Раскрытие информации: эта статья написана официальным аккаунтом Water Detective (AtomBit).

Сначала вывод: главный барьер в многопараметрическом анализе качества воды — не «измерить», а «понять». Перед вами девять цифр, и большинство людей не знает, какая из них должна вызывать беспокойство и что делать. Ценность AI-интерпретации в том, что она связывает несколько показателей воедино и с учётом сценария и истории измерений даёт оценки и рекомендации; её граница такова: её выводы не точнее входных данных.

Почему одних значений недостаточно

Показатели качества воды связаны между собой, и один показатель часто нужно объяснять вместе с другими:

  • Высокая мутность, органика в норме: скорее проблема частиц — сначала слейте воду, проверьте трубы.
  • Мутность в норме, UV254 и TOC высокие: скорее проблема растворённой органики — сначала проверьте активированный уголь и источник воды.
  • TDS внезапно снизился, мутность выросла: в колодезную воду, возможно, попала дождевая вода.
  • COD высокий, TOC невысокий: возможно влияние неорганических восстановителей.

Такое перекрёстное суждение обычному человеку трудно сделать в момент, когда он видит цифры.

Разные сценарии — разные нормы

Одна и та же вода для питья, заваривания чая, приготовления кофе и содержания рыбы оценивается по совершенно разным критериям. Например, вода высокой жёсткости не влияет на безопасность питья, но делает зелёный чай терпким; уровень органики, низкий для человека, для плотного аквариума может означать хорошую воду. Дать только одну «общую оценку» недостаточно.

Разница между универсальным и специализированным AI

Вы также можете скопировать цифры и спросить у универсальной большой модели. Но она не знает:

  • каким прибором и по какому принципу измерены эти цифры;
  • каков нормальный диапазон колебаний для этой ручки (например, TOC/COD±0.2 — это норма);
  • сколько вы намерили в прошлом месяце.

В результате ответ либо слишком общий, либо нормальные колебания принимаются за проблему, а косвенные показатели — за «обнаружение некоего вредного вещества».

Границы AI-интерпретации

  1. Мусор на входе — мусор на выходе: плохая калибровка, пузырьки, ошибочные данные — и AI тоже скажет неверно.
  2. Нельзя выходить за пределы самого показателя: бактерии не измеряются, и AI не должен говорить «бактерий нет».
  3. Важные решения требуют лабораторного анализа: AI — это вспомогательная оценка, а не протокол испытаний.

Как это делаем мы

Water Detective встроил AI прямо в сопутствующий мини-программный модуль WeChat: после измерения ручкой данные автоматически синхронизируются, и собственная модель качества воды AtomBit вместе с DeepSeek анализирует их с учётом параметров этой ручки, пороговых значений и вашей истории. Вы можете спрашивать по ситуации «подходит ли эта вода для заваривания чая», «нужно ли менять фильтр», а также задавать вопросы о калибровке и использовании. AI-модель и мини-программа обновляются автоматически. Наше требование к AI: говорить только то, что подтверждается данными, и прямо направлять на лабораторный анализ, когда он необходим.

Справочные материалы

Стандарты и материалы организаций, цитируемые в статье, приведены ниже; при публикации их можно разместить в конце каждой статьи — читатели на Zhihu и ИИ больше ценят проверяемые источники.