人工智能(AI)精灵不会回瓶;离开世界上考虑如何最好地管理这个最强大的,但争议,工具。水行业的反应有许多相似之处,对人工智能的反应更广泛:我们确定人工智能有好处,不太确定如何意识到他们,小心翼翼的意想不到的后果。
水务有大量、分散、物理资产基地。先进的传感器、监测、数据处理和通信技术意味着我们收集更多的资产数据,以不断增加的速度。
人工智能和机器学习技术提供的处理能力和利用大量的数据;允许公用事业超越目前使用的描述性分析,用数据来理解过去的事件和趋势。人工智能可以帮助开发和提高预测分析,确定可能发生什么,走向规范的分析,表明行动的基础上预测。
为水务面临一场完美风暴的需求增加,收入下降和气候变化;提高现有资产的性能以这种方式提供了显著的好处。特别是在程序开始考虑资产系统,特别是在与可持续性,韧性和可靠性。
最终,除了暗示行动,AI有能力自主实施这些行动;并不断完善和修改的方式响应行动的需要。这方面的AI会导致焦虑。
供水行业是保守的,这就是为什么受投资者欢迎寻求长期稳定的回报。在某种程度上是保守的,因为错误的后果可以很严重。环境可以损坏;和人们的健康,可能生活——可以通过失败损害在水和废水处理。必须非常小心地管理风险;所以决策交给电脑的想法使一些人感到不舒服。
另一个让人不安的人工智能是一种感知风险的工作。国家统计局公布,2019年3月,在英格兰,150万年左右工作风险高一些他们的职责和任务的自动化;与自动化定义为用技术代替目前由工人完成任务,其中可能包括计算机程序,算法,或机器人。
英国水务行业,虽然不是免疫,目前面临着一个悖论:据估计,该行业需要填满221000的角色在接下来的九年。和AI不会发生本身,AI需要人。有效的人工智能和机器学习不仅仅是建立在数据但深机构知识的人了解供水和污水资产,AI将支持。
所以可能是改变,而不是失去作用。苏格兰水,例如,不想像任何冗余数字战略的结果。该公司承认,其数据是不完整的“企业记忆”的员工。
AI依赖数据,但没有亲密的人的见解与资产已经被设计,建造和行为和资产需要做什么和不做数据是没有意义的;和人工智能不适合的目的。来自不同学科的专家在实用程序将需要提供洞察数据模式和教AI承认失败和最佳性能是什么样子。
我们需要把人工智能供水行业劳动力的另一个组件。它具有学习能力,但它需要教;然后AI需要获得经验而操作的密切监督下那些知道这些资产。
结果将是一个混合的人工和人类智慧——工程师2.0。需要资产专家密切参与规划、实施、培训和操作的AI将帮助专家开发系统中信任。
这个过程需要时间。大量的干净数据需要确定最优性能是什么样子,和之前异常被发现有足够的信心能给人工智能控制。大多数水务还没有数据在足够的数量和质量来达到这一点。虽然可能存在于口袋,还有许多要做的数据收集和组织,来支持一个有效的企业级别的人工智能系统。
一个估计是大约五年-一个AMP的新数据将需要企业级AI系统充分发挥潜力。这样的时间尺度将有助于促进文化变迁的水平要求自来水中获得必要的信任AI进行有效和安全的能力。
在人工智能和信任是关键,如果我们最终放弃控制的元素。没有信任这不会发生。创建正确的信任级别需要explainability。如果一个决定可以解释它更可能是可信的。所以我们需要理解为什么AI决定什么是,系统的“思考”必须是透明的和容易理解。这是我们当前的挑战。
增压技术变革的步伐意味着可能需要五年收集必要的水平的合适的数据和埋藏一个成功,企业范围的自来水的人工智能系统。然而,可以肯定的是,没有回去。人工智能与我们现在和工程师2.0成为现实——套用维克多雨果,“没有什么比一个想法的时候了。”
文章由马克Kaney,资产管理主任Black & Veatch;最初发布的水的报告