塑料垃圾已經成為當今世界面臨的最複雜環境挑戰之一，人類則積極運用AI科技理解問題、解決問題。
塑料污染在日常生活中並不罕見，許多河流都被塑料垃圾所堵塞，海洋中的漂浮污染物也所在多有。太平洋垃圾帶成為塑料和其他垃圾的大量聚焦地，成為塑料擴散最惡名昭著的證明。即使我們不居住在水邊、無法親眼目睹這個問題，也隨時能夠看到道路上被踩碎的塑料碎片。而這個時刻存在並困擾著我們日常生活的問題，解決起來難度極高。
AI科技正被應用於諸多複雜問題，其中自然也包括塑料污染。通過對多位科學家和初創企業創始人的採訪，外媒InformationWeek整理了塑料垃圾治理工作中的艱難挑戰，同時也了解到各方如何在這場抗爭當中運用AI科技。
塑料之患
在當今世界，塑料製品可謂無處不在，從食品包裝、服裝、醫療設備再到汽車，都大量應用這種材料。加州大學聖巴巴拉分校海洋保護中心貝尼奧夫海洋科學實驗室的項目科學家Chase Brewster表示，「自1950年以來，全球塑料產量已經接近100億噸，其中半數以上產自過去20年之內。總的來看，由於這種合成材料的自身屬性突出、功能性多樣，塑料產量和使用量的增長速度相當迅猛。」
塑料無法被生物降解，回收利用機制也不夠完善。隨著塑料產量的增加和浪費情況的加劇，大部分塑料最終會重新回歸自然環境，逐漸分解成微塑料和納米塑料顆粒並污染土壤及水資源。
即使塑料產品最終被納入廢物管理設施，處理起來也同樣絕非易事。前美國國家標準與技術研究所（NIST）研究員Bradley Stuliff表示，「很多人認為塑料就是塑料，沒什麼大不了。」但實際上，塑料當中包含多種不同的複雜聚合物，因此回收和再利用絕不只是一項分類問題，更是一項化工問題。需要注意的是，並不是每種類型的塑料都可以相互混合併被加工成再生材料。
作為一種幾乎隨處可見的低成本材料，塑料的出現確實給人類社會帶來了巨大的便利性。但減少塑料消耗需要在生活方式層面做出重大轉變，其中很多具體要素往往缺少群眾基礎和現實可行性。
首先，原生塑料比再生塑料便宜，意味著企業更傾向於使用原生塑料。同樣的，消費者們也面臨著類似的經濟選擇題——要麼少花錢買新生產的塑料製品，要麼多花錢買回收再利用的製品。
這場環境危機沒有簡單且統一的解法。專注於收集塑料垃圾的CleanHub公司聯合CEO兼聯合創始人Joel Tasche在郵件採訪中表示，「塑料污染是一個經濟、技術、教育和行為層面的綜合問題。」
那麼，AI科技要如何為組織、決策者乃至普羅大眾提供資訊和解決方案，助力對抗塑料污染？
AI科技與塑料垃圾量化控制
塑料垃圾的問題早已有之，但由於其數量過於龐大，我們很難收集到理解現實挑戰、制定可行解決方案所需要的詳盡數據。
Brewster解釋稱，「如果大家閱讀關於塑料污染的研究，特別是關於海洋環境的研究，就會發現我們在實地收集數據方面往往存在很大空缺。」
貝尼奧夫海洋科學實驗室正積極建立清潔洋流聯盟，希望努力改變這一現狀。該聯盟致力於在塑料垃圾進入海洋之前，就在河流當中將其清除。該聯盟已經與九個不同國家的當地組織合作，立足他們所代表的不同河流體系推動塑料垃圾的分析和清除工作。
Brewster指出，「我們開始研究AI科技能夠以怎樣的方式幫助我們收集更多精細數據，利用這些數據推動上遊行動，包括減少塑料生產以及泄漏至自然環境中的塑料總量。」
該項目正在開發一套包含硬體及軟體組件的機器學習模型。他們在負責收集河流中塑料垃圾的大型垃圾傳送帶上方安裝網路攝像頭，用於即時對從河流中打撈出的垃圾進行計數和分類。
