Percubaan awal untuk membuat perkakasan khusus untuk mengandungi kecerdasan buatan telah dikritik sebagai, apatah lagi, sedikit sampah. Tetapi di sini ada penggajet AI dalam pembuatan yang hanya berkaitan dengan sampah, secara harfiah: startup Finland Binit sedang mengaplikasikan kemampuan pemprosesan imej model bahasa besar (LLM) untuk menjejaki sampah isi rumah.
AI untuk mengasingkan barangan yang kita buang untuk meningkatkan kecekapan kitar semula pada peringkat bandar raya atau komersial telah menarik perhatian para usahawan untuk sesaat sekarang (lihat startup seperti Greyparrot, TrashBot, Glacier). Tetapi pengasas Binit, Borut Grgic, berpendapat penjejakan sampah isi rumah adalah wilayah yang belum dimanfaatkan.
“Kami menghasilkan penjejak sampah isi rumah pertama,” katanya kepada TechCrunch, menyamakan penggajet AI yang akan datang dengan penjejak tidur tetapi untuk tabiat melempar sampah anda. “Ia adalah teknologi penglihatan kamera yang disokong oleh rangkaian neural. Jadi kami memanfaatkan LLM untuk pengenalan objek sampah rumah biasa.”
Startup peringkat awal, yang ditubuhkan semasa pandemik dan telah memperoleh hampir $3 juta dalam dana dari seorang pelabur malaikat, sedang membina perkakasan AI yang direka untuk bertahan (dan kelihatan keren) di dapur - dipasang di almari atau dinding berdekatan tempat tindakan tong sampah berlaku. Penggajet bermutu bateri ini mempunyai kamera dan sensor di atas papan supaya ia boleh terbangun apabila ada orang berdekatan, mengizinkan mereka mengimbas item sebelum diletakkan dalam sampah.
Grgic berkata mereka bergantung pada pengintegrasian dengan LLM komersial - terutamanya GPT OpenAI - untuk melakukan pengenalan imej. Binit kemudiannya menjejaki apa yang dihumbankan isi rumah - menyediakan analitik, maklum balas dan permainan melalui aplikasi, seperti skor sampah mingguan, yang semuanya bertujuan untuk menggalakkan pengguna untuk mengurangkan jumlah yang dibuang mereka.
Pasukan itu asalnya mencuba untuk melatih model AI sendiri untuk mengenali sampah tetapi ketepatannya rendah (sekitar 40%). Jadi mereka berpaling kepada idea untuk menggunakan kemampuan pengenalan imej OpenAI. Grgic mendakwa mereka mendapat pengenalan sampah yang hampir 98% tepat selepas mengintegrasikan LLM.
Pengasas Binit berkata dia tidak tahu mengapa ia berfungsi dengan baik. Tidak jelas sama ada banyak imej sampah ada dalam data latihan OpenAI atau sama ada ia hanya dapat mengenali banyak perkara kerana jumlah data yang besar yang telah dilatih. “Ia adalah kejituan yang luar biasa,” katanya, mencadangkan prestasi tinggi yang mereka capai dalam ujian dengan model OpenAI mungkin disebabkan oleh barang-barang yang dipindai adalah “objek yang biasa”.
“Ia juga boleh memberitahu, dengan kejituan yang relatif, sama ada cawan kopi mempunyai lining, kerana ia mengenali jenama,” katanya, menambah: “Jadi pada dasarnya, apa yang kami minta pengguna lakukan adalah melalui objek di hadapan kamera. Jadi ia memaksa mereka untuk menstabilkannya di hadapan kamera seketika. Pada masa itu, kamera menangkap imej dari semua sudut.”
Data pada sampah yang dipindai oleh pengguna dimuat naik ke awan di mana Binit mampu menganalisanya dan menghasilkan maklum balas untuk pengguna. Analitik asas akan disediakan secara percuma tetapi mereka berniat untuk memperkenalkan ciri premium melalui langganan.
Startup juga sedang menempatkan diri sebagai pembekal data tentang barang-barang yang orang buang - yang boleh menjadi intel berharga untuk entiti seperti entiti pembungkusan, asalkan boleh meningkatkan penggunaan.
