جهان سالانه بیش از ۲ میلیارد تن زباله تولید می‌کند. طبق برآوردهای بانک جهانی، این حجم تا سال ۲۰۵۰ میلادی با توسعه شهرنشینی حدود دو برابر می‌شود. 37 درصد از آنها در محل‌های مخصوص دفن زباله زیر خاک قرار داده می‌شوند و محیط زیست را آلوده می‌کنند، ارزش املاک را کاهش می‌دهند و سلامتی انسان‌ها را به خطر می‌اندازند و گازهای گلخانه‌ای تولید می‌کنند. تنها حدود ۱۹ درصد از زباله‌ها در سطح جهان بازیافت می‌شوند.
بازیافت در آمریکا: وعده‌ای که محقق نشد
آمریکا سالانه به ازای هر شخص حدود 817 هزار کیلو زباله تولید می‌کند که بیشتر از هر کشور دیگری است، اما بازیافت در ایالات متحده هرگز به اندازه‌ای که عموم مردم باور دارند، مؤثر نبوده است، زیرا کمتر از ۲۴ درصد از زباله‌ها بازیافت می‌شوند.
هدف ملی بازیافت آمریکا مبنی بر ۵۰ درصد تا سال ۲۰۳۰ میلادی با روش‌های استاندارد کنونی بازیافت، اگر غیرممکن نباشد، دشوار خواهد بود. در ایالات متحده، کل زباله‌ها درون یک سطل می‌رود و فرآیند تفکیک به کارخانه‌های تفکیک زباله واگذار می‌شود، در حالی که در اروپا، سطل‌هایی جداگانه برای اقلام مختلف در نظر گرفته شده است که منجر به نرخ بازیافت بالاتر می‌شود.
به‌طور معمول از ماشین‌آلات برای جداسازی مواد قابل بازیافت از زباله استفاده می‌شود، اما انسان‌ها تا حد زیادی تفکیک اقلام قابل بازیافت را انجام می‌دهند که فرآیندی زمان‌بر است و اغلب منجر به خطا می‌شود.
دلیل دیگر نرخ پایین بازیافت در آمریکا این است که مردم اغلب درباره اینکه کدام اقلام قابل بازیافت هستند و کدام‌ها نیستند، دچار سردرگمی می‌شوند.
حال با افزایش محبوبیت استفاده از هوش مصنوعی در مدیریت پسماند، رسیدن به هدف ملی آمریکا در زمینه بازیافت ضایعات ممکن است به تحقق‌پذیری نزدیک شود. تأسیسات مدرن دفع زباله، هوش مصنوعی را با استفاده از ربات‌های مجهز به سیستم‌های بینایی هوش مصنوعی، دوربین‌های با وضوح بالا، تصویربرداری فراطیفی، حسگرهای نزدیک به مادون قرمز و تجزیه و تحلیل پیش‌بینی‌کننده، در سیستم‌های خود گنجانده‌اند. با این ابزارها، هوش مصنوعی در حال متحول کردن صنعت مدیریت پسماند است.
تفکیک زباله‌ها
ربات‌های مجهز به دوربین‌ها و حسگرهای پرسرعت و قابلیت‌های یادگیری ماشینی می‌توانند بسیار سریع‌تر و ارزان‌تر از انسان جداسازی کنند. انسان به‌طور معمول هر ساعت ۵۰ تا ۸۰ مورد را دسته‌بندی می‌کنند، در حالی که یک ربات هوش مصنوعی با حسگرهای نوری می‌تواند تا هزار مورد را در ساعت با دقت بیشتری دسته‌بندی کند.
افزون بر این، ربات‌ها مرخصی استعلاجی یا مرخصی نمی‌گیرند؛ آنها می‌توانند ۲۴ ساعته و ۷ روز هفته با کمترین دخالت انسان کار کنند و ساعات کاری را 50 درصد افزایش دهند.
زوران کاستیچ، استاد تمرین حرفه‌ای در دانشکده مهندسی برق دانشگاه کلمبیا، و بیژان یان، استاد پژوهش در رصدخانه زمین لامونت-دوهرتی، که بخشی از دانشکده آب و هوای دانشگاه کلمبیا در نیویورک است، 2 میلیون و 700 هزار دلار کمک هزینه از برنامه کمک هزینه دریایی اداره ملی اقیانوسی و جوی برای پروژه‌ای با استفاده از هوش مصنوعی به‌منظور پاکسازی زباله‌های پلاستیکی دریافت کرده‌اند.
