L’effort de prévention des incendies de forêt basé sur l’intelligence artificielle de la Californie fait face au défi des données

Les services publics basés en Californie investissent de plus en plus dans l’intelligence artificielle pour atténuer les incendies de forêt, mais disent qu’ils ont du mal à collecter suffisamment de données pour former l’intelligence artificielle.

Californie du Sud Edison, San Diego Gas & Electric Co. et PG&E Corp.

affirment qu’ils voient des algorithmes d’intelligence artificielle prometteurs qui utilisent des images capturées par des drones et d’autres moyens pour détecter les anomalies des infrastructures qui pourraient entraîner des incendies de forêt. Cependant, ils affirment que la collecte de suffisamment de données prendra probablement des années pour collecter des algorithmes de manière extensive dans toute leur infrastructure, où ils augmenteraient les contrôles manuels en cours.

Il s’agit d’un problème courant pour les industries de niche qui n’ont pas un accès rapide à d’énormes bases de données, a déclaré Gary Marcus, co-auteur du redémarrage de l’IA, ajoutant que l’utilisation efficace de l’IA aujourd’hui fonctionne généralement parce que nous allons au-delà. la mort “.

“Je pense que nous sommes probablement dans quelques années, nous appelons cela une plus grande propagation”, a déclaré Todd Inlander, vice-président senior et directeur de l’information chez Edison, Californie du Sud, ajoutant que les algorithmes d’intelligence artificielle de la société sont actuellement utilisés. sont en mesure d’identifier un certain nombre de conditions spécifiques pour lesquelles ils ont été formés.

L’identification des conditions à partir d’images est un processus en deux étapes qui consiste d’abord à apprendre un algorithme pour identifier un objet (pôle, barre transversale, transformateur, isolant), puis à déterminer si une certaine condition, telle que la rouille ou une autre forme de détérioration, existe.

Tous ces scénarios nécessitent des centaines ou des milliers d’images pour entraîner le modèle, a-t-il déclaré, ajoutant qu’il existe des centaines de milliers et des millions d’images que nous devons collecter en fonction de différentes circonstances.

La société agrandit son parc de drones pour capturer plus d’images. “C’est une très grande priorité pour moi”, a-t-il déclaré.

L’impact sur ces services publics peut être important. Edison, de Californie du Sud, a déclaré qu’elle disposait de 118 000 miles de lignes de distribution et de transmission. La société a déclaré que PG&E dispose de 106 681 miles de lignes de distribution à basse tension et de 18 466 miles de lignes de transmission à haute tension, dont beaucoup traversent des zones à haut risque d’incendies de forêt.

Il y a deux ans, PG&E a accepté d’utiliser des liquidités et des actions pour financer un fonds fiduciaire de 13,5 milliards de dollars pour indemniser les quelque 70 000 personnes qui ont perdu leur maison, leur entreprise et leur famille dans des incendies d’équipement.

La California Utilities Commission autorise les services publics de l’État à suivre un calendrier d’inspection manuelle des infrastructures, mais l’intelligence artificielle pourrait les compléter en rendant les inspections plus fréquentes et approfondies, ont déclaré les entreprises.

San Diego Gas & Electric a déclaré disposer de 75 modèles d’exploitation conçus pour détecter des conditions spécifiques ou des dommages aux actifs d’une entreprise ou à des équipements tiers. Gabe Mika, chef de produit du groupe parent, a déclaré que tout le monde avait été formé avec 100 à 5 000 images. La société a déclaré que SDG&E a utilisé un certain nombre d’outils d’apprentissage automatique et de vision par ordinateur d’Amazon Web Services pour créer les modèles.

San Diego Gas & Electric utilise des images capturées par des drones et d’autres moyens pour détecter les problèmes, y compris les fissures dans les infrastructures. L’image montrée ici détecte des dommages matériels dans une zone à fort feu qui a été réparée entre-temps.


Photo:

Gaz et électricité à San Diego

« C’est l’une de ces technologies avec un potentiel aussi puissant et transformateur », a déclaré Swami Sivasubramanian, vice-président de la base de données, de l’analyse et de l’apprentissage automatique d’AWS, ajoutant : « La capacité à résoudre le problème de manière proactive est bien plus grande ».

M. Mika a déclaré que les modèles avaient été construits principalement pour détecter les conditions sur la base d’images aériennes prises par des drones, mais la société avait récemment commencé à investir dans des caméras de flotte pour capturer plus d’images. Il a déclaré que les modèles initiaux pourraient nécessiter une formation supplémentaire pour identifier les conditions capturées par les caméras du véhicule sous différents angles.

Selon le Dr Marcus, les algorithmes d’IA actuels ne peuvent pas généraliser ou justifier avec aussi peu d’informations que possible. Ils compensent cela en absorbant d’énormes quantités de données. Cependant, il a ajouté que plus les données entrantes sont similaires aux données à partir desquelles l’algorithme a été développé à l’origine, moins vous en avez besoin.

Le Dr Marcus est également le fondateur de Robust, une startup de développement de logiciels. IA.

Selon PG&E, il a eu un certain succès avec des modèles de vision par ordinateur conçus pour trouver des choses comme la contamination des isolants avec chaque modèle formé sur des milliers à des dizaines de milliers d’images. Les anomalies plus petites, telles que les fissures, sont plus difficiles à détecter pour les modèles car elles peuvent être masquées par la saleté, le guano ou l’eau, a déclaré Andy Abranches, directeur principal de la gestion des risques d’incendie de forêt chez PG&E.

Selon lui, l’objectif est de prioriser la construction de modèles qui reconnaissent les déviations qui peuvent provoquer des pannes d’équipement et des inflammations. Pour ce faire, l’entreprise doit passer par des années d’images de l’appareil en cas d’échec pour construire un modèle qui reconnaît les signes.

“La profondeur des données dont vous avez besoin est susceptible de durer encore quelques années [collecting] ensembles de données », a déclaré M. Abranches.

écrivez Isabelle Bousquette à Isabelle.Bousquette@wsj.com

Copyright © 2022 Dow Jones & Company, Inc. Tous droits réservés. Tous les droits sont réservés. 87990cbe856818d5eddac44c7b1cdeb8

Leave a Comment