芬蘭+中國 把「垃圾」變「資源」

Published / by admin

【倡議+ 電子報】傳遞人物故事,鎖定泛教育、社企…等領域,透過他們為社會付出故事,期待引起更多共鳴。 想瞭解最時尚、自然的Life Style?輕鬆成為新時代生活達人?【晨星生活元氣報】讓你輕鬆掌握最新生活訊息!

無法正常瀏覽圖片,請按這裡看說明   無法正常瀏覽內容,請按這裡線上閱讀
新聞  健康  財經  追星  NBA台灣  udn部落格  udnTV  讀書吧  

2019/01/23 第420期  |  訂閱/退訂  |  看歷史報份  |  能力雜誌網站

精選文章 芬蘭+中國 把「垃圾」變「資源」
精準+預測 AI餵飽全世界
 

芬蘭+中國 把「垃圾」變「資源」
文/劉容皿

循環經濟(Circular Economy)是近年來各國競相投入的經濟施政重點,也正是台北市和上海市2018年12月舉辦雙城論壇交流的主題。各國和各城市推動循環經濟的動機很多,有的是為了打造更有競爭力的經濟環境;有的是想解決人口膨脹的問題;有的是要配合達到減碳的標準;有的是單純為了善盡社會責任。無論動機如何,經濟由仰賴消耗和消費轉而依靠再生和復原,已成為全世界各地決策者優先施政的重點。

環顧全世界,想要找到值得借鏡的例子,不妨留意芬蘭和中國。芬蘭率先轉型,如今成了移植循環經濟經驗的出口國,其總人口不到552萬人,許多條件也和台灣相近;中國則是全世界製造廢棄物最多的國家,需待政策調整的力道更龐大而迫切,相關經驗也值得和台灣交流。

芬蘭 循環經濟全球領頭羊

芬蘭在2016年率全球之先,明訂目標要在2025年成為全球循環經濟的領導者,不僅能身居全球最環保的國家,同時也有機會成為開發綠色解決方案的先驅。為了邁向這個目標,芬蘭規劃將朝產生最多溫室氣體的4大行業下手:建築業、製造業、運輸業、以及供熱和發電業。配合推動此目標的芬蘭創新基金會(Finnish Innovation Fund; Sitra)認為,運輸業想達到減排又最省成本的辦法就是推動電氣化,但同時要讓電池成本變得負擔得起;相對地,風力雖是最具成本效益的發電方式,卻也想要解決儲存容量的問題。Sitra進一步預測,到了2030年,芬蘭的電動車將占車輛總數3成,由目前的1.1萬輛增為80萬輛。因此,當務之急是投資15億歐元(約新台幣527億元),建立完備的充電站據點。Sitra也建議,風力發電要由目前的2百萬瓩(GW)增至2030年的7百萬瓩,這將是一大壯舉,在每一次申請過程和生產流程都需要分配到充分的資源。

在供熱和發電方面另一個重要的做法,則是透過生質能取代化石燃料,在工業用供熱以生質能或沼氣取代化石燃料,而住宅和商辦建築則採用熱泵和電熱系統,甚至製造業也有加強利用生質能的計畫。Sitra主張,這個邁向碳中和(Carbon Offsets)的策略需要政府引導個人和企業都投入減碳的行列,正如Sitra氣候解決方案主管斐友(Janne Peljo)接受當地媒體訪問表示:「政府的主要職責是要確保減碳所需的基礎建設必須到位,讓企業和個人有誘因選擇低碳的方式,也要確使當前的法令和誘因不會妨礙或限制對減碳辦法的投資。」

充分利用材料 降至最低廢棄量

芬蘭政府的理念是,所有原材料都要得到充分利用並回收,並採用芬蘭幾十年來所累積的創新技術,將廢棄量降至最低。在芬蘭第2大城市埃斯波(Espoo),有一個Ämmässuo廢棄物處理中心,主要處理鄰近首都赫爾辛基(Helsinki)的垃圾,尤其是來自家庭、工業區、商業中心的廢棄物,Ämmässuo會將這些分類為混合廢料、紙張、生質廢棄物、紙箱、玻璃、金屬、危險廢棄物和電器。赫爾辛基大都會區自1993年即開始實行垃圾分類,每個家庭都有不同的容器來收集各種廢棄物。Ämmässuo從2014年開始處理被分類好的垃圾,而落實分類的結果,導致只有1%的垃圾需要進入掩埋場,這些垃圾又將產生家庭可利用的沼氣。因此,Ämmässuo的掩埋場占地54公頃,目前只使用了其中12公頃的土地。除了垃圾掩埋場外,還有一個處理污染水的區域,最後也是進入垃圾掩埋場。這裡也處理從赫爾辛基的花園、農場和家庭取得的樹枝,在經過碾切之後,能生產出生質燃料。赫爾辛基每個家庭每月負擔200歐元,以支付包括蒐集廢棄物、提供水電以及暖氣的服務。

