研究人员表示，人工智能技术检测到了数百起未处理污水直接排放入英国河流的事件。

科学家们利用机器学习技术，从两处污水处理设施超过11年的数据中识别出了926次 “泄漏事件”。

英国环境署发言表示这一方法的准确度令人印象深刻。环境署表示”我们欢迎任何能够防止污染的技术。”

研究人员将他们的研究成果发表在《清洁水》杂志（Clean Water）上，研究中他们训练计算机算法，通过排污事件时污水处理厂的水流模式去识别污染事件。

“排污”的组成

当发生异常降雨时，污水处理设施被允许向河流中排放未处理过的污水。这是由于雨水和未经处理的污水会给污水厂的暴雨罐造成过大压力，导致罐中溢流进入处理管路。

但这种未经处理的污水溢流排放频率引起了环境学家和环保人士的担忧。

来自Rivers Trust慈善组织的Christine Covin向BBC表示说：”去年我们制成了一张全国性的污水溢流排放入英国河流的地图，看到结果我们都很震惊，竟然有如此多、如此广泛的未经处理污水进入我们的河流。”在这张地图中示意了上报的溢流排放。但我们远不清楚未被上报的溢流排放会有多大规模。

英国生态与水文中心（the UK Centre for Ecology and Hydrology，UKCEH）的Andrew Singer教授认为利用AI的新方法旨在建立一种准确的计量方式，以确认可能有多少未经上报的排放事件。

Andrew表示：”我们希望通过新技术的引入辅助水质保护工作的透明度和强制性。”

人工智能技术如何发挥作用？

该研究由UKCEH的Peter Hammond教授领导，研究使用了一种模式识别算法，这种算法最初用于医学基因学研究。

Peter教授介绍说：“在之前，我利用机器学习技术探测儿童脸部形状的细微区别以帮助诊断某些特定的基因情况。”

“在本次的场景中，研究对象从面部的3D形状变成了水流经过污水处理厂的形态模式。”

这看上去貌似是两个不相干的领域，但模式识别和机器学习方法的效果还是相同的。

模式识别，正如它的名称一样，是一种使用计算方法检测数据中出现的规则或是重复出现元素的方法。而机器学习则使用提高自动化程度的算法，利用经验和数据分析来检测到这些模式。

研究人员花费数年收集了两家污水厂的流量数据——以此教会算法识别污水厂在正常运行和排放未处理污水时不同的 "水流形态"。

Singer教授说：“算法首先构建了知识体系，你再去测试这个算法。基本上你就把所有数据给到算法，然后提问说’你能找到其中的排污事件吗’？”

使用两所污水厂11年间的水流数据（研究中未经人为识别的），算法识别出了926起未处理污水排放事件，每起排放至少长达三小时。

研究人员表示全英国的自来水公司都可以使用相似的方法，针对任意污水厂来检测” 那些没有被注意到或是没有经过上报的排污事件”。

环境署也赞同说："如果自来水公司希望将此类模型用作规划工具以帮助管理污染，以及防止此类意外排放的发生，这是一个很棒的机会。"

Singer教授补充："我的职业生涯一直希望理解污染产生的环境效应并去恢复环境问题，或者至少对这些问题有更好的理解以对决策者做出提醒。"

“为此我们需要梳理清楚英国境内的污水排放问题。”

Colvin女士也补充道：”解决这一问题并非一朝一夕，这个问题需要针对新旧污水处理基础设施的大幅投资，同时也需要重新考虑处理流经城镇和城市中雨水径流的方式。”

“但如果我们还希望能够有用水安全，希望实现真正的绿色修复，带回河流中的野生动植物，必须要去解决河道中的污染问题。”

作为对此研究的回应，工业方代表，英国水务（Water UK）向BBC News表示，接下来五年，将有11亿欧元的投资流入，用于”改善暴雨溢流和污水处理工作”。

“很多公司已经正在使用AI技术管理其资产了”，英国水务的发言人表示：”我们将持续探索创新技术以稳固河流未来的健康。”