Раздел 12
Тематические обзоры

12.4. Искусственный интеллект и управление водными ресурсами

Обзор подготовлен М. Валиевой, Д.Р. Зиганшиной (НИЦ МКВК)

2023 год запомнится многим из нас как год знакомства с искусственным интеллектом (ИИ), с тем, как он работает, каково его влияние (положительное и отрицательное) и как его использовать в повседневной деятельности. Этому, в частности, способствовал запуск в конце 2022 г. чата-бота ChatGPT, который способен отвечать на вопросы и генерировать тексты по различным предметным областям на разных языках. Многие рейтинги обозначили развитие ИИ в качестве одного из ключевых событий года наряду с крупнейшими геополитическими всплесками. Крупные консалтинговые компании и университеты опубликовали результаты исследований, посвященные воздействию ИИ на экономику и различные сферы жизни, а международные новостные агентства освещали как возможности, так и риски, связанные с этой технологией.

В данном обзоре мы рассмотрим, как технологии ИИ могут быть применены для управления водными ресурсами, и каковы его возможные риски.

Искусственный интеллект: основные понятия

Искусственный интеллект — это способность компьютерных систем выполнять творческие функции, которые традиционно считаются прерогативой человека. Конкретные приложения ИИ включают различные экспертные системы, обработку информации на разных языках, распознавание речи, системы, используемые для финансовой торговли. Две важные концепции, которые часто упоминаются в контексте ИИ, — это машинное обучение и компьютерное зрение.

Машинное обучение — это направление ИИ, сосредоточенное на создании систем, которые обучаются и развиваются на основе получаемых ими данных. Одним из самых известных методов машинного обучения является искусственная нейронная сеть (ИНС), которая работает, имитируя биологические нейронные сети, существующие в человеческом мозге. ИНС обучаются на представленных тренировочных данных, чтобы уловить функциональные связи между ними, даже если основные связи неизвестны или физический смысл трудно объяснить. Это позволяет ИНС обнаруживать закономерности в данных, зачастую неизвестных даже лучшим экспертам в этой области.

Компьютерное зрение (Computer Vision) — это область ИИ, связанная с анализом изображений и видео; включает набор методов, которые наделяют компьютер способностью интерпретации и понимания цифровых изображений и видео. Примеры приложений компьютерного зрения включают системы распознавания лиц, медицинскую диагностику и беспилотные автомобили.

ChatGPT (от англ. Generative Pre-trained Transformer — «генеративный предварительно обученный трансформер») — чат-бот с генеративным искусственным интеллектом, способный работать в диалоговом режиме, поддерживать запросы на разных языках. Важной особенностью является возможность генерации по запросу программ на различных языках программирования.

Интернет вещей (IoT) — концепция сети передачи данных между физическими объектами, оснащёнными встроенными средствами и технологиями, для взаимодействия друг с другом или с внешней средой.

Небольшое отступление

Термин «искусственный интеллект» - ИИ - (AI - artificial intelligence) был предложен в 1956 г. на семинаре с аналогичным названием в Дартсмутском колледже (США). Семинар был посвящен разработке методов решения логических, а не вычислительных задач. В английском языке данное словосочетание не имеет той слегка фантастической антропоморфной окраски, которую оно приобрело в довольно неудачном русском переводе. Слово intelligence означает «умение рассуждать разумно», а вовсе не «интеллект», для которого есть термин intellect.

Вскоре после признания искусственного интеллекта отдельной областью науки произошло разделение его на два направления: нейрокибернетика и «кибернетика черного ящика». Эти направления развиваются практически независимо, существенно различаясь как в методологии, так и в технологии.

(Цитируется по: Т. Гаврилова, В. Хорошевский. Базы знаний интеллектуальных систем. СПб: Питер, 2000 г. - 384 с.)

