Kā ASV Enerģētikas departaments pārveido AI

ASV Enerģētikas departaments (DOE) jau sen ir izcēlies kā viena no ASV federālajām aģentūrām, kas visvairāk koncentrējas uz zinātni, tehnoloģijām un inovācijām. Tas būtu mazs pārsteigums, ka DOE turpina ieguldīt tādās pārveidojošās tehnoloģijās kā mākslīgais intelekts un mašīnmācība. 

DOE izveidoja Mākslīgā intelekta un tehnoloģiju (AITO) biroju, lai palīdzētu pārveidot DOE par pasaulē vadošo mākslīgā intelekta (AI) uzņēmumu, paātrinot AI izpēti, izstrādi, piegādi un ieviešanu. AITO jaunā direktore Pamela Isoma uzstāsies 2021. gada februāra pasākumā AI valdībā, lai pastāstītu, kā viņi maksimāli palielina AI ietekmi, izmantojot stratēģisku koordināciju, plānošanu un klientu apkalpošanas izcilību. Šajā intervijas rakstā Isoma kundze sīkāk pastāsta par to, kā DOE izmanto datus un pārveidojošās tehnoloģijas, lai palīdzētu virzīt aģentūras galvenos uzdevumus.

Kādi ir daži novatoriski veidi, kā izmantot datus un AI, lai gūtu labumu savai aģentūrai?

Pamela Isoma: Atbildība par transversālu AI iniciatīvu koordinēšanu un stratēģiski plānojot nodaļas mēroga AI rezultātus ir ļoti svarīga, lai nodrošinātu mūsu infrastruktūru un palielinātu misijas ietekmi. 2022. gadā mana komanda koncentrējas uz novatorisku AI pārvaldību, kurā atbildīgs un uzticams AI atbilst standartam. Mums ir vajadzīga vairāk uz cilvēku vērsta integrācija AI dzīves ciklā un apvienots algoritmu un datu kopu katalogs, lai būtu vieglāk izsekot mūsu veikto AI ieguldījumu ietekmei. 

AI riska pārvaldības rokasgrāmata (AIRMP) ir lietišķa inovācija, ko mēs paredzam ieviest sabiedrībā, ja 2023. gadā viss noritēs saskaņā ar plānu. AIRMP tver riska scenārijus un sniedz norādījumus šo risku mazināšanai, lai AI lēmumi būtu atbildīgi un uzticami. Rokasgrāmatā pat ņemti vērā mazināšanas pasākumi, kas attiecas uz malas ierīcēm, piemēram, bezpilota sistēmām un personiskajām ierīcēm. Edge AI sistēmas ļauj komandām, piemēram, mūsu avārijas seku likvidētājiem, ātri rīkoties ar datiem tur, kur tie ir iegūti. Tomēr pastāv pretrunīgi draudi un ievainojamības, ko atbalsta AIRMP. 

Runājot par inovācijām, AI komanda iesāka 2022. gadu ar nozares fokusa grupas sesiju par AI un visaptverošo tehnoloģiju konverģenci, īpašu uzmanību pievēršot AI un paplašinātās realitātes (XR) konverģencei, jo šobrīd šajā jomā ir vērojama ievērojama izaugsme. un nākotnē. Iespaidīga pieredze ir vērtīga, lai apmācītu un precīzi modelētu kritiskas situācijas, piemēram, autonomu transportlīdzekļu scenārijus, kur sintētiskie dati dažkārt ir drošāki un nav tik invazīvi kā reāllaika dati. Sadarbībā ar citiem programmu birojiem mana komanda cenšas izmantot AI un jaukto realitāti, lai izveidotu AI apmācības programmu darbaspēkam un talantu pārvaldībai visās kopienās.

Kā jūs vispār izmantojat automatizāciju, lai palīdzētu ceļā uz AI?

