此報告由聯合國大學水資源、環境及健康研究所(Institute for Water, Environment and Health, UNU-INWEH)發布，該機構成立於1996年，為聯合國大學的公共服務機構和附屬機構，主要與加拿大政府和核心基金合作，旨在於透過現有科學分析研究以幫助解決聯合國、其會員國及其人民所迫切關注的水資源課題。此報告旨在於應用前瞻策略研究人工智慧（AI）以實現水資源永續發展之目標，及如何幫助世界各國因應各種水資源課題。。

(一)引言
現今(2020)AI的全球市場規模價值2兆美元，預計到2030年將為全球創造16兆美元經濟貢獻。有如以往的工業革命及矽晶的出現，AI將推動人類經濟發展及技術到達下一個時代。前瞻策略(Strategic Foresight)為一種預測性質的研究方法，利用對未來工業的洞悉力來做為現今決策的指南，並結合AI技術以實現水資源的永續發展。
2018年，與水有關的天災（颶風、洪水和乾旱）造成了1,370億美元的經濟損失。由於與水相關的災害發生頻率越來越高，因此越來越需要仰賴AI技術，以落實天災預測、財損評估和社會復原。AI應用於水資源管理，將能減輕重大經濟損失、保護社區、生態系統以及降低天災傷亡的潛力，與傳統方式方法相比，AI能以更高的準確度預測與水有關的天災，以利於集中管理災後活動。
在水資源管理的範疇中，水質監測與AI的影響最為直接，AI能被用於監測不同位置採樣出的水質樣本，例如大型水體(湖泊海洋)和流動水(溪河)。並且以較低成本的簡易式水質監測設備，提供家庭、飯店和各種公共場所的用戶使用，這些設備可以連接到智慧型手機，以及時分析水質樣本，並可檢測到比細菌小100倍的病毒。

(二)AI
AI正蓬勃發展，其目標是建構智慧且獨立運作的系統，這些系統已存在於日常周遭環境，例如具有天氣追蹤系統的智慧應用設備、Google或Yahoo搜尋引擎、Siri和Alexa等虛擬助理、YouTube和Netflix的影音推薦，以及銀行、航空公司、網路電商使用AI自動客服系統。
深度學習(Deep Learning,DL)為其中一種技術，能模仿人腦處理數據與決策擬定模式，並能應用於水資源管理系統與推算出水資源的長短期需求。報告認為，有節水計畫與開發相關經濟價值的國家，可利用深度學習提高水資源管理系統的運作效益。

(三)永續發展採用AI的驅動力
1.獲得基礎設施和技術
大多數AI框架和資料庫都是透過使用開放標準、開放數據和開放創新計畫來開發的。
2.獲得數據集
過去因為資料庫數據較難取得且要價昂貴，難以運用於訓練AI模組，現在能透過公開政府倡議、研究資助以及非營利組織建構的資料集替換共享性較高的集中式數據源。這些數據創建、共享和儲存的分散計劃可提供訓練永續發展目標的AI模組所需的關鍵。
3.獲得運算能力
近年來的演算技術已經從桌機演變為雲端套件，在費用上也變得較為平易近人。AI得益於這種發展，因為可以在雲端執行更複雜的模組，而所需的成本和時間卻大大減少。政府、研究人員和非營利組織可以利用AI來執行運算，從而為永續發展目標的解決方案做出貢獻。
4.獲得完整的AI解決方案
永續發展目標因AI技術越來越普及得而受益。AI模組現能以套裝軟體的方式提供用戶使用，可避免AI技術採用常遇到的困境，例如雇用與培訓專家、費時的系統建置以及缺乏透明性(transparency)。