Общие тенденции развития ИИ в 2023 году

Последний ежегодный глобальный опрос McKinsey о состоянии ИИ подтверждает резкий рост использования инструментов генеративного ИИ (GenAI). Менее чем через год после появления большинства этих инструментов треть респондентов заявили, что их организации регулярно применяют GenAI хотя бы в одной бизнес-функции. На фоне недавних достижений ИИ превратился из темы, предназначенной для технических сотрудников, в фокус внимания руководителей компаний: почти четверть из них заявляют о личном использовании инструментов ИИ для работы. Более того, 40% респондентов говорят, что их организации в целом увеличат инвестиции в ИИ.

Согласно BBC, многие сотрудники используют ИИ для решения административных задач, например, при написании простых текстов и формировании идей, что позволяет экономить время и высвободить работников для выполнения творческих, более сложных задач.

Согласно прогнозам, ИИ может как создать миллионы новых рабочих мест, так и оставить многих без работы. В докладе Всемирного экономического форума «Будущее рабочих мест за 2023 год» говорится, что профессии в области ИИ, машинного обучения, цифровой трансформации и аналитики данных являются одними из самых востребованных. Однако ИИ не способен заменить все профессии, особенно те, что требуют здравого смысла, креативности, физической ловкости и эмоционального интеллекта.

В повседневной жизни ИИ стал неотъемлемой частью, помогая в работе виртуальными помощниками (Siri, Alexa, Алиса), рекомендациями и информацией поисковых и развлекательных платформ (Netflix, Spotify, Яндекс) и другими. В здравоохранении ИИ используется для точной диагностики и персонализированного лечения, в цифровой рекламе и финансовой безопасности – способствует таргетированию рекламы и выявлению мошенничества, в автомобильной промышленности – поддерживает разработку автономных транспортных средств, что может повысить безопасность и эффективность перевозок. При правильном оформлении запросов ИИ эффективен в создании программ обучения, выборе модели преподавания и подготовке учебных материалов.

Быстрорастущие и быстро уменьшающие профессии.
Источник: World Economic Forum (2023), Everything you need to know about AI in 2023: the 6 must-read blogs

Применение ИИ в водном секторе

Возможности для использования ИИ в водном секторе огромны. Ниже приводятся некоторые, наиболее привлекательные, стороны его применения в области мониторинга и анализа данных:

• Управление спросом на воду. ИИ способен выявлять скрытые тенденции в больших объемах данных, что позволяет коммунальным службам прогнозировать спрос, оптимизировать подачу воды в течение дня, сократить бесполезный расход воды и эффективно удовлетворять потребность в ней. Алгоритмы машинного обучения могут анализировать данные в реальном времени, регулируя расход и давление воды для поддержания постоянной подачи и минимизации потерь во время ремонтов. Модели ИИ, обученные учитывать погодные условия, сезонность и другие факторы, могут выявлять масштабные проблемы в водопользовании и помогать в принятии решений по инфраструктуре, инвестициям и ресурсам. Примером является Сингапур, где интеллектуальные системы управления водными ресурсами используют ИИ для прогнозирования спроса на воду и оптимизации поставок.

• Прогнозирование погоды и климата. Модели управления водными ресурсами на основе ИИ и данных из интернета могут анализировать разрозненные данные для оценки климатических рисков и разработки адаптивных стратегий водоснабжения. ИИ используется для создания прогнозных моделей, предсказывающих доступность водных ресурсов на основе сценариев изменения климата. Эти модели могут иметь широкий спектр данных, включая ретроспективные погодные паттерны, текущие климатические тенденции и прогнозы будущих изменений климата. Анализируя эти данные, ИИ может предоставить ценную информацию о влиянии изменения климата на доступность воды в будущем. Исследования Стэнфордского университета продемонстрировали потенциал ИИ в прогнозировании пополнения подземных вод. В этих исследованиях модель ИИ смогла предсказать скорость пополнения подземных вод с высокой точностью.

