일반화는 여전히 중요한 과제입니다. 현재 모델들은 다양한 유역과 극한 수문 조건에서 성능이 저조합니다. KGML을 통해 물리적 지식을 통합하고 기초 모델에서 교차 도메인 사전 학습을 활용하는 것은 공간 및 극한 사건 일반화 성능을 향상시키는 데 상호 보완적인 접근 방식을 제공합니다. 마지막으로, 데이터, 모델 및 코드에 대한 개방형 접근을 통해 재현성을 보장하는 것은 투명성, 검증 및 지속적인 커뮤니티 발전에 필수적입니다.

이러한 연구 결과는 수질 예측을 위한 딥러닝 기술 발전이 단순히 예측 정확도 향상 이상의 노력을 요구한다는 점을 강조합니다. 인공지능이 운영 의사결정에 점점 더 많이 통합됨에 따라, 모델 개발의 모든 단계에 신뢰성 원칙을 반영하는 것이 필수적입니다. 실무자와 의사결정권자 간의 신뢰를 구축하는 것은 인공지능 기반 인사이트가 사회적, 환경적으로 책임감 있게 활용될 수 있도록 보장하는 데 매우 중요합니다.