آخرین خبرها:
شناسه خبر: 39838

تاثیر شگرف هوش مصنوعی بر صنعت بازیافت

دو عضو تیم مرکز بازیافت «بولدر کانتی» (Boulder County) در کلرادو امریکا، تمام روز مشغول جدا کردن قطعات پسماند از روی یک تسمه نقاله هستند

تاثیر شگرف هوش مصنوعی بر صنعت بازیافت
دو عضو تیم مرکز بازیافت «بولدر کانتی» (Boulder County) در کلرادو امریکا، تمام روز مشغول جدا کردن قطعات پسماند از روی یک تسمه نقاله هستند که پر از پسماندهای جمع‌آوری‌شده از سطل‌های زباله‌ منطقه است. یکی از آنها بطری‌های پلاستیکی قابل بازیافت را برمی‌دارد و آن یکی، به‌دنبال تکه‌های کاغذ و مقواست که به یک کارخانه‌ تولید فیبر ارسال شوند.
اخبار سبز کشاورزی ؛ این دو عضو تیم «سورتی مک‌سورفیس» (Sorty McSortface) و «آقای سورتس اِلات» (Sir Sorts-a-Lot) هستند؛ دو ربات توسعه‌یافته با هوش مصنوعی به‌شکل بازوهای مکانیکی که با سرعتی شبیه به ربات‌های بازی‌های رایانه‌ای عمل می‌کنند. آنها توسط یک استارتاپ فناوری به نام «امپ رباتیک» (Amp Robotics) توسعه یافته‌اند و قادرند اقلامی که به آنها آموزش داده ‌شده را تشخیص دهند و جدا کنند.
بیشتر بخوانید: هوش مصنوعی به زبان عربی
بله! حتی صنعت بازیافت هم به دام انقلاب هوش مصنوعی افتاده است. به گفته‌ یک سخنگوی امپ رباتیک، این استارتاپ فناوری خود را در تقریباً 80 مرکز بازیافت در سراسر ایالات متحده به‌راه انداخته است و در سال‌های اخیر نیز جداسازی مواد با استفاده از ربات‌های تولید شرکت‌هایی مانند «بالک هندلینگ سیستمز» (Bulk Handling Systems) و «ماشینکس» (MachineX) در کارخانه‌های بازیافت دیگر نیز دیده می‌شود.
باوجود اینکه این ربات‌ها هنوز به‌عنوان یک ابتکار جدید شناخته می‌شوند و باید برای رفع نیازهای صنعت به‌صورت واقعی ارتقا پیدا کنند، به آنها به‌ چشم یک گام جدید برای صنعت بازیافت نگریسته می‌شود. «جف اشنایدر»، مدیر بازیافت شرکت «رامپک ویست اند ریسایکلنگ» (Rumpke Waste and Recycling) که در اوهایو مستقر است و بر جمع‌آوری پسماند و بازیافت تمرکز دارد، می‌گوید: «می‌دانم که این کلمه مد روز است، اما از دیدگاه صنعتی، هوش مصنوعی شگفت‌آور است؛ چون برای ما یک بازیگر تأثیرگذار درست کرده است.»
در زمانه‌ «چت جی‌پی‌تی» (ChatGPT)، هوش مصنوعی بی‌وقفه تبلیغ می‌شود؛ چون شرکت‌های فناوری دست‌وپا می‌زنند تا از افزایش علاقه‌ مردم سود ببرند. اما تأثیر هوش مصنوعی بر صنعت بازیافت ممکن است برعکس باشد؛ یک کاربرد معنادار که از دید عموم پنهان است. چیزی که ممکن است هنوز برای رفع مشکلات بازیافت کافی نباشد.
بازیافت می‌تواند از یک تحول در فناوری بهره‌مند شود. در تئوری، «وسایل بازیابی مواد» (MRFs) قرار است بین مصرف و تولید حلقه‌ای ایجاد کند. ظروف و تکه‌های بسته‌بندی را که در سطل زباله می‌اندازیم جمع‌آوری می‌کنند، کار جداسازی آنها را انجام می‌دهند و سپس آنها را به شرکت‌های دیگر می‌فروشند تا از این مواد دوباره استفاده کنند.
