塑料垃圾已经成为当今世界面临的最复杂环境挑战之一，人类则积极运用AI科技理解问题、解决问题。
塑料污染在日常生活中并不罕见，许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。太平洋垃圾带成为塑料和其他垃圾的大量聚焦地，成为塑料扩散最恶名昭著的证明。即使我们不居住在水边、无法亲眼目睹这个问题，也随时能够看到道路上被踩碎的塑料碎片。而这个时刻存在并困扰着我们日常生活的问题，解决起来难度极高。
AI科技正被应用于诸多复杂问题，其中自然也包括塑料污染。通过对多位科学家和初创企业创始人的采访，外媒InformationWeek整理了塑料垃圾治理工作中的艰难挑战，同时也了解到各方如何在这场抗争当中运用AI科技。
塑料之患
在当今世界，塑料制品可谓无处不在，从食品包装、服装、医疗设备再到汽车，都大量应用这种材料。加州大学圣巴巴拉分校海洋保护中心贝尼奥夫海洋科学实验室的项目科学家Chase
Brewster表示，“自1950年以来，全球塑料产量已经接近100亿吨，其中半数以上产自过去20年之内。总的来看，由于这种合成材料的自身属性突出、功能性多样，塑料产量和使用量的增长速度相当迅猛。”
塑料无法被生物降解，回收利用机制也不够完善。随着塑料产量的增加和浪费情况的加剧，大部分塑料最终会重新回归自然环境，逐渐分解成微塑料和纳米塑料颗粒并污染土壤及水资源。
即使塑料产品最终被纳入废物管理设施，处理起来也同样绝非易事。前美国国家标准与技术研究所（NIST）研究员Bradley
Stuliff表示，“很多人认为塑料就是塑料，没什么大不了。”但实际上，塑料当中包含多种不同的复杂聚合物，因此回收和再利用绝不只是一项分类问题，更是一项化工问题。需要注意的是，并不是每种类型的塑料都可以相互混合并被加工成再生材料。
作为一种几乎随处可见的低成本材料，塑料的出现确实给人类社会带来了巨大的便利性。但减少塑料消耗需要在生活方式层面做出重大转变，其中很多具体要素往往缺少群众基础和现实可行性。
首先，原生塑料比再生塑料便宜，意味着企业更倾向于使用原生塑料。同样的，消费者们也面临着类似的经济选择题——要么少花钱买新生产的塑料制品，要么多花钱买回收再利用的制品。
这场环境危机没有简单且统一的解法。专注于收集塑料垃圾的CleanHub公司联合CEO兼联合创始人Joel Tasche在邮件采访中表示，“塑料污染是一个经济、技术、教育和行为层面的综合问题。”
那么，AI科技要如何为组织、决策者乃至普罗大众提供信息和解决方案，助力对抗塑料污染？
AI科技与塑料垃圾量化控制
塑料垃圾的问题早已有之，但由于其数量过于庞大，我们很难收集到理解现实挑战、制定可行解决方案所需要的详尽数据。
Brewster解释称，“如果大家阅读关于塑料污染的研究，特别是关于海洋环境的研究，就会发现我们在实地收集数据方面往往存在很大空缺。”
贝尼奥夫海洋科学实验室正积极建立清洁洋流联盟，希望努力改变这一现状。该联盟致力于在塑料垃圾进入海洋之前，就在河流当中将其清除。该联盟已经与九个不同国家的当地组织合作，立足他们所代表的不同河流体系推动塑料垃圾的分析和清除工作。
Brewster指出，“我们开始研究AI科技能够以怎样的方式帮助我们收集更多精细数据，利用这些数据推动上游行动，包括减少塑料生产以及泄漏至自然环境中的塑料总量。”
该项目正在开发一套包含硬件及软件组件的机器学习模型。他们在负责收集河流中塑料垃圾的大型垃圾传送带上方安装网络摄像头，用于即时对从河流中打捞出的垃圾进行计数和分类。
这套系统“……能够自动将结果发送至云端、汇入数据集，在仪表板上显示可视化指标，主动提供从河流中打捞出的垃圾类型和清除速度。我们拥有来自世界各地的庞大数据集，这些数据集是在三年之内按照相同时段收集而来，且涵盖多种多样的文化、社群、河流规模、河流地貌等特征。”
这些数据可用于深入了解哪些塑料最终流入河流、海洋，并制定出有针对性的预防和清理策略。
AI科技与垃圾管理
实际上，能够回收再利用的塑料比例极低，只有5%。其余一部分被焚烧，大多数最终被填进。垃圾管理工厂面临着对大量涌入的垃圾进行快速分类的挑战，其中有些可以回收，有些无法回收。另外如前文所言，塑料本身的构成相当复杂，绝不像很多人想象中那样能够轻易加工并重复使用。
为此，垃圾管理设施正大量应用AI及成像设备，旨在有效解决复杂的分类工作。
在Sutliff就职于专注提升美国工业效力的政府机构NIST期间，他就曾与一支团队合作探索AI如何降低垃圾回收成本。
垃圾管理设施可以使用近可见红外光（NIR）实现塑料检视与分类。Sutliff和他的团队希望通过机器学习改进这种方法。
他解释道，“我们的想法是，通过不断训练计算机，它可能会更好地把不同各类的塑料区分开来。只要正确训练自有训练，我们就能通过近红外光对塑料垃圾的密度、结晶度等指标进行高质量预测和分析。”
这项工作也带来了颇具希望的结果，Sutliff已经将代码发布到了NIST的GitHub页面当中。更准确的分类能力可以帮助垃圾管理设施将更多可回收材料转化为经济收益，而不必直接焚烧、送往垃圾填埋场或者坐视其泄漏至自然环境当中。
