جوامع در سراسر جهان با کمبود آب و مشکلات مدیریت منابع آبی روبه‌رو هستند؛ مشکلاتی که در بسیاری از مناطق به دلیل رشد جمعیت، گسترش شهرنشینی و تغییرات اقلیمی شدت گرفته‌اند. پیشرفت‌های هوش مصنوعی فرصت‌های تحول‌آفرینی را برای افزایش کارایی در مدیریت آب فراهم کرده‌اند و این امکان را می‌دهند که داده‌ها و فناوری‌های نوین به یاری شرکت‌های مدیریت آب بیایند تا چالش‌های قدیمی مانند فرسودگی زیرساخت‌ها و هدر رفتن آب را برطرف کنند.
پیش‌بینی می‌شود سرمایه‌گذاری در راهکارهای دیجیتال حوزه آب در آمریکا هر سال 6.5 درصد رشد کند و تا سال 2030 به رقم 10.8 میلیارد دلار در سال برسد. بر اساس گزارش شرکت «بلو فیلد ریسرچ» در سال 2024، بیشترین بخش این سرمایه‌گذاری (41 درصد) به فناوری‌های اندازه‌گیری و مدیریت مشتری اختصاص خواهد یافت. سایر بخش‌هایی که انتظار می‌رود سهم قابل توجهی از این سرمایه‌گذاری را دریافت کنند شامل مدیریت شبکه (20 درصد)، مدیریت کار و دارایی‌ها (18 درصد) و مدیریت تاسیسات (18 درصد) هستند.
چگونه هوش مصنوعی می‌تواند مدیریت آب را بهتر کند؟
برخی نمونه‌های کاربرد هوش مصنوعی در مدیریت منابع آب عبارت‌اند از:
- مدیریت هوشمند آب:
با تحلیل داده‌های مربوط به پیش‌بینی‌های آب‌وهوایی، میزان دسترسی به منابع آب، الگوهای مصرف آب و پیش‌بینی رشد جمعیت، سامانه‌های هوش مصنوعی می‌توانند به دولت‌های محلی کمک کنند تا راه‌های بهینه‌سازی شبکه‌های توزیع منابع آبی را بهتر شناسایی کنند، به‌ویژه در شرایط کم‌آبی. هوش مصنوعی همچنین می‌تواند زمان‌بندی کار پمپ‌ها و تنظیم جریان و فشار آب را بر اساس نیاز واقعی مصرف‌کنندگان بهینه کند. این کار موجب کاهش هدررفتن آب و بهبود عملکرد شبکه می‌شود. برای سیستم‌های آبرسانی، نتیجه آن کاهش هزینه‌های عملیاتی (از جمله به دلیل مصرف کمتر انرژی) است و برای مشترکان، مزایایی مانند پایداری خدمات و جلوگیری از افزایش قیمت‌ها به دلیل صرفه‌جویی در هزینه‌های عملیاتی را دارد.
- نگهداری و شناسایی و پیشگیری از نشتی آب:
با استفاده از هوش مصنوعی، می‌توان با پیش‌بینی خرابی تجهیزات و بهبود برنامه‌های نگهداری، به کارایی بالاتری در تصفیه آب دست یافت. هوش مصنوعی با تحلیل داده‌های به‌دست‌آمده از حسگرها، گزارش‌های تجهیزات و سوابق تعمیر و نگهداری، می‌تواند الگوهایی را شناسایی کند که نشانه خرابی قریب‌الوقوع تجهیزات یا زیرساخت‌ها هستند. همچنین، با کمک تصاویر ماهواره‌ای، امکان بررسی لحظه‌ای وضعیت و عملکرد خطوط لوله آب فراهم می‌شود. علاوه بر این، الگوریتم‌ها می‌توانند الگوها یا ناهنجاری‌هایی را شناسایی کنند که احتمال وقوع یا وجود نشتی یا ترکیدگی لوله‌ها را نشان می‌دهد. این کاربردهای هوش مصنوعی باعث افزایش عمر مفید زیرساخت‌ها، کاهش احتمال خرابی‌های پرهزینه و ناگهانی و جلوگیری از هدررفتن قابل‌توجه آب می‌شوند.
