AI 深入探讨：AI 发生了怎样的变化，这对水务行业意味着什么？

本文摘自论文“人工智能与水管理——公用事业公司现在需要知道什么”。你可以在这里找到完整的论文。

如果您想了解水务行业使用人工智能的机会和障碍，了解人工智能的工作原理、它最近是如何变化的，以及我们现在在这项技术方面所处的位置（以及为什么这很重要）是有帮助的。

首先，“人工智能（AI）”是一个广义的术语，涵盖了不同的领域和应用。一些人将人工智能广义地定义为计算机模仿人类学习和解决问题的能力。其他人认为人工智能是计算机科学和神经学交叉的科学分支，因为你需要了解人类如何思考让计算机模仿人类的思维过程。

今天，大多数人工智能都是人工窄智能（ANI），也称为“窄人工智能”，因为它们只专注于解决特定的任务或问题。例如，在水务领域，我们使用计算机视觉，这是一个分析图像和视频的人工智能领域，大大加快了人们检查下水道闭路电视（CCTV）摄像机的镜头以识别管道缺陷的现有过程。用于此目的的计算机视觉可以被认为是一个狭义的AI，因为它只需要能够区分干净的管道，有缺陷的管道或管道中的某些东西，例如抹布或动物。它不必太聪明;它的智力相对狭窄。这或多或少是我们直到今天在人工智能方面所处的位置——大多数人工智能应用程序都采用人工狭义智能。

闭路电视图像显示管道中的浣熊

我们正在慢慢进入所谓的通用人工智能（AGI），有时被称为“通用AI”。 AGI是指能够执行通常与人类智能相关的各种智力任务的AI系统，例如推理，解决问题，学习和感知。

虽然近年来人工智能系统的开发取得了重大进展，但我们才刚刚开始实现真正的AGI。一些人认为，聊天机器人和自动驾驶自动驾驶汽车之所以是AGI，是因为它们被编程为对刺激做出反应，而狭隘的人工智能只需要标记不符合模式的东西并提醒人类进行干预。

例如，如果一辆自动驾驶汽车在路中间看到一个受伤的人，它必须决定做点什么，而它的决定是关键任务。虽然在伤员周围开车可能是一个解决方案，但这不是最好的解决方案。同时，如果AGI只知道如何提醒某人并问，我现在该怎么办，那么它就不会成为AGI。它必须立即识别并处理问题，方法是停下来，转向挡路或其他一些反应。这对车辆的成功运行至关重要，如果人工智能失败，它将对社会产生不利影响。

人工超级智能（ASI），也称为“超级AI”，仅次于AGI。这是你可能会选择担心的人工智能，但你现在不必担心它，因为我们离那种人工智能还很远。超级人工智能在很大程度上是一种假设的未来人工智能形式，是超越性的。它超越了人类的智慧，它有自我意识，它可以自己思考。没有超级AI的真实例子，但如果你想考虑虚构的ASI的潜在力量和风险，你可以从心爱的终结者系列中查看天网。同样，我们离这种人工智能还很远，我们可能无法实现它（或想要这样做）。

人工智能如何学习，今天的人工智能与过去有何不同？

我们不能谈论人工智能在水行业或整个行业的进步，而不谈论机器学习。人工智能通过机器学习进行学习。机器学习有很多种，但今天最受欢迎的是人工神经网络（ANN），这是一个试图模仿人类学习方式的过程。 ANN是模拟人脑工作方式的链接处理节点层。最基本的ANN只需要几层处理节点（小型ANN）。这种人工智能被认为是“非深度的”，它是有限的，因为它需要人为干预才能从错误中吸取教训。

机器学习（ML）与深度学习（DL）

例如，在水务领域，我们使用计算机视觉来大大加快现有流程，人们检查下水道管道的闭路电视录像以识别管道缺陷。现在，假设基于基本ANN模型的AI正在“训练中”以识别管道中的缺陷。这种“非深度”人工智能可以通过要求其人类主管对其无法分类的镜头进行分类来改进，例如管道中的塑料袋。例如，它可能会看到一个塑料袋，它会问它的人类主管，这是什么？然后，人类将把这个东西编码为“可漂浮的碎片”。随着人工智能的学习，当它看到不同的可浮点物时，它可能会继续向人类主管询问代码。但最终，人工智能将看到足够多的漂浮物，以至于它不再寻求支持，因为它学会了如何在没有进一步人为干预的情况下识别塑料袋。