این پروژه شامل یک پانتون ۹ فوت در ۴ فوت است که قرار است روی رودخانه هادسون قرار گیرد. در جلو پانتون، یک دوربین مجهز به هوش مصنوعی از آنچه در حال پایین آمدن از رودخانه است، عکس می‌گیرد، اشیاء را تشخیص می‌دهد و سپس «دست‌های» بزرگی به طور خودکار برای دریافت زباله باز می‌شوند یا با بسته شدن، اقلام بزرگ را منحرف می‌کنند.
اقلام بزرگی که رد می‌شوند، مانند شاخه‌های درخت، در رودخانه باقی می‌مانند. یک دوربین فراطیفی رو به پایین، بازتاب طیفی آنچه را که مجاز است، تجزیه و تحلیل می‌کند و مشخص می‌کند که اقلام از چه چیزی ساخته شده‌اند تا بتوانند به سمت تورهای مناسب هدایت شوند.
الگوی هوش مصنوعی بر اساس تصاویر مواردی که روی رودخانه شناور هستند، آموزش دیده است.
کوستیچ در این باره می‌گوید: اما ما باید موارد غیرمعمول را که الگوهای هوش مصنوعی معمول از آنها آگاه نیستند، در نظر گیریم و باید تصاویر آن موارد غیرمعمول را در الگو بگنجانیم تا این الگو بتواند آنها را تشخیص دهد. ما دوست داریم بتوانیم هر چیزی را که ممکن است روی آب شناور باشد، تشخیص دهیم و با آن کاری هوشمندانه انجام دهیم.
کوستیچ با اعتقاد به اینکه اهدافی پرشمار در پشت این پروژه وجود دارد، تصریح می‌کند: بخشی از آن این است که ما سعی می‌کنیم زباله‌ها را جمع‌آوری کنیم و آنها را در جایی که باید باشد قرار دهیم، اما بخش دیگری از این مطالعه این است که متوجه شویم که چه موردی روی رودخانه هادسون شناور است.
وی ادامه می‌دهد: شما ممکن است بعضی از آلاینده‌ها را که دائم میکروپلاستیک‌ها را منتشر می‌کنند، شناسایی کنید و سپس سعی کنید آن را ردیابی کنید. چه کسی آن را تولید می‌کند؟ حالا باید گفت این گیاه وجود دارد، بنابراین انجام کاری درباره آن الزام پیدا می‌کند، اگر این پروژه موفقیت‌آمیز باشد، دانشمندان پیش‌بینی می‌کنند که می‌توان از آن در رودخانه‌ها و اقیانوس‌ها استفاده کرد.
شناسایی مواد
سیستم‌های هوش مصنوعی می‌توانند با انواع زباله، از جمله زباله‌های خانگی، زباله‌های زیست‌محیطی و پزشکی، زباله‌های الکترونیکی و باتری‌ها، و ضایعات و زباله‌های معدنی که به‌طور سنتی به‌صورت دستی تفکیک شده‌اند، مقابله کنند.
استارتاپ بازیافت انگلیسی «گِری پروت» (Greyparrot) از سیستمی استفاده می‌کند که می‌تواند اقلام را در ۱۱۱ دسته تفکیک کند. ربات‌ها با دوربین‌ها، حسگرها و طیف‌سنجی خود می‌توانند انواع مواد از جمله کاغذ، فلزات، شیشه و پلاستیک را با سرعتی بالا شناسایی کنند.
الگوریتم‌های هوش مصنوعی مواد را نه تنها از طریق بصری، بلکه با تجزیه و تحلیل ترکیب شیمیایی آنها شناسایی می‌کنند. آنها حتی می‌توانند نشان تجاری روی یک کالا را شناسایی کنند، پیشرفتی که به طور بالقوه می‌تواند شرکت‌ها را در قبال شیوه‌های ناپایدار پاسخگو کند. افزون بر این، یادگیری ماشینی این سیستم‌های هوش مصنوعی را قادر می‌سازد تا برای سازگاری با مواد جدید تنظیم دقیق شوند.
ربات‌های دارای بینایی کامپیوتری همچنین می‌توانند موادی را که بازیافت آنها دشوار است، مرتب کنند.
الکترونیک و پلاستیک. آنها می‌توانند فلزات ارزشمند موجود در زباله‌های الکترونیکی را بر اساس شکل، رنگ و جنس آنها تشخیص دهند. انجام این کار برای انسان‌ها دشوار است زیرا زباله‌های الکترونیکی به‌طور معمول ترکیبی پیچیده از عناصر هستند.