Pamela Isoma: Mēs izmantojam automatizāciju galvenajos biznesa procesos. Mēs uzsākām izmēģinājuma projektu, lai racionalizētu aizdevumu apstrādi un atbildētu uz dažiem galvenajiem jautājumiem, ko klienti parasti uzdod, lai apstrādātāji varētu koncentrēties uz stratēģiskākiem uzdevumiem. Operatīvo uzdevumu risināšanai mēs izmantojam gan sarunvalodas AI, gan robotizētu procesu automatizāciju. Mēs izmantojam iespējas, kas mākoņa vidē ir pieejamas kā ieejas punkts automatizācijas platformām un tehnoloģijām, taču esam pazīstami arī ar saviem superdatoriem, kurus izmantojam vissarežģītākajām darba slodzēm un kur tam ir jēga. Dažas ieinteresētās personas dod priekšroku komerciāliem, gataviem produktiem, taču, ņemot vērā datu zinātnes sasniegumus, mēs uzskatām, ka hibrīds ir vispiemērotākā pieeja mūsu vajadzību apmierināšanai. 

Kā noteikt, ar kuru(-ām) problēmu jomu(-ām) sākt automatizācijas un kognitīvo tehnoloģiju projektus? 

Pamela Isoma: Nāk prātā divi izteicieni. Pirmais un galvenais ir “koncentrēties uz misiju”, bet otrais ir “klausīties”. Inovāciju pielietošana misijas sasniegšanai ir obligāta. Piemēram, AI algoritmus varētu izmantot, lai nodrošinātu, ka tīkla pārraides ir elastīgas un lai tīras enerģijas uzskaite tiktu taisnīgi piemērota visās kopienās. Mēs veicam AI izpēti, izstrādi, demonstrācijas un praktizējam atkārtotu izmantošanu un auditus, lai maksimāli palielinātu šādu AI risinājumu efektivitāti. Mēs uzklausām ieinteresēto pušu vajadzības, vēlmes, kā arī sāpju punktus. Mēs uzturam AI ieguldījumu uzskaiti, ko pārskatām un atjauninām vismaz reizi gadā, izmantojot mūsu mākslīgā intelekta apmaiņas (AIX) sistēmu. Tiek rīkotas fokusa sesijas ar nozari un akadēmiskajām aprindām, lai uzklausītu individuālas perspektīvas, lai apmainītos ar viedokļiem un gūtu nozares ieskatus par mērķtiecīgām AI tēmām. Būtībā mēs novērtējam pašreizējo un mērķa stāvokli, identificējam nepilnības un, izmantojot mūsu AI stratēģiju, nosakām prioritātes, sakārtojam un piedalāmies tādu programmu nodrošināšanā, kas virza mūs uz priekšu automatizācijas un kognitīvo tehnoloģiju projektos.

Kādas ir unikālās iespējas publiskajam sektoram attiecībā uz datiem un AI?

Pamela Isoma: Stratēģiskās partnerības ar privāto sektoru, akadēmiskajām aprindām un starptautiskām komandām ir lieliskas iespējas publiskajam sektoram. Aģentūrām ir iespēja izkļūt priekšā un izveidot AI noteikumus aktīvu attīstībai, koplietošanai un mūsdienu privātuma praksei. Tiesību akti, piemēram, valsts kiberdrošības uzlabošana un federālās klientu pieredzes un pakalpojumu sniegšanas pārveidošana, lai atjaunotu uzticēšanos valdībai, ir balstīti uz ētiskiem, atbildīgiem un uzticamiem risinājumiem, piemēram, AI, kas respektē mūsu pilsoņu tiesības un brīvības. Kopā, izmantojot stratēģiskās partnerības, mēs varam izpētīt un atklāt visdažādākos scenārijus un izstrādāt risinājumus, kas aizsargā datus, vienlaikus nodrošinot plašāku piekļuvi. Ir jābūt valsts platformai pētniecībai un sadarbībai, un tāpēc Nacionālā mākslīgā intelekta pētniecības resursu darba grupa, kuras loceklis ir mana komanda, ir tik ļoti svarīga. Publiskais sektors nevar izpildīt normatīvās prasības viens – tas prasa gan nozares, gan akadēmisko aprindu, gan arī starptautisko sadarbību.

Kādus lietošanas gadījumus varat kopīgot gadījumos, kad esat veiksmīgi lietojis AI?

