, notamment en cas de catastrophe, dans la mesure où AiDash n’entraîne pas de coût supplémentaire.
AiDash a son siège en Californie et ses 215 employés sont répartis dans des bureaux à San Jose et Austin au Texas, à Washington DC, à Londres et en Inde. L’entreprise compte également des clients dans le monde entier et connaît une croissance significative. Comme Singh l’a partagé, l’objectif est de rendre public l’entreprise vers 2025.
