This project has been funded with support from the European Commission. The author is solely responsible for this publication (communication) and the Commission accepts no responsibility for any use may be made of the information contained therein. In compliance of the new GDPR framework, please note that the Partnership will only process your personal data in the sole interest and purpose of the project and without any prejudice to your rights.

Moduuli 5 – Tekoäly vesihuollossa

Abstract graphic featuring colorful circuit lines and nodes

Moduuli 5 – Tekoäly vesihuollossa (5 downloads )

1. Mikä on moduulin mukaan tekoälyn käytön ensisijainen tavoite vesihuollossa?(Required)

Kaikkien ihmistyöntekijöiden korvaaminen vesihuoltoalalla.

Suurten tietomäärien muuntaminen käytännönläheisiksi oivalluksiksi nopeampaa ja tarkempaa päätöksentekoa varten.

Fyysisen vesihuoltoinfrastruktuurin tarpeen poistaminen kokonaan

Veden hinnan alentaminen nollaan kaikille kuluttajille.

2. Mikä seuraavista mainitaan jaksossa 2 merkittävänä haasteena nykyaikaiselle vesihuollolle?(Required)

Maailmanlaajuisen kaupungistumisen ja väkiluvun väheneminen.

Runsaasti makeaa vettä käytettävissä vesihuollon suunnittelua varten.

Ikääntyvä infrastruktuuri sekä teollisuuden ja maatalouden aiheuttama lisääntyvä saastuminen.

Yhdistyneiden kansakuntien kiinnostuksen puute kestävän kehityksen tavoitteita (SDG:t) kohtaan.

3. Tekoälyä hyödyntävä, tietoon perustuva johtaminen mahdollistaa vesialan ammattilaisille siirtymisen:(Required)

Ennakoivista toimista reaktiivisiin ”korjaa vian ilmettyä” -toimiin.

Reaktiivisista toimista ennaltaehkäiseviin ja ennakoiviin toimiin.

Anturien käytöstä siirtyminen pelkästään manuaalisiin tarkastuksiin tukeutumiseen.

Vain reaaliaikaisesta seurannasta historiallisen tiedon analysointiin.

4. Mitä vedenkäsittelyn tekoälytyönkulussa (seuranta → ennustaminen → optimointi) tyypillisesti sisältyy ”ennustaminen”-vaiheeseen?(Required)

Reaaliaikaisen tiedon kerääminen älymittareista ja satelliiteista.

Parhaan toimintatavan valitseminen resurssien kohdentamiseksi.

Kysynnän, mahdollisten häiriöiden sekä tulvien tai kuivuuden kaltaisten riskien ennustaminen.

Vuotavan putken fyysinen korjaaminen paikan päällä.

5. Mikä tekoälytehtävätyyppi soveltuu parhaiten epätavallisten ilmiöiden – kuten äkillisen vuodon tai veden saastetason äkillisen nousun – tunnistamiseen?(Required)

Luokitus.

Poikkeamien havaitseminen.

Ennustaminen.

Maantieteellinen kuormantasaus.

6. Mikä oli keskeinen tulos tekoälypohjaisen digitaalisen kaksosen käytöstä vesiverkostossa suomalaisessa tapaustutkimuksessa (Silo AI)?(Required)

Verkkovisualisointiin käytetyn ajan väheneminen 50 prosentilla.

Lämmitysveden menolämpötilan nostaminen 10 °C:lla.

Kaiken kunnossapidon siirtäminen pelkästään reaktiiviseen malliin.

Poistaa tarpeen vesiantureille.

8. Mikä on osiossa 5 mainittu tekoälyyn liittyvä ”kestävyysparadoksi”?(Required)

Tekoäly ei kuluta vettä, mutta vaatii valtavia määriä fyysistä maa-alaa.

Tekoäly voi auttaa säästämään vettä tehostamalla toimintaa, mutta sen palvelinkeskukset vaativat huomattavia määriä vettä jäähdytykseen.

Tekoäly on tehokas vain alueilla, joilla ei ole vesipulaa.

Tekoälyn käyttö heikentää veden laatua ja nopeuttaa samalla sen jakelua.

9. Mistä tekoälyn ”epäsuora” vesijalanjälki on pääasiassa peräisin?(Required)

Paikan päällä käytettävissä haihdutusjäähdytysjärjestelmissä käytettävä vesi.

Vesi, jota käytetään sähköntuotannossa tekoälyn tarvitseman sähkön tuottamiseen.

Datakeskuksissa työskentelevien työntekijöiden kuluttama vesi.

Konesalialueella kerätty sadevesi.

10. Mikä on yksi tapa, jolla moduuli ehdottaa tekoälyn ympäristövaikutusten vähentämistä?(Required)

Suurempien ja monimutkaisempien mallien käyttäminen jokaiseen tehtävään.

Kaikkien konesalien siirtäminen vesipulasta kärsiville alueille.

”Vesipositiivisten” tavoitteiden hyödyntäminen käytettyä määrää suuremman vesimäärän palauttamiseksi.

Uusiutuvan energian käytön lopettaminen.

Takaisin moduuleihin