2018年，一場由太平洋天然氣電力公司(PG&E)的輸電線路故障所引發的大火席卷了加州北部的巴特縣，造成了85人死亡，近1.9萬棟建筑被毀。今年6月，PG&E的首席執行官兼總裁Bill Johnson代表該公司在巴特縣高級法院承認了84項過失殺人罪和一項非法縱火重罪。

[[339865]]

在火災發生之后，為加州北部520萬戶家庭提供服務的PG&E公司開始開發一套人工智能技術套件，該套件能夠利用計算機視覺來幫助識別高風險的火災區域。這個被稱為“Sherlock Suite”的解決方案幫助PG&E實現了現場設備的自動化檢查。

“Sherlock Suite允許桌面檢查員在高分辨率圖像上標記潛在的設備問題，并能夠進一步培訓計算機視覺模型，以自動檢測潛在問題，然后添加元數據，使這些圖像能夠在整個企業范圍內進行搜索，”PG&E的Sherlock Suite產品經理Kunal Datta說。

自動化檢查

火災發生后，PG&E利用航空攝影技術拍攝了超過200萬張的關于5萬個輸電塔的圖像。該公司還從全國各地聘請了150名桌面檢查人員來檢查這些圖像。這些檢查最初是使用共享驅動器上的文件夾、紙質手冊、傳統地圖系統和用于跟蹤工作的Excel電子表格完成的。

“野火安全檢查項目是PG&E第一次使用這種規模的航空圖像來進行遠程檢查，”Datta說。

人工流程從圖像采集到檢查都需要很長時間，而且檢查本身也很耗時。2019年1月，PG&E組建了Sherlock團隊。團隊會見了檢查人員、監督人員、主題專家、領導和整個檢查程序中的其他人員，以確定所有能夠簡化和自動化的機會。

“從開始飛行到檢查完成，跟蹤工作需要在整個過程中手動輸入數據，”Datta說。“降低野火風險是PG&E的首要任務，因此，縮短檢查時間以及提高整個檢查流程的可審核性被認為是一個重要的改進領域。”

Datta說，在整個開發過程中，他的團隊--由數據科學家、開發人員、數據工程師、產品管理人員和設計人員組成--一直在與利益相關者保持聯系，試圖從他們的角度來理解問題。

“我們理念的一個關鍵部分就是與我們的業務合作伙伴進行密切地合作。我們不是在為我們的商業伙伴打造產品，而是在與他們一起打造產品，”Datta說。“這種參與程度有助于我們提出可測試的小增量，然后獲得反饋。對我們來說，確定要開發的正確產品的關鍵是確保我們與用戶之間有一個緊密的反饋回路。”

迭代并管理期望值

該團隊在2019年3月向一小群審查員部署了一個測試版，并在2019年5月將整個審查員團隊轉移到了Sherlock上面，不過它還在繼續添加新的特性。

“我們一直在努力。沒有真正所謂的‘完成’狀態，”Datta說。“我們每周會多次發布新的版本，并不斷獲得反饋。我們使用了Scrum，所以團隊每兩周會與所有的利益相關者進行一次sprint回顧，展示我們在上一個sprint中做了什么，以及在接下來的sprint中要做什么，并確保能夠留下足夠的時間用于事后的反饋和討論。”

Sherlock的網絡應用程序允許檢查人員查看照片，并將他們所發現的問題標記出來。這些標記將被用作標簽來訓練計算機視覺模型，然后通過Sherlock來向檢查員提供預測。調查人員會對預測結果表示贊成或反對，以便進一步完善模型。該套件能夠自動標記合規性審查所需的標準項。

Datta借用了汽車工程師協會(SAE)為討論自動駕駛汽車的自動化級別而建立的術語，并解釋說PG&E目前正處于從0級自動化(沒有自動化、手動流程)過渡到1級自動化(自動化輔助)的過程中。他指出，降低期望值會是一個關鍵的挑戰。

“當我們說我們在使用人工智能時，人們會很興奮。這絕對是件好事，但這也意味著人們的期望可能會無處不在，”Datta說。“當我們想到人工智能時，有些人會直接跳到5級自動化，并詢問我們什么時候能實現。”

Datta指出，他在每次演講中都會保留幾張名為“機器學習101”的幻燈片，以確保每個人都能明白人工智能其實是數學，而不是魔術。

Sherlock Suite已經大大減少了檢查次數和檢查時間，Datta還說隨著團隊部署新的功能，這兩個指標也都在不斷改進。該套件還允許電力運營機構搜索圖像，Datta說，而且其他業務部門也對模型產生了興趣，因為他們開始看到了Sherlock所帶來的新機遇。