中國 廢棄物產量最高之地

對於擁有14億人口的中國,既要確保提高人民生活水準,又要避免、降低排碳,堪稱極其浩大的工程。中國政府2015年通過《十三五規劃》,增加再生能源市場比重,採取行動提高廢棄物管理水準,禁止進口24種外國廢棄物,並引入了生產者責任延伸制度,進而提昇產品設計,規範回收利用。

艾倫.麥克阿瑟基金會(Ellen MacArthur Foundation)最近的報告分析,若能成功轉型落實循環經濟,不僅可以大幅改善空氣品質,碳排放量也將同步下降,2030年以前還可省下高達人民幣32兆元(約新台幣142.6兆元)的工業和家庭成本。這份報告說,要實現轉型,必須從產品設計源頭徹底告別廢棄物和污染,同時大幅增加材料和產品(例如:汽車)的改進使用頻率。報告認為,要想實現這個目標,中國改造的重心應放在3個都會系統:建築環境、交通運輸和城市給養,以及2個工業系統:紡織與電子,按照如此步調改造,到了2030年,空氣懸浮微粒污染將減少10%,溫室氣體排放量將減少11%。

如何處理垃圾,也是這個全球最大垃圾製造國的重要課題。適逢台北、上海雙城論壇,對岸民間企業透過數位化平台來降低廢棄物的構想極富創意。阿里巴巴旗下的訂餐網「餓了嗎」在上海成立一個永續發展的實驗室,其中推出一個很成功的例子是在網站加入「不用筷子」的選項,截至2018年11月底為止就節省4,300萬雙筷子。

多家新創公司也利用WeChat來鼓勵垃圾分類,其中一家新創智慧回收平台─小黃狗,在各大城市設置智慧回收機,收取紙類、塑膠、金屬、布類、玻璃等廢棄品,按重量計價,結算後的金額直接存至民眾的WeChat錢包裡。目前服務網已經覆蓋30個城市,用戶數量高達140萬人。出乎意料的是,最熱烈響應回收的族群是老人與退休人士,不僅成為新一代環保尖兵,同時還可藉由回收垃圾賺點小錢。

【本文出自《能力雜誌》2019年1月號;訂能力電子雜誌;非經同意不得轉載、刊登】

精準+預測 AI餵飽全世界
文/胡林

人口快速老化、鄉村日漸減少正在嚴重威脅歐美、日本等國家的農業生產甚或存續,根據聯合國估計,要養活地球爆炸中的人口,到本世紀中葉糧食產量需增加50%。為解決此問題,利用高科技協助農民轉而擁抱「智慧農業(Intelligent Agriculture)」已成一股不可逆的趨勢,透過人工智慧(Artificial Intelligence, AI)及其他聯網裝置,提供土壤、天氣、價格等數據的即時分析,大幅節省勞力、提高農民生產效率。

目前約有200萬座農場星羅棋佈散落在美國大陸上,這些農場主人的決定將影響整個食品供應鏈。根據一項研究,如果5%的美國青花菜產量未收割,美國市場上就會少了逾9,000萬磅的青花菜。為協助穩定這個充滿不可預測性的市場,IBM推出了結合了AI、物聯網(Internet of Things, IoT)和雲端解決方案的「Watson農業決策平台(WDPA)」。該公司表示農業是一項龐大且複雜的工作,還得受大自然的擺布。由於來自農場設備、環境感應器和遠端輸入的數據龐大,光靠直覺或傳統技術來了解造成產量變化的因素或為農民提供指引,很不切實際,藉由Watson AI應用以填補此一缺口,從而提供農民參考。

AI成決策助手》掌控澆水、買賣時機

Watson農業決策平台利用IBM強大的預測功能,找出可能影響作物產量的所有關鍵因素,例如:土壤溫度、水分含量、害蟲和疾病。農民還可利用無人機將照片送至IBM Cloud,再由AI進行趨勢分析,例如:找到作物病害的跡象等,或者將植物的特寫照片提供給疾病檢測電腦進行視覺運算。

大型農業經營者可利用該平台預測何時可收成,及可在全球市場上賺多少錢。所有的資訊經過整理後,經營者不僅可掌握灌溉、種植、施肥的最佳時機,還可以確定最適合的銷售時點。

這不是IBM首次跨足農業分析領域,IBM的Pairs Geoscope平台利用機器學習來分析衛星圖像、天氣、人口、土地使用、企業位置等數據以及作物預測。在巴西,該公司的研究人員構立了一個原型AgroPad,利用AI和行動應用程式來分析土壤和水質樣本。在肯亞,IBM與Twiga Foods合作,為農民和食品供應商測試了一個由區塊鏈驅動的微型金融貸款平台。

