作者简介
崔铭泽
中国信息通信研究院信息化与工业化融合研究所助理工程师，长期从事绿色低碳相关领域的研究工作。
论文引用格式：
崔铭泽. 人工智能赋能循环经济建设的技术手段与应用模式研究[J]. 信息通信技术与政策, 2024, 50(12): 89-96.
人工智能赋能循环经济建设的技术手段与应用模式研究
崔铭泽
（中国信息通信研究院信息化与工业化融合研究所，北京 100191）
摘要：在全球资源约束问题加剧，我国着力打造循环经济发展模式的背景下，基于循环经济发展的基本模式，探讨了人工智能应用于循环经济建设的主要技术手段，搭建了人工智能赋能循环经济建设的应用模式框架。同时，分析了现阶段人工智能赋能循环经济建设的主要挑战，并提出了发展建议，助力人工智能高效赋能循环经济建设。
关键词： 人工智能；循环经济；机器学习；回收再利用
0 引言
当前，全球资源消耗量不断上升，资源约束不断加剧的问题日趋显著。在过去近二十年间，全球资源消耗量上升超过65%，但资源的循环利用率仅有7.2%，通过发展循环经济提升资源利用率已形成全球共识[1]。同时，发展循环经济，是我国推动资源节约与高效利用，实现碳达峰碳中和目标的重要策略。我国目前资源大量消耗的生产方式仍未根本改变，资源利用率与循环利用率仍有较大提升空间[2]。因此，对于如何进一步推进循环经济高效发展开展相关研究十分必要。在此背景下，随着人工智能的不断发展，其在赋能循环经济建设方面具有较高潜力。人工智能以其在识别分类、数据预测、决策优化等方面的卓越性能，可推动资源的循环高效利用。本文将研究利用人工智能推进循环经济发展的底层技术手段与具体应用模式，分析现阶段人工智能赋能循环经济建设的挑战，并提出发展建议，推动人工智能在循环经济建设过程中的运用。
1 循环经济发展实施模式
循环经济的核心思路是通过延长产品的使用期限，以及针对退役产品或原材料采取产品重复利用、维修翻新、材料再利用等手段，提升资源的利用效率，实现对“材料获取-生产-使用-处置”的线性生产方式的替代[3-4]。图1展示了循环经济的基本实施模式。
图1 循环经济实施模式
循环利用的具体实施步骤主要包括：需要明确废弃物的种类、数量与分布，分析废弃物回收需求，从而支撑废弃物的精确高效收集；在产品退役后，需要对其进行收集，并将其运送至废弃物处理相关场所，包括废弃物存储场所、专业拆解机构、工厂等；需要对废弃产品进行分类，对于达到重复利用标准的产品，可对其直接进行重复利用或维修后进行重复利用；需要将无法二次利用的废弃产品拆解成为不同的零部件或原材料；需要识别可回收与不可回收零部件与原材料并进行分类。可回收部分需要在生产过程中进行重复利用，不可回收部分需要进行合规安全处理。
2 人工智能赋能循环经济发展的驱动因素
在国家政策引导不断加强、国际竞争局势日趋复杂、产业发展水平持续提升等多重因素影响下，利用人工智能赋能循环经济发展的必要性日趋凸显，产业与技术支撑能力日渐成熟。
一是利用人工智能赋能循环经济建设符合我国现阶段绿色化相关发展战略规划。《关于加快经济社会发展全面绿色转型的意见》对“大力发展循环经济”提出了明确要求，并强调“加快数字化绿色化协同转型发展”[5]。这不仅体现了集约化、循环化的生产模式建设在我国绿色化发展过程中的重要地位，也证明利用数字化技术赋能绿色化高效转型是我国绿色化发展的重要战略手段。
二是利用人工智能赋能循环经济发展有助于我国应对国际绿色贸易壁垒。当前，欧洲、美国等发达国家或地区为保障自身产业优势，削弱进口产品竞争力，采取多项举措持续强化绿色贸易壁垒，包括制定绿色化相关法案、征收碳关税等。其中，部分法案或政策对废弃物回收利用提出了明确要求。例如，《电池和废电池法规》对在欧洲市场销售的电池产品在退役后的收集、拆解、材料回收等环节提出了明确要求，并针对电池回收率制定了量化指标要求[6]。这将导致我国对于废弃物回收效率提升的相关策略与工具的需求不断增加。