- بهینه‌سازی مصرف انرژی در تصفیه‌خانه‌ها:
در بخش تصفیه فاضلاب، یکی از گام‌های مهم در فرآیند تصفیه آب مرحله «هوادهی» است. این فرایند انرژی زیادی را برای پمپاژ اکسیژن به مخازن مصرف می‌کند تا میزان میکروب لازم برای تصفیه مؤثر آب به دست آید. این مرحله می‌تواند تا 60 درصد از کل نیاز انرژی یک تاسیسات تصفیه آب را به خود اختصاص دهد. با تحلیل داده‌های مربوط به سطح آلاینده‌های گذشته، نرخ جریان فاضلاب، ویژگی‌های آب ورودی و خروجی، الگوهای آب‌وهوایی و پیش‌بینی مصرف آب، هوش مصنوعی می‌تواند نرخ هوادهی را در تصفیه‌خانه‌ها به‌صورت مداوم و لحظه‌ای بررسی و تنظیم کند تا به سطح بهینه برسد. این کار به تصفیه‌خانه‌های فاضلاب کمک می‌کند ضمن حفظ کیفیت و کارایی فرآیند تصفیه، مصرف انرژی و هزینه‌های مربوطه را به حداقل برسانند.
- کشاورزی دقیق:
هوش مصنوعی می‌تواند با تحلیل میزان رطوبت خاک، پیش‌بینی‌های آب‌وهوایی و ویژگی‌های محصول، آبیاری را بهینه کند؛ اقدامی که هم باعث افزایش محصول و هم کاهش مصرف آب می‌شود. با توجه به اینکه بخش کشاورزی سهم بزرگی از مصرف آب جهان را به خود اختصاص می‌دهد، توسعه فرآیندهای کارآمدتر در مصرف آب در این بخش می‌تواند تأثیر چشمگیری در حفظ منابع آبی داشته باشد. برای نمونه، در ایالت آریزونا، شهر توسان هم‌اکنون از هوش مصنوعی برای بهینه‌سازی فرآیندهای مدیریت آب استفاده می‌کند. به طور مشخص، هوش مصنوعی برای شناسایی الگوهای خرابی لوله‌ها در داده‌های گذشته و تحلیل اطلاعات مربوط به خاک، شرایط آب‌وهوایی و نوع کاربرد زمین به کار گرفته می‌شود تا بتواند شکستگی‌های احتمالی لوله‌ها را پیش‌بینی و میزان احتمال و پیامدهای آن را برآورد کند. این کار به شهر کمک می‌کند تا تصمیم‌های هدفمندتر و آگاهانه‌تری درباره مدیریت و جایگزینی زیرساخت ها بگیرد و به این ترتیب، بودجه ساخت و ساز خود را بهینه تر مصرف کند.
تناقض در استفاده از هوش مصنوعی
هرچند هوش مصنوعی مزایای فراوانی برای بهبود مصرف آب ارائه می‌دهد، اما توسعه آن نیز ردپای بزرگی در مصرف آب دارد.
تأثیر مستقیم هوش مصنوعی بر تقاضای آب را می‌توان در نیازهای پرآب مراکز داده دید که برای آموزش مدل‌های بزرگ زبان مصنوعی ضروری‌اند. به طور مثال، تخمین زده می‌شود یک مرکز داده با ظرفیت 1 مگاوات سالانه تا 25.5 میلیون لیتر آب برای خنک‌سازی پردازنده‌ها مصرف کند. پیش‌بینی می‌شود مراکز داده آمریکا تا سال 2028 به 150 تا 180 میلیارد لیتر آب شیرین نیاز داشته باشند. با رشد هوش مصنوعی و رقابت جهانی برای توسعه مراکز داده‌ای، میزان مصرف آب شرکت‌های فناوری برای پاسخگویی به تقاضای بازار به طور قابل توجهی افزایش یافته است.
ردپای آب مصرفی هوش مصنوعی را می‌توان به صورت غیرمستقیم در مصرف انرژی زیرساخت‌های مرتبط با هوش مصنوعی مشاهده کرد، چرا که تولید انرژی نیز نیازمند مصرف آب فراوان است. انتظار می‌رود مصرف برق سرورهای هوش مصنوعی تا سال 2028 بین 150 تا 300 تراوات ساعت باشد. نکته مهم این است که این اعداد مصرف آب لازم برای استخراج مواد خام حیاتی برخی قطعات مراکز داده، مانند لیتیوم به کار رفته در باتری‌ها، را شامل نمی‌شوند؛ به عنوان مثال، تولید یک تن نمک لیتیوم به حدود دو تن آب نیاز دارد.