然而，如今，我们越来越多地拥有使用更高级ANN的AI。这是一种高级机器学习，称为深度学习。与传统机器学习不同，深度学习不需要人工干预来学习。它有能力通过从自己的错误中吸取教训来改善自己。但事情是这样的：深度学习需要大量的训练数据、处理能力和时间来学习，才能产生准确的结果。较新的下水道AI模型使用深度学习。

关键是，人工智能必须首先通过使用机器学习来学习，无论人工智能是基于基本的ANN模型还是深度学习模型。当它学习时，它会犯错误，并从错误中吸取教训，无论是人工干预还是不依赖于人工智能采用的机器学习类型。

但与人类不同的是，当人工智能犯了一个错误并且这个错误被纠正时，它不应该再犯同样的错误。在考虑水务部门在开发和采用人工智能解决方案方面面临的机遇时，这一点很重要。

因为人类会累。他们生病了。他们忘记了。他们退休并带走他们来之不易的经验。人类没有能力将体验转移到操作员的下一个“版本”，而人工智能默认这样做。

新的运营商将继续在每一代人中犯错误，直到每一代人都获得经验，但人工智能在从错误中吸取教训后不会。这代表了水务行业的一个机会，因为如果我们允许这些人工智能解决方案从错误中吸取教训并越来越好，那么通过与人类合作获得的知识可以扩展到水行业及其他行业的所有人工智能。

水务部门采用人工智能的障碍

尽管计算机现在足够快，并且有越来越多的数据在水务部门采用深度学习人工智能，这将彻底改变该行业的运作方式，但该行业在采用新技术方面面临着独特的障碍。首先，水务行业受到强有力的监管驱动，而不是利润驱动。其次，该部门处理维持人类生命和健康的资源，因此它是规避风险的。需要克服这两个特征，以促进人工智能在水部门的采用。

首先，监管压力对我们行业采用的技术产生了重大影响。例如，水力模型曾经非常骨架化，但是当美国环境保护署（EPA）要求公用事业公司监测系统中的氯残留量，并让公用事业公司选择用模型结果代替现场观察时，突然之间，全管道建模技术爆炸了，然后这也在其他方面变得有益。

我们不知道会出现什么法规，可能会推动该行业采用更多的人工智能解决方案。例如，可能需要公用事业公司优化其庞大的能源成本。美国环保署估计，饮用水和废水系统占美国总能源使用的百分之二，每年产生 4500万吨温室气体。要求公用事业公司优化能源使用的法规可能会推动该行业更快地采用人工智能技术，因为这些人工智能技术可以帮助解决能源使用挑战。

其次，人工智能可以而且将会犯错误，这一事实与水务部门对风险的厌恶相抵触。这意味着，水务部门不会允许人工智能以我们在自动驾驶汽车中看到的速度跳入并做出决策，例如，该行业可能会采取更慢的方法。这可能更像是人工智能与人类在水务领域的合作，从人工智能提出建议和提供决策支持开始。

代替全自动驾驶汽车，水上人工智能将提供平稳的巡航控制，还将为运营商提供可以优化决策的建议。

这就是“数字孪生”发挥作用的地方。在水务行业，数字孪生是公用事业资产和性能的数字复制品，就像水系统网络一样。数字孪生可以采用机器学习应用程序，因此工程师和操作员可以在现实世界中做出决策之前测试决策结果。

最终，我们的行业将接受人工智能的建议，让它做出越来越有影响力的决策。例如，我们已经有传感器打开和关闭泵。有了人工智能，当使用泵能时，我们可以更聪明。这并不一定意味着公用事业工作会消失。相反，缺乏时间和资源的公用事业运营商会将繁琐的任务交给他们信任的人工智能，这样他们就可以更好地专注于需要人类智能的繁重工作量的其他方面。