廖小华：水务行业如何被AI重新定义？

2023（第八届）供水高质量发展论坛上，华水E20环境平台高级合伙人廖小华以二十余年的业何义IT行业从业经历，分享了AI对水务行业日常管理和保障的新定应用，介绍了两山智联™视频智能系统的华水核心优势，即充分利用现有设备进行智能链接，业何义实现在现有100+行业AI技能模型、新定200+水务行业应用场景的华水基础上，共同研发、业何义迭代升级。新定

“以大量数据为核心的华水人工智能技术应用，将对各行各业带来冲击和改变，业何义水务行业也不例外”。新定E20环境平台高级合伙人廖小华在2023（第八届）供水高质量发展论坛上表示。华水论坛上，业何义廖小华以二十余年的新定IT行业从业经历，分享了AI对水务行业日常管理和保障的应用，介绍了两山智联™视频智能系统的核心优势，即充分利用现有设备进行智能链接，实现在现有100+行业AI技能模型、200+水务行业应用场景的基础上，共同研发、迭代升级。

廖小华

01AI经历“三起两落”，迎来第四浪潮

去年开始，ChatGPT的出现点燃了AI行业，让不少人惊呼AI时代已经来临。廖小华表示，实际上，AI行业发展至今经历了四次浪潮。

第一次浪潮在70年前，人工智能诞生后快速发展，出现了工业机器人和聊天机器人；1980年开始到2000年是第二次浪潮， AI进入了专家系统的时代，专家模式带动初步商业化，也取得了很多商业化的落地；2010年开始到2020年是第三次浪潮，AI广泛落地于语音、图像场景；第四次浪潮即2023年至今，出现杀手级应用，AGI得以加速实现。

ChatGPT的三个关键词是“生成式、预训练、Transformer”，在过去十年取得了迅猛发展，因此行业也将过去的十年，看做是AI孵化的黄金十年。

廖小华梳理了AI行业的发展的黄金十年：

2013年被大家认为是图像识别领域深度学习走向成熟的一年，这源于计算机视觉领域出现的重大进步。一种深度卷积神经网络AlexNet在ImageNet大规模视觉识别竞赛(ILSVRC)中取得了破纪录的成绩，展现了无与伦比的性能，引发了深度学习的浪潮。同年，出现了更深层次的人工智能模型的雏形“变分自编码器”，能够通过从已学习的隐空间中进行采样生成新的数据。

2014年，Ian Goodfellow及其同事提出了生成式对抗网络，这是深度学习领域又一个重大的进展。GANs是一种神经网络，能够生成与训练集相似的新数据样本，为无监督学习的进展做出了较大的贡献。

2015年，人工智能领域在计算机视觉和自然语言处理（NLP）方面都取得了相当大的进展，提出了残差神经网络（ResNets）的概念。此架构通过添加捷径使信息更容易地在网络中流动。与常规神经网络每一层将上一层的输出作为输入不同，在ResNet中，会添加额外的残差连接（residual connections），跳过一层或多层并直接连接到网络中更深的层，从而使训练更深的神经网络成为可能。

2016年，谷歌的AlphaGo击败了围棋世界冠军李世石，标志着人工智能发展历程上的又一个重要里程碑。在曾被认为太复杂而不可能被计算机处理的游戏中，机器甚至可以击败最熟练的人类选手。

2017年是生成式人工智能取得突破性进展奠定基础的最关键的一年，出现了transformer神经网络，成为LLM开发的关键组件，并在NLP领域，如机器翻译、语言建模和问题回答等方面取得了突破性的进展。

2018年出现了图神经网络。图神经网络属于一类专门设计用于图形数据的神经网络。GNN利用一种消息传递算法在图的节点和边上传播信息。这使得网络可以以更直观的方式学习数据的结构和关系。

2019年，生成模型拥有了一些重要进展，特别是GPT-2的推出。该模型在许多NLP任务中拥有最先进的性能，真正让同类模型相形见绌，并且还能够生成高度逼真的文本内容，预告了即将在这个领域发生的“大爆炸”。

2020年，GPT-3模型问世。这个模型代表了LLMs规模和能力的极大提升。GPT-1只有117万个参数，而GPT-2则增加到了15亿个，GPT-3则达到了1750亿个，同时再次突显了使用自监督学习的潜力。

2021年Alphafold2发布。AlphaFold 2是一种用于解决数十年未被解决的蛋白质折叠问题的解决方案，能够预测蛋白质的三维结构，可以彻底改变药物研发、生物工程以及我们对生物系统的理解。

2022年、ChatGPT真正面向公众发布。该工具被认为代表自然语言处理领域的顶级成就。到了2023年，越来越多的大模型正以迅猛的速度问世和迭代，深刻影响了各行各业行业。

02水务行业如何被AI重新定义？

各行各业都正在被AI重新定义，水务行业也不例外。廖小华表示，通过团队对水务行业半年以来的深入走访和调研可以看到，以AI为基础的视频智能系统已经在水务行业的日常管理和保障中得到了比较多的利用。

在水厂场景，安全方面体现在人脸识别、车辆识别、车辆管理，周界识别等；在工艺方面集中体现在矾花识别，生物池识别等；管理方面体现在对水池区等高要求区域的作业规范进行识别；在化学品仓库等特定区域体现在在合适的时间地点进行作业；在设备维护方面，集中体现在泵阀风机方面，用红外像机对温度进行监测，达到相应管控的要求。

在智慧水务系统中，很多业务逻辑、业务系统如通用的部件、IT专业的系统、长开发周期、IT人员专署，这些部分在实际使用中都是专业人员被动去使用的，“实现用户需求的挖掘非常困难”，廖小华指出，在调研中发现，实际上，真正有价值的需求大多伴随用户的日常管理工作，往往在不经意间出现，或者需求的出现还有一种情况，就是当新的产品迭代后，又领悟到之前遇到过的问题。因此，廖小华认为，智慧水务要开发出有竞争力的产品，就是要善于发现需求，并在很短的周期内自主开发产品。

要实现这样的过程，要以先进的开发工具为基础。在AI技术的迅猛发展下，无论是人体、物品的识别和检测技术都已经达到成熟，对代码进行大量的数据训练，并根据业务逻辑进行技能编排，能够形成技能模型并快速地迭代开发。 12

(责任编辑：探索)