Di dalam tanah runtuh sampah yang telah menjadi tanah kita, mesin tua yang royety berjalan mengelilingi, menghantam sampah ke dalam badan persegi kecilnya, bergetar dengan kuat, dan melemparkan sampah ke dalam bentuk yang dipadatkan, berbentuk seperti tubuhnya sendiri. 

Ya, saya bercakap mengenai Wall-E dari filem "Wall-E," dan dia tidak begitu comel. Tetapi, mengetahui penetapan filem itu, tiada siapa yang ingin hidup di dunia di mana Wall-E, robot pemadat sampah diperlukan. Ini bermakna bumi kita tidak dapat dilepaskan. 

Walaupun kita tidak mahu rancangan "Wall-E" menjadi kenyataan, bagaimana pula dengan robot Wall-E? 

Pasukan Paramount AI, terdiri daripada lima pelajar siswazah dari University of Toronto, mempunyai jawapan. Pasukan - pemenang KPMG tahun ini Cabaran Ideasi - Digunakan kecerdasan buatan untuk membangunkan RoboBin, kehidupan nyata Wall-E tetapi dengan tujuan yang berbeza. 

Daripada memusnahkan sekumpulan sampah di bumi yang terbuang, RoboBin membantu pengguna mengitar semula dengan betul dengan memberitahu mereka di mana masing-masing sampah dimiliki, melawan peningkatan tapak pelupusan sampah dan pencemaran kitar semula sementara manusia masih mempunyai masa di bumi untuk menyelamatkannya. 

"Matlamat kami adalah untuk mentakrifkan cara seseorang membuang sampah. Dengan visi ini di hadapan, kami merasakan RoboBin bukan lagi impian tetapi boleh menjadi kenyataan yang berdaya maju, "kata ahli pasukan Nikunj Viramgama kepada The University Network (TUN). 

Masalahnya

Perbandaran, pertumbuhan penduduk dan pembangunan ekonomi semuanya menyumbang kepada masalah global peningkatan pembaziran sisa. 

Menurut penyelidikan oleh Verisk Maplecroft, firma perundingan risiko global, kita sebagai komuniti global, menjana lebih daripada 2.1 bilion tan atau 2.3 bilion tan daripada sisa pepejal perbandaran (MSW), yang bermaksud sampah setiap tahun, setiap tahun. Beban satu tahun ini cukup untuk mengisi kolam renang bersaiz 822,000 Olimpik, yang akan menjangkau 41,000 kilometer (25476 miles) jika dibentangkan hujung-ke-hujung. Tetapi hanya 16 peratus daripada beban tahunan ini dikitar semula dengan betul.

Ini bermakna sisa kitar semula dan sisa tidak boleh dikitar semula berakhir pada masa yang sama terlalu banyak, yang membawa kepada pencemaran kitar semula. 

"Apabila kami menganalisis data, kami menyedari bahawa masalah itu lebih besar. Oleh kerana pencemaran sisa kitar semula, sebahagian besar sisa angin di tapak pelupusan, "kata Viramgama.

Masalahnya nampaknya semakin tidak seimbang di belakang rumah kita sendiri. 

Dalam penyelidikannya, Verisk Maplecroft mendapati bahawa walaupun China dan India, bersama-sama membentuk 36 peratus daripada penduduk global, menghasilkan 27 peratus daripada MSW global, Amerika Syarikat, yang membentuk hanya 4 peratus daripada populasi global, menghasilkan 12 peratus daripada global MSW.  

Daripada semua sisa yang dijana di Amerika Syarikat, Amerika mengitar semula hanya 35 peratus daripada MSW mereka, yang membawa kepada pencemaran kitar semula.  

Dan ada kos untuk membuang sampah. Di 2019, purata kos negara pelupusan sampah di tapak pelupusan ialah $55.36 setiap tan. 

Sekiranya anda melakukan matematik, ia akan membelanjakan lebih daripada $ 15 bilion untuk membersihkan sisa AS di 2019. 

Dan di sinilah RoboBin masuk, menggunakan AI untuk menyelesaikan masalah kenaikan tapak pelupusan dengan mengasingkan sisa dengan betul di sumber, tong sampah di rumah anda atau di sebelah perpustakaan tempatan anda. 

RoboBin

Idea Pasukan Team Paramount AI bermula dengan dilema setiap hari yang setiap ahli pasukan berpengalaman pada satu ketika dalam hidupnya. Adakah keseluruhan botol air, termasuk topinya, plastik? Adakah anda perlu membasuh bekas plastik sebelum membuangnya ke dalam kitar semula? 

Bagaimana dengan dunia yang anda kitar semula dengan betul?

Bagi mereka yang mempunyai soalan yang sama, RoboBin datang untuk menyelamatkannya. 

