数字世界中，最引人注目的主题之一，无疑在于如何将数据浪潮、计算能力以及AI技术完美融合，从而实现更为宏大的社会利益。虽然当前围绕这一主题的多数对话都侧重于商业利润，但这些技术确实存在巨大潜力，能够重塑我们理解世界的方式、并为整个人类社会带来积极变化：从绘制全球渔业船队去向，到为不断变化的森林建立图表等等。
如果我们能够将数据、计算与AI技术的结合应用于全球污染，特别是非法垃圾倾倒领域，结果会怎么样？
四年前，笔者与Let’s Do It基金会的Kadi Kenk进行过交流。该基金会旨在“联系并赋能全世界的人们，组织大家改善整个星球的浪费问题。”目前，已经有来自113个国家的1500万志愿者开始清理位于世界各地的垃圾非法倾倒场。该组织的核心使命在于，不断绘制出全球范围内未授权垃圾倾倒场所的位置图，而这项工作原本只能依靠志愿者手动完成。
关于增强民众对垃圾倾倒范围的贡献能力，一大重要思路在于，利用《精灵宝可梦Go！（Pokémon Go）》等高人气增强现实游戏，将地图绘制平台交付至每一位参与者手中。
简单而言，游戏开发者也许能够在自己的应用程序中添加一个通用型按钮，允许用户借此在游戏过程中报告他们在真实世界层面遇到的种种基础设施问题——包括地面坑洼，墙面涂鸦，以及可能危及行人正常散步的步道位置垃圾堆。这些数据集能够配合地理标记，甚至允许用户上传照片，所有报告汇总起来，以供社会组织、政府以及研究人员用于解决与之对应的具体问题。
当然，这种基于地理位置的报告方法存在诸多局限，例如普通人群是否有意愿投入时间帮助改善城市环境。更重要的是，即使游戏制作者们同意向应用程序中添加这类与游戏玩法没有直接关系的额外功能，用户本身相对有限的行进路线也意味着游戏提供的报告只覆盖到地球上的很小一部分区域。
那么，我们该如何重新利用已有的数据，以发现非法垃圾倾倒行为？AI算法是一个解决方案。
开放数据GDELT项目每天利用Google Cloud Vision API对近百万幅全球新闻图片进行编目。目前，GDELT已经将近5亿张新闻图片纳入索引，这些图像涵盖近三年半以来的各类全球性事件。在相关目录标签中，有不少都与污染以及垃圾废物相关，包括出现在每日新闻图像背景中的垃圾。
问题又来了，如果希望每天都能直接扫描全球新闻与社交媒体图像以搜索垃圾位置，该如何着手？尽管部分图像可能会突出显示出垃圾堆等目标，但考虑到原本的拍摄目的在于展示垃圾，因此必须聚焦于仅出现在背景当中的垃圾对象，对其进行编目，最后利用图像元数据与视觉地理编码方法，实时清点世界范围内的垃圾分布状况。
该项目利用AI技术为近三个月收集到的全球垃圾新闻图像进行整理，希望了解非法垃圾倾倒会给我们的星球产生怎样的影响，以及AI方案如何快速筛选日常图像并能够带来怎样的垃圾识别效果。
这套模型虽然功能强大，但仍然存在着一大短板——它无法运行在手机上，这意味着快速生成大量移动数据的社交媒体发布者与记者无法加入到这一项目中来。事实上，全球大部分非法垃圾倾倒场都位于边远乡村，而我们的模型在这里几乎毫无作用。
笔者最近在与Kadi的同事Merli Vares会面时，就谈到了这个问题，即随着图像处理技术的发展，还有哪些方式能够实现全球垃圾倾倒活动的实时绘制，特别是AI的图像大规模处理方案。在这方面，Let’s Do It基金会一直在与合作伙伴携手探索。
如今，世界各地的企业正在高度关注商业卫星图像在可用性及分辨率层面的提升。将这些与AI图像识别配合起来，我们将能以更强大可行的方式，实时观察我们的星球。可以肯定的是，AI公益类应用程序正越来越多地将卫星图像整理为自然地球观测集，那么我们能否在垃圾追踪层面实现同样的效果？
想象一下，如果有一款应用程序能够每周对主要商业卫星图像进行一轮扫描，从而清点世界各地所有大规模非正规垃圾存放点的情况，结果会如何。这样的图像也许无法及时发现人们丢弃在路旁的瓶子，但随着分辨率的提升，Let’s Do It这样的志愿者机构绝对能够借此发现各类值得关注并另以追踪的废物倾倒活动。
一旦某个区域被确定为存在非法垃圾堆放情况，又会怎样？商业卫星图像能够识别出大规模垃圾倾倒区域，但其周边可能还散布着无数小块垃圾残余，特别是在森林边缘及其它一些商业卫星无法准确体现的位置。
在这方面，现代商用无人机的自主飞行控制与机载AI视频处理技术将发挥作用。目前的无人机单位可以快速前往原本难以抵达的地理边界位置，在空中巡弋并自动搜索整个区域，同时避开树木与建筑等障碍物。利用机载AI识别算法、GPS标记与拍摄库，无人机甚至能够实时识别出视频流中的预定义对象。当前被用于军事用途的商业无人机系统，其搭载的自主飞行软件与飞行续航能力，足以在单次巡弋过程中对整个社区或者中等规模的园区进行自动扫描与编目。
也就是说，拥有执照的无人机操作员可以与当地政府及居民进行协调，并前往扫描群众上报的非正式垃圾倾倒场地。垃圾探测无人机飞离航空箱，从空中快速穿过整个倾倒区并以结构化网格的形式进行逐片扫描。机载AI方案对摄像机的馈送内容进行实时处理、GPS标记并保存其发现的每块垃圾，包括估计得出的垃圾数量、类型以及每一种垃圾的具体占比。这些结果将通过无线链接被发送回操作员身边的计算机，在这里进行GIS地图与电子表格填写，从而快速清点目标区域内的垃圾填埋情况。完成之后，无人机返回操作员身边并安全着陆，一次探测即告结束。
接下来，这份分辨率可观的垃圾地图将进行拆分并分发给对应的志愿者队伍。他们会很快抵达目标位置以清理这一区域，这意味着，地图将成为清洁工作的指导，而非清洁团队必须完成的日常任务。
虽然乍看上去，这种覆盖能力极强的无人机垃圾分布绘制有点像是科幻小说中的情景，但实际上实现这套方案的所有技术目前都已经客观存在。愈发强大的民用/商用无人机、自主导航系统、机载AI视频处理方案、能够嵌入AI模型的算法、无线链路以及充足的电池电量当下都成为现实，不少军方机构已经在利用其进行类似的编目活动。因此，除了对机载AI模型进行更新之外，我们几乎能够直接利用现有技术实现公益目的。
综上所述，面对这个大规模实时数据、近乎无限的计算能力以及先进AI方案相融合的世界，我们拥有着利用这些系统实现社会效益的、前所未有的重大机遇。从解决流行病到保护野生动植物，再到处理环境污染等问题，随着这些技术由商业世界转向非营利性领域，一切都带来了令人难以置信的可能性，并重新构建着我们对自然世界的理解方式，甚至最终将为我们带来实现基础性社会变革所必需的实时定量数据集。
最后，也许有一天，这些无与伦比的技术不再仅仅被用于进行针对性广告投放，而是真正帮助我们拯救这颗作为全人类家园的蔚蓝行星。