這套系統「……能夠自動將結果發送至雲端、匯入數據集，在儀錶板上顯示可視化指標，主動提供從河流中打撈出的垃圾類型和清除速度。我們擁有來自世界各地的龐大數據集，這些數據集是在三年之內按照相同時段收集而來，且涵蓋多種多樣的文化、社群、河流規模、河流地貌等特徵。」
這些數據可用於深入了解哪些塑料最終流入河流、海洋，並制定出有針對性的預防和清理策略。
AI科技與垃圾管理
實際上，能夠回收再利用的塑料比例極低，只有5%。其餘一部分被焚燒，大多數最終被填進。垃圾管理工廠面臨著對大量湧入的垃圾進行快速分類的挑戰，其中有些可以回收，有些無法回收。另外如前文所言，塑料本身的構成相當複雜，絕不像很多人想像中那樣能夠輕易加工並重複使用。
為此，垃圾管理設施正大量應用AI及成像設備，旨在有效解決複雜的分類工作。
在Sutliff就職於專注提升美國工業效力的政府機構NIST期間，他就曾與一支團隊合作探索AI如何降低垃圾回收成本。
垃圾管理設施可以使用近可見紅外光（NIR）實現塑料檢視與分類。Sutliff和他的團隊希望通過機器學習改進這種方法。
他解釋道，「我們的想法是，通過不斷訓練電腦，它可能會更好地把不同各類的塑料區分開來。只要正確訓練自有訓練，我們就能通過近紅外光對塑料垃圾的密度、結晶度等指標進行高質量預測和分析。」
這項工作也帶來了頗具希望的結果，Sutliff已經將代碼發布到了NIST的GitHub頁面當中。更準確的分類能力可以幫助垃圾管理設施將更多可回收材料轉化為經濟收益，而不必直接焚燒、送往垃圾填埋場或者坐視其泄漏至自然環境當中。
Sutliff介紹稱，「回收商的工作就是對塑料製品進行分類，然後將其出售給相應的企業。很明顯，採購這些材料的企業希望確切了解自己買到的究竟是什麼。因此，回收商這邊的分類工作做得越好，利潤也就越高。」
還有其他組織與垃圾回收商積極合作，希望改進分類和識別質量。例如，CleanHub就開發出一整套追蹤流程，垃圾回收商可以隨時拍照並將結果上傳至AI驅動的應用程序端。
這款應用程序會創建審計線索，機器學習算法則預測收集到的成袋垃圾的成分和重量。Tasche表示，「我們專注於收集各種可回收和不可回收塑料，將可回收物重新投入經濟循環，並通過協同處理將不可回收物轉化為替代性燃料。與傳統焚燒相比，這最大限度減少了塑料製品對環境造成的負面影響。」
Greyparoot是一家AI垃圾分析公司，最初與全球十餘家回收工廠合作，收集全球數據集以支持其平台。如今，該平台已經能夠為回收設施提供對89種不同垃圾類別的分析結論。Greyparrot將分析儀部署在垃圾管理設施的傳送帶上方，可捕捉圖像並分享由AI驅動的分析結果。這些分析儀的最新一代本身也是由可回收材料製作而成。
Greyparrot公司聯合創始人Ambarish Mitra解釋道，「如果一家工廠每天處理10到15噸垃圾……那麼累積起來大約就有2000萬件。我們實際上就是在實時觀察這2000萬個物體，而且它們會以每秒兩米到四米的速度在傳送帶上移動。我們不僅要對垃圾流中的物體進行分類，還能實時分析其經濟價值。」
垃圾管理設施對其管控之下的塑料垃圾的分類和回收能力越強，其在再生材料市場上的競爭力也就越強。
Tasche指出，「整個垃圾和回收行業都在與原材料生產市場競爭。任何能夠降低成本或者提高產出質量的手段，都是一股推動循環經濟實踐落地的力量。」
