督导老教授听完课问了一个有意思的问题

学校教务处组织退休的教授成立教学督导，随机地检查每位老师的教学情况，并提供改进的指导和帮助。最近我给硕士研究生讲授水处理工艺，讲新工艺的开发，从理论的可能性，到实验室小试，现场中试，再到工程化应用的一步一步的过程。在讲课过程中，有督导进来，坐在后面听课。

课间休息，督导肯定了理论联系实际的讲授方法，也抛出了一个值得探索的问题：现在人工智能（AI）发展很快，AI可以模拟计算很多过程，将来AI能不能代替中试，从而提高效率，节省中试成本。

AI正是风头正劲的时候，似乎它能干许多脑力劳动的事，用它代替部分中试，肯定是可能的，但不可以代替全部。唉，我叹了一口气，想到不少实际废水采用新工艺中试的曲折过程，所谓弯道超车，几乎没有碰到过，都要一步一个脚印地往前走。很多时候，小试，中试过程中失败了，想办法寻找失败的原因，并解决了这些问题，是知识成长的关键点，经验的积累，特别是“失败”经验的积累有时显得更重要。

通过现场实践，有些总结的似乎是合理的“科学规律”并不能外延推论，当然，这也可以认为是目前知识的缺陷或不完善。如：污水的好氧处理系统，它对温度稳定性的依赖比较小，原因是好氧过程微生物的种类很多，且好氧微生物倍增周期短，有时只要几个小时，所以，温度的变化，微生物的适应能力强，对处理效果影响小。污水的厌氧处理系统，厌氧的微生物种类比好氧微生物要少许多，且厌氧微生物的倍增周期也长，所以，温度变化对厌氧系统的影响很大。几乎所有的教科书上都讲，厌氧系统的日温度变化系数要小于2度。我们以前的厌氧实验结果也证明，一个COD去除率高达90%的厌氧处理系统，虽然实验装置配有加热与保温系统，但寒流来了，仍能引起反应系统的温度波动，有时厌氧处理系统的COD脱除率，会从90%，一下子降到50%都有可能，然后，往往要几天，甚至一周以上的时间才能恢复。脱除氨氮与总氮的厌氧氨氧化工艺，也是厌氧处理过程，厌氧氨氧化菌，应是厌氧菌中的更少的种类，目前一共只发现了7种（最近也有讲8种）具有厌氧氨氧化功能的菌群，且厌氨氧化化的倍增周期的时间更长，文献报道都在9 ~ 12天，我们自己的实验数据也证明，倍增周期就是10天左右。从这些基本规律和基础数据，再经过合理的推理与外延，用AI做预测，厌氧氨氧化对温度的依赖将会如何？推理的结论应是温度变化系数要小于1度。我在没有开展厌氧氨氧化的实验之前，我就是这样想的，但实际的实验结果会让人大跌眼镜。中山大学有位博士生的课题就研究了温度对厌氧氨氧化过程的影响，结论是每天白天升高10度，日温度变化高达10度，对处理效率居然没有影响。

我举了以上的例子，说明即使在相对比较简单的水处理过程，都难以完全用AI做预测，从而取代中试，这也是即使现在AI特别时髦，但仍有不少地方要建立中试中心，为技术的推广应用保驾护航。当然，并不是讲AI没有用，AI的用处很多，但AI的结果，仍要通过中试与应用来验证，在目前阶段，中试仍是新技术应用前的不可或缺的关键步骤。