本週，國際人工智能頂會NeurIPS 2019在加拿大溫哥華隆重開幕。在本次 NeurIPS 上，支付寶展示了多篇入選論文成果，並舉行了專家雲集的workshop交流分享。
在NeurIPS 2019展臺，支付寶展出了基於圖像識別技術的智能垃圾分類小程序和智能回收箱視頻。觀衆可通過手機拍照輕鬆識別垃圾物品和對應的垃圾類別，現場體驗來自東方的“生活小助手”。
據瞭解，現場用於體驗的小程序爲支付寶7月份推出，其背後基於圖像識別、環保知識圖譜等技術。上線2個月累計用戶已超400萬，能夠識別超過1.1萬種垃圾物品。之後，支付寶又升級了相關技術，利用AI+IoT技術開發了智能垃圾回收箱，可針對各類不同材質的飲料瓶進行自動分離、歸類，提高可回收率同時，解決可回收垃圾處理難題。
爲什麼會誕生這個小程序呢？
這要從中國垃圾分類知識普及現狀說起：在中國有73%的垃圾通過填埋方式處理，僅有15%回收利用；而同樣的數字在世界平均水平看，回收再利用的垃圾佔比則高達38%。這其實也是一種資源的浪費，而造成這一巨大差異的關鍵原因在於中國大部分地區並未推行垃圾分類政策，並且民衆對於垃圾分類的意識也並未像國外發達國家那樣普及：日常生活中我們可能面臨多達2000多種垃圾物品，90%的人都會扔錯。因此，正確分類是垃圾可回收處理的關鍵。而傳統的垃圾分類，需要完善的社會專家知識輸入，也需要社會投入巨大的推廣和普及成本。基於此，支付寶的工程師們誕生了用人工智能技術幫助人們解決垃圾分類難題的想法。
智能垃圾分類如何實現？
基於智能分類小程序，即使毫無垃圾分類經驗的老人和兒童也能在日常投遞垃圾過程中正確分類。看似簡單的操作流程，其背後是一整套完善的人工智能技術在做支撐。其中最核心的圖像分類模型來自於螞蟻金服自建的金融視覺平臺。螞蟻金融視覺平臺提供了一站式建模能力，從而支撐圖像模型開發與應用過程所需的數據工程、算法選型、模型調參、技術指標收斂、工程部署、線上效果迭代環節，真正實現從數據到模型“端到端”的全套建模能力。
此外，由於垃圾物品性狀的特殊性，基於圖像的分類準確率提升難點之一就是如何讓機器能夠快速地“學習”這些新的知識。一方面我們建立了環保知識圖譜，從而可以針對各類不同材質的物品進行自動分離、歸類，更好地適應對於某些非常見物品和變形物品分類的訴求；另一方面，通過AI數據中臺，打通模型訓練與圖像標註環節，建立了一個完善且高效的“模型冷啓動—>模型上線服務—>真實數據迴流—>模型迭代”鏈路。得益於這個模型自迭代鏈路，即使短時間內迭代幾十個版本算法模型也毫無壓力，使得識別類目數量和識別準確率能夠不斷提升。
目前，這套圖像識別技術已逐步開放給行業夥伴。利用支付寶的海量用戶覆蓋能力和城市服務的便民心智，結合AI+IoT技術，實現人工智能識別垃圾和分類，通過小程序及智能終端設備的移動互聯網解決方案，可鏈接用戶與回收人員，如實現一鍵預約、上門回收，並可以廣泛應用於舊物回收、租賃等回收處理環節。用科技推動個人與企業單位參與垃圾分類回收的積極性和處理效能。