وسایل بازیابی مواد، در عمل به‌اندازه‌ کافی عالی نیستند. در سال ۲۰۱۸، تنها حدود یک‌سوم کانتینرهای شیشه با موفقیت بازیافت می‌شدند.
بزرگترین شرکت بازیافت پسماندهای خانگی در ایالات متحده، طرح‌هایی را برای سرمایه‌گذاری ۸۰۰ میلیون دلاری در زیرساخت‌های بازیافت تا پایان سال ۲۰۲۵ معرفی کرده است
در همان سال، سازمان حفاظت محیط زیست ایالات متحده (EPA) تخمین زده بود که کمتر از 9 درصد پلاستیک‌ها بازیافت می‌شوند و امروز ممکن است این عدد نسبت به آن زمان نیز کمتر شده باشد. در سال‌های اخیر، چین که خریدار تاریخی بسیاری از مواد قابل بازیافت آمریکا بود، به‌طور گسترده خرید این مواد را متوقف کرد. این اتفاق به این دلیل بود که محصول نهایی بازیافت معمولاً مخلوطی از اقلام مختلف است که عملاً نمی‌توان از آنها مجدداً باهم استفاده کرد. از آن زمان، برخی از کشورهای دیگر نیز بخشی از این توقف را تجربه کرده‌اند، اما نه همه. در نبود مقصدی برای ارسال حجم زیاد مواد قابل بازیافت، بسیاری کشورها راه‌حل ساده را در پیش گرفتند، یعنی سوزاندن و دفن کردن چیزی که قبلاً به چین صادر می‌کردند.
مشکل اینجاست که تاکنون برای کارخانه‌های بازیافت، جداسازی مواد به‌گونه‌ای که مورد رضایت تولیدکنندگان باشد، دشوار بوده است. روش‌های سنتی جداسازی پسماندها -مثل غربال‌ کردن، هوای فشرده، خردکن‌های شیشه، آهن‌رباهای قوی و نور نزدیک به مادون قرمز- خوب عمل می‌کنند و مواد را در دسته‌های اصلی مثل کاغذ، شیشه و فلز تفکیک می‌کنند. اما لایه‌های جزئی‌تر اغلب نادیده گرفته می‌شوند، خصوصاً در مورد پلاستیک.
برای بازیافت‌کنندگان دشوار است که برای مثال زمانی که هزاران کیلوگرم زباله با سرعت ۱۸۰ متر در دقیقه در یک تسمه نقاله‌ درحال حرکت هستند، تشخیص دهند یک ظرف پلاستیکی از جنس HDPE قبلاً یک بطری شیر بوده است که برای استفاده در محصولات غذایی مناسب است یا یک ظرف سم کشاورزی بوده که مناسب استفاده نیست. اگرچه بطری‌های پلاستیکی و نگهدارنده‌های پلاستیکی هر دو قابل بازیافت هستند، اما مخلوط شدن آنها چیزی نیست که بازیافت‌کنندگان بخواهند.
برای بازیافت‌کنندگان دشوار است که برای مثال زمانی که هزاران کیلوگرم زباله با سرعت ۱۸۰ متر در دقیقه در یک تسمه نقاله درحال حرکت هستند، تشخیص دهند یک ظرف پلاستیکی از جنس HDPE قبلاً یک بطری شیر بوده است که برای استفاده در محصولات غذایی مناسب است یا یک ظرف سم کشاورزی بوده که مناسب استفاده نیست
هوش مصنوعی می‌تواند این محاسبات را تغییر دهد و کارخانه‌های بازیافت را قادر سازد تا دید دقیق‌تری به بسته‌بندی‌هایی داشته باشند که به‌طور معمول مخلوط و همیشه به‌هم نخورده به نظر می‌رسند. این ربات‌های بازیافت در واقع «سامانه‌های بینایی» هستند: به‌همان روشی که ChatGPT با خواندن متن‌های منتشرشده آموزش داده شده است، عکس‌های زیادی از اقلام دورانداخته‌شده در وضعیت‌های مختلف نیز به این ربات‌ها نشان داده شده است. سپس ربات‌ها قادرند حتی به تفاوت‌های کوچک در رنگ، شکل، بافت یا لوگوی یک محصول بپردازند. «ماتانیا هورویتز»، مدیرعامل امپ رباتیک، می‌گوید که در ربات‌های تولیدی شرکتش حتی می‌توانند SKU یا همان شماره‌ یکتایی را که هر کارخانه روی محصولاتش درج می‌کند، نیز تشخیص دهند: «ما می‌دانیم که این تکه از پسماند مربوط به کدام محصول یا کدام شرکت است. به این ترتیب می‌دانیم که در این شیء چه نوع پلاستیک، چه نوع چسب و چه نوع کاغذی استفاده شده و چه چیزی داخل آن بوده است.»
