水安全，已成為全球重要議題。聯合國更是將“為所有人提供清潔飲水和環境衛生并對其進行可持續管理”，列為面向 2030 年的全球可持續發展目標之一。但是，目前各個國家和地區的經濟發展階段和科技水平存在不同程度的差異，如何構建行之有效的水污染防治路徑與解決方案依舊面臨諸多挑戰。

9 月 16日，中國科學院生態環境研究中心王旭博士及同事，在《中國科學院院刊》發表題為《人工智能在 21 世紀水與環境領域應用的問題及對策》的論文，結合聯合國 “清潔飲水和衛生設施” 可持續發展目標的核心內涵和落實難點，分析和總結人工智能（AI）在水與環境領域的應用現狀及效應，探討利用 AI 推進水與環境可持續發展過程中有待解決的核心關鍵問題，并對水與環境領域和 AI 領域的創新發展方向進行展望。

DeepTech 聯系到王旭，并就這一研究方向進行了深入交流。他也是《麻省理工科技評論》“35 歲以下科技創新 35 人”首屆中國榜單入選者。

AI 如何應對水與環境領域的巨大挑戰？

目前全球在落實 “清潔飲水和衛生設施”可持續發展目標的過程中，正面臨四大挑戰：（1）數據監測與分析評估手段不足，嚴重制約國際組織及各國對水與環境衛生真實現狀和發展成效的全面掌握；（2）水循環系統構建、監控、模擬、評估和整體優化調控的困難；（3）水環境與水生態風險的復雜性；（4）諸如新冠病毒等突發大流行性疾病對城市供水排水系統的沖擊和影響。為此，探尋適宜的技術路徑和解決方案迫在眉睫。

近年來，王旭及合作者運用大數據和機器學習方法探索水系統工程與全球變化的前沿科學問題，并取得了重要進展。據他介紹，AI 等信息科技的快速進步，為實現水污染高效防治，落實聯合國可持續發展目標提供了新的思路和手段。

具體來說，隨著計算機算力的大規模發展及算法的不斷突破，AI 得到了快速發展，這為水環境污染防治、水質安全保障、涉水設施優化重構、流域生態系統管理等技術的研發和創新提供了強大的工具。

例如，利用人工神經網絡自適應選擇方法，以水質遙感和檢測數據為特征，可實現非線性水質指標模型的構建和應用，為水體水質管理與數字規劃提供必要的基礎數據。AI 在水質指標模型化及多維時空數據融合等方面的應用實踐，為提升水污染的研判能力創造了新機遇。

圖 | 面向 AI 的水環境污染物識別與風險響應技術體系（來源：受訪者）

除了在水質指標建模與數據融合方面，AI 在風險物質檢測與毒性評估、水質預警與污染應急方案構建等方面也開始發揮作用，這為整體提升水環境污染識別與風險響應能力提供了有力的技術和決策支持。

近幾年，越來越多的研究開始關注 AI 在水質安全保障技術研發中的角色。王旭告訴 DeepTech：“通過對材料開發過程的失敗試驗和歷史數據進行機器學習，結合目標污染物特征，對新材料的成分和特性進行計算模擬和優化，有望擯棄傳統以試錯為核心的材料研發范式，這將極大地促進水質凈化新材料的設計與應用。”

圖 | AI 輔助的水質凈化新材料研發范式（來源：受訪者）

而將 AI 技術與生物信息學結合，可以為水系統的信息挖掘和微觀解析提供重要機遇，為闡明污染物去除機制及高效技術研發開辟新的途徑。

圖 | 基于 AI 的污水生物處理機理與定向強化技術研究新思路（來源：受訪者）

王旭分析稱，近些年，水污染控制的核心范式正逐漸從污染物去除向資源化和能源化轉變，而數字孿生等虛擬和增強現實的前沿 AI 技術，將有望突破實時仿真同步調控水中污染物定向轉移轉化的技術難題，這將是未來 AI 形成的又一重大助推力。

城市是人類活動的中心，包含完整的水循環系統，涉水單元相互聯系緊密。但是，傳統水系統工程以取水、供水和排水為分割化目標，缺乏從系統論和整體論的角度去優化、管理甚至重構滿足城市可持續發展的涉水設施新范式。若延續傳統思路，從現在到未來很長一段時間內，城市水安全問題恐難有實質性突破。

王旭則認為，目前 AI 的爆發式發展，為突破城市水系統的優化重構與集成管理提供了關鍵性的技術。比如，將模擬退火算法等 AI 技術運用到排水系統的規劃設計及雨水資源的利用管理，可為排水系統的前瞻布局、優化設計及即時調控提供強大的科技支撐。

圖 | 數據驅動的水循環集成管理與人工智能模式（來源：受訪者）

王旭團隊近期的研究進展，正是通過構建基于機器學習算法的數據驅動模型，在實現城市水系統水量水質動態預測的基礎上，預測系統能耗，這為實現水系統運營成本的精準控制、過程能耗和碳排放的有效降低提供了非常重要的決策評估工具。

