隨著垃圾分類成為今夏最熱（rè）話題，國內互聯網、科技公司（sī）紛紛推出了小程序、App等查詢應用，包括（kuò）百度、搜狗、科大訊飛等公司均推（tuī）出（chū）了相關的智能查詢功能。支付（fù）寶、微信上也有不少相（xiàng）關小程序（xù）和小遊戲。這些應（yīng）用的特點大同小異，主要以查詢為主，支持語（yǔ）音、圖像查詢（xún）。接受新浪科技采訪時，人工智能技術與服務提供（gòng）商第四範式的技術（shù）人員表示，垃圾分類中所涉及的計算機（jī）視覺技術包括了圖像分類、圖（tú）像定位、圖像檢測（cè）等環節。

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

模型訓練好後，可以將新的圖片輸入給模型，模型會識別、定位出是哪種類型的垃圾以及（jí）所（suǒ）在的（de）位（wèi）置，從（cóng）而實現垃圾分類的需求。

“目前計算機（jī）視覺技術已經相當成熟，第四範式在計算機視覺領域已（yǐ）經有了深厚的積累。能否投入使用的關鍵在於模型識（shí）別（bié）的精準度，而影響模型精準度的關鍵在於原始數據量的質量的大小。原始數據質量越高，數量越大，訓練出識別準確率高的模型幾率越大。”

上述技術人員表示（shì），數據庫中包含是經過標注過的數據，標注的質量（liàng）越高（gāo），AI訓練（liàn）的效果越好（hǎo）。

但目前，最大的問題是，標注（zhù）數據的過程更多的是由人工來完（wán）成，現階段還無（wú）法由AI來實現。雖然一些研究者正在探索自動標（biāo）注數（shù）據的工作，但離真（zhēn）正應用還存（cún）在很長（zhǎng）的距離。

此外（wài），值得思考（kǎo）的是，如果（guǒ）將來各個城市的垃圾分類標準不統（tǒng）一（yī），也將會對AI提（tí）出更高的要求。