垃圾分类也想用人工智能?赖癌们这次没救了

垃圾分类也想用人工智能?赖癌们这次没救了

壳空间2019.7.29我想分享

将“人工智能”放入垃圾桶

最近,我听说北京开始计划城市垃圾的分类,有必要将垃圾分为可回收垃圾,厨余垃圾,危险垃圾等垃圾。吃了甜瓜,读了上海朋友整理了一个月的垃圾,北京人终于不得不亲自感受到被垃圾主宰的恐惧。

但是,如果垃圾分类的进展顺利,不仅可以提高整个城市的价值,还可以让人们更深入地理解“垃圾是错位资源”这一短语。毕竟,它确实是错位的,但这是一个惩罚。然而,记住哪种类型的垃圾属于它真的是一项工作,特别是如果这四个机构对我不是无动于衷的话。

相比之下,北京的四个分类实际上是明智的,比所谓的“干垃圾”和“湿垃圾”更清晰,并且不会产生误导。例如,瓜子壳是干燥还是湿润?似乎咀嚼物并不坏,但实际上甜瓜壳很容易被微生物分解,属于湿垃圾(厨房垃圾)。根据这个例程,榴莲壳也是湿垃圾?错了,榴莲壳不容易腐烂,它是干垃圾(其他垃圾)。

这还不错,那么问一杯珍珠奶茶属于什么样的垃圾?别猜,只看答案!

秋季!因此,以后不要喝珍珠奶茶,拯救大脑,帮助减肥。如果整个人的体重在两年内下降,则必须有信用分类。

然而,总有那些懒惰的癌症患者,如小奶牛,他们认为垃圾分类非常麻烦。现在人工智能不是很火,为什么你不能创建一个自动分类垃圾桶?就这样,这头小母牛很快就制成了一个四合一的垃圾桶,并在其中塞满了名副其实的“人工智能”。让我们来看看Ta工作的效率!

AI分类是否归类为不可靠?

在今年,人们渴望使用人工智能来做所有事情,但到目前为止,人工智能更依赖于分类领域的视觉和广泛的训练数据。并不是训练样本的数量足够大,100%无差错,而对于某些模糊样本,当前的计算机不提供折衷方案。

人工智能分类没有中间选择

举一个简单的例子,让孩子们看到狮子和老虎的几张照片,他可以很容易地区分出两者之间的差异,并且永远不会承认将来的错误。如果你给他看一张“狮子和虎兽”的照片,虽然他不知道这个动物叫什么,但他可以清楚地知道它具有狮子和老虎的特征。

目前的人工智能并不那么聪明。如果你想在狮子和老虎之间添加狮虎分类,你需要重新进行重新抽样和重新训练。它不像人,通过现有的经验来快速判断新事物。

如果您只是在两个样本之间添加一个,则垃圾分类的样本大小过于复杂。一般图像识别基于样本的特征,并且样本在一些特征中是相似的,并且细节是不同的。例如,对于特定目标的面部识别,可以根据面部特征的相对距离来判断目标是否匹配。

无论长期使用什么都会变成垃圾,所以垃圾分类不亚于对世界上所有东西进行分类,而且这些东西很难具有高度统一的特征。面对一些具有复合属性的垃圾,需要拆除,目前更难以实现。简而言之,仅依靠视觉特征进行垃圾分类是不够的。

这反映在垃圾处理的后端垃圾分类字段中。生活垃圾分类实施较晚,但垃圾分类技术确实在国际上处于领先地位。在可回收钢材,木材和纸张这三个领域中,除了视觉判断之外,压力数据还可以用作分类的基础。

由麻省理工学院人工智能实验室(CSAIL)开发的垃圾分类机器人

为了实现更智能的垃圾分类,除了人工智能的参与外,还需要在微电子,传感器,生物,机械和信息存储等各个领域进行交叉集成。

因此,懒惰的癌症患者仍然不等天空掉馅饼,在可靠的垃圾分类人工智能诞生之前,还记得各种垃圾的分类,这是知识的最大化!