三是人工智能产业的不断发展将支撑其赋能循环经济建设。近年来，我国人工智能产业快速发展，产业规模不断扩大，技术应用水平不断进步。目前，我国人工智能产业规模在2023年已达到5 000 亿元，专利申请量在全球总量中的占比已超过50%[7-8]。同时，我国正在加快推动人工智能对各行业的赋能。人工智能产业应用市场规模占产业总规模的比重在2021年已超过50%[8]，增强了人工智能赋能循环经济建设的发展潜力。
3 基于机器学习的人工智能赋能循环经济发展技术手段
人工智能赋能循环经济发展通常依赖机器学习等相关技术，通过模拟人脑对外界知识与信息的学习过程，实现对复杂问题的自主高效解决。图2概括了人工智能赋能循环经济建设的机器学习技术手段，主要涉及监督学习与强化学习两类技术。
图2 基于机器学习的人工智能赋能循环经济发展技术手段
3.1 监督学习技术手段
监督学习指对给定的输入数据进行标记（即提供一个特定的输出数据），并利用此类数据训练算法模型，最终确认输入与输出之间的关系。利用训练后的算法模型可以实现对输入的新数据自动提供相应的数据输出，从而支持循环经济发展的自动化高效决策[9]。监督学习主要包括分类和回归两类。
3.1.1 分类
监督学习下的分类任务指对不同数据的种类进行标记并进行算法模型的训练，最终实现对数据的自动化分类[10]。在循环经济领域，此类任务与对不同废弃物种类的识别与区分相关。
完成分类任务，需要收集大量不同种类废弃物的相关数据（如废弃物图片），并对数据类别特征进行标记。同时，标记后的数据将被划分为训练数据集与测试数据集。训练数据集主要用于模型的训练，测试数据集主要用于模型准确性的测试评估。
需要选择合适的训练模型。例如，因废弃物识别与区分工作可能涉及大量的图像数据，可选择训练卷积神经网络（Convolutional Neural Network，CNN）。该模型可实现对图像特征的提取与学习，从而对图像类数据进行识别与区分[11]。目前，已有多项研究证明利用CNN可提升废弃物识别分类准确率。Alonso等[12]开发了纸张、塑料、玻璃以及有机材料4种废弃物识别分类的CNN，使不同种类废弃物分类准确率达到90%，远高于人工手动分类。
需要利用标记的训练数据集进行模型训练，学习输入的废弃物相关数据（如废弃物图片）与输出的特征标记数据（如废弃物种类）的关系。在模型训练过程中，需要对其识别区分不同种类废弃物的准确率进行测试与评估，以支持对模型的调整。
在完成训练后，该分类模型可应用于对未见过的废弃物种类的自动识别，并对其进行分类，提升废弃物循环利用的效率。
3.1.2 回归
监督学习下的回归任务指通过训练算法模型，学习输入数据与输出数据间的关系，从而利用新的输入数据对输出数据作出预测[10]。在循环经济运行模式下，对废弃物产生量、废弃物回收需求等方面的预测将提升循环经济的建设效率。
完成回归任务，首先需要明确推动循环经济发展需要对哪些结果数据进行预测，以及影响预测结果的因素。同时，对已知的结果数据与其影响因素相关数据进行大规模采集，并划分训练数据集与测试数据集，用于模型的训练、测试与评估。
需要选择合适的回归算法（如线性回归、决策树等），利用训练集数据对模型进行训练，学习循环经济建设需要预测的结果数据与其影响因素间的关系。同时，利用测试数据集，测试评估预测结果的准确性，以及时对模型进行调整。
完成模型训练后，该模型可利用新的影响因素数据，对循环经济发展所需的结果数据进行自动化预测，以支撑更加高效的废弃物回收利用策略的制定。
3.2 强化学习技术手段
强化学习用于模拟智能体与环境之间的交互机制，智能体通过与环境中的不同状况进行交互，根据不同程度的奖励反馈，优化自身行为[13]。在循环经济建设过程中，此类方法可用于对废弃物收集、运输等策略的自动优化工作。
强化学习的模型搭建主要包括：智能体，即与环境进行交互，对奖励进行反馈，以及采取行动的主体；环境，指智能体所处的外部环境；状况，指环境中存在的各种可能使智能体作出行动的变量；行动，指智能体根据外界环境的不同状况采取的不同行动；奖励，即智能体在采取不同行动后收到的外部环境反馈，包括正向与负向奖励反馈[13]。
