Cet article est écrit par Lina Stankovic, maître de conférences et membre du Ethical AI Network, et Vladimir Stankovic, lecteur à l'Université de Strathclyde

Vous n'avez probablement jamais pensé que votre compteur de gaz ou d'électricité était à la pointe de la science. Mais d'une certaine manière, ces gadgets simples et pratiques offrent un aperçu de l'avenir et peuvent nous apprendre de précieux enseignements sur les pièges et les avantages de l'apprentissage automatique .

Les compteurs intelligents sont les compteurs d'électricité et de gaz de nouvelle génération qui mesurent la consommation d'énergie des ménages. Ce qui rend les compteurs traditionnels bien connus «intelligents», c'est qu'ils utilisent un réseau de données sécurisé pour envoyer automatiquement et sans fil vos relevés de compteurs à votre fournisseur d'énergie au moins une fois par mois en plus d'être plus lisibles pour le consommateur. Cela signifie que les clients reçoivent des factures précises, et signifie également moins de visites par les ingénieurs des services publics pour lire manuellement les compteurs.

Avec le déploiement à grande échelle des compteurs intelligents, qui compte désormais plus de 16 millions au Royaume-Uni, et bien plus dans le monde, d'importantes recherches et innovations sont en cours pour tirer le meilleur parti des données collectées.

Certains des principaux objectifs des chercheurs et des services publics sont de créer une facturation opportune et précise, d'améliorer la compréhension de la consommation d'énergie à la maison, de faciliter la transition vers les énergies renouvelables et les véhicules électriques et une meilleure gestion de la production et de la distribution d'électricité.

Cela, à son tour, permet aux ménages et aux services publics de réduire les coûts et de répondre aux objectifs en matière de changement climatique et d'efficacité énergétique en réduisant la consommation d'énergie inutile.

Mais comment pouvons-nous réaliser tout ce qui précède? La réponse réside dans l'intelligence artificielle (IA).

Ce que la bouilloire dit de vous

Aujourd'hui, nous avons la possibilité d'utiliser la puissance de l'IA pour analyser les données des compteurs intelligents en utilisant l'apprentissage automatique pour améliorer la façon dont nous consommons l'énergie. Par exemple, il est facile pour un algorithme «d'apprendre» combien d'énergie est consommée à partir des données historiques et de prédire les modèles de consommation pour l'avenir à l'aide d'algorithmes d'apprentissage automatique en série chronologique, aidant le moteur d'IA à prendre une décision sur la réponse à la demande et donc assurer la sécurité énergétique de l'approvisionnement. L'étape suivante consiste à déduire quand et à quelle fréquence des appareils particuliers sont utilisés à la maison via des algorithmes de désagrégation de charge ou de surveillance de charge non intrusive (NILM).

Ces algorithmes décomposent les «charges» individuelles - de votre four, de votre bouilloire et de votre téléviseur, etc. - qui contribuent à la lecture globale des compteurs à tout moment grâce au traitement du signal et aux algorithmes d'apprentissage automatique supervisés et non supervisés. Cela permet au moteur AI de faire des recommandations sur les mises à niveau des appareils, de générer une analyse du cycle de vie (ACV) par appareil ou produit alimentaire et de quantifier statistiquement le type d'activité sur lequel nous passons notre temps. Cependant, cela soulève également des défis éthiques clairs.

Il peut également être utilisé à mauvais escient pour la publicité ciblée pour le café ou le thé, ou pour déduire quand un ménage prend le petit déjeuner ou le dîner, ce qui peut à nouveau être utilisé pour déduire quelles sont leurs heures de travail.

Par exemple, il est désormais possible de déduire la fréquence à laquelle un individu met la bouilloire en marche et la quantité d'eau utilisée pour remplir la bouilloire . Ceci est utile pour fournir des recommandations d'économie d'énergie et suivre les oublis résultant de la vieillesse ou comme précurseur de la démence. Cependant, il peut également être utilisé à mauvais escient pour la publicité ciblée pour le café ou le thé, ou pour déduire quand un ménage prend le petit déjeuner ou le dîner, ce qui peut à nouveau être utilisé pour déduire quelles sont leurs heures de travail. De même, il est également possible de déduire quand une personne cuisine, quand et à quelle fréquence elle fait sa lessive, prend une douche, etc.

En plus de déduire quand un individu est à la maison, quand il dort, quand il héberge des invités, et quels sont leurs modes de consommation d'énergie quotidiens, il est également possible de déduire, grâce à des algorithmes de désagrégation de charge, quels appareils sont utilisés et, indirectement, dans quelles activités domestiques les individus se livrent à domicile, à partir des données de leurs compteurs intelligents.

