Binit привносит искусственный интеллект в мусор
Ранние попытки создания специализированного оборудования для хранения искусственного интеллекта были критицированы как, мягко говоря, немного недоработанные. Но вот гаджет на стадии разработки, полностью посвященный мусору, дословно: финский стартап Binit применяет возможности обработки изображений больших языковых моделей (LLM) для отслеживания бытового мусора.
Искусственный интеллект для сортировки вещей, которые мы выбрасываем, для повышения эффективности переработки на муниципальном или коммерческом уровне, привлек внимание предпринимателей уже некоторое время (см. стартапы, такие как Greyparrot, TrashBot, Glacier). Но основатель Binit, Борут Гргич, считает, что отслеживание бытового мусора — это неизведанная территория.
«Мы производим первый домашний отслеживающий устройство для мусора», — говорит он сайту TechCrunch, сравнивая грядущую точную машинную технологию искусственного интеллекта со снаряжением для мониторинга сна, но для ваших привычек выбрасывания мусора. «Это технология видения камеры, подкрепленная нейронной сетью. Итак, мы используем LLM для распознавания обычных бытовых предметов мусора».
Стартап на начальном этапе, которому несколько миллионов долларов вложил ангельский инвестор, строит аппаратное обеспечение искусственного интеллекта, созданное для того, чтобы пребывать (и выглядеть круто) на кухне — установлено на тумбу или стену рядом с местом, где происходят действия, связанные с мусорным баком. Этот работающий от батарей устройство оснащено камерами и другими датчиками, чтобы оно могло просыпаться, когда кто-то находится поблизости, позволяя сканировать предметы до их выбрасывания мусор.
Гргич говорит, что они полагаются на интеграцию с коммерческими LLM, в первую очередь с GPT компании OpenAI, чтобы делать распознавание изображений. Затем Binit отслеживает, что выбрасывает семья — предоставляя аналитику, обратную связь и геймификацию через приложение, например, недельный рейтинг мусора, все с целью стимулировать пользователей уменьшать количество выбрасываемых ими вещей.
Команда изначально пыталась обучить свою собственную модель искусственного интеллекта для распознавания мусора, но точность была низкой (порядка 40%). Поэтому они зацепились за идею использования возможностей распознавания изображений OpenAI. Гргич утверждает, что они получают распознавание мусора, которое почти на 98% точно после интеграции с LLM.
Основатель Binit говорит, что ему «нет ни малейшего понятия», почему это работает так хорошо. Неясно, содержат ли данные об изображениях мусора в данных обучения OpenAI или способна ли она просто распознавать много всего из-за объема данных, в которых она была обучена. «Это невероятная точность», — утверждает он, указывая, что высокие показатели, которых они достигли в тестах с моделью OpenAI, могут быть связаны с тем, что сканируемые предметы являются «общими объектами».
«Он даже способен с относительной точностью определить, есть ли в чашке для кофе подкладка, потому что распознает бренд», — продолжает он, добавляя: «Итак, суть в том, чтобы пользователь пропускал объект перед камерой. Так что это заставляет его стабилизировать его перед камерой на некоторое время. В этот момент камера снимает изображение со всех углов».
Данные по мусору, отсканированные пользователями, загружаются в облако, где Binit может их проанализировать и генерировать обратную связь для пользователей. Основные аналитические данные будут бесплатными, но они намерены ввести премиальные функции через подписку.
Стартап также позиционирует себя как поставщика данных о том, что люди выбрасывают — что может быть ценной информацией для организаций, таких как упаковочная компания, если она сможет масштабировать использование.
Тем не менее, одним из очевидных критериев является необходимость ли людям высокотехнологичного гаджета для того, чтобы сообщить им, что они выбрасывают слишком много пластика? Разве нам не известно, что мы потребляем — и что нам нужно стараться не производить так много отходов?
«Это привычки», — утверждает он. «Я думаю, мы осознаем это, — но не обязательно действуем по этому поводу».
«Мы также знаем, что, вероятно, полезно спать, но затем я надеваю трекер сна и сплю намного больше, хотя он не научил меня ничему, чего я уже не знал».
Во время тестов в США Binit также утверждает, что видел снижение примерно на 40% смешанных мусорных баков, поскольку пользователи общались с прозрачностью мусора, предоставляемой продуктом. Так что он считает, что их подход к прозрачности и игровому процессу может помочь людям изменить укоренившиеся привычки.
Binit хочет, чтобы приложение было местом, где пользователи получают как аналитику, так и информацию, чтобы помочь им уменьшить количество выбрасываемых ими вещей. Для последнего Гргич говорит, что они также планируют использовать LLM для предложений — принимая во внимание местоположение пользователя для персонализации предложений.
«Способ работы в следующем: давайте возьмем упаковку, например, — так что каждый кусок упаковки, который пользователь отсканировал, формирует небольшую карточку в вашем приложении, и на этой карте говорится, что вы выбросили [например, пластиковую бутылку]… и в вашем районе есть альтернативы, которые вы могли бы рассмотреть, чтобы уменьшить потребление пластика», — объясняет он.
Он также видит потенциал для партнерств, например, с влиятельными лицами, борющимися с продовольственными отходами.
Гргич утверждает, что еще одной новинкой продукта является то, что он «против необоснованного потребления», как он выражает это. Стартап выстраивает позиции в соответствии с растущими осознанием и действием по устойчивости. Чувсто, что наша многоразовая культура потребления нуждается в том, чтобы быть отброшена, и заменена более осознанным потреблением, повторным использованием и переработкой, для защиты окружающей среды для будущих поколений.
«Я чувствую, что мы на пороге [чего-то],» предполагает он. «Я думаю, люди начинают задавать себе вопросы: действительно ли необходимо выбрасывать все? Или мы можем начать думать об исправлении [и повторном использовании]?»
Однако не могло бы использование нашего мобильного приложения быть достаточным? Гргич утверждает, что это зависит. Он говорит, что некоторые домохозяйства с радостью используют смартфон на кухне, когда они могут загрязнить руки во время приготовления еды, например, но другие видят ценность в наличии специализированного беспроводного сканера мусора.
Стоит отметить, что они также планируют предложить функцию сканирования через свое приложение бесплатно, поэтому они собираются предложить оба варианта.
Пока что стартап тестирует свой сканер мусора на базе искусственного интеллекта в пяти городах США (Нью-Йорк; Остин, Техас; Сан-Франциско; Окленд и Майами) и четырех в Европе (Париж, Хельсинки, Лиссабон и Любляна, в Словакии, где Гргич изначально родом).
Он говорит, что они работают над коммерческим запуском этой осенью — вероятно, в США. Ценовая точка, которую они нацеливают для аппаратных средств искусственного интеллекта, составляет около 199 долларов, что он описывает как «выгодное предложение» для устройств умного дома.