Namun, satu kritikan yang jelas adalah adakah orang benar-benar memerlukan penggajet teknologi tinggi untuk memberitahu mereka bahawa mereka melemparkan terlalu banyak plastik? Bukankah kita semua tahu apa yang kita gunakan - dan bahawa kita perlu cuba untuk tidak menghasilkan begitu banyak sampah?"
"Ini adalah tabiat,” katanya. “Saya rasa kita sedar akan itu - tetapi kita tidak semestinya bertindak berdasarkan itu.
“Kita juga tahu bahawa mungkin baik untuk tidur, tetapi kemudian saya memasang penjejakan tidur dan saya tidur banyak lagi, walaupun ia tidak mengajari saya apa-apa yang tidak saya ketahui.”
Semasa ujian di AS, Binit juga mengatakan bahawa mereka melihat penurunan sekitar 40% dalam sampah tong campur apabila pengguna berinteraksi dengan transparansi sampah yang disediakan produk. Jadi mereka menganggap pendekatan transparansi dan permainan mereka dapat membantu orang mengubah tabiat yang tertanam.
Binit ingin aplikasi menjadi tempat di mana pengguna mendapat analitik dan maklumat untuk membantu mereka mengurangkan jumlah yang dibuang. Bagi bagian itu, Grgic berkata mereka juga merancang untuk menggunakan LLM untuk cadangan - memfaktorkan lokasi pengguna untuk memperibadikan cadangan.
“Cara ia berfungsi adalah - mari kita ambil pembungkusan sebagai contoh - jadi setiap pembungkusan yang pengguna imbas ada kad kecil yang terbentuk di aplikasi anda dan pada kad itu dikatakan ini adalah apa yang anda buang ['contohnya botol plastik']… dan dalam kawasan anda ini adalah alternatif yang boleh dipertimbangkan untuk mengurangkan pengambilan plastik anda,” katanya.
Beliau juga melihat peluang untuk rakan kongsi, seperti dengan pengaruh pengurangan pembaziran makanan.
Grgic berhujah bahawa kebaruan produk ini juga adalah bahawa ia adalah “anti-pemakanan yang tidak terkawal”, seperti yang dinyatakannya. Startup ini sejajar dengan kesedaran dan tindakan keberlanjutan yang semakin meningkat. Suatu rasa bahawa budaya kita yang mudah terbuang dari penggunaan sekali pakai perlu ditinggalkan, dan diganti dengan penggunaan yang lebih berpengetahuan, kitar semula, dan kitar semula untuk melindungi alam sekitar bagi generasi masa depan.
“Saya rasa kita berada di penghujung [sesuatu],” katanya. “Saya fikir orang mula bertanya pada diri sendiri: Adakah benar-benar perlu melemparkan segala-galanya? Atau bolehkah kita mula memikirkan tentang membaiki [dan mengguna semula]?”
Walau bagaimanapun, adakah kes pengguna Binit hanya boleh menjadi aplikasi telefon pintar? Grgic berhujah bahawa ini bergantung. Katanya sesetengah isi rumah suka menggunakan telefon pintar di dapur ketika mereka mungkin akan kotor semasa persediaan hidangan, sebagai contoh, tetapi yang lain melihat nilai dalam memiliki pengimbas sampah pilihan tanpa tangan yang khusus.
Menarik untuk diingat mereka juga merancang untuk menawarkan ciri pemindaan melalui aplikasi mereka secara percuma jadi mereka akan menawarkan kedua-dua pilihan.
Setakat ini, startup telah menjalankan ujian pengimbas sampah AI mereka di lima bandar di seluruh AS (NYC; Austin, Texas; San Francisco; Oakland dan Miami) dan empat di Eropah (Paris, Helsniki, Lisbon dan Ljubjlana, di Slovakia, di mana Grgic berasal).
Beliau berkata mereka sedang menuju ke arah pelancaran komersial pada musim gugur ini - kemungkinan di AS. Titik harga yang mereka sasarkan untuk perkakasan AI adalah sekitar $199, yang digambarkan sebagai ‘sasaran manis’ untuk peranti rumah pintar.