افزایش تقاضای آب ناشی از رشد سریع صنعت در بسیاری از شهرهای آمریکا محسوس است. اوایل امسال، شهر کورپوس کریستی در تگزاس برنامه اضطراری تأمین آب زیرزمینی را تصویب کرد که به این شهر اجازه می‌دهد میادین چاه‌های آب را اجاره داده و آب شیرین اضافی را به رودخانه نوئسس، منبع اصلی آب منطقه، برساند. کمبود آب در این منطقه در سال‌های اخیر به دلیل خشکسالی طولانی و رشد صنایع از جمله یک کارخانه جدید پالایش لیتیوم و کارخانه تولید پلاستیک، تشدید شده بود.
بنابراین، صنعت آب با یک تناقض روبه‌رو است؛ از یک سو، نیازهای پرمصرف مراکز داده هوش مصنوعی که اغلب با جوامع محلی برای منابع آب شیرین رقابت می‌کنند و از سوی دیگر، پتانسیل هوش مصنوعی برای بهبود فرآیندهای مدیریت آب در تصفیه‌خانه‌ها و شبکه‌های توزیع و کاهش مصرف در صنایع پرمصرف مانند کشاورزی، که می‌تواند دسترسی جوامع محلی به آب شیرین را افزایش دهد.
دعوتی به نوآوری
خوشبختانه، این تناقض همزمان فرصتی است برای فعالان صنعت آب تا روش‌های نوآورانه‌ای برای متعادل کردن افزایش نیازهای آبی مرتبط با هوش مصنوعی بیابند. اپراتورهای مراکز داده در حال حاضر در زمینه نوآوری در فناوری خنک‌سازی سرمایه‌گذاری می‌کنند و احتمالاً بزرگ‌ترین فرصت در این صنایع است که توسعه هوش مصنوعی را ممکن می‌سازند.
بازیافت آب به عنوان راه‌حلی بالقوه برای مراکز داده و تاسیسات صنعتی که به دنبال کاهش مصرف آب خود هستند مطرح می‌شود. این راه‌حل به ویژه برای شرکت‌هایی جذاب خواهد بود که بتوانند فاضلاب ورودی را برای خنک‌سازی، تولید و دیگر فرآیندهای صنعتی با مشخصاتی که تصفیه‌خانه‌های فاضلاب بدون هزینه‌های زیاد قادر به تأمین آن هستند، بپذیرند.
همکاری بین مصرف‌کنندگان آب و شهرداری‌ها نیز کلیدی برای افزایش بهره‌وری آب خواهد بود. شاهد همکاری مراکز داده و کاربران صنعتی با شرکت‌های آب و فاضلاب در جوامعی که در آنها فعالیت می‌کنند بوده‌ایم؛ همکاری‌هایی که ممکن است به بهبود کیفیت آب خروجی تصفیه‌خانه‌ها، توسعه تصفیه‌خانه‌های جدید یا اجرای طرح‌های افزایش تأمین آب منجر شود. به عنوان مثال، شرکت Amazon Web Services اعلام کرده قصد دارد تا سال 2030 به وضعیت «مثبت آب» برسد و از پروژه‌های احیای منابع آب در نقاط مختلف جهان حمایت کند. در آمریکا، شرکت xAI با همکاری نهاد Tennessee Valley Authority، تاسیسات بازیافت آب را برای تأمین آب مرکز داده خود در ممفیس، همچنین فعالیت‌های برق این نهاد و یک کارخانه فولاد مجاور توسعه داده است.
چشم‌انداز آینده
تحولات هوش مصنوعی فرصت‌های روشن و منحصربه‌فردی را در اختیار دولت‌ها، شرکت‌های آب و بهره‌برداران تأسیسات قرار می‌دهد تا با استفاده از فناوری‌های هوشمند و داده‌ها، شبکه‌های توزیع آب را بهینه کنند، پایداری خدمات آبرسانی را افزایش دهند و احتمالاً عمر مفید دارایی‌های آبی را طولانی‌تر سازند. این بهبودهای سیستمی در شرایط نگرانی‌های جهانی درباره فشار و کمبود آب در آینده، بیش از پیش ضروری خواهد بود.
در عین حال، تناقض‌های هوش مصنوعی نباید نادیده گرفته شود. هوش مصنوعی همچنان به طور مستقیم و غیرمستقیم مقادیر زیادی آب مصرف می‌کند و گاهی با نیازهای جوامع محلی در رقابت است. هماهنگی این تنش نیازمند همکاری تمامی افراد مربوطه است تا رشد هوش مصنوعی و تمام مزایای مرتبط با آن، در کنار تلاش‌های همزمان برای حفظ منابع آب، به تعادل برسد.
مترجم: سونیا پورعباس
منبع
