Acest articol a fost preluat din lucrarea “AI &; Water Management – What utilities need to know now”. Veți găsi lucrarea completă aici.

Dacă doriți să înțelegeți oportunitățile și barierele în calea utilizării AI de către industria apei, este util să înțelegeți cum funcționează AI, cum s-a schimbat recent și unde ne aflăm acum cu tehnologia (și de ce contează acest lucru).

În primul rând, “Inteligența artificială (AI)” este un termen larg care cuprinde diferite domenii și aplicații. Unii definesc în linii mari AI ca fiind capacitatea unui computer de a imita învățarea umană și rezolvarea problemelor. Alții cred că AI este o ramură a științei la intersecția dintre informatică și neurologie, deoarece trebuie să înțelegeți modul în care oamenii cred că un computer imită procesul de gândire umană.

Astăzi, majoritatea IA sunt inteligență artificială îngustă (ANI), numită și “IA îngustă”, deoarece se concentrează exclusiv pe rezolvarea unei sarcini sau probleme specifice. De exemplu, în sectorul apei folosim viziunea computerizată, un domeniu al AI care analizează imaginile și videoclipurile, accelerând dramatic un proces existent în care oamenii inspectează imaginile de la camerele de televiziune cu circuit închis (CCTV) pentru a identifica defectele conductelor. Viziunea computerizată în acest scop ar putea fi considerată o inteligență artificială îngustă, deoarece trebuie doar să poată face diferența între o țeavă curată, o țeavă cu defect sau ceva într-o țeavă, cum ar fi o cârpă sau un animal. Nu trebuie să fie prea inteligent; Inteligența sa este relativ îngustă. Și asta este mai mult sau mai puțin unde am fost până astăzi cu AI – majoritatea aplicațiilor AI folosesc inteligența artificială îngustă.

Imagine CCTV arătând ratonul în țeavă

Intrăm încet în ceea ce se numește inteligență generală artificială (AGI), uneori denumită “AI generală”. AGI se referă la sistemele AI care sunt capabile să îndeplinească o gamă largă de sarcini intelectuale care sunt de obicei asociate cu inteligența umană, cum ar fi raționamentul, rezolvarea problemelor, învățarea și percepția.

Deși s-au înregistrat progrese semnificative în dezvoltarea sistemelor AI în ultimii ani, abia începem să realizăm AGI adevărat. Unii susțin că chatbot-urile și vehiculele autonome autonome autonome sunt AGI, deoarece sunt programate să răspundă la stimuli, spre deosebire de AI îngustă, care trebuie doar să semnaleze ceva care nu se potrivește unui model și să alerteze un om să intervină.

Dacă un vehicul autonom, de exemplu, vede o persoană rănită în mijlocul drumului, trebuie să decidă să facă ceva, iar decizia sa este critică. În timp ce conducerea în jurul persoanei rănite poate fi o soluție, nu este cea mai bună. În același timp, AGI nu ar fi un AGI dacă tot ce ar ști să facă ar fi să alerteze pe cineva și să întrebe, ce fac acum? Trebuie să recunoască și să rezolve problema imediat, oprindu-se, deviind din cale sau un alt răspuns. Este vital pentru funcționarea cu succes a vehiculului, iar dacă AI eșuează, afectează negativ societatea.

Super inteligența artificială (ASI), denumită și “Super AI”, vine după AGI. Acesta este tipul de AI de care ați putea alege să vă faceți griji, dar nu trebuie să vă faceți griji acum, pentru că nu suntem aproape de acest tip de inteligență artificială. Super AI este în mare măsură o formă viitoare ipotetică de inteligență artificială care este transcendentală. Depășește inteligența umană, este conștientă de sine și poate gândi singură. Nu există niciun exemplu din lumea reală de super AI, dar puteți căuta Skynet din îndrăgita franciză Terminator dacă doriți să luați în considerare puterea potențială și riscurile unui ASI fictiv. Din nou, nu suntem nici pe departe aproape de acest tip de IA și este posibil să nu o realizăm (sau să nu vrem să o facem).