ربات‌های بازیافت به ایجاد بازارهای جدیدی کمک کرده‌اند که قبلاً وجود نداشته‌اند، چون توانایی جداسازی انوع پلاستیک‌هایی را دارند که قبلاً غیرممکن بود. اپراتورهای بازیافت می‌گویند که حالا سامانه‌‌ها به‌طور معمول دقت ۸۵ تا ۹۵ درصدی دارند، البته شرکت‌های رباتیک ادعای دقت ۹۹ درصدی دارند. «استیو فابر»، نماینده‌ دپارتمان خدمات عمومی «میشیگان کنت کانتی» که یک کارخانه‌ بازیافت در «گرند رپیدز» (Grand Rapids) دارد، می‌گوید که ربات‌های امپ رباتیک به کارخانه‌ آنها این فرصت را داده‌اند که بتوانند پلاستیک «پلی‌پروپیلن شماره ۵» را جدا کنند و بفروشند. این پلاستیک در کپسول قهوه‌سازهای خانگی و سایر ظرف‌های کم‌وزن موادغذایی استفاده می‌شود و قبلاً به‌دلیل مخلوط شدن با پلاستیک‌های دیگر قابل تفکیک نبود و به‌همین دلیل ارزش اقتصادی برای بازیافت نداشت.
ربات‌های بازیافت چند سالی است که وجود دارند، اما به‌نظر می‌رسد که پیشرفت آنها در دوران کنونی شکوفایی هوش مصنوعی در حال شتاب‌گرفتن باشد. «ویست منجمنت» (Waste Management) بزرگترین شرکت بازیافت پسماندهای خانگی در ایالات متحده، طرح‌هایی را برای سرمایه‌گذاری 800 میلیون دلاری در زیرساخت‌های بازیافت تا پایان سال 2025 معرفی کرده است. از جمله آنها، تأسیسات جدید مجهز به هوش مصنوعی است.
در همین حال، شرکت‌های طراحی این فناوری با جدیت در حال جذب سرمایه‌گذار هستند، به‌ویژه امپ رباتیک که معامله‌ مرحله سوم سری 99 میلیون دلاری خود را با شرکت‌هایی بزرگ مانند «گوگل ونتورز» (Google Ventures)، «مایکروسافت کلایمت اینوویشن فاوند» (Microsoft Climate Innovation Fund) و «سکویا کپیتال» (Sequoia Capital) دیده است.
این به‌معنای آن نیست که هوش مصنوعی مشکلات بازیافت را حل کرده است. سیستم‌های پیشرفته مورد نیاز برای مدیریت سیل مواد قابل بازیافت هزینه‌بر خواهند بود. قیمت یک ربات به‌تنهایی ممکن است تا ۳۰۰ هزار دلار باشد و بازگشت سرمایه نیز ممکن است سال‌ها طول بکشد. متخصصان بازیافت می‌گویند که بسیاری از مراکز نیز از اجرای رویکردهای جدیدتر منصرف شده‌اند؛ چراکه برچسب هزینه‌ها به‌طور معمول به این معنی است که این امکانات جدید اغلب سودده نیستند و برخی از کشورها نیز از قدرت مالی برای ارائه‌ خدمات بازیافت به همه‌ مردم برخوردار نیستند.
بااین‌حال با کاهش هزینه‌ها، آینده امیدوارکننده به‌نظر می‌رسد و حضور هوش مصنوعی در صنعت بازیافت چیزی فراتر از ربات‌هایی با بازوهای مکانیکی خواهد بود. اشنایدر بر این باور است که اساساً کمک مهمتر هوش مصنوعی به بازیافت، «جداسازی حجم بالا با بینایی» را فراهم خواهد کرد.
