世界经济论坛报告称,目前全球仍有约九分之一(8.44亿人)得不到水资源供应,百分之十的人口没有安全的饮用水。世界卫生组织的数据也表明,有4000万儿童面临严重的用水安全威胁。缺水和水资源不安全,已经成为影响全球的一大重要难题。
世界银行估计,各国公共事业平均有高达25%至30%的供水没能发挥任何作用,白白在管网中流走。在发展中国家,每天约有4500万立方米水在配水管网中渗漏;如果能被利用起来,这足够近2亿人使用。
与之对应,可实现洪水模拟、泄漏检测和水利管理基础设施洞察的新兴技术,已经形成了又一增长市场。Polaris Research报告称,全球智能水务管理市场将从2021年的137.3亿美元增长至2030年的317.3亿美元。
2021年,Audodesk收购了Innovyze——一家专注于使用模拟、仿真和预测分析等技术建立可持续供水网络、集水系统、废水处理规划和防御系统建筑的厂商。
Autodesk/Innovyze副总裁Colby Manwaring表示,“水是一种可迅速演变为灾难的关键资源。我们很容易忽视日常生活中负责供水和水处理的基础设施。事实上,这是一套复杂而庞大的系统,帮助民众获取清洁水源、处理废水并管理降水。”
Manwaring还强调,世界各地的洪灾发生频率正在整体上升。
“洪水会对实体社区造成破坏性影响,并切断清洁水源。而面对种种威胁,这项技术将帮助社区做好准备,尽快从破坏当中恢复过来。”
Manwaring称,该技术能够为不同用例提供基于物理和科学的水利建模支持。“水、土壤、路面、水泥、塑料管道等都具有已知的物理特性。有了这些正确信息,就能创建出数字模型,借助数字孪生副本来模拟水体走向。”
“在洪水模型当中,数字孪生反映的是地形、地貌、土壤类型和排水渠等水利设施,能借此预测大规模降雨事件期间的水流最终走向。这项技术能够精确把握距离指标,根据模型中各元素的物理特性和水流数据做出预判——例如水在人行道上会快速流动,但在草地上则受重力和渗透效应影响而降低速度。这一切,终将变得可以理解、可以计算。”
Manwaring还举例说,英国的赖盖特市就采用降雨径流科学方法建模,希望借此缓解洪水风险。二十年来,该镇中心经常因河流泛滥、地表水上涨和洪水漫灌而受灾,导致人们无法前往镇内、回到家中。
Autodesk的工程团队构建了河流的集水区模型,借此将周边华莱士溪及其支流,外加附近池塘和其他水道结构的数据纳入分析。
Manwaring解释道,团队首先需要考虑土壤特性,借此准确模拟洪水泛滥的可能性。“这里的核心指标就是导水率,即水渗入土壤的速率。雨水向土壤内的渗入速度,也是模拟直接降雨径流影响的重要因素。只有把握住土壤的具体特征,才能切实预测集水区内的土壤渗透情况。”
通过使用多种渗透模型来计算集水区渗透,工程团队详尽调查了集水区内的不同土壤类型,帮助该市更准确地预测了降雨事件期间可能发生的状况。
Manwaring指出,在规模和建设水利基础设施时,信息的准确性至关重要。只有借助准确的指标,才能计算出基础设施需求与自然环境可吸纳降水的各自数值,以足够平衡的方式帮助城市减轻洪水影响、同时不破坏环境的可持续性。
Manwaring还补充道,这类复杂软件提供的科学模型还能提供关于水利问题的更多信息。“包括以英寸为单位,预测细化范围内各区域可能受到的洪水影响。”
总而言之,“模拟与管理软件为水务企业和工程师们带来了必要的洞察力,帮助他们更好地管理水利基础设施、规划潜在抗灾预案。”
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。