AI科技與政策引導
塑料垃圾已經成為關乎全球利潤的現實問題，政策制定者正對此給予高度關注。2022年，聯合國宣布計劃制定一項具有國際法律約束力的協議，旨在結束塑料污染。該協議的具體條款目前正在談判當中，下一場會議將在今年11月內召開。
貝尼奧夫海洋科學實驗室和加州大學伯克利分校埃里克與溫迪施密特數據科學與來表示中心的科學家們，已經開發出全球塑料AI政策工具，旨在了解各類自上而下的政策在減少塑料垃圾產出量方面的實際效果。
貝尼奧夫海洋科學家室的項目科學家Neil Nathan表示，「這是一個巨大的機會，可以量化或評估條款當中那些最高優先級政策的實際影響。」
在同意制定全球協議以消除塑料污染的175個國家當中，有60個國家承諾到2040年實現這項目標。
Nathan反問道，「到2040年消除塑料污染……這無疑是個極具雄心的目標。但真的有可能實現嗎？而通過技術分析，我們最終發現……其實是很有可能的。」
這款AI工具利用歷史塑料消費數據、全球貿易數據以及人口數據進行綜合計算。機器學習算法（例如隨機森林）揭示出塑料消費與垃圾產出的歷史模式，並預測出這些模式在未來可能經歷哪些變化。
這款工具背後的團隊一直在跟蹤整個協議談判過程中討論的政策，評估哪些政策可能對垃圾管理不當、焚燒垃圾以及垃圾填埋等處理形式產生最大影響。
Nathan列舉了一個最低回收物授權的例子，「這本質上要求新產品必須採用一定比例（最低為40%）的消費後回收材料進行製造。僅此一項，實際就能將因管理不善而泄漏到自然環境中的塑料垃圾減少50%以上。」
Nathan還補充道，「參與塑料管控協議的制定、參加聯合國會議、與各方代表合作、將草擬條款交付給他們，並看到他們能夠將數據可視化並真正理解擬議政策的影響……這真是一段令人難忘的經歷。」
AI科技與產品開發
AI科技又將如何改變上游的塑料垃圾產出？AI系統收集並分析的數據，可能會改變消費品包裝企業生產塑料產品的方式，最終影響到此類製品在消費者手中、垃圾處理設施內乃至對自然環境造成的影響。
例如，垃圾管理設施收集的數據可以讓產品製造商了解自己的產品是否被切實回收。Mitra指出，「沒有哪兩家垃圾處理廠是完全相同的。如果某種產品在工廠A處可以回收，並不代表其在工廠B也能被回收」
這種分析洞見可以向企業展示需要做出哪些改變，以確保其產品更具可回收性。
企業往往會越來越多地受到政策政策（例如歐洲生產者延伸責任，簡稱EPR政策）及其自身ESG（即環境、社會與治理）目標的推動而做出此類積極轉變。
Mitra指出，「每年都有數百萬美元被投入到包裝設計當中。因此2025年甚至2026年的包裝設計，在當下就已經被提前敲定了，而2026和2027年的設計也已經在研發階段。企業肯定有很大的空間來學習並改進自己的包裝設計，使其更具可回收性，而不是在完全不了解垃圾處理設施那邊機械分揀環境的情況下盲目試驗材料。」
除了優化塑料產品和包裝設計以使其更具可回收屬性之外，AI科技還有助於尋找可行的替代品；新材料發現就是一個頗具前途的AI應用方向。在篩選大量數據時，AI可能會找到一種比塑料更具經濟可行性、且對環境影響較小的新材料。
塑料的生命周期很長，生產之後往往會存續數十年甚至更長時間。AI科技將被應用於該生命周期之內的每個環節：從製造、消費者使用、垃圾丟棄、垃圾管理設施再到環境污染。隨著收集到的數據越來越多，AI也將成為支撐循環經濟、減少塑料垃圾泄漏的強大工具。