Исследователи компаний Nvidia и Google начали разработку крупных моделей ИИ, известных как фундаментальные модели для прогнозирования погоды. Модели способны предоставлять более точные прогнозы по сравнению с существующими числовыми моделями и имеют более низкую вычислительную стоимость. Некоторые из этих моделей могут предсказывать погоду на срок более семи дней, что открывает новые горизонты для ученых. Развиваются методы оценки интенсивности осадков по видеопотокам, полученным со смартфонов или камер наблюдения, нетрадиционным источникам данных на основе Интернета вещей. Технологические достижения в области обработки изображений и компьютерного зрения позволяют извлекать разнообразные характеристики, включая выявление полос дождя, что позволяет мгновенно оценить интенсивность осадков (Allamano et al, 2015). Современные подходы к ИИ и машинному обучению основаны на использовании автокодировщиков, глубокого обучения сверточных нейронных сетей для решения этих задач. Такие компании, как WaterView (Италия), Институт гидроинформатики (Сингапур), а также университеты, включая Южный университет науки и технологий Китая (Шэньчжэнь), предложили и внедрили практические решения для борьбы с опасными погодными явлениями в сферах энергетики, автомобилестроения и умных городов (Jiant et al. др, 2019).

• Прогнозирование и смягчение потенциальных рисков, связанных с водой. Наводнения представляют собой постоянную угрозу для многих городах и населенных пунктах. ИИ можно использовать для анализа данных о погоде и уровне воды, а также для прогнозирования вероятности наводнений. Это позволяет местным властям принять превентивные меры и эвакуировать людей из зон повышенного риска. IBM использует ИИ для создания инструментов прогнозной аналитики и оптимизации управления водными ресурсами. Их решения помогают городам и промышленным предприятиям эффективно управлять водными ресурсами.

Сербская компания Vodena разрабатывает инновационное решение VodostAI для борьбы с наводнениями на Западных Балканах, ущерб от которого в 2023 г. составил €300 млн, а пострадало более одного миллиона человек. Платформа VodostAI использует ИИ и Интернет вещей для постоянного мониторинга и обновления моделей на основе новых данных. Компания Vodena автоматизирует сбор данных с помощью интеллектуальных датчиков и алгоритмов машинного обучения, что позволяет прогнозировать уровень воды и своевременно информировать.

В 2018 г. Google запустил в Индии, часто страдающей от сильных наводнений, систему прогнозирования наводнений на базе ИИ. Система использует комбинацию машинного обучения, гидрологических моделей и самых последних данных о погоде для прогнозирования районов, подверженных риску затопления. Согласно новостному сообщению «The Times of India», система успешно обеспечивает своевременные и точные оповещения об угрозах наводнений, тем самым позволяя местным сообществам принимать необходимые меры предосторожности и потенциально спасать бесчисленное количество жизней.

Интерактивная веб-карта, на которой представлены текущие и будущие угрозы наводнений
Источник: Sakti Prajna Mahardhika and Okkie Putriani (2023), IOP Conf. Ser.: Earth Environ. Sci. 1195 012056

• Оптимизация водопотребления. Подход основан на концепции автоматизированного анализа данных. Платформа компании Plutoshift, использующая ИИ, собирает данные из различных источников, а затем обрабатывает их, применяя алгоритмы машинного обучения, с целью получения информации для оптимизации использования воды в режиме реального времени. Платформа может выявлять закономерности и тенденции, которые трудно заметить человеку, и прогнозировать будущее потребление воды на основе ретроспективных данных с учетом текущей ситуации. Оптимизируя использование воды, предприятия могут значительно сократить свои эксплуатационные расходы. Например, компания по производству напитков, используя платформу компании Plutoshift, смогла сэкономить $140 тыс. в год.

• Оптимизация ирригационных систем. Системы орошения, управляемые ИИ, для оптимизации использования водных ресурсов используют данные о погодных условиях, уровне влажности почвы и требования к урожаю. Такие системы гарантируют, что сельскохозяйственные культуры получат необходимое количество воды в требуемые сроки, что сокращает потери и повышает урожайность. В качестве примера могут быть приведены ирригационные системы Netafim на базе ИИ. Среди экономических преимуществ интеллектуальных систем орошения можно отметить значительную экономию средств за счет снижения уровня потребления воды и электроэнергии. Хотя первоначальные инвестиции в такие системы могут быть значительными, они окупаются в течение одного-трех лет за счет экономии воды, снижения затрат на рабочую силу и повышения урожайности. Более того, за счет повышения плодородия почв и обеспечения экологической устойчивости достигаются также и долгосрочные выгоды.

