Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

上海AI分类垃圾桶登上热搜,逼我缴智商税的时刻还是来了

讲真,你觉得AI分类垃圾桶真的有用吗?欢迎积极留言讨论,我们想听到一些不一样的声音。

撰文 | 宇多田

几个月来,在被「上海垃圾分类」这个话题逼到每每啃鸡爪和猪骨头,脑子都会冒出一个「这东西啃完算是干垃圾还是湿垃圾」的疑问后……

我才意识到,将垃圾分类、垃圾桶与 AI 扯上关系,再来新一轮魔幻式洗脑,大概是「人类历史长河」中提高智商所必然要经历的成长过程。

昨晚,一则关于「上海要计划投放 2000 个 AI 垃圾桶」的消息上了微博热搜后,给予正向评价的网友着实不少。

点赞数非常高

当然,效果要有「实锤」才能服众。伴随这条新闻的,还有一个关于 AI 垃圾桶的使用宣传视频。

视频里,空塑料瓶子、饼干盒等等看起来还算容易分辨的垃圾被人丢进这个智能分类垃圾桶里,当然,据说能够识别 95% 的回收垃圾品种……

然后,不少人就得出了这样一个结论:我们再也不用纠结垃圾分类了。

然而看完后,我才终于恍然大悟:

原来智商税(在这里的话,难道不是我们的个人所得税吗)这笔钱,就是这么被人赚走的;

以及,AI 这个词原来已经这么不值钱了。

我的第一个疑问,是由网友「麦克段」提出来的:

「不太懂这个桶的逻辑:已经投进去了,再判断是不是分类正确。难道不应该是先判断是否正确,再决不决定要不要开门?」

假如我们把吃完了的苹果核与塑料瓶一起投进去,或者把还有残留液体的纸杯或塑料瓶扔进垃圾桶,再或者把一大包不明物体直接进去,会发生什么?

在登录这家提供智能垃圾桶的企业官网后,其没有任何信息能够佐证这个垃圾桶可以有效识别干湿垃圾。

就像这位网友所说的,即便是研发一款能够发挥 AI 实力的分类垃圾桶,正常的产品逻辑,也应该是先识别投递物是否正确才做下一步处理。

换句话说,我们其实应该在这个垃圾桶身上看到这样的景象:

第一种情况,就是在扔进去一包不符合规定的垃圾后,它发出很大的尖叫声,然后「怒火冲天」地把你投进去的垃圾给喷出来……

大致应该跟咱们去银行 ATM 机存钱,但因为纸币折角而被机器吐出来的流程较为相似。

然而,这也是由机器来「强制」我们自己进行分类,而非它来代替我们进行分类。

第二种情况,就是在面对扔入混杂的垃圾后,桶内部会有「自动识别、分离、分拣」的步骤,从而完成一个垃圾桶自我修养的提升。

嗯,用脚趾头想想都知道这样做成本和技术难度会有多高(即便这个垃圾桶生产企业的官网说明图有说可以内部分拣,但是视频也没有做出演示)。

举个例子,目前人脸识别技术在安防领域的实际落地过程中,动态人脸识别准确率尚且受到环境的极大约束。但「人」至少是一个物种,人脸也具有基本的相似性:

一张脸,两只眼睛,一个鼻子,一个嘴(为了防止被喷,只能说大部分人类具有此类特征,先天或后天残障人士为特殊情况)。

而去年大火,但今年有点销声匿迹的「猪脸识别」,当然也是把范围缩小到了「猪」——这一种哺乳动物身上。

但根据布里斯托大学机器人实验室高级研究员 Mark F. Hansen 博士今年发布的一篇论文显示,虽然他们针对 10 只猪的测试最终得到 78.4% 的识别准确率,但这仅仅是实验室的一个结果。

而事实上,动物面部识别需要数百个参考点(远多于人脸),才能获得与人脸识别同等水平的算法。

而且猪的品种较多,这意味着需要积累不同品种的猪在生长过程中的无数变化数据。

所以,他们认为用 AI 的效果真的还不如用耳标或植入芯片来识别猪,这两种方法都比较古老(而且有点残忍),跟 AI 沾不上边。

扯远了。

我们只是想用人脸与猪脸来发出一个疑问:

一个物种尚且如此,「垃圾」这个可能包含了成千上万个「物种」的世界,会给 AI 造成怎样的困扰,或者说技术挑战?

此外,对「干湿垃圾」进行有效分类,难道不应该加入「生物识别」的方法吗?

材质、温度、湿度……能够单纯用计算机视觉来分辨吗?

此外,即便是塑料瓶这种可回收垃圾。现在市面上有一些高级饮品的瓶子是用的可生物降解材料,与普通塑料材质完全不同,但外形却可以做的较为相似。

化妆品和衣服也是同理。

可口可乐曾在 2010 年推出过一款由糖基可降解材料制作的瓶身

当然,已经有记者给多个垃圾分类小程序做过评测,包括微信某款、支付宝某款以及其他 AI 明星公司某款……都无法对垃圾进行精准识别。

「以防晒霜为例,支付宝某小程序将其归为有害垃圾,微信某小程序则识别为干垃圾/其他垃圾。」这是今年 7 月一位记者给出的评测结果。

综上种种情况,AI 分类垃圾桶,倒不如就称自己为一个「智能语音提示垃圾桶」更为恰当

而即便是这样,我也忍不住吐槽极易被忽视的一点:

假如遇到如视频中这样一个垃圾桶,一开始出于好奇的我们,或许会有耐心先用垃圾在感应器前晃一晃,等一两秒把垃圾扔进去后,再花若干秒等它识别完并报出「这到底是什么垃圾」……

这略显漫长的过程,成功让「扔垃圾」这件事具备了「仪式感」。

然而,我们只是想扔个垃圾啊。

等它识别并打开垃圾桶盖的时间,就已经有点拖拉。再往后……熟知了套路的我们应该不会听它报啥垃圾就会立刻走掉。

显然,它对于普通用户这一端,用处几乎为零。说好的节省时间呢?

那么对于垃圾清理者的一端呢?

虽然我们尚不知道里面的构造,不能做出轻易评论,但仅就目前令人担忧的杂物识别准确率来看,倾倒和处理垃圾分类的工人们或许要继续辛苦下去了。

所以综上所述,难道做这个产品的根本原因,真的如多位网友不约而同得出的结论那样——为了搞钱?

无论是真的对垃圾回收以及利用效率具有显著作用,还是单纯就是为了营销和宣传(其实有宣传效果也挺不错的,让大家关注垃圾分类,关注科技发展…这是 AI 发展到目前以来最大的作用之一),相信时间和用户会做出自己的判断。

然而,就像财经媒体「三言财经」在本月初做的一番调查一样,中国第一批垃圾分类创业公司,大部分已经死掉了。

「回看那批早早在『互联网+回收』赛道上出发的公司,如今可谓是满目狼藉。」

譬如,生产以及运营智能回收设备的小黄狗科技已经进行破产重整,员工讨薪数月无果,据说正在借这一波垃圾分类潮流,重新整装待发。

图片内容来自「三言财经」

而另一家运营智能联网回收设备的朗顿科技,已经被吊销了企业营运资格。

图片内容来自「三言财经」

如今,新的一批企业将「智能」的字眼改为了「AI」,或许能走的更远一些。但从技术角度来看,围绕「分类」这个核心痛点并没有被解决。

不知道这一次,到底会是谁的智商税,缴的最多。

产业智慧城市图像识别计算机视觉人工智能
相关数据
人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

推荐文章
暂无评论
暂无评论~