隨著垃圾分類成為今夏最熱話題，國內互聯網、科技公（gōng）司紛紛推出了小程序、App等查詢應用，包括百度、搜狗、科大訊飛等公司均推出了相關（guān）的智能查詢（xún）功能（néng）。支付寶（bǎo）、微信（xìn）上也有不少相關小程序和小（xiǎo）遊戲（xì）。這些應用的特（tè）點大同（tóng）小異，主要以查詢為主，支持語（yǔ）音、圖像查詢。接受新浪科技采訪時，人工智能技術與服務提供商第四範式的（de）技術人員表示，垃圾分類中所涉及的計算機（jī）視（shì）覺技術包（bāo）括了圖像分類（lèi）、圖像定位、圖像檢測等環節。

例如在垃圾分（fèn）類（lèi）的場景中，首先需要將帶有不同垃圾種類的圖片進行標注，標注是為（wéi）了告訴計算機圖像中出現的是可回收、廚餘、不可（kě）回收等不同類型（xíng）的垃圾，以及垃圾在圖（tú）像中的位置等信息，作為訓練模型的原始數據。

模型訓練好後，可以將新的圖片輸入給模型，模型會識別、定位出是哪種（zhǒng）類型的垃圾以及所在的位置，從而（ér）實現（xiàn）垃圾（jī）分類的（de）需求。

“目前計算機視覺技術已經相當成熟，第（dì）四範式在計算機視覺領（lǐng）域已經有（yǒu）了深厚的積累。能否投入使用的關鍵在於模型識別的精準度，而影響模（mó）型精準（zhǔn）度的關（guān）鍵在於原始數據量的質量的大小。原始數據質量越（yuè）高，數量越大（dà），訓練出識（shí）別準（zhǔn）確率高的模型幾率（lǜ）越大（dà）。”

上（shàng）述技術人（rén）員表示，數據庫中包含是經過標注過的數據，標注的質量越高，AI訓練的（de）效果越好（hǎo）。

但（dàn）目前，最大的問題是，標注數據的過（guò）程更多的（de）是由人（rén）工（gōng）來完成，現階段還無法由AI來實現。雖然一些研究（jiū）者正在探索自動標注數據的工（gōng）作，但離真正應用還存在（zài）很長的（de）距離。

此外，值（zhí）得思考的是，如果將來各個城市的（de）垃圾分類（lèi）標準不統一，也將會對AI提出更高的要求。