自从上海开始推行垃圾分类之后，被逼疯的上海宁已经成为广大网友的快乐喷泉，贡献了不少段子和表情包。据说有人开车前往杭州和苏州倒垃圾，还有很多实在搞不懂分类的外地 " 学渣 " 扛不住压力直接回老家了…… 上海人民快为之头疼的时候，前一秒还觉得 " 雨女无瓜 "，忙着 " 哈哈哈哈哈 " 的沙雕网友很快就被现实五雷轰顶了： 反抗是不可能反抗的。人固有一死，或死在上海的垃圾堆里，或死在其他 45 个城市的垃圾堆里。总之，谁都别想乱扔垃圾！ 未雨绸缪的我现在吃个东西，都要下意识对着它思考一番——你究竟是什么垃圾？ 不过往好处想，9012 了，垃圾分类这么困难的事儿，AI 能不能给代劳一下啊 ~ 你已经是一个成熟的 AI 了，该学会自己分类了 垃圾分类实在是一个不怎么美妙的话题，种类多，严苛的日本垃圾政策就有 34 种分类，每天扔哪种垃圾都有明确的规定，错过时间还可能遗留在家里。 而且产业链条很长，后续的收运、流通、处置都是很难看到的。所以对于刚刚起步的地区来说，产生 " 我分了类但垃圾车还不是一辆车一锅端走 " 的质疑简直太正常不过了。 总之，任何一个环节断掉了，都会直接影响垃圾分类的最终效果。 幸好，AI 技术的兴起，已经能够为这项全球工程贡献一份力量了。 目前来看，AI 可以在产业链全程提供助力： 1. 前端（居民端）智能检测 " 逼疯 " 广大市民的垃圾分类难点，主要就在于识别不同的材料特征并予以归类，其中涉及比较高的技术门槛。网络上流传的，一只龙虾需要分为五个部分分别投递，鼠标必须大卸八块才能扔掉，珍珠奶茶喝一半怎么扔……别说普通的大爷大妈了，受过高等教育的同学恐怕都需要懵逼一番。 最妥当的办法当然就是别吃饭了（这句划掉）通过计算机视觉来实现智能投递啦。 比如，已经有小区安装上了智能回收垃圾站，只需要在垃圾桶前扫描一下，就会自动识别居民投递物的类型，并提示具体的分类。如果是能卖钱的可回收垃圾，投递到相应的垃圾桶后还会自动将兑换的现金打到居民的手机账户里，可以说是很适合懒人了。 当然，没有此类智能垃圾桶的小区，也有带有 AI 识别的功能的手机 App 助攻，比如支付宝最近推出的 " 垃圾分类助手 "，就成了救上海人民于水火的神器。 2. 终端（回收者）自动化 不得不说上海不愧是城市化最高的地区之一，广大群众们吐槽归吐槽，但也都是极尽可能地配合垃圾分类政策，努力程度堪比高考。不过，在家分的再好，如果垃圾车全部都混为一体，或者不考虑小区的实际量级，那也会带来不少的麻烦，让大家做无用功的同时，也影响政策的公信力。 因此，提高回收环节的清理效率和分拣水平，就变得至关重要了，而这正是 AI 所擅长的。 举个遥远的例子，在硅谷，创业公司 Compology 就给小区的垃圾箱配备了智能传感器。这些传感器每天会多次拍摄垃圾桶内部的高分辨率照片，并发送图像到云端。这样，垃圾清理公司就能够及时监控信息，优化卡车清运垃圾的路线或时间表，快捷高效地拾取垃圾，从而保证了不同规模小区的清理效率。 而在运载过程中，垃圾分类后也导致清运车增加，从 2 月 20 日起，上海全市就配置及涂装湿垃圾车 982 辆、干垃圾车 3135 辆、有害垃圾车 49 辆以及可回收物回收车 32 辆。显然，分类的细化也会导致司机出现人手不足的情况，而自动驾驶则有望解决这一问题。 今年五月，沃尔沃公司宣布与瑞典的 Renova 公司联手，开始测试自动驾驶垃圾车。除了和普通无人车一样配置激光定位器、雷达、摄像头、红外摄像头等传感系统之外，这种卡车还能够按照设置好的路线，沿途收集垃圾。所以，驾驶员只需要走两步，专心收集垃圾，不需要每次都返回驾驶室，开着车再前往下一个垃圾桶，大大减少了停车次数。 同时，垃圾回收汽车还能够起到终端网络的监测作用。 我们以上海的垃圾收运为例，每辆垃圾清运车行走到了哪里，在哪个小区运了哪些类型的生活垃圾，装进了哪个集装箱，运到哪里处置，这些实时数据都会上传到 " 城市的垃圾大脑 "，然后城市环卫系统和再生资源系统会根据前端的数据进行分析，从而对垃圾清运、设施布局等城市行为作出更好的规划。 3. 后端（处理厂）智能化 好了，经过人和机器的努力，咱们的垃圾们终于来到了处理厂，可以进行劳动改造了。 