在训练强化学习模型的过程中，需要在外部环境中设置不同的环境状况，并使智能体与外部环境进行充分交互。同时，需要根据智能体采取的不同行动，设置不同的奖励作为行动的反馈。通过训练的智能体将明确采取何种行动可以使得奖励最大化，这将在循环经济建设过程中实现决策的自主优化，从而提升决策效率。
4 人工智能赋能循环经济建设应用框架
利用人工智能赋能循环经济建设的应用框架主要由基础设施、底层数据、算法模型、支撑中台、功能应用以及结果展示6个层面组成（见图3）。同时，相关的技术标准规范以及数据安全保障因素也需要考虑。
图3 人工智能赋能循环经济建设应用框架
4.1 基础设施
基础设施层主要包含传感设备、网络设备、云服务、处理器、智能机器人等基础设施，主要支撑人工智能赋能循环经济过程中的数据采集、传输、存储，算法模型训练，以及技术应用等过程。其中，传感设备需要实现对外部环境、废弃物特征等信息的精确感知与采集；网络设备需要确保数据能够快速、安全、准确的传输；云服务可以在数据存储、信息交互、数据安全等方面提供保障；以中央处理器（Central Processing Unit，CPU）、图形处理器（Graphics Processing Unit，GPU）等为主的处理器主要负责支撑数据计算、模型训练等相关工作；智能机器人受人工智能算法的驱动，可实现对废弃物的自动化拆解、分类等工作。
4.2 底层数据
利用人工智能支撑循环经济建设需要针对人口结构、消费习惯、运输状况、废弃物产量、废弃物特性等方面采集大量数据，分类别建立底层数据库。其中，人口结构数据库包含人口数量、年龄、居住地分布等可以反映产品消费者基本特征的数据；消费习惯数据库涉及产品消费者对产品的消费、使用、废弃等方面的行为数据，包括购买产品偏好、产品使用时长、废弃物产生频率等；运输状况数据库主要包括运输路况、天气、车辆数量以及运输时间等数据；废弃物产量数据库需要依据不同种类、不同地区、不同人群等因素，分别对废弃物产生的总量进行统计；废弃物特征数据库主要包含废弃物种类、形状、性质等数据。底层数据的采集将为后续的模型训练提供数据支撑。
4.3 算法模型
根据人工智能赋能循环经济的建设需求，以及底层数据的种类，需要训练图像处理、文字处理、多模态处理、强化学习等算法模型，支撑循环经济建设中不同问题的解决。图像处理模型可利用废弃物的图像数据进行训练，未来可用于对不同种类废弃物的自动拆解、识别、分类等过程。文本处理模型可利用人口结构、消费习惯等方面的文本类数据进行训练，未来可解决废弃物回收需求预测等问题。多模态模型可以实现对多种数据（例如文字、图像、语音等）的同时处理，提升模型效率。强化学习模型经过训练后，可以支持对废弃物收集、运输等方面的自主决策优化。
4.4 支撑中台
利用人工智能赋能循环经济建设需要搭建不同的支撑中台，包括数据中台、业务中台、技术中台、人工智能中台等，从而将数据、模型等底层资源整合为可支撑循环经济建设功能应用的关键能力。其中，数据中台主要负责对采集的底层数据进行清洗、聚合、标记等处理，确保数据可以有效支撑模型训练以及在循环经济建设过程中的实际应用；业务中台建设需要将循环经济建设中的核心业务能力（如回收需求管理、运输管理、废弃物识别分拣等）进行划分并分别沉淀至针对不同功能需求的业务中台，从而为循环经济建设中的功能应用提供可复用的业务能力支撑；技术中台通常包含支持功能实现的技术组件；人工智能中台主要涵盖了赋能循环经济建设过程所需要的算法模型。
4.5 功能应用
人工智能可以从需求预测、运输优化、识别分类、自动拆解4个方面赋能循环经济建设。以图1循环经济发展实施模式为基础，结合人工智能赋能循环经济建设的主要技术手段，图4展示了人工智能赋能循环经济建设功能的主要应用方式。
图4 人工智能赋能循环经济建设功能应用方式
4.5.1 需求预测
需求预测功能主要通过监督学习技术中的回归技术实现。利用回归技术相关算法模型，可以挖掘不同影响因素与废弃物产生量之间的关系，包括内部因素与外部因素。内部因素主要包括消费人群的年龄、数量、居住地等人口特征因素，产品偏好、消费频率等消费习惯因素，以及历史废弃物产生情况等。外部因素主要涉及可能影响废弃物产生的外部事件（如假期等）[14]。基于以上影响因素相关数据以及废弃物产生量数据，可以训练算法模型用于预测未来不同种类、不同地区的废弃物产生量。这有助于优化废弃物回收策略，更加高效地分配废弃物采集所需资源。
