新视野｜AI防治水污染 是追热点还是医痛点？一文剖析城市水安全问题及对策

水处理网讯:水安全，已成为全球重要议题。联合国更是将“为所有人提供清洁饮水和环境卫生并对其进行可持续管理”，列为面向 2030 年的全球可持续发展目标之一。但是，目前各个国家和地区的经济发展阶段和科技水平存在不同程度的差异，如何构建行之有效的水污染防治路径与解决方案依旧面临诸多挑战。

9 月 16 日，中国科学院生态环境研究中心王旭博士及同事，在《中国科学院院刊》发表题为《人工智能在 21 世纪水与环境领域应用的问题及对策》的论文，结合联合国 “清洁饮水和卫生设施” 可持续发展目标的核心内涵和落实难点，分析和总结人工智能（AI）在水与环境领域的应用现状及效应，探讨利用 AI 推进水与环境可持续发展过程中有待解决的核心关键问题，并对水与环境领域和 AI 领域的创新发展方向进行展望。

DeepTech 联系到王旭，并就这一研究方向进行了深入交流。他也是《麻省理工科技评论》“35 岁以下科技创新 35 人”首届中国榜单入选者。

图 | 王旭

AI 如何应对水与环境领域的巨大挑战？

目前全球在落实 “清洁饮水和卫生设施”可持续发展目标的过程中，正面临四大挑战：（1）数据监测与分析评估手段不足，严重制约国际组织及各国对水与环境卫生真实现状和发展成效的全面掌握；（2）水循环系统构建、监控、模拟、评估和整体优化调控的困难；（3）水环境与水生态风险的复杂性；（4）诸如新冠病毒等突发大流行性疾病对城市供水排水系统的冲击和影响。为此，探寻适宜的技术路径和解决方案迫在眉睫。

近年来，王旭及合作者运用大数据和机器学习方法探索水系统工程与全球变化的前沿科学问题，并取得了重要进展。据他介绍，AI 等信息科技的快速进步，为实现水污染高效防治，落实联合国可持续发展目标提供了新的思路和手段。

具体来说，随着计算机算力的大规模发展及算法的不断突破，AI 得到了快速发展，这为水环境污染防治、水质安全保障、涉水设施优化重构、流域生态系统管理等技术的研发和创新提供了强大的工具。

例如，利用人工神经网络自适应选择方法，以水质遥感和检测数据为特征，可实现非线性水质指标模型的构建和应用，为水体水质管理与数字规划提供必要的基础数据。AI 在水质指标模型化及多维时空数据融合等方面的应用实践，为提升水污染的研判能力创造了新机遇。

图 | 面向 AI 的水环境污染物识别与风险响应技术体系（来源：受访者）

除了在水质指标建模与数据融合方面，AI 在风险物质检测与毒性评估、水质预警与污染应急方案构建等方面也开始发挥作用，这为整体提升水环境污染识别与风险响应能力提供了有力的技术和决策支持。

近几年，越来越多的研究开始关注 AI 在水质安全保障技术研发中的角色。王旭告诉 DeepTech：“通过对材料开发过程的失败试验和历史数据进行机器学习，结合目标污染物特征，对新材料的成分和特性进行计算模拟和优化，有望摈弃传统以试错为核心的材料研发范式，这将极大地促进水质净化新材料的设计与应用。”

图 | AI 辅助的水质净化新材料研发范式（来源：受访者）

而将 AI 技术与生物信息学结合，可以为水系统的信息挖掘和微观解析提供重要机遇，为阐明污染物去除机制及高效技术研发开辟新的途径。

图 | 基于 AI 的污水生物处理机理与定向强化技术研究新思路（来源：受访者）

王旭分析称，近些年，水污染控制的核心范式正逐渐从污染物去除向资源化和能源化转变，而数字孪生等虚拟和增强现实的前沿 AI 技术，将有望突破实时仿真同步调控水中污染物定向转移转化的技术难题，这将是未来 AI 形成的又一重大助推力。

城市是人类活动的中心，包含完整的水循环系统，涉水单元相互联系紧密。但是，传统水系统工程以取水、供水和排水为分割化目标，缺乏从系统论和整体论的角度去优化、管理甚至重构满足城市可持续发展的涉水设施新范式。若延续传统思路，从现在到未来很长一段时间内，城市水安全问题恐难有实质性突破。

王旭则认为，目前 AI 的爆发式发展，为突破城市水系统的优化重构与集成管理提供了关键性的技术。比如，将模拟退火算法等 AI 技术运用到排水系统的规划设计及雨水资源的利用管理，可为排水系统的前瞻布局、优化设计及即时调控提供强大的科技支撑。

图 | 数据驱动的水循环集成管理与人工智能模式（来源：受访者）

王旭团队近期的研究进展，正是通过构建基于机器学习算法的数据驱动模型，在实现城市水系统水量水质动态预测的基础上，预测系统能耗，这为实现水系统运营成本的精准控制、过程能耗和碳排放的有效降低提供了非常重要的决策评估工具。

