Утилизация и переработка отходов – это эффективный путь сохранить ресурсы планеты, но порой возникают сложности: люди не знают, какое вторсырье можно сдать, а на предприятиях по сортировке трудно отделить одни фракции от других. Помощником в этом деле уже становится искусственный интеллект. Расскажем, как и где его применяют.
В России начал работу проект с использованием искусственного интеллекта «ЭкоВика». На сайте ecowiki.ru/ecovica вы можете попросить нейросеть дать вам различную «зеленую» информацию на темы: биоразнообразие, городская экология, защита экологических прав, зоощита, изменение климата, отходы, устойчивое развитие, эковолонтерство, экологическое законодательство, экопросвещение, энергоэффективность и прочее. Если вас не устроит ответ, попросите помощи у живого эксперта. Ответ придет вам на почту, а также его разместят в разделе «Популярные вопросы» на главной странице ecowiki.ru. Там вы найдете карту, информацию о сообществах, конкурсах и проектах, онлайн-обучении, акциях и марафонах в области экологии и осознанного образа жизни.
Приложение Thrashback объединяет несколько сервисов: позволяет отслеживать показатели качества воздуха, наличие в воздухе крупных частиц и уровень шума с определенной степенью точности; содержит карту пунктов РСО (раздельный сбор отходов) и контейнеров для вторсырья. Воспользуйтесь удобной опцией – распознавание вида вторсырья. Наведите камеру на упаковку, а нейросеть проведет анализ изображения и определит вид отходов. Информацию приложение получает или с кода переработки (цифры и буквы в треугольнике из стрелок), или просто по фото. Оно неплохо распознает полиэтиленовые бутылки, тетрапак, стеклянную тару. Искусственный интеллект любит учиться, а вы ему поможете, если загрузите фото какой-либо упаковки и укажете вид и маркировку. Обращайте внимание на треугольник со знаками, который по закону должен быть нанесен производителем на любую тару. В приложении есть подробный справочник кодов переработки. Активных пользователей поощряют заданиями, например, собрать мусор в парке или пополнить список пунктов РСО, и начисляют баллы – экойны.
Напомним, что если захотите проверить продукты, косметику или бытовую химию на предмет экологичности и безопасности, приложение EcoLabel Guide содержит более пятидесяти знаков сертификации Евросоюза, стран Азии и Америки. Сканер распознает маркировку и выдает информацию о ней. Если в базе значок не обнаружен, то товар не гарантирует безопасность, а производитель выдает его за экологичный. Этот маркетинговый ход называется «greenwashing» (гринвошинг).
Решить проблему сортировки мусора на местах помогут «умные» контейнеры с искусственным интеллектом. Контейнер для бытового мусора TrashBot от компании AMP Robotics, США — это роботизированный мусорный бак, который распознает и разделяет отходы с точностью более 90%. Такие баки мотивируют потребителей вести экологичный образ жизни и улучшают качество отходов, поступающих на переработку.
Искусственный интеллект для городской инфраструктуры работает в Канаде: компания SmartBin производит одновременно оборудование и программное обеспечение. В мусорных баках SmartBin установлены датчики контроля за наполняемостью. Они направляют информацию в базу данных и посылают сигнал для вызова бригады. Таким образом, оптимизируются маршруты мусоровозов, экономятся средства, топливо и время.
В России при грантовой поддержке фонда «Сколково» и Фонда содействия развитию малых форм предприятий в научно-технической сфере работает проект ЭкоПойнт (EcoPoint) – «умные» пункты приема вторсырья с применением искусственного интеллекта. Технологии машинного зрения определят тип, количество и качество вторсырья с точностью более 97%. Аппараты в различных объемах классифицируют и принимают ПЭТ-бутылки, алюминиевые банки и все виды макулатуры. Управление происходит удаленно. Можно установить цену, выбирать виды принимаемого вторсырья, контролировать уровень заполненности аппарата и планировать его обслуживание. Нейросеть можно обучить на прием практически любого вторсырья.
По всему миру на ручной сортировке отходов занято свыше 60 тысяч человек. Специально обученные роботы справятся быстрее и качественнее с этой работой. Финская компания Zen Robotics создала роботизированную технологию и объединила три этапа сортировки: металл/неметалл, тяжелое/нетяжелое, ручной этап. Искусственный интеллект «адаптируется» под новые вводные, чтобы выдавать лучший результат. Роботы «ZenRobotics Recycler» сортируют твердые отходы, пластик, металл, дерево и картон. Искусственный интеллект обучают замечать нестандартные минеральные отходы, упаковку и новые виды мусора: роботу демонстрируют настоящие образцы мусора, которые он запоминает.
Переработка электронного мусора и сортировка металлов отличаются особой сложностью. Компания Sortera Technologies, США, работает со сложной сортировкой алюминия и смешанных металлов с истекшим сроком эксплуатации с помощью искусственного интеллекта, который анализирует и сортирует промышленный металлолом. Технология разделения смешанных металлов на отдельные сплавы позволяет использовать переработанные металлы, снижает расходы на производство металлов, сокращает вредное воздействие на окружающую среду и выбросы парниковых газов, которые связаны с производством первичных металлов.
Как работает искусственный интеллект? Он включает в себя машинное обучение, а машинное обучение включает в себя нейронные сети. Машинное обучение – это набор алгоритмов для создания машины, которая учится на собственном опыте. Она обрабатывает огромные массивы входных данных и находит в них закономерности. Нейронные сети – технологии глубокого обучения, при которых система создает шаблоны из других шаблонов и выполняет задачу, анализируя примеры. Нейронная сеть моделирует работу нейронов головного мозга человека. Интересна и перспективна в данном аспекте работа компании AMP Robotics.
Еще одна цель: оптимизация всего производства: компания EverestLabs, США, применяет искусственный интеллект для анализа данных, прогнозирования, проведения экономической оценки, ведения отчетности, диагностики возможных неисправностей оборудования. Компьютерное зрение и алгоритмы машинного обучения позволяют получить точные данные по сортировке, сократить объем отходов, попадающих на свалку, и предоставлять данные производителям упаковки для соблюдения экологичных норм и требований.
Искусственный интеллект помогает нам, но не решает проблему с отходами вместо нас. Переработка лучше, чем ее отсутствие, хотя этот процесс тоже наносит вред окружающей среде, тратит ресурсы, которые могли бы остаться нетронутыми. Поэтому важно сокращать потребление и выбирать многоразовые вещи тогда, когда это возможно. Британский стартап Greyparrot ежегодно отслеживает 32 млрд объектов, превратившихся в отходы, а также ведет цифровую карту отходов, которая мотивирует перерабатывающие предприятия и крупных производителей к созданию многоразовых качественных продуктов.
Ирина Третьякова