水从排水管流走后会发生什么？对于污水处理厂的操作员来说，确保水质清洁是一场与时间和数据的竞赛。操作员面临一个核心挑战：关键水质检测需要数天完成，而决策往往需要在数小时内做出。

威斯康星州自然资源部供水专家Fuad Nasir（土木工程博士）指出，可解释人工智能（XAI）这一新兴领域正在帮助解决这一难题。他在研究生期间参与了一项从当地处理厂收集数据的研究，观察到人工智能和机器学习在多个领域的广泛应用，但在美国污水处理中的应用仍有限。“操作员对使用它犹豫不决，因为他们看不到它是如何得出预测的过程。” - Fuad Nasir

传统机器学习常被视为“黑箱”模型：输入数据后输出预测，但过程不透明。对于需要决定化学品用量和处理时间表的污水处理操作员来说，这种不透明性构成了使用障碍。这促使Nasir转向可解释人工智能。XAI不仅能预测结果，还能突出显示影响预测的关键变量。“它揭示了背景中发生的事情，”Nasir解释道，“应用XAI时，你可以实际看到可视化过程。”

一个具体案例说明了可解释人工智能的重要性。污水处理厂依赖生化需氧量（BOD）测试来评估处理后水中的有机物含量。高BOD会危害水生生物，操作员需调整处理化学品以控制其水平。但BOD测试需五天时间，无法满足快速决策需求。

基于XAI的模型可利用历史数据预测BOD，并显示温度、流速或氨含量等因素如何影响BOD水平的变化。这种方法使操作员能理解预测依据，从而更信任模型输出。

可解释人工智能在污水处理领域发展迅速。Nasir表示：“过去几年，我看到在污水处理中使用它的人数显著增加。”医学领域较早采用了XAI，而污水处理研究正在跟进，并引用了Nasir的相关工作。他承认实际部署需要时间，因为公用事业公司需要设备、培训和资金支持，但发展趋势明确。Nasir于2019年从孟加拉国来到UWM攻读硕士学位，后被该校的研究文化和环境工程师资吸引，包括导师李进教授。一年后，他转为博士研究生。

目前，Nasir专注于公共水系统中与健康监管相关的方面。随着人工智能技术快速发展，他认为技术专长在监管领域将日益重要。他对本科生的建议是保持关注：“关于人工智能或机器学习的事情是它变化非常快。”