رکت رباتیک مولگ دارای بازوهای رباتیک مجهز به هوش مصنوعی است که قطعات الکترونیکی را نیز از هم جدا می‌کنند تا دسته‌بندی قطعات قابل بازیافت آسان‌تر شود.
چالش پیچیده بازیافت پلاستیک
بازیافت پلاستیک چالش برانگیز است زیرا بسیاری از انواع پلاستیک را نمی‌توان با هم ترکیب کرد، آنها برای قابلیت استفاده دوباره به انواعی گوناگون از پردازش نیاز دارند. مؤسسه ملی استاندارد و فناوری از طیف‌سنجی مادون قرمز با ربات‌های هوش مصنوعی برای شناسایی اثر انگشت پلاستیک‌های خاص و جداسازی آنها بر اساس آن استفاده می‌کند.
آلودگی در بازیافت رایج است. به این معنا که اقلام غیرقابل بازیافت، کیسه‌های پلاستیکی یا اقلام قابل بازیافتی که هنوز بقایای غذا روی آنها وجود دارد، زباله‌های خطرناک، پلاستیک‌های خاص یا اقلام ریز کوچکتر از 3 اینچ با مواد قابل بازیافت ارزشمند مخلوط می‌شوند.
آنها می‌توانند یک دسته کامل از مواد بازیافتی را برای خریداران مواد بازیافتی غیرقابل استفاده کنند و در نتیجه آنها را به محل دفن زباله بفرستند. به‌دلیل دقت آنها، نشان داده شده است که سیستم‌های هوش مصنوعی حدود40 درصد آلودگی را در تأسیسات بازیافت کاهش می‌دهند.
تحلیل داده‌ها
سیستم‌های هوش مصنوعی برای تفکیک صحیح باید با داده‌های دقیق و سازگار آموزش ببینند. آنها یاد می‌گیرند که مواد خاص را با نشان دادن اقلام زباله مختلف (یک بطری پِت (PET)، یک کیسه پلاستیکی، یک قوطی نوشابه و غیره) که از طرف انسان‌ها یا دیگر رایانه‌ها تشخیص داده شده‌اند، شناسایی کنند، همچنین باید به آ‌ها نشان داده شود که چه مواردی قابل بازیافت نیستند یا چه مواردی قابل بازیافت هستند که آلوده شده‌اند. هرچه داده‌های بیشتری به آنها آموزش داده شود، تفکیک از سوی آنها دقیق‌تر انجام می‌شود.
تجزیه و تحلیل داده‌ها درباره دمای مورد استفاده در مراحل مختلف بازیافت، مقدار فشار مورد استفاده در فرآیندهای مکانیکی و ترکیب مواد فرآوری شده نیز می‌تواند وضع عملیاتی بهینه برای سیستم زباله را تعیین کند و کارآیی را افزایش دهد.
افزون بر این، داده‌هایی که سیستم‌های هوش مصنوعی هنگام پردازش زباله جمع‌آوری می‌کنند، آنها را قادر می‌سازد تا روند ترکیب زباله را پیش‌بینی کنند، افزایش تقاضا برای مواد خاص را پیش‌بینی کنند، مشکلات تجهیزات را پیش‌بینی کنند، شرایط ناامن را مشخص کنند و به شرکت‌ها در تصمیم‌گیری درباره سیاست‌های پایداری کمک کنند.
برای نمونه، تجزیه و تحلیل الگوهای زباله می‌تواند به شرکت‌ها قدرت این دید را بدهد تا ببینند تولید زباله در کجا زیاد است و آنها را به سمت ساخت تأسیسات بازیافت در آنجا یا راه‌اندازی یک پویش آگاهی‌بخشی عمومی سوق دهد.
سطل‌های بازیافت هوشمند شامل حسگرها و هوش مصنوعی هستند تا بتوانند اقلام را به درستی تفمیم کنند. داده‌های فوری جمع‌آوری‌شده به آنها این امکان را می‌دهد که هنگام پر شدن سطل‌ها، به شرکت‌های خود اطلاع دهند، که به کاهش جمع‌آوری‌های غیرضروری، صرفه‌جویی در نیروی کار و انتشار کربن کمک می‌کند.