Pamela Isoma: Konkrēti, AI komanda izmanto mašīnmācīšanās teksta analīzi un klasterizāciju, kā arī dabiskās valodas apstrādes sasniegumus, lai palīdzētu veikt departamenta AI projekta stratēģisko analīzi un lietošanas gadījumu uzskaiti. Izmantošanas gadījumi svārstās no nākamās paaudzes domēna apzinātu AI metožu pētījumiem, lai stiprinātu mūsu nacionālo drošību, līdz tīras enerģijas projektiem, kas nosaka materiālus, kas jāizmanto, lai risinātu klimata krīzi. Mēs varam noteikt tēmas, pamatojoties uz inventarizētiem datiem, un saskaņot ieinteresētās puses no visas nodaļas ar kopīgām sinerģijām, lai mēs maksimāli palielinātu apjomradītus ietaupījumus, samazinātu atkritumu daudzumu, informētu un veicinātu vairāk transversālu AI darbību. Mēs nepārtraukti pilnveidojam savus krājumu datus, un šodien varam noteikt, kur ir AI ieguldījumi un vai pastāv iespējas uzlabot klientu pieredzi. Bez AI manai komandai un nodaļas ieinteresētajām personām būtu jāizsijā milzīgs datu apjoms, un būtu gandrīz neiespējami izdarīt savlaicīgus AI portfeļa secinājumus, kas nepieciešami stratēģisku lēmumu pieņemšanai. 

Sekojot līdzi misijai, mūsu pētījumi par pazemes zonu ir dziļi saistīti ar oglekļa uztveršanu un uzglabāšanu. Zinātniski pamatota mašīnmācība, lai paātrinātu reāllaika lēmumu pieņemšanu pazemes lietojumprogrammās (SMART). Tas pārveido mūsu mijiedarbību pazemē un izpratni par to, kā arī ievērojami uzlabo lauka mēroga oglekļa uzglabāšanas un netradicionālo naftas un gāzes darbību efektivitāti un efektivitāti. SMART ir vairāku organizāciju darbs, ko finansē DOE oglekļa uzglabāšanas un naftas un gāzes augšupvērstās programmas ar trim fokusa jomām: reāllaika vizualizāciju, virtuālo mācīšanos un prognozēšanu.

Vai varat dalīties ar dažiem izaicinājumiem, kas saistīti ar AI un ML publiskajā sektorā?

Pamela Isoma: AI īpašumtiesības ir izaicinājums, ar kuru mēs strādājam. Datu pārpilnība rada arvien pieaugošu AI nepieciešamību, lai precīzi orientētos un prognozētu. Datu anotācijas standarti vertikālēm, piemēram, enerģija nav viegli pieejama. Ir iespēja attīstīt mašīnmācīšanos, pirms tiek izmantota progresīvāka neuzraudzīta apmācība, lai risinātu kritiskos lietošanas gadījumus. Pastāv arī ievērojama iespēja paplašināt AI talantu pārvaldību ārpus departamenta. Tāpat kā mēs darījām ar kibernoziegumiem, vairāk jākoncentrējas uz datu zinātni un AI izaugsmi tautai, mums nav izvēles šajā jautājumā.

Kā jūsu aģentūrā sadarbojas analītika, automatizācija un AI?

Pamela Isoma: Lai gan analītika var būt AI sākumpunkts vai ieejas punkts, mēs izmantojam visus trīs veidus (analīzi, automatizāciju un AI), lai nodrošinātu atbildīgu ieteikumu un uzticamu lēmumu pieņemšanas vislielāko ietekmi. Ir iespējas uzlabot dažus pamatus, lai AI darbības (AIOps) uzlabotu DevSecOps koncepcijas ar integrētām AI garantijām, un, izmantojot iespējas (analītika, automatizācija un AI), ir ievērojamas iespējas uzlabot starpaģentūru sadarbību kopīgu lēmumu pieņemšanai. Atzīšos, ka šodien vairāk redzu šo saliedētību, bet iespējas paliek.

Kā jūs orientējaties uz privātuma, uzticības un drošības problēmām saistībā ar AI izmantošanu?

