2023（第八屆）供水高質(zhì)量發(fā)展論壇上，E20環(huán)境平臺(tái)高級(jí)合伙人廖小華以二十余年的IT行業(yè)從業(yè)經(jīng)歷，分享了AI對(duì)水務(wù)行業(yè)日常管理和保障的應(yīng)用，介紹了兩山智聯(lián)?視頻智能系統(tǒng)的核心優(yōu)勢(shì)，即充分利用現(xiàn)有設(shè)備進(jìn)行智能鏈接，實(shí)現(xiàn)在現(xiàn)有100+行業(yè)AI技能模型、200+水務(wù)行業(yè)應(yīng)用場(chǎng)景的基礎(chǔ)上，共同研發(fā)、迭代升級(jí)。

“以大量數(shù)據(jù)為核心的人工智能技術(shù)應(yīng)用，將對(duì)各行各業(yè)帶來沖擊和改變，水務(wù)行業(yè)也不例外”。E20環(huán)境平臺(tái)高級(jí)合伙人廖小華在2023（第八屆）供水高質(zhì)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(jīng)歷，分享了AI對(duì)水務(wù)行業(yè)日常管理和保障的應(yīng)用，介紹了兩山智聯(lián)?視頻智能系統(tǒng)的核心優(yōu)勢(shì)，即充分利用現(xiàn)有設(shè)備進(jìn)行智能鏈接，實(shí)現(xiàn)在現(xiàn)有100+行業(yè)AI技能模型、200+水務(wù)行業(yè)應(yīng)用場(chǎng)景的基礎(chǔ)上，共同研發(fā)、迭代升級(jí)。

廖小華

01AI經(jīng)歷“三起兩落”，迎來第四浪潮

去年開始，ChatGPT的出現(xiàn)點(diǎn)燃了AI行業(yè)，讓不少人驚呼AI時(shí)代已經(jīng)來臨。廖小華表示，實(shí)際上，AI行業(yè)發(fā)展至今經(jīng)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(xiàn)了工業(yè)機(jī)器人和聊天機(jī)器人；1980年開始到2000年是第二次浪潮， AI進(jìn)入了專家系統(tǒng)的時(shí)代，專家模式帶動(dòng)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(yǔ)音、圖像場(chǎng)景；第四次浪潮即2023年至今，出現(xiàn)殺手級(jí)應(yīng)用，AGI得以加速實(shí)現(xiàn)。

ChatGPT的三個(gè)關(guān)鍵詞是“生成式、預(yù)訓(xùn)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(rèn)為是圖像識(shí)別領(lǐng)域深度學(xué)習(xí)走向成熟的一年，這源于計(jì)算機(jī)視覺領(lǐng)域出現(xiàn)的重大進(jìn)步。一種深度卷積神經(jīng)網(wǎng)絡(luò)AlexNet在ImageNet大規(guī)模視覺識(shí)別競(jìng)賽(ILSVRC)中取得了破紀(jì)錄的成績(jī)，展現(xiàn)了無與倫比的性能，引發(fā)了深度學(xué)習(xí)的浪潮。同年，出現(xiàn)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(xué)習(xí)的隱空間中進(jìn)行采樣生成新的數(shù)據(jù)。

2014年，Ian Goodfellow及其同事提出了生成式對(duì)抗網(wǎng)絡(luò)，這是深度學(xué)習(xí)領(lǐng)域又一個(gè)重大的進(jìn)展。GANs是一種神經(jīng)網(wǎng)絡(luò)，能夠生成與訓(xùn)練集相似的新數(shù)據(jù)樣本，為無監(jiān)督學(xué)習(xí)的進(jìn)展做出了較大的貢獻(xiàn)。

2015年，人工智能領(lǐng)域在計(jì)算機(jī)視覺和自然語(yǔ)言處理（NLP）方面都取得了相當(dāng)大的進(jìn)展，提出了殘差神經(jīng)網(wǎng)絡(luò)（ResNets）的概念。此架構(gòu)通過添加捷徑使信息更容易地在網(wǎng)絡(luò)中流動(dòng)。與常規(guī)神經(jīng)網(wǎng)絡(luò)每一層將上一層的輸出作為輸入不同，在ResNet中，會(huì)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(wǎng)絡(luò)中更深的層，從而使訓(xùn)練更深的神經(jīng)網(wǎng)絡(luò)成為可能。