4.5.2 运输优化
通过开发强化学习算法模型，可以实现对于废弃物运输策略的自主优化。在模型的构建与训练过程中，以运输工具为智能体，将运输过程中面临的路况、天气、障碍物等因素设置为状况，在运输工具根据不同状况作出行动后，可以基于运输准时性、运输距离、运输工具空置率等设置奖励反馈。经过训练的模型，未来可以根据不同的交通情况、天气情况等，自动作出废弃物运输的最优路线与策略规划，提升废弃物运输管理效率。
4.5.3 识别分类
对废弃物的识别分类主要依托监督学习技术中的分类技术。经过标记相关特征的废弃物视觉数据，可以用于训练对不同种类废弃物进行识别的算法模型，进而支持对复杂废物流中各种废弃物的分拣，以及对可重复利用与不可重复利用废弃产品、可回收与不可回收废弃物的区分，这将提升废弃物分拣的效率与准确性，推动废弃物的使用价值最大化。例如，美国苹果公司积极推动人工智能机器学习技术在废弃物分拣工作中的应用，并于2023年部署了自动化产品分拣机，实现了对17 种产品废弃物的识别与分拣[15]。
4.5.4 自动拆解
废弃物的自动拆解功能主要通过监督学习技术中的分类技术实现。利用废弃物视觉数据训练的算法模型，可以用于驱动智能机器人对废弃物进行识别与检测，进而控制机器人对废弃物进行自动化的拆解，这将实现对人工拆解的有效替代，使得废弃物拆解过程更加安全与高效[16]。基于人工智能的废弃物拆解技术可以在汽车、消费电子、动力电池等多行业的废弃物拆解过程中进行应用。例如，我国格林美股份有限公司利用人工智能搭建退役动力电池智能化拆解系统，实现了对退役电池的自动化拆解以及可回收部分的精准识别，助力该公司将退役电池中锂的回收率提升至90%以上[17]。
4.6 结果展示
在实施人工智能赋能循环经济建设相关行动后，需要对相关环节的行动结果进行展示。需求预测方面，需要展示待回收废弃物的数量、种类、不同地区分布等预测结果。运输优化方面，可对废弃物运输位置、运输路况以及推荐运输路线进行展示。识别分类方面，需要对可重复利用废弃产品、可回收废弃物、不可回收废弃物的种类与数量数据进行展示。自动拆解方面，可对已完成拆解和未完成拆解的废弃物数量数据进行展示。
5 人工智能赋能循环经济建设的相关挑战与建议
虽然人工智能在赋能循环经济建设效率提升方面具有较大潜力，但目前相关模式的发展仍存在很多挑战。一是成本问题，人工智能在循环经济建设中的应用需要大量的投入，涉及硬件设备采购、软件开发、技术研发，以及运维人员引进、服务商合作等多个方面，将增加前期的开发成本。二是数据质量问题，应用于循环经济建设的算法模型训练需要大量不同种类的数据，包括废弃物性质、消费者特征以及运输等方面的数据。然而，目前的废弃物管理相关数据数量依旧有限且质量偏低[18]，这将阻碍人工智能在循环经济建设中的应用。三是数据安全问题，利用人工智能需要获取企业生产、消费者行为、运输路径等多项敏感数据。因此，在使用此类数据支撑循环经济建设的同时，需要重点关注信息安全保护的问题，避免因数据泄露而导致自身利益与公众信誉受损。
推动人工智能赋能循环经济，一是需要加快标准规范制定，保障平稳高效赋能。根据循环经济建设所需数据，制定数据采集方法、数据应用格式、数据共享等方面的标准规范。同时制定信息安全相关的技术标准以及监管政策，保障人工智能赋能循环经济建设安全、高效开展。二是需要推动多方深入合作，加强技术研发创新。高校、科研院所、科创企业等应加强合作，持续提升人工智能赋能循环经济建设相关的技术研发、模型构建、软硬件开发等方面的技术创新能力，以提升人工智能赋能过程中的全面性、准确性以及工作效率。三是需要强化试点示范建设，形成可推广人工智能赋能经验。开展人工智能赋能循环经济建设相关的优秀案例征集以及试点示范培育工作，以优秀案例实践为基础，总结高效赋能发展方式方法，为未来人工智能推动循环经济建设效率提升提供方法论指导。