Anda meletakkan buangan ke dalam RoboBin dan menekan butang. RoboBin mengimbas item itu, rujukan silang dengan perpustakaan lebih daripada gambar 35,000 sisa, berbeza dari sampah, bahan daur ulang dan organik, dan akhirnya menentukan di mana item bin itu dimiliki. 

"Jadi, apa yang dilakukannya pada asasnya menganalisis setiap piksel secara berasingan dan kemudian [RoboBin] mengetahui apa kandungan penerangan terbaik untuk kandungan itu," ahli pasukan Vaibhav Gupta memberitahu CBC News. 

Untuk menjimatkan kos penubuhan, pasukan itu telah membina RoboBin sebagai aksesori yang anda boleh meletakkan di atas tong sampah awam yang sudah ada. 

"Kami berkeras untuk membuat sesuatu yang menjimatkan masa, mengurangkan kos, memperbaiki alam sekitar dan membina komuniti yang lebih baik dengan komitmen yang nyata untuk mengekalkan kemampanan," kata Viramgama kepada TUN. 

Mencabar pasukan yang dihadapi

Ketika mereka membajak dengan membina prototaip untuk idea mereka, ada masalah.

Pertama, sejak RoboBin perlu menjadi aksesori untuk sampah tong sampah yang sedia ada, peranti itu diperlukan untuk menahan unsur-unsur alam yang berbeza-beza dan penyalahgunaan manusia. 

"Sistem itu perlu sangat mantap dan boleh dipercayai, kerana sebarang downtimes yang besar akan mengalahkan tujuan bin sama sekali," kata Viramgama.

Kedua, kerana jenis sisa yang dibuang di setiap bandar atau wilayah berbeza-beza, RoboBin perlu dilatih dengan pustaka imej yang sangat lengkap dari pelbagai jenis sampah. 

Selepas memenangi cabaran KPMG, pasukan itu telah meningkatkan model mereka dengan menambahkan lebih banyak pilihan, seperti pemadat, sumber kuasa solar panel dan sensor berasaskan IOT untuk pemantauan berdasarkan syarat mengenai keperluan pelanggan mereka. 

Idea dengan kaki 

Bagi pasukan Paramount AI, cara terbaik untuk mengatasi cabaran yang menghalang idea kreatif mereka adalah praktikal. 

Sebelum melancarkan idea mereka di dalam cabaran KPMG, para pelajar menjalankan kajian menyeluruh mengenai pasaran pengurusan sisa semasa, mengumpulkan senarai penerbitan dan senarai akhbar yang komprehensif, dan menemui model perniagaan yang paling sesuai. 

Sebagai contoh, dalam persembahan akhir mereka, mereka menggunakan jumlah sampah yang dihasilkan di taman tema sebenar sebagai versi mikro tentang bagaimana dan di mana dalam kehidupan sebenar mereka akan menggunakan RoboBin.

"Pasukan ini khususnya membawakan kes perniagaan untuk ide mereka ... Idea ini mempunyai kaki. Mereka sedang berbincang dengan sesetengah organisasi mengenai mengambilnya lebih lanjut, "kata Anthony Coops, hakim rakan kongsi dan Idea Cabaran KPMG, kepada CBC News. 

Pelajar bercadang untuk menguji RoboBin di kejiranan tempatan mereka dahulu.

"Langkah awal kami adalah untuk melancarkan RoboBin dalam skala tempatan di kawasan kejiranan kami untuk mendapatkan maklum balas pengguna, data pengalaman pengguna dan menguji kebolehlaksanaan dan skalabilitas," kata Viramgama. 

Dengan keputusan dan peningkatan yang sesuai, mereka akan menerangkan idea ke bandar Toronto. 

Selepas melancarkan bandar raya Toronto, mereka berharap dapat mengembangkan secara beransur-ansur ke sektor swasta, seperti taman tema, restoran, lapangan terbang dan ruang perniagaan.  

Etika AI 

Menetapkan semua kejayaan mereka, matlamat terbesar para pelajar adalah untuk mengasah masa depan AI dengan cara yang beretika, multikultural dan tidak berat sebelah untuk menyelesaikan masalah global. 

Walaupun kepercayaan umum, didorong oleh ketakutan media, teknologi yang memajukan kos kehilangan etika dan pencerobohan privasi, para pelajar berharap RoboBin dapat menunjukkan kepada dunia bagaimana AI, ketika digunakan dengan baik, boleh menjadi etika. 

Sebagai contoh, mereka memprogramkan RoboBin untuk menangkap hanya imej objek yang dilemparkan dalam tong sampah tetapi bukan imej orang yang membaling objek di dalam tong. 

"Dengan perkembangan teknologi, orang berfikir bahawa ia datang dengan kos peningkatan berat sebelah dan kehilangan etika. Itu tidak semestinya selalu, "kata Viramgama. "Dalam produk kami, kami juga menganggap etika semasa kami merancang penyelesaian AI untuk pengasingan sisa."