• Повышение эффективности водоснабжения. Как отмечено в техническом документе «Отчет о тенденциях в области водных технологий 2023», модели ИИ можно использовать для оптимизации водоснабжения, минимизации затрат, сокращения потерь воды и повышения энергоэффективности инфраструктуры. Это может помочь снизить затраты на эксплуатацию и техническое обслуживание, а также улучшить доступ к чистой воде.

Решение WaterScope на базе ИИ обнаруживает утечки в муниципальных системах водоснабжения и выдает оповещения в режиме реального времени для предотвращения утечек воды. Siemens использует ИИ и Интернет вещей для предоставления цифровых решений, которые улучшают управление водными ресурсами и повышают эффективность работы. Компания Fracta использовала возможности ИИ для совершенствования методов обнаружения и устранения потерь в водохозяйственной инфраструктуре. Компания использует машинное обучение для прогнозирования вероятности выхода из строя труб в системах водоснабжения. Система ИИ обрабатывает обширный массив данных, включая материал труб, возраст, диаметр и ретроспективные данные об утечках. Затем к этим данным применяются алгоритмы машинного обучения, чтобы предсказать, где наиболее вероятны утечки. Данный метод прогнозирования утечек был применен на практике и показал отличные результаты. Так, система обнаружения утечек на основе ИИ компании Fracta была внедрена Департаментом водных ресурсов города Мерфрисборо (штат Теннесси, США) и выявила потенциальные утечки с точностью до 69%, что намного превысило отраслевой стандарт. Прогнозируя места вероятных утечек, система позволяет проводить упреждающее техническое обслуживание, тем самым предотвращая дорогостоящие и разрушительные поломки водопровода.

• Выявления аномалий в росте культур. Процесс включает указания на проблемы с орошением и принятие своевременных корректирующих мер. При планировании посевов ИИ анализирует данные о параметрах, связанных с выбором культуры, что позволяет оптимально подбирать культуры и разрабатывать прогнозные модели для будущего водоснабжения. Это способствует созданию устойчивых сельскохозяйственных систем, адаптированных к условиям обеспечения водой.

• Мониторинг качества воды. Нидерланды, известные своими инновационными стратегиями управления водными ресурсами, находятся в авангарде интеграции ИИ в мониторинг качества воды. Одним из наиболее заметных проектов в этом отношении является инициатива «ИИ для качества воды» (AI4WQ), реализуемый совместно органами водоснабжения, исследовательскими институтами и технологическими компаниями. Проект AI4WQ использует алгоритмы ИИ для обработки массива данных, собранных с различных датчиков, установленных в водоемах по всей территории Нидерландов, по температуре, pH, мутности, содержанию различных химических и биологических веществ в режиме реального времени, выявляя закономерности и тенденции, которые могут указывать на изменения качества воды. Агентство по охране окружающей среды США (EPA) также использует ИИ для мониторинга качества воды и обнаружения загрязняющих веществ в режиме реального времени. Hitachi использует ИИ для предоставления передовых решений по управлению водными ресурсами, включая прогнозируемое техническое обслуживание и оптимизацию сетей распределения воды.

Мониторинг и прогнозирование качества воды в режиме реального времени
Источник: Hesam Kamyab, Tayebeh Khademi, Shreeshivadasan Chelliapan, Morteza Saberi Kamarposhti,
Shahabaldin Rezania, Mohammad Yusuf, Mohammad Farajnezhad, Mohamed Abbasi, Byong Hun Jeon,
Yongtae Ahn (2023). The latest innovative avenues for the utilization of artificial Intelligence
and big data analytics in water resource management. Results in Engineering 20 (2023) 101566

Разработанная Питером Ма из Intel тестовая система, использующая методы ИИ для обнаружения бактерий в воде, включает цифровой микроскоп, подключенный к портативному компьютеру с ОС Ubuntu и нейрокомпьютеру Intel Movidius, что обеспечивает автономный анализ и картографирование зон загрязнения в реальном времени.