此外，流域生态系统也是一个重要问题。它作为水、土、气、生、人多要素相互作用形成的复杂系统，是自然和社会耦合系统的缩微，也是探索水资源、水环境与水生态统筹管理的重要尺度。

目前国际上已实现了 AI 技术与卫星通信、空间定位、遥感、地理信息系统等对地观测技术的有效融合，搭建了地球科学大数据平台，为流域生态系统的过程解析与综合评估提供了极为关键的数据基础。

未来，在地球科学大数据与社会经济指数相融合的基础上，对 AI 算法与气候变化和人类活动的物理模型进行集成，在流域尺度上开展自然 - 社会 - 经济系统的综合调控研究，有望突破绿色流域构建与统筹管理技术体系。

亟待解决的问题及对策

“AI 技术的迅速进步，为水环境风险防控、水质安全保障及水系统优化管理等技术从微观到中观和宏观尺度的发展与应用注入了新的活力，从而为加速联合国可持续发展目标进程带来了一系列积极的效应。但是，未来 AI 在水与环境领域深入应用仍有若干关键问题亟待解决。”王旭总结道。

比如，黑盒效应与算法可解释性。尽管以机器学习为突破口、以深度学习为实现方法的各种 AI 技术在水与环境领域展露出优异的预测性能，但其可解释性是推广应用的短板。另外，水务行业的研究人员、工程师和管理者通常不具备 AI 领域的知识和经验，这使得他们在选择、评估及理解 AI 技术解决水与环境问题时面临较大困难，可能影响 AI 技术的充分发挥。

王旭建议：“未来应加速突破具备可解释性的 AI 新技术，以及发展面向水与环境领域的 AI 技术系统构建理论与评估方法，这对促进 AI 技术在水与环境领域研究、应用及教育的全面发展具有重要意义。”

其次是大规模算力与环境负效应的问题。随着水系统数据量的不断膨大、数据不确定性的日益提高及数据间联系的愈发复杂化，基于 AI 的水与环境问题解决方案将消耗大量计算资源。目前已有研究预测，AI 的粗放型应用，将加重全球能源危机与气候变化，甚至对生态系统产生未知的溢出效应。

有研究对比，人脑处理数据所消耗的卡路里远小于训练 AI 模型所需的电耗。所以，如果我们能在机器学习过程中引入科研人员的领域知识，对数据集进行初筛和研判，从而减少不必要的算例密集型过程，就有可能减少 AI 应用时的能耗和碳排放等问题。

“未来应强化 AI 技术同水与环境领域知识的深度融合，发展基于 AI 算力最小化的水循环管理与风险管控体系和模式，在解决水与环境问题的同时，减少甚至避免不必要的溢出效应。”对此，王旭建议道。

数据有效性与标准化是亟待解决的另一个问题。AI 作为数据驱动型技术，若期望其效能在水与环境领域得以充分发挥，一个重要基础在于确保数据体量和质量的有效性。近几年，水量、水质和能耗等在线监测传感设备及物联网技术的快速发展，为解决数据即时性和有效性的瓶颈带来了机遇。但目前国际上在数据质量、接口和协议等方面仍未统一标准。这是未来以 AI 为核心的新一代水系统与智慧城市体系进行融合亟待解决的核心关键。

“解决这一问题，未来应大力发展水与环境领域的数据在线监测与传感技术，落实数据质量、接口和协议的标准化；同时，在不同国家和地区的发展水平仍存在差异的前提下，突破当前水系统可用数据量普遍较小的约束，研发基于小数据样本的 AI 算法和技术系统是当下发展的权宜方向。”

AI 被认为是 21 世纪的三大尖端科技之一，但目前无论是与 AI 相关的知识教育、技术研发还是技术应用，均多见于发达国家。因此，AI 技术的限域应用，可能会导致全球不同国家和地区在水与环境领域治理方面出现甚至加剧不均衡问题。

“未来应结合发展中国家和地区在水与环境领域的共性问题和重大挑战，开展国际科技、教育与投资合作，帮助发展中国家和地区在 AI 领域部署能力建设，突破因尖端科技限域应用而带来的不平等问题。”

对于这一新兴交叉研究领域的未来，王旭非常看好：利用 AI 等数据驱动新技术，以数字化、智慧化为模式，实现城市或城市群水安全的全系统管理及环境风险的高效防控，是颇具新意、有广阔前景的研究课题。未来，通过水与环境领域和 AI 领域的融合创新和协同发展，有望在全球范围内重构健康、可持续、高弹性和智慧化的下一代城市水系统，以满足增进全人类福祉和保护水生态环境的重大需求。

原标题:AI防治水污染，是追热点还是医痛点？一文剖析城市水安全问题及对策