當(dāng)你工作累了一天回家休息，你說“放一首歌吧”，然后智能音箱就自動(dòng)放出你最喜歡的歌曲。當(dāng)你在超市里堆滿購物車后，只需對著攝像頭進(jìn)行人臉識(shí)別從而完成支付，甚至可以不用掏出手機(jī)。

這就是人工智能在生活中的應(yīng)用。隨著人工智能在語音識(shí)別與合成、圖像識(shí)別、自然語義理解等方向取得突破，越來越多的生活場景開始出現(xiàn)人工智能的應(yīng)用。

當(dāng)復(fù)雜的垃圾需要分類處理時(shí)，人們也想到了人工智能，并期望它能夠幫助他們做出判斷。2019年7月，上海率先開始實(shí)行區(qū)域性的生活垃圾管理?xiàng)l例，隨后北京傳出也將出臺(tái)相關(guān)制度。

互聯(lián)網(wǎng)巨頭如阿里巴巴、騰訊開始推出垃圾識(shí)別的應(yīng)用程序，其背后通過物品的視覺識(shí)別做出垃圾分類的判斷。一些此前并不涉及垃圾行業(yè)的企業(yè)如平安、中國電信也開始利用人工智能的技術(shù)推出不同的解決方案。打開應(yīng)用商店，更是出現(xiàn)了近百個(gè)垃圾分類的應(yīng)用，記者通過下載測試發(fā)現(xiàn)，其大多數(shù)為個(gè)人開發(fā)者制作，由于技術(shù)能力的限制，他們更多選擇語音對話的形式完成，也有部分具備了圖片識(shí)別的能力。

然而，當(dāng)人們使用這些應(yīng)用后會(huì)有這樣的疑問，這些應(yīng)用真的提高效率了嗎?有人工智能公司的技術(shù)專家告訴記者，這些匆忙發(fā)布的產(chǎn)品，很多數(shù)據(jù)訓(xùn)練的樣本并不足以支持其滿足日常使用的準(zhǔn)確率，“他們的識(shí)別率只有20%~30%”。

讓機(jī)器理解干垃圾和濕垃圾是個(gè)難題

微軟亞洲研究院主管研究員傅建龍告訴記者，目前來看，視覺識(shí)別技術(shù)落地在垃圾分類領(lǐng)域主要有三個(gè)難題，分別是核心技術(shù)算法，產(chǎn)品的設(shè)計(jì)以及使用習(xí)慣難以被改變。在這背后，當(dāng)商品成為垃圾后，其發(fā)生的變化使其定義復(fù)雜化，也就是“非標(biāo)準(zhǔn)化”。

然而，計(jì)算機(jī)的優(yōu)勢就是處理定義好的問題，并且問題中有大量數(shù)據(jù)可以學(xué)習(xí)。通常情況，無論是語音，還是圖像，機(jī)器想要認(rèn)識(shí)它，就必須經(jīng)過兩個(gè)過程，也就是人工智能技術(shù)成為產(chǎn)品的兩個(gè)階段，分別被稱之為“訓(xùn)練”算法和利用算法“推理”結(jié)論。

無論是在訓(xùn)練階段，還是在推理階段，投入大量的樣本數(shù)據(jù)是提高識(shí)別率的必要條件。傅建龍表示，在此前的嘗試中，他們也曾投入過小樣本數(shù)據(jù)進(jìn)行模擬訓(xùn)練，也就是讓計(jì)算機(jī)對一個(gè)類別通過對幾百個(gè)樣本學(xué)習(xí)，達(dá)到可以做出判斷的程度。但在這個(gè)過程中，他們發(fā)現(xiàn)了一個(gè)問題，就是垃圾本身不僅類別廣，而且總有新的類別產(chǎn)生，影響判斷。

在推理階段，如何讓機(jī)器理解干垃圾和濕垃圾本身也是一個(gè)難題。這就像計(jì)算機(jī)很容易識(shí)別出一把雨傘，但很難理解人將使用雨傘去遮陽，還是去擋雨。在學(xué)會(huì)這個(gè)問題的階段，計(jì)算機(jī)需要專業(yè)知識(shí)的輸入來學(xué)習(xí)和理解真正的意圖，或者說是為垃圾引入“上下文”。

因此，對于前端用戶用手機(jī)拍攝識(shí)別的過程，多數(shù)受訪人工智能專家并不認(rèn)為技術(shù)目前可以取代人眼的效率。

金融壹賬通智能風(fēng)控總經(jīng)理、人工智能研究院首席科學(xué)家施奕明表示，針對部分用戶來說，拍照識(shí)別是一個(gè)比較高效的輔助方式。因?yàn)槠淇吹皆谝呀?jīng)實(shí)施垃圾分類的上海，需要大批志愿者幫助用戶進(jìn)行垃圾分類和檢查是否正確，這需要大量的人工，而且工作也非常艱巨。作為平安旗下的業(yè)務(wù)部門，其在2-3周的時(shí)間內(nèi)發(fā)布了一款垃圾分類的小程序。

混合垃圾識(shí)別困難，機(jī)器需要更多樣本學(xué)習(xí)

從垃圾箱到處理廠后，垃圾的數(shù)量急劇上升，這為人工智能提供了大量的樣本可以學(xué)習(xí)。曠視研究院研發(fā)總監(jiān)、檢測組組長俞剛告訴記者，在垃圾回收站做批量分揀，這時(shí)AI視覺應(yīng)用將極大利于效率的提升。

在這個(gè)環(huán)節(jié)，目前視覺識(shí)別技術(shù)也只是萌芽。拍攝圖像分類的問題解決后，更重要的是還需要解決識(shí)別物體是什么，以及從混合在一起的垃圾中識(shí)別更加的困難，因?yàn)橐苊庹趽跻约拔矬w變形對識(shí)別的影響。一位人工智能獨(dú)角獸公司的專家告訴記者，“人可以推理，但機(jī)器需要更多的樣本學(xué)習(xí)，目前算法和人的肉眼識(shí)別還有一定的差距?！?/p>

不過，傅建龍告訴記者，目前計(jì)算機(jī)視覺識(shí)別新的研究方法就是計(jì)算機(jī)對物體抽取一個(gè)部分進(jìn)行識(shí)別，從而確定物體本身。如果被遮擋的物體露出了相應(yīng)的識(shí)別點(diǎn)，就可以被機(jī)器捕捉。此外，新的研究方向?qū)⒖梢詮?D到3D進(jìn)行轉(zhuǎn)化，并進(jìn)行多視角建模，未來也將一定程度上解決遮擋問題。

在實(shí)際應(yīng)用中，上述人工智能專家表示，海外企業(yè)使用了多個(gè)傳感器和機(jī)械臂結(jié)合，垃圾在傳送過程中就被自動(dòng)分類抓取。這種商業(yè)模式的產(chǎn)生，是人力成本的增長。但隨著人工智能技術(shù)成熟，會(huì)給工廠帶來更大的成本節(jié)省。

在這種模式下，視覺識(shí)別的算法需要與機(jī)械臂聯(lián)動(dòng)，而這其中需要一整套的系統(tǒng)解決方案。目前比較大的問題是，需要針對需求進(jìn)行定制，不同區(qū)域不同的分類標(biāo)準(zhǔn)都需要做精準(zhǔn)的調(diào)整，因?yàn)楸仨氁_(dá)到人工的水平，甚至要超過人工，這樣的投入才有意義。