Pour cette raison, nous devons nous assurer que l'utilisation du machine learning dans les compteurs intelligents ne porte pas atteinte à la confidentialité et à la sécurité des utilisateurs, et que la technologie de l'IA elle-même est transparente pour les utilisateurs, y compris les consommateurs, le gouvernement et les entreprises qui produisent la technologie. Ces parties prenantes doivent comprendre clairement qui a accès aux mesures des compteurs intelligents et aux informations générées par l'analyse.

Cela a une incidence directe sur la fiabilité de la technologie et l'attribution de responsabilité.

Répondre aux problèmes de confidentialité

Au cours des deux dernières années, des cadres et des directives ont été publiés sur la protection générale des données et le traitement éthique des expériences sur les individus et les données personnelles d'organismes de gouvernance et de bienfaisance tels que les conseils de recherche du Royaume-Uni, l'Institut de génie électrique et électrique (IEEE), l'Institut of Engineering and Technology (IET), la British Computer Society (BCS), AI4People et le groupe d'experts de haut niveau de l'UE sur l'IA responsable.

Il est très difficile de généraliser le type et le niveau de confidentialité et de responsabilité d'un système d'IA, car le contexte est absolument critique - les directives pour la gestion des expériences sur les tests sur les animaux ne sont pas tout à fait les mêmes que les directives pour les algorithmes d'IA en ligne qui recommandent des produits basés sur ceux d'une personne. l'histoire du shopping.

En rapport avec le contexte du comptage intelligent, la protection des données et l'évaluation d'impact (DPIA) est une étape majeure vers la confidentialité des données. Développé par le Smart Grid Task Force de la Commission européenne et le UK Information Commissioners 'Office, deux organismes qui se consacrent à l'identification de scénarios réglementaires appropriés et de recommandations pour le traitement des données, la sécurité des données et la protection des données, le DPIA propose un modèle pour le Smart Grid et le Smart Metering Systèmes dans un cadre de confidentialité et de sécurité des données qui protège et permet la confidentialité.

La clé de tout cela est l'identification des risques - attendus et inattendus - pour les données en question

Le DPIA est un pas dans la bonne direction car il définit des processus pour établir et démontrer la conformité au RGPD. Premièrement, le DPIA définit les types d'opérations de traitement des données et met fortement l'accent sur l'identification des risques pour la vie privée et les données personnelles à plusieurs étapes d'un projet, c'est-à-dire pendant la conception du système, avant l'utilisation du nouveau système et tout au long de l'utilisation du système. Cela garantit que tous les risques sont capturés, y compris les types d'utilisation attendus et inattendus du système.

La clé de tout cela est l'identification des risques - attendus et inattendus - pour les données en question. Les experts font des percées importantes dans le type d'informations pouvant être déduites sur un ménage et des individus à partir de leurs données de compteurs intelligents.

De nouvelles applications sont constamment développées qui repoussent les limites de ce que les compteurs intelligents peuvent faire. Certains d'entre eux comprennent:

Avec la popularité croissante des technologies de la maison intelligente, telles que Google Assistant, Alexa d'Amazon et Siri d'Apple, il est plus facile de faire des déductions supplémentaires sur un individu dans sa maison et de fournir des fonctionnalités de contrôle avancées sur les appareils et le chauffage des locaux qui pourraient potentiellement être nocifs pour le individuel.

En conclusion, des efforts supplémentaires sont nécessaires pour identifier clairement les avantages et les risques que les moteurs d'intelligence artificielle ouvrent sur les algorithmes d'apprentissage automatique avant de les adopter pour la prise de décision. Les algorithmes d'apprentissage automatique doivent être rendus transparents pour les utilisateurs afin d'assurer la confiance. Une enquête sur les outils de transformation des données appropriés pour modifier les données est nécessaire, afin qu'elles soient utiles mais non nocives, et des recommandations peuvent être déduites, selon le niveau de consentement individuel au partage de leurs données. Il est également important d'expliquer clairement aux individus quels sont les avantages et les risques lorsque leurs données personnelles sont partagées pour analyse.

À mesure que la technologie évolue, il est possible d'en déduire davantage à partir des données des compteurs intelligents, de sorte que l'examen des avantages et des risques est un processus continu

À mesure que la technologie évolue, il est possible d'en déduire davantage à partir des données des compteurs intelligents, de sorte que l'examen des avantages et des risques est un processus continu. Cela devrait être effectué par un éventail de parties prenantes et de compétences, y compris ceux qui comprennent les éléments de détection du compteur et les signaux de mesure à ceux qui font des inférences à l'aide de l'apprentissage automatique et à ceux qui gèrent et offrent les services.

Bien que la technologie d'apprentissage automatique ouvre des risques d'utilisation abusive et d'interprétation erronée des données, cette technologie est également la solution pour assurer la responsabilisation lorsque les données des compteurs personnels circulent de la maison, où elles sont capturées vers le cloud, vers le (s) fournisseur (s) de technologie et enfin finissent -utilisateur. - Lina Stankovic et Vladimir Stankovic

(Crédit photo: Unsplash)