此外，流域生態系統也是一個重要問題。它作為水、土、氣、生、人多要素相互作用形成的復雜系統，是自然和社會耦合系統的縮微，也是探索水資源、水環境與水生態統籌管理的重要尺度。

目前國際上已實現了 AI 技術與衛星通信、空間定位、遙感、地理信息系統等對地觀測技術的有效融合，搭建了地球科學大數據平臺，為流域生態系統的過程解析與綜合評估提供了極為關鍵的數據基礎。

未來，在地球科學大數據與社會經濟指數相融合的基礎上，對 AI 算法與氣候變化和人類活動的物理模型進行集成，在流域尺度上開展自然 - 社會 - 經濟系統的綜合調控研究，有望突破綠色流域構建與統籌管理技術體系。

亟待解決的問題及對策

“AI 技術的迅速進步，為水環境風險防控、水質安全保障及水系統優化管理等技術從微觀到中觀和宏觀尺度的發展與應用注入了新的活力，從而為加速聯合國可持續發展目標進程帶來了一系列積極的效應。但是，未來 AI 在水與環境領域深入應用仍有若干關鍵問題亟待解決。”王旭總結道。

比如，黑盒效應與算法可解釋性。盡管以機器學習為突破口、以深度學習為實現方法的各種 AI 技術在水與環境領域展露出優異的預測性能，但其可解釋性是推廣應用的短板。另外，水務行業的研究人員、工程師和管理者通常不具備 AI 領域的知識和經驗，這使得他們在選擇、評估及理解 AI 技術解決水與環境問題時面臨較大困難，可能影響 AI 技術的充分發揮。

王旭建議：“未來應加速突破具備可解釋性的 AI 新技術，以及發展面向水與環境領域的 AI 技術系統構建理論與評估方法，這對促進 AI 技術在水與環境領域研究、應用及教育的全面發展具有重要意義。”

其次是大規模算力與環境負效應的問題。隨著水系統數據量的不斷膨大、數據不確定性的日益提高及數據間聯系的愈發復雜化，基于 AI 的水與環境問題解決方案將消耗大量計算資源。目前已有研究預測，AI 的粗放型應用，將加重全球能源危機與氣候變化，甚至對生態系統產生未知的溢出效應。

有研究對比，人腦處理數據所消耗的卡路里遠小于訓練 AI 模型所需的電耗。所以，如果我們能在機器學習過程中引入科研人員的領域知識，對數據集進行初篩和研判，從而減少不必要的算例密集型過程，就有可能減少 AI 應用時的能耗和碳排放等問題。

“未來應強化 AI 技術同水與環境領域知識的深度融合，發展基于 AI 算力最小化的水循環管理與風險管控體系和模式，在解決水與環境問題的同時，減少甚至避免不必要的溢出效應。”對此，王旭建議道。

數據有效性與標準化是亟待解決的另一個問題。AI 作為數據驅動型技術，若期望其效能在水與環境領域得以充分發揮，一個重要基礎在于確保數據體量和質量的有效性。近幾年，水量、水質和能耗等在線監測傳感設備及物聯網技術的快速發展，為解決數據即時性和有效性的瓶頸帶來了機遇。但目前國際上在數據質量、接口和協議等方面仍未統一標準。這是未來以 AI 為核心的新一代水系統與智慧城市體系進行融合亟待解決的核心關鍵。

“解決這一問題，未來應大力發展水與環境領域的數據在線監測與傳感技術，落實數據質量、接口和協議的標準化；同時，在不同國家和地區的發展水平仍存在差異的前提下，突破當前水系統可用數據量普遍較小的約束，研發基于小數據樣本的 AI 算法和技術系統是當下發展的權宜方向。”

AI 被認為是 21 世紀的三大尖端科技之一，但目前無論是與 AI 相關的知識教育、技術研發還是技術應用，均多見于發達國家。因此，AI 技術的限域應用，可能會導致全球不同國家和地區在水與環境領域治理方面出現甚至加劇不均衡問題。

“未來應結合發展中國家和地區在水與環境領域的共性問題和重大挑戰，開展國際科技、教育與投資合作，幫助發展中國家和地區在 AI 領域部署能力建設，突破因尖端科技限域應用而帶來的不平等問題。”

對于這一新興交叉研究領域的未來，王旭非常看好：利用 AI 等數據驅動新技術，以數字化、智慧化為模式，實現城市或城市群水安全的全系統管理及環境風險的高效防控，是頗具新意、有廣闊前景的研究課題。未來，通過水與環境領域和 AI 領域的融合創新和協同發展，有望在全球范圍內重構健康、可持續、高彈性和智慧化的下一代城市水系統，以滿足增進全人類福祉和保護水生態環境的重大需求。

-End-

原文標題：AI防治水污染，是追熱點還是醫痛點？一文剖析城市水安全問題及對策

文章出處：【微信公眾號：DeepTech深科技】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq