它们令人印象深刻。其目标也是如此——清理世界水域中的垃圾。2019年,据估计海洋中有5.25万亿件塑料垃圾,重量超过26.8万吨(https://ieeeoes.org/oes-beacon/june-2019-beacon/plastics-a-threat-to-our-oceans/)。但如今,塑料并非堵塞海洋和河流的唯一物质。考虑到所有物质的话,近期的预测表明,海洋中漂浮的垃圾可能超过171万亿件。
海洋中的小垃圾碎片可能会被海洋动物吞食。如果它们留在动物体内,就可能成为感染源,或者随着小动物被大动物吞食而在食物链中进一步传播。较大的海洋垃圾碎片可能会影响航运——每年大约有1万个海运集装箱坠入大海。
机器人可以帮助识别这些垃圾,甚至将其从海洋中清除,但机器人也有局限性。
河流巡查
垃圾清理水上机器人(aquabots)的部署受到限制,主要是由于缺乏资金,但有几个著名的例子。首先是水母机器人(Jellyfishbot),IEEE Spectrum刊物中称其为“河流版的Roomba”。一些地方政府,如加利福尼亚州的长滩,就在使用它们。
另一个例子是由荷兰非营利组织The Ocean Cleanup开发的河流拦截器。它固定在河流之中。当垃圾顺流而下时,会沿着一个漂浮的围栅被引导至这个太阳能驱动机器人的“嘴”部,然后通过传送带从水中被清除。
这两种机器人有一些区别。水母机器人相对较小,能放进汽车后备箱,并且是遥控的。而河流拦截器则大得多,其长度和宽度大约是标准海运集装箱的两倍。
这些机器人在清理河流垃圾方面发挥了重要作用,因为大部分海洋垃圾是通过河流流入海洋的。
一项快速发展的技术
水上机器人(aquabots)的开发也面临一些挑战。一方面,并非所有垃圾都漂浮在水面上。有些沉到水底,有些则在水面下漂浮。而在水面作业的机器人无法触及它们。
另一个挑战是:水下的能见度可能有限。在水面下作业的机器人可能难以识别海洋垃圾。因此,大多数水下垃圾清理机器人的原型都依赖人类操作员来识别垃圾。然而,目前针对基于人工智能(AI)的自动垃圾识别方法有大量的研究。IEEE Access上的这篇文章对该领域的研究进行了综述,并展示了一种提高准确性的新方法。
IEEE高级会员王刚表示:“大多数海洋垃圾机器人项目都是试点项目。我们需要梳理海洋垃圾的一些核心问题,以解决大规模清理的难题。大多数项目针对的是水面垃圾,而这只是垃圾的一部分。大多数垃圾可能在水下,比如渔网。
我们需要水上机器人(Aquabots)来清洁海洋吗?
海洋中的人造垃圾数量惊人。一些估计表明,到2040年垃圾量可能会翻两番。
IEEE会员Paulo Drews指出,机器人造价昂贵。它们需要维护,还需要操作员。而且它们也需要有地方存放垃圾。
Drews说:“使用水上机器人处理垃圾是社会的一个重要发展方向。不过,随着这项技术的发展,仍有复杂的成本问题需要考虑。机器人可以提供帮助,但人类需要尽快减少水体中的垃圾量。”
好文章,需要你的鼓励
斯坦福大学研究发现,主要用英语训练的大型语言模型竟能自发学会处理其他语言任务,无需明确教学。这种跨语言迁移能力随模型规模增大而显著提升,通过形成"通用语义空间"实现不同语言间的知识迁移。研究为降低多语言AI开发成本、支持资源稀缺语言提供了新途径,但仍面临性能不均衡、文化适应性等挑战。
随着谷歌搜索和亚马逊主页在电商领域影响力下降,AI助手如ChatGPT、Claude等成为消费者新的购物入口。品牌必须掌握生成式引擎优化(GEO)技术才能保持可见性。传统SEO策略已失效,AI系统更青睐结构化、问答式的高质量内容。研究显示,来自AI助手的流量转化率比其他渠道高9倍。品牌需要基于真实客户问题创建内容,采用结构化问答格式,并建立信任度,才能在这个新的电商秩序中脱颖而出。
阿姆斯特丹大学与Salesforce合作开发的奖励引导推测解码(RSD)技术,通过让小模型处理简单任务、大模型解决复杂问题的智能分工,在保持推理准确率的同时大幅提升计算效率。该技术在数学推理等任务中表现出色,计算量最多可减少75%,为AI应用的普及和成本降低提供了重要技术支撑。