Искусственный интеллект (ИИ) с каждым днем охватывает все больше аспектов нашей повседневной жизни. Он также пришел в управление водными ресурсами, с многочисленными инициативами, применяющими «методологию глубокого обучения с подкреплением», основу ИИ, к управлению водой. Давайте сначала разберемся, что представляет собой эта методология, а затем рассмотрим различные инициативы, которые ее применяют для достижения эффективности, экономии и, в целом, экологической устойчивости в управлении, использовании и потреблении воды.
Глубокое обучение с подкреплением
Глубокое обучение с подкреплением — это форма машинного обучения, которая сочетает обучение с подкреплением и глубокое обучение. Обучение с подкреплением относится к способности компьютера учиться принимать решения с помощью алгоритмов методом проб и ошибок — или, точнее, путем накопления проб и ошибок. С другой стороны, глубокое обучение — это способность машины преобразовывать набор входных данных через нейронную сеть в набор выходных данных. Чтобы замкнуть круг, отметим, что нейронная сеть — это компьютерная модель, вдохновленная структурой и функциями биологических нейронных сетей мозга животных.
Таким образом, глубокое обучение с подкреплением включает глубокое обучение в решение проблем или, другими словами, в принятие решений. В результате компьютерные системы способны решать, какие действия предпринять для оптимизации цели, основываясь на очень больших объемах неструктурированных входных данных. Глубокое обучение с подкреплением применяется в робототехнике, видеоиграх, обработке естественного языка, компьютерном зрении, образовании, транспорте, финансах, здравоохранении и, как мы сейчас увидим, недавно — в управлении водными ресурсами.
Примеры применения ИИ в управлении водными ресурсами
Испанская мультинациональная компания Acciona запустила проект PRISTINE на пилотной установке по очистке воды. Благодаря этому проекту, ряд виртуальных датчиков в режиме реального времени собирают данные, такие как расход воды, pH и мутность, а система ИИ оценивает концентрации загрязняющих веществ в режиме реального времени, что ранее было возможно только в лабораториях и, конечно, не в реальном времени. Таким образом, система, реализованная в рамках проекта PRISTINE, автоматически корректирует процесс очистки воды для соблюдения нормативов.
Другой пример — британская компания по водоснабжению Severn Trent, которая в январе 2023 года объявила, что преобразовала управление сточными водами с помощью «пилотного проекта, использующего ИИ», чтобы «прогнозировать погодные условия, планировать техническое обслуживание и контролировать поток сбросов». По словам директора по интеллекту и инновациям Severn Trent, Rich Walwyn, «когда мы знаем, что ожидаются сильные дожди, сеть автоматически оптимизирует свою емкость хранения (…) и перенаправляет поток от переполнений и проблемных точек, что снижает риск наводнений и загрязнения».
Третий пример — компания Oldcastle Infrastructure, поставщик решений для инфраструктуры в США, которая сотрудничала с британской компанией FIDO Tech Ltd. для разработки технологии ИИ, названной Hydro-Logic CivilSense. Благодаря этой системе ИИ можно обнаруживать утечки в сети распределения воды. И, судя по цифрам, это не мелочь.
Согласно данным, предоставленным Oldcastle Infrastructure, в США ежегодно происходит 240 000 разрывов труб, теряется около 22,7 миллиардов литров питьевой воды, а муниципалитеты и компании по водоснабжению теряют около 7,5 миллиардов долларов. Решение, предлагаемое Oldcastle Infrastructure, заключается в картографировании водной инфраструктуры, установке датчиков в стратегических местах и сборе их параметров. Затем инструмент ИИ анализирует данные и способен предсказывать и обнаруживать утечки в сети с точностью 93%.
Это лишь некоторые примеры внедрения искусственного интеллекта, разрабатываемые в мире для управления водными ресурсами. Их больше, и, без сомнения, в ближайшем будущем появятся новые проекты. Мы будем следить за ними, чтобы держать вас в курсе.
Источники: ACCIONA I’MNOVATION, Wikipedia 1, Wikipedia 2, Severn Trent, Oldcastle Infrastructure.
