用AI達成循環經濟轉型,距離我們有多遠?

發布時間:111年05月10日


羅時芳(中華經濟研究院)

中華經濟研究院研究員,主要研究領域為能源與環境政策、績效評估、循環經濟等,發表國際及國內學術期刊數十篇,並主持政府及產業研究計劃,看到了環境問題及國際趨勢的轉變,希望台灣在世界舞台不要缺席。

 

循環經濟概念高大上,但總是卡關在哪?
循環經濟主張藉由重新設計產品、製程及商業模式,讓有限的地球資源不斷被利用、循環再生並永保價值。以電子廢棄物為例,每年約有5,400萬噸電子廢棄物被報廢丟棄,相當於浪費價值570億美元的黃金、鉑金及其他貴金屬[1];雖然廢棄物相當有價值,但在回收、分類、拆解或處理過程,因為太耗費人力及物力,全球僅有20%的廢棄物透過回收管道,再重新回到產業鏈[2]

用資訊科技達成循環經濟轉型,是近年時髦又新穎的概念,想像一下,如果把沉悶、骯髒又危險的回收作業,交給AI機器人,不但可以解放人類的時間,又可以確保回收的效率。放大到整個回收系統,由於牽涉利害關係人多、交易環節多,廢物料的流向始終是一個黑盒子,資訊不透明、溯源困難,無法順暢運作,也就難以達到經濟規模。

循環經濟高大上的概念,往往落得小規模零星的示範案例,無法有系統地大規模推展並落實。

AI可以幫助循環經濟突破那些關卡?
人工智慧(Artificial Intelligence, 以下簡稱AI)是電腦、機器、程式、程式碼透過模擬人類心智,來解決問題及決策的能力;具體言之,AI以影片、圖像、聲音、文字等資料型式,通過模式識別、預測、優化及推薦生成,來幫助解決問題。AI可以藉由以下3種主要方式,突破循環經濟轉型的關卡[3]

  1. 1.優化回收系統:AI可以減輕過去回收產品拆卸、再製造組裝及回收材料分類中,需倚賴大量勞動力的過程,幫助有效改進產品及材料的逆向物流基礎設施,達成真正的封閉式循環(Close Loop)。
  1. 2.設計循環產品、零組件或材料:AI可藉由不斷迭代的機器學習,輔助設計產品原型 (Prototype)、測試零組件或材料,加速並增強符合循環經濟概念的新產品、零組件或材料的開發。
  1. 3.運營循環商業模式:AI可以幫助運營循環經濟商業模式,舉例來說,在「以租代買」商業模式中,AI結合產品及用戶即時及歷史數據,搭配定價及需求預測、保養維修預測及智能庫存管理等,來幫助提高產品流通及資產利用率。

總結上述3點,第1點是長久以來回收產業的特有議題,透過AI可以解放大量勞動力,並增加回收系統內各環節的透明度;第2-3點是循環經濟產業與一般產業面臨共通的產品升級及效率提升問題,導入AI可以使產品及服務流程更符合循環經濟的商業模式。

AI雖強大,但如何避免掉入「垃圾進、垃圾出」的坑?
AI用在循環經濟最吸引人的特點,是大幅減少傳統用於廢棄物處理、追蹤、稽查的人力投入,但概念雖好,執行並不容易,設計不良的AI模型,很容易掉入「垃圾進,垃圾出」(Garbage in, Garbage out)的坑!

第一個大坑是與資料品質有關,沒有足夠大量且高品質的數據,是無法有效訓練模型的,另外,由於大多數現有廢棄物資料標記不足,AI是無用武之地的。第二個大坑是與技術整合有關,由於演算法開發、模型訓練及將資料輸出轉換為對人類有意義的結果,每一個步驟都需仰賴跨領域專家的經驗,若過程沒有謹慎把關,輸出的品質通常不如預期,也就無法協助人類完成決策。避免入坑的基本認識如下:

  1. 1.資料收集及加工:AI是通過資料來「感知」這個世界,且這些資料仍需要以統一標準的格式收集及加工(如標記),才能讓AI進行「辨識」。但現實世界中絕大多數的資料是以影片、圖像、聲音、文字等型式散落在各處,不易收集且未加工整理。舉例來說,識別一件物品的圖像,至少需要上千張該類物品的圖片(如寶特瓶);進行語音識別,則至少需要上萬小時的演講錄音。
  1. 2.演算法開發及改進:由於AI無法一開始就完成精確預測,它需要累積大量的學習經驗,以提升模型的精準性;故開發合適的演算法,並以既有的資料進行大量的訓練,透過迭代過程對演算法進行改進,直到模型可以對新輸入的數據進行推理。
  1. 3.為特定問題提出解決方案:AI雖強大,但它的用法仍需要使用者來定義,不同的演算法應用的功能場景也不同,以循環經濟為例,AI物件識別(Pattern Recognition)可分選垃圾;AI預測模式(Prediction)可幫助焚化爐根據總體經濟及產業數據,預測處理量能;AI最適規劃(Optimization & Planning)優化垃圾車的行駛路徑;AI機器人(Robots)則可整合多項解決方案等。

