隨著垃圾（jī）分類成為今夏最熱話題，國（guó）內互聯（lián）網（wǎng）、科技公司紛紛推出了小程序、App等查詢應用，包括百度、搜狗（gǒu）、科大訊飛等公司均推出了相關的智能查詢功能（néng）。支付寶、微信（xìn）上也有不少相（xiàng）關小程序和小遊戲（xì）。這些應用的（de）特點大同小異，主要以查詢為主，支（zhī）持語音、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技（jì）術人員表示，垃圾分類（lèi）中所涉及的計算機視覺技術包括了圖像分類、圖像定位、圖像檢測等環節（jiē）。

例如在垃圾分類的場景中，首先（xiān）需要將帶有不同垃圾種（zhǒng）類的圖片進（jìn）行（háng）標注，標（biāo）注是為了告訴計算機圖像中出現（xiàn）的是可回收（shōu）、廚餘、不可回收等不同類型的垃圾，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（mó）型訓練好後（hòu），可以將新的圖片輸入給模型，模型會識別、定位（wèi）出是哪種類型（xíng）的垃圾以及所在的位置，從（cóng）而實現垃圾分類的需求。

“目（mù）前計（jì）算機視（shì）覺技術已經相當成（chéng）熟，第四範式在計算機視（shì）覺領（lǐng）域已經有了深厚的積累。能否投入使用的（de）關鍵在於模型識別的精準度（dù），而影響模型精準度的關（guān）鍵在（zài）於原始數據量的質量的（de）大小。原始數據質量越高，數量越（yuè）大，訓練出識別準確率高的模型（xíng）幾率越大。”

上述（shù）技術人員表示，數據（jù）庫中（zhōng）包含是經過標注過的數據，標注的質量越高，AI訓練的效果越好。

但目前，最大的問（wèn）題是，標注數據的過程更多的是由人工來完（wán）成，現（xiàn）階段還無法由AI來（lái）實（shí）現。雖然一（yī）些研究者正在探（tàn）索自動標注數（shù）據（jù）的工作，但離真正應用還存在很長（zhǎng）的（de）距離。

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