In deze eerste blog van een serie van vier over kunstmatige intelligentie (AI) en machine learning (ML), heb ik
kijk naar wat het is en waarom het de potentie heeft om de recycling- en afvalsector te transformeren.
Andere blogs in deze serie zijn onder andere:
• Gebruik van AI en ML in MRF's en om uw materiaalsamenstelling te begrijpen
• Hoe AMCS AI- en ML-oplossingen ontwikkelt voor het recyclen van voertuigen
• De toekomst van AI en ML in de recyclingsector.
Wat is Artificial Intelligence (AI)?
In wezen omvat AI processen en algoritmen die sommige menselijke vaardigheden kunnen repliceren, zoals
als probleemoplossend en lerend. In sommige opzichten is AI al beter in sommige taken dan
mensen zoals het spotten van patronen in enorme data-arrays. Maar we zijn nog niet op het punt waar AI is
zo getalenteerd als het menselijk brein, en dat zal het misschien nooit worden.
Bij gebruik voor bepaalde taken kan AI zich richten op processen die we misschien bewerkelijk of
niet in staat. U zou bijvoorbeeld geen personeelslid op uw voertuig plaatsen om te controleren
elk item in de bakken verzamel je, maar camera's en AI zijn hiertoe in staat.
AI wordt ook gebruikt als een algemene term, dus daarbinnen zijn er subsets zoals machine learning,
reinforcement learning en deep learning.
Wat is machine learning (ML)?
ML is AI die de gegevensverwerking verder brengt. Het leert door getraind te worden. Je vertelt de AI wat het is
fout, en dan leert het wat goed is met behulp van ML. In de recyclingsector kan het zijn dat je
de ML willen trainen om PET-flessen te herkennen. Dus je laat het HDPE-flessen zien, karton
dozen, stalen blikjes etc en PET flessen.
Terwijl u het traint, zal het hoogstwaarschijnlijk niet altijd PET-flesafbeeldingen herkennen, maar wanneer het
krijgt het goed je bevestigt dat het zo is. Op de achtergrond gebruikt ML wiskundige modellen om
codeert zichzelf op de eigenschappen van PET-flessen totdat het ze elke keer begint te identificeren.
Maar in toenemende mate rukt ML op, zodat het niet langer hoeft te worden getraind. Dit zonder toezicht
leren stelt het in staat om patronen in data te herkennen en dingen zelf uit te werken. Dit is vooral handig
in complexe datasets, waar er geen duidelijke trends zijn die door mensen kunnen worden gezien.
Voorbeelden van dit type ML zijn de aanbevelingen die je van Netflix of
YouTube dat je kijkgedrag leert en vervolgens andere dingen voorstelt die je misschien leuk vindt.
Wat is reinforcement learning?
Er is ook een soort ML genaamd reinforcement learning, waarbij het leert van de
omgeving waarin het wordt geplaatst. Dit is handig voor robotica waarbij het apparaat constant is
Verbetering. In de recyclingsector zou het kunnen dat robots reinforcement learning gebruiken in
toekomst om bakken te verzamelen, inzicht in de uitdagingen die voor hen liggen, zoals poorten,
planten en bomen of voorwerpen die tegen de prullenbak worden geplaatst – allemaal dingen waar mensen mee om kunnen gaan
gemakkelijk, maar robotica worstelt momenteel met.
Wat is deep learning?
Deep learning is een vorm van ML waarbij kunstmatige neurale netwerken worden gebruikt om te repliceren en
de menselijke analyse overtreffen. Het is gebruikt voor vertaaldoeleinden, medische beeldanalyse
en klimaatwetenschap.
Mogelijke toekomstige toepassingen voor deep learning kunnen menselijk vermogen omvatten om te beoordelen
verontreiniging op sorteerlijnen of identificerende materialen, zodat verschillende papiersoorten
worden gesorteerd.
Waarom is AI belangrijk?
We leven in een maatschappij die gedreven wordt door data. Dat zijn niet per se alleen structuurgegevens zoals getallen
op een spreadsheet, maar ook steeds ongestructureerdere data zoals afbeeldingen en tweets.
Dit betekent dat AI wordt gebruikt voor alles, van gegevensverwerking tot autonome voertuigen.
Ai kan bijvoorbeeld worden gebruikt om klantgegevens te verwerken, om de verspilling beter te begrijpen
en recyclaat gegenereerd door klanten. Er zijn patronen te herkennen waarmee je kunt rennen
uw bedrijf efficiënter, door te identificeren waar het voor u zinvol kan zijn om een voedsel te runnen
route voor afval- of papierrecycling,
Inderdaad, onze AMCS-routeoptimalisatiesoftware is een vorm van AI, omdat het analyseert en uitwerkt
de optimale planning op basis van het patroon van de klanten die u moet bedienen.
Als het gaat om uw voertuigen, zal AI waarschijnlijk de manier veranderen waarop ze worden gebruikt in de komende tijd
jaren. Er bestaan al oplossingen die onderhoudsschema's kunnen voorspellen, vooral wanneer
gecombineerd met telematica. (Lees mijn recente blog over het verlagen van transportkosten met
telematica).
Maar zelfrijdende mogelijkheden zullen in de nabije toekomst waarschijnlijk gebruikelijk zijn op voertuigen, en AI is de
de basis hiervan.
Door miljoenen beelden te analyseren, gegevens zoals verkeer voor en
om je heen, voetgangers, fietsers, misschien zelfs een bak die door harde wind de weg in is geblazen,
de AI met behulp van geavanceerde ML-algoritmen en kunstmatige neurale netwerken beslist over hoe
het voertuig veilig en efficiënt te bedienen.
We zijn nog niet helemaal op het punt dat zelfrijdende auto's binnenkort worden gebruikt voor recycling en afval
management, maar het is waarschijnlijk dat het de komende jaren normaal wordt.
Maar AI maakt nu al een verschil voor recycling- en afvalbeheerbedrijven, en
in de volgende paar artikelen zal ik je laten zien hoe.
Ik zal ook kijken naar hoe uw bedrijf in de toekomst waarschijnlijk heel anders zal zijn dankzij AI en ML.