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

“以大量數據為核心的人工智能技術應用，將對各行各業帶來沖擊和改變，水務行業也不例外”。E20環境平臺高級合伙人廖小華在2023（第八屆）供水高質量發展論壇上表示。論壇上，廖小華以二十余年的IT行業從業經歷，分享了AI對水務行業日常管理和保障的應用，介紹了兩山智聯?視頻智能系統的核心優勢，即充分利用現有設備進行智能鏈接，實現在現有100+行業AI技能模型、200+水務行業應用場景的基礎上，共同研發、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，讓不少人驚呼AI時代已經來臨。廖小華表示，實際上，AI行業發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展，出現了工業機器人和聊天機器人；1980年開始到2000年是第二次浪潮， AI進入了專家系統的時代，專家模式帶動初步商業化，也取得了很多商業化的落地；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展，因此行業也將過去的十年，看做是AI孵化的黃金十年。

廖小華梳理了AI行業的發展的黃金十年：

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生的“大爆炸”。

2020年，GPT-3模型問世。這個模型代表了LLMs規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督學習的潛力。

2021年Alphafold2發布。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、生物工程以及我們對生物系統的理解。

2022年、ChatGPT真正面向公眾發布。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行業。

02水務行業如何被AI重新定義？

各行各業都正在被AI重新定義，水務行業也不例外。廖小華表示，通過團隊對水務行業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已經在水務行業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等高要求區域的作業規范進行識別；在化學品倉庫等特定區域體現在在合適的時間地點進行作業；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測，達到相應管控的要求。

在智慧水務系統中，很多業務邏輯、業務系統如通用的部件、IT專業的系統、長開發周期、IT人員專署，這些部分在實際使用中都是專業人員被動去使用的，“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，智慧水務要開發出有競爭力的產品，就是要善于發現需求，并在很短的周期內自主開發產品。

要實現這樣的過程，要以先進的開發工具為基礎。在AI技術的迅猛發展下，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。

編輯：李丹