2018年，一场由太平洋天然气电力公司(PG&E)的输电线路故障所引发的大火席卷了加州北部的巴特县，造成了85人死亡，近1.9万栋建筑被毁。今年6月，PG&E的首席执行官兼总裁bill Johnson代表该公司在巴特县高级法院承认了84项过失杀人罪和一项非法纵火重罪。
在火灾发生之后，为加州北部520万户家庭提供服务的PG&E公司开始开发一套人工智能技术套件，该套件能够利用计算机视觉来帮助识别高风险的火灾区域。这个被称为“SheRlock SuITe”的解决方案帮助PG&E实现了现场设备的自动化检查。
“SheRlock SuITe允许桌面检查员在高分辨率图像上标记潜在的设备问题，并能够进一步培训计算机视觉模型，以自动检测潜在问题，然后添加元数据，使这些图像能够在整个企业范围内进行搜索，”PG&E的SheRlock SuITe产品经理Kunal Datta说。
自动化检查
火灾发生后，PG&E利用航空摄影技术拍摄了超过200万张的关于5万个输电塔的图像。该公司还从全国各地聘请了150名桌面检查人员来检查这些图像。这些检查最初是使用共享驱动器上的文件夹、纸质手册、传统地图系统和用于跟踪工作的Excel电子表格完成的。
“野火安全检查项目是PG&E第一次使用这种规模的航空图像来进行远程检查，”Datta说。
人工流程从图像采集到检查都需要很长时间，而且检查本身也很耗时。2019年1月，PG&E组建了SheRlock团队。团队会见了检查人员、监督人员、主题专家、领导和整个检查程序中的其他人员，以确定所有能够简化和自动化的机会。
“从开始飞行到检查完成，跟踪工作需要在整个过程中手动输入数据，”Datta说。“降低野火风险是PG&E的首要任务，因此，缩短检查时间以及提高整个检查流程的可审核性被认为是一个重要的改进领域。”
Datta说，在整个开发过程中，他的团队–由数据科学家、开发人员、数据工程师、产品管理人员和设计人员组成–一直在与利益相关者保持联系，试图从他们的角度来理解问题。
“我们理念的一个关键部分就是与我们的业务合作伙伴进行密切地合作。我们不是在为我们的商业伙伴打造产品，而是在与他们一起打造产品，”Datta说。“这种参与程度有助于我们提出可测试的小增量，然后获得反馈。对我们来说，确定要开发的正确产品的关键是确保我们与用户之间有一个紧密的反馈回路。”
迭代并管理期望值
该团队在2019年3月向一小群审查员部署了一个测试版，并在2019年5月将整个审查员团队转移到了SheRlock上面，不过它还在继续添加新的特性。
“我们一直在努力。没有真正所谓的‘完成’状态，”Datta说。“我们每周会多次发布新的版本，并不断获得反馈。我们使用了ScRuM，所以团队每两周会与所有的利益相关者进行一次spRint回顾，展示我们在上一个spRint中做了什么，以及在接下来的spRint中要做什么，并确保能够留下足够的时间用于事后的反馈和讨论。”
SheRlock的网络应用程序允许检查人员查看照片，并将他们所发现的问题标记出来。这些标记将被用作标签来训练计算机视觉模型，然后通过SheRlock来向检查员提供预测。调查人员会对预测结果表示赞成或反对，以便进一步完善模型。该套件能够自动标记合规性审查所需的标准项。
Datta借用了汽车工程师协会(SAE)为讨论自动驾驶汽车的自动化级别而建立的术语，并解释说PG&E目前正处于从0级自动化(没有自动化、手动流程)过渡到1级自动化(自动化辅助)的过程中。他指出，降低期望值会是一个关键的挑战。
“当我们说我们在使用人工智能时，人们会很兴奋。这绝对是件好事，但这也意味着人们的期望可能会无处不在，”Datta说。“当我们想到人工智能时，有些人会直接跳到5级自动化，并询问我们什么时候能实现。”
Datta指出，他在每次演讲中都会保留几张名为“机器学习101”的幻灯片，以确保每个人都能明白人工智能其实是数学，而不是魔术。
SheRlock SuITe已经大大减少了检查次数和检查时间，Datta还说随着团队部署新的功能，这两个指标也都在不断改进。该套件还允许电力运营机构搜索图像，Datta说，而且其他业务部门也对模型产生了兴趣，因为他们开始看到了SheRlock所带来的新机遇。