Sutliff介绍称，“回收商的工作就是对塑料制品进行分类，然后将其出售给相应的企业。很明显，采购这些材料的企业希望确切了解自己买到的究竟是什么。因此，回收商这边的分类工作做得越好，利润也就越高。”
还有其他组织与垃圾回收商积极合作，希望改进分类和识别质量。例如，CleanHub就开发出一整套追踪流程，垃圾回收商可以随时拍照并将结果上传至AI驱动的应用程序端。
这款应用程序会创建审计线索，机器学习算法则预测收集到的成袋垃圾的成分和重量。Tasche表示，“我们专注于收集各种可回收和不可回收塑料，将可回收物重新投入经济循环，并通过协同处理将不可回收物转化为替代性燃料。与传统焚烧相比，这最大限度减少了塑料制品对环境造成的负面影响。”
Greyparoot是一家AI垃圾分析公司，最初与全球十余家回收工厂合作，收集全球数据集以支持其平台。如今，该平台已经能够为回收设施提供对89种不同垃圾类别的分析结论。Greyparrot将分析仪部署在垃圾管理设施的传送带上方，可捕捉图像并分享由AI驱动的分析结果。这些分析仪的最新一代本身也是由可回收材料制作而成。
Greyparrot公司联合创始人Ambarish
Mitra解释道，“如果一家工厂每天处理10到15吨垃圾……那么累积起来大约就有2000万件。我们实际上就是在实时观察这2000万个物体，而且它们会以每秒两米到四米的速度在传送带上移动。我们不仅要对垃圾流中的物体进行分类，还能实时分析其经济价值。”
垃圾管理设施对其管控之下的塑料垃圾的分类和回收能力越强，其在再生材料市场上的竞争力也就越强。
Tasche指出，“整个垃圾和回收行业都在与原材料生产市场竞争。任何能够降低成本或者提高产出质量的手段，都是一股推动循环经济实践落地的力量。”
AI科技与政策引导
塑料垃圾已经成为关乎全球利润的现实问题，政策制定者正对此给予高度关注。2022年，联合国宣布计划制定一项具有国际法律约束力的协议，旨在结束塑料污染。该协议的具体条款目前正在谈判当中，下一场会议将在今年11月内召开。
贝尼奥夫海洋科学实验室和加州大学伯克利分校埃里克与温迪施密特数据科学与来表示中心的科学家们，已经开发出全球塑料AI政策工具，旨在了解各类自上而下的政策在减少塑料垃圾产出量方面的实际效果。
贝尼奥夫海洋科学家室的项目科学家Neil Nathan表示，“这是一个巨大的机会，可以量化或评估条款当中那些最高优先级政策的实际影响。”
在同意制定全球协议以消除塑料污染的175个国家当中，有60个国家承诺到2040年实现这项目标。
Nathan反问道，“到2040年消除塑料污染……这无疑是个极具雄心的目标。但真的有可能实现吗？而通过技术分析，我们最终发现……其实是很有可能的。”
这款AI工具利用历史塑料消费数据、全球贸易数据以及人口数据进行综合计算。机器学习算法（例如随机森林）揭示出塑料消费与垃圾产出的历史模式，并预测出这些模式在未来可能经历哪些变化。
这款工具背后的团队一直在跟踪整个协议谈判过程中讨论的政策，评估哪些政策可能对垃圾管理不当、焚烧垃圾以及垃圾填埋等处理形式产生最大影响。
Nathan列举了一个最低回收物授权的例子，“这本质上要求新产品必须采用一定比例（最低为40%）的消费后回收材料进行制造。仅此一项，实际就能将因管理不善而泄漏到自然环境中的塑料垃圾减少50%以上。”
Nathan还补充道，“参与塑料管控协议的制定、参加联合国会议、与各方代表合作、将草拟条款交付给他们，并看到他们能够将数据可视化并真正理解拟议政策的影响……这真是一段令人难忘的经历。”
AI科技与产品开发
AI科技又将如何改变上游的塑料垃圾产出？AI系统收集并分析的数据，可能会改变消费品包装企业生产塑料产品的方式，最终影响到此类制品在消费者手中、垃圾处理设施内乃至对自然环境造成的影响。
例如，垃圾管理设施收集的数据可以让产品制造商了解自己的产品是否被切实回收。Mitra指出，“没有哪两家垃圾处理厂是完全相同的。如果某种产品在工厂A处可以回收，并不代表其在工厂B也能被回收。”
这种分析洞见可以向企业展示需要做出哪些改变，以确保其产品更具可回收性。
企业往往会越来越多地受到政策政策（例如欧洲生产者延伸责任，简称EPR政策）及其自身ESG（即环境、社会与治理）目标的推动而做出此类积极转变。
Mitra指出，“每年都有数百万美元被投入到包装设计当中。因此2025年甚至2026年的包装设计，在当下就已经被提前敲定了，而2026和2027年的设计也已经在研发阶段。企业肯定有很大的空间来学习并改进自己的包装设计，使其更具可回收性，而不是在完全不了解垃圾处理设施那边机械分拣环境的情况下盲目试验材料。”
除了优化塑料产品和包装设计以使其更具可回收属性之外，AI科技还有助于寻找可行的替代品；新材料发现就是一个颇具前途的AI应用方向。在筛选大量数据时，AI可能会找到一种比塑料更具经济可行性、且对环境影响较小的新材料。
塑料的生命周期很长，生产之后往往会存续数十年甚至更长时间。AI科技将被应用于该生命周期之内的每个环节：从制造、消费者使用、垃圾丢弃、垃圾管理设施再到环境污染。随着收集到的数据越来越多，AI也将成为支撑循环经济、减少塑料垃圾泄漏的强大工具。