隨著垃圾分（fèn）類成為今夏最熱話題，國內互聯網（wǎng）、科技公司紛紛推出了小（xiǎo）程序、App等查詢應用，包括百度、搜狗、科大訊飛等公司均推（tuī）出（chū）了相關的智能查詢功能。支付寶、微信上也有不少相關（guān）小程序和（hé）小遊戲。這些應（yīng）用的特點大同小異，主要以（yǐ）查詢為（wéi）主，支持語音（yīn）、圖像查詢。接（jiē）受新浪科（kē）技（jì）采訪時，人工（gōng）智能技術與服務提供商第四範（fàn）式的技術（shù）人員表示，垃圾分類中所涉及的計（jì）算機視覺技術包括了圖像分類、圖像定（dìng）位、圖像檢測等環節。

例如在垃圾（jī）分類的場景中，首（shǒu）先需要將帶有不同垃（lā）圾種（zhǒng）類的圖片進行標注，標注是為了告訴計算機圖像中出現的是可回收、廚餘、不可回收等不同類型的垃圾，以及垃圾在圖像中（zhōng）的位置等信息（xī），作為訓練模型的（de）原始數據。

模型訓（xùn）練（liàn）好後，可以（yǐ）將新的圖片（piàn）輸入給模型，模型會識（shí）別、定位出是哪種類型的垃圾（jī）以（yǐ）及（jí）所在的（de）位置，從而實現垃圾分類的需求。

“目前計算機視覺技術已經相當（dāng）成熟（shú），第四範式在計（jì）算機（jī）視覺領域已經有（yǒu）了深厚的積累。能否投入使用的關鍵在於模型（xíng）識別的精準度（dù），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（jù）質量越高，數量（liàng）越大，訓練出識別準確率高的（de）模型幾率越大（dà）。”

上（shàng）述技術人員表示，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訓練的效果越（yuè）好。

但目前，最大的問（wèn）題是，標注數據的過程更多的（de）是由人工來（lái）完成，現階段還（hái）無法由AI來實現。雖然一些研究者正在探索自動標注數據的工作，但離真正應（yīng）用還（hái）存在很長（zhǎng）的距離。

此外，值得思考的是，如果將來各個城市的垃圾分（fèn）類標準不統一，也將會對AI提出（chū）更高的要求。