Cum învață IA și cum este AI astăzi diferită de trecut?

Nu putem vorbi despre progresul AI în industria apei, sau în general, fără a vorbi despre învățarea automată. AI învață prin învățarea automată. Există multe tipuri de învățare automată, dar astăzi cea mai populară este rețelele neuronale artificiale (ANN), un proces care încearcă să imite modul în care oamenii învață. ANN sunt straturi de noduri de procesare legate care simulează modul în care funcționează creierul uman. ANN cel mai de bază necesită doar câteva straturi de noduri de procesare (ANN mic). Acest tip de AI este considerat “non-profund” și este limitat, deoarece necesită intervenția umană pentru a învăța din greșelile sale.

Machine Learning (ML) versus Deep Learning (DL)

De exemplu, în sectorul apei folosim viziunea computerizată pentru a accelera drastic un proces existent în care oamenii inspectează înregistrările CCTV din conductele de canalizare pentru a identifica defectele conductelor. Acum, să presupunem că un AI bazat pe un model ANN de bază este “în formare” pentru a identifica defectele conductelor. Acest AI “non-profund” se poate îmbunătăți cerându-i supraveghetorului său uman să clasifice filmările pe care nu le poate clasifica, cum ar fi o pungă de plastic într-o țeavă. Ar putea vedea o pungă de plastic, de exemplu, și ar întreba supraveghetorul său uman, ce este asta? Omul va codifica apoi obiectul ca fiind “resturi plutitoare”. Pe măsură ce AI învață, poate continua să ceară supraveghetorului său uman coduri atunci când vede diferite flotabile. Dar, în cele din urmă, AI va vedea suficiente plutitoare încât să nu mai ceară sprijin, deoarece a învățat cum să recunoască o pungă de plastic fără intervenția umană suplimentară.

Cu toate acestea, în zilele noastre, avem din ce în ce mai mult AI care utilizează ANN mai avansat. Acesta este un tip avansat de învățare automată care se numește învățare profundă. Și, spre deosebire de învățarea automată clasică, învățarea profundă nu necesită intervenție umană pentru a învăța. Are capacitatea de a se îmbunătăți învățând din propriile greșeli. Dar iată cum stau lucrurile: învățarea profundă necesită cantități mari de date de antrenament, putere de procesare și timp pentru a învăța pentru a produce rezultate precise. Modelele mai noi de AI de canalizare folosesc învățarea profundă.

Ideea este că inteligența artificială trebuie să învețe mai întâi folosind învățarea automată, indiferent dacă AI se bazează pe un model ANN de bază sau pe un model de învățare profundă. Și pe măsură ce învață, va face greșeli și va învăța din greșelile sale, cu intervenție umană sau fără a depinde de tipul de învățare automată pe care îl folosește AI.

Dar, spre deosebire de oameni, atunci când un AI face o greșeală și acea greșeală este corectată, nu ar trebui să mai facă niciodată aceeași greșeală. Și acest lucru este important atunci când se iau în considerare oportunitățile cu care se confruntă sectorul apei în dezvoltarea și adoptarea soluțiilor AI.

Pentru că oamenii obosesc. Se îmbolnăvesc. Ei uită. Ei se pensionează și iau cu ei experiența câștigată cu greu. Oamenii nu au capacitatea de a transfera experiența la următoarea “versiune” a operatorului, în timp ce un AI face acest lucru în mod implicit.

Noii operatori vor continua să facă greșeli în fiecare generație până când fiecare generație câștigă experiență, dar AI nu o va face după ce învață din greșelile sale. Și aceasta reprezintă o oportunitate în sectorul apei, deoarece dacă permitem acestor soluții AI să învețe din greșelile lor și să devină din ce în ce mai bune, cunoștințele îmbunătățite prin colaborarea cu oamenii se pot extinde la toate IA din industria apei și nu numai.