Эта платформа, основанная на процессорах Intel Xeon, предназначена для глубокого обучения и вычислительных задач. Питер использовал Intel AI DevCloud для тренировки модели ИИ, а Intel Movidius Neural Compute Stick — для тестирования воды в реальном времени.

Вся тестовая система состоит из доступных компонентов, таких как цифровой микроскоп и недорогие вычислительные устройства, общая стоимость которых может не превышать $500. Сверточная нейронная сеть в основе системы позволяет идентифицировать текущие бактерии, такие как кишечная палочка и холерный вибрион, с возможностью расширения диапазона обнаружения.

Базовая тестовая система
Источник: Datafloq (2018), AI-Driven Test System Detects Bacteria in Water

ИИ также позволяет обнаружить незарегистрированное канцерогенное загрязнение по всему миру. Китайские ученые разработали новую платформу для обнаружения и точной идентификации неизвестных ПФАС (перфторалкильных и полифторалкильных веществ) в окружающей среде. Платформа использует усовершенствованный инструмент молекулярного скрининга с машинным обучением и позволила обнаружить 733 ПФАС в сточных водах, из которых 17 групп были ранее неизвестны. Также были выявлены 126 ПФАС в образцах из 20 стран, в т.ч. 37 новых и 81 ранее неизвестных. Платформа имеет точность 58,3% и низкий уровень ложноположительных результатов (0,7%), что значительно превосходит другие методы. Это открывает возможности для лучшего управления рисками и изучения воздействия синтетических химических веществ на здоровье и окружающую среду.

• Мониторинг качества воздуха. ИИ можно использовать для мониторинга качества воздуха на водоочистных сооружениях. Это может обнаружить и предотвратить проблемы загрязнения воздуха, которые могут оказать негативное влияние на качество воды.

Помимо фундаментальных исследований и разработок, важно сосредоточиться на практическом применении инноваций, включая создание прототипов, локализацию и вовлеченность пользователей. В этом контексте, развитие технологий ИИ содействуют решению следующих задач:

• Организация неструктурированных данных о Земле и локализация моделей. Науки о Земле используют большой объем неупорядоченных и неструктурированных данных: ежедневно собирается более 100 терабайт только спутниковых снимков. Последние исследования и разработки иллюстрируют способность ИИ оптимизировать эти данные. К примеру, «Google Earth Engine», ведущая платформа для изучения Земли, соединяет различные спутниковые снимки и геопространственные данные с аналитическими возможностями. ИИ также способствует развитию наук о Земле, адаптируя глобальные модели к местным условиям, применяя трансферное обучение. Этот метод использует ранее изученную информацию о местности для решения таких задач, как прогнозирование лесных пожаров в конкретных местах. Это особенно важно в регионах с дефицитом данных, поскольку помогает устранить пробелы в информации и оперативно использовать обширные данные наблюдений.

• Упрощение понимания моделей. Генеративный ИИ, основанный на больших языковых моделях (LLM), облегчает интерактивное взаимодействие с пользователями данных и упрощает понимание сложных процессов, предоставив GPT-подобный интерфейс, позволяющий пользователям любого уровня подготовки взаимодействовать с климатическими и гидрологическими данными, соответствующими их потребностям.

• Ускорение этапа создания прототипа при разработке технологии. ИИ может сократить цикл разработки глубоких технологий, особенно при создании прототипов, ускоряя внедрение технологий. В области материаловедения ИИ ускоряет процессы открытия и проектирования, что имеет решающее значение для смягчения последствий изменения климата (например, улучшение литий-ионных батарей и солнечных элементов) и адаптации (разработка огнестойких материалов). Традиционные методы, рассчитывающие свойства материалов с нуля, требуют значительных затрат времени, средств и вычислительных ресурсов. До одной трети мировой мощности суперкомпьютеров используется для материаловедения. Сейчас ИИ предсказывает новые свойства материалов без проведения исчерпывающих первоначальных расчетов, изучая взаимосвязь между атомными структурами и их свойствами, предлагая оптимальные конфигурации. Несмотря на то, что эта область еще находится в стадии становления и имеет свои ограничения (например, задокументированные «галлюцинации» в процессе открытия), она обладает значительным потенциалом для инноваций. Например, генеративный ИИ решает обратную задачу проектирования, которая начинается с требуемого свойства (например, устойчивость к экстремальным погодным условиям), и затем предлагает обратную разработку проекта.

