人工智慧如何改變廢棄物產業

人工智慧正在改變多數人聯想到螢幕、軟體和資料中心的產業。但它最具深遠影響的部分效應，最終可能會體現在實體世界中——例如運送貨物的車輛、管理城市的系統，以及處理我們丟棄的廢棄物的基礎設施。

在 RTS，我們相信廢物收集服務尤其適合進行這項轉型。

數代以來，該產業的大部分運作都遵循著一個簡單的模式：卡車沿著預先設定的路線行駛，並依照時間表為貨櫃提供服務。貨櫃是否真的需要處理，往往次於日程表上的安排。

人工智慧為重新思考該模式提供了契機。

然而，智慧垃圾清運的未來不僅僅需要自動駕駛卡車或機器人。在機器能夠智慧地進行垃圾清運之前，它必須先了解垃圾堆積的位置、數量、垃圾桶的現況，以及何時真正需要清運服務。

該智慧層正是我們 RTS 團隊一直致力於解決的問題之一。

自動駕駛運輸技術首先在運作條件相對可預測的環境中取得進展。乘用車主要在界定的地理區域內運行，而自動駕駛貨運則正逐步應用於高速公路，車輛可在相對穩定的行駛路線上反覆行駛。

垃圾清運是一項更艱鉅的挑戰。垃圾車必須穿梭於住宅街道、商業區、裝卸區及小巷之間。它必須不斷停車，途中會遇到行人、自行車騎士、停放的車輛，以及不斷變化的現場狀況。而且與長途貨車不同，抵達目的地並不代表工作就此結束。

該車輛——或與其協同作業的人員——必須與實體容器進行互動。這使得自動駕駛更為困難，也讓智慧系統變得更加重要。

哪個地點需要服務？那裡有哪種容器？容器內裝載什麼物料？狀況是否有變化？該地點是否需要特定的設備或人工判斷？

若缺乏這樣的背景，自主性恐將僅僅是將現有的低效率加以自動化罷了。更大的契機在於重新設計工作。

這正是我們與 Pello 合作的原因。 RTS 的 Pello 團隊多年來一直思考著一個根本性的問題： 我們該如何讓貨櫃本身成為可操作智慧的來源？

Pello 能提供關於貨櫃裝載狀況、物料、污染及服務活動等狀況的可視化資訊。但其更深層的意義，並非僅止於了解貨櫃內部正在發生什麼事。而是利用這些資訊來做出更明智的營運決策。

與其僅因排程顯示每個貨櫃都到了該收運的時間，就對網路進行服務，不如利用更優質的數據來判斷實際需要服務的地點。這對當前由人工操作的車隊而言至關重要；隨著運輸與機器人技術日益自動化，這一點將變得更加重要。一個真正智慧的回收系統，最終需要的遠不止一個地址。

貨櫃尺寸很重要。裝載程度很重要。物料類型很重要。取用條件很重要。服務緊急程度很重要。系統理解的背景資訊越多，接下來的決策就越精準。在 RTS，這形塑了我們對人工智慧的思考方式：它不應僅僅是將現有路線自動化。

這應該有助於讓整個系統變得更智慧。

在廢棄物生態系統的其他領域，同樣的轉型正在發生。在回收設施內部，人工智慧與機器人技術在識別和分揀物料方面的能力正日益提升。在回收點，像 Pello 這樣的技術能夠讓人們更深入地了解，在物料送抵設施之前所發生的情況。

這些功能單獨來看就已十分強大。當我們思考這些能力最終如何相互連結時，它們便顯得更加引人入勝。我們預見一個未來的廢棄物生態系統：在這個系統中，容器能提供更詳盡的狀態資訊；回收作業能更靈活地因應實際需求；而處理設施在處理所接收的物料時，將變得越來越智慧化。

這意味著，基於純粹假設所做的決策將減少，而基於物理世界中實際發生的情況所做的決策則會增加。

目標不應是為了自動化而自動化。目標應在於運用科技，讓收費作業更安全、更智慧、反應更靈敏，同時為負責這些作業的人員提供更好的工具。這正是 RTS 團隊每天都在思考的契機。

垃圾處理或許從來都不是人們一提到人工智慧時首先聯想到的產業。但正因為垃圾處理基礎設施幾乎涵蓋了每戶家庭、每家企業和每個社區，它可能會成為人工智慧能產生最具體成效的產業之一。垃圾收集的未來，絕不僅僅是當一輛無人駕駛卡車駛上街道時才正式展開。

當那輛卡車能精確掌握哪個貨櫃需要處理——以及原因為何時，這一切便將展開。