Bariere în calea adoptării IA în sectorul apei

Chiar dacă computerele sunt acum suficient de rapide și există din ce în ce mai multe date pentru a utiliza AI de învățare profundă în sectorul apei, care va schimba drastic modul în care funcționează industria, industria se confruntă cu bariere unice în adoptarea noilor tehnologii. În primul rând, industria apei este puternic determinată de reglementare, în loc să fie condusă de profit. În al doilea rând, sectorul se ocupă de o resursă care susține viața și sănătatea umană și, din acest motiv, se opune riscului. Aceste două caracteristici vor trebui depășite pentru a facilita adoptarea IA în sectorul apei.

În primul rând, presiunile de reglementare au un impact puternic asupra tehnologiei adoptate de sectorul nostru. De exemplu, modelele hidraulice erau foarte scheletizate, dar când Agenția pentru Protecția Mediului din SUA (EPA) a mandatat ca utilitățile să monitorizeze reziduurile de clor din sisteme și a dat utilităților opțiunea de a înlocui rezultatele modelului cu observațiile de teren, brusc, tehnologia de modelare a tuturor conductelor a explodat, care apoi a devenit benefică și în alte moduri.

Nu știm ce reglementări vor apărea care ar putea împinge sectorul spre adoptarea mai multor soluții AI. De exemplu, ar putea exista cerințe pentru utilități pentru a-și optimiza costurile masive de energie. EPA estimează că sistemele de apă potabilă și apă uzată utilizează două procente din consumul total de energie din SUA, generând 45 de milioane de tone de gaze cu efect de seră anual. Reglementările care impun utilităților să-și optimizeze utilizarea energiei pot determina sectorul să adopte mai rapid tehnologiile AI, deoarece aceste tehnologii AI pot ajuta la rezolvarea provocărilor legate de utilizarea energiei.

În al doilea rând, AI poate și va face greșeli, iar acest fapt se lovește de aversiunea sectorului utilităților de apă față de risc. Asta înseamnă că, în loc ca sectorul apei să permită AI să intervină și să ia decizii la viteza pe care am văzut-o cu mașinile autonome, de exemplu, sectorul va adopta probabil o abordare mai lentă. Probabil că va fi mai mult ca o colaborare între AI și oameni în sectorul apei, începând cu AI făcând sugestii și oferind sprijin decizional.

În locul mașinilor complet autonome, AI de apă va oferi un control lin al vitezei de croazieră, care va oferi, de asemenea, sugestii operatorilor care ar putea optimiza luarea deciziilor.

Aici intră în joc “gemenii digitali”. În industria apei, un geamăn digital este o replică digitală a activelor și performanței utilităților, cum ar fi o rețea de sistem de apă. Un geamăn digital poate utiliza aplicații de învățare automată, astfel încât inginerii și operatorii să poată testa rezultatul deciziilor înainte de a lua aceste decizii în lumea reală.

În cele din urmă, însă, sectorul nostru se va obișnui cu sugestiile AI pentru a-i permite să ia decizii din ce în ce mai impactante. Avem deja senzori care pornesc și opresc pompele, de exemplu. Cu AI, putem fi mai inteligenți atunci când se utilizează energia pompei. Și asta nu înseamnă neapărat că locurile de muncă din utilități vor dispărea. În schimb, operatorii de utilități care nu dispun de timp și resurse vor preda sarcini plictisitoare unui AI în care au încredere, astfel încât să se poată concentra mai bine pe alte aspecte ale volumului lor mare de muncă care necesită inteligență umană.

#QatiumExperts

Qatium este co-creat cu experți și lideri de gândire din industria apei. Creăm conținut pentru a ajuta utilitățile de toate dimensiunile să facă față provocărilor actuale și viitoare.

Saša Tomić, Digital Water Lead la Burns &; McDonnell, este consilier în Qatium.

You might also like...