تشهد الشبكات المائية فقدانًا كبيرًا من المياه المعالجة بسبب التسربات، وغالبًا ما لا يتم الوثوق بالذكاء الاصطناعي في تحديد مواقع التسرب بدقة كافية لتبرير عمليات الحفر. المشكلة ليست في دقة البيانات فحسب، بل تتعلق أيضًا بالمساءلة في اتخاذ القرارات.
في دراسة حديثة، تم إعادة تصور عملية تحديد مواقع التسرب على أنها عملية اتخاذ قرار تحت شروط يمكن التحقق منها. حيث يُستخدم نظام يعتمد على نموذج رقمي (Digital Twin) ونموذج لغوي ضخم (Large Language Model) لمراجعة فرضيات مثل التسرب، الطلب، المستشعر، والصمامات.
يعمل النظام عبر وكيل مدفوع بالفيزياء يقوم بمحاكاة هذه الفرضيات، بينما يتولى وكيل مشرف آخر، مزود بتقنية المدقق من نموذج لغوي كبير، تدقيق الأدلة بناءً على عقد قابل للتحقق من الكود، قبل أن يقرر إرسال الفرق أو الامتناع عن ذلك.
تحت ظروف الضوضاء الميدانية، تم تحقيق دقة اتخاذ القرار بنسبة تصل إلى 96%، حيث عمل النظام بشكل صحيح على 4 من أصل 33 تسربًا تم الكشف عنها. على أساس سجل مستقل يحتوي على 194 حدثًا من مواقع تسرب حقيقية، أطلق النظام خمس عمليات حفر، ثلاثة منها كانت صحيحة، محققًا نسبة استرداد بلغت 44%.
إن هذا النموذج من المساءلة وما يعرف ب"الامتناع القابل للتحقق" يفتح آفاقًا جديدة نحو التشغيل المستقل للبنية التحتية للمياه، مما يضمن أن القرارات المتخذة بشأن إصلاح التسربات تكون موثوقة وقابلة للدفاع.
تكنولوجيا جديدة تجعل تشخيص تسرب المياه بواسطة الذكاء الاصطناعي أكثر موثوقية!
تقدم دراسة جديدة نموذجًا مثيرًا للذكاء الاصطناعي لتحسين عمليات الكشف عن تسرب المياه في الشبكات، مما يزيد من دقة اتخاذ القرار. هذا الابتكار يعدّ خطوة كبيرة نحو التشغيل المستقل للبنية التحتية للمياه.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