2016年，谷歌的AlphaGo擊敗了圍棋世界冠軍李世石，標(biāo)志著人工智能發(fā)展歷程上的又一個(gè)重要里程碑。在曾被認(rèn)為太復(fù)雜而不可能被計(jì)算機(jī)處理的游戲中，機(jī)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(jìn)展奠定基礎(chǔ)的最關(guān)鍵的一年，出現(xiàn)了transformer神經(jīng)網(wǎng)絡(luò)，成為L(zhǎng)LM開發(fā)的關(guān)鍵組件，并在NLP領(lǐng)域，如機(jī)器翻譯、語(yǔ)言建模和問題回答等方面取得了突破性的進(jìn)展。

2018年出現(xiàn)了圖神經(jīng)網(wǎng)絡(luò)。圖神經(jīng)網(wǎng)絡(luò)屬于一類專門設(shè)計(jì)用于圖形數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)。GNN利用一種消息傳遞算法在圖的節(jié)點(diǎn)和邊上傳播信息。這使得網(wǎng)絡(luò)可以以更直觀的方式學(xué)習(xí)數(shù)據(jù)的結(jié)構(gòu)和關(guān)系。

2019年，生成模型擁有了一些重要進(jìn)展，特別是GPT-2的推出。該模型在許多NLP任務(wù)中擁有最先進(jìn)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(nèi)容，預(yù)告了即將在這個(gè)領(lǐng)域發(fā)生的“大爆炸”。

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

2021年Alphafold2發(fā)布。AlphaFold 2是一種用于解決數(shù)十年未被解決的蛋白質(zhì)折疊問題的解決方案，能夠預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)，可以徹底改變藥物研發(fā)、生物工程以及我們對(duì)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(rèn)為代表自然語(yǔ)言處理領(lǐng)域的頂級(jí)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(wù)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(wù)行業(yè)也不例外。廖小華表示，通過團(tuán)隊(duì)對(duì)水務(wù)行業(yè)半年以來的深入走訪和調(diào)研可以看到，以AI為基礎(chǔ)的視頻智能系統(tǒng)已經(jīng)在水務(wù)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(chǎng)景，安全方面體現(xiàn)在人臉識(shí)別、車輛識(shí)別、車輛管理，周界識(shí)別等；在工藝方面集中體現(xiàn)在礬花識(shí)別，生物池識(shí)別等；管理方面體現(xiàn)在對(duì)水池區(qū)等高要求區(qū)域的作業(yè)規(guī)范進(jìn)行識(shí)別；在化學(xué)品倉(cāng)庫(kù)等特定區(qū)域體現(xiàn)在在合適的時(shí)間地點(diǎn)進(jìn)行作業(yè)；在設(shè)備維護(hù)方面，集中體現(xiàn)在泵閥風(fēng)機(jī)方面，用紅外像機(jī)對(duì)溫度進(jìn)行監(jiān)測(cè)，達(dá)到相應(yīng)管控的要求。

在智慧水務(wù)系統(tǒng)中，很多業(yè)務(wù)邏輯、業(yè)務(wù)系統(tǒng)如通用的部件、IT專業(yè)的系統(tǒng)、長(zhǎng)開發(fā)周期、IT人員專署，這些部分在實(shí)際使用中都是專業(yè)人員被動(dòng)去使用的，“實(shí)現(xiàn)用戶需求的挖掘非常困難”，廖小華指出，在調(diào)研中發(fā)現(xiàn)，實(shí)際上，真正有價(jià)值的需求大多伴隨用戶的日常管理工作，往往在不經(jīng)意間出現(xiàn)，或者需求的出現(xiàn)還有一種情況，就是當(dāng)新的產(chǎn)品迭代后，又領(lǐng)悟到之前遇到過的問題。因此，廖小華認(rèn)為，智慧水務(wù)要開發(fā)出有競(jìng)爭(zhēng)力的產(chǎn)品，就是要善于發(fā)現(xiàn)需求，并在很短的周期內(nèi)自主開發(fā)產(chǎn)品。

要實(shí)現(xiàn)這樣的過程，要以先進(jìn)的開發(fā)工具為基礎(chǔ)。在AI技術(shù)的迅猛發(fā)展下，無論是人體、物品的識(shí)別和檢測(cè)技術(shù)都已經(jīng)達(dá)到成熟，對(duì)代碼進(jìn)行大量的數(shù)據(jù)訓(xùn)練，并根據(jù)業(yè)務(wù)邏輯進(jìn)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