جمع‌آوری زباله به‌طور معمول بر اساس برنامه‌ها و مسیرهای تعیین‌شده انجام می‌شود، چه سطل‌ها پر باشند چه نباشند، اما داده‌های سطل‌های هوشمند این امکان را فراهم می‌کند که مسیرهای جمع‌آوری زباله بر اساس نیاز، آب‌وهوا و ترافیک بهینه شوند و از آنجا که آنها می‌دانند مردم چه مواردی را در لحظه دور می‌ریزند، سطل‌های هوشمند می‌توانند پیام‌هایی را نمایش دهند و به مردم نحوه بازیافت صحیح را آموزش دهند.
مزایای هوش مصنوعی و بازیافت
بنابر گفته کارشناسان، انتظار می‌رود سیستم‌های بازیافت مجهز به هوش مصنوعی تا سال ۲۰۳۰ میلادی در تأسیسات بازیافت جدید به استاندارد تبدیل شوند. این سیستم‌ها افزایش ۶۰ درصدی بهره‌وری را نشان داده‌اند که این خود به معنای کاهش مصرف سوخت و آلودگی هم خواهد بود.
افزون بر این، آنها شرایط ایمنی را در تأسیسات بازیافت بهبود می‌بخشند زیرا می‌توانند مواد خطرناک را مدیریت و مشکلات تجهیزات را پیش‌بینی کنند. تأسیسات زباله‌ای که هوش مصنوعی را در خود جای داده‌اند، کاهش ۳۵ درصدی آسیب‌های کارگران را گزارش می‌کنند.
بازیافت کاری آلوده و گاهی خطرناک است که استخدام کارگران جدید و نگه‌داشتن آنها را دشوار می‌کند. هوش مصنوعی می‌تواند به حل برخی از مشکلات نیروی کار که شرکت‌های بازیافت با آن روبه‌رو هستند، کمک کند.
صنایع شهرستان «آلامدا» در نزدیکی سانفرانسیسکو، با وجود اینکه سالانه به هر کارگر حدود ۸۵ هزار دلار حقوق می‌دادند، در حفظ کارکنان خود با مشکل روبه‌رو شدند.
آنها پس از ادغام هوش مصنوعی در سیستم خود، هزینه‌های نیروی کار را ۵۹ درصد کاهش دادند و به این نتیجه رسیدند که ربات‌ها می‌توانند بیش از ۹۹ درصد از زمان ساعات کاری را کار کنند.
در حالی که برخی نگرانند که ربات‌های هوش مصنوعی جایگزین بسیاری از کارگران انسانی شوند، ادغام هوش مصنوعی در سیستم‌های بازیافت اکنون منجر به افزایش ۱۵ درصدی فرصت‌های شغلی شده است و انتظار می‌رود تا سال ۲۰۲۸ میلادی بیش از 10 هزار شغل جدید در سطح جهان ایجاد کند.
حدود ۳۰ از درصد مواد بالقوه قابل بازیافت و ارزشمند، به‌دلیل ناکارآمدی و آلودگی در مراکز تفکیک از بین می‌روند و سرانجام به محل‌های دفن زباله می‌ریزند. افزون بر این، بازیافت‌کنندگان برای جمع‌آوری مواد دور ریزشان، باید به محل‌های دفن زباله هزینه انعام بپردازند بنابراین افزایش حجم مواد قابل بازیافت، هزینه‌های دفن زباله را کاهش می‌دهد.
جمع‌آوری و تجزیه و تحلیل داده‌ها منجر به برنامه‌ریزی مسیر کارآمدتر و همچنین برنامه‌ریزی راهبردی و عملیاتی مطلوب‌تر می‌شود.
از آنجا که دقت سیستم‌های هوش مصنوعی به معنای آلودگی کمتر است، مواد بازیافتی قابل اعتمادتر و ارزشمندتر می‌شوند و به‌طور بالقوه بازاری مناسب برای مواد بازیافتی ایجاد می‌کنند.
این موضوع احتمال خرید آنها ازسوی شرکت‌ها برای ساخت اقلام جدید و کاهش استفاده از مواد بکر را افزایش می‌دهد و ما را به اقتصاد چرخشی نزدیک‌تر می‌کند.
«گلاسیر» (Glacier)، یکی از استارت‌آپ‌های سانفرانسیسکو که از ربات‌های مجهز به هوش مصنوعی استفاده می‌کند، می‌گوید: هدف نهایی ما ساخت یک سیستم بازیافت چنان قدرتمند است که سر از محل دفن زباله یا اقیانوس درآوردن یک کالای ارزشمند غیرممکن باشد.
