人工智能测试：解答考试题
人工智能能否帮助学生通过考试？
自 2022 年底起，ChatGPT（美国公司 Open AI）也在德国的互联网可用。由此引发的关于人工智能（英：Artificial Intelligence）的热潮当然也影响到了我。由于我当时仍担任授课教师，我最初主要关心的问题是：人工智能是否有可能帮助学生通过考试或完成一篇课程论文。
为弄清这一点，我请ChatGPT解答我在柏林应用技术大学硕士课程城市基础设施规划——交通与水资源，模块「处置」中关于污水的一些考试题。不过我把那些需要计算的题目排除在外。
以下是与 ChatGPT 的问答过程，进行于 2. März 2023。
问题 1（3 分）
市政污水处理厂的曝气池中污水的停留时间在德国平均约为 8 小时。如此一般可以满足并优于行政规定的以 COD 衡量的有机污水成分去除要求。而对于含有较高难降解成分的污水（例如化工行业），则必须使用明显更长的停留时间（24 … 48 h），且常常需要串联两级或更多的生物处理阶段，才能达到行政规定的出水 COD 限值。
为什么？
在回答中请考虑曝气池中 COD 降解的理论！
问题 1 的 ChatGPT 回答截图：
ChatGPT 正确解释到，难降解成分需要更长的生物降解过程。一方面是因为微生物需要更久的时间来代谢这些物质，另一方面则因为降解难降解化合物需要细菌学上的“专门种”，这些专门种只有在更长停留时间后才会发挥作用。后者未被 ChatGPT 描述。回答考虑了化学需氧量（CSB）降解的动力学以及多级处理系统的必要性，因此仅扣一分。
问题2（2分）
为什么人们在国际范围内又放弃了后置反硝化？
问题 2 的 ChatGPT 回答截图：
ChatGPT 列出了主要原因：更高的能量需求、需要外加碳源，以及作为更高效替代方案的前置反硝化的优先使用。
问题3（4分）
前置反硝化中的内部回流有什么用途？
请用前置反硝化的最大可能效率公式（参见 DWA-A 131，第49页，公式53）证明：将回流比（RF）提高超过3倍后，其效益递减越来越明显！除了计算结果外，实践中当 RF 超过3时，反硝化作用会逐渐恶化。这是为什么？
问题 3 的 ChatGPT 回答截图：
ChatGPT 解释了内部回流的功能，并用数学方法说明了为何 RF 值超过 3 带来的额外益处有限。对过高回流比导致反硝化崩溃的解释是错误的，原因不是碳缺乏，而是溶解氧的存在。
（扣 1 分，因为妨碍反硝化的不是碳，而是溶解氧含量过高）
问题 4（4 分）
在降雨引发的合流制污水溢流启动时，总会有一部分需要处理的污水被冲入受纳水体。为什么这种排放比污水处理厂的已净化出水更需严格评估其危害性？
问题 4 的 ChatGPT 回答截图：
ChatGPT 列出了所有关键点：更高的污染物浓度、冲击负荷、缺乏处理、耗氧以及生态影响。
问题 5 (5 分)
描述在污水处理厂进水口处节流装置与雨水溢流池（RÜB 安排在旁路）如何相互作用！
在降雨情况下，混合污水的流动路径是怎样的，当
- a) 雨水溢流池仍具有足够的蓄水体积，或
- b) 雨水溢流池的蓄水体积已耗尽。
请绘制各自的流动路径示意图，并对这些情景作简短的文字说明！
问题 5 的 ChatGPT 回答截图：
ChatGPT 提供了一个不充分的回答，完全误解了节流装置与 RÜB 协同作用的目的。
评论： ChatGPT 未能识别节流装置与污水处理厂进口处的雨水溢流池之间的协同作用。节流装置的功能被完全忽视，以至于在情景 b) 中甚至错误地想象出了污水处理厂水力容量的超载。
事实上 节流装置可确保污水流量被限制在污水处理厂水力上能最大接纳的数值。超出此数值的部分会被导入雨水溢流池（RÜB）。当流入污水处理厂的流量回落到旱天流量时，RÜB 中的污水会根据可用的空余容量被送往污水处理厂并在那里处理。但是，如果 RÜB 已满而节流装置仍将污水导入 RÜB，则必须将其溢流排入水体。
结论与比较
ChatGPT（2023年3 月）
可得分数的 67%
Manus AI（2025年10月）
可得分数的 89%
摘要
大多数问题都被ChatGPT或多或少地正确回答。然而在关于在污水处理厂进水口处节流装置与溢流调节池协同作用的问题上，该人工智能表现较弱。
同样的问题我也在 2025年10月13日向 Manus AI 提出过。结果显示，人工智能的能力在两年半内有了明显提升。
评论： 几乎全对，例外情况：当回流比超过最佳值时，妨碍反硝化的不是碳，而是 溶解氧含量过高！