(四)永續發展水資源的AI發展目標
AI、大數據和物聯網（IoT）在水資源領域變得越來越重要，有助於提高水資源系統（水資源分配、儲水、廢水收集和處理系統）的彈性和效益，並能協助因應全球氣候變遷引發的水資源短缺與危機。
到2030年，預計水資源的AI創新將能創造2,000億美元的效益，佔全球GDP的0.04％-0.2％，對比AI對其他產業和永續發展目標的影響，似乎不多，但是卻能有效保護淡水資源、森林和海洋。
(1)水資源基礎建設的預測性維護
AI推動了第四次工業革命，在水利產業中被稱為維護4.0(maintenance 4.0)。這場革命是從定期檢查和維護水利基礎設施的預防性維護系統，轉變為使用AI感應物理系統並監視水利基礎設施，根據資產狀況安排檢查和維護的預測性維護。
案例：在非洲，公營事業提供的用水約有50%在到達用戶端前就因為基礎設施不良、管道損壞及設備維護不良而流失；肯亞的自來水公司HydroIQ開發了以戶為單位的解決方案來監測漏水和故障，該系統使用AI結合智慧感測器和自動化支付，使家戶僅需依照實際的用水量付款。
(2)需水量及消耗量預估
AI物聯網(AI-IoT)使設施管理者可以監控用水量(consumption)和評估需水量(demand)，並且即時分析水資源系統性能。利用深度學習處理與水資源消耗和需水量有關的數據，已實現新一代的水資源管理系統，並能預測短期（每日）和長期（年度）需求。短期預測可用於有效管理水庫中儲水以及相關的基礎設施，長期預測則能應用於供水系統規劃與升級。
案例：西班牙經濟財政部採用ANN(Artificial neural network，類神經網路)來建置需水量預測系統。該系統以ANN、貝氏理論架構(Bayesian framework)和基因演算法(Genetic Algorithms,GA)併用，提供每日灌溉用水需求量，和非採用ANN的系統相比，預測的準確率提升了11%。
(3)監測水庫和水壩對健康和環境的影響
全球約有7,320個水庫和水壩，全球水庫儲量為6,700km³，且新興經濟體正計劃新建或建構中的水壩約有3,700個。AI技術已成功被亞洲和南美洲的新建水庫採用，並使用現代AI方法預測水資源參數，包含降雨、沉積物、溪流水質、蒸散量和蓄水位。這些參數都將根據可用數據庫和個別所採用的AI技術縝密地進行預測。
案例：義大利再生能源公司Enel green Power開發了智慧水壩監控系統（DMS），可即時監控水壩水位、水溫和氣溫。DMS是以AI模組為基礎，能整合水壩應力參數(stress parameter)與環境參數(environmental parameter)，即時監控水壩的健康狀況。如果出現異常情況，系統會發動警報通知工程師盡速採取相關措施，該系統已安裝於義大利Riolunato水壩。
(4) 水質監測及預測與水相關之天災
水質不佳是21世紀全球面臨的挑戰課題之一，根據世界衛生組織統計，全世界每9人中就有1人的飲用水是不安全的，且開發中國家有90％的污水未經處理直接排放到河海湖泊或水壩中，因此迫切需要導入顛覆性技術來因應水質相關的挑戰。
與水有關的天災（Water-Related Disasters , WRD）（颶風、洪水和乾旱）佔自然災害的90％。自2000年至2018年底，全球共有5,338例WRD，導致32.6萬人喪生，經濟損失超過1.7兆美元，其中，洪水約佔所有WRD的54％。與水有關的經濟損失的規模預計將逐年增加，這是由於氣候變遷所引起的嚴重天氣事件的頻率和強度增加，例如乾旱、暴雨和熱浪。因此現今的趨勢越來越需要推動採用AI，提供預測評估WRD的工具。
案例：在印度當地使用AI技術的Google Public Alerts計畫，能夠運用歷史洪水事件、河平面數據、地形和海拔的數據作為其訓練數據，對可能即將發生的洪水發出警告，並預測洪水嚴重程度。

(五) 政策建議
報告提出以下政策建議，以利國家在的水資源領域採用AI。這些政策建議是應用前瞻策略的主要成果，可以幫助使用AI制訂計劃來實現水資源的永續發展目標。
1.AI模組、工具和技術在採用之前需進行在地化：與水資源有關的挑戰和機會因國家及地區而異，決策者應在水資源產業採用AI以前對社會、經濟和文化因素進行全面性評估。
2.促進跨領域合作：與主要河流和流域相通的國家必須聯合制定政策，以促進使用AI來應對與水資源相關的挑戰。
3.培養熟練的勞動力：制訂政策應通過在各級發展的水資源相關教育來引導投資，培養熟練的勞動力，將水相關技術工人的就業機會在公共部門擴大，以減少對私營部門的依賴。
4.AI需要靈活的政策：應設計策略以適應新的AI模組和框架。深度學習和通用智慧將促進開發更有效的解決方案，政策應具有足夠的靈活性，以解決與水資源相關的挑戰。
5.透過集中機構推動AI的採用並創造有利的環境：應在國家一級建立由所有利益相關者代表的理事會或機構，以利此機構能順利地採用AI技術。