چالش‌های هوش مصنوعی و بازیافت
هزینه اولیه پیاده‌سازی هوش مصنوعی بالا است. در وهله نخست، هزینه نصب فناوری پیشرفته و ارتقای زیرساخت‌ها یا ادغام هوش مصنوعی در زیرساخت‌های موجود وجود دارد.
اجاره یک ربات معادل حقوق سالانه یک یا دو کارگر هزینه دارد و از آنجا که سیستم‌های هوش مصنوعی به دلیل پیچیدگی به عملکرد کارآمد و دقیق نیاز دارند، باید مداوم با داده‌های باکیفیت روزآمد و با پشتیبانی فنی نگهداری شوند. افزو بر این، کارکنان باید برای کار با سیستم نو آموزش ببینند.
از آنجا که سیستم‌های هوش مصنوعی داده‌ها را از زباله‌ها جمع‌آوری می‌کنند، برخی کارشناسان نگران حریم خصوصی هستند، اطلاعات موجود در سطل زباله می‌تواند منجر به سرقت هویت یا دیگر مشکلات شود.
برای نمونه، طی مقاله‌ای در این باره آمده است که یک تست بارداری دور انداخته شده می‌تواند برای یک زن در ایالتی که سقط جنین غیرقانونی است، خطرناک باشد.
هوش مصنوعی به مراکز داده‌ای وابسته است که برای پردازش و ذخیره داده‌ها و خنک نگه داشتن، انرژی زیادی مصرف می‌کنند. بسیاری از مراکز داده هنوز با برق تولید شده از سوخت‌های فسیلی فعالیت دارند و مراکز داده هم از مقادیر زیادی آب برای خنک‌سازی استفاده می‌کنند.
و در حالی که هوش مصنوعی می‌تواند به بهبود بازیافت زباله‌های الکترونیکی کمک کند، سرانجام زباله‌های الکترونیکی بیشتری تولید می‌کند. رایانه‌ها، پردازنده‌ها و تراشه‌های پیشرفتهای که هوش مصنوعی به آنها وابسته است باید دائم روزآمد شوند، به این معنا که تجهیزات قدیمی‌تر دور انداخته می‌شوند و اغلب بازیافت نمی‌شوند. مطالعه‌ای در این زمینه پیش‌بینی کرده است انفجار در استفاده از هوش مصنوعی، زباله‌های الکترونیکی جهانی را تا سال 2030 میلادی 3 تا 12 درصد (سالانه 2 میلیون و 500 هزار تن) افزایش می‌دهد.
اوضاع کنونی
انتظار می‌رود استفاده از هوش مصنوعی در مدیریت زباله تا سال 2030 میلادی با نرخ ترکیبی سالانه 22 درصد رشد کند.
«بولگراف»، بزرگترین سازنده تأسیسات بازیافت در جهان، به همراه «گِری‌پاروت»، قصد دارد هزاران تأسیسات زباله را با هوش مصنوعی بازسازی کند. در آمریکای شمالی، 340 مورد از آنها پیش‌تر ساخته یا بازسازی شده‌اند.
پیشرفتهای فناورانه در حوزه تفکیک زباله به‌طور مداوم در حال افزایش کارایی هستند. آنتفارم ایکس یک (Antfarm X1) در آمستردام هلند می‌تواند 700 مورد را در دقیقه تفکیک کند.
دستگاه کاملاً خودکار امپ وان (AMP ONE) مستقر در کلیولند آمریکا، بیش از ۵۰ دسته مواد را شناسایی می‌کند؛ مرتب‌سازی با جت هوا، امکان پردازش هزاران مورد در دقیقه را فراهم می‌کند.
هوش مصنوعی نوآوری خوشایندی را برای صنعت تفکیک زباله ارائه می‌دهد و ممکن است ما را به اقتصاد دایره‌ای نزدیک‌تر کند، اما مشکل بزرگتر این است که ما همچنان زباله زیادی تولید می‌کنیم، به‌ویژه پلاستیک، که تجزیه آن صدها تا هزاران سال طول می‌کشد.
کوستیچ معتقد است در حالی که سیستم‌های بازیافت مبتنی بر هوش مصنوعی به مدیریت مشکل زباله کمک می‌کنند، اصل موضوع حذف پلاستیک از منبع است.
وی می‌گوید: من فکر می‌کنم این یک مشکل سیاست‌گذاری برای دولت‌هاست، آنها باید استفاده ۹۵ درصد از انواع مختلف پلاستیک را ممنوع کنند و اجازه ندهند هرگز ساخته شوند و هر ماده دیگری باید از پلاستیک تجزیه‌پذیر تولید شود.