本周，国际人工智能顶会NeurIPS 2019在加拿大温哥华隆重开幕。在本次 NeurIPS 上，支付宝展示了多篇入选论文成果，并举行了专家云集的workshop交流分享。
在NeurIPS 2019展台，支付宝展出了基于图像识别技术的智能垃圾分类小程序和智能回收箱视频。观众可通过手机拍照轻松识别垃圾物品和对应的垃圾类别，现场体验来自东方的“生活小助手”。
据了解，现场用于体验的小程序为支付宝7月份推出，其背后基于图像识别、环保知识图谱等技术。上线2个月累计用户已超400万，能够识别超过1.1万种垃圾物品。之后，支付宝又升级了相关技术，利用AI+IoT技术开发了智能垃圾回收箱，可针对各类不同材质的饮料瓶进行自动分离、归类，提高可回收率同时，解决可回收垃圾处理难题。
为什么会诞生这个小程序呢？
这要从中国垃圾分类知识普及现状说起：在中国有73%的垃圾通过填埋方式处理，仅有15%回收利用；而同样的数字在世界平均水平看，回收再利用的垃圾占比则高达38%。这其实也是一种资源的浪费，而造成这一巨大差异的关键原因在于中国大部分地区并未推行垃圾分类政策，并且民众对于垃圾分类的意识也并未像国外发达国家那样普及：日常生活中我们可能面临多达2000多种垃圾物品，90%的人都会扔错。因此，正确分类是垃圾可回收处理的关键。而传统的垃圾分类，需要完善的社会专家知识输入，也需要社会投入巨大的推广和普及成本。基于此，支付宝的工程师们诞生了用人工智能技术帮助人们解决垃圾分类难题的想法。
智能垃圾分类如何实现？
基于智能分类小程序，即使毫无垃圾分类经验的老人和儿童也能在日常投递垃圾过程中正确分类。看似简单的操作流程，其背后是一整套完善的人工智能技术在做支撑。其中最核心的图像分类模型来自于蚂蚁金服自建的金融视觉平台。蚂蚁金融视觉平台提供了一站式建模能力，从而支撑图像模型开发与应用过程所需的数据工程、算法选型、模型调参、技术指标收敛、工程部署、线上效果迭代环节，真正实现从数据到模型“端到端”的全套建模能力。
此外，由于垃圾物品性状的特殊性，基于图像的分类准确率提升难点之一就是如何让机器能够快速地“学习”这些新的知识。一方面我们建立了环保知识图谱，从而可以针对各类不同材质的物品进行自动分离、归类，更好地适应对于某些非常见物品和变形物品分类的诉求；另一方面，通过AI数据中台，打通模型训练与图像标注环节，建立了一个完善且高效的“模型冷启动—>模型上线服务—>真实数据回流—>模型迭代”链路。得益于这个模型自迭代链路，即使短时间内迭代几十个版本算法模型也毫无压力，使得识别类目数量和识别准确率能够不断提升。
目前，这套图像识别技术已逐步开放给行业伙伴。利用支付宝的海量用户覆盖能力和城市服务的便民心智，结合AI+IoT技术，实现人工智能识别垃圾和分类，通过小程序及智能终端设备的移动互联网解决方案，可链接用户与回收人员，如实现一键预约、上门回收，并可以广泛应用于旧物回收、租赁等回收处理环节。用科技推动个人与企业单位参与垃圾分类回收的积极性和处理效能。