AI案例演示:再生物料推薦系統
以下將簡單演示AI用於循環經濟的案例:再生物料推薦系統(Circular Material Recommendation System)。有鑑於國內廢棄物產生端與原材料使用端之間,無法有效串接,該系統的主要目的為將國內廢棄物產生端與潛在需求端的斷點,以AI推薦機制進行連接,並將該結果回饋給特定產業的供應鏈。

該系統包括兩大部分:

  1. 1.機器學習實現語意探勘:透過文字模型識別與目標廢棄物高度相關的原料代碼。以環保署事業廢棄物管理系統所有原物料及廢棄物中文名稱為基礎,建立各代碼相關度資料,並經由維基百科搜尋中文文本,訓練文字向量模型,依此計算目標廢棄物與原物料代碼相關性,實現語意探勘。
  1. 2.資料庫分析:透過事業廢棄物資料庫搜尋同時使用目標廢棄物與產出相關產品之廠商清單,並將該結果回饋給特定產業的供應鏈,如特定再生物料的潛在使用者,促進再生物料的使用。

圖1 再生物料AI推薦系統示意圖(資料來源: 中經院自主研究、楊智捷整理及繪製)

圖2 再生物料使用與產出AI生成關聯圖(資料來源: 中經院自主研究、楊智捷整理及繪製)

小結
AI可以藉由「優化回收系統」、「設計循環產品」及「運營循環商業模式」等3種主要方式,突破循環經濟轉型的關卡。但AI與循環經濟要完美結合,仍需要高品質的資料,並仰賴跨領域專家的經驗交流。

 

[1] UN (2020), Global E-Waste Monitor 2020 http://ewastemonitor.info/

[2] Baldé, C.P., et al. (2017), The Global E-waste Monitor 2017: Quantities, Flows, and Resources, United Nations University.

[3] Ellen MacArthur Foundation and Google (2019), Artificial Intelligence and the Circular Economy: AI as A Tool to Accelerate the Transition

 

羅時芳(中華經濟研究院)

中華經濟研究院研究員,主要研究領域為能源與環境政策、績效評估、循環經濟等,發表國際及國內學術期刊數十篇,並主持政府及產業研究計劃,看到了環境問題及國際趨勢的轉變,希望台灣在世界舞台不要缺席。

 

循環經濟概念高大上,但總是卡關在哪?
循環經濟主張藉由重新設計產品、製程及商業模式,讓有限的地球資源不斷被利用、循環再生並永保價值。以電子廢棄物為例,每年約有5,400萬噸電子廢棄物被報廢丟棄,相當於浪費價值570億美元的黃金、鉑金及其他貴金屬[1];雖然廢棄物相當有價值,但在回收、分類、拆解或處理過程,因為太耗費人力及物力,全球僅有20%的廢棄物透過回收管道,再重新回到產業鏈[2]

用資訊科技達成循環經濟轉型,是近年時髦又新穎的概念,想像一下,如果把沉悶、骯髒又危險的回收作業,交給AI機器人,不但可以解放人類的時間,又可以確保回收的效率。放大到整個回收系統,由於牽涉利害關係人多、交易環節多,廢物料的流向始終是一個黑盒子,資訊不透明、溯源困難,無法順暢運作,也就難以達到經濟規模。

循環經濟高大上的概念,往往落得小規模零星的示範案例,無法有系統地大規模推展並落實。

AI可以幫助循環經濟突破那些關卡?
人工智慧(Artificial Intelligence, 以下簡稱AI)是電腦、機器、程式、程式碼透過模擬人類心智,來解決問題及決策的能力;具體言之,AI以影片、圖像、聲音、文字等資料型式,通過模式識別、預測、優化及推薦生成,來幫助解決問題。AI可以藉由以下3種主要方式,突破循環經濟轉型的關卡[3]

  1. 1.優化回收系統:AI可以減輕過去回收產品拆卸、再製造組裝及回收材料分類中,需倚賴大量勞動力的過程,幫助有效改進產品及材料的逆向物流基礎設施,達成真正的封閉式循環(Close Loop)。
  1. 2.設計循環產品、零組件或材料:AI可藉由不斷迭代的機器學習,輔助設計產品原型 (Prototype)、測試零組件或材料,加速並增強符合循環經濟概念的新產品、零組件或材料的開發。
  1. 3.運營循環商業模式:AI可以幫助運營循環經濟商業模式,舉例來說,在「以租代買」商業模式中,AI結合產品及用戶即時及歷史數據,搭配定價及需求預測、保養維修預測及智能庫存管理等,來幫助提高產品流通及資產利用率。