这里的问题也是最多的。 首先，再严丝合缝的前中端把控，也有可能造成漏网之鱼，比如将有害垃圾丢进了干垃圾里这时候就需要识别出是哪个小区出了问题需要强化分类教育，同时，处理厂还要进行二次分拣。 但是，回收垃圾带给人类员工的伤害也是巨大的。传统垃圾分拣的工作是由人类来完成的，肮脏、枯燥，而且危险，常常会接触到有害物品，比如针管、碎玻璃等等，也被称为美国最危险的职业之一。 传统的人工垃圾分类处理流水线 而处理工厂的智能自动化， 一旦能够普及应用，就可以让这些分拣工人离开那些危险的岗位了。 前不久，北美纸箱包装委员会就与阿尔卑斯废物循环利用，以及 AMP 机器人这两家公司合作，在工厂中安装了 AMP 公司的 Cortex 分类机器人。 这种机器人配备了像蜘蛛一样的机械臂，利用摄像机向云端大脑传递影像信息，机器学习算法识别出传送带上的废物，机械臂就会对其进行分拣。 目前，机器人能够达到高达 98％的分类准确度，每天工作大约 16 小时，每分钟可以做出 60 次分拣动作，远高于人类每分钟 40 次的平均值。 同样这么做得还有芬兰公司 ZenRobotics 机器人，在美国 Recon 废物服务公司中，安装了人工智能回收系统 Heavy Picker，可以抬起 60 磅重的物体，能够整理建筑垃圾，将其分类成金属、木头、石头等，然后投入循环利用。目前，苏州绿和公司也引入了该技术。 能够直接解放人类分拣员，减少分拣环节的健康风险，并有效提升了分拣效率。 看到这里，相信很多人已经可以感觉到，AI 在垃圾领域的应用有哪些值得注意的特点了吧。 简单来说，一是依靠成熟的感知技术，比如传感器、计算机视觉等等，让每个环节流通的垃圾和行为都能被数据化。而要让识别的准确率足够高，也需要进行一定的数据积累与训练。换句话说，AI 系统的引入宜早不宜迟。 二是云 + 端 + 边算力的综合保障。我们发现，垃圾分类所涉及的环节对实时动态数据的监测和处理要求非常高，无论是在垃圾倾倒时的实时甄别，还是车辆行进路线的合理控制，这个过程都需要基础算力的支持，因此，边缘算力、终端芯片、云端处理的综合联动才能成就这项庞大的城市工程。 未来随着 5G 网络的普及，即时的数据观察会让 AI 的效能变得更强。 听起来很美，那么，AI 的落地有没有什么限制条件呢？答案几乎是肯定的！ 万事俱备，只欠…… AI 的 " 垃圾分类 " 探索说到这里，相信很多人已经感觉到了好像哪里不对的样子。为了人类生存环境变得更好，AI 似乎在透支当下一部分人群的生活状态。 最为直接的影响是，随着智能机器人的引入和垃圾处理场的自动化改造，会有很多从事驾驶和分类工作的工人失业。 的确，他们的工作条件称不上好，但也是一份能够养家糊口的谋生之道。让他们转型去做那些 AI 提供的新工作岗位，比如数据分析师、操控高科技卡车和设备的机械师，这可能吗？ 未来垃圾清理产业的人员素质必然会大量提升，但机会未必真的会属于那些被机器淘汰的一线工人。届时大量的底层劳动人口去往何处，恐怕是一个棘手的问题，因此，垃圾产业智能化的步子应该不会迈的太快。至少，在很长一段时间内，还是会由人类大爷阿姨来为你答疑解惑，而不是 AI。 另一方面则是部署成本的问题。 关注我们的小伙伴可能常常听到智慧城市、车路协同之类的前沿技术名词。但目前很多综合方案都还在封闭道路上测试，或是刚刚开始终端改造。 而垃圾分类的收集终端密集，数据维度多样，有着较大的自由度和模糊地带，层出不穷的新型垃圾也在挑战着传统的分类体系，这就导致现阶段想要依靠 AI 实现精准判断和运维决策，几乎是一件不可能的事。 而在一个 400 万人口的中等城市，建设智能收集终端 + 智慧平台 + 智能检测线的一次性投资，初步估算约 15 亿元左右，这些都是要城市财政来买单的，恐怕只有少数超级城市能够逐步启动。 而其他二三线垃圾分类试点城市，恐怕只能多多学习下分类手册，打打扔垃圾小游戏了。 AI 垃圾分类的未来或许还很遥远，但未来依然是值得期待的。每个人都必须与时代共同成长，从这个角度来说，我们也算是见证历史了吧。让我们和 AI 一起，给岁月以文明，而不是给文明以岁月。