رویکردی که از همان فناوری قدیمی «نور نزدیک مادون قرمز» برای تعیین ترکیب مواد یک قطعه‌ پسماند قبل از فرستادن آن به کانال هوا استفاده می‌کند. این فناوری قدیمی سریع‌تر از ربات‌های بازیافت است، اما تاکنون دقت آن به پای هوش مصنوعی نرسیده است. نسخه‌ای با سامانه‌ بینایی هوش مصنوعی، همزمان بسیار سریع و بسیار دقیق خواهد بود.
دو شرکت رامپک (Rumpke) و ماشینکس برای ساخت نخستین کارخانه با این تکنولوژی همکاری می‌کنند. وقتی تأسیسات 90 میلیون دلاری آن در کلمبوس ایالت اوهایو در سال 2024 افتتاح شود، در هر دقیقه قادر به پردازش یک تن پسماند، یعنی ۲۵۰ هزار تن در سال خواهد بود.
در دهه‌ آینده، ربات‌های بازیافت ممکن است در همه‌جا حاضر شود و به تفکیک صحیح پسماند برای شرکت‌هایی کمک کند که می‌توانند مواد را به چیزی جدید تبدیل کنند. اما بازیافت، حتی با هوش مصنوعی و رباتیک، همیشه محدودیت‌های خود را دارد. تکنولوژی بازیافت تنها می‌تواند علائم مصرف بی‌رویه و غیرمتمرکز را به ما نشان دهد، نه بیماری شرکت‌هایی که مسئول تولید بسیاری از محصولات یکبار مصرف در جهان هستند.
«سوزان جونز»، مدیر اجرایی «اکوسایکل» (Ecocycle)، یک سازمان غیرانتفاعی که کارخانه‌ بازیافت بولدر را اداره می‌کند می‌گوید: «برخی از ایالت‌های امریکا قوانینی را تصویب کرده‌اند که با وضع جریمه‌های سنگین، بار مالی جمع‌آوری و استفاده‌ مجدد را به تولیدکنندگان بسته‌بندی منتقل می‌کنند، اما این قوانین با این پیش‌فرض تصویب شده‌اند که صنعت هرچه می‌خواهد، بسازد؛ بعداً بازیافت فکری به حالش می‌کند. این یک دیدگاه عقب‌افتاده است.»
در بدترین حالت، ربات‌های بازیافت ممکن است به شرکت‌ها فرصتی برای «سبزشویی» بدهند. پیشرفت‌های هوش مصنوعی می‌توانند به برندها امکان دهند که مدعی بازیافت شدن دقیق محصولات خود شوند، درحالی‌که در عمل چنین نیست.
برخی تلاش‌های متواضعانه برای توسعه‌ هوش مصنوعی در حال انجام است. ائتلاف بازیافت پلی‌پروپیلن (The Polypropylene Recycling Coalition)، گروهی که توسط چند شرکت بزرگ تأمین مالی می‌شود، از سال 2020 بیش از 10 میلیون دلار برای ارتقای مجموعه‌ پلی‌پروپیلن تولیدی در 41 مرکز در ایالات متحده هزینه کرده است. از جمله اقدامات این ائتلاف، عرضه‌ ربات‌های جدید مجهز به هوش مصنوعی است؛ دسته‌بندی‌کننده‌هایی که به‌طور خاص این ماده را در پسماندها هدف قرار می‌دهند.
این یک شروع است، اگرچه ۱۰ میلیون دلار در مقایسه با صنعت ۹۱ میلیارد دلاری زباله و بازیافت آمریکا به‌سختی مورد توجه قرار می‌گیرد. البته، از منظر آلودگی پلاستیک، چیزی که بهتر از یک فنجان قابل بازیافت است، استفاده نکردن از چنین فنجانی است. ربات‌های بازیافت نمی‌توانند این واقعیت اساسی را تغییر دهند که بازیافت حتی در بهترین حالت، یک روش کارآمد برای مقابله با محصولات یکبارمصرف نیست؛ مهم نیست چقدر بخواهیم این واقعیت را باور کنیم.

*این گزارش، ترجمه‌ای از The Future of Recycling Is Sorty McSortface که ۲۶ مردادماه در مجله The Atlantic (ایالات متحد امریکا) منتشر شده است.

دیدگاه تان را بنویسید

چندرسانه‌ای