ارزیابی قابلیت استقرار هوش مصنوعی برای شناسایی منشا آلودگی: چارچوب تحلیلی داده، واکنش پذیری و توضیح پذیری

امنیت شبکه های توزیع آب شرب به‎عنوان یک زیرساخت حیاتی، از اهمیت بالایی برخوردار است. شناسایی منشا آلودگی یک مسئله معکوس کلیدی در مدیریت بحران این سیستم ها است که روش های هوش مصنوعی پتانسیل بالایی برای حل آن نشان داده اند. با این حال، علی رغم دستیابی به دقت های بالا در محیط های شبیه سازی، شکاف قابل توجهی میان توانمندی های نظری این مدل ها و استقرار عملیاتی آن ها وجود دارد. این مقاله یک چارچوب تحلیلی نوین برای کالبدشکافی دلایل این شکاف ارائه می دهد. استدلال اصلی این است که محدودیت های عملیاتی سازی، ریشه در سه چالش بنیادین و درهم تنیده دارد: ۱) محدودیت های داده و شکاف تعمیم پذیری میان محیط شبیه سازی و واقعیت؛ ۲) عدم لحاظ واکنش پذیری آلاینده و نادیده گرفتن فرآیندهای شیمیایی حاکم بر دینامیک انتقال؛ و ۳) کسری اعتمادپذیری ناشی از ماهیت جعبه-سیاه مدل های پیچیده و ضرورت حرکت به سوی هوش مصنوعی قابل توضیح. در این پژوهش، معماری های مختلف هوش مصنوعی با استفاده از این چارچوب سه گانه به صورت انتقادی ارزیابی می شوند. نتایج تحلیل نشان می دهد که موفقیت در استقرار میدانی این سیستم ها بیش از آنکه به پیچیدگی الگوریتمی وابسته باشد، نیازمند رفع همزمان این سه چالش است. در نهایت، یک نقشه راه برای پژوهش های آینده با هدف توسعه سیستم های شناسایی منشا آلودگی مبتنی بر هوش مصنوعی قابل اعتماد، مقاوم و آگاه به اصول فیزیکی و شیمیایی ارائه می گردد.

کلیدواژه ها:

شناسایی منشا آلودگی ، شبکه های توزیع آب ، هوش مصنوعی قابل توضیح ، واکنش پذیری آلاینده ، شکاف شبیه سازی-واقعیت