總結上述3點,第1點是長久以來回收產業的特有議題,透過AI可以解放大量勞動力,並增加回收系統內各環節的透明度;第2-3點是循環經濟產業與一般產業面臨共通的產品升級及效率提升問題,導入AI可以使產品及服務流程更符合循環經濟的商業模式。

AI雖強大,但如何避免掉入「垃圾進、垃圾出」的坑?
AI用在循環經濟最吸引人的特點,是大幅減少傳統用於廢棄物處理、追蹤、稽查的人力投入,但概念雖好,執行並不容易,設計不良的AI模型,很容易掉入「垃圾進,垃圾出」(Garbage in, Garbage out)的坑!

第一個大坑是與資料品質有關,沒有足夠大量且高品質的數據,是無法有效訓練模型的,另外,由於大多數現有廢棄物資料標記不足,AI是無用武之地的。第二個大坑是與技術整合有關,由於演算法開發、模型訓練及將資料輸出轉換為對人類有意義的結果,每一個步驟都需仰賴跨領域專家的經驗,若過程沒有謹慎把關,輸出的品質通常不如預期,也就無法協助人類完成決策。避免入坑的基本認識如下:

  1. 1.資料收集及加工:AI是通過資料來「感知」這個世界,且這些資料仍需要以統一標準的格式收集及加工(如標記),才能讓AI進行「辨識」。但現實世界中絕大多數的資料是以影片、圖像、聲音、文字等型式散落在各處,不易收集且未加工整理。舉例來說,識別一件物品的圖像,至少需要上千張該類物品的圖片(如寶特瓶);進行語音識別,則至少需要上萬小時的演講錄音。
  1. 2.演算法開發及改進:由於AI無法一開始就完成精確預測,它需要累積大量的學習經驗,以提升模型的精準性;故開發合適的演算法,並以既有的資料進行大量的訓練,透過迭代過程對演算法進行改進,直到模型可以對新輸入的數據進行推理。
  1. 3.為特定問題提出解決方案:AI雖強大,但它的用法仍需要使用者來定義,不同的演算法應用的功能場景也不同,以循環經濟為例,AI物件識別(Pattern Recognition)可分選垃圾;AI預測模式(Prediction)可幫助焚化爐根據總體經濟及產業數據,預測處理量能;AI最適規劃(Optimization & Planning)優化垃圾車的行駛路徑;AI機器人(Robots)則可整合多項解決方案等。

AI案例演示:再生物料推薦系統
以下將簡單演示AI用於循環經濟的案例:再生物料推薦系統(Circular Material Recommendation System)。有鑑於國內廢棄物產生端與原材料使用端之間,無法有效串接,該系統的主要目的為將國內廢棄物產生端與潛在需求端的斷點,以AI推薦機制進行連接,並將該結果回饋給特定產業的供應鏈。

該系統包括兩大部分:

  1. 1.機器學習實現語意探勘:透過文字模型識別與目標廢棄物高度相關的原料代碼。以環保署事業廢棄物管理系統所有原物料及廢棄物中文名稱為基礎,建立各代碼相關度資料,並經由維基百科搜尋中文文本,訓練文字向量模型,依此計算目標廢棄物與原物料代碼相關性,實現語意探勘。
  1. 2.資料庫分析:透過事業廢棄物資料庫搜尋同時使用目標廢棄物與產出相關產品之廠商清單,並將該結果回饋給特定產業的供應鏈,如特定再生物料的潛在使用者,促進再生物料的使用。

圖1 再生物料AI推薦系統示意圖(資料來源: 中經院自主研究、楊智捷整理及繪製)

圖2 再生物料使用與產出AI生成關聯圖(資料來源: 中經院自主研究、楊智捷整理及繪製)

小結
AI可以藉由「優化回收系統」、「設計循環產品」及「運營循環商業模式」等3種主要方式,突破循環經濟轉型的關卡。但AI與循環經濟要完美結合,仍需要高品質的資料,並仰賴跨領域專家的經驗交流。

 

[1] UN (2020), Global E-Waste Monitor 2020 http://ewastemonitor.info/

[2] Baldé, C.P., et al. (2017), The Global E-waste Monitor 2017: Quantities, Flows, and Resources, United Nations University.

[3] Ellen MacArthur Foundation and Google (2019), Artificial Intelligence and the Circular Economy: AI as A Tool to Accelerate the Transition