當然,IBM也不是唯一將AI應用於農業的企業。總部位於以色列特拉維夫的新創公司Prospera利用電腦視覺軟體、現場攝影機和天氣感應器,以及強大的雲端處理平台,能準確算出需輸送多少水給植物。此外,美國的笛卡爾實驗室(Descartes Labs)也利用由衛星數據訓練的機器學習模型,來推估整個州和全美的玉米產量。

AI收成機器人》工時Double摘好摘滿

隨著農業使用AI日益普及,這個市場的規模也快速成長,根據市場研究業者Mordor Intelligence,用於農業的AI市場規模在2016年有31.8億美元,預計2018至2023年這5年期間的複合年成長率(Compound annual growth rate, CAGR)為12.7%。對日本而言,這個國家有2/3農民年紀超過65歲,AI扮演著推動走向智慧農業的重要角色。物聯網和AI可為農民提供天氣、溫度、濕度和價格數據的即時分析。例如:充分了解當地資源後,AI可提供使作物價值最大化的方法;現場感應器和無人機蒐集的數據,可以匯整有關土壤、種籽、牲畜、作物、成本、農場設備,以及水和肥料等龐大且有價值的訊息。

一般來說,AI在日本農業的發展和應用,主要是自動採摘、作物分類和農業監測等3方面。

首先,自動採摘是農業生產中的一項重要技術。在上個世紀,自動採摘技術主要用於水稻收割機等設備。然而,巨大的收割設備需要人工操作並且過程粗糙,無法收割脆弱且易受傷害的農產品,比如草莓、蕃茄或其他水果。由AI驅動的收割機器人,所面臨的挑戰是讓系統判斷何時及哪些蕃茄已經可以收成。現行的一般揀選機器人無法辨識微妙的色差,進而區分未成熟和成熟水果。但藉由加入影像識別技術和深度學習,機器人對成熟度的評估效能可以接近人類的程度。

例如:日本消費電子巨人Panasonic在2017年東京國際機器人展推出「番茄收成機器人」。該公司在這款機器人中導入AI後,收成率可從80%提高到96%。隨著蕃茄逐漸從綠色變為紅色,機器人的相機會記錄圖像,系統會根據對照樣本檢查顏色變化,以判斷是否應收成。這款機器人也可靈巧採摘番茄而不會擦傷表面,提高了收成質量和品質。雖然每6秒採摘一個番茄的速率僅為人類專家採摘率的一半,但番茄採摘機器人可以不間斷運作10小時並在夜間工作(在顏色分析中使用專用光源),工作量明顯優於人工。

黃瓜電腦揀的》高齡者的快樂農場

其次,作物分類是收成後必不可少的過程,因為不同等級的農產品售價也不同,有些產品則需要直接運到工廠加工成罐頭食品、醃製品等。在這個階段,如果想讓AI協助進行作物分類,為它設定明確的標準就是關鍵。

小池真(Makoto Koike)是日本西部城市靜岡縣的小黃瓜農民。他說,在收成季節,需花8個多小時來分揀4,000公斤的小黃瓜。之前曾擔任過資訊科技(Information Technology, IT)工程師的小池認為,需要有更好的方法,因此他使用TensorFlow來建立自己的自動化小黃瓜分揀系統。他的小黃瓜根據厚度、長度、彎曲度等標準分為9個等級。

小池栽種的黃瓜首先由3台相機拍攝,然後將該數據傳輸到受過數千個黃瓜圖像訓練的AI系統,利用深度學習來確定品質等級。最後,輸送帶將黃瓜運送給機器人手臂,再將每個黃瓜放置在適當的包裝箱中。

第三是農場監測,這種技術包括生產預測、病蟲害監測及天氣預報等。導入智慧農業模式的農民,可以透過無人機、監視攝影機和安裝在農場的其他感應器,來即時監控農場的各項環境狀況,AI可利用這些數據來檢測溫度、濕度,以及作物病害和害蟲狀況,同時還能即時分析作物生長情況。這些自動化技術可大幅減少必須在農田裡的工作時間和重度勞動,對高齡化農民是一大助力。

此外,由東京Optim Cloud IoT公司開發的作物栽培解決方案,分為空氣監測管理(農業經理)和作物記錄助理(農業助理)。透過航空攝影和感應器,農業經理可遠距確認溫度、日照量和其他數據,並且利用圖像處理技術,可發現和預測27種不同的病蟲害;農業助理則利用語音辨識技術上傳許多作物訊息,減少農民的工作量並提高種植效率。

農業大規模應用人工智慧可提高效率並減少農民的體力辛勞,同時讓農業擺脫了固有的「辛苦和骯髒」的形象,激勵更多年輕人投入此產業。未來幾年,AI與相關技術將為農業帶來巨大改變,日本農業可能就此被徹底改造。

【本文出自《能力雜誌》2019年1月號;訂能力電子雜誌;非經同意不得轉載、刊登】

 

  免費電子報 | 著作權聲明 | 隱私權聲明 | 聯絡我們
udnfamily : news | video | money | stars | health | reading | mobile | data | NBA TAIWAN | blog | shopping