2023（第八屆）供水高質量發(fā)展論壇上，E20環(huán)境平臺高級合伙人廖小華以二十余年的IT行業(yè)從業(yè)經歷，分享了AI對水務行業(yè)日常管理和保障的應用，介紹了兩山智聯?視頻智能系統(tǒng)的核心優(yōu)勢，即充分利用現有設備進行智能鏈接，實現在現有100+行業(yè)AI技能模型、200+水務行業(yè)應用場景的基礎上，共同研發(fā)、迭代升級。

“以大量數據為核心的人工智能技術應用，將對各行各業(yè)帶來沖擊和改變，水務行業(yè)也不例外”。E20環(huán)境平臺高級合伙人廖小華在2023（第八屆）供水高質量發(fā)展論壇上表示。論壇上，廖小華以二十余年的IT行業(yè)從業(yè)經歷，分享了AI對水務行業(yè)日常管理和保障的應用，介紹了兩山智聯?視頻智能系統(tǒng)的核心優(yōu)勢，即充分利用現有設備進行智能鏈接，實現在現有100+行業(yè)AI技能模型、200+水務行業(yè)應用場景的基礎上，共同研發(fā)、迭代升級。

廖小華

01AI經歷“三起兩落”，迎來第四浪潮

去年開始，ChatGPT的出現點燃了AI行業(yè)，讓不少人驚呼AI時代已經來臨。廖小華表示，實際上，AI行業(yè)發(fā)展至今經歷了四次浪潮。

第一次浪潮在70年前，人工智能誕生后快速發(fā)展，出現了工業(yè)機器人和聊天機器人；1980年開始到2000年是第二次浪潮， AI進入了專家系統(tǒng)的時代，專家模式帶動初步商業(yè)化，也取得了很多商業(yè)化的落地；2010年開始到2020年是第三次浪潮，AI廣泛落地于語音、圖像場景；第四次浪潮即2023年至今，出現殺手級應用，AGI得以加速實現。

ChatGPT的三個關鍵詞是“生成式、預訓練、Transformer”，在過去十年取得了迅猛發(fā)展，因此行業(yè)也將過去的十年，看做是AI孵化的黃金十年。

廖小華梳理了AI行業(yè)的發(fā)展的黃金十年：

2013年被大家認為是圖像識別領域深度學習走向成熟的一年，這源于計算機視覺領域出現的重大進步。一種深度卷積神經網絡AlexNet在ImageNet大規(guī)模視覺識別競賽(ILSVRC)中取得了破紀錄的成績，展現了無與倫比的性能，引發(fā)了深度學習的浪潮。同年，出現了更深層次的人工智能模型的雛形“變分自編碼器”，能夠通過從已學習的隱空間中進行采樣生成新的數據。

2014年，Ian Goodfellow及其同事提出了生成式對抗網絡，這是深度學習領域又一個重大的進展。GANs是一種神經網絡，能夠生成與訓練集相似的新數據樣本，為無監(jiān)督學習的進展做出了較大的貢獻。

2015年，人工智能領域在計算機視覺和自然語言處理（NLP）方面都取得了相當大的進展，提出了殘差神經網絡（ResNets）的概念。此架構通過添加捷徑使信息更容易地在網絡中流動。與常規(guī)神經網絡每一層將上一層的輸出作為輸入不同，在ResNet中，會添加額外的殘差連接（residual connections），跳過一層或多層并直接連接到網絡中更深的層，從而使訓練更深的神經網絡成為可能。

2016年，谷歌的AlphaGo擊敗了圍棋世界冠軍李世石，標志著人工智能發(fā)展歷程上的又一個重要里程碑。在曾被認為太復雜而不可能被計算機處理的游戲中，機器甚至可以擊敗最熟練的人類選手。

2017年是生成式人工智能取得突破性進展奠定基礎的最關鍵的一年，出現了transformer神經網絡，成為LLM開發(fā)的關鍵組件，并在NLP領域，如機器翻譯、語言建模和問題回答等方面取得了突破性的進展。

2018年出現了圖神經網絡。圖神經網絡屬于一類專門設計用于圖形數據的神經網絡。GNN利用一種消息傳遞算法在圖的節(jié)點和邊上傳播信息。這使得網絡可以以更直觀的方式學習數據的結構和關系。

2019年，生成模型擁有了一些重要進展，特別是GPT-2的推出。該模型在許多NLP任務中擁有最先進的性能，真正讓同類模型相形見絀，并且還能夠生成高度逼真的文本內容，預告了即將在這個領域發(fā)生的“大爆炸”。

2020年，GPT-3模型問世。這個模型代表了LLMs規(guī)模和能力的極大提升。GPT-1只有117萬個參數，而GPT-2則增加到了15億個，GPT-3則達到了1750億個，同時再次突顯了使用自監(jiān)督學習的潛力。

2021年Alphafold2發(fā)布。AlphaFold 2是一種用于解決數十年未被解決的蛋白質折疊問題的解決方案，能夠預測蛋白質的三維結構，可以徹底改變藥物研發(fā)、生物工程以及我們對生物系統(tǒng)的理解。

2022年、ChatGPT真正面向公眾發(fā)布。該工具被認為代表自然語言處理領域的頂級成就。到了2023年，越來越多的大模型正以迅猛的速度問世和迭代，深刻影響了各行各業(yè)行業(yè)。

02水務行業(yè)如何被AI重新定義？

各行各業(yè)都正在被AI重新定義，水務行業(yè)也不例外。廖小華表示，通過團隊對水務行業(yè)半年以來的深入走訪和調研可以看到，以AI為基礎的視頻智能系統(tǒng)已經在水務行業(yè)的日常管理和保障中得到了比較多的利用。

在水廠場景，安全方面體現在人臉識別、車輛識別、車輛管理，周界識別等；在工藝方面集中體現在礬花識別，生物池識別等；管理方面體現在對水池區(qū)等高要求區(qū)域的作業(yè)規(guī)范進行識別；在化學品倉庫等特定區(qū)域體現在在合適的時間地點進行作業(yè)；在設備維護方面，集中體現在泵閥風機方面，用紅外像機對溫度進行監(jiān)測，達到相應管控的要求。

在智慧水務系統(tǒng)中，很多業(yè)務邏輯、業(yè)務系統(tǒng)如通用的部件、IT專業(yè)的系統(tǒng)、長開發(fā)周期、IT人員專署，這些部分在實際使用中都是專業(yè)人員被動去使用的，“實現用戶需求的挖掘非常困難”，廖小華指出，在調研中發(fā)現，實際上，真正有價值的需求大多伴隨用戶的日常管理工作，往往在不經意間出現，或者需求的出現還有一種情況，就是當新的產品迭代后，又領悟到之前遇到過的問題。因此，廖小華認為，智慧水務要開發(fā)出有競爭力的產品，就是要善于發(fā)現需求，并在很短的周期內自主開發(fā)產品。

要實現這樣的過程，要以先進的開發(fā)工具為基礎。在AI技術的迅猛發(fā)展下，無論是人體、物品的識別和檢測技術都已經達到成熟，對代碼進行大量的數據訓練，并根據業(yè)務邏輯進行技能編排，能夠形成技能模型并快速地迭代開發(fā)。

編輯：李丹