6 结束语
在当今全球资源约束问题逐步加剧的背景下，发展循环经济已成为推动资源利用效率提升的必选项。同时，循环经济建设已经成为我国发展新型工业化，实现碳达峰碳中和目标的核心策略，也是我国应对国际竞争，推动经济高质量发展的重要手段。通过加强人工智能技术在废弃物需求预测、废弃物运输管理、废弃物拆解与分拣等场景的应用，可助力循环经济建设过程中实现数据获取更准确、资源分配更优、管理效率更高。未来，随着人工智能技术水平不断提升，标准规范逐步完善，实践方法日益成熟，人工智能技术将在更多方面，以更高的效率推动循环经济发展，从而助力我国经济社会实现绿色高质量发展。
Research on technical means and application mode of artificial intelligence empowering circular economy establishment
CUI Mingze
（Informatization and Industrialization Integration Research Institute, China Academy of Information and Communications Technology, Beijing 100191, China）
Abstract: In the context when global resource constraints intensify and China makes efforts to build a circular economy development model, this paper explores the main technical means of artificial intelligence technology applied to the establishment of circular economy based on the basic model of circular economy development, and builds a framework of the application model of artificial intelligence empowering circular economy establishment. Meanwhile, this paper analyzes the main challenges faced by artificial intelligence technology empowering circular economy establishment at the current stage, and puts forward corresponding development suggestions.
Keywords: artificial intelligence; circular economy; machine learning; recycle
本文刊于《信息通信技术与政策》2024年 第12期
主办：中国信息通信研究院
《信息通信技术与政策》是工业和信息化部主管、中国信息通信研究院主办的专业学术期刊。本刊定位于“ 信息通信技术前沿的风向标，信息社会政策探究的思想库 ”，聚焦信息通信领域技术趋势、公共政策、 国家/产业/企业战略，发布前沿研究成果、焦点问题分析、热点政策解读等，推动5G、工业互联网、数字经济、人工智能、大数据、云计算等技术产业的创新与发展，引导国家技术战略选择与产业政策制定，搭建产、学、研、用的高端学术交流平台。
期刊荣誉与收录情况
AMI（2022版）A刊扩展期刊
RCCSE中国核心学术期刊
入选中国科协信息通信领域高质量科技期刊分级目录
为进一步提高期刊信息化建设水平，为广大学者提供更优质的服务，我刊官方网站（http://ictp.caict.ac.cn）已正式投入运行，欢迎投稿！
推荐阅读