此内容由Science China提供帮助

收集报告投诉

将“人工智能”放入垃圾桶

最近,我听说北京开始计划城市垃圾的分类,有必要将垃圾分为可回收垃圾,厨余垃圾,危险垃圾等垃圾。吃了甜瓜,读了上海朋友整理了一个月的垃圾,北京人终于不得不亲自感受到被垃圾主宰的恐惧。

但是,如果垃圾分类的进展顺利,不仅可以提高整个城市的价值,还可以让人们更深入地理解“垃圾是错位资源”这一短语。毕竟,它确实是错位的,但这是一个惩罚。然而,记住哪种类型的垃圾属于它真的是一项工作,特别是如果这四个机构对我不是无动于衷的话。

相比之下,北京的四个分类实际上是明智的,比所谓的“干垃圾”和“湿垃圾”更清晰,并且不会产生误导。例如,瓜子壳是干燥还是湿润?似乎咀嚼物并不坏,但实际上甜瓜壳很容易被微生物分解,属于湿垃圾(厨房垃圾)。根据这个例程,榴莲壳也是湿垃圾?错了,榴莲壳不容易腐烂,它是干垃圾(其他垃圾)。

这还不错,那么问一杯珍珠奶茶属于什么样的垃圾?别猜,只看答案!

秋季!因此,以后不要喝珍珠奶茶,拯救大脑,帮助减肥。如果整个人的体重在两年内下降,则必须有信用分类。

然而,总有那些懒惰的癌症患者,如小奶牛,他们认为垃圾分类非常麻烦。现在人工智能不是很火,为什么你不能创建一个自动分类垃圾桶?就这样,这头小母牛很快就制成了一个四合一的垃圾桶,并在其中塞满了名副其实的“人工智能”。让我们来看看Ta工作的效率!

AI分类是否归类为不可靠?

在今年,人们渴望使用人工智能来做所有事情,但到目前为止,人工智能更依赖于分类领域的视觉和广泛的训练数据。并不是训练样本的数量足够大,100%无差错,而对于某些模糊样本,当前的计算机不提供折衷方案。

人工智能分类没有中间选择

举一个简单的例子,让孩子们看到狮子和老虎的几张照片,他可以很容易地区分出两者之间的差异,并且永远不会承认将来的错误。如果你给他看一张“狮子和虎兽”的照片,虽然他不知道这个动物叫什么,但他可以清楚地知道它具有狮子和老虎的特征。

目前的人工智能并不那么聪明。如果你想在狮子和老虎之间添加狮虎分类,你需要重新进行重新抽样和重新训练。它不像人,通过现有的经验来快速判断新事物。

如果您只是在两个样本之间添加一个,则垃圾分类的样本大小过于复杂。一般图像识别基于样本的特征,并且样本在一些特征中是相似的,并且细节是不同的。例如,对于特定目标的面部识别,可以根据面部特征的相对距离来判断目标是否匹配。

无论长期使用什么都会变成垃圾,所以垃圾分类不亚于对世界上所有东西进行分类,而且这些东西很难具有高度统一的特征。面对一些具有复合属性的垃圾,需要拆除,目前更难以实现。简而言之,仅依靠视觉特征进行垃圾分类是不够的。

这反映在垃圾处理的后端垃圾分类字段中。生活垃圾分类实施较晚,但垃圾分类技术确实在国际上处于领先地位。在可回收钢材,木材和纸张这三个领域中,除了视觉判断之外,压力数据还可以用作分类的基础。

由麻省理工学院人工智能实验室(CSAIL)开发的垃圾分类机器人

为了实现更智能的垃圾分类,除了人工智能的参与外,还需要在微电子,传感器,生物,机械和信息存储等各个领域进行交叉集成。

因此,懒惰的癌症患者仍然不等天空掉馅饼,在可靠的垃圾分类人工智能诞生之前,还记得各种垃圾的分类,这是知识的最大化!

此内容由Science China提供帮助