Pamela Isoma: Šie ir būtiski AI riska pārvaldības rokasgrāmatas (AIRMP) elementi, kas tika izlaists iekšēji 2021. gadā. AIRMP palīdz ieinteresētajām personām risināt privātuma, uzticības un drošības jautājumus (no pretinieku viedokļa) un informē lietotājus par iespējamām AI ievainojamībām. Mēs vēlamies, lai citi, tostarp Nacionālais standartu un tehnoloģiju institūts (NIST), gūtu labumu un sniegtu ieguldījumu šajos centienos.

Ko jūs darāt, lai izstrādātu AI sagatavotu darbaspēku?

Pamela Isoma: Mēs sadarbojamies ar nacionālajām laboratorijām un divreiz gadā mācām AI DOE ieinteresētajām personām. 2022. gadā mēs vēlamies pacelt apmācību citā līmenī, kā jau minēts, ievadot ieskaujošo mācīšanos. 

Man ir personīgais mērķis palīdzēt kopienām, kuras ietekmē AI automatizācijas aspekti. Viena no problēmām ir darbavietas, kas ir arī enerģētikas un administrācijas sekretāra uzmanības centrā. Mums ir vajadzīgi pilsoņi, lai saglabātu un augtu savās darbavietās, nevis zaudētu tos mākslīgā intelekta attīstības dēļ. Darbiniekiem ir jāzina, kā, piemēram, strādāt kopā ar robotiem un kā papildināt AI izskaidrojamības aspektus, lai secinājumi tiktu apstiprināti un pareizi paziņoti. Šī iespēja ir līdzīga maigākām, bet kritiskajām prasmēm, kas veicina patērētāju uzticēšanos, vienlaikus radot unikālas prasmes attīstības iespējas. Piemēram, skolu skolotāji jāiekļauj algoritmu apmācībā un vismaz testēšanā, lai palīdzētu iegūt godīgus, objektīvus rezultātus. Viņiem ir vajadzīgas garantijas, ka AI secinājumi negatīvi neietekmēs studentu uzvedību un neapdraudēs dzīvības pēc adopcijas. Izskaidrojams AI šajā ziņā ir daudzsološs. Šie piemēri atspoguļo daļu no prasmju un talantu attīstības potenciāla, kas varētu glābt dzīvības.

Kādas AI tehnoloģijas jūs visvairāk gaidāt nākamajos gados?

Pamela Isoma: Esmu sajūsmā par 2022. gadu un uz priekšu vērstajām aktivitātēm, kas parādās salīdzinājumā ar nākamās paaudzes AI. Es ļoti ceru uz AI progresu, lai paļaušanās uz datiem nebūtu tik dziļa, un drīzāk AI pats izdomā, kādi dati tam ir nepieciešami, lai risinātu problēmas. Es paļaujos uz rīkiem un tehnoloģijām, kas sniedz risinājumu skaidrojumus un prognožu pamatojumu. Departaments uzņemas stingrāku vadošo lomu mākslīgā intelekta jomā, uzlabojot stratēģijas koordināciju, plānošanu un programmu ieviešanu. Valsts laboratorijas un mākslīgā intelekta inkubatoru iniciatīva, ko sponsorē Lorenss Livermors, ir viens no daudzajiem piemēriem inovācijas veicināšanai, kas notiek. Runājot par riska mazināšanu, mēs vēlamies nodrošināt, lai mākslīgais intelekts neradītu enerģijas un resursu neefektivitāti, kas varētu kavēt dekarbonizācijas centienus, un mēs aizrautīgi cenšamies nodrošināt atbildīgu, ētisku AI misijas, valsts un jo īpaši mūsu labā. bērniem. 

Pamela Isoma uzstāsies 2021. gada februāra AI valdības pasākumā, kurā viņa runās par to, kā DOE maksimāli palielina AI ietekmi, izmantojot stratēģisku koordināciju, plānošanu un klientu apkalpošanas izcilību, tostarp pievēršoties AI ētikai, AI principiem un AI riska pārvaldības rokasgrāmatas svarīgākajiem aspektiem. .