Риски внедрения ИИ

В настоящее время трудно сказать определенно о последствиях использования ИИ, так как людям свойственно переоценивать краткосрочное воздействие новых технологий и сильно недооценивать их долгосрочные последствия. В целом, эксперты отмечают, следующие риски внедрения ИИ, в т.ч. в водном секторе:

• Объем данных. Для эффективного функционирования моделей ИИ требуются большие объемы высококачественных данных, которые не всегда могут быть доступны, особенно в развивающихся странах.

• Ограниченность ИИ. Модели ИИ обучены на ограниченных данных, что может привести к средним или недостаточным результатам. Это может помешать инновациям и развитию, поскольку чрезмерная зависимость от ИИ без критического анализа может замедлить прогресс. Легкость в применении новых технологий может отвлечь от ключевых потребностей клиентов и сотрудников. Важно критически оценивать результаты ИИ и избегать ситуации "установи и забудь", которая может привести к утрате опыта и критического подхода. Прогнозы, сделанные с помощью моделей ИИ, не являются непогрешимыми и должны использоваться в сочетании с другими формами анализа и экспертными оценками.

• Ответственность за ИИ. Дэниел Кайли из HWL Ebsworth Lawyers подчеркивает важность поддержания ответственности при использовании ИИ. Организации должны обеспечивать надлежащую функциональность инструментов и принимать ответственность за результаты их применения. Использование ИИ должно быть оправданным, важно избегать перекладывания вины на инструмент, если возникают проблемы.

• Затраты на ИИ-разработку. Цены на разработку программного обеспечения для ИИ могут сильно варьировать в зависимости от множества факторов. К основным факторам относятся затраты на данные, сложность проекта, инфраструктура, разработка, развертывание, соответствие нормативным требованиям и текущее техническое обслуживание. В среднем затраты на разработку программного обеспечения для ИИ достигают диапазона $50 тыс.-500 тыс. для небольших и средних и $500 тыс.-5 млн для крупномасштабных проектов. Эти затраты, несомненно, могут быть значительными, но потенциальные преимущества внедрения ИИ, такие как повышение эффективности, снижение затрат, улучшение качества обслуживания клиентов, инновации и оптимизация использования данных часто оправдывают инвестиции.

• Большое потребление электроэнергии. Международное энергетическое агентство (МЭА) ожидает на фоне развития ИИ технологий увеличения вдвое спроса на электроэнергию. Центры обработки данных, насчитывающие более 8 тыс. по всему миру (16% из них в Европе), потребляют большое количество энергии как для работы серверов, так и для их охлаждения. Согласно оценкам МЭА, выполненным в 2023 г., центры обработки данных потребляют 1-1,5% мировой электроэнергии. Выбросы CO₂ составляют около 1% от мировых, что сопоставимо с выбросами авиационного сектора. Потребление электроэнергии с 2024 по 2026 гг. может удвоиться, достигнув уровня общего потребления электроэнергии в Японии. В 2023 г. доля электроэнергии, используемой центрами обработки данных, возросла до 20% по сравнению с 18% в 2015 г. Запросы к ИИ-чат-ботам могут потреблять в десять раз больше энергии, чем традиционный поиск в Google, а генеративные системы ИИ — в 33 раза больше, чем обычное программное обеспечение. Растущее энергопотребление приводит к увеличению выбросов CO2, так как оно, в основном, обеспечивается за счет ископаемого топлива.

• Водопотребление. Центры обработки данных потребляют значительное количество воды для охлаждения. В частности, в США в 2021 г. было использовано около 7100 литров воды на мегаватт-час энергии; а только дата-центры Google потребили 12,7 млрд литров пресной воды. В регионах с дефицитом воды это становится особенно критичным, особенно в условиях глобального потепления и экстремальных температур.

• Применение ИИ также поднимает вопросы этики и конфиденциальности, связанные со сбором и использованием данных, что требует обеспечения прозрачности и ответственности.

Компоненты затрат на разработку ИИ
Источник: TechMagic (2024), AI Development Cost: Analyzing Expenses and Returns

Правовое регулирование ИИ

Стремительное развитие технологий ИИ и связанных с ним рисков требует надлежащего правового регулирования. Во многих странах мира идет процесс создания правового режима для внедрения ИИ, но говорить об устоявшейся и цельной структуре пока рано. Наиболее активно в этом направлении работают Европейский Союз и Китай.

8 декабря 2023 г. достигнута предварительная договоренность Европейского Парламента и Совета касательно законопроекта по ИИ, направленного на гарантии обеспечения защиты от высокого риска ИИ для фундаментальных прав человека, демократии, верховенства закона и экологической устойчивости, стимулирование инновации. В частности, были согласованы гарантии в отношении общей цели ИИ; ограничения использования систем биометрической идентификации правоохранительными органами; запреты на социальный скоринг и использование ИИ для манипулирования или использования уязвимостей пользователей; право потребителей подавать жалобы и получать содержательные объяснения; штрафы, которые будут варьировать от €35 млн (или 7% мирового оборота) до €7,5 млн (или 1,5% мирового оборота). Согласованный текст теперь должен быть официально принят Парламентом и Советом. Законопроект вызвал неоднозначную реакцию: в открытом письме, подписанном более чем 150 руководителями европейских компаний (от Renault до Heineken), отмечается, что закон может негативно сказаться на бизнесе и угрожать конкурентоспособности региона. При этом он не решает тех проблем, для решения которых был разработан.

В Китае уже приняты отдельные нормативные правовые акты, касающиеся ИИ, но они регулируют узкий круг вопросов. Закона, устанавливающего общие правила для индустрии ИИ, пока нет. В августе 2023 г. группой исследователей Китайской академии социальных наук был подготовлен предварительный проект закона и опубликован для обсуждения в виде «Модельного закона об искусственном интеллекте, версия 1.0 (проект экспертного предложения)». Среди характерных черт китайского подхода - его итеративность, позволяющая с каждым новым шагом корректировать регулирование и его отраслевой характер.

Заключение

В условиях глобальных изменений климата, роста населения и нарастающей нехватки водных ресурсов ИИ представляет собой важный инструмент для обеспечения устойчивого будущего в области управления водными ресурсами. Использование ИИ не только помогает эффективно решать существующие проблемы водоснабжения, но и открывает новые возможности для достижения водной безопасности и устойчивого развития. К примеру, интеллектуальные ирригационные системы могут существенно повысить эффективность распределения воды в сельском хозяйстве, а системы обнаружения утечек – помочь сократить потери.

В то же время, в процессе интеграции ИИ в управление водными ресурсами важно учитывать и имеющиеся сложности. Во-первых, существует необходимость в высококачественных данных для обучения и оптимизации моделей ИИ, что может быть затруднено из-за недостатка или неполноты доступных данных. Во-вторых, внедрение ИИ технологий связано с высокими затратами, что может быть препятствием для их широкого применения, особенно в развивающихся странах или регионах с ограниченными ресурсами. В-третьих, возникают вопросы этики и конфиденциальности данных, которые требуют тщательного регулирования и соблюдения норм для предотвращения злоупотреблений и нарушения прав пользователей.

Поэтому, рациональное применение цифровых технологий должно сочетаться с соблюдением этических норм, эффективным управлением данными и ресурсами, а также с постоянным мониторингом и корректировкой методов работы. Важно, чтобы процесс интеграции ИИ в управление водными ресурсами был осознанным и сбалансированным с акцентом на максимизацию его потенциальной пользы при минимизации возможных рисков и негативных последствий.